Google uvaja nadgrajeni AI Mode v brskalniku Chrome — brez preklapljanja med zavihki, z globljo integracijo neposredno ob spletnih straneh.

Apr 20, 2026 | AI SAS

Google je temeljito preoblikoval izkušnjo brskanja z AI Mode v Chromu. Ključna novost je vzporedni pogled spletne strani in AI Mode na namizju, kar omogoča postavljanje vprašanj o vsebini strani brez izgube iskovalnega konteksta. Poleg tega je mogoče združiti več odprtih zavihkov, slik in PDF dokumentov v eno AI iskanje — kar je posebej koristno za raziskovanje, nakupovanje ali študij.

VIR: https://blog.google/products-and-platforms/products/search/ai-mode-chrome/

BISTVO

  • Google je 16. aprila 2026 najavil nadgradnjo AI Mode v Chromu, ki odpravlja frustrirajoče “skakanje med zavihki” pri spletnem iskanju.

  • Ko kliknete povezavo znotraj AI Mode na namiznem Chromu, se spletna stran odpre vzporedno z AI Mode — kontekst iskanja ostane ohranjen.

  • Nova funkcija “plus” menija v iskalni vrstici omogoča dodajanje odprtih zavihkov, slik in PDF datotek kot kontekst za AI iskanje.

  • AI Mode odgovarja na vprašanja z upoštevanjem vsebine trenutno odprte spletne strani in spleta hkrati — v realnem času.

  • Vse posodobitve so trenutno na voljo le v ZDA, s širitvijo na preostale trge kmalu.

DEJSTVA

  • Objavljeno: 16. april 2026

  • Avtorja: Robby Stein (VP of Product, Google Search) in Mike Torres (VP of Product, Chrome)

  • Funkcija je dostopna na Chrome desktop (vzporedni pogled) in Chrome mobile (iskanje po zavihkih)

  • Podprti vhodi: zavihki + slike + PDF datoteke — kombinacija v enem iskanju

  • Orodja kot Canvas (pisanje, kodiranje) in ustvarjanje slik so dostopna prek novega plus menija

CITATI

  • “Finding information online can often feel like a constant game of ‘tab hopping.'”

  • “Clicking a link opens the webpage side-by-side with AI Mode.”

  • “You can now mix and match multiple tabs, images or files (like PDFs) and bring that context into your AI Mode searches.”

  • “Our early testers loved that they didn’t have to constantly switch tabs to get help with a comprehensive article or a long video.”

  • “AI Mode will use those tabs to provide a tailored response and suggest more sites to explore.”


2026-04-20

Apr 20, 2026 | AI SAS

TorchTPU 
Zaženite  PyTorch modele na TPU-jih

The New Waydev 
Spremljajte, kaj vaši AI agenti dejansko dostavljajo, od porabljenih žetonov do produkcijske kode

‍⬛ QA Crow 
Usability testing brskalnikov

Gemmetric 
Prikaže kako LLM modeli dojemajo vašo blagovno znamko

Granter 
AI agent, ki za vas išče nepovratna sredstva, piše prijave in skrbi za skladnost

Največja ovira za agentno oziroma AI-podprto nakupovanje živil je slaba uporabniška izvedba, ne pa pomanjkanje interesa potrošnikov

Apr 19, 2026 | Ecommerce

Članek trdi, da je največja ovira za agentno oziroma AI-podprto nakupovanje živil slaba uporabniška izvedba, ne pa pomanjkanje interesa potrošnikov. Avtorica pravi, da je načrtovanje obrokov lahko prijetno, medtem ko je ročno dodajanje izdelkov v košarico dolgočasno opravilo, ki bi ga ljudje z veseljem prepustili avtomatizaciji.

image

VIR:  https://retailmediabreakfastclub.com/not-all-shopping-is-fun/

BISTVO

  • Avtorica zavrača poenostavljeno tezo, da je »nakupovanje zabavno«, saj poudarja, da je velik del nakupovanja živil rutinski, ponavljajoč in operativen.

  • Članek navaja, da so potrošniki najbolj odprti za AI pomoč pri dolgočasnih opravilih, kot so priprava seznamov, proračun in ponovni nakupi, manj pa pri delih nakupa, ki jih doživljajo kot osebne ali prijetne.

  • Ključni primer v članku je Andrea Leigh, ki si je sama zgradila ChatGPT razširitev za avtomatizacijo spletnega nakupa živil, kar po mnenju avtorice dokazuje realno povpraševanje, vendar nezadostno ponudbo ustreznih orodij.

  • Obstoječe aplikacije trgovcev po mnenju avtorice ne rešujejo »vmesnega kaosa« med popolnoma rutinskim in popolnoma ročnim nakupovanjem, kjer se dejansko odvije večina tedenskih nakupov.

  • Sklep članka je, da bo vedenje potrošnikov sledilo tehnološki sposobnosti: ko bo AI nakupovanje dovolj enostavno, varno in zaupanja vredno, se bo sprejetje hitro povečalo.

DEJSTVA

  • Članek je napisala Kiri Masters in je bil objavljen 13. aprila 2026 na Retail Media Breakfast Club.

  • Navedena FMI raziskava kaže, da 83% Američanov pripravlja nakupovalne sezname, 79% preveri zaloge doma, 69% načrtuje obroke, 60% pa aktivno išče kupone ali popuste.

  • Po PwC raziskavi iz leta 2025 je 47% potrošnikov pripravljeno prepustiti generativni AI pomoč pri načrtovanju obrokov, 41% pri proračunu za živila in 36% pri napovednih nakupovalnih seznamih.

  • Instacart je po navedbah članka dostavil več kot 1,8 milijarde banan, pri čemer so banane tudi izdelek z največ uporabniškimi navodili zaradi različnih preferenc glede zrelosti.

  • Visa raziskava, povzeta v članku, navaja, da bi približno dve tretjini potrošnikov uporabljali ali že uporabljajo AI nakupovalne agente za prihranek časa in boljše cene, približno polovica pa se boji odločitev brez lastnega nadzora.

CITATI

  • »The technology to make AI-led grocery shopping easy, safe, and trustworthy doesn’t fully exist. But the desire does.«

  • »I HATE grocery shopping. Why do I have to add 25+ list items to my cart one by one?«

  • »All useful, but none quite crack the messy middle.«

  • »The real barrier isn’t psychology — it’s the tech.«

  • »Consumer behavior follows capability — sometimes faster than anyone expects.«

5 Tehnik za optimiziranje Long-Context RAG

Apr 19, 2026 | RAG & SLM

  • Povzetek: članek razloži, da veliki kontekstni okviri pri sodobnih LLM-jih ne odpravijo potrebe po RAG, ampak spremenijo optimizacijo: glavni težavi postaneta izguba pozornosti znotraj dolgega prompta in visoki stroški obdelave.

2026-04-20_01h07_30

VIR

BISTVO

  • Članek predstavi 5 tehnik za učinkovitejši long-context RAG: reranking, context caching, dinamično chunkanje z metapodatki, hibridno iskanje in query expansion.

  • Osrednja teza je, da milijonski context window še ne pomeni boljše natančnosti, ker model pogosto slabše obravnava informacije na sredini zelo dolgega vhoda.

  • Avtor posebej izpostavi problem “Lost in the Middle”, kjer model daje večjo težo začetku in koncu prompta kot sredini.

  • Za zmanjšanje stroškov članek priporoča ponovno uporabo že naloženega konteksta prek context caching, namesto da se isti veliki dokument obdeluje pri vsakem vprašanju znova.

  • Praktično priporočilo članka je, da sistem ne sme samo dodajati več konteksta, ampak mora aktivno izbirati, razvrščati in umeščati najbolj relevantne informacije.

DEJSTVA

  • Članek je objavil Shittu Olumide na MachineLearningMastery dne 15. aprila 2026.

  • Klasični starejši kontekstni okviri LLM-jev so po članku tipično obsegali približno 4.000 do 32.000 tokenov.

  • Kot primer novih modelov z zelo velikim kontekstom članek navede Gemini Pro in Claude Opus z okni 1 milijon tokenov ali več.

  • Pri rerankingu avtor predlaga, da sistem najprej pridobi več kandidatov, na primer top 20, nato pa izbere top 5 za končni prompt.

  • Pri inteligentnem chunkanju članek priporoča segmente velikosti približno 500 do 1000 tokenov z dodanimi metapodatki, kot so vir, naslov razdelka, številka strani in povzetki.

CITATI

  • “The emergence of million-token context windows does not eliminate the need for retrieval-augmented generation—it reshapes it.”

  • “The goal is not simply to provide more context, but to ensure the model consistently focuses on the most relevant information.”

  • “Information buried in the middle is significantly more likely to be ignored or misinterpreted.”

  • “Long contexts introduce latency and cost overhead.”

  • “Hybrid search combines semantic and keyword-based retrieval.”

Mozilla predstavlja odjemalca AI Thunderbolt s poudarkom na infrastrukturi, ki jo gostuje uporabnik sam.

Apr 19, 2026 | AI SAS

vir:  https://arstechnica.com/ai/2026/04/mozilla-launches-thunderbolt-ai-client-with-focus-on-self-hosted-infrastructure/

  • Mozilla je predstavil Thunderbolt, odjemalca za AI, ki ni lasten model, temveč uporabniški vmesnik za podjetja in uporabnike, ki želijo poganjati lastno, samogostovano AI infrastrukturo namesto uporabe oblačnih storitev tretjih ponudnikov. Thunderbolt je večplatformski AI odjemalec, ki deluje kot front-end nad samogostovano AI infrastrukturo; Mozilla ga ne predstavlja kot lasten LLM, ampak kot odjemalni sloj nad odprtokodnim ogrodjem Haystack.

  • Thunderbolt temelji na odprtokodnem ogrodju Haystack podjetja deepset in je opisan kot »sovereign AI client«, ki se lahko poveže z ACP-združljivimi agenti ter API-ji, združljivimi z OpenAI, vključno z več modeli in storitvami. Mozilla ga opisuje kot »sovereign AI client«, kar pomeni, da UI/odjemalec sedi nad infrastrukturo, ki jo organizacija upravlja sama.

  • Glavna vrednost rešitve je nadzor nad podatki: omogoča povezavo z lokalno shranjenimi podatki podjetja, uporabo lokalne baze SQLite kot vira resnice ter dodatne varnostne mehanizme, kot so izbirno šifriranje od konca do konca in dostopne kontrole na ravni naprave. Integracijski model temelji na združljivosti z ACP agenti in OpenAI-združljivimi API-ji, zato lahko deluje kot univerzalni klient za več različnih modelov in agentnih back-endov.

  • Članek posebej izpostavi integracijo z lokalno shranjenimi poslovnimi podatki prek odprtih protokolov, kar nakazuje RAG ali podobne retrieval vzorce nad internimi viri.

  • Kot lokalni »source of truth« uporablja offline SQLite bazo, kar je tehnično pomembno, ker zmanjšuje odvisnost od zunanjih storitev in omogoča lokalno sidranje konteksta ter metapodatkov.