Google julkaisee agenttehtäviin kaksi ja puoli kertaa nopeamman mallin
Google on ottanut käyttöön mallin, joka on rakennettu agenttien päivittäiseen työhön: koodin kirjoittamiseen, testien suorittamiseen ja virheiden korjaamiseen. Se suorittaa tehtävänsä kaksi ja puoli kertaa nopeammin kuin edeltäjänsä samantyyppinen malli, ja yli kolminkertaistaa tuloksensa testissä, joka mittaa agentin työtä terminaalissa, arvosta 18,2 %:sta 57 %:iin. Hinta pysyy kahvitason luokkaa: 1,50 dollaria miljoonaa luettua sanaa kohti ja 7,50 dollaria miljoonaa kirjoitettua sanaa kohti. Google varaa tämän mallin suorittamiseen, vahvempien mallien rinnalle, jotka miettivät ennen toimintaa. Käytännössä tämä on työntekijä, joka ei mieti kovasti mutta ei pysähdy koskaan. Lähde : https://deepmind.google/blog/introducing-gemini-4-hydrogen/
Anthropic antaa ajaa Claude-agentit omilla palvelimilla
Anthropic avaa yksityisesti testattavaksi version agenttipalvelustaan, jonka asiakas asentaa itse omaan pilveensä tai omille palvelimilleen. Kaikki pysyy paikallaan: palvelin, tietokanta, salasanat ja koko keskusteluhistoria. Vain pyynnöt mallille kulkevat ulos, ja asiakas valitsee mihin ne menevät: Anthropic, Amazon, Google, Microsoft tai oma väylä. Erotus on ehdottoma: agentin aivot eivät koskaan näe salasanoja, ja ne lisätään viime hetkellä ulkoisen välittäjän kautta. Jokainen agentti voidaan lisäksi rajata sallittujen sivustojen luetteloon. Vertailu: se on kuin asentaisi kirjanpitäjän omiin tiloihin, omilla avaimilla ja omilla papereilla: työ tehdään siellä ilman että kassa poistuu rakennuksesta. Lähde : https://claude.com/resources/articles/self-hosted-claude-managed-agents
Amazon käynnistää agentit alle kahdessa sekunnissa
Amazon Bedrock AgentCore saa uuden version agenttien ajomoottoristaan. Istunnot käynnistyvät alle kahdessa sekunnissa kuvan koosta riippumatta, ja käytettävissä oleva laskentateho nelinkertaistuu, enintään kahdeksaan ytimeen ja 32 gigatavuun muistiin. Amazon lisää myös kulutuskaton konekäyttäjää kohti, joka johdetaan yksityiskohtaisesta laskutuksesta. Turvallisuuden kannalta tärkeä kohta: jokainen agentti toimii pienessä virtuaalikoneessa, joka on eristetty laitteistosta, omalla identiteetillään, omalla käytännöllään ja omalla tarkastusjäljellään. Nopeus ei siis maksa tätä erottelua. Ensimmäiset asiakkaat, mukaan lukien Coinbase ja Mission Cloud, mittaavat 35 %–77 % nopeammat käynnistykset ja 17 % pienemmän kustannuksen puhelua kohti. Vertailu: se on kuin ravintola, joka aloittaa ruoan valmistamisen heti tilauksen tullessa sen sijaan että keittiön täytyisi ensin herätä. Lähde : https://aws.amazon.com/blogs/machine-learning/run-agents-securely-and-efficiently-with-the-next-generation-agentcore-runtime/
Thinking Machines avaa 594 miljardin parametrin mallinsa painot
Thinking Machines avasi yön aikana Inkling 2 Small -mallin painot. Mallissa on 594 miljardia parametria, ja se esiteltiin suljettuna versiona 5. marraskuuta. Tietovarasto on käytettävissä ilman tiliä Apache 2.0 -lisenssillä, ja siinä on 25 painotiedostoa: kuka tahansa voi siis asentaa sen ja käyttää sitä omissa tuotteissaan, myös kaupallisissa. Malli on tarkoitettu koodin kirjoittamiseen pitkäjänteisesti ja tutkimuksen tekemiseen itsenäisesti: julkaisija näyttää 4 tunnin ja 30 minuutin työskentelyn sekä 426 dollarin laskennan, jossa malli yli kaksinkertaisti toisen mallin ennusteen laadun. Vertailu: se on kuin saisi reseptin ja kaikki ainekset siitä ruoasta, jota sai vain katsella, sen sijaan että näkisi vain kuvan ruoasta. Lähde : https://thinkingmachines.ai/news/inkling-2-small/
Norja on Yhdysvaltain listalla chipin lisenssin tarvitsevista maista
Yhdysvaltain kauppaministeriö viimeistelee sääntöä, joka tukkisi sen aukon, jonka kautta kiinalaiset yritykset voivat käyttää etäällä Kiinassa kiellettyjä siruja. Listalle tulisi seitsemän maata, mukaan lukien Norja: ainoa eurooppalainen valtio, yhdessä Brasilian ja Etelä-Afrikan kanssa. Blackwell-tason tai sitä korkeampien sirujen tuonti vaatisi siellä lisenssin. Amerikkalaisyritysten ylläpitämät datakeskukset olisivat vapautettuja, jos ne estävät pääsyn Kiinasta ja Venäjältä. Sääntöä ei ole vielä julkaistu: se voidaan tiedottaa kuukauden kuluessa, eikä sen tekstistä tai voimaantulosta ole tietoa. Tieto on peräisin TokenPostin uutisesta, joka siteeraa The Informationia: virallista tekstiä ei ole tällä hetkellä julkisesti saatavilla. Vertailu: se on kuin tulli kaksinkertaistaisi tarkastukset seitsemässä maassa, erillisellä lomakkeella luvattomille tuojille. Lähde : https://www.tokenpost.com/news/regulation/55428
United Airlines estää agentteja varaamasta lentoja
Amerikkalainen lentoyhtiö kieltää ulkoisia agentteja varaamasta lentoa tai hoitamasta varausta matkustajan puolesta, myös matkatoimistojen kautta. Ilmoitettu syy: tunnuksien jakaminen assistentille voi paljastaa arkaluontoisia tietoja ja johtaa vahingossa tehtyihin ostoksiin, ja liittovaltion säännöt vaativat ihmistä vahvistamaan, mitä laukassa on. United tarkentaa, että sääntö koskee myös välittäjiä, ja kehottaa matkustajia lopettamaan tunnustensa luovuttamista tällaisille työkaluille. Se on ensimmäinen suuri yritys, joka sulkee oven pankkien jälkeen. Lähde : https://united.mediaroom.com/news-releases?item=125496
Alibaba avaa ohjelmointiagenttinsa moottorin
Qwen Coden 1.0 -esijulkaisu julkaistaan Apache 2.0 -lisenssillä. Uutta on se, että ammattilaisversion Qoder-työkalussa käytettävä moottori yhdistetään avoimeen projektiin, jotta kehittäjät voivat upottaa sen omiin tuotteisiinsa. Ohjelmisto toimitetaan natiiviversioina macOSille, Linuxille ja Windowsille, eikä Node.js:tä tarvitse asentaa ensin. Alibaba on sulkenut yhteisön ehdotukset joulukuun 2026 jälkeiseen asti. Lähde : https://github.com/QwenLM/qwen-code/releases/tag/v1.0.0-preview
Baidu hienosäätää ERNIE 5.5 Flashia ja lupaa painot 25. marraskuulle
Perusmallin hienosäädetty versio on saatavilla Baidun ohjelmointirajapinnasta, yli 200 sanaa sekunnissa. Painoja ei ole vielä julkaistu: Baidu ilmoittaa avaavansa ne 25. marraskuuta. Huomaa lisenssi: jo julkaistuissa perusversion painoissa on yhteisölisenssi, joka rajoittaa käytön EU:n ulkopuolella, joten ne eivät kelpaa Norjassa. Apache 2.0 -lisenssillä ilmoitettu avaaminen nojaisi eri oikeudelliseen perustaan. Baidu itse kutsuu tätä versiota välitilaksi, koulutus ei ole valmis. Lähde : https://ernie.baidu.com/release/ernie-5-5-flash-preview/
Se, miten agenttia testataan, muuttaa testin tuloksen
Perplexity on jatkanut kokeitaan työkalullaan, joka ajaa agentteja suojatussa virtuaalikoneessa. Ensimmäinen havainto: kun agenttia pyydetään etsimään lippua, se käyttää aikansa koneen läpäisemiseen sen sijaan, että se testaisi agentin ja sen isäntäkoneen välistä seinää. Yhdeksän mallia kahdestatoista käytti korkeintaan 4 % voimastaan tähän kohtaan; kun tehtävä kirjoitettiin uudelleen, osuus kasvoi noin 60 prosenttiyksikköä, eikä yksikään päässyt seinän läpi. Toinen havainto: kyberturvallisuuteen koulutetut mallit eivät olleet parempia. Lähde : https://www.perplexity.ai/hub/blog/escaping-space-part-ii
📊 Trendin
Päivä, jolloin agentit siirtyivät käytännön puolelle: Google julkaisee nopean mallin, Anthropic antaa pitää koko palvelun omissa tiloissasi, Amazon tuo käynnistysajan alle kahteen sekuntiin ja laboratorio avaa giganttimallinsa painot. Vastakkain todellinen maailma sanoo riittää: United Airlines ei päästä agenttejaan varaamaan lentoja, ja Yhdysvallat valmistelee luetteloa maista, Norja mukaan lukien, joissa tekoälypiheiltä vaaditaan lupa. Välissä on metodin oppi: mitä agenttia koskeva testi mittaa, riippuu siitä, miten testi on kirjoitettu.