MI hírek — reggeli összefoglaló
2026. augusztus 23.
A világ mesterséges intelligenciával kapcsolatos legfontosabb történései az elmúlt napokból, rangsorolva globális jelentőség szerint — hogy reggeli kávé mellett gyorsan átfuthasd.
A mai válogatás augusztus 20-22. fejleményeit öleli fel. Ezekben a napokban új, önálló modell-kiadás nem került reflektorfénybe — helyette az AI-infrastruktúra és a tudományos kutatás mindennapjait alakító, mélyebb változásokat hozó hírek domináltak: az Nvidia jelentősen megemeli AI-szerverei árát a memóriaköltségek robbanása miatt, egy friss tanulmány szerint a biomedikai cikkek túlnyomó többsége már AI-asszisztenciával készül, a Meta pedig kiderült, hogy versenytársa, a Microsoft felhőjéből vásárol AI-kapacitást nagy tételben.
1
Üzlet
2026. aug. 22.
Az Nvidia több mint 15%-kal emeli AI-szerverei árát a memóriaköltségek robbanása miatt
A Bloomberg 2026. augusztus 22-i jelentése szerint az Nvidia egyes legnagyobb ügyfeleit arról értesítette, hogy a mesterséges intelligencia csipjeit tartalmazó szerverek ára sok esetben több mint 15%-kal emelkedik, elsősorban a memóriacsipek drasztikusan megugró költségei miatt. Az áremelés a jövő év eleji szállítású rendszereket érinti, beleértve a csúcskategóriás Vera Rubin és Grace Blackwell csipes konfigurációkat is, és olyan szerverösszeszerelőket ér el, amelyek a Microsoft, a Google és az Oracle adatközpontjait szolgálják ki.
Miért fontos: Az áremelés jól mutatja, hogy a memóriaellátási lánc szűk keresztmetszete immár közvetlenül begyűrűzik az AI-infrastruktúra árazásába, ami tovább drágíthatja a nagy nyelvi modellek betanítását és üzemeltetését világszerte.
BloombergForrás →
2
Kutatás
2026. aug. 20.
Új tanulmány szerint a biomedikai tudományos cikkek közel 90%-a mutatja az AI-asszisztencia jeleit
A Nature 2026. augusztus 20-i cikke egy augusztus 12-én közzétett, még lektorálatlan előnyomtatványra (preprint) hivatkozva arról számol be, hogy a PubMed Central adatbázisban archivált, 2025-ben megjelent biomedikai cikkek 77%-a, a decemberben publikáltaknak pedig már 89%-a mutatja nagy nyelvi modellek (LLM-ek) általi írási vagy szerkesztési segítség jeleit — ez jóval meghaladja a korábbi becsléseket. A kutatás azt is megállapította, hogy az AI-eszközök használata gyakoribb volt azoknál a szerzőknél, akik nem angol anyanyelvű országokból publikáltak.
Miért fontos: Az eredmény alapjaiban kérdőjelezi meg, mennyire tekinthető még "emberi" munkának a tudományos publikációs folyamat, és sürgető kérdéseket vet fel az AI-asszisztencia átláthatóságával és a lektorálási normákkal kapcsolatban.
NatureForrás →
3
Üzlet
2026. aug. 20.
A Meta a Microsoft Azure egyik legnagyobb AI-ügyfelévé vált, miközben milliárdokat fektet saját infrastruktúrájába
A Bloomberg 2026. augusztus 20-i jelentése szerint a Meta évi több száz millió dollárt költ külső mesterséges intelligencia modellek elérésére a Microsoft Azure AI Foundry platformján keresztül, és hetente billiószám dolgoz fel tokeneket rajta. A modelleket többek közt szoftverfejlesztési és kiértékelési munkára használják — a Meta fejlesztői például OpenAI-modellekkel bíráltatják el saját rendszereik kimeneteit —, annak ellenére, hogy a Meta maga is milliárdokat költ saját AI-infrastruktúrájára.
Miért fontos: Az eset jól mutatja, hogy még a legnagyobb, saját csipekbe és adatközpontokba fektető techcégek is rákényszerülnek versenytársaik felhőalapú AI-szolgáltatásainak igénybevételére, ami a számítási kapacitás iránti kereslet rendkívüli koncentrációjára utal.
BloombergForrás →
4
Kutatás
2026. aug. 22.
Egy 27 milliárd paraméteres ügynök, a Faraday, felülmúlta a Claude-ot és a GPT-5.5-öt tudományos kutatások reprodukálásában
A TechCrunch 2026. augusztus 22-i cikke szerint a Google DeepMind egykori munkatársai által alapított londoni Inherent startup bemutatta Faraday nevű AI-ügynökét, amely a viszonylag kicsi, 27 milliárd paraméteres Qwen 3.6 modellre épül, mégis felülmúlta az Anthropic jóval nagyobb Claude Opus 4.8-át és az OpenAI GPT-5.5-ét a cég saját "Replica" nevű benchmarkján. A teszt 100 gépi tanulási és AI-alapú tudományos cikkből származó 310 feladatot tartalmaz, amelyekben az ügynöknek az eredeti ábra ismerete nélkül, korlátozott idő és számítási kapacitás mellett kell reprodukálnia egy publikált kutatás eredményét.
Miért fontos: Az eredmény azt sugallja, hogy a célzottan, hosszútávú megerősítéses tanulással kiképzett kisebb ügynökök szűk, de fontos tudományos feladatokban felülmúlhatják a sokkal nagyobb, általános célú frontier-modelleket.
TechCrunchForrás →
5
Modell/kiadás
2026. aug. 20.
A Google nyílt súlyú Gemma modellcsaládja átlépte az egymilliárd letöltést
A Google DeepMind 2026. augusztus 20-i hivatalos bejegyzése szerint a nyílt súlyú Gemma modellcsalád összesített letöltésszáma átlépte az egymilliárdot, a fejlesztők pedig már több mint 100 000 önálló Gemma-variánst tettek közzé a bevezetés óta eltelt közel két évben. A mérföldkő mellé a Google elindította az "Awesome Gemma" nevű GitHub-gyűjteményt is, amely rendszerezi a modellekre épülő legjelentősebb alkalmazásokat, eszközöket és oktatóanyagokat.
Miért fontos: A letöltési szám és a variánsok tömege azt jelzi, hogy a nyílt súlyú modellek közössége mára önálló, gyorsan növekvő ökoszisztémává vált a zárt, nagy laborok termékei mellett.
Google (hivatalos blog)Forrás →