AI Digest - 8 października 2026

Dzień należy do modeli multimodalnych. Mistral wypuszcza model o skali biliona parametrów, Google rozszerza rodzinę Gemini o nowy model z oknem na milion tokenów, a w segmencie open source pojawia się embedding obejmujący pięć modalności.

Modele językowe i multimodalne

Mistral Large 4

Mistral udostępnił Large 4, multimodalny model o jednym bilionie parametrów, pozycjonowany jako europejska alternatywa dla czołowych systemów zamkniętych i otwartych. To największy znany model z Europy i ważny sygnał dla firm, które z przyczyn regulacyjnych lub strategicznych szukają dostawcy poza USA. Zanim zaczniesz planować migrację, poczekaj na niezależne benchmarki i informacje o licencji oraz cenniku, bo samo źródło to materiał producenta. Link

Nano Banana 2.1

DeepMind ogłosił Nano Banana 2.1, model z serii Gemini 3. Przyjmuje tekst i obrazy, generuje obie modalności i obsługuje kontekst do miliona tokenów. Okno kontekstu tej wielkości przy wejściu multimodalnym ma praktyczne znaczenie dla analizy dużych zestawów dokumentów i zrzutów ekranu w jednym zapytaniu. Na razie mamy tylko kartę modelu, więc koszty i opóźnienia trzeba będzie sprawdzić własnymi testami. Link

Open source i embeddingi

EmbeddingGemma 2

Google zaprezentował EmbeddingGemma 2, model o 740 mln parametrów, który osadza tekst, kod, obrazy, audio i wideo we wspólnej przestrzeni wektorowej. Jest zoptymalizowany pod inferencję na urządzeniu i wydany na licencji Apache 2.0, czyli bez ograniczeń komercyjnych. Dla zespołów budujących wyszukiwanie lub RAG to najciekawsza pozycja dnia z praktycznego punktu widzenia: jeden indeks zamiast osobnych dla każdego typu danych. Warto sprawdzić jakość wyszukiwania na własnych danych, zwłaszcza dla polskiego tekstu. Link

Podsumowanie

Największa skala to Mistral Large 4, największą praktyczną użyteczność może mieć otwarty EmbeddingGemma 2. Przy wszystkich trzech premierach decydują testy na własnych danych, bo dostępne informacje pochodzą od producentów.