Szeptember végére a nagy nyelvi modellek piaca sosem látott frontot nyitott: a játékos kísérletezés korának vége, az új fegyverkezési verseny már a mély, autonóm vállalati munkafolyamatokról szól. A napokban debütált Gemini 4 Argon, a GPT-6 Astra és a Claude Opus 5.5 nem csupán a benchmarkokat döntik meg, hanem alapjaiban rajzolják újra a hazai és nemzetközi cégek adatbiztonsági stratégiáit.
Az elmúlt napok bejelentései egyértelműen kijelölték a piac új irányát: az agentic AI (ügynökszerű, emberi beavatkozás nélkül is tervező és cselekvő mesterséges intelligencia) vette át a főszerepet. A tech-óriások rájöttek, hogy az igazi értéket nem a frappáns válaszok, hanem a napokon át futó, önálló problémamegoldás jelenti.
Szeptember 22-én az Anthropic bemutatta a Claude Opus 5.5-öt, amely kifejezetten a hosszú távú kódolási és komplex tudásalapú feladatokra, valamint a Google Cloud-os vállalati környezetre fókuszál. Egy héttel később, szeptember 29-én az OpenAI lerántotta a leplet a GPT-6 Astra modellről, amely a „számítógép-használat” (computer use) és az autonóm munkafolyamatok terén ígér paradigmaváltást, képessé válva arra, hogy szoftverekben navigáljon, vagy akár 3D modellező motorokban (pl. Unreal Engine) dolgozzon. A választ a Google DeepMind szeptember 30-án szállította a Gemini 4 Argon formájában, amely elsődlegesen a szoftvermérnököket, a professzionális tudásmunkásokat és a kiberbiztonsági védelmet célozza meg.
Mit is jelent ez a gyakorlatban? A RAG (Retrieval-Augmented Generation – technika, amellyel a modell a válaszadáshoz a cég saját, belső dokumentumaiból keres ki pontos adatokat) és az MoE (Mixture of Experts – a feladathoz csak a neurális hálózat adott specializált „szakértő” részeit aktiváló, gyors és erőforrás-kímélő architektúra) eddig is a mindennapok részei voltak. Mostantól azonban ezek a modellek képesek több tucat lépésen keresztül, kontextusvesztés nélkül iterálni egy problémán, ellenőrizni saját magukat, és észlelni a hibákat, még mielőtt a végeredményt prezentálnák.
A számok drasztikus léptékváltásról árulkodnak. A Gemini 4 Argon az eddigi kimeneti korlátokat áttörve immár 1 millió kimeneti tokent (output token) képes generálni. Ez azt jelenti, hogy a modell nemcsak olvassa a gigantikus dokumentumokat (mint a korábbi 1 millió input tokenes verziók), hanem képes egy lépésben komplett, ezer soros kódrefaktorálást vagy több tucat oldalas mélyelemzést elkészíteni. A modell a DeepSWE v1.1 mérnöki benchmarkon 77,9%-ot ért el. Árazása kifejezetten agresszív a vállalati piacon: az 1 millió bemeneti tokenért mindössze 2 dollárt, a kimenetért 10 dollárt kérnek bevezető áron, miközben a gyorsítótárazott (cached) bemenetekre 95%-os kedvezményt adnak.
Ugyanakkor fontos tisztán látni a korlátokat is. Az AutomationBench teszteken (amely a hosszú távú, szoftvereken átívelő automatizált feladatmegoldást méri) a Gemini 4 Argon 51,3%-ot, a Claude Opus 5.5 pedig 41,4%-ot ért el. Bár ezek az eredmények rekordnak számítanak, az 50% körüli ráta azt mutatja, hogy az autonóm workflow-k még messze nem hibátlanok. Bármennyire is fejlettek az modellek, a kritikus üzleti döntéseknél és ügyféladatoknál az emberi felügyelet (human-in-the-loop) egyelőre megkerülhetetlen.
Az AIversum és a PROMPT Akadémia alapítójaként, valamint az egyéni és vállalati képzések során nap mint nap tapasztalom: a cégek már régen túlléptek az egyszerű chat-asszisztenseken. A hazai kkv-k és nagyvállalatok dedikált, biztonságos „ügynököket” akarnak integrálni a CRM rendszereikbe, a jogi átvilágításaikba és a szoftverfejlesztésbe.
Ebben az új korszakban az adatszivárgások és a prompt injection (amikor rosszindulatú, rejtett utasításokkal veszik rá a modellt az adatok kiadására) elleni védekezés sosem volt még ilyen kritikus. A Google az Argont már alapból olyan kiberbiztonsági és sérülékenység-vizsgáló képességekkel ruházta fel, amely a legszigorúbb auditok során is helytáll. A jövő nyertesei azok a vállalkozások lesznek, amelyek képesek a saját belső tudásbázisukat biztonságosan, API-kon keresztül összekapcsolni ezekkel a feltörekvő ügynökökkel, miközben a folyamatokba szigorú, hús-vér szakértők által felügyelt ellenőrzési pontokat építenek.
