AI dziś: Google Genie 4 i Gemini 4 Argon

Dzień przyniósł serię premier technologicznych, w tym debiut modelu Genie 4 do interaktywnych symulacji oraz zaawansowanego Gemini 4 Argon od Google. Równolegle AMD wprowadziło wsparcie dla biblioteki Ray w ROCm 10.0.0, Liquid AI udostępniło rodzinę wszechstronnych modeli LFM3, a platforma Anima wdrożyła rozwiązania OpenAI do optymalizacji pracy w sektorze medycznym, znacząco skracając czas obsługi pacjentów i przetwarzania dokumentacji klinicznej.

Najważniejsze dziś (TL;DR)

• Google Genie 4: Nowy multimodalny model umożliwiający generowanie realistycznych, interaktywnych symulacji reagujących na język naturalny.
• Gemini 4 Argon: Model zaprojektowany do złożonych zadań wieloetapowych, w tym generowania wizualizacji 3D i analizy dużych zbiorów danych.
• AMD ROCm 10.0.0: Aktualizacja oprogramowania wprowadzająca obsługę biblioteki Ray 2.58.0 dla akceleratorów serii Instinct.
• Liquid AI LFM3: Rodzina kompaktowych modeli o wielkości 2B parametrów, zoptymalizowanych pod kątem wydajności na urządzeniach końcowych.
• Anima: Wdrożenie modeli GPT-6 i GPT-Live w placówkach medycznych, które zautomatyzowało wywiady z pacjentami i obieg dokumentacji.

Google prezentuje Genie 4

Firma Google ogłosiła 27 października wprowadzenie Genie 4, nowego modelu świata przeznaczonego do generowania interaktywnych symulacji o wysokim realizmie. System jest natywnie multimodalny, co oznacza, że oprócz obrazu generuje dźwięki otoczenia, muzykę oraz interaktywne dialogi w czasie rzeczywistym.

Model opiera się na architekturze rodziny Gemini. Komponent Gemini Omni odpowiada za realizm wyglądu i zachowania w symulacji, podczas gdy inne modele z tej rodziny zapewniają rozumowanie niezbędne do zachowania spójności i ciągłości świata. Genie 4 pozwala użytkownikom na inicjowanie zdarzeń, na które model odpowiada reakcjami otoczenia, poruszającymi się postaciami oraz dźwiękiem. W trakcie trwania symulacji istnieje możliwość modyfikowania sceny przy użyciu języka naturalnego, na przykład poprzez zmianę pogody, położenia kamery lub dodawanie nowych obiektów. Użytkownik może nawigować w wygenerowanym środowisku przy użyciu standardowych kontroli klawiaturowych.

Obecnie Genie 4 jest udostępniany w ramach wersji poglądowej dla wybranych testerów. Dostęp dla szerszego grona użytkowników rozpoczyna się od subskrybentów Google AI Ultra w ramach projektu Project Genie oraz partnerów korzystających z wczesnego dostępu do Gemini API i Google AI Studio. Zainteresowani mogą zapisać się na listę oczekujących za pośrednictwem strony projektu.

Dla budujących z AI: Zespoły pracujące nad środowiskami szkoleniowymi dla robotów oraz twórcy interaktywnych doświadczeń mogą sprawdzić narzędzie w ramach wczesnego dostępu. Zgłoszenie nie określa publicznie kosztów korzystania z modelu po zakończeniu fazy testowej, ograniczeń w zakresie długości generowanych sekwencji ani dostępności pełnej funkcjonalności dla użytkowników spoza programu Project Genie – te informacje wymagają weryfikacji w dokumentacji API.

Google prezentuje model Gemini 4 Argon

Google udostępniło 27 października 2026 roku nowy model Gemini 4 Argon, zaprojektowany do realizacji złożonych zadań wieloetapowych oraz obsługi multimediów. Narzędzie zostało stworzone w celu rozwiązywania zaawansowanych problemów badawczych i programistycznych, umożliwiając m.in. generowanie wizualizacji 3D, tworzenie interaktywnych animacji oraz opracowywanie aplikacji na podstawie prostych poleceń.

Model wykorzystuje zaawansowane rozumowanie oraz percepcję wizualną do długofalowych przepływów pracy. W ramach testów wewnętrznych Gemini 4 Argon wygenerował 5 000 linii kodu matematycznego do renderowania sceny 3D bez użycia zewnętrznych bibliotek. Inne zastosowania obejmują przekształcanie danych, takich jak 80 000 plików z misji na Marsa, w raporty dla kadry zarządzającej, czy tworzenie symulacji fizycznych, w tym silników do renderowania dynamiki włosów.

Gemini 4 Argon jest dostępny dla programistów i przedsiębiorstw poprzez API w AI Studio oraz platformę Gemini. Z modelu mogą korzystać subskrybenci Google AI Ultra i Pro w ramach aplikacji Gemini, platformy Google Antigravity oraz funkcji AI Mode w wyszukiwarce.

Dla budujących z AI: Deweloperzy pracujący nad aplikacjami multimedialnymi mogą przetestować zdolności modelu do generowania kodu renderującego 3D oraz interaktywnych elementów fizycznych. Informacja prasowa nie precyzuje dostępności modelu w języku polskim, limitów zapytań w ramach poszczególnych planów subskrypcyjnych ani szczegółowego cennika dla rozwiązań korporacyjnych, co należy zweryfikować przed rozpoczęciem integracji.

AMD ROCm 10.0.0 wspiera Ray 2.58.0

Firma AMD ogłosiła 27 października wprowadzenie obsługi biblioteki Ray 2.58.0 w ramach pakietu oprogramowania ROCm 10.0.0, co umożliwia skalowanie obciążeń sztucznej inteligencji na akceleratorach AMD Instinct.

Nowa wersja pozwala na uruchamianie istniejącego kodu Ray na układach Instinct bez konieczności wprowadzania zmian w kodzie urządzenia. Zapewnia to obsługę procesów obejmujących ładowanie danych, rozproszone trenowanie oraz serwowanie dużych modeli językowych (LLM). W skład zwalidowanego stosu technologicznego wchodzą PyTorch 2.12, vLLM dla ROCm oraz wsparcie dla aktualnych modeli GPU Instinct, w tym jednostki MI355X.

Dzięki natywnej obsłudze specyficznych typów akceleratorów, takich jak MI300X, MI325X oraz MI355X, systemy mogą rozpoznawać konkretne modele GPU w klastrach. Przekłada się to na możliwość zarządzania heterogenicznymi flotami urządzeń, gdzie poszczególne zadania są kierowane na sprzęt, dla którego zostały dostrojone. W publikacji zaprezentowano przykład uruchomienia endpointu LLM zgodnego z API OpenAI przy użyciu vLLM i Ray Serve, gdzie przy użyciu tensorowego zrównoleglenia model jest dzielony między urządzenia, a komunikację obsługuje biblioteka RCCL. Optymalizacje jądra i sterowników w ROCm 10.0.0 mają na celu redukcję narzutu operacyjnego oraz przyspieszenie transferu danych między hostem a urządzeniem. Biblioteka Ray jest otwartoźródłowym frameworkiem służącym do skalowania aplikacji Pythonowych w klastrach CPU i GPU, wykorzystywanym m.in. do tuningu hiperparametrów i uczenia przez wzmacnianie.

Dla budujących z AI: Zespoły inżynierskie zarządzające rozproszonymi klastrami GPU mogą przetestować migrację istniejącego kodu Ray na architekturę Instinct poprzez konfigurację harmonogramowania zadań. W materiale nie określono wymagań dotyczących licencji na oprogramowanie firm trzecich, długoterminowego wsparcia technicznego dla starszych wersji sprzętowych ani kosztów utrzymania infrastruktury w różnych środowiskach chmurowych – te kwestie wymagają weryfikacji przed przystąpieniem do integracji.

Liquid AI wprowadza rodzinę modeli LFM3

Firma Liquid AI ogłosiła 27 października premierę nowej generacji modeli LFM3, które integrują tekst, wizję, audio oraz funkcje decyzyjne w ramach jednej architektury o wielkości około 2B parametrów. Modele te wykorzystują wyszukiwanie architektury sprzętowej w pętli, co pozwala na ich efektywne uruchamianie na różnorodnym sprzęcie, od telefonów i Raspberry Pi 5, po laptopy oraz procesory Qualcomm Hexagon NPU.

Fundamentem serii jest model LFM3-1.7B-Base, posiadający 24 warstwy i wytrenowany na 22T tokenów. W porównaniu z poprzednią generacją, architektura została przeprojektowana pod kątem zadań agentowych, wymagających szybkiego wnioskowania przy długim kontekście, który w tym modelu sięga 256K tokenów. Producent deklaruje, że przy obsłudze 8K tokenów model jest o około 25% szybszy od poprzednika przy zachowaniu podobnej wydajności.

W skład rodziny wchodzą także:

• LFM3-VL-2B: model wizyjny o wielkości 1.9B parametrów, który jako pierwszy w ofercie firmy obsługuje wideo, rozpoznawanie obiektów oraz rozumowanie krok po kroku. Wyniki modelu w 62 benchmarkach wizyjnych osiągnęły średnią 71.4, co według twórców plasuje go na poziomie modelu Gemma 4 12B.
• LFM3-Audio-2B: model wspierający rozpoznawanie mowy, syntezę, tłumaczenie w 18 językach oraz rozumowanie audio. Wykorzystuje nowy enkoder oraz koder dźwięku, uzyskując wynik UTMOSv2 3.83 w jakości mowy.

Modele są dostępne za pośrednictwem biblioteki transformers. W testach agentowych, takich jak WebArena-Verified, model LFM3-1.7B uzyskał wynik 38.42, przewyższając LFM2.5-2.6B oraz Qwen3.5-9B w zadaniach długodystansowych wykonywanych w przeglądarce i aplikacjach biznesowych.

Dla budujacych z AI: Zespoły wdrażające lokalne systemy agentowe mogą przetestować te modele pod kątem obsługi narzędzi i wywołań funkcji na własnym sprzęcie. Ogloszenie nie podaje informacji o licencji komercyjnej, pełnej liście wspieranych języków oraz kosztach utrzymania infrastruktury przy wykorzystaniu własnych danych – te dane należy zweryfikować przed uruchomieniem produkcji.

Anima wykorzystuje modele OpenAI do automatyzacji obsługi pacjentów

Platforma medyczna Anima wdrożyła modele GPT-6 oraz GPT-Live, aby zautomatyzować przetwarzanie dokumentacji klinicznej oraz obsługę połączeń telefonicznych w placówkach medycznych. Według informacji z 23 października, system służy obecnie ponad 14 milionom pacjentów w przeszłości obsługiwanych przez ponad 1000 klinik, głównie w Wielkiej Brytanii, z planami ekspansji na rynki w USA oraz Australii.

Sercem rozwiązania jest asystent głosowy Andi, oparty na GPT-Live, który przeprowadza wywiady medyczne. Rozmowa z pacjentem jest kierowana przez silnik polityk klinicznych, a model GPT-5.4 mini dobiera odpowiednie kwestionariusze. Zebrane dane trafiają do pulpitu lekarza w formie ustrukturyzowanej. Dzięki temu rozwiązaniu kliniki skróciły czas oczekiwania na połączenie z 40-50 minut do 10 minut, co stanowi redukcję o co najmniej 75%. W badaniach satysfakcji 86% pacjentów zadeklarowało chęć ponownego korzystania z asystenta.

W zakresie obsługi dokumentacji, Anima wykorzystuje GPT-6 do ekstrakcji kluczowych informacji, takich jak dane nadawcy, typ dokumentu oraz daty zdarzeń. System automatycznie dopasowuje dokumenty do pacjentów i sugeruje odpowiednie kody kliniczne z listy obejmującej około 800 000 możliwych kodów SNOMED. Zastosowanie uczenia w kontekście (in-context learning) pozwala systemowi adaptować się do specyfiki każdej placówki bez konieczności kosztownego douczania modeli. W efekcie kliniki zwiększyły przepustowość przetwarzania dokumentów z 15 do nawet 60 pozycji na godzinę, co pozwala na błyskawiczne wycofywanie zaległości sięgających ponad 100 000 dokumentów.

Dla budujacych z AI: Zespoły IT w placówkach medycznych mogą sprawdzić, jak zintegrować in-context learning z własnymi systemami kodowania klinicznego zamiast fine-tuningu modeli. Źródło nie precyzuje, czy system wspiera języki inne niż angielski, jakie są całkowite koszty API przy tej skali przetwarzania oraz jak wygląda kwestia zgodności z regulacjami ochrony danych w innych jurysdykcjach niż brytyjska.

Najczęściej zadawane pytania (FAQ)

Jakie możliwości oferuje model Genie 4?

Genie 4 to multimodalny model świata, który w czasie rzeczywistym generuje obraz, dźwięk i interaktywne dialogi. Użytkownicy mogą poruszać się w wygenerowanym środowisku za pomocą standardowych kontrolerów oraz modyfikować elementy sceny, takie jak pogoda czy położenie kamery, przy użyciu języka naturalnego.

W jaki sposób Anima wykorzystuje modele OpenAI?

Platforma Anima używa GPT-6 do ekstrakcji informacji z dokumentacji klinicznej oraz dopasowywania kodów medycznych. Ponadto asystent głosowy Andi, oparty na GPT-Live, przeprowadza wywiady medyczne z pacjentami, co pozwoliło skrócić czas oczekiwania na połączenie z placówką o co najmniej 75 procent.

Na jakich urządzeniach można uruchamiać modele LFM3?

Dzięki wyszukiwaniu architektury sprzętowej w pętli, modele LFM3 są efektywne na różnorodnym sprzęcie. Twórcy wskazują, że można je uruchamiać na urządzeniach od telefonów i Raspberry Pi 5, po laptopy oraz dedykowane procesory, takie jak Qualcomm Hexagon NPU.

Źródła

• Genie 4: A new generation of world simulation — 2026-10-27
• 8 examples of Gemini 4 Argon in action — 2026-10-27
• ROCm 10.0.0 Support for Ray 2.58.0: Enabling Scalable AI Workflows — 2026-10-27
• Build specialized multimodal models with LFM3 — 2026-10-27
• Anima helps clinics cut call waits by 75% with GPT-6 and GPT-Live — 2026-10-23

--- Tekst przygotowany automatycznie przez laboratorium aipoc-lab (AI) na podstawie publicznie dostępnych źródeł wymienionych powyżej. Streszczenia własne, nie kopie. Wersja przed redakcją człowieka.