DeepSeek julkaisee tee-se-itse-rakennussarjan tekoälyagentteja varten
Kuvittele digitaalinen Lego-laatikko, jossa jokainen pala (aivot, työkalut, muisti, testausalue, käyttöliittymä) napsahtaa kiinni ja irti. Kiinalainen laboratorio DeepSeek julkaisi juuri tällaisen sarjan, nimeltään Harness, ilmaiseksi MIT-lisenssillä, eli kaikkien käytettävissä ja muokattavissa. Kahdessa päivässä projekti keräsi lähes 99 000 tähteä GitHubissa, mikä osoittaa, että kehittäjät ympäri maailman ovat hereillä. Käytännössä se on suora vaihtoehto Anthropicin Claude Codelle, mutta ajateltu toisinpäin: aloitetaan moduuleista ja työkalujen viestintästandardi mukautuu sen jälkeen. Neljä tilaa on valmiina, mukaan lukien minimaalinen, jota DeepSeek itse käyttää omien malliensa testaamiseen. Tiimille, joka haluaa rakentaa agentin keksimättä pyörää uudelleen, tämä on uusi lähtökohta.
Source : https://www.deepseek.com/harness/en/
Alibaba toimittaa kompaktin ja vapaan version parhaasta agenttimallistaan
Elokuun 12. päivän jättimäisen ja maksullisen version pettymyksen jälkeen Alibaba julkaisee Maciin mahtuvan: Qwen3.8-27B, 27 miljardia tiheää parametria, Apache 2.0 -lisenssi (kaupallinen käyttö, ilmainen). Se lukee kuvia ja tekstiä, pitää langan 262 000 sanassa (valinnaisesti jopa miljoonaan) ja saa 84,3 % testissä, jossa sen on käytettävä tietokonetta kuin ihminen. Se voittaa edellisen sukupolven (73,3) ja voittaa Anthropicin Opus 4.6 Maxin (72,7). Pk-yritykselle tai freelancelle, joka haluaa tehokkaan mallin lähettämättä tietoja pilvi-jätille, tämä on vakavasti otettava ja jo saatavilla oleva vaihtoehto.
Source : https://huggingface.co/Qwen/Qwen3.8-27B
Writer esittelee agenttitiimin, joka on 52 % halvempi ja valvoo omia kulujaan
Writer kirjoitti agenttiensa moottorin perusteellisesti uusiksi: uusi malliversio (Palmyra X6) ja uusi orkestroija (harness). Tuloksena: 52 % halvempi ja 48 % nopeampi samoissa tehtävissä. Itse malli on kiinalaisen mallin (Z.ai:n GLM 5.2) erikoistarkennettu versio, mutta kokonaan uudelleenkoulutettu amerikkalaisissa datakeskuksissa juridisista syistä. Käytännössä: 2 dollaria miljoonasta luetusta sanasta, 8 dollaria miljoonasta kirjoitetusta sanasta, ja agentit pysyvät kahdeksan tuntia ilman valvontaa. Varsinainen uutuus: ylläpitäjät näkevät vihdoin token-kulutuksen budjettirivina, eivät yllätyksenä. Tärkeä askel hintasodassa, joka todella piilottaa kasvavan kulutuksen.
Source : https://writer.com/blog/palmyra-x6-major-harness-release/
Avoin standardi, jotta agentit muistavat vuotamatta salaisuuksianne
Kuvittele yrityksen kansio, jossa kuka tahansa agentti voi tulla lukemaan ja jättämään muistiinpanoja, mutta mikään ei poistu yrityksestä. Tätä Starling Memory Works ehdottaa Universal Cognitive Architecture -arkkitehtuurillaan (UCA), julkaistu ilmaiseksi Creative Commons -lisenssillä, ilman maksuja. Itse tekoälymalli pysyy muistittomana: se unohtaa kaiken tehtävän päättyessä, kuten työntekijä, joka palauttaa kansionsa lähtiessään. Kaikki muistiinpanot pysyvät selväkielisinä organisaation hallitsemassa tilassa. Tämä on neljäs merkittävä agenttien muistipala neljässä viikossa AWS:n, LangChainin ja Tencentin jälkeen: miten agentti muistaa muuttuu yhtä strategisesti kuin mitä mallia se käyttää.
Source : https://www.starlingmx.com/free-standard
GitLens 19 muuttaa koodihistorian ihmisten ja agenttien yhteiseksi keittiöksi
GitKraken julkaisee GitLens 19:n, joka muuttaa perinteisen Git-commit-historian työtilaksi, jossa ihmiset ja agentit tekevät yhteistyötä. Kolme tilaa: Tarkista (tarkasta ennen muutosehdotusta), Koosta (järjestä siisteiksi commit:eiksi), Koko repositorion konteksti (näe yhdellä silmäyksellä mitä tiedosto koskee). Yhteensopiva VS Coden, Cursorin ja Antigravityn kanssa. Samanaikaisesti julkaistu 2026-raportti paljastaa silmiinpistävän luvun: 28 % kehittäjistä sanoo nyt, että heidän pääasiallinen työskentelytapansa on «autonominen tekoäly», kun yhdeksän kuukautta sitten luku oli 7,6 %. Markkinat eivät enää myy eristettyjä agentteja; ne myyvät ympäristön, jossa useat agentit elävät ihmisten kanssa.
Source : https://www.prnewswire.com/news-releases/gitkraken-introduces-gitlens-19-bringing-human-and-ai-workflows-together-in-one-workbench-302851472.html
Neljä muistipalaa (AWS, LangChain, Tencent, Starling) neljässä viikossa ja neljä open-source-agenttimoottoria seitsemässä päivässä (DeepSeek Harness, Writer X6, Microsoft Agent Framework, NVIDIA NOOA): molemmat perheet kypsyvät samaa vauhtia. Repeämä toisessa heijastuu toiseen. Seurattavaa, jotta voi ennakoida seuraavan askeleen.
Kiinalaisen mallin uudelleenkoulutus Yhdysvalloissa on nyt avoin strategia
Writer myöntää avoimesti ottavansa GLM 5.2:n (Z.ai) Hugging Facesta, koulettavan sen uudelleen yhdysvaltalaisissa datakeskuksissa ja julkaisevansa teknisen raportin. Tämä on kirjallinen vastaus 12. elokuuta esitettyyn kritiikkiin Z.ai:n turvakehyksen puutteesta. Jokainen yritys, joka haluaa käyttää kiinalaista mallia joutumatta kiinalaisen lainkäytön alle, valitsee nyt tämän tien. Toistettava malli, ei poikkeus.
Qwen3.8-27B:n pisteet riippuvat mittausmoottorista
Virallinen kortti mainitsee, että kooditestit ajetaan Claude Codella, Anthropicin moottorilla. Se on kuin arvioisi autoa kilpailijan moottorilla: luku pysyy hyvänä, mutta heijastaa yhdistelmää. Varmista riippumattomalla benchmarkilla ennen tuotantokriittistä käyttöä.
Kaksi näkemystä agentista törmää samana päivänä
Elokuun 13. päivänä DeepSeek (kiinalainen, avoin lähdekoodi) ja Microsoft (amerikkalainen, hallinnoitu) julkaisevat kumpainenkin oman agenttikehyksensä. Sama ongelma, kaksi vastakkaista vastausta: avoin koodi vastaan hallinnoitu tuote, yhteisö vastaan yritys. Ottelu on alkanut. Käyttäjille on tulossa filosofinen valinta lähikuukausina.
📊 Trendin
Tällä kahdella viikolla agenttien näkymättömät kerrokset (muisti, moottori, jakelu) kypsyvät yhtä nopeasti kuin itse mallit. Kiinalaiset laboratoriot toimittavat nyt täyden pinon (malli + kehys + muisti + jakelu), eivät vain ladattavia painoja. Amerikkalaisella puolella kiinalaisten mallien uudelleenkoulutus Yhdysvalloissa on avoin käytäntö säännösten kanssa yhteensopivuuden säilyttämiseksi. Pelikenttä siirtyy: taistelu ei käy enää pelkän mallin suorituskyvystä vaan siitä kokonaisesta ekosysteemistä, jonka kukin toimittaja pystyy tarjoamaan.