AI modely

DeepSeek predstavil radu V4 s miliónovým kontextom, no podstatnejší je iný posun: firma tvrdí, že nové modely výrazne znižujú priebežné výpočtové náklady aj pamäťové nároky pri veľmi dlhých behoch. To je dôležité najmä pre agentov, ktorí si do kontextu nesú históriu nástrojov, logov a medzikrokov.

OpenAI uviedlo GPT-5.5 ako nový vlajkový model pre kódovanie, prácu s nástrojmi a dlhšie agentické workflow. Firma tvrdí, že novinka posúva kvalitu práce v Codexe aj ChatGPT, no pritom drží latenciu na úrovni GPT-5.4 a pridáva prísnejšie bezpečnostné testovanie.

NVIDIA na Hugging Face ukázala demo, v ktorom Gemma 4 na malom zariadení Jetson Orin Nano Super kombinuje reč, obraz aj odpoveď syntetizovaným hlasom. Silným signálom nie je len samotné demo, ale predstava multimodálneho agenta, ktorý vie fungovať lokálne na edge hardvéri.

Amazon zverejnil architektúru, ktorá spája open-source model Parakeet-TDT, AWS Batch a spotové GPU inštancie pri veľkoobjemovom prepise audia. Signálom nie je len technický návod, ale aj rastúci tlak na lacnejšie multimodálne pipeline mimo uzavretých API služieb.

Poľská práca o Bielik 11B a UAG-Extended MLX-LM testuje speculative decoding medzi modelovými rodinami s odlišnými tokenizérmi na Apple Silicon. Výsledok je dôležitý pre lokálne nasadzovanie väčších modelov tam, kde nie je k dispozícii drahý GPU server.

Mistral prináša Voxtral TTS, 4B open-weight model pre text-to-speech. Sľubuje nízku latenciu, silnú viacjazyčnosť a lepšiu prirodzenosť pre nasadenie voice agentov vo firme.

OpenAI uvádza GPT-Rosalind, špecializovaný reasoning model pre biológiu, vývoj liekov a transláčnu medicínu. Mieri na workflow, kde je rozhodujúca práca s literatúrou, dátami a hypotézami.

Anthropic uviedol Claude Opus 4.7 ako všeobecne dostupný model so silnejším softvérovým inžinierstvom, lepším videním a vyššou spoľahlivosťou pri dlhších úlohách. Dôležité nie je len skóre, ale aj posun v tom, koľko práce môžu firmy modelu reálne odovzdať bez mikromanažmentu.

Google sprístupnil Gemini 3.1 Flash TTS ako nový hlasový model s jemnejším riadením štýlu, tempa a prejavu vo viac než 70 jazykoch. Praktický význam nie je len v kvalite hlasu, ale v tom, že sa syntéza reči posúva bližšie k produkčným workflowom pre videá, asistenty a firemné voice rozhrania.

Google DeepMind uviedol Gemini Robotics ER-1.6, novú verziu reasoning-first modelu pre robotiku. Dôležité nie je len lepšie priestorové uvažovanie, ale aj to, že model vie čítať analógové ukazovatele a Google ho sprístupňuje cez Gemini API a AI Studio.

Amazon SageMaker JumpStart rozšíril katalóg o modely NVIDIA Nemotron-3-Super-120B, Qwen3.5-9B a Qwen3.5-27B. Pre enterprise trh je dôležité, že AWS nepredáva len infraštruktúru, ale čoraz viac aj kurátorovaný výber modelov pre konkrétne úlohy.

Gemma 4 už nie je len ďalší open model od Googlu, ale čoraz viac aj praktický kandidát na lokálny alebo hybridný AI stack, najmä vďaka multimodalite, Apache licencii a rýchlej podpore v širšom ekosystéme.