Știri
Știri din categoria Inteligență artificială
O companie românească a livrat un sistem de inteligență artificială către Pentagon, un tip de contract care ridică ștacheta pentru exportul de software „sensibil” și arată că firmele locale pot trece standarde de securitate foarte stricte, potrivit HotNews. Zetta, companie din Cluj-Napoca, spune că a ajuns la Departamentul de Război al SUA printr-un partener și că implementarea a presupus adaptări pentru un standard intern de securitate.
Zetta este o companie înființată în 2013 și „100% românească”, fără investiții străine, iar cofondatorul George Bara afirmă că finanțarea din ultimii ani a venit în special din proiecte de cercetare, granturi și fonduri europene.
Unghiul tehnologic cu impact operațional este „inteligența artificială suverană”, concept pe care Zetta îl descrie ca fiind capacitatea ca software-ul să ruleze în infrastructura clientului, fără dependență de servicii externe de tip cloud (servere la distanță) și fără conexiune la internet.
Potrivit cofondatorului, diferențiatorul este că soluțiile pot funcționa pe servere izolate de rețele externe, iar clientul rămâne „suveran” asupra datelor și rezultatelor, cu implicații de securitate și autonomie.
Sistemul livrat se numește Zetta Critical AI și este prezentat ca software pentru „misiuni critice” (apărare, siguranță publică, securitate, intelligence), unde erorile pot avea consecințe majore, spre deosebire de aplicații comerciale obișnuite.
La nivel de funcționalități, Bara spune că Zetta dezvoltă și pune în producție algoritmi de procesare a limbajului natural (un subdomeniu al AI care lucrează cu limbajul, în text și vorbire), inclusiv:
El mai afirmă că soluțiile sunt folosite în contexte cu volume mari de date, inclusiv pentru monitorizarea de conținut (TV, radio, online, web) și generarea de alerte sau rapoarte, subliniind că firma nu vede datele clienților și nu are acces la infrastructurile unde rulează sistemele.
Zetta spune că a vândut către Departamentul de Război al SUA printr-un parteneriat de mai mulți ani cu Veritone, care ar fi implementat anul trecut un proiect folosind tehnologia companiei clujene. Conform descrierii, soluția a vizat analiza unor volume mari de documente: extragere de entități, analiză de sentiment și clasificări.
Implementarea ar fi fost făcută într-o infrastructură a Departamentului de Război, conform unui standard numit „Iron Bank”, descris ca un standard important de securitate pentru software de inteligență artificială, iar Bara spune că ajustările pentru conformare au durat câteva luni. Publicația notează și limita de verificare: în domeniul AI, astfel de performanțe sunt dificil de probat independent, iar comunicarea companiilor poate include mult marketing.
Bara afirmă că Zetta are contracte și cu instituții din România din zona de apărare, menționând MApN, SPP, MAI și Academia Națională de Informații „Mihai Viteazu” (SRI). El susține că un pas strategic a fost dezvoltarea, din jurul anului 2019, a unei suite de algoritmi pentru limba română, într-o perioadă în care astfel de soluții nu ar fi fost disponibile pe piață.
Exemplele oferite includ o soluție de monitorizare a dezinformării online și un proiect de cercetare administrat de UEFISCDI pentru procesare „multimodală” (video și text).
Cofondatorul spune că obiectivul companiei este ca în următorii cinci ani să devină un exportator major de inteligență artificială europeană în afara UE, începând cu poziția de principal exportator din România. El insistă pe modelul de export prin licențiere, cu păstrarea proprietății intelectuale, spre deosebire de prestarea de servicii în care „knowledge-ul” ajunge la client.
În același timp, Bara afirmă că exportul în zona tehnologiilor avansate și a apărării este complex și că ar fi nevoie de sprijin, inclusiv prin ambasade, idee pe care a ridicat-o și la un forum DeepTech găzduit de președintele Nicușor Dan (eveniment relatat de HotNews).
Recomandate
GPT‑5.6 schimbă economia construirii de agenți AI, reducând puternic costurile fără să sacrifice performanța , potrivit ghidului publicat de OpenAI . Mesajul central pentru companii este că optimizarea nu mai ține doar de „cel mai mare model”, ci de selecția inteligentă a modelului și de controale noi în API care reduc consumul de tokeni (unități de text procesate) și timpul de răspuns. De ce contează: „preț-performanță” mai bună și agenți mai accesibili OpenAI susține că familia GPT‑5.6 face „performanța de nivel frontieră” (vârf de gamă) mult mai accesibilă, inclusiv prin rezultate mai bune la efort de raționare mai mic. Un exemplu din ghid: pe benchmark-ul „Agents’ Last Exam”, GPT‑5.6 Sol la raționare „low” a depășit GPT‑5.5 la „high”, în condițiile în care configurația de test („harness”) a rămas neschimbată. Publicația indică și un efect practic observat în testări de producție: startup-urile ar fi obținut îmbunătățiri semnificative de cost în fluxuri de lucru diverse prin reducerea „reasoning effort” față de setările implicite anterioare. Selecția modelului: Luna și Terra ca alternativă mai ieftină la modelele „flagship” Ghidul argumentează că, istoric, trecerea la modelul „flagship” cu cel mai ridicat nivel de raționare era opțiunea standard pentru sarcini pe termen lung, mai ales pentru context lung și apeluri de instrumente. OpenAI spune că acest lucru „s-a schimbat” cu familia 5.6: modelele Luna și Terra pot atinge adesea performanțe similare cu GPT‑5.4 și GPT‑5.5, dar la costuri mai mici, datorită unui nivel mai mare de calcul la momentul testării („test-time compute”). Exemplul cel mai concret din ghid este benchmark-ul BrowseComp (căutare de fapte obscure): cu trei luni înainte, GPT‑5.5 (Extra High) a obținut 84,36% la un cost total de 33,27 dolari (aprox. 150 lei); la lansare, GPT‑5.6 Luna (Extra High) livrează 84,04% la 1,33 dolari (aprox. 6 lei). OpenAI notează și că prețurile au fost reduse ulterior, fără a detalia în acest material nivelul noilor tarife. Schimbări operaționale: Responses API primește „primitive” pentru agenți mai eficienți Dincolo de model, OpenAI pune accent pe controale noi în Responses API, antrenate end-to-end împreună cu GPT‑5.6, care urmăresc eficiența agenților în sarcini mai lungi și mai complexe: Păstrarea raționării între „turn-uri” („reasoning to be persisted”) și compactare nativă („native compaction”) pentru comprimarea conversațiilor lungi, astfel încât agentul să rămână coerent fără să reconstruiască permanent contextul: Reasoning și Compaction . Orchestrare nativă multi-agent , pentru a rula în paralel mai multe fluxuri de lucru și a termina mai repede sarcini complexe: Responses multi-agent . Mutarea muncii deterministe în cod , prin „programmatic tool calling”, astfel încât filtrarea, agregarea și orchestrarea ieșirilor din instrumente să se facă în afara ferestrei de context a modelului, reducând costul și latența: Programmatic tool calling . OpenAI avertizează implicit că tokenii ar trebui rezervați pentru „judecată” (decizii), nu pentru procesarea intermediară a unor volume mari de date. Caz de performanță: salt pe ARC-AGI-3 cu mai puțini tokeni Un exemplu de impact combinat al acestor mecanisme este prezentat pe ARC-AGI-3: GPT‑5.6 Sol ar fi obținut 13,3% cu „standard harness”, iar după activarea păstrării raționării și a compactării scorul ar fi urcat la 38,3%, folosind aproximativ de 6 ori mai puțini tokeni de ieșire. Detaliile sunt trimise către investigația dedicată: OpenAI – ARC-AGI-3 harness investigation . Prompt caching: fereastră minimă de 30 de minute și „breakpoints” deterministe Pentru companiile cu trafic repetitiv, ghidul menționează extinderea duratei de viață a cache-ului de prompt (TTL) la un minim de 30 de minute pentru întreaga familie de modele și posibilitatea de a seta determinist puncte de întrerupere („cache breakpoints”) în fereastra de context. În plus, folosirea unei chei adecvate poate crește șansa ca cererile să ajungă pe același motor de inferență, reducând latența: prompt_cache_key . Ce ar trebui să rețină companiile Concluzia OpenAI este că „economia construirii de agenți” s-a schimbat: cazuri care necesitau un model de vârf la fiecare pas pot fi realizate comparabil (sau mai bine) la o fracțiune din cost, prin: modele mai mici în pașii de volum (extragere, preprocesare), ajustarea efortului de raționare, arhitecturi care reduc tokenii irosiți (păstrarea raționării, compactare, multi-agent, apeluri programatice de instrumente). Materialul nu oferă o estimare agregată a economiilor „în producție” și nici un set complet de prețuri actualizate, dar include exemple punctuale care indică o scădere majoră a costului pentru performanțe similare în anumite benchmark-uri. [...]
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. Preț: tarif introductiv până la final de an Google spune că Gemini 3.7 Flash este disponibil „până la finalul anului” la un preț introductiv de: 0,75 dolari (aprox. 3,4 lei) / 1 milion de tokeni de intrare 3,75 dolari (aprox. 17,1 lei) / 1 milion de tokeni de ieșire 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. Ce câștigă dezvoltatorii: mai multă acuratețe „din prima” și mai puține reluări 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: FrontierCode 1.1 Main: 43,6% pentru 3.7 Flash vs 34,4% pentru 3.6 Flash (detalii la FrontierCode 1.1 Main ) DeepSWE v1.1: 65,3% vs 49,0% (detalii la DeepSWE v1.1 ) 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 ). Implicații pentru business: performanță mai bună pe documente și automatizări Google susține că, în domenii „dense în cunoștințe” precum finanțe, drept și bioștiințe, 3.7 Flash îmbunătățește raționamentul și acuratețea. Ca exemple, compania citează: GDP.pdf benchmark: 34,0% vs 22,0% (evaluare pentru procesarea documentelor complexe) AutomationBench: 30,4% vs 17,0%, pentru finalizarea fluxurilor de lucru de business (detalii la AutomationBench ) 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. Unde va fi disponibil: de la API la Gemini Spark 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. Siguranță: actualizări pentru CBRN și ofensivă cibernetică 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. [...]
Explozia de „removere” pentru watermark-uri AI creează un nou risc de supply chain , pentru că multe dintre aceste instrumente sunt integrate direct în fluxuri automate (agenți) și procesează documente, deși eficiența lor reală nu poate fi verificată în lipsa unui detector public, arată BleepingComputer . Piața a apărut la câteva zile după ce Anthropic a activat marcaje invizibile (watermark-uri) în tot ce scrie Claude. În paralel, au apărut proiecte pe GitHub, site-uri nou înregistrate și cel puțin un serviciu comercial de „evitare” a detecției, care promit eliminarea acestor marcaje. Ce se vinde, de fapt, ca „watermark remover” Printre cele mai vizibile proiecte este „watermarks-remover”, un instrument sub licență MIT al dezvoltatorului Guillaume Meyer (fondator Memo), care a pornit ca funcție pentru Claude și acum pretinde acoperire mai largă (inclusiv Gemini și alte scheme de marcare). În jurul lui au apărut și alte depozite, precum „claude-watermark-cleaner”, „remove-ai-watermarks” și „noai-watermark”, plus o serie de site-uri lansate recent (de tip claudewatermark.com, gptcleanup.com etc.). În zona comercială, BleepingComputer menționează StealthGPT (care vinde servicii de evitare a detecției) și Human Writes, care promovează inclusiv ocolirea unor sisteme precum Turnitin și GPTZero și afirmă că ar elimina watermark-ul Claude, deși include și un mesaj de conformare cu politicile de integritate academică. StealthGPT notează, totuși, pe propriile pagini că „niciun instrument nu garantează 100%” și că detectoarele se actualizează. De ce majoritatea promisiunilor nu pot fi verificate Problema centrală, potrivit publicației, este că nu există în acest moment o metodă publică de verificare : Anthropic nu a publicat încă detalii despre cum funcționează watermark-ul și nici nu a lansat un detector care să arate dacă un text „curățat” mai poartă marcajul. În plus, articolul separă trei tipuri de „curățare”, dintre care doar unele sunt verificabile: Eliminarea caracterelor ascunse din text (de exemplu caractere „zero-width”, controale bidirecționale, tag-uri Unicode, spații „lookalike”) – lucru măsurabil și verificabil. Ștergerea metadatelor (C2PA, EXIF, XMP) din fișiere (PNG, JPEG, SVG, PDF, DOCX, ODT, HTML, Markdown) – posibilă, dar cu impact limitat, deoarece metadatele se pierd oricum la re-salvare, conversie de format sau captură de ecran. Eliminarea watermark-ului propriu-zis – partea dificilă, pentru că marcajul nu „stă” în caractere ascunse, ci în alegerile de cuvinte făcute de model; singura metodă cunoscută ar fi rescrierea substanțială cu un alt model. BleepingComputer notează că Meyer a spus public că instrumentul său elimină, deocamdată, doar metadate, iar eliminarea marcajului efectiv „ar putea veni mai târziu”, dar nu este disponibilă acum. În schimb, unele site-uri comerciale promit ieșire „curată” și „nedetectabilă”, iar scorurile afișate ar fi raportate la detectoare obișnuite de conținut AI, nu la watermark-ul Anthropic (pentru care nu există detector public). Articolul citează și un test independent: Pasquale Pillitteri a clonat proiecte și a analizat codul, concluzionând că un „text cleaner” popular a lăsat neatinsă o tehnică frecventă de „payload” ascuns, care a putut fi decodată ulterior, deși instrumentul pretindea că a curățat textul. Contextul de reglementare: de ce a introdus Anthropic marcarea Anthropic a publicat o pagină de suport în care explică faptul că, pentru modelele lansate la sau după 2 august 2026, textul include un watermark imperceptibil „țesut” în formulare, iar anumite tipuri de fișiere primesc metadate C2PA semnate. Marcarea este aplicată la nivel de model și apare în API, claude.ai și alte produse, inclusiv prin integrări în AWS, Google Cloud și Microsoft Foundry. Declanșatorul este Articolul 50 din EU AI Act (reguli de transparență), aplicabil din 2 august, cu sancțiuni care pot ajunge la 15 milioane euro (aprox. 75 milioane lei) sau 3% din cifra de afaceri globală, conform materialului. Anthropic mai precizează că un watermark detectat indică faptul că un conținut a fost „procesat” de Claude, nu neapărat scris integral de acesta (de exemplu, corectură gramaticală, traducere, rezumat). Tot compania enumeră situații în care marcajul poate dispărea, inclusiv editare consistentă, parafrazare și traducere, și spune că va susține detecția de către terți și va publica documentație tehnică ulterior. Miza pentru companii: un nou vector de risc în lanțul de aprovizionare software Unghiul care ar trebui să intereseze direct organizațiile este cel operațional: instrumentele sunt conectate rapid în „agent pipelines” (fluxuri automatizate în care un agent software preia și procesează conținut), iar utilizatorii ajung să își treacă documentele prin cod neverificat. BleepingComputer avertizează explicit că nu a auditat și nu a testat niciunul dintre instrumentele menționate și recomandă prudență, ca în cazul oricărui cod nevalidat de pe internet. Publicația subliniază că, deși proiectele actuale sunt în mare parte deschise și pot fi citite, următorul val ar putea fi mai opac, într-o piață în care există cerere vizibilă (inclusiv un proiect cu peste 4.500 de „stele” pe GitHub) și, în același timp, nu există o modalitate publică de a verifica promisiunile . [...]
OpenAI mută competiția spre „latență” : potrivit The Next Web , compania a prezentat „Ultrafast”, un nou nivel (tier) al API-ului care rulează modelul GPT-5.6 Sol de până la 14 ori mai rapid, ajungând la circa 750 de tokeni generați pe secundă, pe hardware furnizat de Cerebras . Miza este operațională: pentru aplicațiile în timp real, viteza începe să conteze la fel de mult ca „inteligența” modelului. Ultrafast nu este un model nou, ci o modalitate diferită de a servi un model existent. OpenAI a deschis pe 13 august o previzualizare limitată pentru un grup restrâns de clienți și spune că va extinde accesul pe măsură ce are capacitate disponibilă. De ce contează: agenții AI și aplicațiile „în timp real” nu mai pot aștepta Publicația notează că, până acum, utilizatorii care aveau nevoie de răspunsuri cu adevărat rapide erau nevoiți să coboare la modele mai mici și mai puțin capabile, acceptând un compromis între viteză și performanță. Ultrafast își propune să elimine această alegere: „raționament” la nivel de vârf și răspuns aproape instant în același pachet. Impactul este cel mai vizibil în software-ul „agentic” (aplicații în care AI execută pași succesivi, ca un „agent”): un agent care „gândește” zeci de secunde la fiecare pas rămâne o demonstrație, în timp ce unul care răspunde la ritmul unei conversații începe să semene cu un produs utilizabil. OpenAI țintește explicit activități sensibile la timp, inclusiv: răspuns la incidente și depanare (debugging); cercetare financiară și detecția fraudei; suport clienți în timp real și voce; comerț electronic. De ce Cerebras: cipuri „cât o farfurie” și mai puțin trafic intern Viteza ar veni din arhitectura Cerebras: procesoare de dimensiunea unei farfurii, tăiate dintr-un singur wafer de siliciu, astfel încât un model poate rula pe un singur cip, în loc să fie împărțit pe rack-uri de GPU-uri Nvidia care trebuie să transfere constant date între ele. Reducerea acestui „trafic intern” ar diminua întârzierea dintre prompt și răspuns. În logica Cerebras, designul ar fi mai potrivit pentru inferență (rularea modelului pentru a produce răspunsuri) decât cipurile generaliste optimizate în primul rând pentru antrenare. Efecte în piață: validare pentru Cerebras și un pas al OpenAI departe de Nvidia Pentru Cerebras, parteneriatul este o validare importantă într-un moment favorabil, după listarea la bursă, dar și pe fondul dificultății de a convinge piața că ambiția „wafer-scale” se traduce în profit sustenabil, potrivit aceleiași surse. Pentru OpenAI, folosirea Cerebras este și un pas discret de reducere a dependenței totale de Nvidia, în linie cu eforturile companiei de a lucra la propriul siliciu personalizat. Ce urmează: previzualizare limitată, preț nepublicat OpenAI nu a publicat prețurile pentru Ultrafast. The Next Web notează că rularea celui mai puternic model la o viteză de 14 ori mai mare pe hardware specializat este puțin probabil să fie ieftină, astfel că Ultrafast ar putea rămâne o opțiune premium pentru cazuri în care latența este critică, nu un mod implicit. Deocamdată, accesul este limitat la câțiva clienți, în timp ce OpenAI caută capacitate. Mesajul strategic, însă, este limpede: în următoarea etapă a competiției în AI, performanța brută nu mai este suficientă dacă modelul rămâne lent. [...]
Google accelerează ciclul de actualizare al modelelor „Flash”, iar pentru dezvoltatori asta înseamnă schimbări rapide de performanță și de preț : potrivit Ars Technica , compania lansează Gemini 3.7 Flash ca înlocuitor pentru 3.6 Flash, la doar trei săptămâni după versiunea anterioară, mizând pe optimizări „de bază”, feedback de la dezvoltatori și un „preț introductiv” mai mic pentru a contracara modelele concurente mai ieftine. Gemini 3.7 Flash este prezentat ca modelul „de lucru” (workhorse) din portofoliu, cu îmbunătățiri în special la programare și la capabilități „agentice” (adică sarcini în care modelul execută pași multipli, în mod semi-autonom, pentru a atinge un obiectiv). Google nu lansează însă mult-așteptatul Gemini 3.5 Pro, pe care îl poziționează drept vârf de gamă. Ce se schimbă în performanță, conform benchmarkurilor citate Tulsee Doshi, Senior Director la Google, susține că noul model este „vizibil” mai bun la programare decât 3.6 Flash, iar Ars Technica notează câteva creșteri punctuale în testele publice: FrontierCode 1.1 Main : de la 34,4% la 43,6% DeepSWE v1.1 : de la 49% la 65,3% WebDev Arena : de la 1.538 la 1.588 Pentru utilizări orientate spre „a ști lucruri” și procesare de conținut, publicația menționează și: GDP.pdf (procesarea documentelor complexe): de la 22% la 34% AutomationBench (fluxuri de lucru uzuale în business): de la 17% la 30,4% De ce contează: ritmul de lansare și presiunea pe costuri Dincolo de creșterile din benchmarkuri, întrebarea ridicată este dacă diferențele sunt suficient de mari pentru a justifica o nouă versiune la doar trei săptămâni. Ars Technica sugerează că mișcarea poate ține și de nevoia Google de a menține percepția unui progres constant în AI, mai ales într-un context în care ritmul pare să fi încetinit în 2026. În paralel, Google încearcă să răspundă competiției pe preț , printr-un „preț introductiv” mai mic pentru 3.7 Flash (articolul nu oferă valori concrete). Context: întârzierea Gemini 3.5 Pro Publicația amintește că, la conferința I/O din mai, Google a promis lansarea modelului „flagship” Gemini 3.5 Pro în iunie, însă acest lucru nu s-a întâmplat. În acest tablou, 3.7 Flash pare să acopere nevoia de noutate și îmbunătățiri incrementale, în timp ce produsul de vârf rămâne nelivrat la termen. [...]
OpenAI testează un nivel de serviciu care poate accelera GPT-5.6 Sol de până la 14 ori , o schimbare cu impact direct asupra costurilor operaționale și a modului în care companiile pot folosi modele avansate în aplicații unde latența (timpul de răspuns) este critică, potrivit 9to5Mac . Noul nivel, numit „Ultrafast”, ar rula GPT-5.6 Sol „de până la 14 ori mai repede” decât procesarea standard, iar OpenAI indică o viteză de generare de până la 750 de tokeni de ieșire pe secundă (tokenii sunt unități de text folosite de modele pentru a „măsura” inputul și outputul). Ce se schimbă operațional: viteză mare, disponibilitate limitată „ Ultrafast mode ” pornește inițial prin OpenAI API și este alimentat de Cerebras, conform detaliilor publicate de companie pe pagina dedicată Ultrafast mode . Accentul este pe reducerea latenței, ceea ce poate face fezabile fluxuri de lucru care până acum erau încetinite de timpii de răspuns ai modelului, chiar dacă „inteligența” modelului era suficientă. Accesul rămâne, însă, limitat la un grup select de clienți, în timp ce OpenAI evaluează cum se traduce creșterea de viteză în produse reale și cum își poate extinde capacitatea. Unde mizează OpenAI: sarcini „live” și utilizări cu presiune pe timp OpenAI vede acest mod ca suport pentru activități „live” sau aproape de producție, inclusiv: voce; suport clienți; comerț; agenți pentru dezvoltatori; cercetare financiară; răspuns la incidente de securitate. Compania spune că propriii dezvoltatori l-au folosit pentru analizarea de loguri și urme tehnice în timpul incidentelor și pentru a comprima cicluri de cercetare care anterior rulau peste noapte în mai multe iterații în timpul zilei de lucru. Context: GPT-5.6 Sol și familia de modele OpenAI a introdus GPT-5.6 Sol în iunie, alături de Terra (orientat pe echilibru) și Luna (orientat pe viteză), iar familia a devenit disponibilă pe scară mai largă în iulie, inclusiv prin ChatGPT, Codex și API, potrivit materialelor anterioare ale publicației: iunie și iulie . Ce urmează pentru companii Companiile interesate pot intra pe lista de așteptare pentru Ultrafast prin formularul OpenAI de înscriere , unde trebuie să furnizeze detalii despre tipul de sarcină, cerințele de latență, utilizarea estimată și alte informații. În acest stadiu, OpenAI nu indică în materialul citat un calendar de extindere generală sau condiții comerciale detaliate pentru noul nivel. [...]
