Az elmúlt hét során elképesztően sok újdonság jelent meg a mesterséges intelligencia világában. Az OpenAI több új modell bevezetését, valamint régebbiek visszavonását is bejelentette. Különösen érdekes a GPT 4.1 változat megjelenése, amely akár 1 millió token kontextusablakkal is képes dolgozni, miközben kedvezőbb árazást kínál, mint elődei. Kiemelt figyelmet kapnak az úgynevezett „gondolkodó” modellek, amelyek válaszadás előtt valóban végiggondolják a feladatot, és akár több lépésben, különböző eszközök bevonásával elemzik a bemenetet.
A videó részletezi a Google Gemini 2.5 Flash modell hivatalos indulását, amely rugalmasságával és sebességével új lehetőségeket nyit meg a fejlesztők számára. Érdekesség, hogy a Gemini képes a „gondolkodás” funkciót ki- és bekapcsolni, így választva a gyors vagy alaposabb válaszgenerálás között. Ezzel együtt fókuszba kerül az AI multimodális problémamegoldó képessége, legyen szó szövegről, képről vagy akár videóról.
Mindezek mellett szó esik több új AI-eszközről: például a Clling 2.0 fejlett AI videógeneráló modellről, amely a mozgásdinamika, érzelemkifejezés és filmszerű vizualitás terén új szinteket nyit. Az Arcads.ai gesztus- és érzelemvezérelt AI aktorokat vezet be, amelyek valódi színészek képeiből dolgoznak. A Luma Dream Machine új kameramozgás-beállításokat kínál AI-videókhoz, miközben a Crisp szoftver már akcentus-átalakítást is lehetővé tesz.
Felmerülnek kérdések arról is, hogy mi tekinthető még valódi videónak vagy hangnak, amikor ilyen gyorsan fejlődnek az AI deepfake és szimulációs technológiák. Néhány platformon (pl. Netflix) már OpenAI-alapú keresőmotorokat is tesztelnek, az AI modellek pedig egyre mélyebben integrálódnak a mindennapi internetes szolgáltatásokba, böngészőkbe és alkalmazásokba.
