A saját számítógépen (lokálisan) futtatható, nyílt súlyú (open-weight) mesterséges intelligencia modellek piacán az utóbbi időszakban jelentős generációváltás zajlott le. A legfrissebb fejlesztések a hatékonyabb Mixture-of-Experts (MoE) architektúrákra, a beépített multimodális (látás/hang) képességekre és az ügynöki (agentic) feladatok optimalizálására fókuszálnak.

Qwen3.8-Max: A valaha volt legnagyobb nyílt súlyú kiadás (2026. augusztus 3.)

Az Alibaba zászlóshajója augusztus 3-án érkezett 2,4 billió paraméterrel (~95B aktív) – és most először egy Qwen-Max-osztályú modellnek a következő héten nyílt forráskódú lesz a súlya.

• 1M-token kontextus + natív multimodális : Szöveg, kép, videó és hang egyetlen ablakban
• Hosszú távú ügynöki kódolás: Az Alibaba 16 napig önállóan kódolt Qwen3.8-Max-ot jelent egy valódi szoftverprojekten
• 6. a nyilvános ranglistákon szereplő 218 modell közül (benchlm.ai kompozit, 79.8/100) a bevezetéskor

Alibaba

Qún3.8-27B

Qwen3.8-27B: Az Új Hatékonysági Határ (2026. Augusztus 14.)

A Max nyomában a Tongyi Lab Qwen3.8-27B-t szállított – egy 27,8B paraméteres sűrű modellt az Apache 2.0 alatt, amely a differenciálmű szabadalmaztatott modelljeivel vetekszik az ügynöki referenciaértékeken, miközben fogyasztói hardveren fut.

• Natív multimodális sűrű architektúra : A DeltaNet figyelmét 3:1 hibrid aránnyal + több token előrejelzéssel
• Terminal-Bench 73.0, DeepSWE 1.1 42.2-nél (+217% vs Gemma 4-27B): Near Opus-4.6-osztályú ügynöki kódolás egy 27B-es testben
• MMLU-Pro ~78% : Erős általános ismeretek az osztályához

Minden kvantum már a helyi AI zónában van – ez a helyi ügynöki munkaállomások új alapértelmezett ajánlása.

DeepSeek-től

V4-Pro-0813

DeepSeek V4-Pro-0813: Általános Elérhetőség (2026. Augusztus 12-13.)

A DeepSeek zászlóshajója elhagyta az előnézetet, és GA-ba került az API-n, a DeepSeek Chat-en és a harmadik féltől származó platformokon, egy jelentős ügynökfrissítéssel:

• Termelési minőségű ügynöki nyereségek : A V4-Pro-0813 közzéteszi a legerősebb ügynök-referencia pontszámokat a családban, közel a legjobb szabadalmaztatott ügynökszintekhez
• Új árképzés: $1.32 / $3.96 per 1M tokenek (be/ki) augusztus 16-tól – még mindig sokkal olcsóbb, mint a határ menti zárt modellek az emelés ellenére
• A nyitott V4-Pro történet folytatódik: Az 1.6T MoE GGUF-jai továbbra is a csúcskategóriás helyi szerverek kedvencei

Meta

Múzsa Glimmer 30B

Muse Glimmer 30B: Meta Open Agentic Model (2026. augusztus 10.)

A Meta Superintelligence Labs visszatért a nyitott súlyokhoz a Muse Glimmer-rel – egy 29,6B-os paraméteres sűrű multimodális modell (27.8B LM + 1.8B fagyasztott ViT látásjeladó) a Muse Spark-ból és a licencelt Apache 2.0-ból.

• Úgy tervezték, hogy „helyi ügynök legyen, amely folyamatosan fut” : Autonóm szerszámhasználatra optimalizálva egy fogyasztói GPU-n
• 128K natív kontextus hibrid helyi-globális figyelemmel
• Megveri a Qwen3.6-27B-t az ügynöki referenciaértékeken, miközben illeszkedik a fogyasztói VRAM-hoz

NVIDIA

Nemotron 3.5 Villám

Nemotron 3.5 Lightning: A leggyorsabb nyitott modell az ügynökök számára (2026. augusztus 11.)

Az NVIDIA első Nemotron 3.5 kiadása egy 30B MoE, mindössze ~3B aktív paraméterekkel és egy 1M-token ablakkal – mindig bekapcsolt, alacsony késleltetésű ügynökök számára, amelyek egyetlen laptop GPU-n futnak.

• Akár 4x gyorsabb, mint az összehasonlítható nyílt modellek az ügynöki számítási feladatokhoz
• 1M-token kontextus : A legnagyobb ablak a méretosztályában
• Napközbeni elérhetőség a DeepInfra és az NVIDIA NIM oldalon, valamint a GGUF kvantumok itt a helyi AI zónában

MiniMax

MiniMax H3-as

MiniMax H3: Az első teljesen nyitott Omni-Modal modell (nyitott súlyok augusztus 3, 2026)

A MiniMax közzétette a H3 nyitott súlyait a Hugging Face-en – egy 33B paraméteres omni-modális generatív rendszeren, amely megérti a szöveget, a képet és a videót, és 4-15 másodperces 2K videoklipeket generál natív sztereó hanggal.

• Szöveg + kép + videó + hang egy nyílt modellben : Az első a teljes nyílt forráskódú multimodalitáshoz
• Éljen a Hailuo AI-ban és a MiniMax API-ban július 31-e óta
• Licenc figyelmeztetés : A MiniMax licenc kizárja az Egyesült Államok/EU kereskedelmi használatát – ellenőrizze a feltételeket a szállítás előtt

Microsoft

MAI-THINKING-1-BEN

Microsoft MAI-THinking-1: Költséghatékony vállalati érvelés (2026. augusztus 13.)

MAI-Thinking-1A Microsoft MAI családja a MAI-Thinking-1-gyel bővült, egy közepes méretű érvelési modellel, amely kifejezetten a költséghatékony vállalati számítási feladatokat célozza meg a kódolás, a matematika és a tudásfeladatok között – ez a legújabb jele annak, hogy a közepes méretű érvelési modellek az édes pont a gyártásban.

Lopakodás / Rejtély

OX Alfa

OX Alpha: Az anonim határmodell (2026. augusztus 20.)

Az AI közösség megdöbbent, amikor egy névtelen modell, amelyet „stealth/ox-alpha” jelöltek, rendkívüli képességekkel és nulla árképzéssel jelent meg az OpenRouteren egy egyhetes előzetes időszakra.

• 80% DeepSWE Pass@1 : Túlteljesítő GPT-5.6-sol (52%), Claude Fable 5 (65%) és GLM-5.3 (62%) a kódolási referenciaértékeken
• 1,048,576-token kontextus ablak : A legnagyobb elérhető, 131K maximális kimenettel
• Teljes multimodális támogatás : Szöveg, kép és natív videó megértés
• Gyártásra kész szerszámozás : Funkcióhívás, strukturált JSON kimenet, ügynöki munkafolyamatok
• Azonnali örökbefogadás: 24 órán belül integrálva a Nous Research Hermes Agentbe és a Zed kódszerkesztőbe

Technikai ujjlenyomat-eredmények: Ben Davis független kutató átfogó elemzést végzett, és 99%-os bizonyosságot jelent arról, hogy az OX Alpha a Zhipu AI kiadatlan GLM-5.x multimodális zászlóshajójához tartozik. A bizonyítékok a következőket tartalmazzák:

• Azonos videó kódoló tokenfogyasztási minták GLM-5V-Turbo-val (147 token/sc, képkockasebességfüggetlen)
• Pontos tokenizáló igazítás GLM-5.3-mal (±75 token wrapper különbség)
• Audio elutasítási viselkedés GLM-5V-nek megfelelő
• Kimeneti stílusú emoji használat (~1,3 per 1K chars) megfelelő GLM/Qwen sorozat
• Becsült ~744B összesen / ~40B aktív MoE architektúra

Történelmi kontextus: Az OX Alpha a kínai mesterséges intelligencia laboratóriumok megállapított mintáját követi, névtelen „lopakodó modellek” használatával a kiadás előtti teszteléshez. A korábbi példák közé tartozik a Pony Alpha (Zhipu GLM-5), a Hunter Alpha (Xiaomi MiMo-V2-Pro), az Elephant Alpha (Ant Group’s Lingxi Ling-2.6) és a Owl Alpha (Meituan’s LongCat-2.0).

Állapot: Az ingyenes előnézeti időszak várhatóan 2026. augusztus 27-én ér véget. A hivatalos hozzárendelést még nem erősítették meg. Olvassa el átfogó technikai elemzésünket →

Google

Ikrek 3.7 Flash

Gemini 3.7 Flash: Az intelligens munkaló (2026. augusztus 13.)

Mindössze három héttel azután, hogy a Gemini 3.6 Flash stabil lett, a Google szállította a Gemini 3.7 Flash-t – amelyet „a legintelligensebb munkagép-modellünkként írtunk le a kódoláshoz és az ügynökökhöz”, jelentős jövedelemmel a kódgenerálásban és az ügynöki munkafolyamatokban az eredeti 3.6 Flash árképzés felénél.

• 43,6% a FrontierCode 1.1 Main-en: 34,4%-ról 3.6 Flash-re, ami jelentős első bérletes kódpontosság javulását mutatja
• 1588 Elo on Code Arena : Erős webfejlesztés és frontendgeneráló képességek
• 1M-token kontextus ablak + 64K maximális kimenet : 3.6 Flash-től karbantartva
• Hangolható gondolkodási szintek (alacsony/közepes/magas): A minőség, a költség és a késleltetés keverékének ellenőrzése
• Bevezető árképzés: $0.75/$3.75 per 1M tokenek : Az eredeti 3.6 Flash költsége 2026. december 31-ig

A Google hangsúlyozza a hibakeresés, a problémamegoldás és a termelésre kész kódgenerálás jobb teljesítményét – a 3.7 Flash-t az ügynöki kódolási munkafolyamatok modelljeként pozícionálja, ahol a minőség számít, de a költségvetés szűkös.

Meta

Múzsa kód és szikra 1.2

Muse Code + Muse Spark 1.2: Meta’s Coding Agent (2026. augusztus 5-10.)

A Meta Superintelligence Labs kiadta a Muse Code-ot (béta) a Muse Spark 1.2 mellett, majd bejelentette, hogy a Spark 1.2 súlyok nyílt forráskódúak lesznek egy módosított Llama Community License alatt.

• 82,9% Terminal-Bench (Meta-jelentés): A legerősebb kódolási referenciaérték a családban, bár még nem ellenőrizték a hivatalos ranglistán
• Többügynökös koordináció: Tartós alügynököket ív ki a hosszú távú kódolási feladatokhoz, teljes auditálhatósággal
• 1M-token kontextus : A teljes munkamenetek befejeződnek a kontextus felosztása nélkül
• Nyílt súlyok bejelentve: Mark Zuckerberg megerősítette, hogy a Spark 1.2 nyílt forráskódú lesz (függőben lévő kiadás)
• A Muse Glimmer 30B is megjelent: Apache 2.0 helyi ügynök modell augusztus 10-én

Ez azt jelzi, hogy a Meta visszatér a nyitott súlyokhoz, miután a Muse Spark 1.1 szabadalmaztatott maradt. A független tesztelés a 14. helyen áll a közös hám Terminal-Bench-en, de összességében az 5. helyen áll a Vals Indexen, figyelemre méltó $0.69 tesztenként.

ByteDance-től

Mag 2.1 Turbo

Seed 2.1 Turbo: Gyártási LLM nagy volumenű munkaterhelésekhez (2026. augusztus 10.)

A ByteDance a kiemelt Seed 2.1 Pro mellett kiadta a Seed 2.1 Turbo-t, amely az olcsó, alacsony késleltetésű vállalati számítási feladatokat célozza meg nagy kérési mennyiségben.

• 256K kontextus ablak : Családi besorolású a hosszú dokumentum feldolgozásához
• Továbbfejlesztett kódgenerálás : Továbbfejlesztett a korábbi Seed generációkhoz képest
• Hosszú láncú ügynök feladat végrehajtása : Többlépcsős ügynöki munkafolyamatokra optimalizálva
• Erős multimodális megértés : Beleértve az egyórás videófeldolgozást pontos időbeli érveléssel
• Termelésközpontú árazás : Nagy áteresztőképességű vállalati telepítésre tervezték

Megjegyzés: A ByteDance 2026 augusztusában elindította a Seedance 2.1-et (videógenerálás) és a Seedream 5.0 Pro-t (képgenerálás + szerkesztés), és a vállalat aláírta a hollywoodi tartalmakra vonatkozó MPA szerzői jogi védelmi megállapodásokat.

Minden lokálisan futtatható mesterséges intelligencia VRAM -ot használ. Minél kisebb a modell tömörítése annál pontosabb és annál kevesebbet hibázik. Minimum célszerű 24GB Vramot támogató videokártya használata. Ajánlott videokártyák : NVIDIA RTX PRO 5000 48GB GDDR7 memóriával , NVIDIA RTX PRO 5000 72GB , NVIDIA RTX PRO 6000 96GB GDDR7 memóriával a tömörítetlen modellek használatához..