Applen tekoäly tulee Kiinaan, ja työtä tekee Alibaban Qwen
Muutaman päivän kuluttua iPhonen puheassistensti osaa vastata kiinalla, kirjoittaa tekstin uudelleen tai nähdä kameran kuvaamaa — mutta kiinalaisille käyttäjille sitä ei tee Applen oma malli. Sen tekee Qwen, Alibaban malli. Apple ja Alibaba ilmoittivat asiasta yhdessä lokakuun lopussa. Testit alkavat 4. marraskuuta, julkinen versio on tulossa joulukuussa. Jokainen kysymys kulkee Alibabaan, mutta yhtiö lupaa, ettei kysymyksiä eikä vastauksia käytetä sen mallien kouluttamiseen. Käyttäjä säilyttää ohjaimen ja hyväksyy lähetettävät tiedot. Konkreettisesti: kiinalaiselle käyttäjälle iPhone käyttäytyy kuten ranskalaiselle — se kysyy paikallisesti toimivaa kiinalaista mallia. Lähde: Global Times.
Microsoft julkaisee 4 miljardin parametrin agentin, joka ohjaa tietokonetta
Microsoft on juuri julkaissut pieneen tietokone-agentin painot: neljä miljardia parametria, tiedosto joka mahtuu 10 gigan tavun USB-muistitikkuun. Lisenssi on avoin ja tavallinen pöytätietokone riittää sen pyörittämiseen. Referenssitestissä, joka mittaa kuinka hyvin kone pystyy käsittelemään tietokonetta, se päätyy 66 prosentin onnistumiseen — parhaan tulokseen tässä koossa. Parempi vielä: pieni agentti ei vain klikkaa näytöllä, se osaa myös kirjoittaa ja suorittaa koodia terminaali-ikkunassa ja valitsee itse, kumpaa kahdesta tavasta käyttää. Microsoft korostaa, että suurin osa tuloksesta tulee mallin ympärillä olevasta työkalusta, ei itse mallista: referenssiagentti jäi 37,6 prosenttiin, koulutettu agentti yltää 66 prosenttiin. Lähde: Microsoft.
Anthropic piirtää uudelleen sääntönsä agenteille, jotka ohjaavat oikeita koneita
12. marraskuuta Anthropic soveltaa uutta versiota käyttöehdoistaan, ja se koskee juuri sitä, mitä agentit tekevät nykyään. Kun Claude on kytketty laitteeseen, joka pystyy toimimaan itsenäisesti fyysisessä maailmassa — robottikoura, ajoneuvo, kone —, kolmesta vaatimuksesta tulee pakollinen: pätevän käyttäjän on pystyttävä valvomaan laitetta ja pysäyttämään sen, laitteen on pystyttävä pysymään turvallisessa tilassa jos yhteys katkeaa, ja asianomaiselle on kerrottava, että konetta käytettiin. Tämä on ensimmäinen kerta, kun iso tutkimuslaitos kirjoittaa mustalla valkeella, mitä meidän omat agenttimme noudattavat kun ne koskevat todellisuutta. Toisessa kohdassa sääntö helpottuu: yleinen kielto kohdennetuista vaalivaikuttamisesta poistuu. Lähde: Anthropic.
Viisi pientä mallia, jotka koordinoituvat tiedostoilla, voittavat huippumallin
Viisi pientä 27 miljardin parametrin mallia asetettuna samaan vaikeaan ohjelmointitehtävään teki paremmin kuin yksinään käytetty huippumalli: 9,8 kymmenestä keskiarvona kahdeksaa vastaan. Yksityiskohta on tärkeä: ne eivät koskaan puhu toisilleen. Jokaisella on oma rooli — suunnittelija, kaksi ideointia rinnakkain, toteuttaja ja johtaja — ja koko koordinointi tapahtuu levylle jätettyjen tiedostojen kautta, kuin muistiinpanot joita jätetään ohimennen. Mediaanikustannus tehtävää kohti: 39 senttiä, vähemmän kuin kupillinen kahvia. Viiden pienen mallin yhteispelu on samalla halvempi kuin yksi suuri malli. Tekijät nostavat esiin myös rajan: tehtävät ovat vuodelta 2025 ja malli on saanut nähdä ne koulutuksessa. Lähde: Memdoor-projektin GitHub-sivu.
Collective kerää 100 miljoonaa dollaria agentille, joka hoitaa yhden hengen yritystä
Collective on juuri kerännyt 100 miljoonaa dollaria hyvin yksinkertaiselle idealle: itsenäiset yrittäjät hoitavat yrityksensä hallinnollisen puolen itse. Alusta valmistelee verotusilmoitukset, laittelee menot, käsittelee palkat ja linkittää vakuutukset — ja työn tekee taustalla agentti, sen sijaan että käyttäjälle annettaisiin kasa ohjelmistoja ohjattavaksi. Kierros on poikkeuksellinen: 40 miljoonaa omaa pääomaa plus 60 miljoonan luottolimiitti asiakkaisiin kohdistettuna. Yhtiö kertoo liikevaihtonsa kasvavan 120 prosenttia vuodessa ja säästäneensä asiakkaille 350 miljoonaa dollaria veroja, joista parhaiten ansaitsevat säästävät jopa 40 000 dollaria vuodessa. Argumentti: yhden hengen yritys pystyy nykyään kilpailemaan palkollisen johtajan kanssa. Lähde: Collectiven blogi.
GitLab antaa agenteille kartan koodista sen sijaan, että ne lukisivat kaiken uudelleen
GitLab on juuri avannut kontekstigraafinsa kaikille: yksi jatkuvasti päivittyvä näkymä koodista, yhdistämispyynnöistä, putkista ja haavoittuvuuksista, joita agentit voivat kysyä sen sijaan, että ne lukisivat kaiken joka kerta. GitLabin omissa testeissä agentit tekivät jopa 45 kertaa vähemmän uusintayrityksiä ja käyttivät jopa 4,5 kertaa vähemmän tokeneita. Yksi asiakas vastasi seitsemässä minuutissa turvallisuuskysymykseen, joka koski 34 miljoonaa kohdetta, kun manuaalinen etsiminen olisi kestänyt puolisen päivän. Lähde: GitLabin blogi.
Nyt yksi agenti vastaa muiden agenttien valvonnasta
Monte Carlo on juuri julkaissut Bayesin, kollegan, joka valvoo tuotannossa olevia agentteja ja korjaa rikinneet: se havaitsee viat, virittää valvonnan, ehdottaa korjauksia yhdistämispyyntöinä tai tiketteinä ja tarkistaa sitten, että korjaus piti. Yhtiö muistuttaa, että insinööri pystyy mukavasti valvoa yhtä kolmea agenttia, ja että 74 prosenttia yrityksistä on jo joutunut perumaan julkaisemansa agentin. Monte Carlon asiakkailla Bayesin kerrotaan löytävän kaksi kertaa enemmän tapahtumia ja samalla vähentävän väärät hälytykset yli 80 prosenttia. Lähde: Monte Carlon lehdistötedotus.
SAP myy agenttienne keskustelupaokan, ei vain agentteja
TechEd-konferenssissaan SAP esitteli uuden tavan rakentaa agentteja: Joule Studiolla voit kuvata arkipäiväisin sanoin mitä agentin pitää tehdä ja testata sen eristetyssä ympäristössä ennen tuotantoon siirtämistä, ja roolikohtaiset käyttöoikeudet erottavat liiketoimintapuolen kehittäjäpuolesta. Yhtiö tarjoaa myös yhden ainoan paikan, josta ohjataan yrityksen kaikkia agentteja, valittuja malleja (yli 70), kulutusta ja jälkiä. Suoraan sanottuna: SAP myy koko valvomohuoneen, ei yhtä agenttia. Lähde: SAPin lehdistötedotus.
DoorDash laskee: agentit ovat tehneet vain muutaman sadan tilauksen
Toimitusalustalla, joka käsittelee kolmea miljoonaa tilausta päivässä, kolmannen osapuolen avustimien tekemät tilaukset laskeutuu kahdelle kädelle. DoorDashin toimitusjohtaja sanoi sen itse sijoittajille: agentit kuuluvat vähiten käytettyihin toimintoihin, ja useimmat asiakkaat tilaavat edelleen sovelluksessa. Yhtiöllä on silti omat agenttinsa — tilaus tekstiviestillä, agentti komentorivillä, keskustelurobotti — eikä se sulje ovea: se mainitsee jopa mainonnasta näissä avustimissa. Luku on hyödyllinen kaikille, jotka rakentavat tällä alalla nyt: kohina tilaavista agenteista on valtava, määrä pysyy hyvin pienenä. Lähde: tulospuhelun litterointi, jätetty SEC:lle.
📊 Trendin
Yksi vakio kulkee päivän uutisten läpi: agentti ei ole enää päähenkilö, sen ympäristö on. Microsoft julkaisee pienen mallin, jonka pisteet tulevat lähinnä ympärillä olevista työkaluista; GitLab myyy näkymän joka antaa kontekstin; Monte Carlo panee agentin valvomaan agentteja; SAP myy keskustelupaokan. Samaan aikaan DoorDash muistuttaa, ettei kolme miljoonaa tilausta päivässä muutu agenttitilauksiksi taikauksella. Viimeisten kuukausien liike on vähemmän näyttävä kuin miltä näyttää: huomio siirtyy aivosta ympäristöön, ja juuri siinä ratkeaa ero demonstraation ja kestävän työkalun välillä.