Egy 594 milliárd paraméteres modell a nyugati élre tört, és egy AI megoldott egy 18 éves matematikai kérdést

Két olyan hír jött tegnap, amelyek külön-külön is megérnék a fő helyet. Az egyik egy modellkiadás: a Thinking Machines kihozta az Inkling 2 Smallt, és azt állítja, ez most a legerősebb nyílt súlyú modell, ami nem Kínából jön. A másik egy matematikai eredmény: egy amerikai kutatócég szerint az ő rendszerük, egy még nem nyilvános Anthropic-modellel, bebizonyított egy 2008 óta nyitott sejtést, és a bizonyítást egy gépi ellenőrző program is elfogadta.

Mindkettőnél van azonban egy fontos „de”, és ezeket sem hallgatom el.

🚀 AZ INKLING 2 SMALL: 594 MILLIÁRD PARAMÉTER, NYÍLT SÚLYOK ÍGÉRVE

A Thinking Machines Lab nem tartozik a legnagyobbak közé, de a nevét sokan ismerik, mert a vezetője Mira Murati, aki korábban az OpenAI technológiai igazgatója volt. Csütörtökön bemutatták az Inkling 2 Small nevű modelljüket.

A számok tiszteletet parancsolnak. 594 milliárd paraméter, ebből tokenenként 17 milliárd aktív. A paraméter itt a modell „idegszálainak” a száma: minél több van belőle, annál több mintát tud megtanulni, de annál drágább futtatni. A 594 és a 17 közötti különbség nem elírás: ez úgynevezett MoE-modell (mixture of experts, magyarul szakértők keveréke), ahol a 594 milliárdból minden egyes szónál csak egy kis rész, a 17 milliárd dolgozik. A modell 384 szakértő közül egyszerre 8-at hív be. Ez a trükk az, ami miatt egy ekkora modell egyáltalán kiszolgálható.

A képességei a független Artificial Analysis mérése szerint 31 pontot érnek az ő 100-as indexükön. Ez 18 ponttal több, mint az előző Inklingé, és nagyjából egy szinten van a Google Gemini 3.8 Flash nevű modelljével. Ha ez így marad, ez lenne a legjobb nyílt súlyú modell, amit nem kínai cég csinált. A jelenlegi csúcstartó ebben a kategóriában a Mistral Large 4, 26 ponttal. Kódolásban is jól áll: a SWE-bench Pro v2 nevű nehéz mérésen 86,3 százalékot ért el.

A „de” itt jön. A modell csütörtöktől elérhető a Tinker nevű felhőszolgáltatáson, de a súlyai, vagyis maga a letölthető modellfájl, egyelőre NINCS nyilvánosan. A cég azt ígérte, hogy jövő héten, a külső biztonsági tesztelés után, Apache 2.0 licenccel kiadja. Az Apache 2.0 az egyik legmegengedőbb nyílt licenc: kereskedelmi célra is szabadon használható. Amíg azonban a fájlok nincsenek fent, addig ez ígéret, nem tény. Aki ilyenkor azt írja, hogy „megjelent a legjobb nyílt modell”, az előre szalad.

Használatban viszont van egy gyengéje, és ezt érdemes tudni. A modell nagyon bőbeszédű: egyetlen feladatra átlagosan mintegy 150 ezer tokent ír ki. A token a szöveg apró egysége, nagyjából egy szó töredéke, és a számlát ebben mérik. Ezért egy mérési feladat nagyjából 1,18 dollárba került, és az első szó megérkezésére 34 és fél másodpercet kellett várni. Aki gyors választ akar, annak ez sok. A nagyon nehéz terminálos feladatokon (Terminal-Bench 4.0) 13 százalékot hozott, a Sonnet 5.5 ugyanott 30-at. Vagyis nem mindenben erős: ott jó, ahol hosszan lehet gondolkodni és írni.

🔬 EGY 18 ÉVES KÉRDÉS, AMIT GÉPI ELLENŐRZÉSSEL FOGADTAK EL

A másik hír első olvasásra hihetetlennek tűnik. A Physical Superintelligence (röviden PSI) nevű, fizikára szakosodott kutatócég november 6-án bejelentette: a belső kutatási rendszerük bebizonyította az Aaronson és Ambainis által 2008-ban megfogalmazott sejtést.

Mi az a sejtés? Egy állítás a kvantumszámítógépekről. A kvantumszámítógép olyan gép, ami bizonyos feladatokat a hagyományosnál sokkal gyorsabban tud megoldani, mert a számítás közben egyszerre több állapotot is „próbál”. A 2008-as sejtés arról szól, hogy ez a gyorsaság nem jöhet ingyen: ha egy függvény minden bemenetre ugyanazt adja, akkor a kvantumgép sem tudja sokkal kevesebb kérdéssel kitalálni a választ. Ezt hitte a szakma 18 éven át, de senki nem tudta bizonyítani.

A PSI szerint a rendszerük egy futtatás harmadik napján állt elő a teljes bizonyítással, utána még kétszer javított rajta. A bizonyítást Lean 4-ben formalizálták. A Lean egy olyan program, ami egy matematikai bizonyítás minden lépését gépi úton ellenőrzi: ha bármelyik lépés hibás, nem fogadja el. Ez a lényeg, mert itt nem arról van szó, hogy valaki leírt egy szép szöveget, hanem hogy a gép végigment a bizonyítás minden lépésén. A cég szerint mintegy 648 tételt ellenőrzött le a rendszer, helyőrzők és kimondatlan feltevések nélkül, és a bizonyítást két független ellenőrző programon is lefuttatták. A kód Apache 2.0 licenccel, nyilvános GitHub-tárolóban van.

És itt is jön a „de”, mert ebből a hírből könnyű többet kiolvasni, mint ami benne van. A bizonyítást szakmai bírálat még nem nézte át, tudományos folyóirat nem közölte. A Lean azt igazolja, hogy a formális bizonyítás helyes, de NEM azt, hogy a formalizált állítás szó szerint ugyanaz, mint az eredeti, 2008-as sejtés. Ez a két dolog könnyen elcsúszik egymástól, és ilyenkor a gép hibátlanul ellenőriz egy olyan állítást, ami nem az, amit bizonyítani akartunk. A Stanford kutatói, akik augusztusban a sejtés egy szűkebb esetét maguk is bebizonyították, azt mondták, olvassák a teljes bizonyítást, és nagy eredménynek tartják. Vagyis a szakma komolyan veszi, csak még nem igazolta.

A véleményem: ez a hír önmagában is fontos, mert megmutatja, hova tart a dolog. Egy AI-rendszer olyan matematikai munkát adott ki, amit egy gép hibátlanul ellenőrizni tudott. Ha a formalizálás és az eredeti állítás egyezését is átnézik, akkor ez egy valódi mérföldkő lesz. Addig viszont célszerű „a cég állítása” jelzővel olvasni, ahogy egyébként minden ilyen bejelentést.

📱 A YOUTUBE LEGNAGYOBB MOBIL ÁTALAKÍTÁSA, ÉS A FELHASZNÁLÓK DÜHE

A YouTube az elmúlt napokban elkezdte kiosztani a mobilapp eddigi legnagyobb átalakítását, és a fogadtatás katasztrofális.

Amit megváltoztattak: az alsó menüsáv öt gombról négyre csökkent. Eltűnt a Feliratkozások fül, ami közel tíz évig ott volt. A feliratkozott csatornák mostantól a Kezdőlap tetején érhetők el, egy húzó mozdulattal. Eltűnt a Könyvtár fül is, az a profilba került. Kikerültek a szűrők (Nem néztem meg, Ma, Élő). Nagyobb helyet kapott viszont a Shorts, vagyis a rövid videók, és a feltöltés gomb.

A legbosszantóbb rész, hogy ezt nem alkalmazásfrissítéssel csinálták, hanem szerveroldalon. Vagyis reggel úgy kelhetsz fel, hogy ugyanaz az app, ugyanaz a verzió, mégis más a kezelőfelület. A Redditen és a Threadsen a kommentelők többsége felháborodott: volt, aki azt írta, ez „a Google valaha készített legrosszabb kezelőfelülete”. A panaszok lényege nem az esztétika, hanem hogy egy tíz éve beidegződött mozdulatot vettek el. Az egyik felhasználó szerint ő aznap tízszer nyitotta meg véletlenül a kamerát, mert a feliratkozások helyén most más van.

Androidon van egy trükk, ami egyelőre működik: ha hosszan nyomva tartod az app ikonját, a menüben ott van egy Feliratkozások parancsikon, és az egyenesen a feliratkozási listára visz. Nem tudni, meddig marad.

Nekem erről az a véleményem, hogy ez a fajta változtatás nem a nézőnek szól. A felület most azt hangsúlyozza, amit a platform szeretne, hogy csinálj: nézz rövidet, és tölts fel te is. Aki viszont azért jár ide, mert követi a kedvenc csatornáit, azt most egy plusz mozdulattal büntetik.

💰 MENNYIBE KERÜL MIND-EZ: AZ ÁRAK ÁLTALÁNOS KÉPE

A blogon nem a mi számlánkat nézzük, hanem azt, hogy egy olvasó mit talál, ha ma modelleket hasonlít össze.

Az Inkling 2 Small a Tinkeren 0,30 dollárba kerül egymillió bemeneti tokenért, a tárolt (cache-elt) bemenetért 0,03 dollárba, a kimenetért pedig 1,00 dollárba. Egy ekkora modellhez ez meglepően barátságos ár.

A nagy képhez: az egyik független árösszesítő, a BenchLM október végi kimutatása szerint 207 modell között a medián ár 0,75 dollár bemenetre és 3,00 dollár kimenetre, egymillió tokenenként. A legolcsóbb és a legdrágább modell között csaknem 33 ezerszeres a különbség. A nyílt súlyú modellek mediánja 78 százalékkal alacsonyabb, mint a zárt modelleké.

A „legolcsóbb csúcsminőség” kategória jelenleg a GPT-6.1 Terra, 1,00 és 5,00 dollárral. A legolcsóbb, még komolyan használható modellek a Claude Haiku 5.5 és a GPT-6 Luna, 0,10 és 0,50 dollárral. Azok a nagyon alacsony, 0,01 dollár alatti bemeneti árak, amiket különböző összesítők mutatnak (DeepSeek és kínai modellek), gyakran akciósak vagy viszonteladói árak, ezért érdemes a gyártó saját árlistáján ellenőrizni őket.

A tanulság, amit érdemes megjegyezni: nem az a kérdés, melyik modell a legjobb, hanem hogy a feladat melyik részét érdemes drága és melyiket olcsó modellre bízni.

🏠 OTTHON FUTTATHATÓ AI: HÁROM FRISS MODELL, AMI A SAJÁT GÉPEDEN IS ELINDUL

Ebben a rovatban a hangsúly azon van, hogy a saját gépeden, fizetős előfizetés nélkül is menjen. Minden modellnél megadom a paraméterszámot, a letöltési méretet és azt, hogy mekkora memóriájú gép kell hozzá. A kvantálás szót itt sokan nem ismerik: ez a modell tömörítése, minél kisebb a szám (Q8, Q4), annál kisebb a fájl, és annál többet veszít a pontosságból.

TwIL-8B (webAI, november 4.) Ez egy 8,79 milliárd paraméteres, „sűrű” modell, ami azt jelenti, hogy minden lépésnél a teljes modell dolgozik, nem csak egy része. Az IBM Granite 4.2 8B modelljéből indult, és főleg matematikára és kódolásra tanították tovább. A mérései ebben erősek: matematikai feladatokon (MATH-500) 98,2 százalék, kódolási feladatokon (LiveCodeBench) 81,6 százalék. Az általános tudásban viszont gyengébb, ott 70,2 százalékot ért el. A legkisebb ajánlott változat (Q4_K_M) 4,98 GB, tehát egy 8 GB memóriájú gép is elindítja, kényelmesen 16 GB-tól fut. A kontextus 131 ezer token, vagyis nagyon hosszú szöveget is be tud venni. A licenc viszont NEM kereskedelmi célra szól, ezt mindenképp nézd meg, ha munkára használnád. Elérhető a Hugging Face-en, a webAI-Official/TwIL-8B tárolóban.

PLaMo 3 Translate (Preferred Networks, november 5.) Ez egy fordítómodell-család, négy méretben: 0,8, 2, 8 és 31 milliárd paraméter. 53 nyelvet kezel, és tud szakszóslistát (glossary) is használni, ami szakfordításnál sokat számít. A gyártó szerint a kisebb változatok is felülmúlják a náluk sokkal nagyobb fordítómodelleket a japán és angol közötti fordításban. Letölthető GGUF és 4 bites MLX formában is, utóbbi kifejezetten Apple géphez készült. Fontos: a 0,8 és 2 milliárdos változat már 8 GB memóriájú gépen elfut, a 8 milliárdoshoz 16 GB kényelmes, a 31 milliárdoshoz viszont 32 GB kell (saját becslés a paraméterszámból). A licenc nem nyílt: magáncélra ingyenes, cégként évi egymilliárd jen bevétel alatt regisztráció után szintén ingyenes.

Ripple-65B Preview (Ricursive Intelligence, november 4.) Ez a hír szakmai körökben nagyobb visszhangot keltett, mint amekkorát a sajtó adott neki. 65 milliárd paraméteres, sűrű modell, 12 billió tokenen tanítva, egymillió token kontextussal, és ami a lényeg: teljesen nyílt, Apache 2.0 licenccel, letöltési kérés nélkül. A közösség azonnal csinált hozzá kisebb változatokat és támogatást a llama.cpp-hez. A gépigény viszont komoly: 65 milliárd paraméter 4 bites tömörítéssel is nagyjából 35-40 GB, tehát 48 GB memória alatt ne is próbáld (saját becslés). Ez már a nagyobb munkaállomások vagy a 64 GB-os Mac gépek kategóriája, nem a 16 GB-os laptopoké.

Egy hasznos iránymutatás, ami a legtöbb embernek elég: 8 GB memóriához 4 milliárd paraméterig, 16 GB-hoz 8 milliárdig, 32 GB-hoz 14-32 milliárdig, 48 GB felett jönnek a 65 milliárdos modellek. Ezek a számok a 4 bites tömörítésre vonatkoznak, ami ma a legelterjedtebb otthoni forma.

És egy figyelmeztetés: az Inkling 2 Small jövő heti nyílt súlyai önmagukban nem teszik otthonivá. 594 milliárd paraméter 4 biten is több száz GB, ez szerverre való, nem asztali gépre.

🖼️ COMFYUI: FRISS VERZIÓ, ÚJ ESZKÖZÖK

A ComfyUI, a képek és videók helyi generálására használt népszerű program november 4-én kiadta a 0.44.0-s verziót. Ebben jött a MiniMax-H3 nevű videós modell támogatása, új vágási és kameramozgatási lehetőségekkel. Bekerült több új partner-eszköz is: a VEED szinkronizálása (dubbing), a Topaz Wonder 4 nevű feljavító, a Sonilo zenei modell és a Pruna videofeljavító. A Flux videofeljavító második változata mostantól 1080p, 2K és 4K célfelbontást is tud, az Ideogram 4.5 pedig régiószerkesztést kapott, vagyis a képen kijelölt részt lehet külön átírni. A régi Seedance 1.x videós elemeket kivezették. Aki ComfyUI-t használ, annak érdemes frissíteni, de a régi munkafolyamatait előbb mentse el.

⚡ RÖVIDEN

A Perplexity kiadta a Teammates nevű szolgáltatását (november 5.): ezek hosszú ideig futó AI-ügynökök, amelyek a saját feladatkörükön dolgoznak a háttérben, más ügynököket is tudnak vezetni, és a Slackből is elérhetők. Az ára viszont komoly: csak a havi 200 dolláros Max-előfizetéssel jár, éves előfizetéssel 2000 dollárért.

A Tencent kiadta a Hunyuan Hy4 kép- és videómodelljét, amihez a ComfyUI-hoz is készült kezelőelem, de a letölthető súlyok a hírek szerint még nem voltak fent. Ezt érdemes figyelni, és csak akkor számolni vele, ha tényleg megjelennek.

A Qwen körül beindult a találgatás. A kínai Alibaba modellcsaládjának hivatalos felülete egy sejtelmes üzenetet tett ki („The becoming begins”), amiből sokan egy Qwen 4 megjelenésre következtetnek. A Hugging Face-en viszont november 7-én még nem volt fent ilyen modell, ezért ez egyelőre találgatás, nem hír.


Források: a Thinking Machines bejelentése és az Artificial Analysis mérése (a keresési találatok szerint), a PSI bejelentése és a nyilvános GitHub-tároló, a YouTube-átalakításról szóló 9to5Google és Android Authority cikkek, a BenchLM és a llmpricing.dev árösszesítései, a Hugging Face modellkártyák (TwIL-8B, Ripple-65B, PLaMo 3), a ComfyUI v0.44.0 kiadási jegyzete, valamint a TechRepublic, a The Verge és az Engadget beszámolója a Perplexity Teammatesről.