A héten az AI világában számos jelentős bejelentés történt, amelyek között kiemelkedik az OpenAI DevDay eseménye. Az egyik legújabb fejlesztés a DOT nevű asszisztens ügynök, amely proaktív módon integrálódik a felhasználó kommunikációs felületeibe, mint például az e-mail vagy a Slack, és képes figyelmeztetni a fontos üzenetekre, valamint javaslatokat tenni válaszok írására.
Az OpenAI több új díjszabási réteget is bevezetett, amelyek lehetővé teszik a DOT asszisztens és további fejlett funkciók használatát, például az új GPT 6.1 Soul modellt, amely gazdaságos alternatívát kínál a korábbi Astra modellhez képest. Emellett bemutatták az ultra gyors AI üzemmódot, privát intelligenciát és a felhőben futó kodekeket, amelyek mind azt szolgálják, hogy az AI megoldások még széleskörűbben és biztonságosabban használhatóak legyenek.
Az eseményeken kívül az Anthropic is frissítést jelentett be: a Claude Sonnet 5.5 modell szinte teljesítményben, ám költségben kedvezőbb, mint az Opus 5.5. A Google DeepMind bemutatta az új Gemini 4 Argon modelljét, amely a jelenlegi tesztek szerint a piac legfejlettebb rendszerének számít, főleg az óriási token limit és a megfizethető ár miatt, bár a hozzáférés egyelőre korlátozott.
További érdekes újítások születtek a mesterséges intelligencia hangmodelljeiben is: az Eleven Labs bemutatta az Eleven V4-et, a Microsoft pedig a MAI Voice 2.1-et. Mindkét modell magas szintű hangutánzást és érzelmi kifejezést kínál. Emellett döntéshozó modellek és képmanipulációs modellek, például az Ideogram 4.5, új lehetőségeket nyitnak az AI képességek terén.
A videó több kérdést is felvet: mennyire éri meg a magasabb árfekvésű, de fejlettebb AI rendszereket választani az ingyenes alternatívák helyett? Mikor érdemes új modelleket, mint a Sonnet 5.5 vagy a Gemini 4 Argon, használni? Milyen előnyöket és kihívásokat hoznak a különböző hang- és döntéshozó modellek a mindennapi munkafolyamatokba?
