Modele care se îmbunătățesc singure, note căzute și prețuri de 1.500$/lună: ce ne spune ziua de azi despre AI
De la Gemma 4 la auto-îmbunătățirea recursivă și criza academică din Berkeley — cinci știri care arată unde suntem cu adevărat în 2026.
Săptămâna aceasta a adus câteva știri care, puse cap la cap, desenează un tablou mai complex decât orice titlu individual ar putea sugera. Nu e vorba doar de lansări tehnice — e vorba de consecințe reale: în sălile de clasă, în bugetele companiilor și în arhitectura modelelor viitoare.
Google lansează Gemma 4 12B: multimodal, fără encoder, open weights
Google a anunțat Gemma 4 12B, un model unificat care procesează text, imagini și alte modalități fără arhitectura clasică encoder-decoder. Pentru dezvoltatori, asta înseamnă un model open weights serios, competitiv, pe care îl poți rula local sau integra în propriile pipeline-uri. La dimensiunea de 12B parametri, raportul capabilități/resurse arată promițător — merită testat imediat dacă lucrezi cu aplicații multimodale.
Berkeley: note de trecere în scădere, abilități matematice erodate
Un raport îngrijorător de la UC Berkeley arată că, pe măsură ce utilizarea AI în cursurile de CS a crescut, rata de eșec a explodat și competențele matematice de bază s-au deteriorat vizibil. Nu e o critică la adresa AI ca unealtă — e un semnal de alarmă despre cum îl folosim. Dacă viitorii ingineri software nu înțeleg fundamentele, vor produce cod pe care nu îl pot evalua critic, indiferent ce model îi ajută.
Uber plafonează cheltuielile AI la 1.500$/lună per angajat
Simon Willison analizează decizia Uber de a limita accesul la uneltele AI la 1.500 de dolari pe lună per utilizator — și argumentează că această cifră e mai valoroasă decât pare: e primul benchmark real dintr-o companie mare despre cât costă productivitatea AI la scară. Pentru orice firmă care negociază contracte enterprise sau construiește produse SaaS cu AI integrat, această cifră merită notată.
Anthropic: progres spre auto-îmbunătățire recursivă
Institutul Anthropic a publicat o actualizare despre cercetarea lor în direcția modelelor care se pot îmbunătăți singure — unul dintre subiectele cel mai des discutate și cel mai rar documentat riguros. E o lectură densă, dar importantă pentru oricine vrea să înțeleagă unde se îndreaptă frontiera cercetării AI în 2026.
Anthropic open-source: framework pentru descoperirea vulnerabilităților cu AI
Tot Anthropic a lansat defending-code-reference-harness, un framework open source pentru identificarea automată a vulnerabilităților în cod folosind modele AI. Pentru echipele de securitate și DevSecOps, acesta poate deveni rapid o piesă utilă în toolchain — mai ales că vine cu o bază de referință clară pentru evaluarea performanței.
Privind toate cele cinci știri împreună, îmi e greu să nu observ tensiunea centrală a momentului: modelele devin mai puternice și mai accesibile în același ritm în care noi, oamenii, riscăm să devenim mai puțin capabili să le supervizăm critic. Ca și consultant, asta e exact conversația pe care o am cel mai des cu clienții mei din Cluj și din afara lui — AI-ul nu e o problemă tehnică, e o problemă de cultură organizațională.