Νέα μοντέλα AI κάθε λίγες ημέρες αλλάζουν τα δεδομένα σε κόστος, coding, cyber και context windows
Η αγορά της τεχνητής νοημοσύνης έχει φτάσει σε ένα σημείο όπου ακόμη και ένα ισχυρό νέο μοντέλο μπορεί να παραμείνει στην πρώτη γραμμή για ελάχιστες ημέρες. Μέσα σε μία εβδομάδα του Αυγούστου, xAI, Google και Z.ai παρουσίασαν σημαντικές αναβαθμίσεις, ενώ νέες πληροφορίες για την Apple έδειξαν ότι ο ανταγωνισμός επεκτείνεται πλέον πέρα από τα παραδοσιακά AI labs. Παράλληλα, το Kimi K3 της Moonshot AI, που είχε ήδη εμφανιστεί τον Ιούλιο, συνέχισε να ασκεί πίεση στην αγορά των open-weight μοντέλων.
Το σημαντικότερο στοιχείο δεν είναι απλώς ο αριθμός των νέων μοντέλων AI. Είναι η ταχύτητα με την οποία αλλάζουν ταυτόχρονα οι επιδόσεις, οι τιμές, τα context windows, οι δυνατότητες των AI agents και ακόμη και οι ικανότητες κυβερνοασφάλειας. Η αγορά δεν ακολουθεί πλέον έναν προβλέψιμο κύκλο μεγάλων εκδόσεων ανά μερικούς μήνες. Οι εταιρείες αναγκάζονται να απαντούν η μία στην άλλη σχεδόν σε πραγματικό χρόνο.
Grok 4.6: η xAI επιστρέφει στην κορυφή με πολύ χαμηλότερο κόστος
Στις 12 Αυγούστου παρουσιάστηκε το Grok 4.6, με ιδιαίτερη έμφαση σε long-running agents, coding, knowledge work και εργασίες που απαιτούν μεγάλο αριθμό διαδοχικών βημάτων. Το νέο μοντέλο διαθέτει context window 500.000 tokens και υποστηρίζει τόσο κείμενο όσο και εικόνες ως είσοδο.
Το βασικότερο πλεονέκτημά του, ωστόσο, είναι ο συνδυασμός απόδοσης και κόστους. Στο Artificial Analysis Intelligence Index πέτυχε βαθμολογία 61, ακριβώς στο επίπεδο του GPT-5.6 Sol σε maximum reasoning. Μπροστά του παρέμειναν τα Claude Opus 5 και Claude Fable 5, αλλά η διαφορά στην τιμή είναι σημαντική.
Για prompts κάτω από 200.000 tokens, το Grok 4.6 κοστίζει 2 δολάρια ανά εκατομμύριο input tokens και 6 δολάρια ανά εκατομμύριο output tokens. Τα cached input tokens κοστίζουν 0,50 δολάρια. Όταν ένα request ξεπεράσει τα 200.000 prompt tokens, οι τιμές διπλασιάζονται σε 4 δολάρια για input και 12 δολάρια για output.
Αυτό σημαίνει ότι το headline κόστος χρειάζεται προσοχή όταν γίνεται σύγκριση μεγάλων context workloads. Παρ’ όλα αυτά, σε συνηθισμένα workloads το Grok 4.6 βρίσκεται αισθητά χαμηλότερα από άλλα frontier μοντέλα αντίστοιχης επίδοσης.
Η εικόνα είναι ακόμη πιο ενδιαφέρουσα στα agentic benchmarks. Το Grok 4.6 έφτασε το 88,4% στο Terminal-Bench v2.1 και εμφάνισε υψηλή απόδοση σε εργασίες knowledge work και multi-turn tool use. Το χαρακτηριστικό αυτό δείχνει πού μετακινείται πλέον ο ανταγωνισμός. Η αξία ενός frontier model δεν κρίνεται μόνο από το αν απαντά σωστά σε δύσκολες ερωτήσεις, αλλά από το αν μπορεί να ολοκληρώσει μια πραγματική εργασία με πολλά βήματα, εργαλεία και μεγάλο ιστορικό ενεργειών.
GLM-5.3: τεράστιο άλμα στο coding και ανησυχητική πρόοδος στο cyber
Μόλις δύο ημέρες μετά το Grok 4.6, η Z.ai παρουσίασε το GLM-5.3. Το μοντέλο έχει ιδιαίτερο ενδιαφέρον επειδή δεν βασίζεται σε νέο μεγαλύτερο foundation model. Χρησιμοποιεί την ίδια βασική αρχιτεκτονική με το GLM-5.2 και οι σημαντικές βελτιώσεις προήλθαν από εκτεταμένο post-training.
Στο Terminal-Bench 3.0 η επίδοση αυξήθηκε από 4,6 στο GLM-5.2 σε 28,3 στο GLM-5.3. Η συγκεκριμένη μεταβολή αποτελεί εντυπωσιακό παράδειγμα του πόση βελτίωση μπορεί πλέον να προκύψει χωρίς νέα γιγαντιαία pre-training διαδικασία.
Ακόμη μεγαλύτερη προσοχή συγκέντρωσαν οι δυνατότητες κυβερνοασφάλειας. Το GLM-5.3 πέτυχε 84,5% στο CyberGym, benchmark που εξετάζει την ικανότητα ενός μοντέλου να αναλύει κώδικα, να εντοπίζει πραγματικές ευπάθειες και να επιβεβαιώνει ότι μπορούν να ενεργοποιηθούν.
Η εικόνα γίνεται πιο σύνθετη όταν η αξιολόγηση προχωρά από την ανακάλυψη μιας ευπάθειας στην πραγματική αξιοποίησή της. Στο ExploitBench το GLM-5.3 έφτασε το 54,4%, ενώ το περιορισμένης πρόσβασης Mythos 5 της Anthropic βρίσκεται σημαντικά υψηλότερα, στο 78%. Άρα το νέο μοντέλο δεν έχει φτάσει ακόμη την κορυφή σε ολόκληρη την αλυσίδα cyber exploitation, αλλά η ταχύτητα βελτίωσης είναι αξιοσημείωτη.
Η πρόοδος ήταν αρκετή ώστε η πλήρης διάθεση των weights να μετατεθεί για περίπου δύο εβδομάδες, προκειμένου να ολοκληρωθούν πρόσθετοι έλεγχοι ασφαλείας. Οι πιο ευαίσθητες δυνατότητες κυβερνοασφάλειας προβλέπεται επίσης να περιορίζονται μέσω συστήματος trusted access.
Η εξέλιξη αυτή είναι σημαντική για ολόκληρη την αγορά. Η συζήτηση γύρω από τα open-weight μοντέλα δεν αφορά πλέον μόνο το αν πλησιάζουν τα κλειστά frontier systems σε reasoning ή coding. Αφορά και το τι συμβαίνει όταν προηγμένες dual-use δυνατότητες μπορούν να διανεμηθούν σε weights που τελικά μπορούν να τροποποιηθούν και να λειτουργήσουν εκτός του ελέγχου του αρχικού δημιουργού.
Η Google κυκλοφόρησε ήδη το Gemini 3.7 Flash
Ο ρυθμός γίνεται ακόμη πιο εντυπωσιακός στην περίπτωση της Google. Το Gemini 3.6 Flash είχε παρουσιαστεί στις 21 Ιουλίου, αλλά στις 13 Αυγούστου εμφανίστηκε ήδη ο διάδοχός του, Gemini 3.7 Flash.
Μέσα σε λιγότερο από έναν μήνα, η Google πέρασε από το 3.6 στο 3.7, δίνοντας ξανά έμφαση στα AI agents, στο coding, στο instruction following και στις πολύπλοκες εργασίες με εργαλεία. Το Gemini 3.7 Flash προσφέρεται έως το τέλος του 2026 με εισαγωγική τιμή 0,75 δολάρια ανά εκατομμύριο input tokens και 3,75 δολάρια ανά εκατομμύριο output tokens.
Η τιμή έχει ιδιαίτερη σημασία, επειδή το προηγούμενο Gemini 3.6 Flash είχε παρουσιαστεί με τιμή 1,50 δολάρια για input και 7,50 δολάρια για output. Έτσι, μέσα σε λίγες εβδομάδες η Google όχι μόνο αναβάθμισε το μοντέλο, αλλά μείωσε σημαντικά και το προσωρινό κόστος πρόσβασης στη νεότερη έκδοση.
Παράλληλα, χρειάζεται μία σημαντική διόρθωση σχετικά με το εξειδικευμένο cyber μοντέλο της εταιρείας. Το μοντέλο ονομάζεται Gemini 3.5 Flash Cyber και όχι Gemini 3.6 Flash Cyber. Έχει σχεδιαστεί για εντοπισμό, επιβεβαίωση και επιδιόρθωση vulnerabilities και χρησιμοποιείται στο CodeMender. Εξαιτίας του dual-use χαρακτήρα του, η πρόσβαση περιορίζεται αρχικά σε κυβερνήσεις και επιλεγμένους trusted partners.
Την ίδια στιγμή, το Gemini 3.5 Pro παραμένει εκτός γενικής διάθεσης. Τον Μάιο η κυκλοφορία του είχε τοποθετηθεί για τον επόμενο μήνα, όμως στα τέλη Ιουλίου εξακολουθούσε να βρίσκεται σε testing, με τη Google να αναφέρει ότι θα ακολουθήσει σύντομα. Το γεγονός ότι στο μεταξύ έχουν ήδη εμφανιστεί νεότερες Flash εκδόσεις δείχνει πόσο διαφορετικοί έχουν γίνει οι κύκλοι ανάπτυξης ακόμη και μέσα στην ίδια οικογένεια μοντέλων.
Kimi K3: το open-weight μοντέλο των 2,8 τρισ. παραμέτρων
Στην ίδια εικόνα πρέπει να ενταχθεί και το Kimi K3 της Moonshot AI, αν και η αρχική παρουσίασή του έγινε τον Ιούλιο και όχι τον Αύγουστο. Πρόκειται για open-weight Mixture of Experts μοντέλο με συνολικά 2,8 τρισεκατομμύρια παραμέτρους, από τις οποίες ενεργοποιούνται περίπου 104 δισεκατομμύρια κατά την εκτέλεση.
Το Kimi K3 διαθέτει native vision και context window ενός εκατομμυρίου tokens. Η αρχιτεκτονική του χρησιμοποιεί Kimi Delta Attention, Attention Residuals και πολύ υψηλό MoE sparsity, με 16 από συνολικά 896 experts να ενεργοποιούνται ανά token.
Το μέγεθός του είναι εντυπωσιακό, όμως μεγαλύτερη σημασία έχει το γεγονός ότι τα πλήρη weights έγιναν διαθέσιμα. Αυτό δημιουργεί μια διαφορετική μορφή ανταγωνιστικής πίεσης απέναντι στα proprietary μοντέλα των αμερικανικών εταιρειών. Ένα σύστημα μπορεί πλέον να συνδυάζει frontier-level δυνατότητες, τεράστιο context window και δυνατότητα self-hosting ή προσαρμογής από τρίτους.
Η Apple ακολουθεί διαφορετική διαδρομή στην Κίνα
Στις 14 Αυγούστου προστέθηκε ακόμη μία εξέλιξη, αυτή τη φορά από την Apple. Η εταιρεία έχει εκπαιδεύσει δικό της large language model ειδικά για την κινεζική αγορά με υποστήριξη της Alibaba.
Η στρατηγική διαφέρει από την προηγούμενη προσέγγιση, η οποία βασιζόταν κυρίως σε κινεζικά μοντέλα τρίτων. Η έκδοση του Apple Intelligence για την Κίνα αναμένεται παράλληλα να χρησιμοποιεί το Qwen της Alibaba και τεχνολογία της Baidu.
Η υπόθεση έχει ιδιαίτερη σημασία λόγω του κινεζικού κανονιστικού πλαισίου. Η εφαρμογή αυτής της στρατηγικής θα μπορούσε να καταστήσει την Apple την πρώτη ξένη εταιρεία που προσφέρει στην Κίνα δικό της proprietary generative AI model με την απαραίτητη έγκριση. Ο ακριβής ρόλος του μοντέλου της Apple σε σχέση με τα Qwen και Baidu δεν έχει ακόμη αποσαφηνιστεί πλήρως.
Ο ανταγωνισμός των AI μοντέλων έχει αλλάξει χαρακτήρα
Η διαδοχή Grok 4.6, Gemini 3.7 Flash και GLM-5.3 μέσα σε τρεις ημέρες είναι ίσως η καλύτερη ένδειξη της νέας πραγματικότητας. Το Kimi K3 προσθέτει την πίεση των τεράστιων open-weight συστημάτων, ενώ η Apple δείχνει ότι η ανάπτυξη proprietary μοντέλων συνδέεται πλέον άμεσα με γεωπολιτική, κανονισμούς και πρόσβαση σε εθνικές αγορές.
Τα νέα μοντέλα AI δεν ανταγωνίζονται πλέον σε έναν μόνο άξονα. Intelligence scores, coding, agentic execution, context length, token efficiency, API pricing, cybersecurity και δυνατότητα open deployment εξελίσσονται ταυτόχρονα.
Για τις επιχειρήσεις αυτό σημαίνει ότι η επιλογή ενός μοντέλου δεν μπορεί πλέον να θεωρείται μακροχρόνια τεχνική απόφαση. Ένα μοντέλο που σήμερα προσφέρει τον καλύτερο συνδυασμό απόδοσης και κόστους μπορεί μέσα σε λίγες εβδομάδες να ξεπεραστεί από ένα φθηνότερο ή πιο αποτελεσματικό σύστημα. Η πραγματική ανταγωνιστική μάχη μεταφέρεται επομένως από το ποιος έχει απλώς το ισχυρότερο μοντέλο, στο ποιος μπορεί να βελτιώνει, να τιμολογεί, να διανέμει και να αντικαθιστά τα μοντέλα του ταχύτερα.
Και με τον ρυθμό των τελευταίων εβδομάδων, ακόμη και η έννοια της «τελευταίας έκδοσης» αρχίζει να έχει εξαιρετικά μικρή διάρκεια ζωής.
