AI vijesti: Gemini 4 Carbon na vrhu ljestvica (5. 11. 2026.)

Googleov Gemini 4 Carbon zauzeo je prvo mjesto na indeksu Artificial Analysis Intelligence Index v5, za jedan bod ispred Anthropicova modela Claude Opus 5.5. To je glavna AI priča ovog tjedna, uz tužbu Texasa protiv OpenAI-ja i nova izvješća o tome mogu li AI modeli otkriti vlastita unutarnja stanja.

Gemini 4 Carbon vodi na indeksu Artificial Analysis

Artificial Analysis izvijestio je 28. listopada da Gemini 4 Carbon na indeksu Intelligence Index v5 postiže 59 bodova, ispred Claudea Opusa 5.5 s 58. Carbon je prvi u četiri od devet evaluacija indeksa (HLE-Diamond, Terminal-Bench-Science, AA-Omniscience i AutomationBench-AA). Opus 5.5 i dalje vodi na indeksu Coding Agent Index tvrtke Artificial Analysis, gdje Claude Code s Opusom 5.5 postiže 62 naspram 59 za Carbon.

Na mjerilu halucinacija AA-Omniscience stopa za Carbon iznosi 11 %, što je druga najniža među svim testiranim modelima (niža je samo kod Geminija 4 Argon, 4 %), u usporedbi s 50 % za Opus 5.5. Prema Artificial Analysisu, Carbon se uvodi za odabrane korisnike i još nije općenito dostupan. Jedan indeks samo je jedno mjerilo, a ljestvice se brzo mijenjaju.

Kineski modeli otvorenih težina na ljestvicama

Business Insider i drugi mediji izvijestili su da kineski AI modeli zaostaju za Anthropicom i OpenAI-jem na novim ljestvicama Artificial Analysisa. Indeks v5 objavljen je 27. listopada, a privatni testni skupovi čine oko 60 % indeksa, pa dio razlike odražava preoblikovano mjerilo.

Moonshot AI lansirao je Kimi K3 16. srpnja, tvrdeći da smanjuje razliku prema vodećim američkim modelima, a njegove su težine javno objavljene u roku od nekoliko dana. Analiza Lawfarea objavljena 4. studenoga tvrdi da otvorene težine ne ukidaju moć, nego je premještaju: prelazi na one koji kontroliraju računalne resurse, hosting, standarde, talente i pravo. Autori navode da vlade ovisnost smanjuju uglavnom diversifikacijom dobavljača kroz cijeli AI stog te da su se prijašnja ograničenja otvorene tehnologije često vraćala kao bumerang.

Texas tuži OpenAI zbog ChatGPT-a i sigurnosti djece

Glavni državni odvjetnik Texasa Ken Paxton podnio je 23. listopada 2026. tužbu pri okružnom sudu okruga Collin protiv OpenAI-ja i izvršnog direktora Sama Altmana, kako je 2. studenoga izvijestio The Daily Texan. Tužba navodi kršenje texaškog zakona o varljivim trgovačkim praksama i zaštiti potrošača (Texas Deceptive Trade Practices-Consumer Protection Act), uključujući nenavođenje rizika ChatGPT-a i prikupljanje podataka o djeci bez roditeljskog nadzora. Od suda traži zabranu korištenja ChatGPT-a maloljetnicima, obvezu da neovisni evaluator kojeg imenuje sud odobri nove modele ChatGPT-a prije objave te naknadu štete Texasu.

Glasnogovornik OpenAI-ja izjavio je da je tvrtka voljna surađivati s vladom Texasa na jačim zaštitnim mjerama. The Daily Texan piše i o tome kako se Sveučilište u Texasu nosi s umjetnom inteligencijom na kampusu, uključujući anketu zajednice o generativnoj umjetnoj inteligenciji.

Mogu li AI modeli otkriti vlastita unutarnja stanja?

Quanta Magazine objavio je 4. studenoga članak o istraživanju mogu li jezični modeli introspektirati. U ranijem pokusu pod vodstvom Anthropicova Jacka Lindseyja u aktivnost modela ubacivani su pojmovi poput „denima”. U oko 20 % pokušaja s najsposobnijom verzijom Claudea model je označio ubacivanje, a kontrolni pokusi nisu dali lažno pozitivne rezultate.

Naknadni rad Kylea Mahowalda i Harveyja Ledermana sugerira da je to bliže „otkrivanju anomalija”: model osjeti da se iznutra događa nešto neobično, ali ne može odrediti pojedinosti. Je li to introspekcija, još je predmet rasprave.

Zašto je važno

Prednost na vrhu AI utrke uska je i ovisi o indeksu koji se koristi (Gemini 4 Carbon naspram Claudea Opusa 5.5). Pravni pritisak na AI tvrtke zbog sigurnosti djece raste, a istraživači i dalje raspravljaju koliko AI modeli mogu znati o vlastitom unutarnjem radu.