AI Hírfolyam

Az OpenAI idén nyáron tervezi bemutatni az első „nyílt” nyelvi modelljét a GPT-2 óta. Nem titkolt céljuk, hogy felülmúlják a jelenleg elérhető nyílt modelleket, például a Llama-t vagy a Google Gemmáját, miközben azoknál szabadabb, kevésbé korlátozó licenc alatt jelenhet meg az OpenAI modellje.

A hírek szerint nem multimodális rendszerről van szó (tehát csak szöveget képes feldolgozni és létrehozni), amelyet akár erősebb fogyasztói hardvereken is futtatni lehet majd. Az OpenAI azt is tervezi, hogy a „reasoning” képességet külön aktiválhatóvá teszi, és részletes technikai dokumentációt (modellkártyát) is közzétesznek, a biztonsági vizsgálatok eredményeivel együtt. Ha sikeres lesz, további, akár kisebb modellek is követhetik.

Az OpenAI hivatalosan is elérhetővé tette a gpt-image-1 modellt fejlesztők számára, így a ChatGPT-ben már világszerte használt képgenerálás és -szerkesztés mostantól külső alkalmazásokba is beépíthető. Az új modell kiváló minőségű képeket hoz létre, változatos stílusokban, pontos szövegmegjelenítéssel és képszerkesztési lehetőségekkel.

Külön árszabás vonatkozik a képgenerálásra, ami nagyjából 2–19 cent közötti költséget jelent képenként. A fejlesztők testreszabhatják a képmoderáció szintjét, a generált képek pedig C2PA metaadatokat tartalmaznak, amelyek jelzik, hogy mesterséges intelligencia készítette őket.

Az OpenAI jelezte a bíróságon: ha a Google-nak valóban el kellene adnia a Chrome böngészőt, akkor ők szívesen megvásárolnák. Az Egyesült Államok Igazságügyi Minisztériuma versenyellenes gyakorlatai miatt perli a Google-t, és a Chrome értékesítése is felmerült, mint lehetséges megoldás.

Az OpenAI termékfejlesztési vezetője elmondta, hogy tavaly próbáltak partnerséget kötni a Google-lel, de a megállapodás végül nem jött létre. Jelenleg a Bing szolgáltatására támaszkodnak, de annak minőségével nincsenek maradéktalanul megelégedve. A cég saját keresőindexen is dolgozik, ám ez a projekt a vártnál lassabban halad.

A dél-koreai Nari Labs bemutatta Dia nevű text-to-speech modelljét, amely már most jobb eredményeket produkál, mint az éllovas ElevenLabs. Mindezt két alapszakos hallgató hozta össze, nulla befektetéssel. A Google NotebookLM projekt inspirálta őket, a számítási erőforrást pedig a Google TPU Research Cloud biztosította.

Az 1,6 milliárd paraméteres modell nemcsak különböző érzelmi tónusokat és több beszélőt képes kezelni, hanem akár nevetést, köhögést és más nem verbális hangokat is szintetizál. A Dia a tesztek szerint kifejezőbb, gyorsabb és „emberibb”, mint zárt versenytársai. A fejlesztők célja egy közösségi tartalomgyártásra fókuszáló app piacra dobása.

Meggyőző demó a Facebookon meghallgatható: https://www.facebook.com/groups/730310438659106/posts/1227579858932159/

Frissült a Superdraft WordPress plugin, ami többféle AI funkciót ad hozzá az admin felülethez. Bekerült 8 új képgeneráló modell, amikkel bár szerkeszteni nem lehet a képeket (szemben pl. a Gemini modellel), de részletgazdagabb és jobb minőségű képeket készítenek.

Emellett 6 új nyelvi modell is elérhetővé vált, köztük az OpenAI új generációs modelljei (o3, o4-mini, gpt-4.1), valamint a Google friss, ingyenesen használható Gemini 2.5 Flash modellje. Ezek gyorsabb javaslatokat, pontosabb tartalomkiegészítéseket és írási tippeket eredményeznek – közvetlenül a WordPress szerkesztőjében.