MI hírek: Gemini 4 Carbon a csúcson (2026. nov. 5.)

A Google Gemini 4 Carbon modellje az Artificial Analysis Intelligence Index v5 élére került, egy ponttal megelőzve az Anthropic Claude Opus 5.5-ét. Ez a hét fő MI-híre, mellette egy texasi per az OpenAI ellen és új beszámoló arról, hogy az MI-modellek képesek-e érzékelni saját belső állapotukat.

A Gemini 4 Carbon vezet az Artificial Analysis indexén

Az Artificial Analysis október 28-án közölte, hogy a Gemini 4 Carbon 59 pontot ér el az Intelligence Index v5-ön, a Claude Opus 5.5 58 pontja előtt. A Carbon az index kilenc értékeléséből négyben az első (HLE-Diamond, Terminal-Bench-Science, AA-Omniscience és AutomationBench-AA). Az Opus 5.5 továbbra is vezet az Artificial Analysis Coding Agent Indexében, ahol a Claude Code az Opus 5.5-tel 62 pontot ér el a Carbon 59 pontjával szemben.

Az AA-Omniscience hallucinációs mutatóján a Carbon aránya 11%, ami a vizsgált modellek között a második legalacsonyabb (csak a Gemini 4 Argoné alacsonyabb, 4%), míg az Opus 5.5-é 50%. Az Artificial Analysis szerint a Carbon kiválasztott felhasználókhoz gördül ki, és még nem általánosan elérhető. Egy index csak egy mérce, és a ranglisták gyorsan változnak.

A kínai nyílt súlyú modellek a rangsorokban

A Business Insider és más lapok beszámolója szerint a kínai MI-modellek lemaradtak az Anthropic és az OpenAI mögött az Artificial Analysis új rangsoraiban. A v5 indexet október 27-én adták ki, és körülbelül 60%-át privát tesztkészletek adják, ezért a lemaradás egy része az újratervezett mérésből adódik.

A Moonshot AI július 16-án indította el a Kimi K3-at, azt állítva, hogy közel kerül a vezető amerikai modellekhez, a súlyait pedig napokon belül nyilvánosságra hozták. A Lawfare november 4-én megjelent elemzése szerint a nyílt súlyok nem szüntetik meg a hatalmat, hanem áthelyezik: oda kerül, aki a számítási kapacitást, a tárhelyet, a szabványokat, a tehetséget és a jogot ellenőrzi. A szerzők szerint a kormányok főleg az MI-verem beszállítóinak sokszínűsítésével csökkenthetik a függőségüket, és a nyílt technológiák korábbi korlátozásai gyakran visszafelé sültek el.

Texas beperelte az OpenAI-t a ChatGPT és a gyermekvédelem miatt

Ken Paxton texasi főügyész 2026. október 23-án pert indított a Collin megyei bíróságon az OpenAI és vezérigazgatója, Sam Altman ellen, amiről a Daily Texan november 2-án számolt be. A kereset a texasi megtévesztő kereskedelmi gyakorlatokról és fogyasztóvédelemről szóló törvény megsértését állítja, többek között azt, hogy az OpenAI nem tájékoztatott a ChatGPT kockázatairól, és szülői felügyelet nélkül gyűjt gyerekektől adatokat. A bíróságtól azt kéri, hogy tiltsa ki a kiskorúakat a ChatGPT használatából, kötelezze az új ChatGPT-modellek kiadás előtti jóváhagyására egy bíróság által kijelölt független értékelőt, és ítéljen meg kártérítést Texasnak.

Az OpenAI szóvivője szerint a cég kész együttműködni a texasi kormányzattal az erősebb biztonsági garanciákért. A Daily Texan arról is ír, hogyan kezeli a Texasi Egyetem az MI-t a campuson, köztük egy, a generatív MI-ről szóló közösségi felmérésről.

Észlelhetik-e az MI-modellek saját belső állapotukat?

A Quanta Magazine november 4-én cikket közölt arról a kutatásról, hogy a nyelvi modellek képesek-e önmegfigyelésre. Az Anthropic Jack Lindsey által vezetett korábbi kísérletében olyan fogalmakat, mint a „denim”, injektáltak a modell aktivitásába. A legképesebb Claude-változattal végzett kísérletek mintegy 20%-ában a modell jelezte az injektálást, a kontrollfuttatásokban pedig nem volt téves riasztás.

Kyle Mahowald és Harvey Lederman követő munkája szerint ez inkább „anomáliadetektálás”: a modell érzékeli, hogy valami szokatlan történik benne, de a részleteket nem tudja azonosítani. Hogy ez önmegfigyelésnek számít-e, az továbbra is vitatott.

Miért fontos

Az MI-verseny élén az előny szűk, és attól függ, melyik indexet nézzük (Gemini 4 Carbon és Claude Opus 5.5). Nő a jogi nyomás az MI-cégeken a gyermekvédelem miatt, a kutatók pedig még vitatják, mennyit tudhatnak az MI-modellek a saját belső működésükről.