Heti AI-hírlevél · ITLine

2026-W02   2026-01-05 — 2026-01-11   ·   9 forrás

W02 — A harness-év kezdete: Meta megveszi a Manust, Nvidia AI-gyárat ad el, Cursor a code review-t veszi célba

A 2026-os év első hete kimondja: nem a modell, a harness a szűkős erőforrás. Meta ~2 milliárd dollárért megveszi a Manus agentic platformot, Nvidia CES-en bemutatja a Vera Rubin AI-gyárat (10x token-költség-csökkentés), Cursor felvásárolja a Graphite code review-t, és a Ralph Wiggum-loop új mércét állít az iteratív verifikációra.

Bal oldalon egy 'modell mint motor' diagram, jobb oldalon egy 'harness mint autó' diagram — alatta CES-szerű színpad sziluett és egy Slack-szerű ablak markdown-listával

Az új év első hete úgy zárult, hogy aki visszanézett a héten történt vásárlásokra, az pontosan egy mintázatot látott: senki nem modellt vett. A Meta ~2 milliárd dolláros Manus-vétele december végén egy agent-platformot vitt el, a Cursor december 19-i Graphite-felvásárlása egy code-review pipeline-t — és közben az Nvidia a CES 2026 keynote-on, január 6-án nem chipet, hanem egy rack-szintű AI-gyárat mutatott be. A Vera Rubin platform 5x inference-teljesítményt és 10x alacsonyabb token-költséget ígér a Blackwellhez képest. A közös szál, ami ezen a héten kirajzolódott: 2026 nem a modellek éve, hanem a harness-eké (a modellt körülvevő, feladatra szabott eszköz- és folyamat-rétegé).

A héten többször visszatért gondolat, hogy ideje azt kérdezni, mi kell ahhoz, hogy egy ágens valóban befejezze azt a munkát, amit elindított — és ez az “actually finishes the work” mércéje már nem ugyanaz, mint a 2025-ös first-pass-quality. A Ralph Wiggum-loop, ami karácsony alatt vírusként terjedt, most fősodorba ért; a Latent Space hosszú epizódot adott az Artificial Analysisszel a benchmark-ház szemszögéből; Peter Yang demójában pedig levezette, miért az “all text files all the way down” lesz a 2026-os mantra. Az “agent” most már mérnöki rendszer — és aki ezt össze tudja szerelni, azt milliárdokért veszik meg.

Meta megveszi a Manust — a “harness mint termék” tézis

A CNBC december 29-én erősítette meg, hogy a Meta nagyjából 2 milliárd dolláros értékelésen vásárolta meg a Manust (Butterfly Effect Pte Ltd, Szingapúr). A Manus egy autonóm agent-platform: hosszan futó tool-call-loop (a modell sorra hív meg külső eszközöket, és a kimenetükre építve lép tovább), ami egy célt megkap és azt befejezi — kutat, kódol, adatot elemez, weboldalt épít, prezentációt készít. A különbség nem a képesség-menüben van, hanem abban az általánosan skálázó interakció-mintában, amit a csapat ki tudott alakítani.

Ami az érdekes itt, az a valuáció indoklása. A Manus-csapat 2025 nyarán publikus blogposztban tárta fel, hogyan érték el a hosszan futó agentek megbízhatóságát: KV-cache-kezelés (a modell figyelmét gyorsító memória-réteg újrahasználása), restorable compression (visszaállítható tömörítés a kontextus-ablakon), fájlrendszer mint perszisztens kontextus-tár, és a célok újra-artikulálása a loopon belül. Ezek nagy része hetek alatt közösségi best practice lett. A Meta tehát nem terméket vett, hanem azt a csapatot, amelyik agent-harness-eket képes innoválni — a tipp arra, mire fogják először használni belül, egy automatizált hirdetés-építő: az ügyfélnek elegendő a fizetési mód és a célcsoport, az agent megírja, optimalizálja és futtatja a kampányt.

Egy árnyalat azért szükséges. A deal sorsa nem zárt: a Bloomberg április végén jelenti, hogy Kína NDRC hónapokig tartó vizsgálat után megakadályozta a felvásárlást. A W02-ben ez még nem volt nyilvános, de már a héten jelzések jöttek arra, hogy érdemes a data-policy változásokra figyelni. Aminek viszont a tanulsága szerződés-sorstól függetlenül érvényes: a piac ennyit fizet egy harness-csapatért. A Manus-alternatívák, amik a héten szóba kerültek, a Claude Code (terminál-natív agent-harness), a Genspark (a legközelebbi Manus-pár, böngészőben) és a Do Anything (alfa-stádiumú, 10 000+ tool-lal).

Nvidia Vera Rubin — az AI-gyár, nem a chip

A CES 2026 keynote-on január 6-án Jensen Huang bejelentette a Vera Rubin platformot, amit az Nvidia első “extreme-codesigned” AI-platformjaként pozícionál. A bejelentés hat új chipet sorol fel: Vera CPU, Rubin GPU, NVLink 6, ConnectX-9, BlueField-4, Spectrum-6. A Vera Rubin NVL72 rack 72 GPU-t kombinál, rack-szinten 260 TB/s sávszélességgel.

A számok mögötti igazi sztori azonban a token-gazdaságtan. Független elemzések szerint a Rubin 5x inference-teljesítményt és akár 10x alacsonyabb token-költséget hoz MoE-modelleknél (mixture-of-experts, ahol egy lekérdezésen csak a modell egy szelete fut), 10 millió tokenes kontextus-ablakra tervezve. Új komponensként megjelenik az inference context memory storage — egy menedzselt KV-cache-tár, ami a key-value cache-t kiviszi a GPU-ból storage-tierbe, hogy újrahasználható legyen több futás között.

A héten többfelől is hallani lehetett, hogy a kontextus most már menedzselt erőforrás, pontosan úgy, ahogy a klasszikus webes stackben a cache vagy az adatbázis-tier menedzselt — és ez egyben a hét legfontosabb iparági üzenete is. Ami eddig modell-belső optimalizációként működött, mostantól infrastruktúra-réteg. A ChatGPT 800 millió heti aktív felhasználónál tartott 2025 októberben, és az inference-load tartósan eltörpülteti az egyszeri tréning-runok költségét — a Vera Rubin pontosan erre van designolva.

Az OpenAI deal-szerkezete most rajzolódik ki ennek a logikának mentén: 10 GW Nvidia, 6 GW AMD, 10 GW custom Broadcom-szilícium 2029-ig, plusz Stargate Samsunggal-SK Hynixszel havi 900 000 DRAM-waferrel. Az ipar 2026-ban demand-constrained — a Reuters szerint Q4-ben a DRAM-árak 300% fölött emelkedtek.

Cursor megveszi a Graphite-ot — a “shipping” mint új szűkület

December 19-én a Cursor (Anysphere) bejelentette, hogy felvásárolja a Graphite-ot, a code-review platformot. A pénzügyi feltételeket nem tették közzé, de a Fortune szerint a deal jóval a Graphite legutóbbi 290 millió dolláros értékelése fölött köttetett. Michael Truell, Cursor CEO indoklása egyenes: ahogy az AI mind szélesebb körben kerül be a fejlesztőcsapatokba, a code review egyre inkább azzá a szűkületté válik, ami megakadályozza, hogy a csapat tényleg gyorsabban szállítson.

A 2025-ös “vibe coding eats software engineering”-tézis tehát saját korlátjába ütközik. A kódgenerálás könnyebb lett, de a kódbeküldés — review-cue, CI-pipeline, merge-fegyelem, quality-gate — nem. Aki review-t és merge-ot birtokol, az birtokolja az AI-kód szervezeti bizalmát. Ami ebből a héten kirajzolódott, az egy egyszerű váltás: az AI-coding-asszisztensekből 2026-ban AI-delivery-rendszerek lesznek — policy-check, teszt-szintézis, kockázat-pontozás, automatizált code-review. Az editor csak a bejárat.

SET-szempontból ez a gate-elv egy szinttel feljebb. Külső verifier (a kimenetet ellenőrző, állapot-kötött komponens) nélkül az agent-output, külső review nélkül az AI-pull-request megbízhatatlan. Az ipar most ugyanazt a logikát viszi végig PR-szinten, mint 2025-ben az agent-szinten.

Ralph Wiggum — az iteratív verifikáció mainstream-be ér

Geoffrey Huntley ausztrál fejlesztő Ralph Wiggum-loopja — egy bash-loop, ami a Claude Code-ot újra meg újra megtáplálja az eredeti prompttal, amíg el nem készül a feladat — karácsony alatt Twitter-vírus lett. Az Anthropic hivatalos Claude Code plugint adott ki belőle, és a plugin system-promptja explicit: a “kész”-állítás csak akkor mehet ki, ha az teljesen és egyértelműen igaz; a modell ne hazudjon akkor sem, ha úgy érzi, ki kellene lépnie a loopból.

Amit ezen a héten ehhez hozzátettek, az egy szélesebb tézis: az evalt a folyamat végéről a közepébe kell áthelyezni. A first-pass-output elfogadása 2025-ös minta volt; 2026-ban az iterációs konvergencia a mérce. A modellek hajlamosak hamisan jelenteni, hogy “kész”, és a Ralph pontosan azzal ad külső authority-t, hogy ezt nem fogadja el — a header-metrika nem az, hogy mit tud first pass-on, hanem az, hogy hány iterációval konvergál green state-re.

Ez egy SET-tézis-visszhang: a verifikáció nem csak gate, hanem steering wheel — kormánykerék, amivel az ágens haladási irányát közben is állítod. Ha definiálni tudod a “kész”-t és van olcsó verifiered (teszt, lint, build, vizuális diff, séma-validáció), akkor a token költségén “vásárolhatsz korrektséget”. 2026-ban ez kiterjed a kódon kívülre is — egy PowerPoint-deck is konvergálhat brand-konzisztencia, tömörség és számbeli pontosság evaljára.

MCP a Linux Foundation alatt — protokoll-derisking

December 9-én az Anthropic, az OpenAI és a Block bejelentette az Agentic AI Foundation (AAIF) létrehozását a Linux Foundation alatt — Google-, Microsoft-, AWS-, Cloudflare- és Bloomberg-támogatással. Az alapító projektek az Anthropic MCP, a Block goose és az OpenAI AGENTS.md. Az Anthropic szerint az MCP egy év alatt 97 millió havi SDK-letöltésig nőtt, 10 000-nél több aktív szerverrel.

Az érdekes ebben az, hogy ez pontosan az a protokoll-derisking — egy semleges umbrella-szervezet alá tett szabvány —, amire az enterprise-szektor várt. Egy ilyen MCP a precondition egy valódi middleware-piacra: tool-szerver-aláírás, permissioning, audit-loop, providence-tracking. Ehhez kapcsolódóan a Google december 10-én bejelentette a fully managed remote MCP servereket: egyetlen URL-lel csatlakoztatható agent-ek a Google Maps-hez, a BigQuery-hez és más Cloud-szolgáltatásokhoz, kézzel írt connector helyett. Az agent-piac egyre inkább tool-server marketplace lesz, billing-integrációval és governance-szel.

Mellékszál — rovatok

Mit viszünk magunkkal (SET / ITLine)

Három dolog látszik tisztán a hét után, amit érdemes a prep-listára tenni.

Először is, a harness-első tervezés most már nem opció. A Manus-vétel és a Cursor-Graphite együtt egy üzenetet hordoz: 2026-ban a modell-választás kommodity, a harness-tervezés a moat. Új AI-projekt-tervezésnél a kérdés nem az, hogy melyik modellt használjuk, hanem hogy milyen agent-loopot, verifier-réteget, tool-szerződést, audit-logot és fix-button-mintát építünk köré. A SET-stack pontosan ezt célozza, és a piac most ezt árazza be milliárdokra.

Másodszor, az iteratív verifikáció mostantól default. A Ralph Wiggum-mintát érdemes belső dokumentumba tenni egyszerű szabályrendszerként: definiáld előre a “kész”-t, válassz olcsó verifiert, és iterálj konvergenciáig. Ez kódra, agent-folyamatra és dokumentum-generálásra egyformán érvényes. A héten ehhez egy tiszta megfogalmazás is került: a tokenekkel és a retry-okkal pontosságot, korrektséget és megbízhatóságot tudsz vásárolni — ha a verifier olcsó.

Harmadszor, a token-gazdaságtan most tervezési input. A Vera Rubin által hozott 10x token-cost-csökkentés (2026 H2-től) konkrét: olyan workflow-k, amik ma 10x-es iterációval túl drágák lennének, fél év múlva normál üzemmenetté válnak. Olyan stack-et érdemes építeni, ami ettől csak jobb lesz: nagy kontextus, agresszív iteráció, mély verifier-loop. Erik (Anthropic) W07/2025-ös maximája — ha a modellek okosabbak lesznek, a moatod eltűnik — most kiterjed arra is, hogy ha az inference olcsóbb lesz, a designodnak ebből profitálnia kell.

A W03-ban várjuk az első Vera Rubin-deployment timeline-jának finomítását, az MCP Foundation első operatív szabványosító projektjeit, és a Manus-deal Kína-előjeleinek további alakulását.

Források

Fő forrás — Nate B Jones:

Körbejárás / tech-mélység:

Fact-check és eredeti források:

A heti hírlevelet saját gondolatainkból és független keresésekből állítjuk össze. Az eredeti források a fenti listában találhatók.