A Fable-nél átadod a kormányt, és a modell viszi végig
x.com · @brada
+3
A hét legszemélyesebb szála a Fable köré rendeződött. Ez az Anthropic modellje, amit most egy időre visszaraktak az előfizetésekbe, július 7-ig: utána már csak API-n át lesz elérhető, brutálisan drágán, és a tervek szerint akkor kerül vissza a csomagokba, ha lesz rá elég kapacitás. Aki most hozzáfér, mást tapasztal, mint a megszokott napi modelleknél. A lényeg a munkamódban van: magasabb szinten fogalmazol meg egy feladatot, teljes ownershipet adsz át a modellnek, és tényleg leszállítja. Egy egész feladatot adsz át, és rábízod az utat.
Ez át is rendezi, hogyan osztod be a munkát. @brada szerint a Fable-t nem érdemes rutinmunkára pazarolni: a napi, ismétlődő részt vigye egy olcsóbb modell, és a Fable-t csak a nehéz döntésekhez hívd be. Theo ugyanígy dolgozik: a sok tokent evő részeket (kódbázis-átolvasás, gépi kattintgatás) más modellre bízza, és az eredményt viszi vissza a Fable-höz. A drága, ritka kapacitást a valódi ítéletre tartja.
Ehhez az átadáshoz egy tekerőgomb is tartozik: te döntöd el, milyen mélyen gondolkodjon a modell. Peter Gostev ugyanazt a promptot futtatta a Fable öt gondolkodási szintjén, és megépíttette vele Manhattant 3D-ben: alacsony szinten 12 perc alatt egy vázlatos város, a legmélyebb szinten közel 2 óra alatt egy részletgazdag, kidolgozott Manhattan. Ugyanabból a feladatból a tekerőgombbal döntöd el, mennyi mélységet és munkát kapsz.
A Fable körüli írások egyik visszatérő gondolata a „finding your unknowns": egy elég nagy modell megoldja a feladatot, és közben felszínre hozza azt is, amiről nem tudtad, hogy meg kellett volna kérdezned. Ott a legerősebb, ahol te sem tudod pontosan, mit keresel.
És ez a szint nem egyszeri: a következő ilyen modell már látótávolságban van. Sam Altman a hétvégén úgy fogalmazott, hogy nagyjából annyira ámul azon, hogy a GPT-5.6 új matematikát fedez fel, mint azon, hogy a kisebbik gyereke összerakta az első két szavát. A Fable megmutatta, milyen ez a szint; a GPT-5.6 a következő, és vezetőként erre készülni ma kezdődik, nem a megjelenés napján.
tanultál róla: …A frontier, amit az emberek 99 százaléka még sosem látott
x.com · @kimmonismus
+1
"We are the avant-garde, and I do not mean that arrogantly at all. 99 percent of people have no idea what is happening right now or how profound the change will be."
Ez magyaráz egy furcsaságot is. Peter Gostev (a Moonpig AI-vezetője) mutat rá: az emberek egy elenyésző töredéke használ Fable vagy hamarosan GPT-5.6 szintű modellt, mindenki másnak az AI a Google keresés összefoglalója, a Meta AI vagy az ingyenes ChatGPT szintjét jelenti. Egy jóval kisebb, gyengébb modellt. Kimmonismus (a legnagyobb AI-híraggregátor szerzője) ehhez teszi hozzá: a buborékon kívül alig ismer bárkit, aki tudná, mit jelentenek ezek az új modellek.
A jelenség két igazságot köt össze: a nagy nyilvánosság az AI-t a leggyengébb verzióján ítéli meg, és eközben zajlik a vita arról, hogy elveszi-e a munkánkat. Az emberek régi, hiányos információ alapján állnak a kérdéshez, mert a valódi élvonalat kézzelfoghatóan nem látták.
Az „avantgárd" szó könnyen hangzik gőgösen, és a szerzők is jelzik, hogy nem így értik. A használható tanulság a szakadék maga: amíg a képességugrás láthatatlan a többségnek, addig a félelmek és a várakozások is a régi valóságra épülnek. Aki a friss valóságból dolgozik, az más térképen navigál.
tanultál róla: …A friss adat: az AI-t komolyan használó cégek bővítenek
x.com · @arakharazian
+1
"Firms that adopt AI heavily grow headcount 10% over two years following adoption. Low adopters see no statistically significant change."
Ha a képesség tényleg ekkorát ugrott, jön a kérdés, amire eddig inkább csak tippeltünk: elviszi-e az AI az állásokat? Ara Kharazian (a Ramp közgazdásza) friss kutatása a Ramp és a Revelio Labs adataira épül, 21 ezer amerikai cég valós költését és létszámát nézve. Az eredmény szembemegy a rémhírrel: az AI-t erősen adoptáló cégek a bevezetés után két évvel 10 százalékkal növelték a létszámukat, az alig-adoptálóknál nincs érdemi változás.
A másik oldalról ugyanezt látjuk a keresletben. Kimmonismus szerint az Anthropic üzleti oldala tanulmányozásra érdemes: 2025 végén és 2026 elején olyan mértékben nőtt a vállalati használat, hogy piacvezető lett. A makró-szám és egyetlen szereplő mozgása ugyanazt mondja: a cégek egyre inkább a működésükbe kötik az AI-t.
Fontos a korlát: ez korreláció, és amerikai cégeken mérték. De először van egy cégszintű, valós adaton nyugvó mérés arról, mi történik a foglalkoztatással, nem újabb vélemény. A leggyakoribb félelemre most van mire hivatkozni.
tanultál róla: …A modell bérelt: a Palantir CEO-ja szerint a valódi asset az adatod és a workflow-d
x.com · @PalantirTech
+2
A Fable épp mutatja az érem másik oldalát: a modell, ami ma a fiókodban van, holnap a méregdrága API mögé kerül. Ugyanezt a feszültséget mondta ki Alex Karp, a Palantir vezérigazgatója a CNBC-n: a vállalatok tokenért fizetnek, miközben a saját tudásuk és adatuk a modellgyártóhoz vándorol.
"What the technical customers want is control over their compute, their models, their data stack, and their alpha. They want to know they own the means of production, and it's not being transferred to someone else."
A másik oldalról az árak feszítik ugyanezt, és erről szól a mi friss elemzésünk is: Gaál Norbert (a 1337 és az AI Budapest társalapítója) a token-gazdaságról írt, és egy kétsebességű piacot ír le: a középmezőny ára zuhan, a frontier prémium marad. A kínai, nyílt forrású GLM 5.2 milliónkénti token-ára 0,93 és 3 dollár, miközben a frontier modelleké ennek a többszöröse (a Claude Sonnet 5 nél 2 és 10 dollár, a skála tetején a legdrágább csomagoknál pedig 30 és 180 dollár). A nyílt modellek felzárkóznak a legjobbakhoz, töredék áron.
A tartós érték a te oldaladon áll, a data-kontextusodban, a skilljeidben, a workflow-idban, és mi is pontosan ezen dolgozunk. A modell mögötte cserélhető réteg, ma Fable, holnap GLM vagy GPT. Aki a működését egyetlen frontier szolgáltatóhoz köti, stratégiai függőséget épít.
Vezetőként ez élesíti ki az AI-transzformáció első döntését. A tét egy olyan réteg, ami a tiéd marad, és mögé bármelyik modellt beteszed, aszerint, mit kíván a feladat és a költség. Egyetlen szolgáltatóhoz kötni a működést stratégiai függőség.
tanultál róla: …Kérj egy számot 1 és 10 közt: 7 lesz. Ezért számít a te kontextusod
x.com · @rshottonHa a saját asseted a kontextusod, érdemes látni, mi történik nélküle. Egy egyszerű, de sokat mondó kísérlet Richard Shottontól (a Choice Factory szerzője, viselkedéskutató): kérj a ChatGPT-től egy számot 1 és 10 közt, jó eséllyel 7-et ad. Kérdezd újra, valószínűleg 3-at. A modell első válasza gyakran az „átlag": a legnépszerűbb emberi válaszok keveréke (a 7 sokak kedvenc száma, a 3 a második).
Ha csak odaveted a kérdést, az átlagot kapod vissza, ugyanazt, amit bárki más. Az értéket az adja, amit te viszel bele: a szándékot, a célt, a céged saját kontextusát. Ez a különbség egy generikus válasz és egy olyan között, ami tényleg rólad szól.
Ezért nem elég a jobb modell vagy a jobb prompt-trükk. A megkülönböztető erő az, mennyi saját szándékot és kontextust töltesz bele, és pont ez az, amit versenytárs nem tud lemásolni rólad.
tanultál róla: …Az Artifacts kész, élő dolgot ad vissza, nem szöveget
x.com · @ClaudeDevs
+2
Ha feljebb lépsz a vezérlésben, a következő kérdés a kimeneté: mit kapsz vissza. A Claude Code Artifacts mostantól a Pro és a Max csomagban is elérhető, és a lényege pont ez: kérsz egy artifactot, a Claude megírja hozzá a kódot, közzéteszi élő oldalként, és menet közben frissíti, ahogy tovább dolgozik. Az eredmény egy önálló, azonnal használható és linken megosztható lap, amit sehová sem kell átmásolnod.
Ez vezetőnek azért fontos, mert megváltoztatja, mit jelent „elkészülni". Kérsz egy negyedéves riportot, és kapsz egy kattintható dashboardot. Kérsz egy döntés-előkészítőt, és kapsz egy interaktív oldalt, amit a kollégának is elküldhetsz. A munka végterméke egy működő dolog lesz, nem egy dokumentum a dokumentumról.
És nemcsak embernek szól. Pejman Pour-Moezzi megmutatja, hogy ugyanazt az artifactot több beszélgetés és több agent is olvashatja és írhatja egy URL-en keresztül, így lesz belőle élő, közös állapottábla. A képen egy ilyen „Fleet Deck" látszik: minden kártya egy futó Claude Code session, és maguk a sessionök frissítik a táblát.
Ehhez a szálhoz érkezik a másik oldalról a Notion is: új HTML-blokk került a Notionba. Megkéred az AI-t, hogy a tartalmadból csináljon interaktív magyarázót, prototípust vagy diagramot, és az ott, a Notion-oldaladon él, a csapat pedig együtt használja. Ugyanaz a minta két helyről: a HTML lesz a közös nyelv közted, a csapatod és az agent között, akár a Claude felületén, akár a napi munkaeszközödben.
Nálunk ez már a tervezés napi eszköze. A végeredmény is ilyen önálló HTML-lap (a kurzus, a prezik, a dashboardok), de a lényeg, hogy menet közben is ezen vezetjük együtt az agenteket: egy élő lapon látjuk, hol tartunk, mi a következő feladat, mit fejezett be. Az Artifacts és a Notion HTML most ezt a közös, élő munkafelületet hozza el bárkinek.
tanultál róla: …A modell kilép a képernyőből: papír, hang, e-tinta
x.com · @doooyle
+2
Ha a modell kész dolgot ad vissza, az a dolog nem muszáj, hogy a chat-ablakban maradjon. Ryan Doyle minden reggelre összeállíttat egy személyes újságot (olvasatlan üzenetek, naptár, időjárás, hírek), és kinyomtatja, hogy napközben kevesebbszer nyúljon a telefonhoz. A „Doyle Dispatch" szándékos súrlódás: a gép elvégzi a válogatást, az eredmény meg papíron van, ahol nincs értesítés és nincs végtelen görgetés.
A másik irány a hang. Morgan Linton szerint az év eleje óta feleannyit gépel: többet beszél a géphez, mint amennyit ír, mert diktálva gyorsabban jár, mint a billentyűzet. A diktáló eszközök egyre inkább a saját gépen, helyben futnak, felhő-kulcs nélkül. A szándék így követ téged eszközről eszközre, egyik felülethez sem láncolva.
A legszebb példa a héten Maxime Rivest-é: a Fable-lel a reMarkable-jét Tom Riddle naplójává alakította, a kézzel írt promptja elhalványul, és egy modell válaszol rá a lapon. Papír-érzet, mögötte egy frontier modell.
Külön-külön apró kísérletek, együtt viszont egy irányba mutatnak. A felület, amin az AI-jal dolgozunk, kezd feloldódni a papírba, a hangba, az e-tintába. A jó kérdés így az, hol tudsz vele tényleg fókuszálni és cselekedni.
Ugyanaz a képesség ipari méretben talál sebezhetőséget
x.com · @EpochAIResearch
+1
Ugyanaz a képesség, amivel egy modellnek átadod egy egész feladat végigvitelét, a másik oldalon falakat is talál. Az Epoch AI adata szerint 2026 júniusában 21 nagy szervezet együtt körülbelül 1500 kritikus és magas súlyosságú sebezhetőséget jelentett, több mint három és félszer annyit, mint a korábbi havi rekord, és a megugrás a Claude Mythos preview megjelenése után indult. Az Ethan Mollick szerint a Mythos körüli kiberbiztonsági félelem nem volt üres hype.
A fontos olvasat nem az, hogy az AI új fegyvert ad a támadóknak. Az, hogy a rendszereink eddig is tele voltak rejtett résekkel, amikről nem tudtunk: állami szervek, régi infrastruktúrák, évek óta futó kód. Most egy modell egyszerre, ipari tempóban találja meg őket.
Ezért a tudatos cégek most a másik irányba fordítják ezt: ezerrel futtatják a Fable-szintű modelleket a saját rendszereiken, hogy megtalálják és gyorsan befoltozzák a réseket, mielőtt más találja meg. Ugyanaz a képesség, ami feltárja a lyukat, be is tömi. Vezetőként a kérdés, hogy te futtatod-e le előbb a saját rendszereiden.
tanultál róla: …Az agentekkel dolgozni menedzsment, és erre képezni kell az embereket
x.com · @emollickHa a képesség adott, a szűk keresztmetszet az emberi oldalon van. Ethan Mollick szerint ahogy az agentekkel dolgozni egyre inkább menedzsmentre hasonlít, nagyszabású menedzsment-képzésre lehet szükség az AI-korra. Aki világosan meg tudja mondani, mit akar, hogyan, és mi a „jó", az boldogul az agentekkel, és a friss adatok szerint épp a menedzserek érik el a legjobb eredményt a coding agentekkel.
A történelmi párhuzam a lényeg. A második világháború alatt az USA egy hatalmas képzési programot futtatott (Engineering, Science and Management War Training), és ez a tömeges vezetői-műszaki képzés nagyban okozta a háború utáni gazdasági fellendülést. A képesség önmagában nem elég, a mellé adott képzés fordítja gazdasági erővé.
Vezetőként ez a hét legfontosabb tennivalója: a következő modellre nem elég előfizetni, fel is kell rá készíteni a csapatot. A versenyt végül az dönti el, ki tanulja meg gyorsabban vezetni.
tanultál róla: …További érdekességek
A szálak egy irányba mutatnak: az élvonal magasra jutott, a hozzáférés viszont bérelt. Egy modell, amit egy egész feladatra rábízol, aztán megy is a méregdrága API mögé; a nyílt alternatívák a töredékéért felzárkóznak; a tartós érték pedig a te adataidban, kontextusodban, skilljeidben van. Közben a valódi frontier a többségnek még láthatatlan, a friss adat mégis azt mondja, hogy az adoptálók bővítenek, a kimenet kész, élő dologgá válik és kilép a képernyőből, a képesség kétélű, ezért kér felelős keretet, és a versenyt végül az dönti el, ki képzi rá gyorsabban az embereit. A modell jön és megy. A kérdés, mi marad tartósan a tiéd.
Jövő héten folytatjuk.