Költséghatékony Gemini-modellekkel erősít a Google

Újabb bejelentésekkel próbálja felvenni a tempót az Alphabethez tartozó Google DeepMind csapat az AI-modellek fokozódó versenyében, és valamennyire kitölteni az időt, miután továbbra is csúszik a hónapok óta várt Gemini 3.5 Pro modellt kiadása.

A keresőóriás kedden három új Gemini-modellt mutatott be, köztük az Anthropic-féle Mythos-ra adott közvetlen válaszát is megadta. A kiberbiztonsági feladatokra optimalizált Gemini 3.5 Flash Cybert ugyanis kifejezetten szoftveres sebezhetőségek felderítésére és javítására képezték ki.

A modell elsődleges erőssége a sérülékenységek felkutatása, a hibás kódok elemzése,  valamint az ismételt biztonsági ellenőrzések gyors végrehajtása. A bevezetést az Anthropichoz hasonlóan óvatosan kezdi meg a vállalat, kezdetben kizárólag kormányzati szervek és egyes kiválasztott partnerek vehetik használatba korlátozott hozzáféréssel egy kísérleti program keretében.

Az AI ára Fizetnek a befektetők, fizetnek a felhasználók, és nagy árat fizet az IT munkaerőpiac is. Vékony jégen járunk. Itt a 85. kraftie adás.

Az általános célú feladatokra készült Gemini 3.6 Flash modell a Google új „workhorse” technológiája, mely az ígéret szerint az eddig használatban lévő modellekhez képest jelentősen fejlődött kódolásban, multimodális feldolgozásban és a tudásalapú feladatok elvégzésében, így költséghatékonyan lehet bevetni olyan műveletekhez, ahol korábban nagyobb és drágább modellekre volt szülség.

Az új modell kár 17%-kal kevesebb tokent használ fel az elődnél, és mivel a tokenenkénti költsége is alacsonyabb az előző modellénél, ez jelentős megtakarítást jelenthet a nagy volumenű feladatok futtatása során. Az Artificial Analysis adatai szintén megerősítik, hogy a Gemini 3.6 Flash feladatonként számítva olcsóbbra jön ki, mint a GPT-5.6 Terra Max, a Kimi K3 és a Qwen 3.7 Max.

A Gemini 3.5 Flash Lite eközben a Google leggyorsabb és legköltséghatékonyabb modellje a 3.5-ös családban, amit kifejezetten nagy volumenű munkaterhelésekhez ajánlajank, például ahol sok millió API-hívás történik, de nincs szükség csúcskategóriás érvelési képességekre. A Flash célja szintén az, hogy csökkentse a költségeket.

Épp kedden jelentett arról a The Information, hogy a vállalat egy új szerverchipen is dolgozik Frozen v2 belső kódnéven, ami a pletykák szerint akár 6-10 -szer hatékonyabb lehet az egységnyi villamos energiára jutó AI-tokenek számát tekintve, mint a Google jelenlegi, szintén saját tervezésű megoldásai.

A Frozen v2 különlegessége lehet, hogy a Google a Gemini AI modellek egyes elemeit közvetlenül a hardverbe integrálná (hardwire), e tekintetben az új szerverchip felépítés lényegesen különbözhet a jelenleg használatban lévő Tensor megoldásoktól, melyeket a tervek szerint nem lecserélne, hanem kiegészítene a Google az új architektúrával.