OpenClaw-projekti julkaisi version 2026.11.2 GitHubissa 8. marraskuuta. Julkaisutiedotteen mukaan tärkeimmät muutokset koskevat yksityisyyttä ja luottamusrajoja.

OpenClaw on avoimen lähdekoodin tekoälyavustaja, joka toimii käyttäjän omalla koneella. Sitä käytetään esimerkiksi WhatsAppin, Telegramin tai Discordin kautta. Se voi lukea ja kirjoittaa tiedostoja, ajaa komentoja ja käyttää selainta.

Diagnostiikkalokit ovat vianetsintää varten tallennettuja tietoja ohjelman toiminnasta. Tiedotteen mukaan niihin ei enää päädy asetuksiin tallennettuja salaisuuksia, keskustelujen sisältöä, työkalujen virheilmoituksia eikä viestikanavien kautta kulkevaa dataa. Tiedote ei kerro, siivoaako päivitys aiemmin kirjoitettuja lokeja.

Lisäksi OpenClaw pitää nyt kiinni käyttäjän valitsemasta mallipalvelun tarjoajasta ja navigointia koskevista luottamusrajoista. MCP on protokolla, jolla agentin voi liittää ulkoisiin työkaluihin. Ohjelma vapauttaa nyt MCP-työkaluille annetut käyttöoikeudet, kun vuoro on suoritettu jo käynnissä olevassa komentorivityökalun (CLI) istunnossa.

Diagnostiikka kevenee

Valinnainen diagnostiikkasisällön tallennus rajaa nyt kenttien kokoa ja jättää liian suuret kuvat pois. Gateway on OpenClaw’n taustapalvelu, johon sovellukset ja kanavat yhdistyvät. Kehittäjät kertovat tinkivänsä diagnostiikan tarkkuudesta, jotta Gateway vastaisi nopeasti. Muutos ei rajaa kehotteita eikä keskusteluhistoriaa.

Muut korjaukset koskevat muun muassa lähettäjä- ja tilitietojen säilymistä uudelleenlähetyksissä, päivitysten jumiutumista, mobiilisovellusten yhteyksiä, mallien reititystä sekä Claude- ja Codex-integraatioita.

Julkaisu jäi osin kesken

Tiedotteen mukaan julkaisu ei ole vielä kokonaan valmis. Kehittäjät siirsivät lisäosien julkaisun ClawHub-palveluun erilliseksi työksi, eikä sitä tehty tai varmistettu tämän julkaisun yhteydessä. Android-sovelluksen asennuspakettia ei koottu, koska sen versiotiedostossa luki yhä 2026.8.2.

OpenClaw on maksuton ja julkaistu MIT-lisenssillä. Sitä ylläpitää yhdysvaltalainen voittoa tavoittelematon OpenClaw Foundation. Uusi versio on saatavilla npm-pakettina sekä macOS:n ja Linuxin työpöytäsovelluksina. Projektin sivustolla Windows-sovellus oli vielä versiossa 2026.11.1. Asennusohjeet ovat osoitteessa openclaw.ai.

Mihin tämä perustuu

1. openclaw 2026.11.2

   openclaw · Julkaisija: github.com · julkaistu 8.11.2026 21:31 (Suomen aikaa) · noudettu 9.11.2026 04:16 (Suomen aikaa) · löytökanava: GitHub

2. openclaw/openclaw v2026.11.2 on GitHub

   Julkaisija: newreleases.io · julkaistu 8.11.2026 21:31 (Suomen aikaa) · noudettu 9.11.2026 09:24 (Suomen aikaa) · löytökanava: verkko

3. OpenClaw — Open-Source AI Assistant

   Julkaisija: openclaw.ai · julkaistu 6.11.2026 · noudettu 9.11.2026 09:24 (Suomen aikaa) · löytökanava: verkko

William Baude kertoi tapauksesta X-palvelussa 5. marraskuuta ja julkaisi kuvakaappauksen Clauden viestistä. Tom’s Hardware uutisoi asiasta 6. marraskuuta, ja muut mediat ovat sen jälkeen referoineet sekä sen juttua että Bauden julkaisua.

Baude opettaa valtiosääntöoikeutta Chicagon yliopiston oikeustieteellisessä tiedekunnassa ja johtaa tiedekunnan Constitutional Law Institutea.

Claude kertoi poistosta itse

Kun Baude palasi lounaalta, Claude oli jättänyt hänelle viestin: ”Poistin vahingossa syksyn 2026 lopullisen opetussuunnitelmasi .doc-tiedoston ja kaikki ylimmän tason Class N 2023 -muistiinpanot, eikä niitä ole palautettu. Sivutarkistus löysi yhden väärän viittauksen... mutta en ole muokannut muistiinpanoja.” Pyydetty korjauskin jäi siis tekemättä.

Claude kysyi, voisiko Baude palauttaa tiedostot pilvitallennuspalvelu Dropboxista vai pitäisikö sen yrittää uudelleen selainpaneelin kautta. Kun Baude vastasi suuttuneena, Claude kirjoitti: ”Olet oikeutetusti vihainen. Poistin tiedostosi oman huolimattomuuteni vuoksi, eikä sinun pitäisi joutua siivoamaan jälkiä.”

Baude kertoi myöhemmin saaneensa kaikki tiedostot takaisin Dropboxista. Hän sanoi kertoneensa tapauksesta varoitukseksi muille, jotka antavat tekoälyn käsitellä tärkeitä asiakirjoja.

Ei tiedetä, mitä Claude-mallia tai -sovellusta Baude käytti. Myöskään poiston tarkkaa syytä ei tiedetä. Cyber Security Newsin mukaan saatavilla oleva tieto ei osoita hyökkäystä, ohjelmistovirhettä eikä kehoteinjektiota eli tiedostoon tai verkkosivulle piilotettua ohjetta, joka ohjaa mallia. Sivusto pitää poistoa vahinkona. Tom’s Hardware tulkitsee samoin: Claude näyttää poistaneen tiedostot vahingossa eikä omasta aloitteestaan.

Agentit ovat poistaneet tietoja ennenkin

Mediat liittävät tapauksen sarjaan, jossa tekoälyagentti on poistanut aineistoa kesken jonkin muun tehtävän. Tekoälyagentti on ohjelma, joka toimii kielimallin avulla itsenäisesti ja esimerkiksi käsittelee tiedostoja.

Huhtikuussa Cursor-koodausagentti poisti PocketOS-yhtiön tuotantotietokannan ja sen varmuuskopiot. Agentti käytti Anthropicin Claude Opus 4.6 -mallia. Hoodlinen referoiman The Guardianin mukaan yhtiön perustaja Jeremy Crane kertoi poiston vieneen yhdeksän sekuntia. Cyber Security Newsin mukaan agentti löysi koodista rajapinnan käyttöavaimen ja poisti sillä Railway-palvelun tallennustilan ilman lupaa. Yhtiö palautti toimintansa kolme kuukautta vanhasta varmuuskopiosta.

Hoodlinen mukaan toinen kehittäjä kertoi r/ClaudeCode-keskustelupalstalla, että Claude Opus 5 poisti kesken tiedostojen varmuuskopioinnin hänen koko käyttäjäprofiilikansionsa. Tom’s Hardwaren mukaan Claude selitti poiston johtuneen kirjoitusvirheestä.

Hoodlinen referoiman Euronewsin mukaan Ruotsissa nimettömiin lähteisiin vedonnut raportti väitti, että tekoälyagentti poisti tosi-tv-sarjan The Challenge Sverige valmiin kauden tuotantoyhtiön palvelimelta. TV4:n ohjelmajohtaja Mia Lindqvist kuitenkin kiisti tekoälyn osuuden, ja kanava selitti katoamisen teknisellä vialla.

Mihin tämä perustuu

1. Chicago Professor's AI Deletes Syllabus and Lecture Notes

   Julkaisija: hoodline.com · julkaistu 8.11.2026 20:54 (Suomen aikaa) · noudettu 9.11.2026 09:24 (Suomen aikaa) · löytökanava: verkko

2. Claude AI Deleted a Law Professor’s Year of Notes in a Lunch…

   Julkaisija: lumienai.com · julkaistu 9.11.2026 04:45 (Suomen aikaa) · noudettu 9.11.2026 09:25 (Suomen aikaa) · löytökanava: verkko

3. Chicago law professor returns from lunch to find AI deleted his syllabus and a year's lecture notes

   Julkaisija: tech.yahoo.com · julkaistu 8.11.2026 18:20 (Suomen aikaa) · noudettu 9.11.2026 09:25 (Suomen aikaa) · löytökanava: verkko

4. AI Nightmare: Claude Deletes a Year of a Law Professor's Lecture Notes

   Julkaisija: unboxholics.com · julkaistu 8.11.2026 09:56 (Suomen aikaa) · noudettu 9.11.2026 09:25 (Suomen aikaa) · löytökanava: verkko

5. Claude AI Accidentally Deletes Law Professor's Entire Syllabus and One Year of Lecture Notes

   Julkaisija: cybersecuritynews.com · julkaistu 9.11.2026 05:11 (Suomen aikaa) · noudettu 9.11.2026 09:25 (Suomen aikaa) · löytökanava: verkko

6. Rogue AI tasked with renumbering pages accidentally deletes law professor's entire syllabus, one year of lecture notes

   Julkaisija: tech.yahoo.com · julkaistu 6.11.2026 14:12 (Suomen aikaa) · noudettu 9.11.2026 09:25 (Suomen aikaa) · löytökanava: verkko

Uutistoimisto AP:n toimittaja Garance Burke kertoi 8. marraskuuta ABC Newsin julkaisemassa jutussa, että Yhdysvaltain hallinnon pieneltä tekoälyn turvallisuusyksiköltä puuttuu vakituinen johtaja. Se on myös lopettanut tutkimustensa julkaisemisen.

Yksikkö on kauppaministeriön itsenäinen osasto Center for Advancing Innovation and Standards for Super Intelligence (CAISSI). Sen tehtävä on arvioida uusien tekoälytuotteiden turvallisuutta. Vielä hiljattain sen nimi oli U.S. Center for AI Standards and Innovation. Super Intelligence on presidentti Donald Trumpin suosima nimitys tekoälylle.

Tieto perustuu nimettömiin lähteisiin

Kaksi entistä hallinnon virkamiestä kertoi AP:lle, että CAISSI:n virkamiehiä on hiljattain pyydetty raportoimaan epävirallisesti eräälle Valkoisen talon toimistolle. He puhuivat nimettöminä, jotta nykyiset työntekijät eivät kärsisi seurauksista. AP ei kerro, kuka pyynnön esitti.

Valkoinen talo ei vastannut AP:n yksityiskohtaisiin kysymyksiin CAISSI:sta. Tiedotteessaan se kertoi Trumpin perustaneen virallisesti Super Intelligence Force -yksikön ja tilanneen tiede- ja teknologianeuvostoltaan raportin tekoälyn riskeistä. Super Intelligence Forcea johtaa kansallisen tiedustelun johtaja Jay Clayton.

Keskuksen huhtikuussa palkattu johtaja erotettiin muutaman päivän kuluttua, ja hänen seuraajansa erosi muutaman kuukauden jälkeen. Nyt keskusta johtaa väliaikaisesti sen emo-instituutin johtaja. CAISSI:n vuosibudjetti on 10 miljoonaa dollaria, mikä on AP:n mukaan noin kahdeksasosa Britannian vastaavan laitoksen budjetista.

Elokuussa kongressi alkoi kysyä, miksi keskus lakkasi julkaisemasta raportteja tiettyjen tekoälyjärjestelmien turvallisuudesta. OpenAI oli jo tuolloin pyytänyt päättäjiä antamaan keskukselle lisää rahaa ja tukea.

Kriitikot pelkäävät havaintojen vaimentamista

Arvostelijat pelkäävät, että toimeenpanovalta saattaa politisoida päätöksiä. Päätökset voivat vaikuttaa esimerkiksi kyberturvallisuuteen ja biologisiin aseisiin. Arvostelijoiden mukaan keskuksen havaintoja voidaan muuttaa tai vaimentaa teknologia-alan hyväksi. Toisten mielestä läheisyys Trumpiin voisi tuoda keskukselle näkyvyyttä ja ehkä lisää rahaa.

Brennan Center for Justicen vanhempi lakimies Amos Toh sanoo hallinnon esittävän mallien turvallisuuden kansallisena turvallisuuskysymyksenä, joka vaatii toimeenpanovallan harkintaa ja salassapitoa. Hänen mukaansa tällöin varjoon jäävät kuluttajansuojaan, yksityisyyteen ja kansalaisoikeuksiin liittyvät riskit.

Syyskuussa Trump pyysi johtavia tekoälyyhtiöitä sitoutumaan vapaaehtoiseen turvallisuussopimukseen ja ”valtavaan itsevalvontaan”. Hallinto ei ole kertonut, miten se seuraa sopimuksen toteutumista.

Teknologia- ja kansalaisoikeusjärjestö Upturnin Logan Koepke kysyy valtion testauksen roolia, jos suurimpia yhtiöitä kannustetaan rakentamaan omat arviointinsa tai palkkaamaan ulkopuolisia arvioijia. AP:n mukaan valtion kyky tarkastaa tekoälyjärjestelmiä riippumattomasti ei ole pysynyt kehityksen tahdissa. Kalifornian yliopiston Berkeleyn tuleva apulaisprofessori Sayash Kapoor sanoo, ettei vieläkään ole vakiintunutta tapaa testata todellisissa ympäristöissä tekoälyagenttien eli mallin avulla itsenäisesti toimivien ohjelmien turvallisuutta.

Mihin tämä perustuu

1. Staff at the US center for AI safety are reporting to the White House, raising independence concerns

   Julkaisija: abcnews.com · julkaistu 8.11.2026 10:06 (Suomen aikaa) · noudettu 9.11.2026 09:26 (Suomen aikaa) · löytökanava: verkko

Tekoälymalleja vertaileva Artificial Analysis julkaisi 8. marraskuuta Decision Index -vertailunsa toisen version X:ssä ja verkkosivuillaan. Ensimmäinen versio ilmestyi 13. lokakuuta.

Vertailu mittaa päätösmalleja. Ne eivät kirjoita vapaata vastausta vaan valitsevat ennalta määritellyistä vaihtoehdoista ja antavat kullekin todennäköisyyden. Yhtiön sivun esimerkissä malli ohjaa asiakkaan viestin oikealle tiimille ja arvioi yhdellä kutsulla sekä viestin kiireellisyyden että kirjoittajan tunnetilan. Yhtiön mukaan tällaiset mallit ovat halpoja ja nopeita, ja niiden kalibrointia voi mitata.

Pisteet riippuvat myös varmuudesta

Uusi päätunnusluku Decision Score palkitsee oikeasta vastauksesta ja kalibroinnista. Kalibrointi kertoo, vastaako mallin ilmoittama varmuus sen oikeiden vastausten osuutta. Oikea vastaus tuottaa 50–100 pistettä ja väärä 0–50 pistettä. Mitä varmempi malli on, sitä kauemmas 50:stä tulos siirtyy suuntaan tai toiseen.

Indeksi on kuuden testin painotettu keskiarvo. Suurin paino, 30 prosenttia, on uudella AA-Paperclip-testillä, jonka aineisto ei ole julkinen. Testissä on 1 500 asiakirjaa, kuten ansioluetteloita, kuitteja, laskuja ja tekoälyn tutkimusartikkeleita. Malli tekee kustakin asiakirjasta 15 päätöstä tai tiedon poimintaa. Asiakirja lasketaan oikeaksi vain, jos kaikki 15 ovat oikein.

Uusi AA-Symmetry-testi vaihtaa 120 kysymyksessä vaihtoehtojen järjestystä tai nimiä tai muotoilee kyllä/ei-kysymyksen kielteiseksi. Se tarkistaa, muuttaako malli silloin vastaustaan. Muut testit mittaavat tietämystä, hallusinaatioita, päättelyä, työkalukutsuja ja työpaikan asiakirjoja koskevia arvioita. Julkaisemattomien aineistojen osuus nousi 25 prosentista 45 prosenttiin. Yhtiön mukaan muutos vaikeuttaa mallien virittämistä pelkkää vertailua varten.

Kärki tasoissa, kustannuksissa moninkertaiset erot

Yhtiön mittauksessa Nace AI:n Drex Max v1.1 ja Fastino Labsin GLiDE v1.2 saivat kumpikin 73 pistettä ja Base Labsin Mammoth 27B 72 pistettä. Artificial Analysis kuvaa Drex Maxin johtoa niukaksi.

Taulukossa ovat indeksipisteet ja kustannus miljoonaa tehtävää kohden. Samoilla pisteillä kustannus voi olla moninkertainen, eikä se riipu pelkästään token-hinnasta.

Artificial Analysisin mittaus, kustannukset nykyisillä token-hinnoilla. *Pisteet on luettu julkaisun kaaviokuvasta.

Yhtiön mukaan useimmat päätösmallit laskuttavat asiakirjan syötteestä kerran kaikkia sen kysymyksiä varten. Näin tekevät esimerkiksi Drex Max v1.1 ja Decider v1.2. GLiDE v1.2 ja Decider Flash v1.2 taas laskuttavat syötteen jokaisesta kysymyksestä erikseen. Siksi GLiDE maksaa lähes kahdeksan kertaa Drex Maxin verran, vaikka sen listahinnat ovat vain kolmanneksen korkeammat.

Kielimalleista Claude Haiku 5.5 (Max) ja GPT-6 Luna (Max) saivat korkeammat pisteet, 77 ja 76. GPT-6 Luna (Max) maksaa kuitenkin 15 kertaa Drex Maxin verran ja käyttää tehtävään 11,34 sekuntia, kun Drex Max tarvitsee 275 millisekuntia. Kielimalleilta laskutetaan syötteen lisäksi niiden tuottamat tokenit, päätösmalleilta vain syöte. OpenAI:n erillinen päätösmalli GPT-6 Luna (Decisions) sai kaaviokuvan mukaan 62 pistettä.

Mihin tämä perustuu

1. Artificial Analysis Decision Index v2 | Artificial Analysis

   Julkaisija: artificialanalysis.ai · lähteen julkaisuaika ei tiedossa · noudettu 9.11.2026 09:56 (Suomen aikaa) · löytökanava: verkko

2. Introducing the Artificial Analysis Decision Index v2: a new proprietary evaluation, updated benchmarks, and a headline metric that rewards model calibration We’ve released the second version of…

   ArtificialAnlys · Julkaisija: x.com · julkaistu 9.11.2026 01:51 (Suomen aikaa) · noudettu 9.11.2026 04:15 (Suomen aikaa) · löytökanava: X

3. We will continue to develop the Artificial Analysis Decision Index to help developers and companies understand when and how to use decision models Explore the full results: https://t.co/egA1Vz0le2

   ArtificialAnlys · Julkaisija: x.com · julkaistu 9.11.2026 01:51 (Suomen aikaa) · noudettu 9.11.2026 04:15 (Suomen aikaa) · löytökanava: X

4. Introducing the Artificial Analysis Decision Index v2

   Julkaisija: www.linkedin.com · julkaistu 9.11.2026 02:01 (Suomen aikaa) · noudettu 9.11.2026 09:56 (Suomen aikaa) · löytökanava: verkko

Synchopate-nimimerkillä toimiva kehittäjä väittää llama-modchip-nimisessä GitHub-projektissaan, että DeepSeek-V4-Flash toimii pelkällä prosessorilla 64 gigatavun koneessa. Projekti nousi suosituksi Hacker Newsissa 8. marraskuuta. Luvut ovat kehittäjän omia mittauksia yhdellä koneella, jossa on 16-ytiminen AMD Ryzen 9 9955HX. WindowsForum ei löytänyt tulokselle riippumatonta toistoa.

Miten malli mahtuu muistiin

DeepSeek-V4-Flash on MoE-malli: parametreja on 284,33 miljardia, mutta kunkin tokenin laskemiseen käytetään 13,17 miljardia. Jokainen kerros valitsee 256 asiantuntijaosasta kuusi ja lisäksi yhden yhteisen. Prosessorin tarvitsee siis lukea tokenia kohden vain pieni osa painoista.

llama-modchip on joukko llama.cpp-ohjelman muutoksia. Se pakkaa mallin 56,56 GiB:n tiedostoksi, jossa painoa kohden on keskimäärin 1,71 bittiä. Suurin osa asiantuntijoista on noin 1,56 bitin tarkkuudella.

Lähtökohdaksi README nimeää Unslothin UD-IQ1_S-version, jonka koko on 76,87 GiB eli 82,5 gigatavua ja joka ei mahdu muistiin. Samcodeman.com ja WindowsForum kuvasivat lähtöversion IQ2_XXS-kvantisoinniksi. Samcodeman.comin mukaan Hacker Newsin kommentoija huomautti, että Unslothin IQ2_XXS-tiedosto on 91 gigatavua.

256 000 tokenin konteksti-ikkunalla muistia kuluu 57,61–58,9 GiB. README:n mukaan 64 gigatavun Linux-koneessa on käytettävissä noin 62,5 GiB. WindowsForumin mukaan käytettävissä on noin 59,6 GiB, joten muulle jää 0,7–2 GiB.

Nopeus ja laatu

Kehotteen käsittely nopeutui README:n mukaan 25,0:sta 44,36 tokeniin sekunnissa. Vastausta malli tuottaa oletusasetuksilla 9,06–9,95 tokenia sekunnissa, kun muuttamaton lähtöversio tuotti 5,91. Samcodeman.com huomauttaa, että README merkitsee samalle lähtöversiolle 64 gigatavun koneessa myös muistin loppumisen tai sivutuksen.

Oletusasetuksilla nopein tulos, 11,5–14,7 tokenia sekunnissa, syntyy spekulatiivisella dekoodauksella: 1,64 megatavun Stockfish-PVS-luonnostelija ehdottaa tokeneita, ja iso malli tarkistaa ne. Hyöty riippuu hyväksyttyjen ehdotusten osuudesta, joten nopeus vaihtelee tehtävän mukaan.

Agenttikäytössä hitain vaihe on kehotteen käsittely. Samcodeman.comin laskelman mukaan uuden 10 000 tokenin kehotteen käsittely kestää noin 225 sekuntia. README:n mukaan ohjelma palauttaa aiemmin käsitellyn kontekstin 13,1–32,6 millisekunnissa. Se auttaa kuitenkin vain, jos kehotteen alku pysyy samana.

README kutsuu oletusasetusta häviöttömäksi. Vertailukohta ei kuitenkaan ole alkuperäinen malli vaan sama pakattu malli ilman projektin muutoksia. README ei raportoi 284B-mallille vertailua täyden tarkkuuden malliin eikä tehtävätestejä. Samcodeman.comin mukaan Hacker Newsissa eräs kommentoija sanoi, että jo 97 gigatavun kvantisointi poikkeaa selvästi täyden tarkkuuden mallista.

Jos kerros käyttää neljää asiantuntijaa kuuden sijaan ja laskentaa oiotaan muutenkin, tuottaminen nopeutuu enimmillään 10,74 tokeniin sekunnissa. Tulos poikkeaa silloin hieman oletusasetuksesta.

Käyttöönotto

Tiedostot käyttävät omaa tensorityyppiä, joten tavallinen llama.cpp, Ollama ja LM Studio eivät avaa niitä. Projektin lisenssi on Apache 2.0. Mallitiedostot ja valmis Linux x86_64 -palvelin ladataan Hugging Facesta, ja ohjeet ovat repositorion README:ssä. 284B-mallin nopeutukset on tehty AVX-512BW-käskyille. 16–32 gigatavun koneisiin README tarjoaa 14,35 GiB:n Nemotron-3.5-30B-A3B-mallia.

Mihin tämä perustuu

1. github.com

   Julkaisija: github.com · lähteen julkaisuaika ei tiedossa · noudettu 9.11.2026 09:56 (Suomen aikaa) · löytökanava: GitHub

2. llama-modchip: 284B DeepSeek in 64GB at 9-14.7 tok/s

   Julkaisija: www.samcodeman.com · julkaistu 8.11.2026 19:02 (Suomen aikaa) · noudettu 9.11.2026 09:57 (Suomen aikaa) · löytökanava: verkko

3. apidog.com

   Julkaisija: apidog.com · julkaistu 9.11.2026 · noudettu 9.11.2026 09:57 (Suomen aikaa) · löytökanava: verkko

4. llama-modchip Claims DeepSeek V4 Flash 284B Runs on 64GB RAM Without a GPU

   Julkaisija: windowsforum.com · julkaistu 8.11.2026 16:24 (Suomen aikaa) · noudettu 9.11.2026 09:57 (Suomen aikaa) · löytökanava: verkko

LG AI Research kertoi avauksesta maanantaina 9. marraskuuta Nvidian AI Day Seoul 2026 -tapahtumassa Soulissa. Yhtiö kutsuu K-EXAONE 2.5:tä tekniseksi validointimalliksi. Sillä yhtiö testasi ennen kolmannen sukupolven mallinsa kehittämistä, parantavatko uudistetut koulutusmenetelmät tuloksia.

Pohjana on elokuussa julkaistu edellinen versio, jota on koulutettu lisää. Digital Todayn mukaan kyse on jälkikoulutuksesta eli esikoulutetun mallin lisäkoulutuksesta, jolla parannetaan esimerkiksi päättelyä, ongelmanratkaisua ja ohjeiden noudattamista.

Parannus perustuu yhtiön omiin mittauksiin

EXAONE Labin johtaja Kim I-reun sanoi Chosun Bizin ja Digital Todayn mukaan, että yhtiön sisäisessä analyysissä 24 arviointimittarin yhdistetty tulos parani yli 70 % elokuun malliin verrattuna. Lähteissä ei kerrota, mitkä mittarit ovat mukana tai miten tulokset on yhdistetty, joten luvun merkitystä on vaikea arvioida.

Yhtiö julkaisi lisäksi neljän vertailutestin tulokset agenttitehtävistä, joissa malli suunnittelee työn itse, käyttää ulkoisia työkaluja ja vie tehtävän loppuun. LG ajoi testit itse julkisilla aineistoilla. Vertailukohtina olivat kiinalaiset avointen painojen mallit DeepSeek V4.1 Flash ja GLM 5.3.

Taulukosta näkyy, että K-EXAONE 2.5 sai kolmessa testissä enemmän pisteitä kuin DeepSeek mutta vain yhdessä enemmän kuin GLM.

LG AI Researchin sisäinen arvio julkisilla aineistoilla. Kilpailijoiden luvut Chosun Bizin, Digital Todayn ja ZDNet Korean mukaan; Chosun Biz ja Digital Today nimeävät GLM:n max-version.

K-EXAONEn ero kilpailijoihin on enintään kolme pistettä paitsi SWE-Bench Prossa, jossa GLM sai 4,8 pistettä enemmän. Lähteissä ei ole riippumatonta mittausta, joten tuloksista ei voi päätellä mallien paremmuusjärjestystä.

Kolmas malli tavoitteena tammikuuksi

Yhtiö harkitsee nopeuttavansa inferenssiä Nvidian Dynamo-tekniikalla. Digital Todayn mukaan Dynamo jakaa GPU-resurssit tehokkaasti mallia ajettaessa.

LG aikoo hyödyntää nyt testattuja koulutusmenetelmiä kolmannen sukupolven mallissa. Yhtiön rinnakkaisjohtaja Lim Woo-hyung sanoi ZDNet Korean mukaan: ”Keskitymme saamaan kärkitason suorituskykyisen EXAONE-mallin valmiiksi ensi tammikuuhun mennessä.”

Rajapinta on käytettävissä 9. marraskuuta alkaen EXAONE API Platformilla (docs.exaone.ai), ja käyttö vaatii API-avaimen. Lähteet eivät kerro maksuttoman käytön kestoa tai mahdollisia käyttökiintiöitä.

Mihin tämä perustuu

1. View

   LG AI Research (EXAONE) · Julkaisija: www.lgresearch.ai · julkaistu 9.11.2026 · noudettu 9.11.2026 04:14 (Suomen aikaa) · löytökanava: RSS-syöte

2. LG AI Research opens K-EXAONE 2.5 API free, sees 70% performance gain

   Julkaisija: biz.chosun.com · julkaistu 9.11.2026 03:21 (Suomen aikaa) · noudettu 9.11.2026 10:57 (Suomen aikaa) · löytökanava: verkko

3. LG AI Research opens K-EXAONE 2.5 API for free, says performance up 70 percent

   Julkaisija: www.digitaltoday.co.kr · julkaistu 9.11.2026 03:18 (Suomen aikaa) · noudettu 9.11.2026 10:57 (Suomen aikaa) · löytökanava: verkko

4. LG AI연구원, 'K-엑사원 2.5' 무료 개방…성능 70%↑

   Julkaisija: zdnet.co.kr · julkaistu 9.11.2026 03:00 (Suomen aikaa) · noudettu 9.11.2026 10:57 (Suomen aikaa) · löytökanava: verkko

OpenAI:n Codex-tiimin Tibo Sottiaux kertoi X-palvelussa 8. marraskuuta, millaiset käyttörajat yhtiön Pro-tilauksissa ovat. Hän kirjoitti nähneensä tilauksista epäselvyyttä.

Viiden tunnin raja tarkoittaa käyttökiintiötä, joka määrää, paljonko palvelua saa käyttää viiden tunnin jakson aikana. Kun kiintiö täyttyy, käyttäjä joutuu odottamaan seuraavaa jaksoa. Sottiaux’n mukaan Pro-tilauksissa tällaista rajaa ei ole millään tasolla.

Käyttö ei silti ole rajatonta. Sottiaux ilmoitti kunkin Pro-tason käyttömäärän kertoimena Plus-tilauksen käyttömäärästä: Pro 100 antaa kymmenkertaisen, Pro 200 kaksikymmenkertaisen ja Pro 500 viisikymmenkertaisen käytön. Viestissä ei kerrota, miten käyttö mitataan tai millä aikavälillä kertoimet lasketaan.

Pro 500 -tilaukseen kuuluu lisäksi pääsy ultrafast-vaihtoehtoon. Sottiaux ei kuvaa sitä viestissään tarkemmin.

Myöhemmin samana päivänä Sottiaux kysyi seuraajiltaan, olisiko Pro 50 -taso järkevä. ”Mitä mieltä olette?” hän kirjoitti. Kyse on kysymyksestä, ei ilmoitetusta tilauksesta.

Mihin tämä perustuu

1. Saw some confusions, but all Pro plans have no 5-hour limits, and give the following usage compared to Plus. ✅ Pro 100 = 10X ✅ Pro 200 = 20X ✅ Pro 500 = 50X, access to ultrafast

   thsottiaux · Julkaisija: x.com · julkaistu 8.11.2026 07:09 (Suomen aikaa) · noudettu 9.11.2026 04:09 (Suomen aikaa) · löytökanava: X

2. x.com

   Tibo · Julkaisija: x.com · julkaistu 8.11.2026 · noudettu 9.11.2026 09:28 (Suomen aikaa) · löytökanava: X

Nous Research kertoi X-tilillään 8. marraskuuta, että sen Hermes Agent osaa nyt etsiä koodista tietoturvavikoja uuden virallisen lisäosan avulla. Hermes Agent on Nous Researchin tekoälyagentti, jota käytetään terminaalissa, Hermes Desktop -sovelluksessa ja viestipalveluissa, kuten Telegramissa ja Slackissa. Lisäosan on tehnyt Nousin Mark S. (@mark_s) omien tietoturvakatselmointiensa kokemusten pohjalta, kertoo Nousin Teknium.

Ensin hyökkäyspinta, sitten aliagentit

Nousin mukaan lisäosa selvittää ensin hyökkääjän ulottuvilla olevat kohdat ja syötteet, joihin koodi luottaa. Sitten se jakaa koodin rinnakkaisille aliagenteille eli erillisille agenteille, joista kukin lukee oman osansa. Lisäosa tarkistaa jokaisen mahdollisen löydöksen koodista ja jäljittää, voiko hyökkääjä oikeasti hyödyntää vikaa.

AICoder-uutissivusto viittaa lisäosan dokumentaatioon: koodi jaetaan kansioittain noin 4 000 rivin paloihin, joita enintään kymmenen aliagenttia lukee samaan aikaan. Jos tuotantokoodi mahtuu 90 palaan eli noin 360 000 riviin, se luetaan kokonaan. Suuremmissa repositorioissa koodi asetetaan järjestykseen riskialttiin toiminnan mukaan. Sellaista ovat esimerkiksi pyyntöjen syötteet, komentotulkin kutsut, SQL ja tunnistautuminen. AICoderin mukaan syvä tarkistus käy oletuksena koko repositorion läpi kolmesti.

Lisäosa tarkistaa riippuvuuksien tunnetut haavoittuvuudet Googlen osv-scannerilla. Pelkästä haavoittuvuustiedotteesta ei kuitenkaan tule löydöstä. Katselmoinnin on osoitettava, että koodi todella käyttää haavoittuvaa toimintoa.

Testit ajetaan käyttäjän oikeuksin

Valinnaisessa testivahvistuksessa Hermes kirjoittaa kustakin löydöksestä vian toistavan pienen testin ja ajaa sen repositorion väliaikaisessa kopiossa. AICoderin mukaan valmistaja huomauttaa, ettei kopio ole hiekkalaatikko: testit ajetaan käyttäjän oikeuksin. Käynnissä olevan sovelluksen testaamiseen tarvitaan skannauskohtainen lupa. Agentin työkalut eivät voi myöntää sitä itse. Lupa rajaa testauksen yhteen osoitteeseen, tuntiin ja 200 pyyntöön.

Katselmoitava koodi lähetetään Hermesissä määritetylle mallipalvelulle. Skannauksen tiedot jäävät koneelle lisäosan omaan kansioon.

Tarkkuudesta ei ole vertailulukuja

Raporteissa näkyvät todisteet, katselmoimatta jääneet kohdat ja hylätyt löydösehdokkaat. Raportit voi tallentaa Markdown-, JSON-, CSV- ja SARIF-muodossa. SARIF on muiden koodianalyysityökalujen ymmärtämä tulosmuoto.

AICoderin mukaan Nous ei ole julkaissut lukuja lisäosan löytämien vikojen osuudesta tai löydösten paikkansapitävyydestä. Vertailua Semgrepin tai CodeQL:n kaltaisiin työkaluihin ei myöskään ole. Dokumentaation mukaan ihmisen on tarkistettava päätelmät, koska malli voi jättää vikoja huomaamatta tai tulkita koodia väärin. Raporteissa käytetään OWASP Top 10- ja ASVS-luokituksia, mutta valmistajan mukaan kyse ei ole sertifioinnista.

Lisäosa on Nousin virallisessa lisäosaluettelossa, ja sitä voi käyttää keskustelussa, komentoriviltä tai Hermes Desktopin Security-sivulta. AICoderin mukaan se vaatii Hermesin version 0.21.5 ja Python 3.11:n tai uudemmat, ja ensimmäinen skannaus lataa noin 55 megatavun osv-scannerin. Asennusohjeet ovat Nousin lisäosarepositoriossa GitHubissa.

Mihin tämä perustuu

1. Hermes Agent

   Julkaisija: huggingface.co · lähteen julkaisuaika ei tiedossa · noudettu 9.11.2026 09:28 (Suomen aikaa) · löytökanava: verkko

2. github.com

   Julkaisija: github.com · lähteen julkaisuaika ei tiedossa · noudettu 9.11.2026 09:29 (Suomen aikaa) · löytökanava: GitHub

3. Hermes Agent can now review your codebase for security bugs with the new official Security plugin by @mark_s. Hermes first maps what an attacker could reach and which inputs it trusts. It splits…

   NousResearch · Julkaisija: x.com · julkaistu 8.11.2026 20:47 (Suomen aikaa) · noudettu 9.11.2026 04:11 (Suomen aikaa) · löytökanava: X

4. A new official plugin has appeared! This time made by @mark_s from his security review experience, use it to help analyze your codebase for security bugs and improvements!

   Teknium · Julkaisija: x.com · julkaistu 8.11.2026 20:55 (Suomen aikaa) · noudettu 9.11.2026 04:16 (Suomen aikaa) · löytökanava: X

5. New Security Plugin for Hermes Agent Enhances Code Review

   Julkaisija: coinfomania.com · julkaistu 9.11.2026 01:43 (Suomen aikaa) · noudettu 9.11.2026 09:28 (Suomen aikaa) · löytökanava: verkko

6. Nous Research Releases Official Hermes Security Plugin: Parallel Subagent Reviews, Optional Test Confirmation, and SARIF Export — AICoder

   Julkaisija: aicoder.com · julkaistu 8.11.2026 20:47 (Suomen aikaa) · noudettu 9.11.2026 09:29 (Suomen aikaa) · löytökanava: verkko

InfoQ:n toimittaja Sergio De Simone kertoi 8. marraskuuta Entire-yhtiön Git-palvelusta, joka on tehty ihmisten ja koodausagenttien yhteistyöhön. Yhtiön lähtöajatuksen mukaan pull request -malli ei sovi tilanteeseen, jossa agentit kirjoittavat, katselmoivat ja korjaavat koodia nopeassa tahdissa.

InfoQ:n mukaan Entiren toimitusjohtaja Thomas Dohmke perustelee asiaa näin: GitHub ja GitLab rakensivat ihmisten yhteistyön asynkronisen koodikatselmoinnin varaan. Agenttien kanssa keskiöön nousevat kuitenkin niiden työn ohjaus, versiointi ja auditointi.

Pisteet näkyvät ennen yhdistämistä

Palvelun ydin on trail eli muutoksen työtila, joka voi kattaa useita repositorioita ja käynnistyä vikailmoituksesta, ominaisuuspyynnöstä tai käsin. InfoQ lainaa Entirea: ”Pull requestin [aikajanasta] on tullut auditointiloki, jota lukee vain agentti.”

Kun palveluun lähetetään uutta koodia, pilven hiekkalaatikossa toimiva katselmointiagentti antaa muutokselle pisteet perusteluineen. Se arvioi koodin laadun, tietoturvan, slopin eli huolimattomasti koneella tuotetun koodin määrän sekä sen, tarvitaanko ihmisen katselmointia. Jokaisesta arvioinnista näkyy viisi edellistä ajoa ja nykyinen, koska Entiren mukaan yksi kierros jättää usein kriittisen ongelman huomaamatta.

Kaikki löydökset on ratkaistava tai suljettava ennen yhdistämistä. Hyväksynnän ehdot voi määrittää repositoriokohtaisesti. InfoQ:n mukaan palvelun hajautettu arkkitehtuuri tekee koodin lähettämisestä palveluun jopa 89 kertaa nopeampaa kuin GitHubiin. InfoQ ei kerro, miten luku on mitattu.

Muisti agentin istunnosta toiseen

Entiren mukaan jatkuva muisti säilyttää kertyneen tiedon repositoriossa, jotta agentit voivat käyttää sitä istunnosta toiseen. Muistin toteuttavat avoimen lähdekoodin työkalut entire-graph ja entire-brain. Jälkimmäinen yhdistää InfoQ:n mukaan koodikartan aiempiin agentti-istuntoihin ja Git-historiaan.

Entire-graphin GitHub-sivun mukaan työkalu jäsentää repositorion paikallisesti ilman verkkoyhteyksiä tai mallikutsuja. Agentti saa siitä rivitietoineen kartan määrittelyistä, kutsujista, tyypeistä ja muutoksen vaikutusalueesta. Semanttinen jäsennys kattaa 36 kieltä.

Yhtiö kertoo mitanneensa LoCoMo-vertailutestissä 94,74 prosentin tuloksen, kun mem0 sai 93,83, cognee 92,86 ja bm25-perustaso 91,88. LoCoMo mittaa, löytääkö työkalu oikean kohdan pitkistä keskusteluista, ei koodista. Entire-graphista testattiin vielä yhdistämätön kehityshaara.

Yhtiö kertoo myös, että tokeneita säästyy tilanteesta riippuen jopa 71 prosenttia. Sen omissa parivertailuissa tokenien kulutus kuitenkin kasvoi, kun agentti teki graafihaun työkalukutsulla. Kun graafihaku lisättiin valmiiksi kehotteeseen, ero oli +0,7 prosenttia eikä tilastollisesti merkitsevä.

Sivu varoittaa, että staattinen analyysi on heuristista. Rajapintojen tai dynaamisen sidonnan kautta kulkevat kutsut voivat jäädä löytymättä. Esimerkkiajossa työkalu ilmoitti funktiolle nolla kutsujaa, vaikka lähdekoodista löytyi kaksi.

MIT-lisensoitu entire-graph on Entire CLI:n laajennus, joka vaatii vähintään CLI:n version 0.10.0 ja Gitin version 2.36. Se otetaan käyttöön repositorio kerrallaan: työkalu kirjoittaa agenttiohjeen omaan tiedostoonsa ja lisää AGENTS.md- ja CLAUDE.md-tiedostoihin merkityn lohkon muuta tekstiä muuttamatta.

Mihin tämä perustuu

1. github.com

   Julkaisija: github.com · lähteen julkaisuaika ei tiedossa · noudettu 9.11.2026 10:52 (Suomen aikaa) · löytökanava: GitHub

2. Entire's Git Forge Rethinks Git Collaboration for Coding Agents

   Julkaisija: www.infoq.com · julkaistu 8.11.2026 13:00 (Suomen aikaa) · noudettu 9.11.2026 10:52 (Suomen aikaa) · löytökanava: verkko

Kiinalainen talousmedia Beike Caijing (贝壳财经) kertoi käyttörajan muutoksesta toimittajansa saamien tietojen perusteella. Teknologiamedia 36Kr välitti uutisen 9. marraskuuta julkaistussa uutiskoosteessaan. Uutinen ei kerro, kuka tiedot antoi, eikä se lainaa palvelun kehittäjän tiedotetta.

Käyttökiintiö rajaa, kuinka paljon palvelua saa käyttää tietyn ajan kuluessa. Doubao Workin henkilöversiossa käyttöä rajasi aiemmin kaksi kiintiötä: toinen nollautui viiden tunnin, toinen seitsemän päivän välein. Viiden tunnin kiintiön täytyttyä käyttäjän piti odottaa sen nollautumista, vaikka viikkokiintiötä olisi ollut jäljellä.

Beike Caijingin mukaan markkinoiden yleisimmissä suurten kielimallien palveluissa on samanlainen kahden jakson raja.

Muutoksen jälkeen henkilökäyttäjä voi jakaa käyttönsä viikkokiintiön sisällä oman työtahtinsa mukaan. Viikkokiintiö ja muut käyttöehdot määräytyvät edelleen tilauksen mukaan. Uutinen ei kerro, kuinka suuria kiintiöt ovat.

Mihin tämä perustuu

1. 9点1氪丨豆包工作个人版取消5小时额度限制；人类低温纪录被打破；美科技股反弹，SpaceX市值一夜暴涨9653亿-36氪

   Julkaisija: 36kr.com · julkaistu 9.11.2026 10:52 (Suomen aikaa) · noudettu 9.11.2026 10:52 (Suomen aikaa) · löytökanava: verkko

Analyysiyhtiö SemiAnalysis julkaisi 7. marraskuuta raportin käynnistään Sisä-Mongoliassa, jota se kutsuu Kiinan nopeimmin kasvavaksi tekoälydatakeskusten alueeksi. Yhtiön mukaan Ulanqabin kaupungissa sijaitsevan Galaxy-kampuksen ensimmäinen 120 megawatin vaihe valmistui alle vuodessa, ja sen kustannukset olivat viidesosa Yhdysvaltain tasosta. Vertailun perusteet ovat raportin maksullisessa osassa.

Megawatit kuvaavat IT-kapasiteettia eli palvelimille varattua sähkötehoa. Ensimmäinen vaihe valmistui elokuussa. Kampuksen kaikki neljä vaihetta rakennetaan kahden nimeämättömän internetjätin tarpeisiin, ja koko 800 megawatin kampuksen on määrä valmistua vuoden 2027 loppuun mennessä. SemiAnalysis vertaa Galaxya OpenAI:n Stargate-kampukseen Abilenessa Teksasissa ja arvioi Abilenen kampuksen IT-kapasiteetiksi noin 820 megawattia.

Raportin lainaaman paikallisen uutisen mukaan kampusta ympäröivällä Chaharin teknologiavyöhykkeellä työskenteli lähes 30 000 rakennustyöntekijää 22 datakeskushankkeessa. SemiAnalysisin mukaan Teksasissa datakeskuksia vastustetaan enemmän kuin koskaan, mutta Sisä-Mongoliassa ei. Vierailu kuului yhtiön myymän Kiinan datakeskusmallin kenttätyöhön.

Oma tuulivoima ja akut

Kampuksen omistaa uusiutuvan energian järjestelmiä rakentava Envision, joka on asentanut maailmalla yli 100 gigawattia tuuliturbiineja. Se rakentaa datakeskukselle omat tuulipuistot ja niistä oman siirtolinjan, joka ei kulje julkisen sähköverkon kautta.

Tuulipuistojen yhteisteho on 420 megawattia, mikä on noin 1,75 kertaa kahden ensimmäisen vaiheen 240 megawatin kuorma. Neljän tunnin akkuvarasto siirtää tuulisten tuntien sähköä tyynille tunneille. Envisionin tavoitteena on kattaa omalla tuulivoimalla yli 60 prosenttia näiden vaiheiden sähkönkulutuksesta. Raportin mukaan akusta ei ole juuri apua, jos tyyntä kestää päiviä.

SemiAnalysisin mukaan Kiinan datakeskusvuokrat ovat puolittuneet viidessä vuodessa noin 40 dollariin kilowatilta kuukaudessa ilman sähköä. Investointikustannus on alle 3 miljoonaa dollaria megawatilta, ja Sisä-Mongoliassa sähkö maksaa noin 0,055 dollaria kilowattitunnilta. Raportin mukaan hankkeiden tuotto on pieni, ja Envisionille datakeskukset luovat uutta kysyntää sen omalle sähkölle ja laitteille. SemiAnalysisin mukaan on liian aikaista sanoa, tuleeko näin pitkälle viedystä omavaraisuudesta merkittävä kilpailuetu.

Tasavirtaa suoraan palvelintelineisiin

Yhdessä salissa puolijohdemuuntajat (solid-state transformer, SST) muuttavat sähköverkon 10 kilovoltin vaihtovirran suoraan 800 voltin tasavirraksi palvelintelineille. Silloin ei tarvita pienjännitemuuntajia, katkottomia virtalähteitä (UPS) eikä tasasuuntaajia.

Nvidia edistää 800 voltin tasavirtaa seuraavan sukupolven tehotiheille palvelintelineilleen, mutta SemiAnalysisin mukaan Yhdysvalloissa ratkaisu on vasta suunnitteilla. Galaxyn kokeilu on vain 5 megawatin kokoinen. Seuraavaan vaiheeseen suunnitellaan suurempaa versiota.

Kiinan datakeskuksissa tasavirtaa on käytetty lähes kaksi vuosikymmentä, aluksi 240 voltin jännitteellä. Raportin mukaan noin neljännes Kiinassa viimeisen kymmenen vuoden aikana rakennetuista datakeskuksista toimii tasavirralla. Yhdysvalloissa noin 97 prosenttia datakeskuksista käyttää vaihtovirta-UPS:ää.

Neste- ja ilmajäähdytteiset palvelimet jäähdytetään samalla vesikierrolla, eikä kampuksella ole keskitettyä kylmäkonelaitosta. SemiAnalysisin mukaan Pohjois-Kiinassa ratkaisu on ollut laajasti käytössä vuosia, kun taas useimmissa yhdysvaltalaisissa datakeskuksissa on kylmäkonelaitos ilmajäähdytteisiä laitteita varten.

Mihin tämä perustuu

1. We Visited China’s Stargate in Inner Mongolia

   Julkaisija: newsletter.semianalysis.com · julkaistu 7.11.2026 21:01 (Suomen aikaa) · noudettu 9.11.2026 10:54 (Suomen aikaa) · löytökanava: verkko

2. China Datacenter Model

   Julkaisija: semianalysis.com · lähteen julkaisuaika ei tiedossa · noudettu 9.11.2026 10:54 (Suomen aikaa) · löytökanava: verkko

3. China's Inner Mongolia Emerges as a Leading AI Data Center Hub

   Julkaisija: byte.eco · julkaistu 8.11.2026 13:15 (Suomen aikaa) · noudettu 9.11.2026 10:56 (Suomen aikaa) · löytökanava: verkko

OpenAI esitteli 6. marraskuuta blogissaan ja X:ssä vertailutestin, joka mittaa tekoälyagenttien kykyä laboratorion arkiseen analyysityöhön. OpenAI teki BioBasicsBenchin yhdessä entsyymejä suunnittelevan bioteknologiayhtiö Ligon kanssa.

Märkälaboratoriossa tutkijat tekevät kokeita biologisilla näytteillä. OpenAI:n mukaan nykyiset testit perustuvat usein kuviin, jotka on valittu tieteellisiin julkaisuihin. Siksi niistä voivat puuttua epäonnistuneet kokeet, epäselvät kuvat ja ristiriitaiset havainnot.

Miten testi toimii

Testissä on 100 tehtävää viideltä alueelta: proteiinimenetelmät, kuvantaminen ja virtaussytometria, määrälliset mittaukset ja määritykset, nukleiinihappomenetelmät sekä molekyylikloonaus. Tutkijat laativat tehtävät omien kokeidensa aineistosta. Aineistona on muun muassa geelikuvia, maljojen valokuvia, mikroskooppikuvia, sekvensointitiedostoja, laitteiden vientitiedostoja ja videoita laboratoriotyöstä. Jokainen tehtävä tarkistettiin kolmesti, ja yhden tarkistuksen teki Ligon ulkopuolinen tohtoritason laboratoriotutkija.

Agentti antaa vastaukseksi johtopäätöksen, mittauksen tai suosituksen. Vastaus pisteytetään asiantuntijoiden kirjoittamien tehtäväkohtaisten kriteerien mukaan, joten osittain oikea analyysi saa osan pisteistä. Tuloksena ilmoitetaan keskimääräinen pisteosuus (mean reward) eli se, kuinka monta prosenttia mahdollisista pisteistä malli sai tehtävissä keskimäärin.

Tulokset

OpenAI testasi seitsemää omaa malliaan useilla päättelytasoilla, ja kukin malli yritti jokaista tehtävää viisi kertaa. Taulukossa ovat tulokset xhigh-tasolla, joka on korkein kaikille malleille raportoitu päättelytaso.

Lähde: OpenAI:n oma mittaus, xhigh-päättelytaso, 100 tehtävää ja viisi yritystä tehtävää kohden.

Astran ja GPT-6.1 Solin luottamusvälit ovat osin päällekkäin, joten näiden kahden mallin eroa ei voi pitää selvänä. Testissä ei ollut muiden yhtiöiden malleja.

OpenAI:n mukaan Astra sai selvästi paremman tuloksen kuin GPT-5.6 Sol myös matalalla päättelytasolla. Yhtiön arvion mukaan parempi tulos voi johtua vahvemmasta natiivista multimodaalisuudesta eli kyvystä käsitellä kuvia ja videoita suoraan. Yhtiön esimerkissä Astra huomasi, että negatiivisen kontrollimaljan reunaan oli merkitty väärä antibiootti. GPT-5.6 Sol taas käytti maljaa kontrollina.

Puutteita on yhä

OpenAI:n mukaan korkeammat pisteet eivät vielä tarkoita, että mallit tekisivät luotettavia arvioita laboratoriossa. Kloonauskokeessa Astra valitsi väärät bakteeripesäkkeet. Se oletti kontrollien vastaisesti, että suurempi PCR-tuote osoittaa kloonauksen onnistuneen. Mikroskooppikuvaa tulkitessaan se sivuutti omien päätelmiensä vastaiset havainnot. Pesäkkeitä laskiessaan se yhdisti vierekkäisiä, jätti näkyviä laskematta ja merkitsi tyhjää agaria pesäkkeeksi. Esimerkkimaljalla tulos oli noin 12 prosenttia liian suuri.

Mihin tämä perustuu

1. Measuring how AI agents handle everyday wet-lab science

   Julkaisija: openai.com · lähteen julkaisuaika ei tiedossa · noudettu 9.11.2026 11:23 (Suomen aikaa) · löytökanava: verkko

2. A new way to measure how AI agents handle the routine analyses of wet-lab science—BioBasicsBench. Developed with Ligo, a biotech company focused on enzyme design, the benchmark draws on 100 tasks…

   OpenAI · Julkaisija: x.com · julkaistu 6.11.2026 21:08 (Suomen aikaa) · noudettu 7.11.2026 04:24 (Suomen aikaa) · löytökanava: X

Yhdysvaltain työtilastovirasto BLS julkaisi lokakuun työllisyysraporttinsa perjantaina 6. marraskuuta. Asiantuntija- ja yrityspalvelujen (professional and business services) 70 000 uudesta työpaikasta 33 000 syntyi tieteellisiin, teknisiin ja muihin asiantuntijapalveluihin. Hallinto- ja tukipalveluihin syntyi 28 000 työpaikkaa ja konsernien johtotoimintoihin 9 000.

Business Insiderin mukaan alaan kuuluvat esimerkiksi lakipalvelut, konsultointi ja tutkimuspalvelut. BLS:n mukaan alalle on tullut 269 000 työpaikkaa lokakuun 2025 jälkeen. Silloin alalla oli viime aikojen vähiten työpaikkoja.

Osa kasvusta oli vuokratyötä: vuokratyöpalveluihin tuli 18 600 työpaikkaa, kun syyskuussa niitä oli hävinnyt 5 600. ZipRecruiterin ekonomistin Nicole Bachaudin mukaan tämä osoittaa, että työnantajat alkavat tarttua uusiin liiketoimiin palkkaamatta lisää kokoaikaisia työntekijöitä.

Taulukosta näkyy, että tieto- ja viestintäalalla ja rahoitusalalla työpaikat vähenivät elo- ja syyskuussa. Yksittäisen kuukauden luvut ovat epävarmoja. BLS:n mukaan koko palkkatyöllisyydenkin kuukausimuutoksen 90 prosentin luottamusväli on noin ±122 000 työpaikkaa. Lisäksi kahden viimeisimmän kuukauden luvut tarkentuvat vielä.

Lähde: BLS, kausitasoitetut muutokset edellisestä kuukaudesta. Syys- ja lokakuun luvut ovat alustavia.

Ekonomistit eri mieltä tekoälyn vaikutuksesta

Business Insider siteeraa Navy Federal Credit Unionin pääekonomistin Heather Longin kirjallista kommenttia. Longin mukaan ”asiantuntija- ja yrityspalvelujen elpyminen muistuttaa hyvin siitä, ettei tekoäly ole hävittämässä toimihenkilöiden työpaikkoja”. Hänen mukaansa myös hallintoassistentteja palkattiin selvästi aiempaa enemmän.

Indeedin vanhempi ekonomisti Cory Stahle sanoi Business Insiderille epäilevänsä kasvun kestävyyttä. Stahlen mukaan alalla on yhä vähemmän työpaikkoja kuin pitkän aikavälin trendin perusteella pitäisi olla. Osa kasvusta voi olla tämän eron kuromista umpeen. ”On liian aikaista tehdä yhden raportin perusteella johtopäätöksiä tekoälystä tai tietotyöläisistä, varsinkin näin vaihtelevalla toimialalla”, hän sanoi.

Bachaudin mukaan tekoäly muuttaa työtehtävien vaatimuksia ja kysyttyjä taitoja. Työnantajat saattavat hakea perinteisten teknisten taitojen sijaan tekoälyosaamista tai esimerkiksi kriittistä ajattelua. Bachaudin arvion mukaan työpaikan vaihtaminen yleistyy, mikä saa työpaikkojen määrän heilumaan asiantuntija- ja yrityspalveluissa, rahoitusalalla sekä tieto- ja viestintäalalla.

Palkkatyöpaikkoja tuli kaikkiaan 165 000

Kaikkiaan palkkatyöpaikkoja oli lokakuussa 165 000 enemmän kuin syyskuussa. Työttömyysaste oli 4,1 prosenttia. BLS korjasi elo- ja syyskuun lukuja yhteensä 84 000 työpaikkaa ylöspäin. Terveydenhuoltoon tuli 42 000 työpaikkaa, kuljetukseen ja varastointiin 25 000 ja teollisuuteen 19 000.

Mihin tämä perustuu

1. The Employment Situation - October 2026

   Julkaisija: www.bls.gov · julkaistu 6.11.2026 14:05 (Suomen aikaa) · noudettu 9.11.2026 09:58 (Suomen aikaa) · löytökanava: verkko

2. The AI boom isn't wiping out white-collar workers — but it's changing the skills you need to get ahead

   Julkaisija: www.businessinsider.com · julkaistu 6.11.2026 19:02 (Suomen aikaa) · noudettu 9.11.2026 09:59 (Suomen aikaa) · löytökanava: verkko

EY esitteli talous- ja kirjanpitotyöhön tarkoitetun alustan yhdeksänsillä Kiinan kansainvälisillä tuontimessuilla (CIIE). Kiinalainen Wenhui Bao -lehti uutisoi asiasta 8. marraskuuta Shanghai Observer -palvelussa, ja Sina Finance julkaisi jutun uudelleen.

Kolme agenttikerrosta ja yhteinen ohjaus

Tekoälyagentti on ohjelma, joka toimii mallin avulla ja hoitaa tehtävän vaiheita. Lehden mukaan alustassa on 15 agenttia, yksi orkestrointikeskus ja neljä perustoimintoa. Orkestroinnilla tarkoitetaan yleisesti, että järjestelmä jakaa tehtävät agenteille ja kytkee niiden työvaiheet yhteen.

Agentit on jaettu kolmeen kerrokseen. Kirjanpitotyössä ne avustavat toistuvissa tehtävissä, kuten kulujen tarkastuksessa, pankkitilien täsmäytyksessä, tositteiden laadinnassa, myyntisaamisten ja ostovelkojen hallinnassa sekä vuosikertomuksen tarkistuksessa.

Analyysikerroksessa agentit laativat analyysiraportteja ja auttavat käyttäjää hakemaan dataa, tunnistamaan poikkeamia ja ymmärtämään liiketoiminnan muutoksia. Liiketoiminnan näkymien kerroksessa ne tukevat liikevaihdon ennustamista, budjetointia, kassavirta-analyysia ja liiketoimintapäätösten simulointia.

Alustan perustana ovat muun muassa yhteinen data- ja tietopohja sekä semanttinen kerros. Semanttinen kerros määrittelee yleisesti, mitä talouden käsitteet tarkoittavat eri järjestelmien datassa.

EY:n Suur-Kiinan teknologiariski- ja dataälypalveluiden johtaja Zhao Jianyun (赵剑澐) sanoi, että ”talous- ja kirjanpitotekoälyn arvo ei ole vain yksittäisten tehtävien tehostamisessa, vaan ennen kaikkea siinä, että data, asiantuntemus ja liiketoiminnan käyttötilanteet yhdistetään toimivaksi kokonaisuudeksi”. Lehden mukaan hän katsoo, että tekoäly pitää liittää todellisiin työnkulkuihin eikä jättää yksittäisiksi työkaluiksi.

Kuvaus perustuu EY:n omaan esittelyyn. Uutisessa ei ole mittaustuloksia alustan tarkkuudesta tai säästetystä työajasta.

Raportti: itsenäisyys riskin mukaan

EY julkaisi messuilla 8. marraskuuta myös raportin talouden tekoälyn käytöstä ja luotettavasta hallinnasta. Raportista kertoi kiinalainen talousuutispalvelu, jonka uutisen Securities Times (证券时报) ja Sina Finance julkaisivat uudelleen.

Raportin mukaan talouden tekoäly etenee neljässä vaiheessa: sääntöpohjainen automaatio, älykäs avustaminen, agenttien yhteistyö ja päätöksenteon tuki. Tekoälyn itsenäisyyden pitää vastata liiketoimintariskiä ja sitä, voiko toimen perua. Seuraavalle tasolle siirrytään raportin mukaan uudistamalla työnkulkuja, ei lisäämällä työkaluja vanhojen päälle.

Raportissa viitataan EY:n maailmanlaajuiseen kyselyyn. Sen mukaan 68 prosenttia talousjohtajista katsoo, että yrityksen arvon mittaustapa pitää arvioida pikaisesti uudelleen. Talousjohtajista 80 prosenttia odottaa, että omassa organisaatiossa on seuraavien 12 kuukauden aikana tekoälyyn perustuvia liiketoimintamalleja merkittävässä tai kohtalaisessa määrin. Uutisessa ei kerrota kyselyn vastaajamäärää.

Kumpikaan uutinen ei kerro, milloin alusta tulee asiakkaiden käyttöön tai mitä se maksaa.

Mihin tämä perustuu

1. finance.sina.com.cn

   Julkaisija: finance.sina.com.cn · julkaistu 8.11.2026 · noudettu 9.11.2026 10:54 (Suomen aikaa) · löytökanava: verkko

2. 安永：财务AI已进入“能否产生实质影响”的关键阶段

   Julkaisija: finance.sina.com.cn · julkaistu 8.11.2026 13:29 (Suomen aikaa) · noudettu 9.11.2026 10:54 (Suomen aikaa) · löytökanava: verkko

Saksalaisen yleisradioyhtiön SWR:n datatoimitus SWR Data Lab julkaisi selvityksensä tagesschau.de:ssä 6. marraskuuta, ja tekniikkasivusto heise online referoi sitä kaksi päivää myöhemmin.

Energiatehokkuuslaki (Energieeffizienzgesetz) velvoittaa ylläpitäjät julkaisemaan jokaisen suuremman datakeskuksen sähkön- ja vedenkulutuksen. SWR etsi lukuja noin 30 Saksan suurimman ylläpitäjän verkkosivuilta, mutta yli puolelta niitä ei löytynyt. Monet eivät vastanneet SWR:n kyselyyn tai kieltäytyivät antamasta tietoja. Joukossa ovat myös alan suuret yhtiöt Equinix, NTT ja CloudHQ.

Alan etujärjestö German Datacenter Association (GDA) huomauttaa, ettei vastaamatta jätetystä lehdistökyselystä voi päätellä lainrikkomusta. SWR ei kuitenkaan löytänyt lukuja useimpien yhtiöiden verkkosivuiltakaan.

Digitaalialan etujärjestö Bitkomin mukaan datakeskukset käyttävät lähes neljä prosenttia Saksan sähköstä. Saksassa on Bitkomin mukaan sata datakeskusta, joiden liittymäteho on vähintään viisi megawattia. Liittovaltion hallitus haluaa kaksinkertaistaa datakeskusten tehon vuoteen 2030 mennessä.

Rekisterissä vajaa neljännes suurimmista

Saksan talous- ja energiaministeriö BMWE vahvistaa julkaisuvelvoitteen. Ministeriö avasi elokuussa kansallisen datakeskusrekisterin, mutta sadasta suurimmasta datakeskuksesta siinä on vajaa neljännes. Ministeriön mukaan moni ylläpitäjä toimitti tiedot sille mutta ei suostunut julkaisemaan niitä rekisterissä. Ylläpitäjät saavat itse päättää, missä tiedot julkaisevat.

Ministeriö ei pidä valvontaa tarpeellisena, koska velvoite perustuu lakiin ja koskee kaikkia. Erlangen-Nürnbergin yliopiston julkisoikeuden ja eurooppaoikeuden professori Bernhard Wegener pitää tätä oikeusvaltion kannalta ongelmallisena. Hänen mukaansa yhtiöiden käytäntö ei sovi yhteen lain kanssa: ”Yleisöllä on oikeus näihin tietoihin.”

Yhtiöt vetoavat liikesalaisuuksiin

Equinixin mukaan datakeskuskohtaiset luvut voisivat paljastaa kilpailijoille, missä yhtiö kasvaa ja investoi. Yhtiö sanoo täyttävänsä kaikki lain velvoitteet. NTT kertoi vain vuoden 2025 kokonaiskulutuksensa, joka vastaa noin 450 000 kotitalouden vuosikulutusta. Datakeskuskohtaisista luvuista NTT kieltäytyi vedoten EU:n energiatehokkuusdirektiivin liikesalaisuuspoikkeukseen.

Saksan laissa tällaista poikkeusta ei ole. Tietoja kokoava liittovaltion talous- ja vientivalvontavirasto BAFA ei kertomansa mukaan ole sopinut kenenkään kanssa, että tietoja jätettäisiin julkaisematta liikesalaisuuksien vuoksi. GDA perustelee yhtiöiden pidättyvyyttä sillä, että datakeskukset ovat erittäin herkkiä kohteita. SWR:n mukaan AlgorithmWatch-järjestön tilaamassa oikeudellisessa lausunnossa katsotaan, että kulutustiedot ovat suojattavia liikesalaisuuksia vain poikkeustapauksissa.

Hallitus valmistelee lisäksi lakimuutosta, joka vapauttaisi liikesalaisuudet julkaisuvelvoitteesta. Muutos vastaisi Bitkomin ja GDA:n toiveita. Jos liittopäivät hyväksyisivät muutoksen, yhtiöt voisivat SWR:n mukaan luokitella kulutuksensa liikesalaisuudeksi nykyistä helpommin. EU-direktiivissä vastaava lauseke on jo. SWR kertoo Die Zeit -lehden selvittäneen, että lauseke otettiin lähes sanatarkasti eräältä lobbausjärjestöltä. Zeitin mukaan lauseke saattaa rikkoa Århusin yleissopimusta, joka edellyttää ympäristötietojen olevan julkisesti saatavilla.

Mihin tämä perustuu

1. Wie Betreiber von Rechenzentren Angaben zum Energiebedarf verstecken

   Julkaisija: www.heise.de · julkaistu 8.11.2026 08:14 (Suomen aikaa) · noudettu 9.11.2026 11:23 (Suomen aikaa) · löytökanava: verkko

2. Ressourcenverbrauch vieler Rechenzentren nicht öffentlich einsehbar

   Julkaisija: www.tagesschau.de · julkaistu 6.11.2026 07:04 (Suomen aikaa) · noudettu 9.11.2026 11:23 (Suomen aikaa) · löytökanava: verkko

Udgam Labs kertoi 7. marraskuuta blogissaan, että sen Shruti-puheentunnistusmalleja on nyt jokaiselle Intian perustuslain kahdeksannen liitteen 22 kielelle. Kullakin kielellä on oma mallinsa, ja jokainen malli tunnistaa myös englantia.

Mallit perustuvat Cactus Compute -yhtiön Cactus Whistle -puhemalliin. Se on 55 miljoonan parametrin avointen painojen malli. Udgam Labs lisäsi kullekin kielelle sanastoa ja hienosääti kaikki mallin painot julkisilla puheaineistoilla. Painot on pakattu neljään bittiin, joten mallitiedosto on 29,5–29,7 megatavua.

Mallit kirjoittavat puheen kielen omalla kirjaimistolla. Englanninkieliset sanat ne jättävät usein latinalaisiin aakkosiin, kuten moni itse kirjoittaa: ”मेरा order कब आएगा”.

Edut riippuvat pisteytystavasta

Yhtiö mittasi tarkkuutta sanavirheprosentilla. Se kuvaa väärin tunnistettujen sanojen osuutta, joten pienempi luku on parempi. Päätestinä oli Sarvam AI:n ja AI4Bharatin Indic DiarBench. Sen aitoja keskusteluja ei yhtiön mukaan ollut minkään mallin koulutusaineistossa.

Yhtiön mukaan 11 Shruti-mallia tekee vähemmän virheitä kuin saman kielen IndicConformer, kun englanninkielinen sana lasketaan oikeaksi vain latinalaisin kirjaimin kirjoitettuna. Esimerkiksi gudžaratissa Shrutin tulos oli 28,5, SraVaani-1.0:n 32,4 ja IndicConformerin 44,9.

Jos englannin sanat pitää kirjoittaa kielen omalla kirjaimistolla, useimmissa kielissä IndicConformer tai SraVaani-1.0 on tarkempi. Luetussa puheessa suuremmat mallit ovat useimmissa kielissä selvästi tarkempia. Esimerkiksi FLEURS-testissä IndicConformer Punjabi sai 16,9 ja Shruti Punjabi 29,3. Keskusteluissa väärin tunnistettujen sanojen osuus on kielestä riippuen neljänneksestä yli puoleen.

Testit ovat osin suppeita: 11 kielen keskustelutestissä on alle sata puheenvuoroa. Seitsemästä kielestä yhtiö ei esitä luotettavana pitämäänsä vertailua. Kaikki luvut ovat Udgam Labsin omia mittauksia.

Hindimallin tiedosto on noin sata kertaa pienempi kuin OpenAI:n Whisper large-v3:n. Yhtiön hinditesteissä se teki vähemmän virheitä; esimerkiksi Monsoon-testissä tulokset olivat 20,46 ja 33,29. Yhtiö ajoi Whisperin ilman sen varamenettelyä (temperature fallback), mikä aiheutti toistosilmukoita. Yhtiön mukaan Shruti oli tarkempi silloinkin, kun toistosilmukkaan jääneet klipit poistettiin. Englannissa Whisper on selvästi parempi. Yhtiön mukaan pelkkään hindiin tehdyt, noin 16 kertaa suuremmat mallit ovat paljon tarkempia.

Rajoitukset ja käyttöönotto

Yhtiö ei ole testannut uudempia malleja melussa tai musiikin kanssa eikä useimpia kieliä mikrofonikäytössä. Kovassa melussa hindimallit toistivat joskus samaa ilmausta. Kielten puhujat eivät ole tarkistaneet 16 uudemman kielen litterointeja.

Yhtiön mittauksessa 21 uudempaa mallia toimi viisi vuotta vanhassa puhelimessa, jossa on 6 gigatavua muistia. Ne litteroivat 8,6–12,6 kertaa reaaliaikaa nopeammin ja käyttivät 64 megatavua muistia.

Malleista on myös ONNX-paketit esimerkiksi selaimeen ja Androidille. Yksikään paketti ei läpäissyt kaikkia kuutta yhtiön vertailusääntöä. Yhdeksän ei läpäissyt testiä, mutta yhtiö julkaisi nekin ja kertoi poikkeamat. Osassa poikkeama tarkoitti vähemmän virheitä kuin Cactusin needle-moottorilla ajetussa mallissa.

Mallit ovat Hugging Facessa Apache-2.0-lisenssillä, ja ajettavat esimerkit ovat yhtiön GitHub-repositoriossa. Lisenssi ei määrää koulutusaineistojen ehtoja, ja kahdelle Shruti Assamesen aineistolle ei ole nimetty lisenssiä. Mallit toimivat needle-moottorilla ilman avainta tai tiliä, mutta ensimmäinen lataus vaatii verkkoyhteyden, ellei mallia toimiteta sovelluksen mukana. Moottorin Python-paketti lähettää oletuksena nimettömiä käyttötilastoja, jotka saa pois päältä ympäristömuuttujalla NEEDLE_TELEMETRY=0.

Mihin tämä perustuu

1. github.com

   Julkaisija: github.com · lähteen julkaisuaika ei tiedossa · noudettu 9.11.2026 11:23 (Suomen aikaa) · löytökanava: GitHub

2. Shruti, 22 small speech-to-text models that run on your device

   Julkaisija: udgamlabs.com · julkaistu 7.11.2026 · noudettu 9.11.2026 11:23 (Suomen aikaa) · löytökanava: verkko