MLflow로 AI 에이전트 안전성 테스트: GPT vs Gemini 레드팀 실험

https://aisparkup.com/posts/7821

Gemini 2.5 Flash Native Audio Revolutionizes Live Voice Agents

https://techlife.blog/posts/gemini-2-5-flash-native-audio-for-live-voice-agents/

#AI #NLP #Gemini #Google #Gemini25 #VoiceTechnology

Chińskiej ofensywy ciąg dalszy. Baidu ERNIE 4.5 pokonuje GPT-5 i Gemini w analizie obrazu i wideo

Zaledwie wczoraj informowaliśmy o chińskim modelu Kimi K2, który rzucił wyzwanie liderom z USA. Dziś do gry wchodzi waga ciężka.

Technologiczny gigant Baidu zaprezentował model ERNIE-4.5-VL-28B-A3B-Thinking, który w kluczowych benchmarkach multimodalnych wyprzedza zarówno GPT-5, jak i Gemini 2.5.

Mistrz wykresów i schematów

O ile Kimi K2 skupiał się na rozumowaniu, nowy ERNIE 4.5 to specjalista od „patrzenia”. Jest to model multimodalny, zaprojektowany specjalnie do pracy z trudnymi danymi biznesowymi: schematami inżynieryjnymi, nagraniami z fabryk czy skanami medycznymi.

Wyniki w benchmarkach są imponujące. W teście ChartQA (analiza wykresów) ERNIE uzyskał 87.1 pkt, deklasując Gemini 2.5 Pro (76.3) i GPT-5-High (78.2). Wygrał również w teście matematycznym MathVista (82.5 vs 82.3 u Gemini i 81.3 u GPT-5).

Widzi, rozumie i… klika

To, co wyróżnia ten model, to podejście „agentowe”. ERNIE nie tylko opisuje obrazek, ale potrafi działać:

• Rozumie schematy: potrafi rozwiązać diagram obwodu mostkowego, stosując prawa Ohma i Kirchhoffa.
• Generuje dane: zapytany o ludzi w garniturach na zdjęciu, może zwrócić ich dokładne współrzędne w formacie JSON – idealne do systemów bezpieczeństwa czy inspekcji wizualnej.
• Używa narzędzi: jeśli tekst na zdjęciu jest za mały, model autonomicznie „przybliża” obraz, by go odczytać.

Potężny, ale wymagający

Baidu zastosowało architekturę Mixture-of-Experts (MoE). Choć model jest potężny, podczas pracy aktywuje zaledwie 3 miliardy parametrów, co obniża koszty operacyjne (tzw. inferencję).

Jest jednak haczyk sprzętowy. Aby wdrożyć to rozwiązanie we własnej firmie (single-card deployment), potrzebujesz karty graficznej z aż 80 GB pamięci VRAM. Nie jest to więc narzędzie do domowych eksperymentów, ale dla firm posiadających infrastrukturę AI. Na osłodę: Baidu udostępnia model na licencji Apache 2.0, co pozwala na jego komercyjne wykorzystanie.

Chiński startup pobił GPT-5 i Claude 4.5. Model AI trenowano za ułamek ceny

#aiSi #analizaObrazu #baidu #benchmark #chiny #ernie45 #gemini25 #gpt5 #news #sztucznaInteligencja

Gemini Live uczy się aktorstwa. Możesz kazać mu mówić szybciej, wolniej albo z akcentem kowboja

Rozmowy z asystentem AI stają się coraz bardziej naturalne, a teraz także… teatralne.

Google wdraża właśnie aktualizację dla Gemini Live na Androida i iOS, która czyni asystenta znacznie bardziej „adaptacyjnym i ekspresyjnym”.

Dzięki nowym modelom AI znacznie lepiej rozumie niuanse ludzkiej mowy i potrafi dynamicznie dostosować swój styl wypowiedzi.

„Mów szybciej!”

Praktyczną nowością jest kontrola tempa. Możesz teraz powiedzieć do Gemini: „Mów szybciej”, jeśli chcesz błyskawicznego streszczenia tematu, albo „Mów wolniej”, co może być nieocenione np. podczas nauki języków obcych.

AI z akcentem

Google dodało też element zabawy. Gemini Live potrafi teraz naśladować różne akcenty i style mowy na życzenie. Google podaje przykłady:

• Możesz poprosić o przepis na niedzielną pieczeń mówiony z brytyjskim akcentem Cockney.
• Albo przeprowadzić burzę mózgów na temat imprezy, rozmawiając z AI udającym kowboja.
• Lub poprosić o lekcję historii o Rzymie z perspektywy (i głosem) samego Juliusza Cezara.

Te zmiany stylu obowiązują przez czas trwania danej rozmowy. Aktualizacja jest już udostępniana użytkownikom na Androidzie i iOS. Uwaga: funkcje te (zwłaszcza te dotyczące konkretnych akcentów i stylów mówienia) są wdrażane przede wszystkim dla języka angielskiego. W języku polskim ich dostępność może być na razie ograniczona. Niemniej biorąc pod uwagę, że dziś Gemini Live może w Polsce, po polsku mówić różnymi głosami, kwestia dodania stosownych akcentów (wyobraźcie sobie Gemini gadające akcentem z Podlasia) również dla języka polskiego wydaje się prawdopodobna.

Gemini recenzuje ChatGPT: „To skorumpowany, sfabrykowany bałagan”

#aiSi #aktualizacja #android #asystentGlosowy #gemini25 #geminiLive #google #ios #news

Apple udostępnia zestaw danych Pico-Banana-400K do trenowania modeli AI do edycji obrazów

Apple opublikowało nowy zestaw danych badawczych Pico-Banana-400K, zawierający 400 000 obrazów przeznaczonych do treningu modeli AI do edycji zdjęć.

Co ciekawe, dane zostały wygenerowane przy użyciu modeli Google Gemini-2.5.

Zbiór ma licencję badawczą (non-commercial) – można go używać wyłącznie do celów naukowych i rozwojowych. Celem projektu było stworzenie otwartego, wysokiej jakości zestawu danych, który pozwoli naukowcom rozwijać i testować modele AI do edycji zdjęć sterowane poleceniami tekstowymi.

Pico-Banana-400K obejmuje różne typy edycji, m.in. zmiany oświetlenia, pogody, pozycji obiektów, stylizacji postaci czy kadrowania. Dane powstały poprzez współpracę modeli Nano-Banana (Google) i Gemini-2.5-Pro, które generowały i weryfikowały jakość obrazów.

Apple liczy, że Pico-Banana-400K stanie się podstawą do szkolenia przyszłych modeli AI w dziedzinie edycji obrazu.

Więcej szczegółów w tym artykule.

Badanie znajdziecie na arXiv, a zbiór danych jest swobodnie dostępny na GitHub.

#AI #Apple #Apple2025 #AppleResearch #datasetAI #edycjaObrazów #Gemini25 #GoogleAI #PicoBanana400K #sztucznaInteligencja #treningModeliAI #uczenieMaszynowe

Google's latest AI breakthrough enables direct software interaction without APIs 🤖 Experience how Gemini 2.5 navigates web interfaces, fills forms, and handles real-world tasks just like a human would ⚡️ Read more about this groundbreaking development and its safety features.

#Gemini25 #GoogleAI #ArtificialIntelligence #TechNews #AIautomation

https://true-tech.net/google-unveils-gemini-2-5/

🚀 Esplora il fascino digitale con Gemini 2.5 - il controllo da web e Android è solo l'inizio! #Gemini25 #InnovazioneDigitale

🔗 https://www.tomshw.it/hardware/gemini-25-debutta-con-controllo-web-e-android-2025-10-08

Google introduces Gemini 2.5 Computer Use model to automate web and mobile interfaces

https://web.brid.gy/r/https://nerds.xyz/2025/10/gemini-25-computer-use-model/

💡 Il modello AI Gemini 2.5 Flash Image permette l’editing fotografico

https://gomoot.com/il-modello-ai-gemini-2-5-flash-image-permette-lediting-fotografico

#blog #flashimage #gemini25 #nanobanana #news #picks #tech #tecnologia

Google Search AI Mode now rolling out in Malaysia, powered by Gemini 2.5 #aimode #gemini #gemini25 #google #googlegemini #googlesearch #googlesearchaimode #misc

https://soyacincau.com/2025/08/25/google-search-ai-mode-now-rolling-out-in-malaysia-powered-by-gemini-2-5/