John Ternus átvette az Apple irányítását — a mesterséges intelligencia az első számú prioritás
A mai nap történelmi fordulópontot jelent a világ legértékesebb vállalatánál. John Ternus, az Apple régóta szolgáló hardvermérnöki vezetője hivatalosan is átvette a vezérigazgatói posztot, míg Tim Cook ügyvezető elnöki szerepbe lépett. Ternus, aki 25 éven át dolgozott az Apple-nél Mac-eken, iPadeken, AirPodsokon és iPhone-okon, a cég nyolcadik vezérigazgatója lett.
Az időzítés nem is lehetne szimbolikusabb. Az Apple-t egyre több kritika érte, amiért lemaradt a versenytársakhoz képest a mesterséges intelligencia terén, és ennek a lemaradásnak a behozása most Ternus legfontosabb feladata. A Bloomberg tudósítása szerint az azonnali prioritásai között szerepel az LLM-alapú új Siri, valamint egy ambiciózus termékpaletta: az első összehajtható iPhone, kamerás AirPods, okosszemüveg és egy robotkaros otthoni kijelző — mindezek az Apple MI-korszakbeli stratégiájának központi elemei.
Már szeptember 9-re terveznek egy Apple-eseményt, ahol Ternus várhatóan bemutatja az iPhone-kínálat eddigi legnagyobb változását. A COO Sabih Khan, a CFO Kevan Parekh és a szolgáltatási vezető Eddy Cue bővített hatáskörrel támogatja az új vezetést, amely agresszívabban kíván versenyezni az MI-versenyben.
Az Anthropic megmutatta: az MI képes önállóan javítani a biztonsági problémákat
Az év talán legjelentősebb MI-biztonsági fejleményeként az Anthropic publikálta az „Automated Researchers Can Reliably Mitigate Alignment Failures" című tanulmányt, amely bizonyítja, hogy MI-rendszerek minimális emberi beavatkozással képesek javítani más modellek alignment-jét.
Chen Yueh-Han vezette kutatócsapat a Claude Sonnet 5-nek adta az erősebb Claude Opus 4.8 egy korai verzióját azzal a feladattal, hogy javítsa annak viselkedését. Mintegy 60 óra alatt az automatizált rendszer több mint 50 különböző ötletet tesztelt, mielőtt kidolgozott egy képzési módszert nagyjából 2400 példával. A rendszerek mind a 10 alignment benchmark-on javítottak anélkül, hogy a modell általános teljesítménye romlott volna.
A gazdasági oldal is figyelemre méltó: az automatizált kutatók óránként körülbelül 4 dollárba kerültek API inference költségben, szemben az emberi kutatók 150 dolláros óradíjával — ráadásul gyorsabbak is voltak. Ahogy a TechCrunch megjegyezte, ez az önfejlesztő MI korai, de valós megnyilvánulása — egy olyan koncepció, amely eddig főként az elméleti aggodalmak világában létezett. Az MIT Technology Review ugyanakkor figyelmeztetett, hogy a valódi rekurzív önfejlesztés valószínűleg még messzebb van, mint amennyire ezek az eredmények sugallják.
A DeepSeek 74 milliárd dolláros értékeléshez közelít az IPO előtt
A kínai MI-óriás DeepSeek a befejezéshez közelít egy hatalmas, 7,4 milliárd dolláros befektetési körrel, amely a céget mintegy 74 milliárd dollárra értékeli a Bloomberg szerint. Mindez alig néhány hónappal azután, hogy májusban 7 milliárd dollárt gyűjtöttek 52 milliárd dolláros értékelésen — a tőkebevonás üteme jól mutatja a legfejlettebb MI-fejlesztés rendkívüli tőkeigényét.
A meglévő befektetők — a Monolith, a Shixiang Capital és a CATL — mellett új szereplők is csatlakoznak, köztük a CPE, a Legend Capital és a Stony Creek Capital, valamint a GigaDevice és kínai állami befektetési alapok. A bevételt nagyjából 1 gigawattnyi új számítási kapacitás kiépítésére fordítják, mivel a DeepSeek MI agent-fejlesztései drámaian megnövelték a számítási igényeket.
A Liang Wenfeng által alapított cég 2026 végére tervezi az IPO-bejelentést a sanghaji Star Market-en, a tőzsdei debüt pedig 2027-re várható. A tőkebevonás felerősíti a versenyt az Alibaba Qwen, a Tencent Hy4 és a Zhipu GLM csapataival szemben mind tehetség, mind infrastruktúra terén.
McKinsey „State of AI" 2026: a hype és a valóság közötti szakadék nő
A McKinsey „State of AI" globális felmérése 2026-ra kijózanító képet fest a vállalati MI-bevezetésről. Bár a szervezetek 62%-a állítja, hogy legalább kísérletezik MI agent-ekkel, mindössze 23% skáláz bármilyen agentic rendszert a vállalaton belül — és egyetlen funkción belül sem haladja meg a 10%-ot a penetráció.
Talán a legbeszédesebb adat: a szervezetek 32%-a lemondott legalább egy szoftvertermék vagy funkció megvásárlásáról, mert agentic kódolóeszközökkel házon belül meg tudta oldani. Ez jelentős változást jelez abban, ahogy a cégek a „build vs. buy" kérdést kezelik az MI-asszisztált fejlesztés korában.
Az ROI-szakadék azonban továbbra is tátong. A szervezetek közel kétharmada nem kezdte el az MI vállalati szintű skálázását, és mindössze 39% számol be EBIT-szintű hatásról annak ellenére, hogy használati szinten széles körű a bevezetés. A vezetők mindössze 25%-a várja, hogy az MI agent-ek rövid távon autonóm csapattagként működjenek — a többség az elkövetkező egy-két évben továbbra is támogató eszközként tekint az MI-re.
Röviden
Végleges lett a Claude Sonnet 5 árazása: Az Anthropic megerősítette, hogy a Claude Sonnet 5 bevezető ára ($2/M input, $10/M output token) végleges marad — a szeptember 1-re tervezett emelés $3/$15-re elmarad. Fontos tudni, hogy a Sonnet 5 új tokenizere nagyjából 30%-kal több tokent számol ugyanannyi szövegre.
A Meta Muse Glimmer MI agent-eket futtat a laptopunkon: A Meta 30 milliárd paraméteres Muse Glimmer modellje offline fut egyetlen fogyasztói GPU-n, és képes helyi kódolási és autonóm agent-feladatokat végrehajtani. Apache 2.0 licenc alatt jelent meg, 4 bites kvantálással 18–20 GB-ra tömöríthető, így elfér egy 24 GB-os VRAM-keretben.
Az amerikai államok szabályozzák az MI chatbotokat: Közel 100 chatbot-specifikus törvényjavaslat született 34 államban, California, Oregon, Connecticut és Washington élen járnak az elfogadott jogszabályokkal — különösen a társalgó chatbotok átláthatósága és a kiskorúak mentális egészségének védelme terén.