Περίληψη

Η Meta παρουσίασε το πρώτο δικό της κορυφαίο μοντέλο δημιουργίας εικόνων, το οποίο κατατάσσεται ήδη ανάμεσα στα καλύτερα παγκοσμίως. Παράλληλα, η Κίνα εξετάζει περιορισμούς στην εξαγωγή των ισχυρότερων AI μοντέλων της, ενώ μεγάλες επιχειρήσεις, όπως η DoorDash, αναπτύσσουν πλέον εσωτερικά benchmarks για να αξιολογούν αντικειμενικά την απόδοση διαφορετικών LLMs στις δικές τους εργασίες.

Κύρια σημεία

 Η Meta παρουσιάζει το Muse Image

Η Meta ανακοίνωσε το Muse Image, το πρώτο image model που αναπτύχθηκε εξ ολοκλήρου από τη νέα ομάδα Superintelligence Labs υπό τον Alexandr Wang.

Το νέο μοντέλο:

  • καταλαμβάνει τη 2η θέση στα Arena leaderboards για text-to-image και image editing,
  • συνεργάζεται με το Muse Spark ώστε να χρησιμοποιεί web search και εργαλεία,
  • μπορεί να βελτιώνει μόνο του τα παραγόμενα αποτελέσματα,
  • διατίθεται δωρεάν μέσα στο Meta AI,
  • επεκτείνεται σταδιακά σε Instagram, WhatsApp και αργότερα σε Facebook, Messenger και Ads.

Η Meta παρουσίασε επίσης προεπισκόπηση του Muse Video, το οποίο βρίσκεται ήδη στην 3η θέση των σχετικών benchmarks.

 Η Κίνα εξετάζει περιορισμούς στα κορυφαία AI μοντέλα

Η κινεζική κυβέρνηση εξετάζει νέους κανόνες που θα περιορίζουν τη χρήση των ισχυρότερων κινεζικών μοντέλων εκτός χώρας.

Στις συζητήσεις συμμετέχουν εταιρείες όπως:

  • Alibaba
  • ByteDance
  • Z AI

Τα μοντέλα που επηρεάζονται περιλαμβάνουν:

  • Qwen
  • Doubao
  • GLM-5.2

Οι συζητήσεις αφορούν:

  • περιορισμούς πρόσβασης στο εξωτερικό,
  • περιορισμούς στη χρηματοδότηση startups,
  • αυστηρότερες ποινές για διαρροή τεχνογνωσίας.

Η εξέλιξη αυτή έρχεται λίγο μετά τους αντίστοιχους περιορισμούς που επέβαλαν οι ΗΠΑ στα προηγμένα μοντέλα της Anthropic, δείχνοντας ότι η πρόσβαση στα frontier models εξελίσσεται πλέον σε γεωπολιτικό ζήτημα.

 AI για καλύτερα 1-on-1 meetings

Παρουσιάζεται ένας τρόπος χρήσης AI για τη διαχείριση συναντήσεων μεταξύ managers και εργαζομένων.

Η διαδικασία περιλαμβάνει:

  • ανάλυση προηγούμενων συναντήσεων,
  • δημιουργία προτύπου συζήτησης,
  • ανάπτυξη ενιαίου evaluation rubric,
  • συνεχή ενημέρωση του προτύπου καθώς συγκεντρώνονται νέα δεδομένα.

Ουσιαστικά η AI μετατρέπει κάθε συνάντηση σε δομημένη οργανωσιακή γνώση.

 Η DoorDash αξιολογεί αντικειμενικά τα LLMs

Η DoorDash δημιούργησε το DashBench, ένα εσωτερικό benchmark για AI code review.

Τα αποτελέσματα δείχνουν ότι:

  • μεμονωμένα μοντέλα εντοπίζουν περίπου 20-30% των προβλημάτων,
  • συνδυασμός δύο Claude μοντέλων φτάνει λίγο πάνω από 50%,
  • ο συνδυασμός Kimi K2.6 + Claude Fable 5 εντόπισε περίπου τα 2/3 των συνολικών προβλημάτων και το 80% των κρίσιμων σφαλμάτων, με χαμηλότερο κόστος.

Η DoorDash χρησιμοποιεί πλέον αυτά τα benchmarks για να αποφασίζει ποια μοντέλα προσφέρουν την καλύτερη σχέση ποιότητας και κόστους.

 Σύντομες εξελίξεις

  • Η Anthropic διατηρεί προσωρινά το Fable 5 διαθέσιμο στα συνδρομητικά πακέτα έως τις 12 Ιουλίου.
  • Η Tufa Labs κέρδισε τον διαγωνισμό ARC-AGI-3 χρησιμοποιώντας μικρό μοντέλο Qwen μέσα σε agentic framework.
  • Η Microsoft δοκιμάζει τα δικά της μοντέλα MAI για Excel και Outlook, με στόχο να μειώσει την εξάρτηση από εξωτερικούς παρόχους.
  • Το Claude Cowork επεκτείνεται σε web και mobile.
  • Η Figma απέκτησε την ομάδα της πλατφόρμας Bud (πρώην Orchids).