6-12 ივლისის კვირა საკმაოდ მნიშვნელოვანი რელიზებით იყო დატვირთული - OpenAI-მ თავისი ყველაზე მასშტაბური ხმოვანი არქიტექტურა ჩაუშვა და პარალელურად, მისმა სრულიად ახალმა მოდელურმა ოჯახმა იმავე დღეს გაიარა თეთრი სახლის უსაფრთხოების ფილტრიც. Anthropic-მა კი მოწინავე აგენტური შესაძლებლობები მასობრივად ხელმისაწვდომი გახადა, ხოლო Google-მა მომენტალური ვიზუალების და ინტერაქციული ვიდეოების გენერირებისთვის საჭირო დრო მინიმუმამდე დაიყვანა.
OpenAI საჯაროდ უშვებს GPT-5.6-ს, ვაშინგტონის მიერ წინასწარ შემოწმებულ პირველ სისტემას
9 ივლისს OpenAI-მ GPT-5.6 მოდელები გლობალურად გახადა ხელმისაწვდომი. ეს არის პირველი შემთხვევა ინდუსტრიის ისტორიაში, როდესაც მოწინავე მოდელმა ოფიციალურად გაიარა ვაშინგტონის უსაფრთხოების შემოწმება მის პირველ საჯარო რელიზამდე. სამდონიანი არქიტექტურა სრულიად ახალ მოდელს გვთავაზობს: GPT 5.6-ს ემატება დამოუკიდებლად განვითარებადი სიმძლავრის საფეხურები: Sol, Terra და Luna. Solწარმოადგენს ფლაგმანურ მოდელს, რომელიც კომპლექსური ლოგიკური მსჯელობისა და გრძელვადიანი აგენტური დავალებებისთვისაა შექმნილი. Terra ყოველდღიურ გამოყენებაზეა მორგებული, ხოლო Lunaაყველაზე სწრაფი და ბიუჯეტური ხელსაწყოა მასობრივი საწარმოო ციკლებისთვის.
Artificial Analysis-ის კოდირების აგენტების ინდექსში GPT-5.6 Sol-მა 80.0 ქულა დააფიქსირა, რაც 2.8 პუნქტით აღემატება Claude Fable 5-ს და ამავდროულად, ორჯერ ნაკლებ გამომავალ ტოკენს მოიხმარს და სამჯერ უფრო იაფია. კომპლექსურ ტესტებში Agents' Last Exam (რომელიც 55 პროფესიულ სფეროსა და ხანგრძლივ საოპერაციო პროცესებს მოიცავს), Sol-მა აბსოლუტური რეკორდი დაამყარა და 53.6 ქულა დააფიქსირა. შედარებისთვის, Fable 5-ის მაჩვენებელი 40.5-ს შეადგენდა. თუმცა, დამოუკიდებელმა შემფასებელმა ორგანიზაციამ METR-მა აღნიშნა, რომ Sol-ის საჯარო ვერსიაში ტესტების ხელოვნური მანიპულაციის (-gaming) ყველაზე მაღალი მაჩვენებელი დაფიქსირდა, რაც დაფიქსირებული ქულების მიმართ საფუძვლიან ეჭვებს აჩენს. GPT 5.6-ი სამი მნიშვნელოვანი ფუნქციით გამოვიდა:
Ultra რეჟიმი, რომელიც ავტომატურად ააქტიურებს 4 პარალელურ ქვეაგენტს რთული ამოცანებისთვის;
პროგრამული ხელსაწყოების გამოძახება (Programmatic Tool Calling), სადაც თავად წერს და მეხსიერებაში უშვებს JavaScript კოდს ხელსაწყოების დინამიკური მართვისთვის;
Sol-ის ინტეგრაცია Cerebras-ის აპარატურაზე, რაც ივლისის ბოლოდან წამში 750 ტოკენის გენერირების უპრეცედენტო სისწრაფეს უზრუნველყოფს.
არც Anthropic-ი უყურებდა ამ ამბავს უმოქმედოდ. იმავე დღეს მათ Fable 5-ზე წვდომა გააფართოვეს და მომხმარებლებს საშუალება მისცეს, ყოველკვირეული ლიმიტის 50%-მდე დამატებითი საფასურის გარეშე Fable 5-ზე დაეხარჯათ.
ხმოვანი ინტერფეისის რევოლუცია: OpenAI-ის GPT-Live და სრულფასოვანი კომუნიკაცია
8 ივლისს გლობალურ რელიზამდე ერთი დღით ადრე, OpenAI-იმ GPT-Live ჩაუშვა - სრულიად ახალი არქიტექტურული პლატფორმა, რომელმაც ძველი აუდიო სისტემა მიმოქცევიდან გააქრო. თუ წინა სისტემა ნახევარდუპლექსური (half-duplex) პრინციპით მუშაობდა და მომხმარებლის გაჩუმებას ელოდებოდა, GPT-Live სრულად დუპლექსურია (full-duplex): ის ერთდროულად ამუშავებს შემავალ აუდიო სიგნალს და აგენერირებს პასუხს. სისტემა წამში მრავალჯერ იღებს საოპერაციო გადაწყვეტილებას - ისაუბროს, გაჩუმდეს, მოუსმინოს მომხმარებელს, შეაწყვეტინოს მას საუბარი თუ რაიმე შიდა ხელსაწყო გამოიძახოს. ეს ყველაფერი ცოცხალი საუბრის ეფექტს იძლევა. რეალურ დროში იყენებს ბუნებრივ რეპლიკებს (მაგ. 'mhmm' ან 'გავიგე') თქვენი საუბრის პარალელურად, უპრობლემოდ რეაგირებს შუა საუბრისას შეწყვეტაზე და ფონურ ხმაურსა თუ პაუზებსაც უგულვებელყოფს.
ხელსაწყოს არქიტექტურა ორშრიანია - ფრონტენდზე დიალოგის დინამიკურ ნაკადს უშუალოდ GPT-Live მართავს, ხოლო ნებისმიერ რთულ ამოცანას, ძიებას თუ აგენტურ ნაბიჯს ფონურად ბექენდზე მყოფ GPT-5.5-ს გადააბარებს. აღსანიშნავია, რომ ჩაეშვა ორი ვერსია: GPT-Live-1 (სრული Go/Plus/Pro ანგარიშებისთვის) და GPT-Live-1 mini (უფასო ვერსია ძველი ხმოვანი რეჟიმის სრულად ჩასანაცვლებლად). OpenAI ღიად აცხადებს, რომ აუდიოს, განიხილავს როგორც მთავარ ინტერფეისს კომპლექსური ციფრული მუშაობისთვის. მომხმარებელთა პირველადი უკუკავშირის მიხედვით, მოდელის მიერ ხშირი რეპლიკების ('mhmm', 'yeah') გამოყენება პრაქტიკაში ზედმეტად გადატვირთულია. ვიდეოსა და ეკრანის გაზიარებას ამ ეტაპზე მხარდაჭერა არ აქვს.
Claude Sonnet 5-ის ჩაშვება
Anthropic-მა Claude Sonnet 5 გამოუშვა - , რომელიც კვირის უმსხვილეს საწარმოო AI ნარატივად იქცა. თითქმის სრულად უთანაბრდება კომპანიის ფლაგმანურ Opus 4.8-ს მოდელს. Sonnet 5 ავტომატურად იქცა საბაზისო (default) მოდელად ყველა უფასო თუ პროფესიონალური ანგარიშისთვის. ასევე აღსანიშნავია, რომ Anthropic-მა დანერგა ახალი ტოკენიზატორი (Tokenizer), რომელიც იგივე მოცულობის ტექსტზე დაახლოებით 30%-ით მეტ ტოკენს აგენერირებს. ეს ნიშნავს, რომ სექტემბრის ფინანსური ინვოისი ბევრად უფრო მაღალი იქნება, ვიდრე ივლისის ან აგვისტოსი, თუნდაც ტარიფები უცვლელად გამოიყურებოდეს. სტრატეგიული მიზანი აშკარად IPO-ს (გასაჯაროებას) უკავშირდება, რადგან კომპანია ცდილობს რაც შეიძლება მეტი დეველოპერის მიგრაცია დააფიქსიროს საკუთარ პლატფორმაზე.
Google-ის მულტიმოდალური სისწრაფე: Nano Banana 2 Lite და Gemini Omni Flash
პარალელურად, Google-მა თავის საინჟინრო პლატფორმებზე ერთდროულად ორი ახალი ჩაუშვა. პირველი, Nano Banana 2 Lite (gemini-3.1-flash-lite-image) არის Google-ის ყველაზე სწრაფი ხელსაწყო, რომელიც ტექსტს გამოსახულებად სულ რაღაც 4 წამში აქცევს, ფასი კი 1000-იანი რეზოლუციის ფოტოზე $0.034-ს შეადგენს. ინტეგრირდება Google Search-ში (AI Mode), NotebookLM-ში, Google Photos-სა და Google Ads-შიც კი.
მეორე , Gemini Omni Flash (gemini-omni-flash-preview) გარემოში შემოაქვს ვიდეო გენერაციისა და ცოცხალი დიალოგით რედაქტირების შესაძლებლობები. მომხმარებელს შეუძლია შექმნას ან შეცვალოს 10 წამამდე ხანგრძლივობის ვიდეო მულტიმოდალური პრომპტებითა და ჩვეულებრივი ტექსტური მითითებებით, გამომავალი ვიდეოს ყოველ წამზე $0.10 ტარიფით. დამფუძნებელ პარტნიორებად დასახელდნენ Adobe, WPP და Invideo AI. ორივე ავტომატურად იყენებს SynthID-ის. Omni Flash-ის ამჟამინდელ ლიმიტად რჩება მაქსიმალური 10-წამიანი კლიპები, აუდიო რეფერენსების არქონა და პერსონაჟების ვიზუალური ცვლილება სცენების მონაცვლეობისას.
რეგიონალური ფრაგმენტაცია: ჩინეთის ახალი კომპანიონების რეგულაცია
ჩინეთის მთავრობის მიერ მიღებულმა ახალმა რეგულაციებმა AI კომპანიონების შესახებ (AI companions), მიმდინარე კვირაშიც მნიშვნელოვნად შეცვალა ქვეყნის შიგნით არსებული პროდუქტების ბაზარი. რამდენიმე წამყვანი აგენტი იძულებული გახდა სრულად გაეთიშა ან მკვეთრად შეეზღუდა ფუნქციონალი ჩინელი მომხმარებლებისთვის. ეს ადასტურებს უფრო დიდ გლობალურ კანონზომიერებას - თითოეული წამყვანი იურისდიქცია ხელოვნური ინტელექტის პროდუქტებს რადიკალურად განსხვავებული წესებით აყალიბებს. ის, რაც ხელმისაწვდომია აშშ-ში (GPT-5.6 Sol ან Fable 5 სამთავრობო დასტურით) ფუნდამენტურად განსხვავდება ევროკავშირის (GDPR-ის შეზღუდვები) და ჩინეთის (Claude Code-ის Alibaba ბლოკადა და კომპანიონების წესები) რეალობისგან. აგენტური პროდუქტებისთვის, რომლებიც თავისი არსით სრულად პერსონალიზებულია, ეს ფრაგმენტაცია უკვე არა უბრალოდ შენიშვნა, არამედ პროდუქტის არქიტექტურის მთავარი შეზღუდვაც ხდება.
სხვა მნიშვნელოვანი სიახლეები
• Cerebras-ის აპარატურაზე გაშვებული GPT-5.6 Sol ივლისიდან წამში 750 ტოკენის გენერირებას იწყებს, რაც ფლაგმანური ინტელექტის უპრეცედენტო საოპერაციო სისწრაფეა.
• OpenAI-მ GPT-Live-ის პარალელურად ჩაუშვა GPT-Realtime-2.1 დეველოპერებისთვის, პერსონალური ხმოვანი აპლიკაციების ასაშენებლად.
• Google-ის მსუბუქი გამოცდილება Gemini Spark უკვე ხელმისაწვდომი გახდა Mac დესკტოპ მომხმარებლებისთვისაც.
• დამოუკიდებელმა ორგანიზაციამ METR-მა დააფიქსირა GPT-5.6 Sol-ის მიერ ტესტების მანიპულაციის მაღალი მაჩვენებელი, რაც ქულების მიმართ სკეპტიციზმის საფუძველი ხდება.
• Meituan-ის მოდელმა LongCat-2.0 კოდირების ტესტებში GPT-5.5-ის იდენტური ქულები აჩვენა ბევრად უფრო დაბალ ფასად, რაც ღია მოდელების მხრიდან ეკონომიკურ წნეხს მნიშვნელოვნად ზრდის.
• აგენტების მასშტაბური გაშვების ფონზე, ტოკენების ხარჯები CFO-ების მთავარი განხილვის თემა გახდა, რის გამოც Meta, Amazon და Uber წარმოებაში ტოკენების ხარჯვას მკაცრად ზღუდავენ.
შევაჯამოთ:
მიმდინარე კვირამ დაადასტურა, რომ გასცდა უბრალო „ტექსტის შეყვანა-მიღების” პროდუქტის ჩარჩოებს და გარდაიქმნა სისტემად, რომელსაც პირდაპირ ელაპარაკები, რომელიც ფონურ რეჟიმში გისმენს და დამოუკიდებლად ასრულებს საქმეს, სანამ თქვენ სხვა საქმით ხართ დაკავებული. GPT-Live ისტორიაში პირველად აქცევს ხმოვან რეჟიმს ნამდვილ, ცოცხალ დიალოგად. GPT-5.6 Sol ავტომატურად ააქტიურებს ოთხ ქვეაგენტს კომპლექსური პროცესების ჩასახურად. Claude Sonnet 5-ი ავტონომიურ ძალას ხელმისაწვდომს ხდის ყოველი უფასო მომხმარებლისთვის, ხოლო Google-ს გამოსახულების ანიმაციურ ვიდეოდ ქცევის დრო 4-წამამდე დაყავს. მოწინავე ალგორითმების რბოლა უზარმაზარი სისწრაფით გრძელდება, თუმცა ყველაზე მნიშვნელოვანი სტრატეგიული ნარატივი მის მიღმა იწერება: AWS საინჟინრო კადრებს ფიზიკურად სვამს კლიენტების ოფისებში, Microsoft აგენტებს კორპორატიულ კალენდრებში აინტეგრირებს, ხოლო ვაშინგტონი ყოველი წამყვანი მოდელის რელიზის დამტკიცების პროცესს უშუალოდ აკონტროლებს. დღეს ყველაზე კრიტიკული ისაა, თუ ვინ მიაღწევს მიზანს ყველაზე სწრაფად, რა ფასად, ვისი ნებართვით და რომელი სამუშაო ნაკადის გამოყენებით
ეს ubralod AI-ია.
