20 vijesti — 🔴 2 kritično , 🟡 12 važno , 🟢 6 zanimljivo
Google je objavio opću dostupnost gemini-embedding-2 modela koji podržava tekst, slike, video, audio i PDF ulaze mapirane u jedinstveni embedding prostor. Model je bio u preview-u od 10. ožujka 2026., a sada je svima dostupan putem Gemini API-ja.
Microsoft Research predstavio je AutoAdapt, framework koji automatizira prilagodbu generalnih jezičnih modela specijaliziranim domenama poput medicine, prava i incident response. Sustav sam bira između RAG-a i fine-tuninga, optimizira hiperparametre i posao završava u približno 30 minuta uz dodatni trošak od oko 4 dolara.
Appleova istraživačka grupa na konferenciji ICLR 2026 predstavila je MANZANO, unificirani multimodalni framework koji rješava dugogodišnji trade-off između sposobnosti razumijevanja slika i kvalitete generiranja slika. Model koristi hibridni vision tokenizer koji proizvodi kontinuirane embeddinge za razumijevanje i diskretne tokene za generiranje, zajednički encoder i dva specijalizirana adaptera, čime smanjuje gubitak koji se inače javlja kada jedan model pokušava raditi oba zadatka.
Apple je na konferenciji ICLR 2026 u Rio de Janeiru predstavio pet istraživačkih radova, a najistaknutiji je ParaRNN — metoda koja omogućuje paralelno treniranje nelinearnih rekurentnih neuronskih mreža i postiže 665 puta veće ubrzanje od sekvencijalnog pristupa, skalirajući RNN-ove na milijarde parametara kompetitivno s transformerima.
Linux Foundation AI & Data objavio je praktični vodič za implementaciju RGAF (Responsible Generative AI Framework) kroz devet dimenzija odgovornog AI-a, s katalogom od 35 konkretnih open-source alata i usklađenošću s NIST AI RMF, EU AI Aktom, ISO/IEC 42001 i OECD načelima.
Google DeepMind je potpisao partnerstvo s pet najvećih konzultantskih kuća — Accenture, Bain, BCG, Deloitte i McKinsey — kako bi ubrzao enterprise AI transformaciju, jer trenutno samo 25 posto organizacija uspijeva implementirati AI u produkciju.
OpenAI je predstavio Workspace Agents, Codex-pokretane AI agente integrirane direktno u ChatGPT sučelje. Agenti se pokreću u cloudu, automatiziraju složene radne tokove i pomažu enterprise timovima skalirati rad kroz povezane alate uz naglasak na sigurnosti između aplikacija.
AWS je objavio arhitekturu koja kombinira Amazon Bedrock, Neptune grafovsku bazu i Mem0 framework za persistentnu memoriju AI agenata na razini cijele tvrtke, rješavajući problem gubitka konteksta između sesija i korisnika.
Amazon je najavio managed agent harness za Bedrock AgentCore koji omogućuje deploy potpuno radnog agenta u svega tri API poziva, bez pisanja orkestracijske infrastrukture. Uz harness stižu AgentCore CLI za cijeli razvojni ciklus te pre-built vještine za coding assistente, dostupne u preview fazi u četiri AWS regije.
Na ArXivu je objavljen SWE-chat, dataset stvarnih takozvanih in-the-wild interakcija korisnika s AI coding agentima u produkcijskom okruženju. Umjesto još jednog sintetičkog benchmarka na bazi GitHub issue-a, ovaj dataset bilježi kako developeri zaista koriste autonomne sustave dok rade svakodnevni posao — što traže, kako reagiraju na agentove prijedloge i gdje agent zakaže — otvarajući vrata preciznijoj evaluaciji i ciljanim poboljšanjima u dizajnu agenata.
Novo istraživanje pokazuje da AI agenti za upravljanje računalom koji jednom uspješno izvrše zadatak mogu podbaciti pri identičnom ponovljenom pokušaju, a tri ključna razloga su stohastičnost izvršavanja, ambiguitet specifikacije zadatka i varijabilnost ponašanja samog agenta.
NVIDIA i Google Cloud objavili su zajedničku suradnju za ubrzavanje agentic AI i physical AI radnih opterećenja, kombinirajući NVIDIA GPU infrastrukturu s Google Cloud platformom za robotiku, autonomne sustave i agente.
NVIDIA i HuggingFace demonstrirali su Gemma 4 kao Vision Language Agent koji autonomno odlučuje o korištenju kamere i cijelu pipeline obradu, uključujući speech-to-text i TTS, izvodi lokalno na NVIDIA Jetson Orin Nano Super s 8 GB memorije, bez cloud ovisnosti.
AWS Machine Learning blog opisao je kako koristiti NVIDIA-in open-source model Parakeet-TDT-0.6B-v3 za jeftinu višejezičnu transkripciju zvuka u oblaku. Model pokriva 25 europskih jezika uz automatsku detekciju, a u kombinaciji s AWS Batchom obrada jedne minute zvuka košta svega 0,00005 USD na Spot instancama, odnosno 0,00011 USD na on-demand g6.xlarge GPU-ima, uz scale-to-zero politiku i mogućnost obrade audio zapisa duljih od deset sati kroz buffered streaming.
Amazon SageMaker AI sada automatski benchmarka generativne AI modele kroz različite GPU konfiguracije koristeći NVIDIA AIPerf alat, eliminirajući tjedne manualnog testiranja i dajući preporuke rangirane po trošku, latenciji ili propusnosti.
GitHub je omogućio Copilot Business i Enterprise korisnicima da u VS Code donesu vlastite API ključeve velikih providera poput Anthropica, Googlea, OpenAI-a, OpenRoutera i Azurea. BYOK modeli rade unutar Copilot Chata i custom agenata, a naplata ide direktno odabranom provideru bez trošenja Copilot kvote.
GitHub je u najnovijim nadogradnjama Copilot cloud agenta za Atlassianovu Jiru predstavio set značajki koje značajno produbljuju AI integraciju u projektni menadžment. Tim koji koristi Jiru kao sustav za praćenje zadataka sada može definirati vlastite custom agente, koristiti Atlassian custom polja u pravilima, postavljati prilagođena pravila grananja po prostorima i primati notifikacije o zahtjevima za pregled koda izravno u Jiri, čime se povezuje razvojni tok između GitHuba i projektnog alata.
OpenAI je omogućio besplatan pristup ChatGPT-u verificiranim liječnicima, medicinskim sestrama i ljekarnicima u SAD-u. Fokus programa je na kliničkoj dokumentaciji, radnim tokovima skrbi za pacijente i medicinskom istraživanju uz verifikaciju kroz partnerstva s američkim medicinskim entitetima.
