A határokon átívelő mesterséges intelligencia ára 90%-kal csökkent: Hogyan fordítja Kína a globális technológiai piacot a feje tetejére – Kép: Xpert.Digital
Vége a Transformer-korszaknak? Ez az új mesterséges intelligencia architektúra jelenleg felrázza a Wall Streetet
A csendes mesterséges intelligencia-szünet: Miért váltak hirtelen elavulttá a gigantikus nyelvi modellek a vállalatok számára?
A skálázás tegnap volt: Miért hódítják meg most a kis, privát MI-modellek a gazdaságot?
A mesterséges intelligencia piaca jelenleg tektonikus változáson megy keresztül. Miközben a kínai szolgáltatók hatalmas nyomást gyakorolnak a nagy múltú amerikai óriásokra a generatív nyelvi modellek radikális árcsökkentéseivel, és a mesterséges intelligencia számítási teljesítménye egyre inkább olcsó árucikké válik, az árháborún túl egy mélyebb technológiai dilemma is kialakulóban van. A domináns Transformer architektúra, amely szinte az összes jelenlegi MI-modell gerincét képezi, eléri strukturális korlátait az összetett érvelés és az érzékeny adatok hibamentes feldolgozása terén. Válaszul teljesen új megközelítések jelennek meg: a dinamikus "neurotopológiáktól", amelyek a valós pénzügyi piacokon bizonyítják értéküket, az egyedi, szuverén MI-modellekig, amelyek a teljes adatszuverenitást és az abszolút nyomon követhetőséget helyezik előtérbe. A legnagyobb számítási teljesítményért folytatott geopolitikai verseny egyre inkább utat enged a legintelligensebb és legbiztonságosabb architektúráért folytatott harcnak – ez a fejlemény arra kényszeríti a vállalatokat világszerte, hogy alapvetően újraértékeljék MI-stratégiáikat.
A Frontier AI a jelenleg elérhető legerősebb, legszélesebb körben alkalmazható MI-rendszerekre utal. A „Frontier” egyszerűen annyit tesz: a jelenlegi technikai lehetőségek határán.
A Transformer-korszak a mesterséges intelligencia fejlesztésének 2017 óta tartó szakaszára utal, amelyben a Transformer-modellek a modern generatív mesterséges intelligencia központi technikai alapjává váltak. Ez nem egyetlen termékre utal, hanem egy paradigmaváltásra: a specializáltabb, szekvenciálisan működő modellekről a nagyméretű, általánosan alkalmazható mesterséges intelligencia modellekre.
Csendes szünet a mesterséges intelligencia versenyében
Amikor az árak több mint 90 százalékkal esnek anélkül, hogy a kereslet összeomlana, az nem marketingfogás, hanem egy egész iparág strukturális változása. Pontosan ez történt a generatív nyelvi modellezési piacon 2026-ban. A kínai gyártók, mint a DeepSeek, az Alibaba, a Moonshot AI, a Xiaomi és a Zhipu drasztikusan csökkentették határmodelljeik költségét olyan mértékben, hogy a feldolgozott szöveges karakterek millióra jutó költsége most tizenöt-kétszázszor alacsonyabb, mint az amerikai gyártóké, mint az OpenAI és az Anthropic. A DeepSeek állandósította a V4 Pro modellre vonatkozó 75 százalékos kedvezményét, és egymillió szövegrészlet kimenetét 0,87 dollárért kínálja, míg a hasonló amerikai termékek néha több mint 30 dollárt kérnek el. Az Artificial Analysis elemző cég szerint a legújabb V4 Flash modell a benchmark tesztekben mindössze körülbelül három amerikai centbe kerül, szemben az Anthropic jelenlegi csúcsmodelljének több mint három dollárjába. Ez a változás nemcsak a technológiai vállalatok mérlegeit érinti, hanem a teljes költségszerkezetet is, amellyel a vállalatok világszerte integrálják a mesterséges intelligenciát a munkafolyamataikba.
Miért válik hirtelen árucikké a számítási teljesítmény?
Az árcsökkenés nem véletlen, hanem több párhuzamos gazdasági erő eredménye. Először is, a kínai fejlesztők úgynevezett szakértői keverék architektúrákat használtak modellek létrehozására. Ezek a modellek több billió paraméterrel rendelkeznek, de ezeknek csak egy töredékét aktiválják az egyes lekérdezéseknél, drasztikusan csökkentve a számítási költségeket. Másodszor, a kifinomult gyorsítótárazási technikák, mint például a DeepSeek kontextusinformáció-újrafelhasználási rendszere, lehetővé teszik a gyakran használt lekérdezések szinte ingyenes feldolgozását, néha kevesebb mint három ezred dollárért millió karakterenként. Ehhez jönnek még az alacsonyabb energiaköltségek Kínában, a hazai félvezetőgyártás kormányzati támogatási programjai, valamint az amerikai chipek exportkorlátozásaitól való technológiai függetlenség elérésére irányuló politikai akarat, ami olyan vállalatokat motivált, mint a Huawei, hogy Ascend 950 processzorával hazai alternatívát teremtsenek a nyugati hardverekkel szemben. Az eredmény egy árháború, amely az USA-Kínai Gazdasági és Biztonsági Felülvizsgálati Bizottság tanulmánya szerint oda vezetett, hogy a kínai modellek az összehasonlítható teljesítményű amerikai rendszerek árának mindössze egyhatodába-negyedébe kerülnek. A vállalatok számára ez azt jelenti, hogy radikálisan újra kell számolni, hogy mennyibe kerülhet valójában a mesterséges intelligencia által támogatott automatizálás ahhoz, hogy gazdaságilag életképes legyen.
Az árak csökkenése mögött rejlő valódi probléma
Bármennyire is lenyűgöző a költségcsökkentés, nem old meg alapvető technikai dilemmát. Az összes említett modell, legyen szó akár az Egyesült Államokról, akár Kínáról, ugyanazon az alapvető architektúrán, az úgynevezett Transformeren alapul, amely szinte az összes nagyobb nyelvi modell alapját képezte 2017-es bevezetése óta. A Transformer a nyelvet úgy dolgozza fel, hogy statisztikai valószínűségeket számít ki a szövegelemek sorozata felett, és levezeti a legvalószínűbb folytatást. Ez a módszer hatalmas előrelépést tett lehetővé, de strukturális korlátokba ütközik, amikor a valódi, kontextusfüggetlen érvelésről van szó olyan területeken, ahol a hibáknak valódi pénzügyi vagy működési következményei vannak. Egy olcsóbb Transformer alapvető funkcionalitásában Transformer marad, függetlenül attól, hogy mennyivel csökken a használatának ára. Ez a megfigyelés kiindulópontja egy kis, de növekvő vállalatcsoportnak, amelyek alapvetően megkérdőjelezik az uralkodó architektúrát, ahelyett, hogy egyszerűen olcsóbbá tennék azt.
Egy építészeti koncepció, amely minden kérésre megújul
A miami székhelyű Vertus vállalat alapvetően eltérő megközelítést alkalmaz saját fejlesztésű architektúrájával, amelyet neurotopológiának vagy dinamikus neurális topológiának nevez. Ahelyett, hogy a lekérdezéseket előre betanított súlyok rögzített hálózatán keresztül irányítaná, ahogy az a transzformátor modelleknél megszokott, a rendszer úgy van kialakítva, hogy minden egyes lekérdezéshez új neurális útvonalakat építsen ki, hasonlóan ahhoz, ahogyan a biológiai agy különböző sűrűségű szinaptikus kapcsolatokat aktivál a különböző komplexitású feladatokhoz. Egy egyszerű kérdés így egy lean feldolgozási útvonalat indítana el, míg egy összetett elemzési feladat egy sűrű, szorosan összekapcsolódó struktúrát indítana el, amely a számítás befejezése után ismét felbomlik. A vállalat két modellváltozatot népszerűsít, a nyolc és tizenhat meganeuronos architektúrát, amelyeket általános gondolkodásra, illetve kutatásorientált, többdimenziós elemzési feladatokra terveztek. A Vertus azt állítja, hogy több mint egymillió belső alrendszert üzemeltet, amelyeket egy Broker Money Flow nevű, saját fejlesztésű adatkészleten képeztek ki, amely a pénzügyi közvetítők közötti tőkemozgásokat térképezi fel, és hogy ez az architektúra nem külső nyelvi modelleken, például a GPT-n vagy a Gemini-n alapul, hanem egy olyan struktúrán, amelyet a semmiből terveztek a pénzügyi gondolkodáshoz.
A nehéz gyakorlati próba a tőzsdén
A teszthelyszín megválasztása különösen sokatmondó. Ahelyett, hogy kezdetben alacsony kockázatú környezetben tesztelné az új architektúra koncepcióját, a Vertus élő pénzügyi piacokon telepíti rendszerét, ahol a téves ítéletek azonnali és valós idejű pénzügyi veszteségeket okoznak. A vállalat 2025-re több mint 51 százalékos hozamról és napi milliárdos kereskedési volumenről számol be. Ezek a számok, amennyiben megbízhatónak bizonyulnak, kivételesek lennének, de a vállalat állításait alátámasztó független auditok és ellenőrizhető műszaki dokumentációk jelenleg szűkösek. Egy újságírói vizsgálat arra a következtetésre jutott, hogy bár a Vertus műszaki állításai hihetően megfogalmazottak, aligha támasztják alá őket függetlenül ellenőrizhető részletek, ami egy olyan iparágban, amelyet köztudottan a túlzott teljesítményígéretek jellemeznek, óvatosságra int. Ugyanakkor a kiválasztott teszthelyszín figyelemre méltóan éleslátású: a pénzügyi piacok objektív, napi visszajelzést adnak nyereség vagy veszteség formájában, amelyet nem lehet eltussolni vagy elfedni okos marketinggel. Ha egy új architektúra hosszabb időn keresztül következetesen jobb eredményeket hoz, mint a bevált modellek, az erős jelzés arra, hogy többről van szó, mint egy állításról. A vállalat bejelentette azt a szándékát is, hogy technológiáját a pénzügyi szektoron túl olyan területekre is kiterjeszti, mint a biotechnológia, a védelem, a repülőgépipar és az anyagtudomány.
Amikor a méretezés már nem az egyetlen megoldás
Az elmúlt néhány évben a mesterséges intelligencia fejlesztését nagyrészt egy egyszerű képlet vezérelte: több adat, több paraméter, nagyobb számítási teljesítmény jobb modellekhez vezet. Ez a logika óriási beruházásokat indított el adatközpontokba és speciális chipekbe, ami a vezető amerikai mesterséges intelligencia-vállalatok piaci értékelését történelmi csúcsokba repítette. A jelenlegi kínai árháború azonban azt mutatja, hogy a tiszta skálázódás egyre inkább eléri gazdasági határait, mivel a hatékonyabb architektúrával rendelkező versenytársak hasonló teljesítményt tudnak kínálni töredékáron. Amennyiben kiderülne, hogy az alternatív architektúra-koncepciók, mint például a Vertus által követett neurotopológia, bizonyos felhasználási esetekben valóban jobbak a Transformernél, az ismét megváltoztatná az egész iparág befektetési logikáját. A döntő kérdés ekkor már nem az lenne, hogy melyik ország vagy vállalat üzemelteti a legnagyobb adatközpontokat, hanem az, hogy melyik alapvető számítási elv fog hosszú távon érvényesülni. Ez az elmozdulás a geopolitikai versenyről az építészeti versenyre a mesterséges intelligencia fiatal történetének egyik legjelentősebb átrendeződése lenne.
A digitális átalakulás új dimenziója a „menedzselt MI” (mesterséges intelligencia) segítségével - Platform és B2B megoldás | Xpert Consulting
A digitális átalakulás új dimenziója a „menedzselt MI” (mesterséges intelligencia) segítségével – Platform és B2B megoldás | Xpert Consulting - Kép: Xpert.Digital
Itt megtudhatja, hogyan valósíthat meg vállalata testreszabott mesterséges intelligencia megoldásokat gyorsan, biztonságosan és magas belépési korlátok nélkül.
Egy menedzselt MI platform az Ön átfogó, gondtalan megoldása a mesterséges intelligencia területén. Ahelyett, hogy komplex technológiával, drága infrastruktúrával és hosszadalmas fejlesztési folyamatokkal kellene bajlódnia, egy specializált partnertől kap egy az Ön igényeire szabott, kész megoldást – gyakran mindössze néhány napon belül.
A legfontosabb előnyök egy pillantásra:
⚡ Gyors megvalósítás: Az ötlettől a használatra kész alkalmazásig napok, nem hónapok alatt. Gyakorlati megoldásokat szállítunk, amelyek azonnal hozzáadott értéket teremtenek.
🔒 Maximális adatbiztonság: Érzékeny adatai Önnél maradnak. Garantáljuk a biztonságos és megfelelő feldolgozást anélkül, hogy megosztanánk az adatokat harmadik felekkel.
💸 Nincs pénzügyi kockázat: Csak az eredményekért fizet. A hardverbe, szoftverbe vagy személyzetbe történő magas előzetes beruházások teljesen elmaradnak.
🎯 Koncentrálj a fő üzleti tevékenységedre: Koncentrálj arra, amiben a legjobb vagy. Mi gondoskodunk a mesterséges intelligencia megoldásod teljes technikai megvalósításáról, üzemeltetéséről és karbantartásáról.
📈 Jövőálló és skálázható: A mesterséges intelligencia veled együtt növekszik. Folyamatos optimalizálást és skálázhatóságot biztosítunk, és rugalmasan igazítjuk a modelleket az új követelményekhez.
További információ itt:
Adatszuverenitás a felhőfüggőség helyett: Miért nyernek a kis mesterséges intelligencia modellek a vállalatok számára?
Az adatszuverenitás, mint a vállalati mesterséges intelligencia új valutája
Az architektúráról és a költségekről szóló vita mellett egy második, gazdaságilag ugyanilyen releváns trend is kibontakozik: a kis, saját fejlesztésű, teljes mértékben az ügyfél ellenőrzése alatt álló MI-modellek iránti igény. A kaliforniai Marina del Rey-ben található myAux Labs pontosan ebbe a piaci résbe pozicionálja magát. Üzleti modellje két olyan akadályt kezel, amelyek eddig sok vállalatot megakadályoztak a mesterséges intelligencia széles körű alkalmazásában: a nagy nyelvi modellek hajlamosak hihetőnek hangzó, de helytelen állításokat generálni, valamint a szabályozási vagy szerződéses követelmények, amelyek megakadályozzák, hogy az érzékeny vállalati adatok elhagyják a vállalat informatikai infrastruktúráját. A hagyományos felhőszolgáltatókkal ellentétben, amelyek univerzális modellt kínálnak folyamatos használati díj ellenében, a myAux együttműködik az ügyféllel egy adott használati eset meghatározásában, összegyűjti a szükséges saját fejlesztésű adatokat, betanítja és validálja azokat egy testreszabott modell formájában, majd a teljes modellsúlyokat átadja az ügyfélnek. Az ügyfél ezután teljes mértékben birtokolja a modellt, nincsenek folyamatos költségek kérésenként, nincs függőség egyetlen szolgáltatótól, és egyetlen adatnak sem kell elhagynia az ügyfél saját környezetét, mivel a telepítés történhet a helyszínen vagy teljesen leválasztva a külső hálózatokról.
Miért válik az érthetőség fontosabbá, mint a puszta nyelvi folyékonyság?
A myAux ajánlatának egyik kulcsfontosságú technikai jellemzője a kontextushoz kötött architektúra, amelyet a TopoLift AI partnercéggel együttműködve fejlesztettek ki. Ez az architektúra szándékosan korlátozza a modell által megtehető állításokat azáltal, hogy kizárólag olyan struktúrákra támaszkodik, amelyek ténylegesen jelen vannak és ellenőrizhetők az ügyfél saját adataiban. A rendszer minden válasza tehát visszavezethető arra a konkrét bizonyítékra, amely eredetileg lehetővé tette azt. Ez a megközelítés alapvetően eltér a klasszikus, széles körben tanított nyelvi modellek funkcionalitásától, amelyek tudásukat hatalmas mennyiségű általános tanulóadatból nyerik, és természetüknél fogva olyan állításokat generálhatnak, amelyek bár nyelvileg meggyőzőek, már nem vezethetők vissza egyértelműen egy konkrét, ellenőrizhető forrásra. Az olyan ágazatokban, mint a pénzügy, az energia, a közigazgatás, az egészségügy és az oktatás, ahol a nyomon követhetőség és az adatvédelem nem képezi vita tárgyát, ez az elv döntő különbséget jelent. A versenyelőnyt a modell puszta méretéről arra a kérdésre helyezi át, hogy mennyire pontosak és ellenőrizhetők az állításai egy egyértelműen meghatározott területen belül.
Két válasz ugyanarra az alapvető kérdésre
Első pillantásra a Vertus és a myAux teljesen eltérő stratégiát követ, valójában mindkettő ugyanazt az alapvető kérdést vizsgálja ellentétes irányokból: hogyan lehet leküzdeni a mai mesterséges intelligencia rendszerek inherens gyengeségeit, nevezetesen a kritikus helyzetekben való megbízhatatlanságukat és a saját adataik feletti kontroll hiányát. A Vertus egy radikálisan új, univerzális, iparágakon átívelő használatra szánt architektúrára támaszkodik, amely kezdetben egyetlen, különösen igényes területen bizonyítja majd az erejét. A MyAux ezzel szemben szándékosan kerüli az általános mesterséges intelligencia igényét, és ehelyett a kis, szigorúan meghatározott, de teljes mértékben ellenőrizhető és nyomon követhető modellekre összpontosít az egyes vállalatok számára. A következő áttekintés a két megközelítés közötti főbb fogalmi különbségeket szemlélteti.
| funkció | Vertus (Neurotopológia) | myAux Labs (szuverén modellek) |
|---|---|---|
| Építészeti megközelítés | Dinamikusan újraépített neurális útvonalak kérésenként | Kontextushoz kötött modellek, amelyek a kurált ügyféladatokon alapulnak |
| Célkitűzés | Iparágakon átívelő, univerzális érvelés | Szűkebben meghatározott, vállalatspecifikus használati eset |
| Tulajdonosi modell | Saját platform, hozzáférésért cserébe használható | A modell súlyainak teljes átadása az ügyfélnek |
| Gondoskodás | Saját platformján keresztül, elsősorban pénzügyi piacok számára | Helyszíni vagy teljesen hálózatról izoláltan az ügyfél telephelyén |
| Alapvető ígéret | Kiváló érvelési készségek a Transformer modellekhez képest | Ellenőrizhető, forrásalapú válaszok adatszivárgás nélkül |
Miért nem nyer többé automatikusan a méret?
Az általános határmodellek radikálisan csökkenő árai és a kisebb, specializált vagy architektúrájában nagyon eltérő alternatívák párhuzamos megjelenése egy olyan piaci érési folyamatra utal, amely hasonló a többi technológiai ciklusban megfigyelthez. A technológiai ciklus korai szakaszában a verseny jellemzően a nyers teljesítményre és a skálázhatóságra összpontosít, míg egy érettebb szakaszban a differenciálódás, a költséghatékonyság és a megbízhatóság kerül középpontba. Egy középvállalkozás vagy egy szigorúan szabályozott iparágban működő vállalat esetében ez azt jelenti, hogy a megfelelő MI-stratégia kiválasztása kevésbé attól függ, hogy melyik modell éri el a legmagasabb pontszámot az általános nyelvi referenciaértékeken, és inkább attól, hogy melyik rendszer felel meg legjobban a vállalat költség-, ellenőrzési és nyomonkövethetőségi sajátos működési követelményeinek. Egy érzékeny ellátási láncadatokkal rendelkező logisztikai vállalatnak más prioritásai vannak, mint egy startupnak, amelynek egyszerűen gyors és olcsó szöveggenerálásra van szüksége, és mindkettő különbözik egy pénzintézettől, amelynek valós időben kell megalapozott kereskedelmi döntéseket hoznia.
Kockázatok és nyitott kérdések, amelyeket nem szabad figyelmen kívül hagyni
Az új architektúra koncepcióit és kifinomult modellezési megközelítéseit övező jogos kíváncsiság ellenére továbbra is indokolt egy egészséges adag szkepticizmus. A Vertus hozamokra és kereskedési volumenekre vonatkozó állításai eddig nagyrészt a vállalat saját nyilatkozatain alapulnak; az alapul szolgáló architektúra független, technikailag ellenőrizhető auditjai nagyrészt hiányoznak, és a pénzügyi szektor számos olyan példával ismeri az állítólagosan forradalmi rendszereket, amelyek sikerei később megismételhetetlennek bizonyultak. Óvatosságra van szükség a kínai árelőnyök kérdésével kapcsolatban is, mivel független elemzők rámutatnak, hogy az olcsó kínai modellek közül sok észrevehetően lassabban teljesít számításigényes, nagy áteresztőképességű terhelések alatt, és benchmark eredményeiket külső auditorok rendszeresen lefelé módosítják. Továbbá a kínai felhőszolgáltatások esetében felmerül a kormányzati szervek adathozzáférésének kérdése, ami komoly kockázatot jelent az európai és amerikai vállalatok számára, amelyek szigorú megfelelési követelményekkel rendelkeznek, és szerződéses biztosítékokkal aligha lehet teljesen kiküszöbölni. Még a szuverén, vállalatspecifikus modellek, mint például a myAux modelljei esetében is kérdéses, hogy az egyetlen felhasználási esetre szabott, szorosan integrált rendszerek mennyire tudnak valójában alkalmazkodni a változó üzleti követelményekhez, és hogy az ígért nyomon követhetőség megbízhatóan fennmarad-e még összetettebb, többlépcsős problémák esetén is.
A további fejlemények indokolt értékelése
A mai szemszögből nézve számos jel utal arra, hogy a mesterséges intelligencia piaca az elkövetkező években két párhuzamos, egymást kiegészítő fejlődési útvonal mentén fog szétválni. Egyrészt az általános, széles körben alkalmazható nyelvi modellek ára tovább fog csökkenni, és ezek a rendszerek egyre inkább gyakorlatilag láthatatlan, felcserélhető infrastruktúra-komponenssé válnak, hasonlóan ahhoz, ahogy a felhőalapú tárolás vagy a számítási teljesítmény már nagyrészt árucikké vált. Másrészt egyre növekvő piac jelenik meg a specializált, architektúrájában differenciált vagy saját fejlesztésű megoldások iránt, amelyek pontosan azokat a területeket célozzák meg, ahol a generikus modellek elérik strukturális határaikat, legyen szó akár a nagy kockázatú, valós idejű döntésekről, mint például a pénzügyekben, akár az adatszuverenitás és a nyomon követhetőség szigorú követelményeivel rendelkező területeken, mint az egészségügy és a kormányzat. Arra a kérdésre, hogy a Vertushoz hasonló neurotopológiai megközelítések végül felülmúlják-e a Transformert, még nem lehet megbízhatóan válaszolni, de pusztán az a tény, hogy komoly, kézzelfogható tőkével rendelkező vállalatok ezt az utat követik, és a lehető legnehezebb valós próbának – az élő pénzügyi piacoknak – vetik alá magukat, gazdasági figyelmet érdemel. A mai napon MI-stratégiájukat eldöntő vállalatok számára a gyakorlati következmény nem az, hogy kizárólag a legnagyobb és legismertebb szolgáltatókra összpontosítsanak, hanem pontosan meghatározzák saját költség-, ellenőrzési, nyomonkövethetőségi és hibatűrési követelményeiket, és ennek megfelelően válasszák ki a megfelelő technológiát. Az elkövetkező évek valódi versenyét ezért nem annyira az egyes nemzetek vagy vállalatok, hanem inkább a mesterséges intelligencia lényegéről alkotott alapvetően eltérő elképzelések fogják eldönteni.
🎯🎯🎯 Adatvezérelt B2B iparági központ, mint kvázi házon belüli megoldás
A kvázi házon belüli megoldás: Hogyan hidalja át az Xpert.Digital a B2B marketing és értékesítés működési réseit – Okos, tartalomvezérelt üzlet - Kép: Xpert.Digital
Az Xpert.Digital egy adatvezérelt B2B iparági központ, amelyet Konrad Wolfenstein vezet. A vállalat külső, kvázi házon belüli megoldásként működik az ipari partnerek számára, áthidalva a marketing, a tartalom és az értékesítés működési hiányosságait – anélkül, hogy további erőforrásokat igényelne az ügyféloldalon.
További információ itt:
Globális marketing- és üzletfejlesztési partnere
☑️ Üzleti nyelvünk az angol vagy a német
☑️ ÚJ: Levelezés az anyanyelveden!
Konrad Wolfenstein
Én és a csapatom örömmel állunk rendelkezésére személyes tanácsadóként.
Kapcsolatba léphetsz velem a kapcsolatfelvételi űrlap kitöltésével itt wolfenstein@xpert.digital:, vagy egyszerűen hívj a +49 7348 4088 965 telefonszámon. Az e-mail címem
Alig várom a közös projektünket.
