A Konstanzi és a Stuttgarti Egyetem kutatói merőben új megközelítést alkalmazva, kaotikus pályán keringő részecskéket folyadékalapú számítógéppé alakítottak. A „folyékony hardver” pontosságban még jelentősen elmarad a szilárdtest-memrisztoros riválisoktól. (A memrisztor a memory (memória) és a resistor (elektromos ellenállás) szavak összevonása, olyan passzív elektromos elem, amelynek az elektromos ellenállása nem állandó, hanem a múltbeli állapotától függ.)

A rendszer hagyományos áramkörök helyett mikroszkopikus részecskék kölcsönhatásaira épül. 

A hardver egyetlen csepp víz-lutidin folyadékkeverékben felfüggesztett négyszáz darab, egyenként három mikrométer sugarú szilícium-dioxid gömb. A gömbök egyik oldala vékony (nyolcvan nanométer) szénréteggel van bevonva. 532 nanométeres lézer melegíti ezt a szénsapkát, ami a részecskét a kijelölt célpont felé hajtja.

A részecskék leképezése és a lézersugár újrapozicionálása közötti minimális időkéslekedés miatt a mikrogömbök túllőnek a célponton. Ennek következtében kisméretű, kaotikus pályájú keringésbe (mikro-oszcillációba) kezdenek.

Amikor külső adatot (bemeneti jelet) vezetnek a rendszerbe, megváltozik a hidrodinamikai áramlás. A folyadékon keresztül összekapcsolt részecskék kollektív mozgással válaszolnak rá. A komplex mintázatot egy hagyományos számítógép kamerán keresztül követi, majd matematikai algoritmusokkal alakítja át kimeneti adattá.

A rendszer képes volt nagy pontossággal előrejelezni egy hírhedten kaotikus matematikai idősort. Sikeresen azonosított olyan rejtett hibákat és eltéréseket a bemeneti adatokban, amelyek a jel átlagát, szórását és rövidtávú autokorrelációját teljesen változatlanul hagyták.

Ezek a képességek rendkívül hasznosak lehetnek a zajos, valósidejű adatok, például akár katasztrófákat előrejelző, szeizmikus mérések vagy klímarekordok finom változásainak észlelésében.

A folyékony számítógép egyelőre azonban több okból is alulmarad a szilárdtest-konkurenciával szemben.

Tízszer nagyobb a hibaarány, mint a memrisztor-alapú neuromorf chipeknél, azaz az emberi agy szerkezetét és működését mintázó hardvereszközöknél.

Túl bonyolult a kiszolgáló infrastruktúra: bár maga a folyadék elvileg energiatakarékos lenne, jelenleg egy, száz kHz-es akusztikai-optikai terelővel ellátott lézer, valósidejű mikroszkópos részecskekövető rendszer, hőmérséklet-szabályozott kvarc-cella és egy hagyományos számítógép szükséges az adatok feldolgozásához, a működtetéshez. Mivel a róla írt tanulmány nem közölt pontos energiahatékonysági adatokat, gyengül a gyakorlati összehasonlíthatóság.

A kutatók elismerték, hogy a lézervezérelt laboratóriumi összeállítás ebben a formában nem alkalmazható a mindennapi gyakorlatban. A jövőben lézerek helyett lényegesen egyszerűbb és jobban integrálható elektróda-vezérelt kolloid rendszerekkel szeretnének kísérletezni. Így megnyílhatna az út az energiatakarékos intelligens szenzorok (edge sensing) és az információfeldolgozásra számítógépes chipek helyett magát a fizikai környezetet használó, biológiailag inspirált eszközök előtt.

A Microsoft bejelentette a multiágenses sebezhetőség-azonosító rendszerébe integrált MAI-Cyber-1-Flash kompakt biztonsági modellt. A modell kilencvenhat százalékos pontosságot ér el a CyberGym-en, a kód sebezhetőség-észlelés iparági mércéjén. Ezzel a teljesítménnyel felülmúlta a Google és az OpenAI hasonló rendszereit, miközben a költségeket a korábbi GPU-5.4 zászlóshajó modelljéhez képest a felére csökkentette. 

A hatékonyságnövekedés a többszintű megközelítésből származik: a MAI-Cyber-1-Flash a rutin sebezhetőség-vizsgálati feladatok kilencven százalékát kezeli, a költségesebb GPT-5.4 modellt pedig a kivételesen összetett esetek tíz százalékára tartja fenn. 

A Microsoft az áttörést a folyamatos biztonsági monitorozáshoz szükségesnek tartja egy olyan korban, amikor a mesterséges intelligencia által vezérelt támadások felgyorsulnak, és az egyes hibák felkutatásának költségei drámaian csökkentek. 

A modell a nagyvállalat évtizedek óta tartó belső biztonsági adataira épül, beleértve a személyazonossági, végponti, számítási felhőbeli és hálózati infrastruktúrán keresztüli napi több billió jelet, valamint egy, az új sebezhetőségek és kihasználási lehetőségek megjelenésekor az észlelést javító, folyamatos megerősítéses tanulási ciklust. 

A vállalat elindította a Perception új ágenses biztonsági rendszert is. A sebezhetőségek azonosításán túlmutató szélesebb körű biztonsági munkafolyamatokban a MAI-Cyber-1-Flash-t fogja használni.

A rendszer háromféle MI-ágenscsoport tevékenységét hangolja össze: a támadói útvonalakat felkutató vörös csapat, a kockázatok jelentőségét meghatározó kék csapat, valamint a javításokat elvégző zöld csapat ágensekét.

Satya Nadella vezérigazgató szerint a kezdeményezés jó példa arra, miként érhet el a vállalat befektetett dolláronként jobb eredményeket biztonsági rendszereinek egyetlen mesterségesintelligencia-modellcsaláddal történő összekapcsolása nélkül.

A Neumann János Számítógéptudományi Társaság (NJSZT) ICDL Mesterséges Intelligencia modulja bevezet a szerteágazó terület napról napra növekvő lehetőségeibe, célja a biztonságos és tudatos MI-használat oktatása. Bemutatja a gépi tanulást, a neurális hálókat, a generatív eszközöket és chatbotokat, a promptolás alapjait, valamint az MI etikai és jogi korlátait.

„Jelen jegyzet célja, hogy átfogó ismereteket adjon át a mesterséges intelligencia fogalmáról, fejlődéséről, képességeiről és korlátairól, valamint a jelenlegi legismertebb és legelterjedtebb változatairól, az olyan nagy nyelvi modellekről, mint pl. a ChatGPT, a Copilot, a Gemini stb. A bemutatott anyag csupán a „jéghegy csúcsa”. A mesterséges intelligencia tudománya több évtizedet ölel fel, rengeteg különböző kutatási iránnyal rendelkezik, mélyebb elsajátításához pedig komoly matematikai és informatikai ismeretek, hosszú éveken át tartó tanulás szükséges. Bízunk benne, hogy a jegyzet révén érthetőbbé, átláthatóbbá válik ez a terület, és bátorítunk mindenkit, hogy amennyiben az olvasottak felkeltették az érdeklődését, mélyebben is kezdjen el foglalkozni a területtel” – áll az anyag bevezetőjében.

A titokzatossággal övezett MI-t demisztifikáló modul célcsoportja diákok, tanárok és lényegében mindenki, aki meg akarja érteni a jelenlegi digitális világ alapjait, a kort, amelyben élünk. A tananyag ingyen letölthető; mintegy százoldalas hivatalos jegyzet és e-learning anyag áll rendelkezésre a Mesterséges intelligencia NJSZT oldalon. A modul vizsgarendszere gyakorlati és elméleti feladatokkal méri fel a megszerzett tudást.

Az MI tananyagfejlesztés ugyanakkor nehéz feladat, mert széles és komplex terület sok elágazással, mérföldkővel. Egy tananyag befogadhatóvá tétele szintén komoly kihívás, mert veszélyeztetheti a pontosságot. Mivel az egyik, ha nem a legdinamikusabban fejlődő ICT-terület, havonta, sőt, már-már hetente jelennek meg a naprakészséget akadályozó új modellek, technológiák. Mindezek mellett az átfogó tudás és a gyakorlati alkalmazhatóság nehéz egyensúlyát is meg kell találni.

A május huszonnyolcadikán bemutatott, kisebb, tíz-tizenöt perces egységekre bontott, háromórás e-learning változat kicsit más, mint a szöveges, a tanuló rögtön az elején a gyakorlat mélyvízébe kerül, megismerve a ChatGPT-t. Eközben a terület történetéről, a technológia működéséről is beszerezhet elméletibb ismereteket. A Teachable Machine ingyenes oktatóplatform pedig különösebb programozói ismeretek nélkül teszi lehetővé bárkinek gépitanulás-modellek létrehozását.

A gyors fejlődés miatt a modul tartalma időről időre módosulni fog, frissítve, aktualizálva lesz.

Új korszakot nyitva a légi közlekedésben, Japán hivatalosan is bemutatta első repülő autóját, Elegáns megjelenésével, futurisztikus belső terével és fejlett műszaki megoldásaival a jármű immár készen áll a kereskedelmi forgalomba hozatalra. 

Az autó piacra kész állapota történelmi jelentőségű. A sokáig csupán sci-fikben és ambiciózus prototípusok formájában létező koncepció végre valósággá vált, bepillantást engedve a mobilitás következő évtizedekbeli fejlődésébe.

A terület japán úttörője, a SkyDrive startup által fejlesztett jármű külső és belső kialakítása az innováció és hatékonyság egyensúlyát tükröző tervezési filozófiára utal. A mérnökök nemcsak látványos, hanem a mindennapi használat során is praktikus autó létrehozására törekedtek. Ennek érdekében a biztonságot és a hatékonyságot mind közúti, mind légi üzemmódban garantáló fejlett rendszereket építettek bele.

Valójában függőleges fel- és leszállásra képes elektromos repülőgépről (eVTOL) van szó, amelyet nem a hagyományos közúti autók lecserélésére, hanem a nagyvárosi dugók feletti, rövid távú légi közlekedésre terveztek.

Mérföldkő a légi közlekedési megoldások fejlesztéséért folytatott globális versenyben. Miközben vállalatok világszerte kísérleteztek prototípusokkal, Japán készsége a repülő autó piacra dobására aláhúzza az ország elszántságát, hogy vezető szerepet töltsön be a feltörekvő ágazatban. A jármű várhatóan a korai alkalmazók és a technológia rajongói számára lesz vonzó, miközben szélesebb körű vitákat is indít az infrastruktúráról, a szabályozásról és a városi mobilitás jövőjéről.

A technikai képességeken túl a bevezetés szimbolikus jelentőséggel is bír. Bemutatja Japán azon képességét, hogy a mérnöki kiválóságot a jövőbe mutató ambíciókkal ötvözi, úttörővé téve az országot a városi és a régiók közötti közlekedés újraértelmezésében. A repülő autó nem pusztán termék, hanem a közlekedés határait újradefiniáló szándéknyilatkozat is.

Ahogy a jármű belép a piacra, a figyelem arra fog irányulni, hogyan reagálnak a fogyasztók, és hogyan alkalmazkodnak a politikai döntéshozók a repülő autók meglévő rendszerekbe való integrálásának kihívásaihoz.

Kína legfőbb internetszabályozó hatósága július végén társadalmi véleményezésre bocsátotta az online zaklatás (cyberbullying) elleni törvénytervezetet. Cél az online környezet javítása, egyének és szervezetek jogainak védelme az online térben. A hatvan cikkelyből álló tervezetet augusztus végéig lehetett nyilvánosan észrevételezni.

Az elmúlt években az ország prioritásként kezelte online ökoszisztémájának irányítását, a zavarok csökkentését és az egészséges digitális környezet előmozdítását. Zaklatási esetek azonban továbbra is fennállnak, megzavarva a digitális tér rendjét, károsítva az ottani üzleti környezetet. A probléma kezelésének szilárd jogi alapjainak megteremtéséhez magas szintű jogszabályokat tartanak szükségesnek.

A tervezet a cyberzaklatást olyan koncentrált vagy tartós online cselekményként határozza meg, amely sérti a törvényes jogokat, beleértve a hírnevet, a becsületet, a magánéletet és a személyes adatokat (privacy). Ilyen cselekmények például a sértések, pletykák, gyűlöletbeszéd, megosztó tartalom, fenyegetések és diszkriminatív megjegyzések tömeges terjesztése. A személyes adatok jogellenes nyilvánosságra hozatala, valamint a folyamatos online megfélemlítés és zaklatás is idetartozik.

A tervezet az összehangolt válaszlépések kidolgozása céljából felvázolja az internetes platformok, a kormányzati szabályozók és az igazságügyi hatóságok felelősségét az online zaklatás kezelésében. Az internetes platformoknak mechanizmusokat kell bevezetniük a felhasználók regisztrációjára, a fiókkezelésre, az adatvédelemre, a tartalom felülvizsgálatára, a monitorozásra és a korai figyelmeztetésre, az esetek kezelésére és a panaszok bejelentésére.

A cybertér szabályozó hatósága – az oktatási, közbiztonsági, távközlési, polgári ügyekért felelős, kulturális és turisztikai, egészségügyi, valamint műsorszolgáltatási hatóságokkal együttműködve – az online zaklatás kezelésében a fokozatosság elvét alkalmazó szabályozási keretrendszer kialakítását kapta feladatként. A besorolás alapjául a jogsértés típusa, az érintettek száma, a hatás kiterjedtsége és az okozott kár súlyossága szolgálna.

A tervezet emellett megtiltja bármely szervezet vagy magánszemély számára technikai támogatás (internethozzáférés, szerverhoszting, adattárolás, kommunikációs adattovábbítás) vagy online zaklatással kapcsolatba hozott szolgáltatások (forgalombiztosítás, finanszírozás, hirdetés és fizetési szolgáltatások) nyújtását, amennyiben tudomásuk van arról, hogy zaklatás zajlik. Ugyanezen feltételek mellett tiltja a személyes adatok értékesítését vagy átadását, valamint a telefon-, az IoT-eszközökben (dolgok internete) használt kártyák és az online fiókok értékesítését, bérbe- vagy kölcsönadását is.

Egy évvel azt követően, hogy bemutatták a maga nemében egyedülálló, ultragyors adatfeldolgozásra és vezeték nélküli jelek kezelésére képes, „mikrohullámú agyként” (microwave brain) működő mikrochipet, a Cornell Egyetem Duffield Mérnöki Karának kutatói demonstrálták, miként képes a chip saját nyelvére kódolni az információkat.

Az alacsony energiaigényű eszköz a mikrohullámok fizikáját, a nemlineáris mikrohullámú fizika törvényszerűségeit hasznosítva utánozza az agy mintafelismerő képességét, és szinte azonnal elvégezni a számításokat. A rádiójeleket és az adatokat saját, belső digitális nyelvre fordítja le. A nagy nyelvmodellekhez (LLM-ekhez) hasonló mikrohullámú token-beágyazásokat (token embeddings) használ. 

A kutatók trópusi viharrendszer műholdképének rekonstruálásával bizonyították a chip hatékonyságát. A kép főbb jellegzetességeit megőrizve, nyolcadára csökkentette a továbbítandó adatmennyiséget.

A hagyományos chipekkel ellentétben nem lépésről lépésre, digitális órajel szerint számol. Helyette közvetlenül a frekvenciatartományban, analóg hullámformákkal dolgozik.

Fogyasztása rendkívül alacsony, a mikrohullámú neurális hálózat a klasszikus chipek igényének töredékét, kevesebb mint kétszáz milliwatt energiát fogyaszt.

Mivel minden mikrohullámú neurális hálózat saját fizikai jellemzőkkel rendelkezik és frekvenciák széles skáláját állítja elő, különféle érzékelési és számítási feladatokhoz konfigurálható át.

A kutatók úgy vélik, hogy a technológia a hardveralapú cyberbiztonság új formáját kínálhatja. Egy átvitt jel megfejtéséhez nem csupán újabb mikrohullámú neurális hálózatra lenne szükség, hanem az annak konfigurálásához használt helyes sorozatra is, „szinte úgy, mint a nyilvános-privát kulcsokon alapuló rendszerek esetében” – magyarázza Bal Govind, a hálózat tervezője. A saját maga által generált egyedi nyelv miatt a vezeték nélküli kommunikációt sokkal védettebbé teheti.  

Az újítás a műholdas kommunikációban is hasznosulhat. A kisméretű műholdak (CubeSat-ok) a szigorú frekvenciaszabályozások és az energiahiány miatt eddig nem tudtak nagy felbontású képeket küldeni a Földre. Ezzel a chippel viszont nyers adatok helyett tömörített, lényegi információkat sugározhatnak.

Az IBM és kutatópartnerei bejelentették, hogy három független kísérletben elérték a „kvantumelőnyt” (quantum advantage), bizonyítva, hogy kvantumszámítógépeik a leggyorsabb klasszikus szuperszámítógépeknek is évekig tartó, hasznos feladatokat képesek végrehajtani percek alatt. A mérföldkő igazi újdonságaként a kutatóknak sikerült megoldaniuk a kvantumszámítás-ipar legnagyobb dilemmáját: olyan tartományokban is matematikailag igazolták és ellenőrizték az eredmények pontosságát, ahol a klasszikus számítógépek már képtelenek a válaszok ellenőrzésére.

A bejelentés azért kiemelten fontos az IBM számára, mert a vállalat nemrégiben történetének egyik legnagyobb tőzsdei visszaesését szenvedte el, így a kvantumtechnológia kereskedelmi sikere kulcsfontosságúvá vált a jövőbeli növekedés szempontjából.

Az IBM a Chicago Egyetem kutatóival, a japán RIKEN Intézettel, valamint olyan kvantumszoftver-startapokkal együttműködve, mint az Algorithmiq és a Qedma, hármas tudományos cikket publikált.

Az IBM és a Chicagói Egyetem új hibajavító eljárással hetven logikai kvantumbit (qubit) kódolásával mindössze tizenöt perc alatt oldott meg egy korábban megoldhatatlan problémát (logikai áramkörök hibajavítása).

Az Algorithmiq-kel közösen végzett szimuláció során heterogén kvantumanyagok viselkedését modellezték. Az anyagtudományi áttörés közvetlenül hasznosítható az akkumulátorok, új anyagok és a fúziós energia kutatásában.

A tavaly indult Quantum Advantage Tracker platformra feltöltötték az eredményeket, és kihívták a globális tudományos közösséget, hogy próbálják meg hagyományos szuperszámítógépekkel megcáfolni vagy reprodukálni azokat.

Amikor a Google 2019-ben bejelentette a „kvantumfölényt” (quantum supremacy), a valóvilágban nem praktikus matematikai feladatot (véletlenszám-generálást) futtatott le. Az akkori kritika beigazolódott: a kvantumfölény nem egyenlő a gyakorlati haszonnal. A mostani bejelentés ezzel szemben valós fizikai és kémiai folyamatok szimulációjára épül, ráadásul beépített validációs módszereket használ, így az eredmények pontosak és megbízható0k.

A kísérleteket az IBM legújabb, Quantum Heron R3 szupravezető kvantumprocesszorain végezték.
A vállalat dedikált kvantumchip-gyártó üzemet épít, és egymilliárd dolláros támogatást kapott hozzá az amerikai kormánytól, amelyet saját forrásból további egymilliárddal egészít ki.

Nemrég megállapodtak a Boeing és a GM közös kutatóintézetének, a HRL Laboratories-nak a felvásárlásáról, hogy megszerezzék a szilícium-spin qubit technológiát.

Az IBM következő komoly mérföldköve a Starling nevű, teljesen hibatűrő kvantumszámítógép lesz. A tervek szerint 2029-re a számítási felhőből elérhető gép kétszáz logikai kvantumbittel már több mint százmillió precíz kvantumművelet elvégzésére lesz képes.

Az Európai Unió tízmilliárd eurós támogatási programot indított hét óriási mesterségesintelligencia-adatközpont (AI gigafactory) felépítésére, hogy a hatalmas technológiai versenyfutásban csökkentse lemaradását az Egyesült Államokkal és Kínával szemben.

Az Európai Bizottság várakozásai szerint a közpénzből nyújtott finanszírozás további húszmilliárd euró magánbefektetést vonz majd a szektorba.

A megnövekedett tagállami érdeklődés miatt az EU az eredetileg tervezett öt helyett a komoly mértékben növekvő kapacitást jelentő hét gigagyár építését tűzte ki célul.

A legnagyobb eséllyel azok az országok pályáznak, amelyek tagjai a közös beszerzési megállapodást aláíró tizennyolc tagállamból álló csoportnak (köztük Németország, Franciaország, Olaszország, Spanyolország, Lengyelország, Svédország stb.).

Az EU már korábban kijelölt hat dedikált MI gyárközpontot. Az ezeknek otthont adó országok – Spanyolország, Lengyelország, Hollandia, Csehország, Románia és Litvánia – meglévő ökoszisztémájuk miatt kiemelt esélyesek a gigagyár szintre lépésre.

Magyarország szintén bekapcsolódott a folyamatba. Hazánk a meglévő hálózatban úgynevezett AI Factory Antenna (társközpont) státuszt kapott, ami jó tárgyalási alapot és partnerségi lehetőséget biztosít a most induló gigaprojekt konzorciumaiban.

Mivel a gigagyárak működtetése elképesztő mennyiségű áramot igényel, a végső helyszínek kiválasztásánál az EU nemcsak a technológiai felkészültséget, hanem a stabil és zöldenergia-ellátást, valamint a magántőke mozgósításának képességét is szigorúan mérlegeli.

A számítási teljesítmény brutálisan fog növekedni. Minden egyes létesítményt legalább százezer csúcskategóriás MI-chippel szerelnek fel, így négyszer erősebbek lesznek a jelenlegi uniós adatközpontoknál.

Az új infrastruktúra több mint a kétszeresére növeli az EU jelenlegi, tizenkilenc adatközpontból álló hálózatának kapacitását.

A vállalatok már benyújthatják a pályázataikat, az ütemtervek szerint az új gigagyárak 2028 közepére állnak munkába.

Az Európai Bizottság szerint a gigagyár-hálózat elengedhetetlen a technológiai szuverenitás megőrzéséhez. Attól tartanak, hogy a külföldi szolgáltatóktól való digitális függőséget a geopolitikai partnerek fegyverként fordíthatják a kontinens ellen.

A helyzetet tovább élezi, hogy az Egyesült Államok folyamatosan bírálja az EU technológiai szabályozásait, miközben az USA-val évek óta „high-tech háborúban” álló Kína korlátozza az iparág számára létfontosságú ritka földfémek és ásványok exportját.

Az új létesítmények fejlett processzorokat, felhőszámítási technológiát és nagy sebességű adatkapcsolatot kombinálnak majd, szigorúan betartva az EU adatvédelmi és etikai előírásait.

Az Anthropic kutatói a Claude mesterségesintelligencia-modellt használva fedeztek fel két kriptográfiai támadást. A támadások, sőt, már eleve a sikerük lehetősége titkosító algoritmusok valós matematikai gyengeségeit tárják fel. 

Az első módszer korábban észrevétlen szimmetriát azonosít a HAWK-ban, az NIST (Szabványok és Technológiák Nemzeti Intézete, USA) által jelenleg vizsgált posztkvantum digitális aláírási eljárásban. A felfedezéssel a HAWK tényleges kulcserőssége a felére csökkent. 

A második módszer kétszáz-nyolcszázszorosára gyorsítja az AES, a Fejlett Titkosítási Szabvány egyik legyengített változatát célzó támadásokat. 

Bár egyik sem jelent közvetlen veszélyt a már élesben működő rendszerekre – mivel a HAWK még nem került gyakorlati alkalmazásba, az AES elleni támadás pedig csak egy hétfordulós változaton működik –, a felfedezések jól jelzik a mesterséges intelligencia kriptográfiai képességeinek gyors fejlődését, ami nyugtalanságra ad okot. 

A modell hatvan órán keresztül, minimális emberi irányítás mellett, félautonóm módon dolgozott, főként szakirodalmi áttekintéseket és matematikai kísérleteket végzett. A HAWK-kal kapcsolatos áttörés annak ellenére jelentősebb eredmény, hogy az NIST posztkvantum-szabványosítási versenyének keretében szakértők két éven át vizsgálták az eljárást. A kutatók mintegy százezer dollárnyi API-költség (alkalmazásprogramozói felület) ráfordításával olyan strukturális gyengeséget azonosítottak, amelynek létezését matematikusok korábban elméleti síkon már feltételezték, ám a HAWK tényleges implementációjában eddig senkinek sem sikerült kimutatnia. 

Az Anthropic a HAWK szerzőivel egyeztetve, koordinált módon hozta nyilvánosságra az eredményeket, és közzétette a nagy nyelvmodellek (LLM-ek) kriptoanalitikai képességeit mérő CryptanalysisBench nevű tesztkörnyezetet.

A METR (Model Evaluation and Threat Research) nonprofit mesterségesintelligencia-biztonsági szervezet bevezetett egy új pénzügyi és képességbeli mutatót, a „kiadási horizontot” (expenditure horizon). A mérőszám azt a költséghatárt határozza meg, ahol az MI-ágensek ugyanazon problémák megoldása során drágábbá válnak az embereknél.

Azaz a METR hivatalos módszert kínál annak kiszámítására, hogy a folyamatosan értékelt feladatoknál pontosan mikor válnak a hús-vér szakemberek gazdaságosabbá és költséghatékonyabbá, mint az autonóm ágensek. Megmutatja azt a pontos költségvetési küszöböt, ahol az emberi befektetés megtérülése keresztezi és meghaladja az ágensek hatékonyságát. A mutató nemcsak az alapvető API (alkalmazásprogramozói felület) díjakat követi, hanem az ágensek munkafolyamatainak valós, teljes költségét értékeli.

Míg a korábbi teljesítménytesztek arra fókuszáltak, hogy az MI milyen gyorsan vagy mennyi ideig tud dolgozni (mint a METR „Feladat-végrehajtási időhorizontja”), ez a keretrendszer a többlépcsős ágens-munkafolyamatok futtatásának halmozódó anyagi valóságát vizsgálja.

A szervezet a NanoGPT „speedrun” (nyelvmodell-tanítást optimalizáló közösségi projekt) keretében tesztelte a mutatót. Az emberek nagyjából egy százalékos sebességnövekedést értek el, egyenként becsült 2500 dolláros költséggel. Amikor hat MI-modell dolgozott ugyanazon a feladaton, legfeljebb 10 000 dolláros számítási költségkerettel, vegyes eredmények születtek: a GPT-5 és az Opus-4.1 nem ért el érdemi előrelépést, míg a GPT-5.5 és az Opus-4.8 1–1,5 százalékos javulást produkált, alacsony négyjegyű kiadási horizont mellett. 

Ezek az eredmények elenyészőnek számítanak a projektre eddig fordított, becslések szerint 250 ezer dollár értékű emberi munkaerő-ráfordításhoz képest. A METR azonban csak régebbi modelleket vizsgált; az újabb kiadások, például a problémamegoldó teszteken drasztikus javulást mutató Opus 5, kimaradtak a vizsgálatból, pedig ezek jelentősen megváltoztathatnák az összképet. 

A tanulmány legnagyobb hiányossága, hogy kizárólag az autonóm MI-alapú optimalizálást méri, nem pedig a kutatások többségét valójában meghatározó hibrid, ember és MI együttműködésén alapuló munkafolyamatokat.