Célegyenesbe fordult a Google következő generációs nagy nyelvi modellcsaládja. A DeepMind divízió élére nemrég kinevezett Koray Kavukcuoglu a The Information hasábjain megjelent exkluzív interjújában közölte: a Gemini 4 elérte a finomhangolási szakaszt, a vállalat pedig az eredetileg tervezettnél jóval hamarabb, bőven az év vége előtt elindítja a modellcsaládot. A beszámoló részleteit a The Verge szakmai elemzése ismertette.
Gyorsított iterációk és korai utótanítási kiadás
A szakember első nyilvános megszólalásában kifejtette, hogy a kutatócsoport célja a legelső utótanítási (post-training) változat mielőbbi közzététele. A belsős mérések és a futtatási eredmények a fejlesztők szerint kifejezetten ígéretesek, a Google a jövőben visszatér a gyors ütemű, sűrűbb modellfrissítési ciklushoz. A bejelentés egybeesik a laboratórium felsővezetésének átalakulásával: a mesterséges intelligencia részleget éveken át irányító Demis Hassabis augusztusban leköszönt posztjáról, miután bejelentette, hogy a mérnökök jelentős technológiai áttörést értek el a Gemini 4 felépítésében.
Miért maradt el a Gemini 3.5 Pro megjelenése?
A keresőóriás 2025 novembere óta nem bocsátott ki teljesen új zászlóshajó modellt, miközben a versenytársak jelentősen fokozták a nyomást. Az OpenAI által kiadott GPT-6 és az Anthropic által felvonultatott Mythos széria képességei meghaladták a Gemini 3 tudásszintjét, így a piaci pozíciók megerősítése sürgetővé vált. Sundar Pichai vezérigazgató a májusi I/O rendezvényen még azt ígérte, hogy júniusban érkezik egy átfogó Gemini 3.5 Pro frissítés, a konstrukció azonban végül sosem került nyilvános terjesztésbe.
Kavukcuoglu nyilatkozata tiszta vizet öntött a pohárba: a vezetőség tudatosan lépett hátra egyet, és a köztes Pro variáns erőltetése helyett a fürgébb, gazdaságosabb könnyített Flash modellek bevezetésére helyezte a hangsúlyt. Ezzel párhuzamosan a mérnöki kapacitás javát közvetlenül a negyedik generációs architektúrára csoportosították át. Arra a kérdésre, hogy tart-e a konkurens fejlesztőműhelyek előnyétől, Kavukcuoglu határozott választ adott: meggyőződése szerint a Google számára vitathatatlan tény a technológiai élvonal megőrzése.
Modellgenerációk és architekturális prioritások
Az új architektúra a korábbi alapokhoz viszonyítva mélyebb autonóm következtetési kapacitást, strukturált kódgenerálást és kiterjesztett multimodális feldolgozást kínál. A korábbi kutatási irányok, például az összetett Gemini Omni modellarchitektúra tapasztalatai közvetlenül beépülnek a rendszerbe, miközben a DeepMind hosszú távú célkitűzései a korábban vázolt AGI felkészülési ütemterv mentén haladnak tovább.
