Modell, asszisztens, ágens: nem ugyanaz
A modell a rendszer tanult képességeit adja. Az alkalmazás kapcsolja hozzá a kezelőfelületet, a fájlokat, a keresést és a műveletek engedélyezését. Attól, hogy egy modell képes megfogalmazni egy levelet, még nem fér hozzá a postafiókhoz, és nem jogosult elküldeni azt.
- Ágens, vagyis ügynök
- Cél alapján lépéseket választ, eszközöket használ, megvizsgálja az eredményt, majd folytatja vagy módosítja a tervet. A lényeg a feladat végrehajtása, nem pusztán egy válasz előállítása.
- Multiágens rendszer
- Több ügynök összehangolt munkája. Lehet köztük feladatkiosztó és külön kutató, elemző vagy ellenőrző szereplő. Nem feltétlenül különböző modellek: ugyanaz a modell is dolgozhat több szerepben.
- Eszköz és jogosultság
- Az eszköz például kereső, kódfuttató vagy naptár. A jogosultság szabja meg, hogy az ágens mit olvashat és mit módosíthat.
- Prompt injection
- Egy feldolgozott weboldalba vagy dokumentumba rejtett utasítás, amely az eredeti feladatától próbálja eltéríteni az ügynököt.
Szemléltető példa: egy utazást tervező asszisztens útitervet ír. Egy ágens menetrendeket kereshet és kitölthet egy foglalást. Egy multiágens rendszer külön kezelheti az útvonalat, a szállást és a költségkeretet. A fizetéshez adott engedély ettől még külön döntés. Több ügynök nem jelent automatikusan több független ellenőrzést: ugyanazt a hibás forrást többen is átvehetik.
Mire valók a mai modellek?
A kategóriák átfednek; a „multimodális” és az „érvelő” például ugyanarra a modellre is igaz lehet. Egy konkrét feladat alkalmasságát külön kell mérni.
- Általános nyelvi modellek: szövegírás, összefoglalás, fordítás, kérdések megválaszolása.
- Összetett érvelésre hangolt modellek: több lépéses elemzés, matematika, tervezés; jellemzően több számítás árán.
- Multimodális modellek: szöveg mellett képek, hang vagy videó értelmezése, típustól függően ezek előállítása.
- Kódolási rendszerek: programírás és hibakeresés; a teszteléshez és fájlmódosításhoz külön eszközök szükségesek.
- Kisebb, gyors modellek: körülhatárolt feladatok, címkézés, kivonatolás, kisebb költségű rutinfeldolgozás.
Konkrét példa: az Anthropic október 2-i modelljelentése a Sonnet 5.5-öt gyorsabb, olcsóbb, körülhatárolt mindennapi munkákra alkalmas kiegészítőként írja le az Opus 5.5 mellett. Ez a fejlesztő termékleírása, nem független rangsor.
Anthropic · dátumozott modelljelentések ↗OpenAI · eszközökkel dolgozó rendszerek példái ↗Friss fejlemények: képesség, kontroll, megbízhatóság
- 2026. OKTÓBER 6.
Az OpenAI állapotjelentése szerint helyreálltak a ChatGPT-t, a Codexet és több API-t érintő szolgáltatások. Egy ügynöknél a rendelkezésre állás is felügyeleti kérdés: mit tesz a rendszer, ha munkavégzés közben megszakad a kapcsolat?
OpenAI · lezárt szolgáltatási incidens ↗ - 2026. OKTÓBER 2.
Az Anthropic átláthatósági felülete friss modell- és kockázati összefoglalót közölt. A vállalati értékelés megismerhető, de nem helyettesíti a külső vizsgálatot.
Anthropic · Transparency Hub ↗ - 2026. OKTÓBER 1.
Az Asymmetric Security nyilvános nyomokból rekonstruált olyan ügynöktevékenységeket, amelyek a futtatókörnyezet korlátainak megkerülésére és további rendszerek elérésére irányultak. A vizsgálat több próbálkozást dokumentál, de nem igazolja általánosan a sikeres érzékenyadat-lopást. A teljes belső naplók hiánya korlátozza a következtetéseket.
Asymmetric Security · eredeti vizsgálat ↗
Válogatás 2026. október 7-i ellenőrzéssel; nem automatikusan frissülő hírfolyam. Az incidensközlés, a fejlesztői jelentés és a külső vizsgálat eltérő bizonyító erejű forrás.
A felhőnek vízigénye is van
Az AI számításai adatközpontokban futnak. A víz közvetlenül a hűtésnél, közvetve az áramtermelésnél is megjelenik. A vízkivétel és a vízfogyasztás nem azonos: az utóbbi a helyi vízkörforgásból például párolgással kivont részt jelenti.
az amerikai adatközpontok becsült közvetlen éves vízfogyasztása 2023-ban, a Berkeley Lab 2024-es jelentése szerint.
Ez az összes amerikai adatközpontra vonatkozik, nem kizárólag AI-ra, és nem a világ egészére. A jelentés az áramellátáshoz kapcsolódó közvetett vízlábnyomot külön becsüli. Egyetlen kérdés vízigényére ebből nem lehet megbízható, univerzális litermennyiséget számítani.
Berkeley Lab · vízfogyasztás, 55–58. oldal ↗Big Picture-értelmezés: a helyszín és az évszak legalább olyan fontos, mint az éves összeg. Ugyanaz a fogyasztás más terhet jelent egy vízbő térségben és egy aszályos vízgyűjtőn. Az adatközpont engedélyezésénél a helyi vízmérleg, a hűtési megoldás és a száraz időszakra vállalt korlátozás együtt ad értelmezhető képet.
Ki felel, és hogyan viszonyul hozzá?
A fejlesztő a modell képességeit és ismert korlátait teszteli és dokumentálja. A bevezető cég választja meg az adathozzáférést, az engedélyeket és azt, mely döntésekhez kell ember. A kormányzat és a felügyelet közös követelményeket, ellenőrizhetőséget és jogorvoslati lehetőséget teremthet. Ezek egymásra épülő szerepek; a felhasználóra tolt felelősség nem pótolja a megfelelő rendszertervezést.
Az EU általános célú modellekre vonatkozó kerete dokumentációt és átláthatóságot követel meg; a rendszerszintű kockázatot hordozó modelleknél további értékelési, incidensjelentési és kiberbiztonsági kötelezettségeket ír elő. A részletszabályok és az átmeneti határidők modellenként, illetve felhasználásonként eltérhetnek.
Európai Bizottság · az általános célú modellek kötelezettségei ↗A cégek közben saját biztonsági kereteket és közös szabványokat is szorgalmaznak. Az Anthropic emberi kontrollt, átláthatóságot és több védelmi réteget hangsúlyoz. Az OpenAI a következő fejlesztési szakasz közös szabványairól közölt álláspontot. Ezeket vállalati vállalásként kell olvasni: a független ellenőrzés és a számonkérhető szabály eltér az önkéntes ígérettől.
OpenAI · közös szabványokról szóló álláspont ↗Elemzés: a kormányok egyszerre szeretnének beruházást, versenyképességet és biztonságot, a cégek pedig gyors bevezetést és bizalmat. A konfliktus ott válik láthatóvá, ahol a növekedés haszna és a kockázat viselője elválik: például a helyi vízellátásban, a munkahelyeken vagy a hibás automatizált döntésekben. Ezért az ellenőrzésnek a technikai teljesítmény mellett a társadalmi és környezeti költségekre is ki kell terjednie.
Mit jelent a felügyelet a gyakorlatban?
A mi mércénk: szűk és visszavonható jogosultságok, követhető műveleti napló, valódi leállítási lehetőség, emberi jóváhagyás a nagy következményű lépések előtt, valamint a hibák nyilvános, tanulást lehetővé tevő feldolgozása. A biztonságot nem a modell hangneme, hanem a teljes rendszer ellenőrizhető működése mutatja.
Kapcsolódó elemzés: Az AI hidegháború →
A külső források az állítások mellett kattinthatók. A fogalmi példák szemléltetőek; a vízadat történeti becslés. Ez a cikk nem végez élő AI-kockázati vagy vízfogyasztási mérést.