Kategória
Nové foundation modely, benchmarky, multimodálne schopnosti a vývoj inferencie.
Gemini 2.5 sa posúva z demonštrácií do širšieho produktového balíka. Google zdôrazňuje nižšiu latenciu, dlhší kontext a lepšie nástroje pre firmy, ktoré model pripájajú k interným systémom.
Meta rozširuje open model stratégiu o multimodálny systém, ktorý kombinuje text, video aj audio. Otázkou zostáva, ako rýchlo sa okolo neho vytvorí ekosystém nástrojov a finetuning pipeline.
ElevenLabs posúva svoj najpokročilejší model syntézy reči Eleven v3 z alpha režimu do všeobecnej dostupnosti. Firma pritom tvrdí, že nová verzia výrazne zlepšila prácu s číslami, symbolmi a odbornou notáciou, teda presne tam, kde sa text-to-speech v praxi často láme na neprirodzených alebo vecne chybných výstupoch.