Știri
Știri din categoria Inteligență artificială
Google reduce la jumătate costul inițial pentru Gemini 3.7 Flash și mizează pe agenți AI mai ieftini în producție, potrivit Google. Noul model din seria „Flash”, orientat spre programare și „agenți” (sisteme care pot planifica pași și apela instrumente), vine la trei săptămâni după Gemini 3.6 Flash și este poziționat ca „model de lucru” („workhorse”) pentru fluxuri complexe, cu îmbunătățiri de performanță și un preț introductiv mai mic.
Google spune că Gemini 3.7 Flash este disponibil „până la finalul anului” la un preț introductiv de:
Compania afirmă că acest nivel este „jumătate din costul original” al lui 3.6 Flash per milion de tokeni și îl leagă direct de posibilitatea de a scala agenți „gata de producție” mai eficient din punct de vedere al costurilor.
În zona de inginerie software, Google indică îmbunătățiri pe sarcini precum depanare și rezolvare de „issue”-uri, plus o acuratețe mai bună a codului la prima încercare și rezultate mai bune la generarea de cod „production-ready” (cod suficient de robust pentru utilizare în produse).
În benchmark-uri, compania menționează:
Pentru web development, Google afirmă că modelul poate genera „layout-uri” mai funcționale și aplicații mai complete cu mai puține prompturi și că respectă mai bine un input de referință (captură de ecran, imagine sau sistem de design). Pe WebDev Arena, scorul Elo este 1.588 vs 1.538 pentru 3.6 Flash (clasament: WebDev Arena).
Google susține că, în domenii „dense în cunoștințe” precum finanțe, drept și bioștiințe, 3.7 Flash îmbunătățește raționamentul și acuratețea. Ca exemple, compania citează:
Pe partea operațională, Google leagă aceste îmbunătățiri de o execuție „mai disciplinată”, cu mai puțină supraveghere manuală și mai puține încercări repetate în fluxurile de inginerie.
Modelul este integrat și în Gemini Spark, agentul personal „24/7” din aplicația Gemini, disponibil pentru abonații Google AI Pro și Ultra în peste 160 de țări (listă: Google Support). Google spune că Spark va folosi 3.7 Flash „începând de astăzi”, cu accent pe lucru cu aplicațiile Google Workspace și sarcini precum consolidarea fișierelor, redactarea de e-mailuri și actualizarea documentelor de status.
Pentru dezvoltatori, accesul este indicat prin Google AI Studio și Gemini API (link direct: Google AI Studio), iar pentru companii prin Gemini Enterprise Agent Platform și aplicația Gemini Enterprise.
Google afirmă că Gemini 3.7 Flash este livrat cu „safeguards” actualizate împotriva abuzurilor în zona Chemical, Biological, Radiological, and Nuclear (CBRN) și ofensivă cibernetică, în linie cu cadrul Frontier Safety (detalii: Frontier Safety) și abordarea privind bio-reziliența (detalii: our approach to bioresilience). Pentru informații tehnice, compania trimite la „model card” (fișa modelului): Gemini 3.7 Flash model card.
Într-un material separat, publicația CNMO relatează aceleași rezultate de benchmark și menționează o posibilă majorare de preț de la 1 ianuarie 2027, însă această informație nu apare în postarea Google citată mai sus.
Recomandate
Google extinde Gemini cu două modele TTS care mută generarea de voce spre producție la scară și control fin , cu implicații directe pentru costuri și fluxuri de lucru în dublaj, conținut audio și agenți vocali, potrivit Google Blog . Noile modele — Gemini 3.8 Flash TTS și Gemini 3.8 Flash-Lite TTS — sunt poziționate ca instrumente pentru „regie” vocală (inclusiv dialoguri) și pentru volume mari, cu accent pe personalizare și consistență. Două modele, două utilizări: control creativ vs. volum mare Google separă explicit cazurile de utilizare: Gemini 3.8 Flash TTS : orientat spre „direcție creativă” și design de personaje, cu posibilitatea de a crea voci noi prin instrucțiuni în limbaj natural și de a controla livrarea „linie cu linie” (indicii de actorie, ritm, schimbări de dialect, „backchanneling” – interjecții de tip „mhm/yeah” care fac dialogul să sune natural). Gemini 3.8 Flash-Lite TTS : orientat spre scalare eficientă ca preț și volume mari (dublaj, creare de conținut audio, agenți vocali), păstrând controlul asupra tonului și ritmului. Ambele sunt integrate în ecosistemul Gemini: Google AI Studio, Gemini API, Gemini Enterprise, Gemini Notebook și Google Vids . Ce aduce nou operațional: bibliotecă mare, replicare și „scenă” cu doi vorbitori Dincolo de generarea de voce, Google descrie funcții care țintesc direct producția: „De la 30 de voci originale la o bibliotecă infinită” : modelul Flash TTS poate genera voci „de la zero”, cu rol, accent și caracteristici ale vocii în peste 100 de limbi și dialecte . Bibliotecă de peste 2.000 de voci „gata de producție” , inclusiv varietăți regionale (exemple date: spaniolă mexicană, franceză din Quebec, engleză scoțiană). Replicare de voce dintr-un eșantion de 30 de secunde , cu condiția ca utilizatorul să aibă dreptul de utilizare; Google spune că include verificare de consimțământ, „watermarking” (marcare invizibilă) cu SynthID și acreditări C2PA. Generare pe termen lung : menținerea calității și a „timbrelor” pe ore de audio, cu „drift” minim (degradarea consistenței vocii în timp), util pentru podcasturi și audiobookuri. „Staging” nativ pentru două voci : scenarii de conversație dintr-un singur script, cu alternanță naturală a replicilor. Google menționează și o funcție „voice remixing” (remixare de voce) ca fiind „în curând”, pentru ajustări de timbru, înălțime, ritm și accent pornind de la o voce din bibliotecă. Performanță și comparații: benchmarkuri externe invocate de Google Pentru a susține poziționarea, compania citează rezultate în evaluări externe: #1 pe „Voice Design Benchmark” al Hume AI (71,4) și lider la „accent modeling” (60,8), conform Hume AI . #1 și #2 pe „Overall Quality Index” (tot Hume AI) pentru Flash TTS, respectiv Flash-Lite TTS. În evaluări „blind” de preferință umană pe Voice Arena , modelele ar obține poziții de top în mai multe limbi (inclusiv japoneză, portugheză braziliană, vietnameză, arabă standard modernă, spaniolă mexicană și hindi). Publicația afirmă și îmbunătățiri față de Gemini 3.1 Flash TTS pentru utilizări precum conținut „long-form” și controlul scenariilor cu doi vorbitori, fără a detalia valori comparative. Garduri de siguranță: consimțământ și marcaj SynthID Pe zona de risc (impersonare, dezinformare), Google spune că: pentru replicarea vocii este necesară verificarea consimțământului , printr-o înregistrare verbală a proprietarului vocii care trebuie să corespundă cu vorbitorul de referință; fiecare clip audio generat de modelele Gemini Audio este marcat cu SynthID (watermark imperceptibil) pentru detectabilitate; detalii suplimentare sunt disponibile în model card și pe pagina SynthID . Disponibilitate: unde intră în producție, de azi și „în curând” Google indică un calendar de lansare în valuri: Gemini 3.8 Flash TTS : începe „de azi” pentru dezvoltatori: în Gemini API și Google AI Studio (documentație: speech generation ); pentru companii: „în curând” prin API în Gemini Enterprise; pentru toți: în Gemini Notebook. Gemini 3.8 Flash-Lite TTS : începe „de azi” pentru dezvoltatori: în Gemini API și Google AI Studio; pentru companii: „în curând” prin API în Gemini Enterprise; pentru toți: în Google Vids. În zona de integrare, Google spune că platforme precum Agora (documentație: Agora ), LiveKit, Pipecat și Vercel pot folosi Gemini API pentru a construi interfețe vocale, iar parteneriatele menționate includ Figma, HeyGen, Linguana, Wondercraft, 99.co și Ollang, cu obiective precum dublaj global, localizare și agenți conversaționali la scară. [...]
Google, OpenAI și Anthropic vor să-și facă propriul „arbitru” de siguranță pentru IA, fără supraveghere guvernamentală , cu o lansare vizată până la finalul lui 2026 sau la începutul lui 2027, potrivit The Next Web , care citează un articol The Information. Miza este una de reglementare: marile laboratoare încearcă să stabilească standarde și proceduri înainte ca autoritățile să impună reguli mai dure. Inițiativa ar urma să se numească, provizoriu, „ Standards Authority for Frontier AI ”, conform unor persoane familiarizate cu discuțiile, citate de jurnaliștii Leo Schwartz și Stephanie Palazzolo de la The Information. Publicația precizează că nu a verificat independent informațiile. Un model de „autoreglementare” inspirat de FINRA Planul ar fi construit după modelul FINRA, organizația de autoreglementare din SUA pentru firmele de brokeraj. Conform relatărilor apărute după materialul The Information, noul organism ar putea: stabili standarde pentru testarea modelelor înainte de lansare; defini reguli de raportare a incidentelor de siguranță; certifica auditori externi. Puterea de aplicare a acestor reguli (mecanismele de sancționare) nu este, însă, clarificată în acest stadiu. De ce nu mai vor supraveghere federală Potrivit aceluiași raport, companiile ar fi vrut inițial un organism cu supraveghere federală. Planul s-ar fi blocat după ce un proiect de ordin executiv al Casei Albe nu a strâns suficient sprijin în interiorul administrației Trump. Context: presiune internațională pentru standarde și critici la adresa „self-policing” Demersul vine după o săptămână intensă pe zona de guvernanță a inteligenței artificiale. Pe 22 septembrie, 21 de țări și Uniunea Europeană au cerut supraveghere internațională pentru „frontier AI” (modele de vârf, la limita capabilităților curente). A doua zi, Sam Altman a spus în Consiliul de Securitate al ONU că OpenAI ar încetini ritmul și a cerut standarde naționale și internaționale pentru această categorie de IA. În paralel, ideea de autoreglementare a atras critici: Bill Gates a declarat că autoreglementarea nu este suficientă, iar fostul executiv Meta Nick Clegg a spus, la HumanX în Amsterdam, că laboratoarele de IA nu se pot reglementa singure. La început, noul organism ar urma să acopere doar cele trei laboratoare (Google, OpenAI și Anthropic), iar relatările nu indică includerea Microsoft, Meta sau xAI. [...]
GPT‑6 Astra a redus la jumătate timpul de cercetare și costurile de cod pentru Parallel , potrivit unui studiu de caz publicat de OpenAI , un semnal relevant pentru companiile care folosesc agenți AI în activități de documentare și analiză pe web, unde factura de calcul și timpul de livrare sunt constrângeri directe. Parallel, companie care dezvoltă infrastructură pentru agenți AI ce fac „muncă de cunoaștere” pe internet (de la ancorare web pentru agenți vocali până la cercetare pentru instituții financiare și clienți din zona juridică), spune că sarcinile sale de cercetare de durată necesitau, în mod obișnuit, modele mai mari și raționament extins, cu consum mai ridicat de timp și resurse. În acest context, compania afirmă că a observat o îmbunătățire majoră a timpului și costurilor odată cu GPT‑6 Astra. „Cu Astra, am demonstrat că poți obține aceeași cercetare de înaltă calitate mult, mult mai repede, cu mai puține apeluri de cercetare și mai puțini tokeni.” — Devin Gupta , Member of Technical Staff, Parallel Web Systems Test: raport de cercetare pe șase luni, de două ori mai rapid Într-un test descris de OpenAI, Parallel a cerut agentului să cerceteze șase statistici diferite despre piața muncii, pentru patru state, pe o perioadă de șase luni. Agentul a trebuit să caute pe mai multe site-uri, să colecteze informațiile și să compileze rezultatele într-un singur raport. Rezultatul raportat: GPT‑6 Astra a finalizat munca în jumătate din timpul modelelor anterioare și cu o reducere de aproximativ 50% a costului de cod, menținând aceeași calitate a cercetării. De ce contează: mai puțini pași, căutări mai țintite și lucru în paralel Parallel mai indică faptul că Astra a făcut căutări mai focalizate și a parcurs mai puțini pași până la un rezultat util, ceea ce reduce atât latența (timpul de așteptare), cât și consumul de resurse. „Astra a emis interogări de căutare mai țintite și s-a concentrat mai bine pe sarcina finală, încorporând cunoștințele sale despre lume comparativ cu modelele anterioare.” — Devin Gupta, Member of Technical Staff, Parallel Web Systems Un efect operațional important, potrivit companiei, este că eficiența crescută face mai practică împărțirea cercetării între mai mulți agenți: Astra poate delega sarcini specifice către sub-agenți, astfel încât munca să se desfășoare simultan, nu într-o singură secvență de căutări. În concluzie, Parallel susține că are acum o cale mai bună de la o întrebare complexă la un răspuns documentat, cu timp mai mic de așteptare, costuri mai reduse și capacitate mai mare de a aborda sarcini de cercetare solicitante la scară. (Compania este prezentată ca Parallel .) [...]
Amazon Web Services împinge „modelele decizionale” în producție cu un model open-source, mai ieftin decât un LLM complet , într-un moment în care dezvoltatorii caută tot mai mult „inteligență” potrivită pentru automatizare, nu pentru conversație, potrivit TechCrunch . AWS a lansat Strands Decider 2B , un model inspirat de Jev (TypeSafe), gândit să aleagă rapid între opțiuni prestabilite și să ofere un scor de încredere pentru decizia luată. Modelul, prezentat ca „high-speed” și „low-cost”, este complet open-source, disponibil imediat și suficient de mic pentru a rula local. Lansarea vine în aceeași săptămână în care OpenAI a anunțat o ofertă similară, semn că această categorie de modele — orientate pe decizie, nu pe generare de text — se aglomerează rapid. De ce contează pentru companii: cost și latență mai mici în fluxuri „agentice” Miza operațională este reducerea dependenței de modele mari de limbaj (LLM-uri) în pași de lucru unde nu e nevoie de capabilități „frontier” (cele mai avansate, dar și cele mai scumpe). Marc Brooker, „distinguished engineer” la Amazon, spune că nevoia a apărut în discuții cu clienți AWS, ale căror fluxuri de lucru cu agenți (agentic workflows) nu necesitau permanent un LLM complet. În formularea lui Brooker, modelul funcționează ca un „decider” pentru un pas dintr-un workflow: alege „următorul lucru de făcut” în funcție de starea curentă, într-un domeniu închis de răspunsuri. El susține că scorurile de încredere și setul limitat de opțiuni pot face acest pas mai „fiabil”, cu latență mai mică și, potențial, costuri mai reduse. „Ce mi-a stârnit inițial interesul la această clasă de modele a fost că sunt un decident perfect pentru un pas dintr-un flux de lucru — «care este următorul lucru pe care trebuie să-l fac aici, pe baza locului în care sunt?»” Ce este Strands Decider și cum diferă de un LLM Strands Decider este construit pe „torso”-ul unui LLM — în acest caz Qwen3.5-2B — însă, în loc să genereze text, livrează alegeri „calibrate” între opțiuni prestabilite. Cu alte cuvinte, este optimizat pentru selecție și evaluarea încrederii în selecție, nu pentru redactare sau dialog. Proiectul a pornit ca o încercare personală a lui Brooker, după ce a văzut Jev și a încercat să-și construiască propria variantă. Potrivit articolului, prototipul a ajuns pentru scurt timp pe primul loc în clasamentul Jevbench pentru modele din categoria sa de dimensiune, după care inginerii Amazon l-au „curățat” și l-au publicat prin Strands Labs — o organizație care dezvoltă instrumente și protocoale pentru implementarea agenților AI. Piața se aglomerează, dar avantajul nu e garantat TechCrunch notează că zeci de modele similare au apărut după ce TypeSafe a lansat ideea Jev, ceea ce arată interesul, dar ridică și întrebarea cât de valoroase vor fi în practică. Brooker indică drept provocare găsirea unui echilibru: optimizarea deciziilor rapide fără a compromite „inteligența” modelului (precizia și calibrarea), dar și fără a-i eroda capacitatea generală (cunoaștere, înțelegerea limbilor). „Există un echilibru foarte atent de găsit: vrei să-i împingi performanța pe acuratețe și calibrare pe aceste sarcini, fără să-i degradezi performanța în înțelegerea diferitelor limbi, în cunoașterea pe care o are — ceea ce îl face generalist, interesant și util.” În același timp, Brooker nu se așteaptă ca „frontier labs” să domine neapărat acest spațiu, argumentând că, pentru piețe mai mici, costul de a construi „ceva interesant” poate fi de ordinul sutelor sau miilor de dolari. Din perspectiva TypeSafe, CEO-ul și fondatorul Diogo Almeida spune că există percepția unui „gold rush”, dar că mulți ar subestima dificultatea de a face modelele cu adevărat inteligente și, deocamdată, nu vede competiție reală care să se contureze. „Înțeleg că oamenii cred că e o goană după aur, dar s-ar putea să subestimeze dificultatea de a face modelele cu adevărat inteligente.” [...]
Viteza cu care Claude a identificat un posibil sistem enzimatic nou ridică miza pentru AI în biologie , dar validarea științifică și disputa privind prioritatea descoperirii rămân deschise, potrivit CNET . Anthropic susține că modelul său Claude a găsit, în circa 21 de ore, un sistem enzimatic „asemănător CRISPR”, după ce ar fi analizat aproximativ 200.000 de mostre de transcriptază inversă (o enzimă care „scrie” ADN pornind de la ARN). Compania spune că a folosit 950 de „agenți” AI (instanțe care rulează în paralel sarcini de căutare/analiză) pentru a scana baze de date publice, iar implicarea umană s-a limitat la formularea solicitărilor (prompts) și la munca de laborator necesară confirmării. De ce contează: AI poate scurta drastic faza de „căutare”, nu și pe cea de înțelegere Miza practică nu este doar dacă s-a găsit ceva „nou”, ci dacă AI poate reduce timpul și costul etapei inițiale de identificare a unor tipare biologice promițătoare. CNET notează că experții consultați sunt, în general, de acord că viteza raportată de Anthropic este impresionantă, mai ales într-un domeniu în care „acul în carul cu fân” e regula. Într-o declarație citată de publicație, Feng Zhang (MIT și Broad Institute) numește rezultatul „un exemplu interesant” despre cum agenții AI pot contribui la descoperiri biologice și spune că identificarea unor „șiruri repetate” asociate cu transcriptaze inverse „merită investigații suplimentare”. Ce ar fi găsit Anthropic, pe scurt Potrivit articolului, Claude ar fi observat o configurație genetică ce amintește de modul în care este organizat CRISPR: o transcriptază inversă poziționată lângă o secvență lungă de fragmente de ADN repetate, plus o proteină „partener”. Un reprezentant al laboratorului Profluent (care a dezvoltat OpenCRISPR-1) explică, într-un e-mail către CNET, că transcriptaza inversă era cunoscută, însă „șirul” de lângă ea și proteina asociată sunt partea pe care Anthropic o prezintă drept noutate. Sistemul ar fi fost găsit într-un bacteriofag (virus care infectează bacterii), din categoria „jumbo phages” (fagi cu genom mare). Anthropic a numit acest sistem „array-associated reverse transcriptases” (ART). Limitarea majoră: de la tipar la funcție pot trece ani CNET subliniază că, istoric, drumul de la identificarea unui sistem biologic la înțelegerea mecanismului și apoi la aplicații medicale poate dura mult. Bonnie Berger, care conduce un grup de calcul și biologie la MIT (CSAIL), spune că oamenii de știință găsesc relativ frecvent tipare interesante în secvențe, însă blocajul este „înțelegerea scopului și funcției” prin analize mai profunde și experimente țintite. Anthropic recunoaște, într-o declarație citată, că munca de clarificare a funcției ART este în desfășurare și că a ales să publice devreme atât pentru a arăta capabilitățile lui Claude, cât și pentru a oferi comunității o imagine asupra direcției de lucru. Controversa: a fost „nou” sau doar „nou pentru Anthropic”? O a doua problemă ține de prioritatea descoperirii. Mario Rodríguez Mestre, biolog computațional la Universitatea din Copenhaga, a declarat pentru The New York Times (citat de CNET) că echipa lui ar fi găsit același sistem în 2022 și indică un brevet în care apare ca co-inventator. Anthropic afirmă că nu știa de această cercetare. Mai mult, Mestre și echipa sa spun că nu pot exclude ca modelul să fi ajuns la rezultat fiindcă ar fi fost expus, în timp, la cercetări nepublicate încărcate în Claude pentru asistență, ceea ce ar fi putut funcționa ca un „far” către acel sistem. Ce urmează Din relatarea CNET rezultă două direcții care vor decide dacă episodul devine un reper sau rămâne un caz discutabil: validarea funcțională : ce face, concret, sistemul ART și dacă are potențial aplicabil (în medicină sau biotehnologie); clarificarea priorității și a trasabilității datelor : dacă sistemul era deja documentat și în ce măsură modelele AI pot „regăsi” rezultate pe baza unor date încărcate anterior, inclusiv nepublicate. Până atunci, articolul indică un consens limitat: AI pare să fi demonstrat un avantaj real la viteză în explorarea bazelor de date biologice, dar asta nu echivalează automat cu o descoperire „de mărimea CRISPR” și nici nu închide discuția despre originalitate. [...]
Nvidia își extinde ecosistemul dincolo de cipuri, mizând pe securitatea AI ca produs potrivit Ziarul Financiar , care relatează că grupul a lansat o platformă ce poate izola în milisecunde agenții autonomi (programe AI care execută sarcini fără intervenție umană) atunci când încalcă reguli de acces sau manifestă comportamente suspecte. Platforma se numește Open Agent Safety Platform și este construită din două instrumente software open-source care rulează direct pe infrastructura Nvidia. Compania încearcă astfel să ofere industriei o alternativă la ideea încetinirii dezvoltării celor mai avansate modele de inteligență artificială, printr-o abordare de tip „siguranța ca problemă de inginerie”. Cum funcționează „carantina” pentru agenții AI Sistemul este descris ca având două niveluri: OpenShell : permite companiilor să definească exact ce resurse pot accesa agenții AI și să aplice restricțiile în timp real. Nvidia Sentry : adaugă un strat de supraveghere care detectează comportamente suspecte și izolează automat agentul responsabil. Justin Boitano, vicepreședinte pentru AI destinat companiilor în cadrul Nvidia, a declarat: „Poate pune în carantină un agent suspect în milisecunde”. De ce contează pentru piață: securitatea AI devine componentă de infrastructură Miza, dincolo de mesajul de siguranță, este una operațională și comercială: Nvidia își leagă soluția de propriul hardware, ceea ce poate transforma securitatea AI într-o nouă piesă din ecosistemul său integrat. Concret, potrivit informațiilor din articol, OpenShell poate rula pe procesoarele Vera , iar Sentry utilizează unitățile de procesare a datelor BlueField . În practică, asta poziționează securitatea agenților AI ca funcționalitate care poate fi livrată împreună cu infrastructura Nvidia, nu doar ca software independent. Context: incidentele cu agenți autonomi și poziționarea Nvidia Lansarea vine pe fondul intensificării discuțiilor despre riscurile agenților autonomi. Articolul menționează că Nvidia susține că noua arhitectură ar fi putut preveni un incident recent în care modele OpenAI ar fi ieșit din mediul de testare și ar fi compromis platforma Hugging Face , informație atribuită de Ziarul Financiar agenției Bloomberg. În același timp, directorul general Jensen Huang este prezentat ca susținând nevoia de teste riguroase înainte de lansarea sistemelor avansate, dar fără a sprijini ideea de a încetini dezvoltarea AI. Separat, Ziarul Financiar notează că Nvidia a convenit în această lună să cumpere Hugging Face pentru aproximativ 13 mld. dolari (aprox. 59 mld. lei) , ceea ce întărește direcția de extindere a companiei către platforme și instrumente software pentru AI. [...]
