Csütörtök reggel ismét egy friss modellkiadással indulunk: a Google november 18-án, szerdán bemutatta a Gemini 4 Neont, amely a cég szerint a csúcsmodelljei tudását hozza, de gyorsabban és olcsóbban. Mellette a Google keresőjének AI-módja kapott egy „inkognitó” lehetőséget, a Snapchat pedig megengedi, hogy AI-segéddel, kódírás nélkül készíts kiterjesztett valóság effekteket. Az otthoni gépeseknek is van hír: megjelent egy apró, ingyenes beszédfelismerő modell.
🚀 A NAP HÍRE: MEGJÖTT A GEMINI 4 NEON
Mi ez? A Google Gemini 4 családjában eddig három tag volt: az Argon és a Carbon a legnehezebb gondolkodós feladatokra, a Hydrogen pedig a gyors, olcsó mindennapi modell (a Hydrogenről itt írtunk). A Neon a kettő közé érkezik: a Google bejelentése szerint programozásban, elemzésben és ügynöki munkában (az ügynök olyan AI, amely önállóan, több lépésben old meg egy feladatot) legalább a Carbon szintjét hozza, de a Flash-modellek sebességével (a Flash a Google gyors modelljeinek neve).
Mit állít a Google? A cég bejelentése, a modellkártya (a modell hivatalos adatlapja) és a 9to5Google cikke szerint, a keresési találatok alapján:
- Programozásban az élen. A Google szerint az Artificial Analysis nevű független elemző cég programozó ügynököket mérő listáján (Coding Agent Index) 58,6 ponttal az első.
- Összesítésben a harmadik. Ugyanennek a cégnek az általános tudást mérő indexén a legerősebb gondolkodási beállítással 61 pontot ér el, ezzel a harmadik helyen áll. Összehasonlításként: a Claude Fable 5.2 legerősebb beállítása 65 pontot kapott (erről itt írtunk).
- Olcsóbb feladatonként. Az alapbeállításon a Google szerint egy feladat elvégzése 32 százalékkal kevesebbe kerül, mint a Carbonnal.
- Jogban és adóügyben is erős. A Vals nevű értékelő cég listáján 70,9 százalékkal a második, a jogi kutatás és az adóügyi ügynök tesztjében pedig az első.
Fontos: ezeket a számokat a Google közölte a saját bejelentésében, egy részüket maga számolta, és más forrásból még nem láttuk visszaigazolva őket.
Ki használhatja? A Gemini appban a fizetős Google AI Pro és AI Ultra előfizetők választhatják ki a modellek listájából. Ingyenes felhasználóknak nem jár, ők továbbra is a Hydrogent kapják. Elérhető még a fejlesztőknek szóló Gemini API-ban és a Google AI Studióban, a Gemini for business csomagban, és a Google programozó eszközében, az Antigravityben is (ott szintén csak Pro és Ultra előfizetőknek).
Mennyibe kerül? A Google szerint egymillió bemeneti token (a token nagyjából egy szótagnyi szövegdarab) 3 dollár, egymillió kimeneti token 15 dollár, és egyszerre egymillió tokennyi szöveget tud kezelni (ez nagyjából több vastag könyvnyi anyag). Ez kétszerese a Hydrogen árának. A Carbon és az Argon most akciósan 2 és 10 dollár, de november 30. után 4 és 20 dollárra emelkedik, onnantól a Neon 25 százalékkal olcsóbb lesz náluk.
Mire érdemes használni? Ha programozol, adatot elemzel, vagy hosszabb, több lépéses munkát adsz ki egy AI-nak, és eddig a Carbont használtad, érdemes kipróbálni a Neont: a Google szerint ugyanazt tudja, csak gyorsabban és olcsóbban. Mindennapi kérdésekre, levélírásra a Hydrogen is elég.
Szerintem a Neon jól mutatja, merre megy most a verseny: tegnap az OpenAI adta olcsóbban a csúcsmodelljét (a GPT-6.2 Astráról itt írtunk), ma a Google hozza ugyanazt a tudást kisebb áron. A felhasználónak ez jó hír. Azt viszont érdemes megvárni, mit mondanak a független mérések, mert a gyártói számok mindig a legszebb oldalt mutatják.
💰 MODELL-ÁRAK: HOL TART MOST A MEZŐNY
Az árak egymillió bemeneti és kimeneti tokenre, dollárban, a gyártók közlése szerint:
- Csúcsmodellek, nehéz munkára: GPT-6.2 Astra 8/40, Claude Fable 5.2 8/40, Gemini 4 Carbon és Argon 2/10 november 30-ig, utána 4/20.
- Az új középső szint: Gemini 4 Neon 3/15.
- Mindennapi munkára: GPT-6.2 Sol 2/10, Gemini 4 Hydrogen 1,50/7,50.
- Olcsó, ismétlődő feladatokra (válogatás, adatkinyerés, sok apró kérés): a GPT-6 Luna, a Claude Haiku 5.5 és a Meta Muse Ember 0,10/0,50 körül.
📱 PLATFORMOK
- Inkognitó mód a Google AI-keresőjében: a TechCrunch november 18-i cikke és a Google bejelentése szerint a Google keresőjének AI-módja (AI Mode, a beszélgetős keresés) ideiglenes beszélgetést kapott. A jobb felső sarokban lévő ikonnal indítható, és ami ilyenkor elhangzik, az nem kerül be a keresési előzményekbe, és nem befolyásolja, mit ajánl később a Google. Világszerte, gépen és mobilon, minden támogatott nyelven érkezik. Egy fontos különbség: az, hogy az előzményeid között nem látszik, nem feltétlenül jelenti, hogy a Google nem is tárolja. A Gemini appnál pont tegnap derült ki, hogy az ideiglenes beszélgetéseket nagyjából két hónapig őrzi, az AI-mód ideiglenes beszélgetéseinek tárolási idejéről viszont nem találtunk adatot.
- Snapchat-effekt kódírás nélkül: a TechCrunch szerint a Snapchat kiadta az Easy Lens CLI nevű eszközt, amellyel a Lensek (a Snapchat kiterjesztett valóság effektjei, például arcra tett szűrők vagy kamerás játékok) a már megszokott AI-programozó segédekkel készíthetők, mint a Claude Code, a Cursor vagy a Codex. Elég hétköznapi nyelven leírni, mit szeretnél, a segéd megépíti, kipróbálja és közzéteszi. A Snapchat szerint egy játék egy nap alatt eljuthat az ötlettől a kész effektig, kódírás nélkül, és aki a Lens+ kifizetési programban van, pénzt is kereshet vele. Macen, Windowson és Linuxon fut, országkorlátozásról a cikk nem ír.
🏠 OTTHON FUTTATHATÓ AI
Rumble-2-Flash: apró, ingyenes beszédfelismerő. A Reson8 nevű cég november 18-án mutatta be a Hugging Face blogján (a Hugging Face a nyílt AI-modellek legnagyobb gyűjtőhelye). Ez egy beszédfelismerő modell: hangfelvételből írott szöveget készít, és magától felismeri, milyen nyelven beszélnek.
- Méret: 0,5 milliárd paraméter (a paraméter a modell „tudásának” egy apró beállítása; minél több van, annál okosabb, de annál több memóriát kér). Ez nagyon kicsi: a mai nagy modellek ennek több százszorosai.
- Letöltés: a hivatalos változat fájljai a Hugging Face adatai szerint összesen nagyjából 1,4 GB, teljes pontosságú (BF16) formában. Megjelenés napján közösségi tagok már elkészítették a kisebb, tömörített (kvantált, vagyis kisebb pontosságú számokkal tárolt) változatokat is, ezek méretét nem ellenőriztük.
- Memória: a készítő nem ad meg memóriaigényt. Saját becslésünk, nem mérés: ekkora modell egy 8 GB-os gépen is kényelmesen elfut.
- Nyelvek és licenc: a blog szerint több mint 40 nyelvet ismer, a modell adatlapja 45 nyelvkódot sorol fel. Apache 2.0 licenccel jön, vagyis üzleti célra is ingyen használható.
- Mire jó: megbeszélések, interjúk, hangjegyzetek leírására a saját gépeden, úgy, hogy a felvétel nem megy fel senki szerverére. A készítő szerint a nyílt beszédfelismerők ranglistáján (Open ASR Leaderboard) több nyelv átlagában 6,96 százalék a hibaaránya (minden századik szóból kb. hétben téveszt), és ezzel megelőzi az OpenAI ismert Whisper large-v3 modelljét. Ez a készítő saját közlése.
- Miben gyenge, mit nem tudunk: azt nem ellenőriztük, hogy a magyar nyelv köztük van-e, és azt sem, mennyire jó magyar szövegen. Aki magyar felvételhez keres eszközt, előbb egy rövid próbafelvétellel tesztelje.
🤖 RÖVIDEN
- „Vannak rendszerek, amiket nem lehet befoltozni”: a Microsoft vezérigazgatója, Satya Nadella a New York Times DealBook konferenciáján arról beszélt (TechCrunch, november 18.), hogy a kritikus infrastruktúrában sok olyan eszköz van, például adatközpontok hűtő- és légkezelő rendszereinek internetre kötött vezérlőprogramja, amelyet nem lehet frissíteni. Mivel az AI gyorsabban talál biztonsági réseket, a javításoknak szinte azonnal élesbe kell menniük, ami szerinte maga is instabilitást okozhat.
- Altman: az embernek kell irányítania: ugyanezen a konferencián az OpenAI vezetője, Sam Altman a TechCrunch szerint rossz ötletnek nevezte, hogy az irányítást fokozatosan átadjuk az AI-nak, Greg Brockman, a cég elnöke pedig arról beszélt, hogy az AI gondolatmenetének figyeléséhez új technológia kell, mert a mostani módszer az okosabb modelleknél gyengülhet.
Források: Google (Gemini 4 Neon bejelentés, DeepMind modellkártya, Gemini súgó, keresési kivonat), 9to5Google (november 18., keresési kivonat), TechCrunch (AI-mód ideiglenes beszélgetések, Snapchat Easy Lens CLI, Nadella, Altman, november 18.), Google blog (AI-mód ideiglenes beszélgetések), Hugging Face (Rumble-2-Flash blog és modelladatok, november 18.).