1
Üzlet
2026. júl. 6.
Megnyílt Genfben az ENSZ első Globális MI-kormányzási Párbeszéde
2026. július 6-án Genfben megkezdődött az ENSZ Globális MI-kormányzási Párbeszéde, amely az ENSZ és a Nemzetközi Távközlési Egyesület (ITU) által július 1-jén bejelentett "AI for Good" Globális Bizottság munkáját vezeti fel. A testületben állam- és kormányfők mellett olyan technológiai vezetők is helyet kaptak, mint az Nvidia Jensen Huangja, az Amazon Andy Jassyja, a Microsoft Brad Smithje és az Anthropic Jack Clarkja; társelnöki szerepet Marc Benioff (Salesforce) és Paul Kagame ruandai elnök tölt be. A testület nem hoz kötelező szabályokat, de negyedévente ülésezik majd, ajánlásokkal és önkéntes vállalásokkal.
Miért fontos: Ez az első alkalom, hogy a legnagyobb AI-vállalatok vezetői és a világ állam- és kormányfői intézményesített keretek között, közösen formálják a globális MI-szabályozás irányát.
AxiosForrás →
2
Üzlet
2026. júl. 2.
Zuckerberg elismerte: a Meta 145 milliárd dolláros AI-ügynök-fogadása egyelőre nem térül meg
Egy 2026. július 2-i belső vállalati fórumon, amelyről a Reuters is beszámolt, Mark Zuckerberg azt mondta a Meta alkalmazottainak, hogy az AI-ügynökök fejlesztése az elmúlt négy hónapban "nem gyorsult fel úgy, ahogy vártuk". A vallomás azután érkezett, hogy a cég májusban mintegy 8000 főt — a globális létszám kb. 10 százalékát — leépítette, és ezzel párhuzamosan ezreket helyezett át új, kifejezetten AI-fókuszú csapatokba. A Meta idén akár 145 milliárd dollárt is költhet AI-infrastruktúrára.
Miért fontos: A vallomás rávilágít arra a széles iparági szakadékra, amely a masszív AI-beruházások és az ügynökalapú rendszerek valós, gyakorlati megbízhatósága között tátong.
TechCrunchForrás →
3
Üzlet
2026. júl. 2.
Az Anthropic tárgyalásokat kezdett a Samsunggal saját AI-chip gyártásáról
A The Information által elsőként megszerzett és több lap (köztük a TechCrunch) által megerősített értesülés szerint az Anthropic korai szakaszú tárgyalásokat folytat a Samsung Electronicsszal egy egyedi AI-gyorsítóchip gyártásáról, a dél-koreai cég 2 nanométeres gyártástechnológiájára és fejlett tokozási kapacitására építve. A Samsung májusban, az SK Hynixszal és a Micronnal együtt stratégiai infrastruktúra-partnerként vett részt az Anthropic 65 milliárd dolláros Series H befektetési körében; az Anthropic emellett nemrég leigazolta Clive Chant, az OpenAI saját chipes csapatának egyik korai mérnökét.
Miért fontos: Az Anthropic csatlakozik azon vezető AI-laborok sorához, amelyek saját chipfejlesztéssel próbálják csökkenteni az Nvidiától való függésüket, ami hosszú távon átrajzolhatja az AI-hardverpiac erőviszonyait.
TechCrunchForrás →
4
Kutatás
2026. jún. 30.
Anthropic-kutatás: egyetlen determinisztikus eszköz 17%-ról 99%-ra ugrasztja az AI-ügynökök pontosságát a biológiában
Az Anthropic "VirBench" nevű tesztjében 40 kórokozóra kiterjedő, 120 vírusszekvencia-keresési feladaton vizsgálta, mennyire megbízhatóak az AI-ügynökök biológiai kutatásban. Eszközök nélkül a modellek pontossága mindössze 16,9 és kb. 91 százalék között szórt, futtatásról futtatásra erősen ingadozva. Amikor a kutatók a National Center for Biotechnology Information (NCBI) segítségével épített "gget virus" nevű determinisztikus lekérdező eszközt is a modellek rendelkezésére bocsátották, a pontosság minden tesztelt modellnél 90 százalék fölé ugrott — a legjobbnál 99,7 százalékra —, és a futtatásonkénti ingadozás gyakorlatilag megszűnt.
Miért fontos: A kutatás szerint a tudományos AI-ügynökök megbízhatóságának kulcsa nem feltétlenül a nagyobb modell, hanem a jobb, determinisztikus eszközinfrastruktúra — ez alapjaiban befolyásolhatja, hogyan építenek majd AI-rendszereket tudományos célokra.
AnthropicForrás →
5
Modell/kiadás
2026. júl. 2.
A Claude Fable 5 új biztonsági szűrője 70%-kal rontotta a hibakeresési pontosságot
Miután az Anthropic július 1-jén globálisan újra elérhetővé tette a Claude Fable 5 modellt az amerikai exportkorlátozások feloldása után, egy új kiberbiztonsági osztályozót is bevezetett, amely blokkolja azt a promptolási technikát, amellyel az Amazon kutatói korábban biztonsági réseket tártak fel és aknáztak ki a modell segítségével. A szigorúbb szűrő azonban egyes hibakeresési (debugging) teszteken akár 70 százalékkal is visszavetette a modell teljesítményét, mivel a gyanúsnak ítélt feladatokat egy gyengébb tartalék modellhez irányítja át.
Miért fontos: Jól szemlélteti azt az alapvető kompromisszumot, amellyel a frontvonalbeli AI-modellek fejlesztői szembesülnek a biztonság és a nyers teljesítmény között.
Tech TimesForrás →