1
Modell/kiadás
2026. jún. 30.
A kínai Meituan nyílt forráskódúvá tette az 1,6 billió paraméteres, kizárólag hazai chipeken tanított LongCat-2.0-t
A Meituan 2026. június 30-án MIT licenc alatt publikálta LongCat-2.0 nevű, keverék-szakértős (MoE) architektúrájú, 1,6 billió paraméteres modelljét, amelyet a cég szerint a betanítástól a következtetésig kizárólag több mint 50 000 hazai gyártású AI-chipből álló klaszteren futtattak, Nvidia GPU-k nélkül. A modell hetekig anonim "Owl Alpha" néven vezette az OpenRouter fejlesztői használati listáit, agentikus kódolási benchmarkon (SWE-Bench Pro: 59,5%) pedig megelőzi az OpenAI GPT-5.5-öt (58,6%), 1 millió tokenes kontextusablak mellett.
Miért fontos: Ez az első bizonyíték arra, hogy Kína képes billió paraméteres, frontier-közeli modellt kizárólag hazai chipeken betanítani, ami alapjaiban kérdőjelezi meg az amerikai exportkorlátozások hosszú távú hatékonyságát.
VentureBeatForrás →
2
Üzlet
2026. júl. 2.
Kiszivárgott Pentagon-emailek: a hadsereg az autonóm fegyverekre vonatkozó korlátok eltörlését kérte az Anthropictól
A kaliforniai északi körzeti szövetségi bíróságon 2026. július 2-án nyilvánosságra hozott, a Wall Street Journal által elsőként megszerzett dokumentumok szerint Emil Michael, a Pentagon kutatásért és fejlesztésért felelős államtitkár-helyettese azt írta Dario Amodeinak, hogy a felek "nagyon közel" állnak a szerződéses feltételek lezárásához — ugyanabban az időszakban, amikor a minisztérium már előkészítette az Anthropic elleni ellátásilánc-kockázati feketelistázást. Az e-mailek szerint az Anthropic két korláthoz ragaszkodott (nincs teljesen autonóm fegyver, nincs belföldi tömeges megfigyelés), míg a Pentagon a Claude korlátlan, "minden törvényes célú" katonai felhasználását szerette volna elérni.
Miért fontos: Az eset nyíltan megmutatja, milyen nyomás nehezedik a vezető AI-laborokra, hogy feladják etikai vörös vonalaikat a legnagyobb katonai megrendelőjük kedvéért.
Tech TimesForrás →
3
Üzlet
2026. júl. 2.
Rekordot döntött a globális AI-befektetés: 510 milliárd dollár áramlott startupokba 2026 első felében
A Crunchbase 2026. július 2-i adatai szerint a globális kockázatitőke-befektetés 2026 első felében rekord 510 milliárd dollárra rúgott, meghaladva a teljes 2025-ös év 440 milliárd dolláros összegét. A tőke több mint 70 százaléka AI-fókuszú cégekbe áramlott (egy évvel korábban ez az arány még 50 százalék alatt volt), és önmagában az OpenAI és az Anthropic a teljes globális összeg 43 százalékát, azaz 217 milliárd dollárt söpörte be.
Miért fontos: A számok jól mutatják, mennyire koncentrálódik a világ kockázati tőkéje néhány frontier AI-cég körül, ami hosszú távon torzíthatja a teljes startup-ökoszisztémát.
Crunchbase NewsForrás →
4
Üzlet
2026. júl. 3.
Az Anthropic bezárja a kínai cégek által kihasznált kiskapukat a Claude eléréséhez
A Financial Times 2026. július 3-i értesülése szerint az Anthropic szigorítja a felügyeletet, miután kiderült, hogy olyan kínai vállalatok, mint az Ant Financial és a ByteDance, szingapúri leányvállalatokon, VPN-eken és külföldi felhőinfrastruktúrán (köztük Microsoft Azure-on) keresztül jutottak hozzá a Claude-hoz, megkerülve a cég felhasználási feltételeit, amelyek kifejezetten tiltják a kínai vállalatok hozzáférését. Az Anthropic mostantól olyan jeleket is figyel, mint a fiókok időzónája és használati mintázata, hogy lebuktassa az úgynevezett "transzferállomásokat".
Miért fontos: Az eset rávilágít, mennyire nehéz technikailag és jogilag érvényesíteni a frontier AI-modellek exportkorlátozásait a gyakorlatban.
Seeking Alpha (FT nyomán)Forrás →
5
Kutatás
2026. jún. 30.
Az OpenAI bemutatta a GeneBench-Pro-t, amely az AI-modellek biológiai kutatói ítélőképességét méri
Az OpenAI 2026. június 30-án tette közzé a GeneBench-Pro nevű, 129 feladatból álló benchmarkot, amely azt méri, mennyire képesek az AI-modellek a valós számítógépes biológiai kutatásra jellemző, bizonytalan és zajos adatok közötti ítélethozatalra a genomika, a kvantitatív biológia és a transzlációs medicina területén. A legjobb modell, a GPT-5.6 Sol mindössze 28,7 százalékos (Pro módban 31,5 százalékos) találati arányt ért el — miközben egy-egy feladat megoldása emberi szakértőknek 20-40 órát venne igénybe.
Miért fontos: A benchmark az elsők között méri objektíven, mennyire bízhatunk meg az AI-ban valódi, nagy tétű tudományos döntéshozatalban, nem csak szokásos teszt-jellegű feladatokban.
OpenAIForrás →