Az Nvidia bemutatta a 88 magos Vera CPU-t, amelyet az ágens AI korszákára terveztek
A Hot Chips 2026 konferencián augusztus 24-én az Nvidia végre felhúzta a függönyt a Vera CPU belső architektúrájáról — és a chip pontosan elárulja, merre tart a vállalat szerint az adatközpontok jövője: egyenesen az autonóm AI ágensek korszaka felé.
A Vera 88 egyedi Olympus magot tartalmaz hat chipleten, egyetlen interposeren elhelyezve, nyolc darab 128 bites LPDDR5X memóriavezérlővel, amelyek akár 1,2 TB/s sávszélességet biztosítanak. A magszám hajszolása helyett az Nvidia az órajelenénti utasítások (IPC) maximalizálására összpontosított, azzal érvelve, hogy az ágens AI munkaterheések magasabb egymagos teljesítményt igényelnek, mint a hagyományos többszálas szerverfeladatok.
Az egyik legérdekesebb tervezési döntés a spatial multithreading — az Nvidia megközelítése, amelyben a magok erőforrásait két pipeline között osztják szét, miközben az adatok és a gyorsítótár szükség szerint áramolhat a szálak között. Az eredmény az Nvidia saját benchmark-jai szerint: nagyjból 1,8-szoros gyorsulás ágens munkaterheéseknél, és akár 30-szoros áteresztőképesség-javulás a Grace Blackwell kombinációhoz képest bizonyos interaktív forgatókönyvekben. A Tom's Hardware által közölt független tesztek szerint a chip még az AMD EPYC 9655P-t is megelőzte Linux kernel fordításban.
A Vera az Nvidia hamarosan érkező Rubin GPU-kkal párosítva egységes memóriaarchitektúrát hoz létre komplex AI és HPC munkaterheésekhez, beleértve a KV-cache offloadot is — ami kritikus képesség, ahogy a kontextusablakok milliós token-tartományba nőnek. A teljes gyártás a Vera Rubin platformmal együtt az év második felében várható.
Az Anthropic közel áll a történelmi tőzsdei bevezetéshez
Ketyeg az óra: közeledik, ami a technológiai szektor valaha volt legnagyobb tőzsdei bevezetése lehet. Több forrás is arról számol be, hogy az Anthropic akár augusztus végén nyilvánosan benyújthatja S-1 dokumentumait, amivel a Nasdaq-bevezetés már októberre megvalósulhat.
A Claude fejlesztője júniusban bizalmasan nyújtotta be az S-1 tervezetét az SEC-nek, egy hatalmas, 65 milliárd dolláros Series H finanszíozási kör után, amely 965 milliárd dolláros értékelést eredményezett. Az éves árbevétel a hírek szerint július végére elérte a 65 milliárd dollárt — lenyűgöző szám, amely a Claude robbanásszerű vállalati elterjedését tükrözi a pénzügyi szolgáltatásokban, az egészségügyben és a szoftverfejlesztésben.
A Goldman Sachs, a JPMorgan és a Morgan Stanley vezeti a kibocsátást, amelytől több mint 60 milliárd dolláros bevételt várnak. Ha az ütemterv szerint halad, a SpaceX rekordméretű tőzsdei debütálásával vetekszik majd. Az IPO a frontier laborok stratégiai szétválásának időszakában érkezik — miközben az OpenAI a fogyasztói termékeket tolja a GPT-5.6 változataival, a Google pedig a fejlesztői eszközökre koncentrál, az Anthropic egyedi pozíciót épített ki a vállalati biztonság és megfelelőség területén, beleértve a pénzügyi szabályozási jelentésekhez kifejlesztett Claude 3.1 Guardian modellt.
A Google Gemini 3.7 Flash felére csökkentette az AI kódolás árát
Augusztus 13-án a Google kiadta a Gemini 3.7 Flash-t — amelyet a „legokosabb mindenes modellként” pozicionált kódoláshoz és ágens munkafolyamatokhoz, és ami talán még fontosabb: az elődje felénél is olcsóbban.
A számok meggyőzőek: a Gemini 3.7 Flash 65,3%-ot ér el a DeepSWE v1.1-en, jelentős ugrás a Gemini 3.6 Flash 49,0%-ához képest. A modellt kifejezetten szoftverfejlesztésre, ágens munkafolyamatokra és többlépéses végrehajtásra hangolták, nem pusztán nyers következtetési benchmark-okra. Egymillió tokenes kontextusablakkal érkezik, bevezető áron 0,75 dollárért millió input tokenenként — az Artificial Analysis becslése szerint a kevert költség mindössze 0,58 dollár millió tokenenként.
Az agresszív árazás nyomás alá helyezi az egész versenyhelyzetet. Az OpenAI nemrég 20%-kal csökkentette a GPT-5.6 Sol API árazását három hónapra, ami arra utal, hogy a mindenes modellkategóriában teljes árháború zajlik. A fejlesztők és vállalatok számára, akik nagy léptékben üzemeltetnek AI kódolási asszisztenseket, a költségek csökkenése drámai — és semmi jel nem mutat a visszafordulásra.
A fejlesztők vészharangot kongatnak az AI-eszközök okozta kiégés miatt
Miközben az AI kódolási eszközök egyre olcsóbbak és képesebbek, egyre több adat utal arra, hogy rejtett árat követelnek azoktól, akik használják őket. Egy új, az IT Pro által ismertetett felmérés szerint a fejlesztők 80%-a inkább függőségként éli meg az AI kódolási eszközök használatát, mintsem előnyként.
A paradoxon valós: az AI eszközök megszüntetik a természetes megállási pontokat — a kódellenőrzésre várakozást, a szellemi falakba ütközést, a gondolkodási szüneteket —, és helyüttük a generált kód véget nem érő áradatát kínálják, amit továbbra is ellenőrizni, tesztelni és javítani kell. A State of Developer Burnout 2026 felmérés szerint a kiégés átlagos értékelése 7,4 a 10-es skálán, a válaszok többsége a 7–9 tartományba esik.
A „promptolás, ellenőrzés, javítás, tesztelés és az AI által generált kód magyarázata” okozta kognitív terhelés nem jelenik meg a sprint táblákon, ami szakadékot teremt az észlelt és a tényleges produktivitás között. Amikor a vezetőség azt olvassa, hogy az AI eszközök produktívabbá teszik a fejlesztőket, ennek megfelelően szűkítik a határidőket — ezt a több kutató által leírt jelenséget „produktivitási pánik”-nak nevezik. Az adatok megkérdőjelezik azt a narratívát, miszerint az AI eszközök összességében pozitívak a fejlesztői jóllét szempontjából, még ha az alkalmazási arány 84% fölé is kúszott.
A DARPA AI-vezérelt F-16-osa kiterjeszti az autonóm repülési teszteket
A nyár legdrámaibb valós AI-alkalmazási történetében a DARPA és az Egyesült Államok Légiereje már rendszeresen reptet AI-vezérléssel egy F-16-os vadászgépet az eglini légibázison a VENOM (Viper Experimentation and Next-generation Operations Model) program keretében.
A VENOM Autonomy Kit az F-16 meglévő repülésirányítási és küldetésrendszereihez csatlakozik anélkül, hogy módosítaná a gép alapszoftverét. Egy emberi pilóta továbbra is a pilótafülkében ül, és bármikor átválthat emberi és AI-vezérlés között, de az AI ágens egyre összetettebb repülési forgatókönyveket kezel. A The Debrief beszámolója szerint ugyanaz a mesterséges intelligencia, amely korábban egy tesztrepülőgépen túlélt egy légiharcot, most egy harci konfigurációjú F-16-osra lépett elő.
A program végső célja, hogy emberi pilóták autonóm, pilóta nélküli repülőgépekből álló rajokat irányíthassanak — ezt a koncepciót a Pentagon Collaborative Combat Aircraft (CCA) néven ismeri. Ahogy a mesterséges intelligencia képességei a laboratóriumi bemutatóktól az üzemi hardver felé fejlődnek, a VENOM tesztek jelentős lépést jelentenek e jövőkép felé.