A Google 2026. február 12-én jelentette be a Gemini 3 Deep Think jelentős frissítését, amelyet összetett tudományos, kutatási és mérnöki feladatok megoldására fejlesztettek ki. A modellt tudósokkal szoros együttműködésben fejlesztették tovább, és több irányadó teljesítményteszten is új csúcsot állított fel, felülmúlva az OpenAI GPT-5.2 és az Anthropic Claude Opus
A kínai DeepSeek és az Alibaba által támogatott Moonshot új AI-modelleket adott ki, amelyek versenyképes teljesítményt mutatnak a vezető nyugati, zárt forráskódú rendszerekkel szemben. A DeepSeek júliusban mutatta be a V3.2-t és decemberben a V3.2-Speciale-t, míg a Moonshot szeptemberben a Kimi K2-t és novemberben a Kimi K2 Thinking-et.
Múlt kedden, a Google kiadta a Gemini 3-at, legújabb alapmodelljét, amely már elérhető a Gemini alkalmazásban és a vállalat saját chatfelületén. Mindössze hét hónappal a Gemini 2.5 megjelenése után érkezett az új verzió, amely a Google eddigi legfejlettebb nyelvi modellje és–a piacon elérhető modellek közül–esélyes a legerősebb
A LegalBenchmarks.ai által 2025 szeptemberében közzétett első átfogó benchmark tanulmány szerint az AI eszközök több esetben ugyanolyan pontos vagy pontosabb szerződéstervezeteket készítettek, mint az emberi ügyvédek. A kutatás 13 AI eszközt értékelt 30 valós szerződéskészítési feladaton, ahol az ügyvédek átlagosan 56,7%-os pontosságot értek el, míg több AI
Az xAI 2025. szeptemberében jelentette be a Grok-4-Fast modellt, amely egységes architektúrába ötvözi az „érvelő" (reasoning) és „nem-érvelő" (non-reasoning) működési módokat, miközben 40%-kal kevesebb gondolkodási tokent használ, mint a Grok-4 modell. A Grok-4-Fast 2 millió szövegegységet tud egyszerre figyelembe venni, és úgy képezték ki, hogy külső eszközöket
A kínai DeepSeek 2025. augusztus 19-én közzétette új, 685 milliárd paraméteres V3.1 mesterséges intelligencia modelljét. Ez a rendszer közvetlen kihívást jelent az amerikai AI óriásokkal szemben, hiszen a Hugging Face platformra feltöltött modell 71,6%-ot ért el a rangos Aider kódolási tesztben. Ez az eredmény felülmúlja a Claude
Az OpenAI két nyílt GPT-modellt ad ki az Apache 2.0 licenc alatt Az OpenAI 2025. augusztus 5-én két nyílt súlyozású következtető modellt tett közzé Apache 2.0 licenc alatt, melyek a gpt-oss-120b és gpt-oss-20b elnevezést kapták, lehetővé téve a kutatók számára, hogy szabadon hozzáférjenek, módosítsák és terjesszék ezeket az
Az Anthropic 2025. augusztus 7-én kiadta a Claude Opus 4.1 modellt, amely jelentős fejlesztéseket tartalmaz a kódolási, ügynöki és következtetési képességek terén, különösen nagy előrelépést mutatva a komplex valós programozási feladatok és többlépéses problémák megoldásában. A frissített modell az előző generációhoz képest 38%-kal jobb teljesítményt nyújt kódolási feladatokban,
A genfi és berni kutatók által készített friss tanulmány szerint hat vezető nagy nyelvi modell – köztük a ChatGPT – jelentősen felülmúlta az emberi teljesítményt öt standard érzelmi intelligencia teszten, átlagosan 82%-os pontossággal szemben az emberek 56%-os eredményével. A Communications Psychology folyóiratban 2025 májusában közzétett kutatás során a tesztek olyan
A kínai Moonshot AI 2023. július 16-án bemutatta a Kimi K2 nevű új AI modelljét, amely a teljesítménymérések szerint több kulcsfontosságú kategóriában is felülmúlja az OpenAI GPT-4 modelljét, miközben teljesen ingyenesen használható. A vállalat, amely már korábban is elismert AI modelleket fejlesztett, ezzel jelentős áttörést ért el a kínai AI
A Social Science Research Network (SSRN) platformon közzétett LEXam az első átfogó teljesítménymérő, amely specifikusan a jogi érvelés képességét méri az AI modelleknek 340 autentikus jogi vizsgakérdés segítségével. A kutatók által fejlesztett tesztrendszer hat különböző joghatóság (Egyesült Államok, Egyesült Királyság, Franciaország, Németország, India és Olaszország) szabályozási keretrendszereit fedi le, és
A 2025. június 26-án hivatalosan kiadott Gemma 3n jelentős fejlesztéseket tartalmaz, amelyek kifejezetten a mobilkészülékeken való AI futtatást célozzák. A multimodális modell natívan támogat kép-, hang-, videó- és szöveges bemeneteket, és két méretben érhető el: az E2B (5 milliárd paraméter) és az E4B (8 milliárd paraméter), amelyek mindössze 2GB, illetve
