Google esitteli 11. marraskuuta blogissaan rajapinnan, joka valitsee vastauksen valmiista vaihtoehdoista. Gemini Decisions API käyttää uutta Gemini Decision 1 -mallia. Käyttökohteiksi Google mainitsee esimerkiksi mallin ja tekoälyagentin työkalun valinnan sekä sääntötarkistukset.

Tavallinen kielimalli tuottaa vastauksen token kerrallaan. Gemini Decision 1 pisteyttää kehittäjän antamat vaihtoehdot yhdellä läpiajolla ja palauttaa niille todennäköisyydet. Jokaisessa vastauksessa on luottamusluku väliltä 0–1, joten ohjelma voi ohjata epävarmat tapaukset varajärjestelmälle tai ihmiselle.

Pyyntöön mahtuu yksi enintään 256 000 tokenin syöte ja enintään 1 000 kysymystä. Syötteessä voi olla tekstiä, kuvia, ääntä, videota ja PDF-tiedostoja. Kysymys on kyllä/ei-tyyppinen (noul), monivalinta 2–255 vaihtoehdosta tai arvio järjestysasteikolla.

Googlen mukaan mediaaniviive on 150–250 millisekuntia, kun syöte on enintään 16 000 tokenia. Yhtiön mukaan aika pysyy lähes samana, kun kysymyksiä on 1–100.

Googlen vertailussa pienin kalibrointivirhe

Google vertasi mallia aiemmin julkaistuihin päätösmalleihin, TypeSafe AI:n Jev 1.14:ään ja OpenAI:n GPT-6 Lunaan, sekä omaan Gemini 3.5 Flash-Lite -malliinsa. MarkTechPostin lainaamassa Googlen taulukossa Gemini Decision 1 on paras seitsemässä yhdeksästä tarkkuustestistä. Kahdessa niistä (ääni ja video) mukana oli vain Flash-Lite. Mallin kalibrointivirhe on pienin. Mittari kertoo, kuinka paljon mallin ilmoittama varmuus poikkeaa sen todellisesta osumatarkkuudesta.

Lähde: Googlen taulukko MarkTechPostin mukaan. Kieltäytymiset ja turvaestot on laskettu vääriksi vastauksiksi.

Luvut ovat Googlen ilmoittamia ja koskevat yhtiön valitsemia testejä. Yhteisissä testeissä halvin oli Jev. Googlen väite lähes viisi kertaa halvemmasta mallista koskee vertailua Flash-Lite-malliin.

Bloggaaja Simon Willison kokeili mallia omaan videoonsa. Hänen mukaansa Jev ja OpenAI palauttavat kyllä/ei-kysymykseen 1,0 tai 0,0, mutta Gemini antoi esimerkiksi kysymykseen robotin esiintymisestä noin 0,92. MarkTechPostin mukaan dokumentaatio rajaa kyllä-todennäköisyyden 0,01:n ja 0,99:n välille.

Hinta ja käyttöönotto

Tulostetokeneista ei laskuteta. Yhteinen syöte laskutetaan kerran pyyntöä kohden, ja kukin kysymys lisää siihen vain omat ohje- ja kriteeritokeninsa. MarkTechPostin mukaan välimuistia ja eräajoa ei vielä ole, joten toistuva syöte maksetaan joka kerta. Jevin hinta on 0,042 dollaria miljoonalta syötetokenilta.

MarkTechPostin mukaan mallia ei voi ladata omalle koneelle. Sitä käytetään Googlen Gemini API:n kautta (v1beta, google-genai SDK 3.2 tai uudempi), ja Google AI Studiossa sitä voi kokeilla maksutta. Tuki on tulossa OpenRouteriin, LangChainiin ja muihin palveluihin, Google Cloudiin yhtiön mukaan pian.

Mihin tämä perustuu

1. Gemini Decisions API: Fast, calibrated multimodal decisions

   Julkaisija: blog.google · julkaistu 11.11.2026 · noudettu 12.11.2026 05:24 (Suomen aikaa) · löytökanava: verkko

2. Gemini Decisions API

   Julkaisija: simonwillison.net · julkaistu 12.11.2026 00:03 (Suomen aikaa) · noudettu 12.11.2026 05:24 (Suomen aikaa) · löytökanava: verkko

3. Gemini 4 Carbon is now available

   Julkaisija: blog.google · julkaistu 10.11.2026 · noudettu 11.11.2026 05:11 (Suomen aikaa) · löytökanava: verkko

4. Introducing Gemini for healthcare | Google Cloud Blog

   Julkaisija: cloud.google.com · julkaistu 10.11.2026 · noudettu 12.11.2026 05:24 (Suomen aikaa) · löytökanava: verkko

5. Google Launches Gemini Decisions API With Gemini Decision 1 at $0.10/M Tokens

   Julkaisija: www.marktechpost.com · julkaistu 11.11.2026 23:21 (Suomen aikaa) · noudettu 12.11.2026 05:24 (Suomen aikaa) · löytökanava: verkko

6. Google joins the decision-model wave with Gemini Decision 1, scoring 1,000 questions in a single pass

   Julkaisija: the-decoder.com · julkaistu 11.11.2026 22:12 (Suomen aikaa) · noudettu 12.11.2026 05:24 (Suomen aikaa) · löytökanava: verkko

7. Google、選択肢から答えを選ぶことに特化した「Gemini Decisions API」発表 回答を生成せず確率で返す

   Julkaisija: www.itmedia.co.jp · julkaistu 12.11.2026 09:03 (Suomen aikaa) · noudettu 12.11.2026 05:24 (Suomen aikaa) · löytökanava: verkko

AWS julkaisi AWS Emulator -työkalun keskiviikkona 11. marraskuuta. Samana päivänä projektia johtanut AWS:n insinööri Matthew Goldberg kertoi Amazonin blogissa, miten agentit rakensivat sen. Goldbergin mukaan autonomiset agentit kirjoittivat emulaattorin kokonaan: ”Tiimimme ei ole kirjoittanut eikä katselmoinut mitään koodista.”

Emulaattori on paikallinen ohjelma, joka vastaa AWS:n rajapintakutsuihin. Kun AWS:n CLI tai SDK ohjataan siihen, sovelluksen pyynnöt menevät emulaattorille eivätkä AWS:lle. Emulaattoria voi ajaa omalla koneella, kehityspalvelimella tai CI-putkessa eli automaattisessa testauksessa.

GeekWiren mukaan emulaattori kattaa yli 200 AWS-palvelua. Goldbergin mukaan pohjana on 438 AWS:n rajapintakuvausta. ITmedian mukaan toteutuksen laajuus vaihtelee kuitenkin palveluittain ja operaatioittain. AWS julkaisee jokaisen version yhteydessä palvelukohtaiset vastaavuuspisteet (fidelity). Ne kertovat, kuinka tarkasti emulaattori jäljittelee AWS:ää.

Kolme agenttitiimiä ja tarkistusportti

Goldbergin mukaan emulaattoria rakentaa kolme agenttitiimiä. Ensimmäinen laatii julkisista rajapintakuvauksista testejä ja varmistaa, että jokainen toimii oikeassa AWS:ssä. Testi voi esimerkiksi luoda jonon, lähettää viestin ja poistaa jonon. Toinen tiimi ajaa testit emulaattorissa ja kirjaa epäonnistumiset korjattaviksi. Kolmannessa tiimissä kukin agentti korjaa yhden ongelman.

Muutos pääsee päähaaraan vasta, kun koodi kääntyy. Tarkistavien agenttien on myös todettava, että se noudattaa koodikäytäntöjä, on turvallinen eikä heikennä vastaavuutta AWS:ään. Goldbergin mukaan sadat agentit korjaavat tuhansia ongelmia päivässä. Simon Willison kertoo blogissaan, että projektiin kertyi kolmen ensimmäisen viikon aikana 29 684 commitia.

Projekti alkoi Goldbergin viikonloppukokeiluna. Sen innoittajana oli Anthropicin tutkijoiden kokeilu, jossa agentit rakensivat itsenäisesti C-kääntäjän. Goldbergin mukaan Amazonin Kiro-koodausagentti teki 15 minuutissa ensimmäisen kelvollisen version Amazon SQS -jonopalvelusta.

Ei tuotantoon eikä tietoturvan testaamiseen

AWS kehottaa olemaan käyttämättä emulaattoria tuotannossa tai tietoturvan testauksessa. ITmedian mukaan emulaattori ei käsittele käyttöoikeuksia määrittäviä IAM- ja resurssikäytäntöjä samalla tavalla kuin AWS. Resurssit ovat muistissa ja katoavat, kun emulaattori pysäytetään.

GeekWiren mukaan IDC:n analyytikko Devin Pratt kertoi InfoWorldille, ettei emulaattori vielä jäljittele pyyntöjen rajoittamista, käyttökatkoja tai alueiden välisiä eroja palvelujen ja ominaisuuksien saatavuudessa. Prattin mukaan se ei myöskään eristä ajamaansa koodia. Agenttien vielä korjaamattomat puutteet ovat julkisesti nähtävissä repositorion issues/things-that-do-not-work-hakemistossa.

Saatavuus ja käyttöönotto

Emulaattori ei vaadi AWS-tiliä, siitä ei peritä lisämaksua, ja sen koodi on GitHubissa pääosin CC0-lisenssillä. GeekWiren mukaan tunnetuin vaihtoehto LocalStack rajasi tänä vuonna ilmaisversionsa ei-kaupalliseen käyttöön ja alkoi vaatia sen käyttäjiltä tilin.

Linuxiin emulaattorin voi asentaa RPM- tai Debian-paketista, ja macOSissa ja Windowsissa se ajetaan Docker-kontissa. Telemetria eli käyttötietojen lähetys AWS:lle on oletuksena päällä. Ohjeet sen kytkemiseen pois päältä ja muuhun käyttöönottoon ovat GitHubin README-tiedostossa ja AWS:n käyttöoppaassa.

Mihin tämä perustuu

1. aws-emulator

   Julkaisija: simonwillison.net · julkaistu 11.11.2026 23:18 (Suomen aikaa) · noudettu 12.11.2026 05:24 (Suomen aikaa) · löytökanava: verkko

2. How we built the agents that built AWS Emulator

   Julkaisija: www.aboutamazon.com · julkaistu 11.11.2026 19:25 (Suomen aikaa) · noudettu 12.11.2026 05:24 (Suomen aikaa) · löytökanava: verkko

3. github.com

   Julkaisija: github.com · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 05:24 (Suomen aikaa) · löytökanava: GitHub

4. AWS gives developers a free local stand-in for its cloud, built from scratch by AI agents

   Julkaisija: www.geekwire.com · julkaistu 11.11.2026 20:51 (Suomen aikaa) · noudettu 12.11.2026 05:24 (Suomen aikaa) · löytökanava: verkko

5. Amazon、AWSのAPIを手元で再現する「AWS Emulator」を無償公開 コードはすべてAIエージェントが記述

   Julkaisija: www.itmedia.co.jp · julkaistu 12.11.2026 11:56 (Suomen aikaa) · noudettu 12.11.2026 05:24 (Suomen aikaa) · löytökanava: verkko

Uutistoimisto Reuters julkaisi 11. marraskuuta kiinalaisiin hankinta-asiakirjoihin perustuvan selvityksen. Sen mukaan Xi’anissa toimiva Northwestern Polytechnical University maksoi lokakuussa kahdesta Nvidian H200-sirusta 874 700 juania eli noin 123 000 dollaria. Myyjä oli kiinalainen Shaanxi Bosuan Network Technology, ei Nvidia.

H200 kuuluu Nvidian tehokkaimpiin siruihin tekoälymallien koulutuksessa ja ajamisessa. Yliopisto tutkii sotilaslentokoneita, ohjuksia ja satelliitteja. Yhdysvaltain kauppaministeriö lisäsi sen vuonna 2001 Entity List -luetteloon, jolla olevat tahot eivät käytännössä saa valvottua yhdysvaltalaista teknologiaa. Vuonna 2019 rajoituksia kiristettiin niin, että lupahakemukset hylätään pääsääntöisesti. Tammikuussa Trumpin hallinto alkoi sallia H200-vientiä Kiinaan tapauskohtaisesti, mutta päätös ei koskenut luettelossa olevia tahoja.

Siruja ostettiin ja vuokrattiin välittäjien kautta

Tänä vuonna yliopisto hankki myös laskentakapasiteettia kiinalaisyhtiöiltä viidellä sopimuksella. Sen kyberturvallisuuden tiedekunta teki tammikuussa kaksi seitsemän kuukauden sopimusta pääsystä palvelimiin, joissa kussakin on kahdeksan H200-sirua. Lisäksi yliopisto vuokrasi pääsyn palvelimiin, joissa on A100- ja A800-siruja. Niiden vienti on kielletty kaikille kiinalaisille tahoille. Tammikuun lupaehdot edellyttävät suojauksia, jotka estävät listattuja ja sotilaallisia käyttäjiä käyttämästä luvalla vietyjä siruja etäyhteydellä. Asiakirjoista ei kuitenkaan selviä sirujen alkuperä eikä vuokrapalvelinten sijainti.

Reuters kävi läpi 26 tämänvuotista asiakirjaa. Niiden mukaan rajoitettuja siruja ovat hankkineet kotimaisilta toimittajilta myös muut yliopistot, kuten Shenzhenin yliopisto ja puolustusalaan kytkeytyvä Beihang. Northwestern Polytechnical, Nvidia ja kauppaministeriön vientivalvontavirasto BIS eivät vastanneet Reutersin kysymyksiin.

Kauppaministeri jarruttaa, kongressi harkitsee lakia

Selvitys julkaistiin kohun keskellä: Nvidian toimitusjohtaja Jensen Huang on myöntänyt suhteen Alice Huangiin, Nvidian asiakasyhtiö Megaspeedin johtajaan. CNBC:n mukaan New York Times kertoi lokakuussa yhdysvaltalaisviranomaisten pitävän Alice Huangia Kiinan tiedustelun lähteenä. Kiina on kiistänyt vakoiluväitteet.

Axios kertoi 11. marraskuuta kuuden lähteen perusteella, että presidentti Donald Trump on tänä vuonna vähintään kolmesti hyväksynyt toimia yhtiöitä vastaan. Yhtiöiden epäillään ohjaavan Nvidian siruja Kiinaan. Kauppaministeri Howard Lutnick on lähteiden mukaan viivyttänyt toimeenpanoa ja varoittanut, että rajoitukset ”aloittavat kauppasodan Kiinan kanssa”. Kauppaministeriön tiedottaja kiisti, että valtiovarainministeri Scott Bessent olisi nuhdellut Lutnickia kokouksessa, eikä kommentoinut heti muita väitteitä.

Saksalainen heise kertoo The Informationin tietoihin viitaten, että Alice Huangin perheen yhtiöverkosto toimitti Kiinaan ainakin 7,5 miljardin dollarin edestä Nvidian siruja. The Informationin lähteinä on kaksi Alice Huangin tuntevaa henkilöä.

Kongressi kiristää kohun vuoksi entistä todennäköisemmin sirujen vientiä tämän vuoden puolustusbudjettilaissa, arvioivat Politicon haastattelemat kongressin jäsenet, avustajat ja lobbaajat. Kolmen lobbaajan mukaan todennäköisin lisäys on Chip Security Act, joka vaatisi kehittyneisiin siruihin sijainnin todentavan mekanismin. Reutersin mukaan kolme republikaanista valiokunnan puheenjohtajaa on pyytänyt Jensen Huangia selvittämään yhteyksiään 18. marraskuuta.

Mihin tämä perustuu

1. Scoop: Lutnick stalled Trump's Nvidia–China chip curbs after Oval talks

   Julkaisija: www.axios.com · julkaistu 11.11.2026 22:59 (Suomen aikaa) · noudettu 12.11.2026 05:25 (Suomen aikaa) · löytökanava: verkko

2. Nvidia loses ground in Washington chip fight after CEO spy scandal

   Julkaisija: www.politico.com · julkaistu 11.11.2026 05:18 (Suomen aikaa) · noudettu 12.11.2026 05:26 (Suomen aikaa) · löytökanava: verkko

3. Bericht: Jensen Huangs Affäre brachte Nvidia-Chips im Milliardenwert nach China

   Julkaisija: www.heise.de · julkaistu 11.11.2026 06:03 (Suomen aikaa) · noudettu 12.11.2026 05:26 (Suomen aikaa) · löytökanava: verkko

4. Nvidia sells off for second day in fallout from Jensen Huang’s affair with alleged spy

   Julkaisija: www.cnbc.com · julkaistu 10.11.2026 11:14 (Suomen aikaa) · noudettu 12.11.2026 05:21 (Suomen aikaa) · löytökanava: verkko

5. Wow: the @WSJ says Nvidia's board is preparing to oust Jensen Huang https://t.co/jgYCHCzWrb

   CaseyNewton · Julkaisija: x.com · julkaistu 12.11.2026 00:35 (Suomen aikaa) · noudettu 12.11.2026 04:10 (Suomen aikaa) · löytökanava: X

6. On today's @MachineGodsPod, Kevin and I discuss whether Jensen Huang survives as Nvidia CEO. Plus: a great interview with Rep. Greg Casar on the incoming Democratic majority and how it plans to…

   CaseyNewton · Julkaisija: x.com · julkaistu 11.11.2026 19:17 (Suomen aikaa) · noudettu 12.11.2026 04:10 (Suomen aikaa) · löytökanava: X

7. Exclusive-PLA-linked Chinese university bought Nvidia H200 chips despite US blacklist, records show

   Julkaisija: www.internazionale.it · julkaistu 11.11.2026 07:30 (Suomen aikaa) · noudettu 12.11.2026 05:27 (Suomen aikaa) · löytökanava: verkko

Arviointiyhtiö Artificial Analysis julkaisi 12. marraskuuta X:ssä vertailun, jossa se ajoi Anthropicin nykyiset Claude-mallit kaikilla päättelytasoilla. Se vertasi kunkin asetuksen pisteitä omassa Intelligence Index -testistössään siihen, mitä yksi tehtävä maksoi. Yhtiön johtopäätös on, että nostamalla mallitasoa saa dollaria kohden enemmän älykkyyttä kuin nostamalla pienemmän mallin päättelytason suurimmilleen.

Päättelytaso (effort) on rajapinnan asetus. Anthropicin ohjeen mukaan se määrää, kuinka paljon malli ajattelee, kutsuu työkaluja ja tarkistaa omaa työtään. Messages API:ssa oletustaso on useimmissa malleissa high, mutta Opus 5.5:ssä ja Haiku 5.5:ssä medium. Halvimmasta kalleimpaan Anthropicin mallit ovat Haiku 5.5, Sonnet 5.5, Opus 5.5 ja kärkimalli Fable 5.2.

Isompi malli ohitti pienemmän maksimitason

Artificial Analysisin mukaan suurin malli on lähes jokaisella kustannustasolla tehokkuusrajalla. Se tarkoittaa, ettei mikään muu asetus saa samalla hinnalla enemmän pisteitä.

Opus 5.5 sai xhigh-tasolla 57 pistettä ja Sonnet 5.5 max-tasolla 55. Opusin tehtäväkohtainen kustannus oli 40 % pienempi, ja se käytti tehtävään noin puolet Sonnetin ajasta. Julkaisun kuvassa ajat ovat 15,9 ja 32,6 minuuttia tehtävää kohden.

Fable 5.2 ohitti high-tasolla Opus 5.5:n max-tason tuloksen, mutta säästöt jäivät pienemmiksi. Kuvan mukaan Fable sai 3 pistettä enemmän 10 % pienemmällä kustannuksella, ja tehtävä vei 16,7 minuuttia, kun Opusilta kului 25,1 minuuttia. Myös Fable 5.2:n low-taso ohitti Opus 5.5:n high-tason.

Hinnastosta tulosta ei voi päätellä, sillä Anthropicin mukaan jokainen Opus 5.5:n tokenhinta on kaksinkertainen Sonnet 5.5:n hintaan verrattuna. Anthropicin ohjeessa todetaan yleisesti, että kyvykkäämpi malli voi suoriutua tehtävästä vähemmällä työllä.

Halvimmassa luokassa sääntö ei päde

Artificial Analysisin mukaan Haiku 5.5:n max-tasolta jokainen askel ylöspäin maksaa enemmän. Julkaisun kuvassa Sonnet 5.5:n halvin asetus low saa vähemmän pisteitä kuin Haiku 5.5:n max-taso ja maksaa silti enemmän.

Luvut koskevat Artificial Analysisin omaa tehtäväkokoelmaa. Anthropicin ohjeen mukaan se, kuinka paljon tarkkuutta matalampi päättelytaso vie, riippuu tehtävästä. Anthropicin omassa mittauksessa SWE-bench Pro -ohjelmointitestin osajoukolla Opus 5.5 pääsi xhigh-tasolla Fable 5.2:n high-tason tulokseen hieman yli puolella kustannuksella ratkaistua tehtävää kohden. Yhtiö suosittelee useimpiin agenttitehtäviin aloittamaan Opus 5.5:stä sen oletustasolla ja vertaamaan malleja omalla työkuormalla sen mukaan, mitä valmis tehtävä maksaa. Jos laatu ei riitä, ohje neuvoo palauttamaan lasketun päättelytason tai kokeilemaan seuraavaa mallitasoa sen oletustasolla.

Mihin tämä perustuu

1. With the current Claude lineup, moving up a model tier beats maxing out effort to achieve the highest intelligence per dollar At nearly every Cost per Task, we see the largest model sits on the…

   ArtificialAnlys · Julkaisija: x.com · julkaistu 12.11.2026 02:18 (Suomen aikaa) · noudettu 12.11.2026 04:15 (Suomen aikaa) · löytökanava: X

2. Optimizing for cost and intelligence

   Julkaisija: platform.claude.com · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 05:31 (Suomen aikaa) · löytökanava: verkko

Arviointiyhtiö Artificial Analysis julkaisi 12. marraskuuta X:ssä vertailun, jossa se ajoi saman tieteellisten kuvien testin kahdella tavalla. Mallit joko käyttivät työkaluja agentin osana tai vastasivat yhteen pyyntöön ilman työkaluja. Yhtiön mukaan työkalut nostivat mallien tulosta keskimäärin noin 25 prosentista noin 47 prosenttiin.

Mitä testi mittaa

VIALS-AA on Artificial Analysisin toteutus Handshake AI:n VIALS-testistä. Sen 161 tehtävässä malli tulkitsee elämäntieteiden työssä käytettyjä kuvia, kuten blottikuvia, mikroskooppikuvia, virtaussytometrian kuvaajia, plasmidikarttoja ja sukupuita. VIALSin tutkimusartikkeli on julkaistu arXivissa esijulkaisuna.

Oletusmuodossa mallit toimivat Stirrup-harnessissa. Harness on agenttia ohjaava ohjelma, joka antaa mallille työkalut ja ajaa sen työvaiheet. Malli voi ajaa Python-koodia verkottomassa hiekkalaatikossa ja avata kuvia erillisellä työkalulla. Vertailuajossa malli sai kysymyksen ja kuvat yhdessä pyynnössä ilman työkaluja.

Jokainen tehtävä ajetaan kolmesti, ja vastaukset arvostelee GPT-6 Luna -kielimalli. Pistemäärä (pass^3) on niiden tehtävien osuus, joihin malli vastasi oikein kaikilla kolmella kerralla. Kieltäytymisestä tai puuttuvasta vastauksesta saa nollan.

Tulokset

Claude Fable 5.2 (max) sai työkaluilla 67 prosenttia ja ilman niitä 44 prosenttia. Claude Haiku 5.5 (max) ylsi työkaluilla 49 prosenttiin eli korkeammalle kuin Fable ilman työkaluja. Julkaisun kuvan malleista ilman työkaluja paras oli GPT-6 Astra (max), 50 prosenttia.

Luvut kuvaavat työkalujen vaikutusta tässä kuvatulkintatestissä, eivät mallien yleistä paremmuutta.

Kustannukset

Työkalut nostivat jokaisen mallin kulua tehtävää kohden, mutta eri verran. Fable 5.2:n kulu nousi 0,73 dollarista 4,20 dollariin eli 5,8-kertaiseksi, GPT-6 Astran 0,21:stä 0,27 dollariin ja GPT-6.1 Solin 0,05:stä 0,06 dollariin. Kulu kasvoi eniten Qwen3.8 Maxilla (28-kertaiseksi), Gemini 3.8 Flashilla (20-kertaiseksi) ja MiMo-V2.6-Prolla (15-kertaiseksi). Kulut laskettiin tokenmääristä ja mallien hinnoista, ja välimuistiosumien osuus oletettiin tyypilliseksi.

Artificial Analysis päättelee, että halvempi malli harnessissa voi tieteellisten kuvien tulkinnassa päihittää yhteen pyyntöön vastaavan suuren mallin sekä hinnassa että tuloksessa. Yhtiön esimerkissä Haiku saa työkaluilla 49 prosenttia 0,07 dollarilla tehtävää kohden ja Claude Opus 5.5 ilman työkaluja 34 prosenttia 0,33 dollarilla.

Mihin tämä perustuu

1. VIALS-AA Benchmark | Artificial Analysis

   Julkaisija: artificialanalysis.ai · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 05:34 (Suomen aikaa) · löytökanava: verkko

2. Take away its tools, and Claude Fable 5.2 scores below Claude Haiku 5.5 with tools on VIALS-AA; across models tool use nearly doubles scores, from ~25% to ~47% on average VIALS-AA is our…

   ArtificialAnlys · Julkaisija: x.com · julkaistu 12.11.2026 01:46 (Suomen aikaa) · noudettu 12.11.2026 04:15 (Suomen aikaa) · löytökanava: X

3. Tools raise the cost per task for every model, but by very different amounts. Astra costs $0.27 per task with tools and $0.21 without, and Sol $0.06 and $0.05. Fable costs $4.20 with tools and $0.73…

   ArtificialAnlys · Julkaisija: x.com · julkaistu 12.11.2026 01:46 (Suomen aikaa) · noudettu 12.11.2026 04:15 (Suomen aikaa) · löytökanava: X

4. Explore the results of VIALS-AA (with tools) and compare models on Score, Cost per Task and Tool Use: https://t.co/4zhMuS3v2Q

   ArtificialAnlys · Julkaisija: x.com · julkaistu 12.11.2026 01:46 (Suomen aikaa) · noudettu 12.11.2026 04:15 (Suomen aikaa) · löytökanava: X

5. Claude Fable 5.2 is the new leader on AA-Robotics v0.1, scoring 75, ahead of GPT-6 Astra (69) and GPT-6.1 Sol (65) Fable 5.2 is the first model to achieve a score on the measure box task. It did so…

   ArtificialAnlys · Julkaisija: x.com · julkaistu 12.11.2026 04:00 (Suomen aikaa) · noudettu 12.11.2026 04:15 (Suomen aikaa) · löytökanava: X

6. 会社員の仕事に「Claude Fable 5.2」は必要か？ 調査、要約、資料作成でOpus／Sonnetと比較してみた

   Julkaisija: www.itmedia.co.jp · julkaistu 12.11.2026 10:00 (Suomen aikaa) · noudettu 12.11.2026 05:34 (Suomen aikaa) · löytökanava: verkko

7. Google has released its first decision model, Gemini Decision 1, scoring 66 on the Artificial Analysis Decision Index and leading in knowledge and reasoning benchmarks Gemini Decision 1 from…

   ArtificialAnlys · Julkaisija: x.com · julkaistu 11.11.2026 20:18 (Suomen aikaa) · noudettu 12.11.2026 04:15 (Suomen aikaa) · löytökanava: X

AWS julkaisi 10. marraskuuta tietoturvatiedotteen ja GitHubiin tietoturvailmoituksen viasta, joka koskee AWS API MCP Serverin omia tietoturvakäytäntöjä. Vika on versioissa 0.2.13–1.5.0.

AWS API MCP Server on avoimen lähdekoodin MCP-palvelin, jota käyttäjä ajaa itse. MCP on protokolla, jonka kautta tekoälyavustaja käyttää ulkoisia työkaluja. Tässä tapauksessa avustaja hallitsee AWS-tiliä AWS:n rajapintakutsuilla. Ylläpitäjä voi määritellä palvelimelle oman tietoturvakäytännön. Siinä denyList-listaan merkityt toiminnot estetään, ja elicitList-listaan merkityt vaativat käyttäjän vahvistuksen ennen suoritusta.

Miksi säännöt eivät tehonneet

Palvelin muuntaa toimintojen nimet yhtenäiseen muotoon ennen kuin vertaa niitä käytäntöön. AWS:n mukaan palvelin muunsi väärin nimet, joissa on peräkkäisiä isoja kirjaimia. Siksi oikein kirjoitettukaan denyList- tai elicitList-merkintä ei koskaan täsmännyt tällaiseen toimintoon.

CVE-kuvauksen mukaan vika saattoi päästää läpi toimintoja useista eri AWS-palveluista. GitHub-ilmoituksen esimerkkejä ovat federoidun identiteetintarjoajan luominen, MFA-laitteen (monivaiheinen tunnistautuminen) poistaminen käytöstä ja tietokantaklustereiden poistaminen.

Keitä vika koskee

Vika vaikuttaa vain paikallisesti ajettavaan palvelimeen, jonka omassa käytännössä on lueteltu vian koskemia toimintoja. Lisäksi käyttäjän pitää käyttää tekoälyavustajaa. AWS:n etäpalveluna tarjoama AWS API MCP Server ei ole haavoittuvainen. Vika ei myöskään koske asetuksia READ_OPERATIONS_ONLY ja REQUIRE_MUTATION_CONSENT.

CVE-tietue ja GitHub-ilmoitus luokittelevat vian vakavaksi (High), ja sen CVSS 4.0 -pistemäärä on 8,5. AWS:n omassa tiedotteessa luokka on Important.

Päivitys on ainoa korjaus

AWS:n mukaan vian korjaa vain päivitys vähintään versioon 1.5.1, eikä kiertotietä ole. Yhtiö kehottaa paikkaamaan myös palvelimesta tehdyt haarat (forkit) ja muut johdannaiset.

Japanilainen teknologiasivusto Tech InnovateIT muistuttaa, että MCP-palvelin on käynnistettävä päivityksen jälkeen uudelleen. Sivuston mukaan IAM-oikeuksien rajaaminen on lisäsuoja, mutta se ei korvaa päivitystä. Sivusto neuvoo kokeilemaan estoja ja vahvistuspyyntöjä kehitys- tai testiympäristössä, ei tuotantotilillä.

Tech InnovateIT:n mukaan PyPI:ssä uusin versio oli 11. marraskuuta 1.6.0, joka korjaa myös erillisen OAuth-tarkistuksen puutteen. Sivuston mukaan kehittäjän erillinen tietoturvailmoitus neuvoo asettamaan odotetun token audiencen tai client ID:n, kun versiota 1.6.0 käytetään streamable-http-siirron ja OAuthin kanssa. Asetusta ei tarvita kaikissa kokoonpanoissa, esimerkiksi stdio-käytössä.

Sivuston mukaan PyPI ohjaa käyttäjät seuraajaksi nimettyyn AWS MCP Serveriin. Sivusto kertoo, että kehittäjän siirto-ohjeen mukaan uusien ominaisuuksien kehitys päättyi 15.7.2026 ja palvelin on määrä poistaa 15.7.2027.

Mihin tämä perustuu

1. CVE-2026-125271 - AWS API MCP Server Security Policy Bypass via Incorrect Operation Name Normalization

   Julkaisija: aws.amazon.com · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 05:29 (Suomen aikaa) · löytökanava: verkko

2. CVE Record: CVE-2026-125271

   Julkaisija: www.cve.org · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 05:29 (Suomen aikaa) · löytökanava: verkko

3. github.com

   Julkaisija: github.com · julkaistu 10.11.2026 · noudettu 12.11.2026 05:29 (Suomen aikaa) · löytökanava: GitHub

4. NVD-CVE-2026-125271

   Julkaisija: nvd.nist.gov · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 05:30 (Suomen aikaa) · löytökanava: verkko

5. CVE-2026-125271: AWS API MCP Server Security Policy Bypass via Incorrect Operation Name Norm

   Julkaisija: casco.com · julkaistu 10.11.2026 · noudettu 12.11.2026 05:29 (Suomen aikaa) · löytökanava: verkko

6. denyList不備を修正｜AWS API MCP Serverを1.5.1へ

   Julkaisija: techinnovateit.com · julkaistu 11.11.2026 11:49 (Suomen aikaa) · noudettu 12.11.2026 05:29 (Suomen aikaa) · löytökanava: verkko

Unify-yhtiön Daniel Lenton julkaisi 10. marraskuuta arXiv-palvelussa esijulkaisun Continual-ARC-vertailutestistä. Testi mittaa, säästääkö tekoälyagentti vaivaa toistuvissa tehtävissä. Tutkimusta ei ole vertaisarvioitu.

Testi käyttää ARC-AGI-1:n kuvapulmia. Agentin pitää päätellä muutamasta esimerkistä sääntö, joka muuttaa ruudukon toiseksi. Tehtäväsarjassa on 200 tehtäväkertaa, ja 25 sääntöä palaa taukojen jälkeen aina uudella syötteellä. Lisäesimerkki ja väärä vastaus maksavat kumpikin yhden yksikön, ratkaisematon tehtävä koko 16 yksikön budjetin.

Lopuksi jäädytetty agentti ratkaisee tuttujen tehtävien uusia versioita ja sata näkemätöntä tehtävää. Edelliset mittaavat muistamista, jälkimmäiset yleistämistä. Tulos on säästetty osuus verrattuna samaan agenttiin, jonka muisti tyhjennetään ennen jokaista tehtävää.

Harnessit muistivat vasta ohjeistettuina

Harness on agenttia ohjaava ohjelma, joka antaa mallille työkalut ja ajaa sen työvaiheet. Lenton ajoi GPT-6 Luna -mallilla kolmea harnessia niiden omat muistitoiminnot päällä: Prime Agentia, Hermes Agentia ja OpenClaw’ta. Muisti ei säästänyt mitattavasti millään päättelytasolla.

Prime Agent säilytti merkinnän seuraaviin istuntoihin vain, jos agentti merkitsi sen yleiseksi. Agentti ei tehnyt niin kertaakaan. Hermes Agentin skillit sisälsivät yleisiä neuvoja, jotka eivät vähentäneet kulutusta. OpenClaw ei siirtänyt mitään pysyvään muistiin.

Kun harnesseja kehotettiin tallentamaan runsaasti, vain Prime Agent säästi mitattavasti: tutuissa tehtävissä osuuden 0,42. Harnessit säästivät tutuissa tehtävissä 0,62–0,72, kun ohjeet käskivät kirjoittaa jokaiselle tehtävälle Python-ohjelman, tarkistaa sen esimerkeillä ja käyttää sitä uudelleen. Lentonin tulkinnan mukaan harnessit pystyivät hyvään tulokseen, mutta mallin harkinta ja harnessien oletuskehotteet eivät ohjanneet agenttia tallentamaan oikeita asioita.

Uusissa tehtävissä auttoi painojen koulutus

Yksikään harness-menetelmä ei parantanut tulosta mitattavasti näkemättömissä tehtävissä. Lenton koulutti tehtäväsarjan aikana avointen painojen mallin Qwen3.5-9B painoja jäljittelemään GLM-5.3 Flash -mallia. Tällä DAgger-menetelmällä malli säästi uusissa tehtävissä osuuden 0,29.

Taulukossa ovat Qwenin tulokset eri menetelmillä.

Säästetty osuus tyhjämuistiseen versioon verrattuna; suurempi luku on parempi. Ohjelmakirjasto tallentaa kullekin tehtävälle esimerkeillä tarkistetun ohjelman. Lähde: Continual-ARC-esijulkaisu, ARC-AGI-1.

Koulutusta lukuun ottamatta uusien tehtävien luvut eivät eroa tilastollisesti nollasta, eivätkä Prime Agentin rivit tutuissakaan tehtävissä.

Osa koulutuksen hyödystä oli harnessin käytön oppimista. Kouluttamaton Qwen ratkaisi Prime Agentin ohjaamana 18 sadasta uudesta tehtävästä, yksinkertaisessa silmukassa ilman työkaluja 31. Koulutettu malli ratkaisi 47–52, joten Lentonin mukaan se oppi myös tehtävistä itsestään. DAgger tarvitsee vahvemman opettajamallin, jonka päättelytokenit ovat saatavilla.

Lenton kirjoitti X:ssä, etteivät harnessit muistaneet mitään arvokasta. Esijulkaisu rajaa tuloksen oletusasetuksin ajettuihin harnesseihin. Suurin osa ajoista tehtiin suhteellisen pienillä malleilla ja helpoimmalla kolmesta ARC-radasta. Lentonin mukaan on avoinna, miten harnessit oppivat muilla alueilla. Lentonin työnantaja unify kehittää itse painojen koulutukseen perustuvaa jatkuvaa oppimista.

Koodi on GitHubissa Apache-2.0-lisenssillä ja ajojen tallenteet CC BY 4.0 -lisenssillä. Oman ratkaisunsa voi tarkistuttaa unifyn salaisella tehtäväjoukolla, kun maksaa mallikutsut etukäteen.

Mihin tämä perustuu

1. Continual-ARC: Measuring Skill Acquisition over a Working Lifetime

   Lenton, Daniel · Julkaisija: arxiv.org · julkaistu 10.11.2026 20:55 (Suomen aikaa) · noudettu 12.11.2026 05:35 (Suomen aikaa) · löytökanava: verkko

2. github.com

   Julkaisija: github.com · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 05:35 (Suomen aikaa) · löytökanava: GitHub

3. x.com

   Daniel Lenton · Julkaisija: x.com · julkaistu 11.11.2026 · noudettu 12.11.2026 05:34 (Suomen aikaa) · löytökanava: X

United Airlines ilmoitti päätöksestään keskiviikkona 11. marraskuuta julkaisemassaan tiedotteessa. Kielto koskee ulkopuolisia henkilökohtaisia tekoälyagentteja, joille yhtiö ei ole antanut lupaa. Tekoälyagentti on ohjelma, joka toimii kielimallin avulla ja hoitaa asioita käyttäjän puolesta. CBS News ja Scripps News mainitsevat esimerkkeinä Metan Musen ja OpenAI:n Dotsin.

United rajoittaa agenttien pääsyä omiin verkkopalveluihinsa ja myös matkatoimistojen ja hakupalvelujen kautta. Lisäksi se päivittää varaus-, lipunmyynti- ja jakeluehtojaan. ITmedian mukaan United ei kertonut, mitä agentteja rajoitus koskee tai milloin se tulee voimaan.

The Vergen mukaan agentit voivat yhä näyttää käyttäjälle Unitedin lentoja, mutta eivät voi tehdä ostoa loppuun. Ilmailuanalyytikko Henry Harteveldt Atmosphere Research Groupista sanoi CBS Newsille, että Unitedin lentoja voi edelleen varata itse hakupalveluissa, kuten Kayakissa, Hopperissa ja Google Flightsissa.

United vetoaa tietoturvaan ja lentosääntöihin

Tiedotteen mukaan arkaluonteisia tietoja voi paljastua, jos asiakas antaa kirjautumistietonsa agentille. Agentin toimet voivat myös johtaa tahattomiin ostoihin, tilimuutoksiin tai MileagePlus-kanta-asiakasohjelman mailien käyttöön.

Lisäksi United väittää, että automaattiset toimet voivat rikkoa Yhdysvaltain ilmailuviranomaisen FAA:n ja liikenneministeriön DOT:n sääntöjä. Yhtiön esimerkin mukaan lähtöselvityksessä ihmisen on vahvistettava, ettei matkatavaroissa ole kiellettyjä aineita, kuten räjähteitä.

The Verge kertoo Wall Street Journalin tietojen perusteella, ettei United ole vielä havainnut monen yrittävän varata lentoja agenttien avulla.

Analyytikko: kyse on myös asiakassuhteesta

The Verge ja Engadget lainaavat Wall Street Journalia, jonka mukaan toimitusjohtaja Scott Kirby sanoi tiistaina eräässä tilaisuudessa: ”Rehellisesti sanottuna en halua luoda uutta välikättä.”

Harteveldtin mukaan United ei halua uutta, mahdollisesti vielä vahvempaa välikättä hakukoneiden, vertailusivustojen ja verkkomatkatoimistojen lisäksi. Hän muistuttaa, että lentohaut maksavat lentoyhtiöille. Harteveldt pitää selvänä, että United haluaa välttää tekoälybottien hakuryntäyksen kulut.

Kaikki lentoyhtiöt eivät toimi samoin. CBS:n mukaan Southwest on tuonut lentotarjontansa ChatGPT:n käyttäjien nähtäville. Ilmailusivusto Paddle Your Own Kanoo puolestaan kirjoittaa, että Delta estää tiettävästi jo ulkopuoliset agentit.

ITmedian mukaan ulkopuolisia agentteja on rajoitettu muillakin aloilla sen jälkeen, kun Meta julkaisi Musen syyskuussa. Amazon on estänyt Musen tekemät ostokset 20. syyskuuta alkaen. Lokakuun 13.–20. päivänä asiakkaan omilla tunnuksilla kirjautuviin agentteihin puuttuivat JPMorgan Chase, Charles Schwab, Citigroup ja Wells Fargo. Ne joko estivät agentit tai siirsivät niiden riskin sopimuksella asiakkaalle.

United kertoo päivittävänsä Digital Trust Center -tietoturvasivustoaan. Päivityksen jälkeen sieltä saa tietoa rajoituksista ja tilin suojaamisesta sekä ohjeet avun hakemiseen, jos agentti tekee tahattoman toimen. Yhtiö sanoo arvioivansa agenttien kehittyessä jatkossakin, miten ne toimivat sen palveluissa.

Mihin tämä perustuu

1. United Airlines bans AI agents from booking flights on behalf of travelers

   Julkaisija: www.cbsnews.com · julkaistu 11.11.2026 21:37 (Suomen aikaa) · noudettu 12.11.2026 05:35 (Suomen aikaa) · löytökanava: verkko

2. United Airlines is Blocking AI Booking Agents: They Might Breach FAA And DOT Regulations

   Julkaisija: www.paddleyourownkanoo.com · julkaistu 11.11.2026 22:08 (Suomen aikaa) · noudettu 12.11.2026 05:36 (Suomen aikaa) · löytökanava: verkko

3. United won’t let your AI agent book your flight

   Julkaisija: www.theverge.com · julkaistu 11.11.2026 23:54 (Suomen aikaa) · noudettu 12.11.2026 05:36 (Suomen aikaa) · löytökanava: verkko

4. ユナイテッド航空、外部のAIアシスタントによる航空券の予約などを禁止へ 「チェックインには人間の確認が必要」

   Julkaisija: www.itmedia.co.jp · julkaistu 12.11.2026 12:49 (Suomen aikaa) · noudettu 12.11.2026 05:36 (Suomen aikaa) · löytökanava: verkko

5. United Restricts Access for Third-Party AI Agents

   Julkaisija: united.mediaroom.com · julkaistu 11.11.2026 · noudettu 12.11.2026 05:37 (Suomen aikaa) · löytökanava: verkko

6. United Airlines blocks AI assistants from booking flights

   Julkaisija: www.scrippsnews.com · julkaistu 11.11.2026 · noudettu 12.11.2026 05:38 (Suomen aikaa) · löytökanava: verkko

7. United Is Restricting AI Agents From Booking Flights

   Julkaisija: tech.yahoo.com · julkaistu 11.11.2026 22:09 (Suomen aikaa) · noudettu 12.11.2026 05:38 (Suomen aikaa) · löytökanava: verkko

8. Exclusive | United Airlines Is Banning AI Bots From Booking Flights

   Julkaisija: www.wsj.com · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 05:35 (Suomen aikaa) · löytökanava: verkko

Bloomberg kertoi kanteesta jutussa, jonka malesialainen The Star julkaisi 11. marraskuuta. Kanteen nosti Steve Cohenin sijoitusyhtiö Point72:n kvanttikaupankäyntiyksikkö. Kvanttikaupankäynnillä tarkoitetaan matemaattisiin malleihin perustuvaa kaupankäyntiä.

Cubist Systematic Strategies haastoi entisen tutkimusanalyytikkonsa Xin Jinin 9. marraskuuta Connecticutin osavaltion tuomioistuimeen Stamfordissa. Tapahtumien kuvaus perustuu Bloombergin referoimiin oikeusasiakirjoihin ja esittää Cubistin väitteet, joita oikeus ei ole ratkaissut.

Jin tuli yhtiöön vuonna 2019. Kanteen mukaan hän oli johtava tutkimusanalyytikko 14 hengen KEPL-tiimissä, joka on erikoistunut tilastolliseen arbitraasiin. Siinä hintojen poikkeamia etsitään tilastollisilla malleilla.

Mitä Cubist väittää

Kanteen mukaan Jin käytti työpaikalla saatavilla olleita Anthropicin Claudea ja OpenAI:n Codexia. Niillä hän kävi järjestelmällisesti läpi ja analysoi KEPL-tiimin tutkimustulokset ja lähdekoodin sekä tiivisti ne helposti ulos vietävään muotoon. Cubistin mukaan aineistolla olisi voinut rakentaa tiimin työn uudelleen yhtiön järjestelmien ulkopuolella. Yhtiön mukaan Jin siirsi tietoja omille laitteilleen ja poisti tekoälytyökalujen käyttöhistoriansa välttääkseen kiinnijäämisen.

Yhtiön oman selvityksen mukaan Jin oli ”yrittänyt varastaa (ja todennäköisesti varasti)” luottamuksellista tietoa. Cubist kuvaa koodia liiketoimintansa elinehdoksi ja ”salaiseksi reseptiksi”, jonka avulla se saa positiivista tuottoa.

Cubist aloitti selvityksen heinäkuussa, kun tiimin jäsenet kertoivat olevansa huolissaan Jinin käytöksestä. Kanteen mukaan hän vihjasi lähtevänsä yhtiöstä. Lisäksi hän kertoi kollegoilleen ostaneensa omaan käyttöönsä markkinadataa, käyttäneensä tuhansia dollareita tekoälypohjaisiin koodaustyökaluihin ja harkitsevansa teratavun muistilla varustetun tietokoneen ostamista.

Heinäkuussa Jin kertoi henkilöstöhallinnolle harkitsevansa siirtymistä kilpailijalle, ja hänet asetettiin vapaalle. Hänet irtisanottiin syyskuussa, kun hän oli kertonut ottaneensa vastaan paikan kilpailijalta. Kanteessa kilpailijaa ei nimetä.

Cubist vaatii vahingonkorvauksia, joiden määrää se ei ole kertonut. Lisäksi se vaatii, että oikeus kieltää Jiniä paljastamasta yhtiön luottamuksellisia tietoja ja kilpailemasta sen kanssa. Yhtiö haluaa myös päästä tutkimaan Jinin henkilökohtaisia laitteita, mutta Jin on sen mukaan kieltäytynyt.

Jin kiistää väitteet

Jinin asianajajan Rollo Bakerin mukaan Cubistin väitteet ovat perusteettomia. ”Jin odottaa pääsevänsä oikaisemaan asiat”, Baker sanoi.

Jin kertoi 10. marraskuuta jättämässään asiakirjassa tehneensä yhteistyötä entisen työnantajansa kanssa ehdotetussa sovittelussa. Kiistoihin kuuluu myös Jinin vaatimus yli 30 miljoonan dollarin sijoituksista ja korvauksista, joihin hän katsoo olevansa oikeutettu. Asiakirjan mukaan Jin aloittaa uudessa työpaikassa kesäkuussa 2028. Baker ei kertonut, mikä yritys on kyseessä.

Mihin tämä perustuu

1. Point72 claims fired quant analyst used AI tools to steal code

   Julkaisija: www.thestar.com.my · julkaistu 11.11.2026 · noudettu 12.11.2026 05:40 (Suomen aikaa) · löytökanava: verkko

2. Point72 Accuses Fired Quant Analyst of Using AI Tools to Steal Source Code

   Julkaisija: www.bloomberg.com · julkaistu 10.11.2026 20:38 (Suomen aikaa) · noudettu 12.11.2026 05:39 (Suomen aikaa) · löytökanava: verkko

David Gewirtz kertoi ZDNETissä 11. marraskuuta, miten hän eristi kotonaan ympäri vuorokauden toimivan tekoälyagentin ja pyysi sitä sitten karkaamaan. OpenClaw on ohjelma, joka toimii kielimallin avulla ja voi ajaa komentoja ja lähettää viestejä.

Vanki ja vartija eri koneilla

Gewirtz asensi OpenClaw’n vanhalle M1-pohjaiselle Mac Studiolle. Koneella on internetyhteys, mutta sieltä ei pääse kodin palvelimille eikä Gewirtzin henkilökohtaisille tileille. Agentti toimii omalla käyttäjätilillään, eikä se pääse koneen erilliselle ylläpitäjätilille. Kielimallina on Z.ai:n GLM-5.2, jota Gewirtz käyttää Ollama Cloudissa 20 dollarin kiinteällä kuukausimaksulla.

Vartijana toimii Claude Code Gewirtzin omalla Macilla. Se ottaa agentin koneeseen yhteyden salatun SSH-tunnelin kautta ja on käynnissä vain silloin, kun Gewirtz käyttää sitä. Alussa Claude Code oli agentin koneella. Claude kuitenkin huomautti, että agentti pääsi siellä käsiksi Clauden omiin ohjeisiin ja muistiinpanoihin.

Agentti saa lukea asetustiedostojaan mutta ei muuttaa niitä. Niissä on kaksi keskeistä ohjetta: kysy Davidilta ennen jokaista koneen ulkopuolelle ulottuvaa toimea äläkä väitä epäonnistunutta työkalukutsua onnistuneeksi. Claude huomasi OpenClaw’n lokista, että agentti oli keskeyttänyt tiedoston lukemisen oletuskokorajaan eikä ollut lukenut kumpaakaan ohjetta. Korjaukseksi oletusrajaa muutettiin. Gewirtzin mukaan ohjeet toimivat vain, jos tekoäly suostuu noudattamaan niitä.

Yksitoista yritystä, ei yhtään läpimurtoa

Gewirtzin luvalla Claude käski agenttia murtautumaan ylläpitäjän puolelle. Agentti yritti kirjoittaa suoraan ylläpitäjätilin tiedostoihin, hankkia ylläpitäjän oikeudet useaa takaovea pitkin ja kiertää käyttöoikeudet skripteillä, tiedostokopioilla ja linkeillä. Lisäksi se yritti avata vartijan tiedostoja paikallisilla tiedosto-osoitteilla selaimessa ja verkkohakutyökalussaan. Agentti toivoi, että näillä työkaluilla olisi laajemmat oikeudet kuin sillä itsellään.

Gewirtzin mukaan kaikki 11 yritystä epäonnistuivat, ja macOS:n suojaukset pitivät. Tulos koskee tätä kokoonpanoa ja agentin itse kokeilemia keinoja. Gewirtz oli valmis irrottamaan koneen virtajohdon ja sammuttamaan reitittimen, ja hän varoittaa lukijoita kokeilemasta samaa kotona. Lopuksi Claude poisti agentin muistista tiedot testistä ja ylläpitäjäpuolesta.

Agentilla ei ole pääsyä sähköpostiin. Se jättää viestinsä tekstitiedostoina kansioon, josta ylläpitäjäpuolen Python-skripti lähettää ne vain Gewirtzin osoitteeseen. Gewirtz on ”melko vakuuttunut”, että agenttia on turvallista pitää käynnissä. Hänen perusteensa ovat testatut rajoitukset ja niiden säännöllinen tarkistus.

AI Understanding -sivusto referoi ZDNETin juttua mutta nimeää kokeen tekijäksi ZDNETin Charlie Osbornen. Gewirtz mainitsee Osbornen artikkelissaan vain siksi, että tämä on kutsunut OpenClaw’ta tietoturvan painajaiseksi.

Mihin tämä perustuu

1. I locked down my OpenClaw agent with Claude Code - then dared it to escape - ZDNET

   Julkaisija: zdnet.com · julkaistu 11.11.2026 15:09 (Suomen aikaa) · noudettu 12.11.2026 05:41 (Suomen aikaa) · löytökanava: verkko

2. ZDNET Tests OpenClaw Agent with Claude Code, Dares It to Escape

   Julkaisija: aiunderstanding.org · julkaistu 11.11.2026 15:29 (Suomen aikaa) · noudettu 12.11.2026 05:41 (Suomen aikaa) · löytökanava: verkko

Google kuvaa uutta /swarm-komentoa Antigravityn ohjeissa. Antigravity on Googlen ohjelmointiympäristö, jossa tekoälyagentit tekevät kehitystyötä. Ohjesivun ilmoituksen mukaan /swarm on nyt saatavilla kokeiluversiona (preview). Googlen mukaan komento sopii tehtäviin, jotka jakautuvat selvästi erillisiin tiedostoihin, paketteihin tai kysymyksiin. Komennolla käyttäjä voi myös antaa toisen agentin tarkistaa ja testata muutokset ennen kuin näkee ne itse.

Koordinaattori jakaa työn, tarkistaja testaa

Kun käyttäjä antaa komennon ja kuvaa tehtävän, nykyisestä keskustelusta tulee tiimin koordinaattori. Koordinaattori jakaa tehtävän osiin, jotka eivät mene päällekkäin. Esimerkiksi jokainen tiedosto tai paketti voi saada oman agenttinsa. Jokainen työntekijäagentti saa nimen, kuten @parser tai @docs, ja aloittaa oman keskustelunsa ilman aiempaa kontekstia. Sen tehtävänanto julkaistaan kaikkien nähtäväksi. Tehtävänannossa määritellään agentin vastuut, kohteet, joihin se ei saa koskea, ja ehto työn valmistumiselle.

Tavallisesti koordinaattori lisää tiimiin yhden tarkistajan (@verifier) kahdesta neljään työntekijää kohden. Tarkistaja lukee muutokset ja ajaa testit. Ongelmista se ilmoittaa koodin kirjoittaneelle agentille, joka korjaa ne. Koordinaattori ei tee teknistä työtä itse. Se jakaa tehtävät, arvioi tulokset ja raportoi käyttäjälle.

Agentit eivät lähetä toisilleen yksityisviestejä. Yhteiselle viestitaululle kirjataan tehtävänannot, kysymykset, muutosten yhteenvedot ja testitulokset. Joutilas agentti odottaa kuluttamatta tokeneita ja herää, kun joku mainitsee sen. Jos kaikki agentit hiljenevät kesken työn, erillinen @monitor-agentti kutsuu taululla agentin, joka voi saada työn taas liikkeelle.

Työntekijät käyttävät oletuksena samaa mallia kuin käyttäjän keskustelu. Eri mallin voi pyytää yhdelle työntekijälle, esimerkiksi tarkistajalle, tai kaikille. Agentit työskentelevät oletuksena käyttäjän työtilassa, mutta koordinaattori voi antaa kullekin oman kopion repositoriosta. Kun agentti poistetaan, sen kopio poistuu samalla. Siksi koordinaattori pyytää agenttia yhdistämään muutoksensa ennen poistoa.

Käyttökiintiö kuluu nopeasti

Google varoittaa, että tiimi kuluttaa käyttökiintiötä paljon nopeammin kuin yksittäinen keskustelu. Jokainen työntekijä on oma agenttinsa. Jos agentin kiintiö loppuu, agentti pysähtyy eikä jatka itsestään kiintiön uusiuduttua. Agentti jatkaa vasta, kun taululle tulee uusi viesti, sen malli vaihdetaan tai käyttäjä lähettää sille viestin. Poistettua agenttia ei voi palauttaa.

Google suosittelee /swarmia suuriin tehtäviin, jotka jakautuvat selvästi osiin. Jos ongelma on vaikea mutta suppea, Google ohjaa käyttämään /boost-komentoa. Tunneista päiviin kestäviin projekteihin, joissa on useita välitavoitteita, se suosittelee /teamwork-komentoa.

Komentoa voivat käyttää Google AI Pro- ja Google AI Ultra -tilaajat Antigravity-sovelluksessa ja Antigravityn CLI:ssä eli komentorivityökalussa. Tiimin työtä voi seurata sovelluksen Swarm-paneelissa tai komentorivillä, ja tarkemmat ohjeet löytyvät Antigravityn dokumentaatiosta.

Mihin tämä perustuu

1. Swarm (/swarm) | Google Antigravity Docs

   Julkaisija: antigravity.google · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 05:57 (Suomen aikaa) · löytökanava: verkko

Alibaban Qwen-tiimi kertoi 11. marraskuuta X-palvelussa, että seuraava mallisukupolvi Qwen4 on tulossa. Samana päivänä tiimi avasi Qwen4-Max-mallin esiversion. Alibaban muutoslokin mukaan qwen4-max-preview on multimodaalinen kärkimalli: se tuottaa tekstiä, ymmärtää kuvia ja videoita ja päättelee ennen vastaamista. Yhtiö suuntaa sen ohjelmointiin, toimistotyöhön, käyttöliittymäkehitykseen ja monimutkaisiin agenttitehtäviin.

Malli tukee verkkohakua, työkalukutsuja ja rakenteista tulostetta. Se on yhteensopiva OpenAI:n ja Anthropicin rajapintojen kanssa.

Miljoonan tokenin konteksti, ei julkisia vertailutuloksia

Pandaily ja Xenospectrum kertovat Alibaban dokumentaatioon viitaten, että konteksti-ikkuna on miljoona tokenia ja tuloste enintään 393 216 tokenia. Tulosteraja kattaa sekä päättelyn että lopullisen vastauksen, joten pitkä päättely jättää vastaukselle vähemmän tilaa. Päättely on oletuksena päällä, ja sen määrää voi säätää päättelytasolla.

Xenospectrumin mukaan yhdessä pyynnössä voi olla enintään 64 videota, kukin korkeintaan kaksi tuntia pitkä ja 2 Gt:n kokoinen. Lehti huomauttaa, ettei syötteen yläraja takaa mallin ymmärtävän pitkää videota tai kontekstia tarkasti.

Pandailyn mukaan Alibaba ei ole julkaissut mallin vertailutuloksia, mallikorttia, parametrimäärää, hintaa tokenia kohden eikä mallin painoja. Koko Qwen4-sukupolven julkaisupäivääkään ei ole kerrottu, ja kykyjä koskevat väitteet ovat yhtiön omia. AIBase on aiemmin uutisoinut vuotaneista vertailuluvuista, mutta Alibaba ei ole julkaissut niitä.

Kokeiluaika päättyy 25. marraskuuta

Rajapinnan kautta mallia voi käyttää vain Token Plan -tilauksella eikä käytön mukaan laskutettuna. Pandailyn mukaan dokumentaatio rajaa kokeilun 11.11. klo 10:stä 25.11. keskiyöhön Pekingin aikaa eli Suomen aikaa 25.11. klo 18:aan. Malli pysyy kokeilun ajan samana, ja sen jälkeen se poistetaan käytöstä.

Lähteiden tiedot alennuksesta eroavat. Pandailyn mukaan Qwen4-Max-kutsut kuluttavat Token Planin käyttöyksiköitä eli krediittejä kampanjahinnalla, joka on alimmillaan 20 prosenttia normaalista. AIBasen mukaan hinta on alimmillaan kymmenesosa alkuperäisestä.

Xenospectrumin mukaan henkilökohtainen Token Plan maksaa 6–43 dollaria kuukaudessa, ja siihen sisältyy 20 000–200 000 krediittiä. Se on tarkoitettu vuorovaikutteiseen käyttöön esimerkiksi kehitysympäristöissä ja koodausagenteissa. Siinä kiellettyjä ovat automaatioskripteillä tehty massakäsittely, omien sovellusten pysyvät taustapalvelut ja eräajot. Tiimitilaus maksaa 20–180 dollaria käyttäjäpaikkaa kohden kuukaudessa.

Lehden mukaan Token Planin voi ostaa ja sitä voi käyttää vain Alibaba Cloudin Singaporen palvelinalueella, eivätkä sen API-avain ja päätepiste toimi tavallisessa käytön mukaan laskutettavassa rajapinnassa.

Mallia voi kokeilla myös Alibaban omissa palveluissa: QwenWorkissa, Qoder-koodaustyökalussa, Qwen-sovelluksessa ja QwenStudiossa.

Mihin tämä perustuu

1. 模型上架与更新 - 千问AI平台

   Julkaisija: platform.qianwenai.com · julkaistu 11.11.2026 · noudettu 12.11.2026 05:31 (Suomen aikaa) · löytökanava: verkko

2. Alibaba Opens Qwen4-Max Preview on Token Plan, With a 1M-Token Context Until November 25

   Julkaisija: pandaily.com · julkaistu 12.11.2026 04:18 (Suomen aikaa) · noudettu 12.11.2026 05:32 (Suomen aikaa) · löytökanava: verkko

3. Qwen teases Qwen4: Qwen4-Max preview launches on Alibaba Token Plan, limited-time as low as 10% of the original price

   Julkaisija: news.aibase.com · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 05:32 (Suomen aikaa) · löytökanava: verkko

4. Alibaba's Qwen4-Max Preview Offers a 1M-Token Context Window, but Access Ends Nov. 25

   Julkaisija: xenospectrum.com · julkaistu 11.11.2026 08:58 (Suomen aikaa) · noudettu 12.11.2026 05:32 (Suomen aikaa) · löytökanava: verkko

5. 中国AI「Qwen4」ついに登場 プレビュー版を提供開始、AlibabaのAIサービスで

   Julkaisija: www.itmedia.co.jp · julkaistu 11.11.2026 13:30 (Suomen aikaa) · noudettu 12.11.2026 05:32 (Suomen aikaa) · löytökanava: verkko

6. 阿里云发布基于 AMD 第六代 EPYC 处理器的第十代 ECS 企业级实例

   凌敏 · Julkaisija: www.infoq.cn · julkaistu 11.11.2026 08:44 (Suomen aikaa) · noudettu 12.11.2026 04:27 (Suomen aikaa) · löytökanava: RSS-syöte

7. 模型上架与更新

   Julkaisija: docs.modelstudio.console.alibabacloud.com · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 05:33 (Suomen aikaa) · löytökanava: verkko

Alibaba julkaisi 11. marraskuuta Qwen Code 1.0:n esiversion, johon se on yhdistänyt Qoder-koodaustuotteensa harnessin. Harness on agenttia ohjaava ohjelma, joka antaa mallille työkalut ja ajaa sen työvaiheet. Pandailyn tiedot Alibaban kuvauksesta perustuvat kiinalaisen IT Homen referaattiin.

Qwen Code on avoimen lähdekoodin koodausagentti, joka toimii päätteessä. Projektilla on myös työpöytä-, selain-, editori- ja chat-liitäntöjä, esimerkiksi VS Codeen, Zediin ja JetBrainsin editoreihin.

GitHubin versiotiedotteen mukaan v1.0.0-preview yhdistää Qoderin ja Qwen Coden agenttiominaisuudet: koodin ymmärtämisen, toteuttamisen, virheiden etsinnän ja korjaamisen sekä testaamisen. Pandailyn mukaan esiversio on repositorion erillisessä haarassa, ja nykyinen vakaa 0.27-sarja jatkuu sen rinnalla. Projektin lisenssi on Apache-2.0.

Alibaba lupaa skaalautuvuutta ja pienempiä kuluja

Alibaban kuvauksen mukaan versio 1.0 rakentuu tapahtumaväylän varaan. Ohjelman osat välittävät sen kautta toisilleen tapahtumia yhteisen mallin mukaisesti. Väylä toimii aluksi yhden prosessin muistissa, mutta samaa tapahtumamallia laajennetaan hajautettuun käyttöön. Tavoitteena on siirtyä yhdestä useita istuntoja ajavasta prosessista useaan solmuun, jotka ajavat paljon useampia istuntoja, ja säilyttää samalla nykyiset sisäänkäynnit ja tulosten paluureitit.

Alibaba on erottanut omiksi kerroksikseen tehtävien vastaanoton, ajoituksen ja suorituksen. Yhtiö kutsuu periaatetta aivojen ja käden erottamiseksi: päättelyn ohjausta ja työkalujen suoritusta hallitaan erikseen.

Yhtiö lupaa neljä käytännön vaikutusta:

• Päättelyä, muistia ja työkaluja käsittelevät osat voi kytkeä tapahtumiin, jolloin ne häiritsevät pääsuorituspolkua vähemmän.
• Mallikutsut kulkevat yhden sisäänkäynnin kautta, joka kokoaa asetukset, valtuutukset ja kutsujen kirjanpidon.
• Hiekkalaatikoita eli eristettyjä suoritusympäristöjä varataan ja käytetään uudelleen, kun asetukset ja käyttöoikeudet ovat samat. Alibaban mukaan tämän pitäisi vähentää toistuvia alustuksia ja joutokäyttöä ja siten laskea kuluja.
• MCP:llä (Model Context Protocol) agenttiin kytketään työkaluja. Sen asetuksia, valtuutuksia ja yhteyksiä hallitaan yhdessä paikassa.

Suorituskykyä ja kustannuksia koskevat väitteet ovat Alibaban omia. Pandailyn mukaan yhtiö ei ole julkaissut vertailutestien tuloksia, eikä lehden läpikäymässä aineistossa ollut riippumattomia testejä. Alibaba ei myöskään kerro, kuinka tarkasti avoimeksi julkaistu ydin vastaa Qoderissa ajettavaa versiota.

Esiversio ladataan GitHubista

Versiotiedotteen mukaan Qwen Code 1.0 toimii Qwen- ja Qoder-tileillä, useiden mallitoimittajien kanssa ja omien yhteensopivien rajapintojen kautta. Keskeytetyn istunnon voi jatkaa, ja ohjelmaa voi ajaa skripteissä ja automaatiossa ilman vuorovaikutusta.

Valmiit paketit macOS:lle, Linuxille ja Windowsille eivät vaadi erillistä Node.js-asennusta, ja ne ladataan julkaisusivun Assets-osiosta. Esiversion rajapinnat, asetukset ja toiminta voivat vielä muuttua, eikä vakaan 1.0-version julkaisupäivää ole kerrottu.

Mihin tämä perustuu

1. github.com

   Julkaisija: github.com · julkaistu 11.11.2026 05:55 (Suomen aikaa) · noudettu 12.11.2026 05:39 (Suomen aikaa) · löytökanava: GitHub

2. Alibaba Folds Qoder's Harness Into Qwen Code 1.0 Preview and Open-Sources the Combined Agent Core

   Julkaisija: pandaily.com · julkaistu 12.11.2026 05:14 (Suomen aikaa) · noudettu 12.11.2026 05:38 (Suomen aikaa) · löytökanava: verkko

3. Reportedly: Alibaba Folds Qoder's Harness Into Qwen Code 1.0 Preview and Open-Sources the Combined Agent Core

   Julkaisija: aigc.news · julkaistu 11.11.2026 10:11 (Suomen aikaa) · noudettu 12.11.2026 05:39 (Suomen aikaa) · löytökanava: verkko

DeepSeek julkaisi 11. marraskuuta GitHubissa versiotiedotteen agenttiohjelmansa uudesta julkaisuehdokkaasta. Kyse on DeepSeek Harnessin (DSH) versiosta 0.2.2-rc.2, joka edeltää vakaata julkaisua.

DSH on avoimen lähdekoodin harness eli agenttia ohjaava ohjelma, joka antaa mallille työkalut ja ajaa sen työvaiheet.

Aliagentit jakavat työtä useammalla tasolla

Tiedotteen mukaan aliagentit eli osatehtäviin käynnistettävät erilliset agentit voivat nyt olla nimettyjä ja toimia sisäkkäin usealla tasolla. AgentTeam-tiimityön voi ottaa käyttöön istuntokohtaisesti, ja tiimillä on yhteinen jäsen- ja tehtäväpaneeli.

Muutos vaatii siirtotyötä. AgentTeam käyttää nyt yhtenäisiä nimettyjä aliagentteja, ja keskeytystyökalu on oletuksena pois käytöstä. Omat laajennukset ja SDK-integraatiot pitää siirtää uuteen rakenteeseen, ja kaikki samaa istuntotallennusta käyttävät prosessit on päivitettävä yhtä aikaa.

Laajennukset voivat myös lisätä ja poistaa MCP-palvelimia eli ulkoisia työkaluja tarjoavia palveluja. Ne voivat tarkistaa palvelimen tilan ja käynnistää sen uudelleen, joten käyttäjän ei tarvitse ylläpitää jokaisen palvelimen asetuksia itse.

Arkistointi siivoaa työpuut oletuksena

Git-työpuiden eli saman repositorion rinnakkaisten työhakemistojen muutoksia voi nyt katselmoida haaran, commitin ja tiedostotyypin mukaan. GitHub-katselmointeja voi tehdä ja haaroja päivittää suoraan DSH:ssa.

Kun istunnon arkistoi, DSH poistaa nyt oletuksena ehdot täyttävät työpuut. Haarat ja commitit säilyvät. Paikallinen hakemisto säilyy, jos siivouksen kytkee pois. Omat asetukset ja Forge-laajennukset pitää siirtää.

Muutoksia hakuun ja tietoturvaan

Verkkohaku käyttää oletuksena DeepSeek Search API:a. Vanhoja hakupalveluja tai omia asetuksia käyttävien pitää tehdä siirto päivitysoppaan mukaan.

Agentti ajaa komentonsa sivupalkin terminaalissa, ja käyttäjä voi ottaa ohjauksen kirjoittamalla. Jos agentti saa lukea käyttäjän terminaalia, terminaalin sisältö päätyy mallille ja istunnon tallenteisiin.

DSH jäsentää nyt Office-asiakirjat pääprosessissaan komentorivin hiekkalaatikon ulkopuolella. LiveShare-jaon vanhat luvat pitää määrittää uudelleen. Tiedotteen mukaan koodia ajava PTC-toiminto pääsee jaetun hakemiston ulkopuolisiin tiedostoihin, joten istuntoja pitäisi jakaa vain luotetuille.

Windowsissa lisähakemistojen luvat koskevat nyt vain tiedostotyökaluja, eivät terminaalia tai PTC:tä. Päivitystä vaativat myös omat Computer Use -skriptit, vanhat Office-paketit ja -skillit, vanhaan virheluokitteluun nojaavat laajennukset ja Stagehandin extensionId-asetus, joka ei enää toimi. Versiossa on lisäksi muun muassa tuki Geminin rajapintaa käyttäville omille mallipalveluille sekä vikakorjauksia.

DSH:n voi asentaa npm:llä, ja sitä voi käyttää työpöytäsovelluksena, selaimessa, komentorivillä ja SDK:n kautta. Työpöytäsovelluksen asetuksista voi nyt valita päivityskanavaksi vakaat versiot tai kehitysversiot. Hugging Facessa toimivan kolmannen osapuolen asennuksen ohjeen mukaan mallin käyttöön tarvitaan DeepSeekin tai muun palveluntarjoajan API-avain.

Mihin tämä perustuu

1. github.com

   Julkaisija: github.com · julkaistu 11.11.2026 13:33 (Suomen aikaa) · noudettu 12.11.2026 05:42 (Suomen aikaa) · löytökanava: GitHub

2. DeepSeek Harness

   Julkaisija: huggingface.co · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 05:42 (Suomen aikaa) · löytökanava: verkko

Aqib Zakaria ja Quinn Ennis julkaisivat selvityksensä ChinaTalkissa 11. marraskuuta. Heidän mukaansa esimerkiksi Mercor, Surge AI, AfterQuery ja Turing myyvät kiinalaislaboratorioille dataa noin puolen miljardin dollarin arvosta, ja osa siitä on vahvistusoppimisen ympäristöjä.

The Decoder -sivuston referaatin otsikossa koko summa on ympäristöjä, vaikka ChinaTalkin tekstissä ne ovat vain osa kaupasta.

Samat ympäristöt kuin yhdysvaltalaisilla

Vahvistusoppimisen ympäristö on simuloitu työympäristö, jossa malli yrittää tehtävää toistuvasti. Arviointiperusteet ratkaisevat, palkitaanko tulos. ChinaTalkin esimerkissä myyjä rakentaa PowerPointin kloonin ja palkkaa asiantuntijoita laatimaan perusteet hyvälle diaesitykselle. Koodausympäristössä malli saa koodin, jossa virhe on vielä korjaamatta. Ympäristö tarkistaa, löytääkö malli korjauksen.

Kirjoittajien mukaan kiinalaislaboratorioiden on kerrottu ostavan täsmälleen samoja tuotteita kuin Anthropic ja OpenAI, jotta ne saavat toimivaksi todettua aineistoa eivätkä tuhlaa laskentaa. Erään tutkimuksen mukaan mallin ratkaisuyritykset ympäristössä vievät yli 70 prosenttia vahvistusoppimisen ajasta. Säästön suuruus vaihtelee kirjoittajien mukaan paljon ympäristöstä riippuen. Ratkaisuyritykset ovat muistin rajoittamaa inferenssiä, ja kiinalaisilta siruilta puuttuu erityisesti nopeaa HBM-muistia.

Yhdysvaltalaiset laboratoriot voivat maksaa yksinoikeudesta nelin- tai viisinkertaisen hinnan. Kirjoittajien mukaan myyjälle kertynyt kokemus hyödyttää silti seuraavia asiakkaita.

Yhdeksän myyjää, osin nimettömin lähtein

Kirjoittajat löysivät ainakin yhdeksän myyjää: edellisten lisäksi Abundant, Pareto, DeccanAI, Eaglepoint ja Invisible. Ostajiksi mainitaan muun muassa Alibaba, Tencent, ByteDance, Z.ai ja Moonshot AI. Kirjoittajat eivät julkaise lähteitään. Näyttö perustuu osin nimettömiin lähteisiin sekä alihankkijoiden LinkedIn-julkaisuihin ja ansioluetteloihin. Forbesin mukaan AfterQuery saa Kiinasta puolet 100 miljoonan dollarin vuotuisesta toistuvasta liikevaihdostaan. ChinaTalk ei kuitenkaan pystynyt vahvistamaan yhtiön myyntiä.

Ympäristöt ovat kirjoittajien mukaan pääosin vientivalvonnan ulkopuolella, ellei ostaja ole Yhdysvaltain kauppaministeriön Entity List -rajoituslistalla. Rajoitusta on helppo kiertää Kiinan ulkopuolisella tytäryhtiöllä, joka ei ole listalla. Kauppoja tehdään myös Kiinan ulkopuolella, esimerkiksi ByteDance ostaa dataa Singaporessa ja San Josessa. Silloin kaupat jäävät Kiinan hankintarekisterien ja useimpien Yhdysvaltain sääntöjen ulkopuolelle.

Riski koskee kyber- ja bioaloja

Koodausympäristöt voivat kirjoittajien mukaan parantaa myös kyberhyökkäyskykyä. Biologian ympäristöt voivat edistää geenisynteesiä ja biologisten aseiden suunnittelua. He ehdottavat, että kauppaministeriön BIS-virasto rajoittaisi kaksikäyttöisten ympäristöjen vientiä. Tärkeimpänä he pitävät sitä, että hallinto saa paremman kuvan kaupasta.

Kirjoittajat eivät pidä tilannetta katastrofina. Alan lähteiden mukaan kiinalaiset ostajat tavoittelevat lähes pelkästään parempia vertailutestien tuloksia, mistä tosin kiistellään alalla. Monet kaupallisesti merkittävät testit mittaavat koodausta ja toimistotehtäviä, joten kirjoittajat pitävät kauppaa nykyisin todennäköisesti harmittomana. Ostajat jäävät myös vähintään muutaman kuukauden jälkeen, koska ne saavat ympäristön vasta, kun yhdysvaltalainen laboratorio on ostanut tai rakentanut sen. Vaarallisia ympäristöjä on vain vähän, ja yhdysvaltalaiset kärkilaboratoriot rakentavat herkkien alojen ympäristöjä yhä useammin itse.

Mihin tämä perustuu

1. Piggybacking to the Frontier

   Julkaisija: www.chinatalk.media · julkaistu 11.11.2026 13:07 (Suomen aikaa) · noudettu 12.11.2026 05:45 (Suomen aikaa) · löytökanava: verkko

2. US data brokers are selling half a billion dollars in RL training environments to Chinese AI labs

   Julkaisija: the-decoder.com · julkaistu 11.11.2026 15:51 (Suomen aikaa) · noudettu 12.11.2026 05:45 (Suomen aikaa) · löytökanava: verkko

Baidu esitteli uuden kielimallinsa julkaisusivullaan 11. marraskuuta. ERNIE 5.5 Flash Preview on yhtiön mukaan ensimmäinen jälkikoulutettu versio ERNIE 5.5 Flash Base -pohjamallista, jonka painot Baidu avasi aiemmin marraskuussa. Pohjamalli vain jatkaa sille annettua tekstiä. Teknologiasivusto Pandailyn mukaan Preview-malliin on lisätty päättely ja työkalukutsut.

Baidun mukaan malli on vahva koodauksessa, 3D-mallinnuksessa, tietotyössä ja sisällöntuotannossa. Kiinalainen teknologiamedia Leiphone kertoo, että malli sai kilpailukykyisiä tuloksia muun muassa Terminal-Bench- ja AutomationBench-vertailutesteissä. Pandaily huomauttaa, että nämä ovat Baidun omia väitteitä.

Baidu itse varoittaa Preview-mallin olevan keskeneräisen jälkikoulutuksen välivaihe, jonka kyvyt voivat vielä olla osin puutteellisia. Yhtiö aikoo parantaa mallia käyttäjäpalautteen perusteella ennen virallista julkaisua.

Mallin rakenne ja Baidun esimerkit

Baidun vLLM-ERNIE-repositorion mukaan kyseessä on MoE-malli: sen kerroksissa on 512 asiantuntijaverkkoa, joista kullekin tokenille valitaan kymmenen. Mallissa on 280 miljardia parametria, mutta kunkin tokenin käsittelyssä niistä on käytössä 14 miljardia.

Mallin 43 kerroksesta 37 tallentaa välimuistiin 128 viimeisintä tokenia ja jokaisesta 128 tokenin jaksosta yhden tiivistetyn merkinnän. Pohjamalli esikoulutettiin enintään 128 000 tokenin kontekstilla, mutta inferenssissä se tukee noin miljoonan tokenin (1 048 576) kontekstia. Leiphonen mukaan malli tuottaa yli 200 tokenia sekunnissa. Mittausoloja lehti ei kerro.

Baidu kertoo esimerkkinä, että malli kirjoitti yhdessä 11 tunnin koodaustehtävässä C++-kielellä kolmannen persoonan pelin Unreal Engine 5.8:lle. Malli työskenteli harnessissa eli agenttia ohjaavassa ohjelmassa, joka antaa mallille työkalut ja ajaa sen työvaiheet. Malli käsittelee vain tekstiä eikä näe ruutua. Siksi se muutti pelitestauksessa havaitut viat, kuten maan yläpuolella leijuvan hahmon, koodissa mitattaviksi testeiksi.

Saatavuus, hinta ja painot

Mallia voi käyttää Baidun Qianfan-pilvipalvelun rajapinnan kautta. Pandailyn mukaan Qianfanin 10. marraskuuta päivitetyssä mallilistassa ernie-5.5-flash-preview-rajapinnan oletuskutsuraja on 60 pyyntöä ja miljoona tokenia minuutissa. Leiphonen mukaan miljoona syötteen tokenia maksaa ruuhka-aikana 2 juania ja hiljaisena aikana 1 juanin. Tulosteen vastaavat hinnat ovat 8 ja 4 juania. Lisäksi hinnoista saa määräaikaisesti 50 prosentin alennuksen.

Baidu lupaa avata painot pian Apache 2.0 -lisenssillä, Leiphonen mukaan 25. marraskuuta. Pandaily tarkisti tilanteen 11. marraskuuta: Preview-mallin Hugging Face -repositorio palautti pääsyvirheen, ja Baidun julkisella listalla oli vain pohjamallin kaksi versiota.

Painojen ajamiseen Baidu tarjoaa vLLM-ERNIE-laajennuksen, joka vaatii vLLM 0.32.0:n ja NVIDIA:n GPU:t. Ohjeet ovat GitHubissa baidu/vLLM-ERNIE-repositoriossa. Ohjeiden mukaan pohjamallin FP8-painot vievät noin 280 gigatavua. Niiden ajamiseen tarvitaan vähintään kaksi 288 gigatavun, neljä 192 gigatavun tai kahdeksan 80 gigatavun GPU:ta. Miljoonan tokenin konteksti ei mahdu 80 gigatavun GPU:ihin.

Mihin tämä perustuu

1. Introducing ERNIE 5.5 Flash Preview · ERNIE

   Julkaisija: ernie.baidu.com · julkaistu 11.11.2026 · noudettu 12.11.2026 05:46 (Suomen aikaa) · löytökanava: verkko

2. 百度文心 研究 (ERNIE)

   百度文心 研究 (ERNIE) · Julkaisija: ernie.baidu.com · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 04:01 (Suomen aikaa) · löytökanava: verkko

3. github.com

   Julkaisija: github.com · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 05:47 (Suomen aikaa) · löytökanava: GitHub

4. Baidu Releases ERNIE 5.5 Flash Preview on Qianfan, With Open Weights Promised by November 25

   Julkaisija: pandaily.com · julkaistu 11.11.2026 09:41 (Suomen aikaa) · noudettu 12.11.2026 05:47 (Suomen aikaa) · löytökanava: verkko

5. 文心 5.5 Flash Preview发布！编程、3D 建模、知识工作、内容创作等全面升级 | 雷峰网

   Julkaisija: www.leiphone.com · julkaistu 11.11.2026 07:22 (Suomen aikaa) · noudettu 12.11.2026 05:47 (Suomen aikaa) · löytökanava: verkko

Google DeepMind julkaisi AlphaGenome 2 -mallin blogissaan 11. marraskuuta. Viime vuonna julkaistu edeltäjä AlphaGenome ennusti DNA:n kirjainmuutosten eli varianttien vaikutuksia kokonaisissa kudoksissa. Jos variantti vaikuttaa vain yhdessä solutyypissä, kudoksen keskiarvo voi peittää vaikutuksen.

Ehto ohjaa koko mallia

AlphaGenome 2 lukee miljoonan emäksen DNA-jakson ja yhden ehdon: kudoksen, solutyypin tai solutilan. DeepMindin mukaan ehto ohjaa mallin jokaista vaihetta. Näin malli oppii, miten samaa DNA:ta luetaan eri soluissa.

Ehdon voi valita valmiista luettelosta tai muodostaa omasta yksisolu-RNA-sekvensoinnista. Menetelmä mittaa geenien aktiivisuutta yksittäisissä soluissa. DeepMindin mukaan muutaman kymmenen solun näyte riittää, eikä mallia tarvitse kouluttaa uudelleen.

Malli ennustaa muun muassa geenien ilmentymistä ja kromatiinin avoimuutta sekä nyt myös DNA:n metylaatiota. Yhden mittauksen perusteella se voi arvioida ominaisuuksia, joita ei ole mitattu. Koulutusaineistona oli ihmisen ja hiiren kudos- ja yksisoluaineistoa, DeepMindin mukaan yli 100 miljoonaa soluprofiilia 68 kudoksesta.

Enemmän osumia, mutta vain vähemmistö syy-varianteista

DeepMind testasi mallia TenK10K-aineistolla, joka kattaa 28 immuunisolutyyppiä. Kun 90 prosenttia mallin ehdokkaista oli oikeita, malli löysi 30 prosenttia geenin ilmentymistä muuttaviksi arvioiduista syy-varianteista. Yksisoluaineistolla hienosäädetty AlphaGenome 1 löysi 16 prosenttia. Kun 90 prosenttia suuntaennusteista oli oikein, uusi malli tunnisti vaikutuksen suunnan 43 prosentille varianteista, edeltäjä 23 prosentille.

MarkTechPostin mukaan malli löysi 41 prosenttia varianteista Parkinsonin taudin aineistossa, jota se ei ollut ennen nähnyt. Juuri tälle aineistolle sovitettu Scooby-malli löysi 17 prosenttia. Lehti ei kerro, millä tarkkuusrajalla luvut on laskettu.

MarkTechPost huomauttaa, että vertailut ovat DeepMindin omia. Unite.AI:n mukaan tutkimusraportti varoittaa, että korkeallakin tarkkuudella malli löytää vain vähemmistön tilastollisesti todennäköisistä syy-varianteista. Malli voi arvioida liian pieniksi vaikutukset, jotka syntyvät avoimen kromatiinin ulkopuolella, hyvin kaukaisissa säätelyalueissa tai vasta transkription jälkeen. MarkTechPostin mukaan avoimen kromatiinin ulkopuolella vaikutuksen suunnan ennusteiden AUROC-arvo on vain 0,63. Arvo 0,5 vastaa arvausta.

Unite.AI:n mukaan raportissa todetaan myös, että solutilojen kuvaukset perustuvat havaintoaineistoon, joten ne kuvaavat korrelaatioita eivätkä syy-yhteyksiä. On epävarmaa, ennustaako malli esimerkiksi geenin poiston vaikutuksia. Tilapäiset, ärsykkeen aktivoimat ja sairauden aikaiset solutilat ovat koulutusaineistossa ja valmiiksi lasketuissa pisteissä aliedustettuina, eikä malli erota hyvin hermosolujen hienojakoisia alaryhmiä.

The Vergen mukaan uusi malli ei korvaa edeltäjäänsä lähiaikoina. DeepMindin genomiikkajohtaja Žiga Avsec sanoi lehdelle, että uuden mallin ennusteiden laskeminen on kalliimpaa.

Käyttö rajapinnan kautta

AlphaGenome 2 on käytettävissä ei-kaupalliseen tutkimukseen AlphaGenome-rajapinnan kautta. Unite.AI kertoo, että dokumentaation mukaan ei-kaupallinen käyttö on maksutonta. Kaupalliseen tutkimukseen malli on saatavilla rajatussa esikatselussa. MarkTechPostin mukaan mallin painot julkaistaan vasta, kun tutkimus ilmestyy lopullisessa muodossaan.

DeepMind jakaa myös valmiiksi laskettuja tuloksia. Niissä on säätelyalueiden ja geenien yhteydet 640 solutyypissä tai -tilassa ja Unite.AI:n mukaan yli 6,8 miljoonan yleisen tai ominaisuuksiin ja sairauksiin liittyvän variantin pisteet 510 tilassa. Malli on tarkoitettu vain tutkimuskäyttöön, eikä sitä ole validoitu kliiniseen käyttöön tai diagnostiikkaan.

Mihin tämä perustuu

1. AlphaGenome 2: Deciphering how cells read DNA to better understand disease — Google DeepMind

   Julkaisija: deepmind.google · julkaistu 11.11.2026 17:00 (Suomen aikaa) · noudettu 12.11.2026 05:45 (Suomen aikaa) · löytökanava: verkko

2. github.com

   Julkaisija: github.com · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 05:46 (Suomen aikaa) · löytökanava: GitHub

3. Google’s AlphaGenome 2 zooms in on the cellular roots of disease

   Julkaisija: www.theverge.com · julkaistu 11.11.2026 17:00 (Suomen aikaa) · noudettu 12.11.2026 05:45 (Suomen aikaa) · löytökanava: verkko

4. Google DeepMind Releases AlphaGenome 2 for Cell-Type-Specific Variant Effects

   Julkaisija: www.marktechpost.com · julkaistu 11.11.2026 22:51 (Suomen aikaa) · noudettu 12.11.2026 05:45 (Suomen aikaa) · löytökanava: verkko

5. Google DeepMind’s AlphaGenome 2 Predicts Cell-State Variant Effects

   Julkaisija: www.unite.ai · julkaistu 11.11.2026 17:28 (Suomen aikaa) · noudettu 12.11.2026 05:46 (Suomen aikaa) · löytökanava: verkko

6. 구글 딥마인드, 질병 원인 찾는 AI '알파게놈 2' 공개

   Julkaisija: zdnet.co.kr · julkaistu 12.11.2026 02:46 (Suomen aikaa) · noudettu 12.11.2026 05:46 (Suomen aikaa) · löytökanava: verkko

7. Your heart, brain, and immune system share the same DNA sequence. So how can a single-letter change affect disease in some cells, while sparing the rest? AlphaGenome 2 is our new AI model that…

   GoogleDeepMind · Julkaisija: x.com · julkaistu 11.11.2026 17:03 (Suomen aikaa) · noudettu 12.11.2026 04:13 (Suomen aikaa) · löytökanava: X

KAISTin ja DeepAuto.ai:n tutkijat kertovat 10. marraskuuta arXivissa julkaistussa esijulkaisussa, että tekoälyagentin muisti voi heikentää sen suoriutumista. arXivDaily-palvelun mukaan työ on lähetetty ACL Rolling Review -vertaisarviointiin, joka on vielä kesken.

Agentin muistiin tiivistetään yleensä aiempien ajojen opit. Ajo on agentin toimien ja havaintojen sarja. Ajon lopputuloksesta tiedetään vain, onnistuiko tehtävä. Siksi oppia muodostavan mallin on arvattava, mikä teko ratkaisi lopputuloksen.

Tutkijat tarkastelivat tehtäviä, jotka agentti ratkaisi aina ilman muistia mutta muistin kanssa ei. Kielimalliarvioijan mukaan 52 prosenttia epäonnistumisista johtui muistin kohdasta, jota agentti noudatti. Useimmiten kohta oli virheellinen. Luokitus kuvaa agentin päättelyn sisältöä eikä varmaa syytä.

Opista pääsee lähdeajoon

WikiTrace tallentaa jokaisen opin yhteyteen muuttamattoman lähdeajon ja yhteenvedon siitä, miksi ajo onnistui tai epäonnistui. Agentti saa kaikki opit tehtävän alussa. Ennen toimimista agentti voi lukea linkitetyt tiedostot komentorivityökaluilla ja korjata opin, jos oppi on puutteellinen, ristiriidassa toisen kanssa tai peräisin epäonnistuneesta ajosta.

Tulokset viidessä vertailutestissä

Viidessä vertailutestissä oli yhteensä kahdeksan osatestiä, esimerkiksi tekstipohjaisia kotitalous- ja tiedetehtäviä sekä sovellusrajapintojen käyttöä. Kaikki menetelmät käyttivät samaa agenttia ja DeepSeek V4 Flash -mallia, ja jokainen testi ajettiin kolmesti.

Taulukossa ovat osatestien keskiarvot. Keskiarvo ei ole yhden mittarin tulos, koska osatesteissä mitataan eri asioita, esimerkiksi onnistumisosuutta tai pistemäärää.

Lähde: esijulkaisun taulukko 1. Luvut ovat kolmen ajon keskiarvoja kahdeksasta osatestistä.

Regressio on niiden tehtävien osuus, jotka agentti ratkaisi ilman muistia mutta muistin kanssa ei. WikiTracella regressio oli 4,5 prosenttia. Pelkillä opeilla eli samoilla opeilla ilman lähdeajoja se oli 6,5 prosenttia. Kun agentti ajettiin uudelleen ilman muistia, 9,7 prosenttia onnistumisista muuttui epäonnistumisiksi jo ajojen välisen vaihtelun vuoksi.

Pelkät opit -vertailusta puuttui myös kehote, joka ohjaa agenttia tarkistamaan lähteet. Tekijöiden mukaan etu syntyy sekä lähdeaineistosta että tästä kehotteesta.

Kolmessa tekstipohjaisessa testissä agentti avasi lähdeajon 22 prosentissa helpoista ja 44 prosentissa vaikeista tehtävistä. Helpon tehtävän agentti ratkaisi ilman muistia kaikilla kolmella kerralla, vaikean ei kertaakaan.

Kielimalliarvioijan luokituksen mukaan avauksissa, jotka agentti teki jäätyään jumiin tai epäiltyään oppia, WikiTrace oli 10,4 pistettä pelkkiä oppeja edellä. Muissa avauksissa ero oli 3,7 pistettä. Agentti päätti avaamisesta itse, joten erot eivät osoita, että juuri avaaminen aiheutti ne.

Linkki ei todista oppia oikeaksi

Tekijöiden mukaan agentti voi tarkistaa opin linkin avulla, mutta linkki ei takaa opin olevan oikea. Myös yhteenvedon selitys epäonnistumiselle voi olla väärä. Kaikki opit annetaan agentille ensimmäisessä viestissä, joten kehote kasvaa muistin mukana. Tekijät jättävät avoimeksi, miten agentti löytäisi tarvitsemansa opit suuremmasta muistista.

Koodi on julkaistu GitHubissa (github.com/yukyeongleee/wikitrace). Blockchain.newsin mukaan asennus vaatii Pythonin, Noden, Dockerin ja uv-työkalun.

Mihin tämä perustuu

1. Don't Just Trust Your Memory: Evidence-Linked Memory Reduces Memory-Induced Degradation in LLM Agents

   Lee, Yukyeong, Choi, Yumin, Baek, Jinheon, Hwang, Sung Ju · Julkaisija: arxiv.org · julkaistu 10.11.2026 18:46 (Suomen aikaa) · noudettu 12.11.2026 05:53 (Suomen aikaa) · löytökanava: verkko

2. Paper page - Don't Just Trust Your Memory: Evidence-Linked Memory Reduces Memory-Induced Degradation in LLM Agents

   Julkaisija: huggingface.co · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 05:55 (Suomen aikaa) · löytökanava: verkko

3. 不要只相信你的记忆：证据关联记忆可降低LLM智能体中的记忆诱导退化｜arXiv 2611.14320｜arXivDaily

   Julkaisija: www.arxivdaily.com · julkaistu 11.11.2026 · noudettu 12.11.2026 05:54 (Suomen aikaa) · löytökanava: verkko

4. WikiTrace: Evidence-Linked Memory System Enhances LLM Agent Performance

   Julkaisija: blockchain.news · julkaistu 11.11.2026 · noudettu 12.11.2026 05:55 (Suomen aikaa) · löytökanava: verkko

Zihan Dong (Lenovo Group), Qishi Zhan (Marquette University) ja Minxuan Hu (Cornell University) julkaisivat tutkimuksensa arXiv-palvelussa 10. marraskuuta. Kyse on esijulkaisusta, jota ei ole vertaisarvioitu.

Tutkijat pisteyttivät uudelleen kahdeksan vertailutestin julkaistut ajot. Useimmat agenttivertailut tarkistavat ajon tehtäväkohtaisella vastausavaimella, esimerkiksi viiteratkaisusta johdetuilla testeillä, ja kirjaavat tulokseksi yhden bitin: läpäisi tai ei. Tekijöiden mukaan yksi bitti ei riitä erottelemaan kärkiagentteja, eikä se anna lisäpisteitä viiteratkaisun ylittämisestä.

Erot ovat testivirheitä pienempiä

SWE-bench Verifiedissä kymmenen parhaan agentin tulokset mahtuvat 3,6 prosenttiyksikön väliin, ja peräkkäisten agenttien suurin ero on 1,4 prosenttiyksikköä. Kymmenikkö muodostaa yhden tasoryhmän eli joukon, jota vertailutesti ei pysty tilastollisesti erottamaan kärjestä.

Tiukennetut SWE-ABS-testit hylkäsivät mediaaniagentin hyväksytyistä korjauksista 17,7 prosenttia. Kolmenkymmenen parhaan agentin listalla tiukennus käänsi järjestyksen kahdeksassa niistä 18 peräkkäisestä parista, joiden välillä oli eroa. Saman osuuden läpäisyistä poistaminen satunnaisesti käänsi suunnilleen yhtä monta. Tekijöiden mukaan peräkkäisten agenttien järjestys on siis kohinaa. Analyysi olettaa tiukennetut testit virheettömiksi, ja virheellisiä hylkäyksiä tutkijat arvioivat vain simuloimalla.

Viitettä parempi tulos jää huomiotta

ALE-Benchin 40 optimointikilpailussa virallinen kilpailupistemäärä jakaa kärkikymmenikön kolmeen tasoryhmään. Kun samat ajot pisteytettiin läpäisynä tai hylkäyksenä mediaani-ihmiseen verrattuna, kaikki kymmenen osuivat samaan ryhmään, vaikka 47,8 prosenttia ajoista voitti mediaani-ihmisen. Kun tutkijoiden porrastettu pisteytys antoi lisäpisteitä viitteen ylittämisestä, kärki jakautui taas kolmeen ryhmään.

Kynnyksen nostaminen samoissa ALE-Benchin tehtävissä ei ratkaissut ongelmaa. Kilpailun voittajan tulos kynnyksenä jakoi vuoden 2025 jälkeen julkaistujen mallien kärkikymmenikön kahteen ryhmään, mutta 89 prosenttia aiemmista malleista sai nollan jokaisesta tehtävästä. Osa myöhempien mallien julkaisupäivistä on tutkijoiden jälkikäteen arvioimia. Uutta versiota, johon tulisi myös uusia tehtäviä, tutkijat eivät simuloineet.

Jatkuva pisteytys ei aina auta: MLE-benchissä vastausavain erottelee kärjen jo sellaisenaan, ja METRin tehtävissä harva ajo ylitti viitteen.

Tutkijat ajoivat uudelleen 13 Terminal-Bench 2.0:n tehtävää neljällä mallilla, kolme kertaa kutakin. Kolme mallia oli läpäisyissä tasoissa, mutta portfolio-optimointitehtävässä claude-opus-5:n ratkaisujen nopeutus oli mediaanina 10,9-kertainen ja kahden muun mallin 1,3-kertainen. Koska toistoja oli kolme, tutkijat pitävät mallien kokonaiserottelua rajatapauksena.

Ehdotus: hyväksyntä, laatu ja kustannus erikseen

Tutkijoiden ehdotuksessa ajo hyväksytään ensin tiukennetulla tarkistuksella. Sen jälkeen mitattu suure, kuten ajoaika, pisteytetään logaritmisena suhteena: lähtötaso saa nollan, viiteratkaisu ykkösen ja yläraja on kolme. Lähtötaso ja viite lukitaan päivättyinä, jotta testin versiot pysyvät vertailukelpoisina.

Kustannus raportoidaan erikseen. Terminal-Bench 2.0:n kärkikymmenikön neljä hinnoiteltua agenttia olivat läpäisyissä tasoissa, mutta niiden mediaanikulu oli 0,44 $:n ja 2,47 $:n välillä ajoa kohden.

Pisteytystapa sopii vain tehtäviin, joissa on mitattava suure. Terminal-Bench 2.0:n 89 tehtävästä 18 vertaa lukua kynnysarvoon. SWE-bench Verifiedin, OSWorld-Verifiedin ja τ²-benchin pienissä otoksissa tällaisia tehtäviä ei ollut, mutta otosten pienuuden vuoksi tekijät eivät voi sulkea pois jopa 10–15 prosentin osuutta.

Mihin tämä perustuu

1. Agent Benchmarks Stop Ranking Before They Run Out of Tasks

   Dong, Zihan, Zhan, Qishi, Hu, Minxuan · Julkaisija: arxiv.org · julkaistu 10.11.2026 06:03 (Suomen aikaa) · noudettu 12.11.2026 05:55 (Suomen aikaa) · löytökanava: verkko

2. Agent Benchmarks Stop Ranking Before They Run Out of Tasks

   Julkaisija: www.alphaxiv.org · julkaistu 10.11.2026 · noudettu 12.11.2026 05:55 (Suomen aikaa) · löytökanava: verkko

Zhejiang Gongshang Universityn, Sussexin yliopiston ja kahden muun organisaation tutkijat julkaisivat 9. marraskuuta arXivissa esijulkaisun, jota ei ole vertaisarvioitu. Se mittaa, miten aiempien vuorojen päättelyjälkien poisto muuttaa päättelymallin onnistumista.

Päättelyjälki on mallin ennen toimintaansa kirjoittama teksti. Usean vuoron istunnossa malli lukee seuraavalla vuorolla aiemmat jäljet. Tekijöiden mukaan palveluntarjoajat sitovat jäljen sen tuottajaan, joten toiselle tarjoajalle ohjattu pyyntö saapuu ilman jälkiä.

Sama istunto kolmella tavalla

Tutkijat ajoivat seitsemällä avointen painojen mallilla 794 usean vuoron työkalutehtävää BFCL v4 -vertailutestistä. Jokainen tehtävä ajettiin kolmesti: jäljet säilyttäen, kaikkien aiempien vuorojen jäljet poistaen ja poistaen jäljet vain istunnon alkuosasta, noin 40 prosentista vuoroja. Työkalukutsut tuloksineen ja meneillään olevan vuoron jälki säilyivät aina. BFCL:n virallinen tarkistin arvioi istunnon lopputilan tietämättä, miten jälkiä oli käsitelty. Ajot toistettiin kolmella satunnaissiemenellä. Baichuan-M2-32B ja Olmo-3-7B-Think ajettiin vain 200 tehtävällä.

Vaikutus vaihteli mallin mukaan

Taulukko vertaa onnistumisosuuksia, kun kaikki aiemmat jäljet säilytettiin tai poistettiin.

Lähde: Jia ym., arXiv 2611.13223. Kolmen siemenen yhdistetyt tulokset. Positiivinen ero tarkoittaa, että poisto heikensi tulosta.

R1-Distill-14B parani lähtötasolta, jolla se onnistui 1,3 prosentissa tehtävistä. Olmon ero perustuu kymmeneen ja kahteen onnistumiseen. Mallin koko ei selittänyt eroja: kolmen 32 miljardin parametrin mallin erot olivat −0,2, +0,7 ja +51,3 prosenttiyksikköä.

Qwen3-32B:llä tutkijat poistivat 200 tehtävässä 0–100 prosenttia historiasta. Ääripäiden onnistumisosuudet erosivat 1,5 prosenttiyksikköä. Poistolle herkkiä malleja ei testattu näin.

Toistuvia kutsuja ja oireettomia epäonnistumisia

Poisto näkyi myös mallien toiminnassa. Alkuosan jälkien poiston jälkeen R1-Distill-14B toisti saman kutsun samoin argumentein 68,7 prosentissa istunnoista, jälkiä säilytettäessä 18,1 prosentissa. Olmolla kaikkien jälkien poisto nosti osuuden 30,2:sta 66,5 prosenttiin. Baichuanin toisto lisääntyi vain vähän, mutta se epäonnistui silti. Qwen3-8B teki poiston jälkeen enemmän kutsuja ja onnistui yhtä usein. Tekijöiden mukaan jää avoimeksi, johtaako malli poistetun päättelyn uudelleen.

Tekijät tulkitsevat herkkyyden mallin ominaisuudeksi ja ehdottavat seulaa, jossa malli ajetaan 200 tehtävällä jäljet säilyttäen ja poistaen. Historia säilytetään, jos eron luottamusväli on kokonaan yli 10 prosenttiyksikön. Tämä edellyttää yli noin 20 prosenttiyksikön pistearviota. Seula luokittelisi siis todennäköisesti poistoa sietäväksi esimerkiksi mallin, jonka tulos heikkenee 15 prosenttiyksikköä.

Tulokset koskevat BFCL-tyyppisiä funktiokutsutehtäviä. Tekijöiden mukaan on avoin kysymys, pätevätkö ne muihin tehtäviin. Suljettuja malleja ei mitattu. Istuntolokit saa tekijöiltä pyynnöstä.

Mihin tämä perustuu

1. Deletion Sensitivity Is a Property of the Model: A Three-Condition Measurement across Seven Open Reasoning Models

   Jia, Hanzhang, Zeng, Liheng, Yang, Zhiyu, Gao, Yi, Ma, Bo · Julkaisija: arxiv.org · julkaistu 9.11.2026 22:51 (Suomen aikaa) · noudettu 12.11.2026 05:55 (Suomen aikaa) · löytökanava: verkko

2. Deletion Sensitivity Is a Property of the Model | OpenTrain AI

   Julkaisija: www.opentrain.ai · julkaistu 9.11.2026 22:51 (Suomen aikaa) · noudettu 12.11.2026 05:55 (Suomen aikaa) · löytökanava: verkko

3. Deletion Sensitivity Is a Property of the Model: A Three-Condition Measurement across Seven Open Reasoning Models

   Julkaisija: www.alphaxiv.org · julkaistu 9.11.2026 · noudettu 12.11.2026 05:55 (Suomen aikaa) · löytökanava: verkko

Tom Aarsen kuvasi menetelmän Hugging Facen blogissa 11. marraskuuta ja julkaisi samalla koulutus- ja arviointiskriptit sekä kaksi esimerkkimallia. Aarsen kertoo nojaavansa Stefan Josefin Learn to Pool -työhön ja LightOnin tutkimukseen. Hänen oma tavoitteensa on selittää menetelmä ja tarjota toistettava esimerkki.

Monivektorimalli, kuten ColBERT, tallentaa asiakirjan jokaisesta tokenista oman vektorin. Haussa kukin kyselyn token valitsee asiakirjasta parhaiten vastaavan vektorin, ja pisteet lasketaan yhteen. Vektoreita kertyy paljon: Aarsenin laskelmassa 128-ulotteisten vektorien 4-bittisiksi kvantisoidut jäännösosat vievät miljoonan asiakirjan aineistossa 12,8 Gt, kun asiakirjaa kohden on 200 vektoria. 50 vektorilla niihin riittää 3,2 Gt.

Miten tiivistys ja koulutus toimivat

Indeksiä voi pienentää yhdistämällä asiakirjan samankaltaisia vektoreita (token pooling). Sentence Transformersin HierarchicalTokenPooling ryhmittelee ne Wardin hierarkkisella klusteroinnilla ja korvaa kunkin ryhmän sen keskiarvolla. Vektorimäärää voi rajoittaa suhteella (pool_factor), ylärajalla tai etäisyyskynnyksellä. Kynnyksen voi kalibroida tuottamaan tavoitellun keskimääräisen vektorimäärän. Kalibrointi tähtää keskiarvoon, joten yksittäisen asiakirjan vektorimäärä vaihtelee, ja toisessa aineistossa keskiarvokin voi muuttua. Oletuksena kyselyjä ei tiivistetä.

Tavallista mallia ei ole koulutettu toimimaan tiivistetyillä vektoreilla, joten yhdistäminen voi hävittää haun kannalta tärkeän eron. Tiivistykseen valmistavassa koulutuksessa (pooling-aware) häviöfunktio MultiVectorTokenPoolingLoss laskee hakutehtävän häviön valituilla tiivistystasoilla. Aarsenin esimerkissä tasoja oli kaksi, tiivistämätön ja noin neljäsosaan tiivistetty, ja ne painotettiin tasan. Ryhmäjakoa ei derivoida, vaan gradientit kulkevat yhdistetyltä vektorilta suoraan ryhmän jäsenille (straight-through estimator). Tiivistetyt versiot muodostetaan jo lasketuista vektoreista, joten mallia ei tarvitse ajaa niitä varten erikseen.

Tulokset yhdestä vertailuajosta

Aarsen koulutti ModernBERT-basesta kaksi mallia samoilla asetuksilla ja samoilla 120 000 MS MARCO -esimerkillä yhden epookin ajan. Vain häviöfunktio erosi, eikä hyperparametreja viritetty. Mittarina oli keskimääräinen nDCG@10 NanoBEIRin 13 aineistolla.

Taulukon mukaan tiivistykseen koulutettu malli sai paremman tuloksen kaikilla kokeilluilla tiivistystasoilla, ja suurin ero syntyi tiukimmalla rajalla.

Lähde: Aarsen, Hugging Face -blogi. NanoBEIR, 13 aineistoa, keskimääräinen nDCG@10 (%).

Taulukosta ei voi päätellä, että etu säilyisi muilla aineistoilla, koska mallit testattiin vain NanoBEIRillä. Kummastakin mallista on yksi koulutusajo, ja luvut ovat kirjoittajan omia.

Kertoimella 4 tiivistettynä tiivistykseen koulutettu malli säilytti 97,8 % ja tavallinen malli 94,6 % omasta tiivistämättömästä tuloksestaan. Tällöin nDCG@10-tulosten ero oli 2,2 pistettä (49,03 ja 51,23), ja vektoreita oli 74,8 % vähemmän kuin tiivistämättä. Etu näkyi myös ylärajoilla ja kalibroiduilla kynnyksillä, vaikka koulutuksessa käytettiin vain suhteellista tiivistystä.

Muun muassa zglg.work ja AI Breaking Wire toistavat blogin luvut. zglg.work:n mukaan on vielä selvittämättä, säilyykö etu paljon suuremmissa aineistoissa ja tuotantoindekseissä.

Menetelmä kuuluu Sentence Transformers -kirjastoon, ja tiivistystä voi käyttää myös tavallisesti koulutetuissa monivektorimalleissa. Blogi neuvoo ajamaan koulutusskriptin omalla tai Hugging Face Jobs -palvelun GPU:lla. Valinnaista GPU-kiihdytystä varten kirjasto valitsee yhteensopivat GPU-kernelit ja käyttää muualla tavallista toteutusta; esimerkiksi MaxSim-pisteytyksen oletuskerneli vaatii CUDA:n ja Tritonin.

Mihin tämä perustuu

1. Token Pooling-Aware Training for Multi-Vector Embedding Models

   Julkaisija: huggingface.co · julkaistu 11.11.2026 02:00 (Suomen aikaa) · noudettu 12.11.2026 05:56 (Suomen aikaa) · löytökanava: verkko

2. Hugging Face ships token pooling-aware training for multi-vector retrieval models

   Julkaisija: zglg.work · julkaistu 11.11.2026 02:00 (Suomen aikaa) · noudettu 12.11.2026 05:57 (Suomen aikaa) · löytökanava: verkko

3. Token Pooling-Aware Training for Multi-Vector Models

   Julkaisija: aibreakingwire.com · julkaistu 11.11.2026 18:30 (Suomen aikaa) · noudettu 12.11.2026 05:57 (Suomen aikaa) · löytökanava: verkko

4. Token Pooling-Aware Training for Multi-Vector Embedding Models — GazeWire

   Julkaisija: gazewire.com · julkaistu 11.11.2026 17:26 (Suomen aikaa) · noudettu 12.11.2026 05:57 (Suomen aikaa) · löytökanava: verkko

DualEntry kertoi tuloksista 11. marraskuuta maksetussa Business Wire -tiedotteessa, jonka myös Yahoo Finance julkaisi. Kyse on yhtiön omasta vertailutestistä, ei riippumattomasta mittauksesta. DualEntry myy keskisuurille yrityksille toiminnanohjausjärjestelmää, jossa tekoälyagentit tekevät kirjanpitotöitä.

Tiedotteen mukaan Googlen uusi Gemini 4 Carbon sai 88,1 prosenttia, ja Gemini 4 Argon pysyi kärjessä 91,1 prosentilla. Carbon jakaa toisen sijan Zhipu AI:n GLM-5.3 Flashin ja SpaceXAI:n Grok 4.7:n kanssa.

Testissä 101 keksittyä kirjanpitotapausta

Testissä on 101 synteettistä eli testiä varten laadittua kirjanpitotapausta kahdeksalta alueelta. Alueita ovat esimerkiksi kirjaukset, osto- ja myyntireskontra, pankkitäsmäytys ja kuukauden kirjanpidon päättäminen. Asiakkaiden tietoja ei käytetä.

Jokainen malli tekee koko testin kolmesti samalla testiyrityksellä, työkaluilla ja ohjeilla. Vastauksia verrataan kiinteillä pisteytyssäännöillä etukäteen kirjoitettuihin malliratkaisuihin. Tekoälyä ei käytetä arvioijana.

Taulukossa ovat tiedotteessa mainittujen mallien kokonaistulokset. Argonin ja jaetun kakkossijan ero on kolme prosenttiyksikköä, joten yhden yhtiön yhdestä testistä ei voi päätellä mallien paremmuutta kirjanpitotyössä yleisesti.

Lähde: DualEntryn tiedote 11.11.2026. Testattuja malleja oli 24, ja taulukossa ovat tiedotteessa mainitut.

Vaikeista tehtävistä Carbon ratkaisi 25/28 eli 89,3 prosenttia, mikä on testin paras tulos. Argon ratkaisi niistä 82,1 prosenttia eli kaksi tehtävää vähemmän. Tiedotteen mukaan Carbon onnistui vaikeissa tehtävissä hieman paremmin kuin helpoissa, mikä on epätavallista.

Carbon ratkaisi kaikki tapahtumien luokittelutehtävät. Heikoimmin se suoriutui pankkitäsmäytyksestä: 66,7 prosenttia. Argon sai siinä 75 ja Moonshot AI:n Kimi K3.1 Pro 100 prosenttia.

Carbon halvempi, Argon johdonmukaisempi

Argon sai testin parhaan johdonmukaisuustuloksen, 86,1 prosenttia, ja Carbon 80,2 prosenttia. DualEntryn perustajiin kuuluvan Benedict Dohmenin mukaan Argon antoi saman vastauksen kaikilla kolmella kerralla 86 prosentissa tehtävistä. Carbonin hinta tehtävää kohden on 0,081 dollaria eli noin 30 prosenttia vähemmän kuin Argonin 0,115 dollaria.

”Taloushallinnon tiimeille seuraava ratkaiseva ero on johdonmukaisuus”, Dohmen sanoo tiedotteessa. Hänen mukaansa tekoälyagentin pitäisi yltää Argonin johdonmukaisuuteen ennen kuin se pääsee käsiksi kirjanpitoon.

DualEntryn sivulla dualentry.com/benchmark ovat kaikkien 24 mallin tulokset, myös hinnat ja vastausajat.

Mihin tämä perustuu

1. Google Now Has Two of the Top AI Models for Accounting Work, DualEntry Benchmark Finds

   Julkaisija: uk.finance.yahoo.com · julkaistu 11.11.2026 15:17 (Suomen aikaa) · noudettu 12.11.2026 05:47 (Suomen aikaa) · löytökanava: verkko

Intuit kertoi Agentic Books Close -pilotista 9. marraskuuta Tax Pro Center -sivustonsa blogikirjoituksessa, jossa se esitteli Intuit Accountant Suiten syysjulkaisun. Intuit Accountant Suite on tilitoimistoille tarkoitettu ohjelmisto, joka muodostaa Intuitin mukaan yhtenäisen alustan asiakkaiden QuickBooks-kirjanpito-ohjelman kanssa.

Kuukausisulussa kuukauden kirjanpito viimeistellään: tapahtumat kirjataan, tilit täsmäytetään ja raportit laaditaan. Intuitin mukaan agentti tekee alustavat valmistelut taustalla ja noudattaa tilitoimiston omia standardeja. Kirjanpitäjälle jää tarkastus, hyväksyntä ja poikkeusten käsittely.

Intuitin kuvauksen mukaan agentti kirjaa käsittelyä odottavat tapahtumat, täsmäyttää tilit, merkitsee poikkeamat ja ehdottaa korjauksia. Se myös tunnistaa käyttöomaisuuden, ennakkomaksut ja muut jaksotettavat erät. Niistä agentti laatii jaksotussuunnitelmat ja kirjausluonnokset, jotka kirjataan vasta kirjanpitäjän hyväksynnän jälkeen.

Lisäksi agentti kokoaa suoraan asiakkaalle lähetettävän kuukausipaketin, jossa ovat poikkeama-analyysi sekä osto- ja myyntireskontran ikäjakaumaraportit.

Yhtiön mukaan jokainen tekoälyn laatima kirjaus on tarkastettava ja hyväksyttävä ennen kirjaamista, ja toimista jää auditointiloki. Intuit varoittaa itse, ettei agentti aina ole tarkka. Yhtiön mukaan agentti oppii jokaisessa sulussa kirjanpitäjän korjauksista.

Agentti on eri tuote kuin Books Close, joka on nyt beetaversiona Intuit Accountant Suiten Core- ja Accelerate-paketeissa ilman lisämaksua. Books Closessa on muun muassa sulun tarkastuspohjat, työvaiheiden seuranta, tekoälyyn perustuva poikkeamien tunnistus ja automaattiset päivitykset asiakkaan QuickBooks-tiedostoon.

Syysjulkaisussa on myös muita beetaominaisuuksia. Niitä ovat Intuit Intelligence -tekoälyalustalla tehtävät kyselyt koko asiakaskannasta ja Playbooks-pohjat, joilla tilitoimisto vakioi uusien asiakkaiden käyttöönoton. Ne kuuluvat Accelerate-pakettiin, joka on maksuton tammikuuhun 2027 asti.

Pilotti on avoinna rajatulle joukolle tilitoimistoja, ja siihen haetaan Intuit Accountant Suiten ominaisuuksien esikatselusivulla. Pilotin aikana agentti on maksuton. Pilotin ja beetavaiheen jälkeen sen käyttö vaatii maksullisen lisäosan, jonka hintaa Intuit ei kerro. Yhtiön mukaan ominaisuudet ja julkaisuajat voivat vielä muuttua.

Mihin tämä perustuu

1. What’s new in Intuit Accountant Suite - Tax Pro Center | Intuit

   Julkaisija: accountants.intuit.com · julkaistu 9.11.2026 16:00 (Suomen aikaa) · noudettu 11.11.2026 05:50 (Suomen aikaa) · löytökanava: verkko

Kööpenhaminassa perustettu Sumary julkisti rahoituskierroksensa 10. marraskuuta 2026. Kierrosta johti sijoitusyhtiö Singular, ja mukana olivat myös yhtiön aiemmat sijoittajat byFounders, Partech ja Tenity.

Summa ilmoitettiin dollareina. Sesamers muunsi sen noin 22,3 miljoonaksi euroksi, ja brittiläinen Soapbox kertoo summaksi 19 miljoonaa puntaa. Yhtiön mukaan kyseessä on Euroopan suurin kirjanpito-ohjelmistoyhtiön siemenkierros. Sesamers toistaa arvion Oresund Startup News -julkaisuun viitaten.

Edellisestä rahoituksesta on alle vuosi: marraskuussa 2025 Sumary keräsi 4,2 miljoonan dollarin esisiemenkierroksen, jota The Next Webin mukaan johti byFounders.

Sesamersin mukaan Sumaryn kierros oli kolmas eurooppalainen kirjanpitoalan rahoituskierros 12 päivän sisällä. Sitä ennen belgialainen Ravical keräsi 17 miljoonaa dollaria ja barcelonalainen Kabilio 10 miljoonaa euroa.

Kirjanpitäjä hyväksyy jokaisen vaiheen

Sumary kutsuu tuotettaan tilitoimiston käyttöjärjestelmäksi. Alusta automatisoi toimiston rutiinitöitä: kuukausisulun eli kuukauden kirjausten täsmäytyksen ja päättämisen, arvonlisäveroilmoitukset ja tilinpäätöksen valmistelun. Se toimii asiakkaiden nykyisten kirjanpito-ohjelmien kanssa ja valmistelee tehtävät kirjanpitäjän tarkastettaviksi ja hyväksyttäviksi.

Yhtiön Kööpenhaminan tutkimustiimi on koonnut todellisista kirjanpitotehtävistä vertailutestin. Sillä mitataan johtavia tekoälymalleja. Jokainen uusi malli testataan, ennen kuin se pääsee käsittelemään asiakkaan kirjanpitoa. Soapboxin ja FinTech Globalin julkaisemien yhtiön tietojen mukaan testi arvioi myös mallille annetun taloustiedon, sen työhön sovelletut kontrollit ja tulosten tarkistukset.

Aikasäästöt ovat yhtiön omia lukuja

Sumaryn mukaan tilitoimistoilta kuluu kolmen käyttökuukauden jälkeen 50 prosenttia vähemmän aikaa kuukausisulkuun ja 75 prosenttia vähemmän arvonlisäveroilmoitukseen. Sesamers huomauttaa, ettei lukuja ole vahvistettu riippumattomasti. Julkaistuissa tiedoissa ei kerrota, mihin lähtötasoon ja kuinka monen toimiston kokemuksiin säästöt perustuvat.

Yhtiön mukaan sen asiakkaita ovat useimmat Pohjoismaiden 20 suurimmasta tilitoimistosta sekä muun muassa Deloitte, Grant Thornton ja Baker Tilly.

Vakiintuneiden toimistojen haastajina tekoälyyn nojaavat tilitoimistot

Toimitusjohtaja Pascar Sivam perustelee tuotetta työvoimapulalla: ”Tilitoimistoja pyydetään tekemään enemmän pienemmällä väellä.” Hänen mukaansa ohjelmiston on hoidettava valmistelutyö kunnolla, jotta kirjanpitäjille jää aikaa asiakkaille ja omille tiimeilleen.

Sivamin mukaan ”kymmeniä ja luultavasti pian satoja tekoälyyn perustuvia tilitoimistoja perustetaan parhaillaan”. Sumary haluaa auttaa vakiintuneita toimistoja ottamaan tekoälyn nopeasti käyttöön koko toiminnassaan ja pärjäämään näin niitä vastaan.

Rahoituksella Sumary laajentaa toimintaansa Euroopassa Benelux-maista alkaen ja kasvattaa myyntiään Britanniassa. Lontoosta tulee yhtiön kaupallinen keskus, ja sinne muuttavat Sivam ja operatiivinen johtaja Frederik Skov Wacher. Teknologian kehitys ja tekoälytutkimus jäävät Kööpenhaminaan.

Mihin tämä perustuu

1. Sumary raises $25M seed to scale AI accounting in Europe

   Julkaisija: www.sesamers.com · julkaistu 11.11.2026 09:08 (Suomen aikaa) · noudettu 12.11.2026 05:52 (Suomen aikaa) · löytökanava: verkko

2. Sumary secures $25M to expand its accounting software across Europe

   Julkaisija: tech.eu · julkaistu 10.11.2026 09:21 (Suomen aikaa) · noudettu 12.11.2026 05:52 (Suomen aikaa) · löytökanava: verkko

3. Sumary raises $25M in what it calls Europe's largest accounting seed round

   Julkaisija: thenextweb.com · julkaistu 10.11.2026 09:45 (Suomen aikaa) · noudettu 12.11.2026 05:52 (Suomen aikaa) · löytökanava: verkko

4. Sumary raises a £19m seed round led by Singular to run core workflows for accounting firms

   Julkaisija: www.soapbox.vc · julkaistu 10.11.2026 · noudettu 12.11.2026 05:52 (Suomen aikaa) · löytökanava: verkko

5. Sumary raises $25m to challenge Europe’s accounting sector

   Julkaisija: fintech.global · julkaistu 10.11.2026 14:53 (Suomen aikaa) · noudettu 12.11.2026 05:52 (Suomen aikaa) · löytökanava: verkko

Uusiseelantilainen LawVu kertoi uudesta liitännästä tiedotteessaan 11. marraskuuta 2026. Liitettävät työkalut ovat Anthropicin Claude, Microsoft Copilot, OpenAI:n ChatGPT sekä lakialan tekoälypalvelut Harvey ja Legora. Yhtiön mukaan yhteydet ovat käytössä heti, eikä niihin tarvita omaa ohjelmointia.

LegalOS on yritysten sisäisille lakitiimeille tehty järjestelmä. Siihen tallennetaan muun muassa lakiasiat, sopimukset, lakikulut ja yhtiön oma lakitietämys. Unite.AI uutisoi asiasta samana päivänä tiedotteen ja LawVun dokumentaation pohjalta. Tiedot ovat siis peräisin yhtiöltä, eikä niitä ole vahvistettu riippumattomasti.

Mitä työkalut voivat tehdä

Yhteys kulkee LawVun MCP-palvelimen kautta. MCP (Model Context Protocol) on avoin standardi, jolla tekoälytyökalu liitetään ulkoisiin järjestelmiin. LawVun mukaan palvelin tarjoaa yli 50 toimintoa LegalOS-tietojen lukemiseen ja päivittämiseen.

Unite.AI:n mukaan työkalu voi LawVun dokumentaation perusteella esimerkiksi hakea ja tiivistää lakiasioita ja sopimuksia sekä lukea sopimusten keskeisiä päivämääriä. Se voi myös luoda lakiasioita ja sopimuksia, kirjata tilannepäivityksiä, antaa tehtäviä ja käynnistää sopimusten työnkulkuja. LawVun omassa esimerkissä lakimies kysyy Copilotilta, mitkä toimittajasopimukset uusiutuvat automaattisesti seuraavalla vuosineljänneksellä. Sen jälkeen hän antaa kollegalle tarkistustehtävän Copilotista poistumatta.

Oikeudet pysyvät käyttäjän tasolla, mutta tiedot lähtevät palveluntarjoajalle

Unite.AI:n mukaan dokumentaatiossa luvataan, ettei tekoälytyökalu saa laajempia oikeuksia kuin sen käyttäjällä on. Jos käyttäjä ei pääse sopimukseen LawVussa, hän ei pääse siihen myöskään tekoälytyökalun kautta. MCP:n kautta tehdyt toimet näkyvät LawVun tapahtumalokissa samoin kuin suoraan alustalla tehdyt.

LawVun valvonta ei kuitenkaan ulotu kaikkeen, mitä tiedoille tapahtuu alustalta lähdön jälkeen. Kyselyyn liittyvät tiedot siirtyvät valitun tekoälypalvelun käsiteltäviksi. LawVu ei hallitse, mitä palvelu niillä tekee. Yhtiö kehottaa asiakkaita vertaamaan palvelun käsittelyehtoja ja tietosuojakäytäntöjä omiin velvoitteisiinsa.

Dokumentaatio mainitsee riskeiksi kehoteinjektion eli sisältöön piilotetut ohjeet, joilla mallia voi ohjailla. Muita riskejä ovat kolmansien osapuolten MCP-palvelimet, harhaanjohtavasti nimetyt työkalut ja ei-toivotut omatoimiset toiminnot. LawVu suosittelee antamaan työkaluille vain välttämättömät oikeudet ja käyttämään tarkistettuja työkaluja ja palvelimia. Lisäksi se suosittelee seuraamaan lokeja, ottamaan ominaisuuden ensin käyttöön rajatulle joukolle ja mahdollisuuksien mukaan hyväksyttämään tekoälyn tietuemuutokset ihmisellä.

Ominaisuus ei tule käyttöön automaattisesti. Asiakkaan on pyydettävä sitä LawVulta, ja organisaation ylläpitäjän on otettava se käyttöön Integrations-näkymässä. Myös tekoälypalvelun asetukset on määritettävä. Unite.AI:n mukaan Claudelle ja Harveylle on virallinen liitin, ChatGPT:lle ja Codexille taas virallinen laajennus. Copilotia ja Legoraa luettelossa ei mainita. Muut MCP-yhteensopivat palvelut liitetään LawVun palvelinosoitteella, tarvittaessa OAuth 2.0 -tunnistautumisella.

Mihin tämä perustuu

1. LawVu Gives Five AI Tools Governed Access to LegalOS Workflows

   Julkaisija: www.unite.ai · julkaistu 11.11.2026 18:15 (Suomen aikaa) · noudettu 12.11.2026 05:52 (Suomen aikaa) · löytökanava: verkko

2. LawVu MCP Server connects Claude, Copilot, ChatGPT and more

   Julkaisija: lawvu.com · julkaistu 11.11.2026 16:00 (Suomen aikaa) · noudettu 12.11.2026 05:53 (Suomen aikaa) · löytökanava: verkko

Oikeudelliseen työhön tekoälytyökaluja kehittävä Harvey ja tanskalainen lakikustantaja Djøf Forlag kertoivat kumppanuudestaan 11. marraskuuta julkaistuissa tiedotteissaan. Aineisto tulee Djøf Forlagin Jurabibliotek-verkkopalvelusta, jossa kustantaja julkaisee Tanskan lainsäädäntöä.

Aineistoon kuuluvat ajantasaistetut lait, niiden nojalla annetut asetukset (bekendtgørelser), lainmuutokset ja esityöt. Esityöt ovat lainvalmistelun asiakirjoja. Niistä näkyy, mitä lainsäätäjä säännöksellä tavoitteli. Niihin palataan lakia tulkittaessa.

Harveyn mukaan juristi voi siirtyä lainkohdasta sitä toimeenpaneviin asetuksiin ja esitöihin, ja jokainen vastaus kertoo lähteensä. Yhtiön esimerkeissä käyttäjä tarkistaa, mitä esitöissä sanottiin säännöstä säädettäessä, tai laatii Tanskan oikeutta koskevan neuvon näiden lähteiden ja toimiston aiemman työn pohjalta.

Aineistoa voi käyttää Harvey Assistantissa, Agents-toiminnossa, asiakirjojen tallennus- ja analyysipalvelu Vaultissa, Workflows-työnkuluissa ja Word-laajennuksessa. Lakiaineistoa voi hyödyntää tiimin omien muistiinpanojen, aiemman neuvonnan ja asiakirjojen rinnalla. Harveyssa on ennestään tanskalaisia julkisia oikeuslähteitä.

Djøf Forlagin digitaalinen johtaja Bjarke Madsen perustelee sopimusta kysynnällä: asiakkaat haluavat yhä useammin kustantajan lähteet tekoälypohjaisiin oikeusteknologian järjestelmiin. Madsenin mukaan kustantaja on toimittanut tanskalaisia oikeuslähteitä yli 65 vuotta.

Tiedotteissa lainataan myös Harveyn asiakasta, tanskalaista Accura-asianajotoimistoa. Sen tekoälyjohtaja Christian Høyer Ørum kuvaa toimiston työtapaa: ”Kun neuvomme sääntelykysymyksessä, aloitamme laista, tarkistamme asetukset ja palaamme esitöihin, kun tulkinnalla on merkitystä.” Ørumin arvion mukaan työ nopeutuu ja yhdenmukaistuu, kun kaiken tämän voi tehdä samassa työkalussa.

Harvey solmi aiemmin datakumppanuuden norjalaisen oikeustietopalvelu Gyldendal Rettsdatan kanssa.

Harveyn mukaan Jurabibliotekin lakiaineisto tulee käyttöön ensi vuoden alussa ilman lisämaksua. Käyttö edellyttää Jurabibliotekin lisenssiä.

Mihin tämä perustuu

1. Harvey Adds Danish Legislation and its Preparatory Works Through Partnership with Djøf Forlag

   Julkaisija: www.harvey.ai · julkaistu 11.11.2026 09:34 (Suomen aikaa) · noudettu 12.11.2026 05:58 (Suomen aikaa) · löytökanava: verkko

2. Harvey Partners with Djøf Forlag to Add Danish Legal Sources

   Julkaisija: www.unite.ai · julkaistu 11.11.2026 09:52 (Suomen aikaa) · noudettu 12.11.2026 05:58 (Suomen aikaa) · löytökanava: verkko

3. Djøf Forlag indgår samarbejde med Harvey

   Julkaisija: djoefforlag.dk · julkaistu 11.11.2026 11:53 (Suomen aikaa) · noudettu 12.11.2026 05:59 (Suomen aikaa) · löytökanava: verkko

4. Harvey is adding Djøf Forlag’s Danish legal sources to its platform

   Julkaisija: airadarhaber.com · julkaistu 11.11.2026 11:08 (Suomen aikaa) · noudettu 12.11.2026 05:59 (Suomen aikaa) · löytökanava: verkko

5. Harvey Adds Danish Legislation and its Preparatory Works Through Partnership with Djøf Forlag (Harvey Ai Corp)

   Julkaisija: article.wn.com · julkaistu 11.11.2026 · noudettu 12.11.2026 05:59 (Suomen aikaa) · löytökanava: verkko

Anthropic kertoi laskentastrategiastaan sijoittajavideolla, joka kuuluu 10. marraskuuta alkaneeseen listautumisannin esittelykierrokseen. Videon sisällöstä kertoivat seuraavana päivänä ohjelmistokehittäjä Simon Willison blogissaan ja tekoälyuutisiin keskittyvä The Decoder. Virallista litteraatiota ei ole, joten Willison litteroi videon itse MacWhisper-puheentunnistusohjelmalla.

Videolla Anthropicin perustajiin kuuluva Tom Brown kertoo, että yhtiö kouluttaa ja ajaa Claude-malliaan neljän valmistajan siruilla. The Decoderin mukaan Brown on yhtiön laskentajohtaja. Sirut ovat AWS:n Trainium, Googlen TPU sekä Nvidian ja AMD:n GPU:t eli grafiikkasuorittimet. Brownin mukaan jokainen sirutyyppi tarvitsee oman ohjelmistonsa, jonka rakentaminen on kallista ja vaikeaa.

Kolme päivää kuukausien sijaan

Anthropic alkoi käyttää AMD:n GPU:ita tänä vuonna. Brownin mukaan uuden sirualustan käyttöönotto on aiemmin vienyt kymmeniltä insinööreiltä kuukausia. Tällä kertaa työn teki yhtiön Mythos-malli, joka sai Clauden toimimaan AMD:n siruilla kolmessa päivässä käytännössä ilman ihmisten apua.

Brownin mukaan malli myös siirsi tai kirjoitti lähes kaikki kernelit. Kernelit ovat pieniä ohjelmia, jotka suorittavat mallin laskutoimitukset tietyllä sirulla.

The Decoderin mukaan sijoittajaesityksen kaaviossa kolmea päivää verrataan 6–12 kuukauteen. Kaavion mukaan perinteisellä insinöörityöllä uusi laitteisto yltää käyttökelpoiseen suorituskykyyn vasta tuossa ajassa. Kaavion luvut koskevat kehotteen käsittelyä AMD:n MI355X-GPU:illa. Vertailu rajautuu siis yhteen inferenssin vaiheeseen yhdellä GPU-mallilla.

The Decoder huomauttaa, että luvut ovat Anthropicin omia eikä niitä ole vahvistettu riippumattomasti. Lehden tulkinnan mukaan Nvidian vahvin kilpailuetu, kehittäjät Nvidian siruihin sitova CUDA-ohjelmistoympäristö, menettäisi merkitystään, jos luvut pitävät paikkansa. Silloin yritykset voisivat vaihtaa sirutoimittajaa nykyistä helpommin.

Laskentakertoimet

Toiseksi eduksi Brown nimeää laskentakertoimet (compute multipliers). Ne ovat tutkimuslöydöksiä, joilla samasta fyysisestä laskentakapasiteetista saa enemmän irti. Brownin esimerkissä nelinkertainen kerroin tarkoittaa, että 100 laskentayksikköä vaativan mallin voi kouluttaa 25 yksiköllä. Hänen mukaansa kertoimet vahvistavat toisiaan.

Brownin mukaan Anthropic uskoo Clauden löytävän lopulta kertoimia itsenäisesti, kun kehitys lähestyy rekursiivista itsensä parantamista. The Decoder huomauttaa, että ajatuksesta kiistellään tutkimuksessa eikä sitä ole osoitettu toteen.

The Decoderin mukaan molemmat GPU-valmistajat ovat taloudellisesti sidoksissa Anthropiciin. Nvidia sitoutui marraskuussa 2025 sijoittamaan yhtiöön enintään 10 miljardia dollaria. AMD ilmoitti heinäkuussa 2026 enintään viiden miljardin dollarin sijoituksesta. Vastineeksi Anthropic aikoo ottaa käyttöön enintään kaksi gigawattia AMD:n MI455X-GPU:ita. Ensimmäisen gigawatin vaihe alkaa vuoden 2027 alkupuoliskolla.

Mihin tämä perustuu

1. Anthropic’s IPO roadshow video

   Julkaisija: simonwillison.net · julkaistu 11.11.2026 17:11 (Suomen aikaa) · noudettu 12.11.2026 05:28 (Suomen aikaa) · löytökanava: verkko

2. Anthropic says AI is eroding Nvidia's CUDA lead, cutting an AMD chip switch from months to three days

   Julkaisija: the-decoder.com · julkaistu 11.11.2026 16:25 (Suomen aikaa) · noudettu 12.11.2026 05:28 (Suomen aikaa) · löytökanava: verkko

Wall Street Journal ja The Information ovat kertoneet OpenAI:n heinä–syyskuun taloudesta. Heise onlinen mukaan WSJ:n tiedot perustuvat aineistoon, jonka OpenAI on antanut sijoittajilleen. Bloomberg kertoi liikevaihdon nimettömiin lähteisiin vedoten. TechCrunch referoi tietoa varauksella: jos se pitää paikkansa.

Bloombergin mukaan neljänneksen liikevaihto ylitti ensimmäistä kertaa 10 miljardia dollaria. Aiempien tietojen mukaan huhti–kesäkuussa liikevaihto oli 6,7 miljardia ja kasvoi edellisestä neljänneksestä 17–18 prosenttia. The Decoderin referoimien tietojen mukaan heinä–syyskuun liikevaihto oli vuotta aiemmin 3,9 miljardia dollaria.

Tappio kasvoi, mutta suhteessa myyntiin se pieneni

Oikaistu liiketappio kasvoi WSJ:n mukaan 10,1 miljardista 10,9 miljardiin dollariin. Luvusta puuttuvat osakeperusteiset palkkiot, joita kertyi 2,6 miljardia.

Oikaistun liiketuloksen suhde liikevaihtoon parani −150 prosentista −109 prosenttiin. Vuotta aiemmin se oli −97 prosenttia.

Anthropic on yhä edellä

Anthropicin liikevaihto kasvoi samalla neljänneksellä 47 prosenttia 17 miljardiin dollariin. Liiketappio oli 567 miljoonaa. Tappiot eivät ole suoraan vertailukelpoisia: WSJ:n mukaan Anthropicin luvussa osakeperusteiset palkkiot ovat mukana, OpenAI:n luvussa eivät.

Annualisoitu liikevaihto tarkoittaa viimeisimmän jakson myyntiä vuositasolle laskettuna. Bloombergin mukaan OpenAI:n luku on 50 miljardia dollaria. Anthropicin mukaan sen luku oli lokakuun lopussa 81 miljardia. TechCrunchin mukaan yhtiöt laskevat luvun eri tavoin: Anthropic laskee mukaan pilvikumppaneidensa myynnin, OpenAI osasta kumppanimyyntiä vain oman osuutensa.

Brockman: yritysmyynti kaksinkertaistui

Heise onlinen mukaan OpenAI:n presidentti Greg Brockman sanoi hiljattain, että vuoden kaksi ensimmäistä neljännestä olivat vaikeita. Hän puhui kuitenkin uskomattomasta käänteestä liikevaihdossa. The Decoderin mukaan Brockman kertoi yritysliiketoiminnan kaksinkertaistuneen kolmannella neljänneksellä. Yritysmyynti tuo hänen mukaansa nyt suurimman osan liikevaihdosta.

WSJ:n viittaamien kolmannen osapuolen tietojen mukaan yritykset hakivat Anthropicin Claude-malleille edullisempia vaihtoehtoja, mikä lisäsi OpenAI:n rajapintamyyntiä. The Decoderin mukaan OpenAI on tänä vuonna laskenut uusien malliensa hintoja, lopettanut videosovelluksensa ja panostanut koodaustyökalu Codexiin.

Maksavia ChatGPT-tilaajia on WSJ:n mukaan noin 100 miljoonaa eli noin 8,5 prosenttia viikoittaisista käyttäjistä. The Decoderin mukaan viikoittaisia käyttäjiä on 1,2 miljardia. ChatGPT:n mainonnan annualisoitu liikevaihto oli sen mukaan elokuussa miljardi dollaria.

The Decoderin mukaan OpenAI kerää rahoitusta 1,25 biljoonan dollarin arvostuksella, mutta tavoitellusta 30 miljardista on koossa alle puolet. Heise onlinen mukaan OpenAI aikoo pörssiin aikaisintaan vuonna 2027, The Decoderin mukaan Anthropic jo ensi viikolla.

Mihin tämä perustuu

1. Rapidly scaling online storage to serve over 1 billion ChatGPT users (Part II)

   Julkaisija: openai.com · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 05:43 (Suomen aikaa) · löytökanava: verkko

2. Enterprise sales push OpenAI's quarterly revenue to $10 billion, though it still trails Anthropic

   Julkaisija: the-decoder.com · julkaistu 11.11.2026 14:12 (Suomen aikaa) · noudettu 12.11.2026 05:43 (Suomen aikaa) · löytökanava: verkko

3. OpenAI's quarterly revenue reportedly crosses $10B for the first time | TechCrunch

   Julkaisija: techcrunch.com · julkaistu 11.11.2026 18:14 (Suomen aikaa) · noudettu 12.11.2026 05:43 (Suomen aikaa) · löytökanava: verkko

4. OpenAI: 10 Milliarden US-Dollar Umsatz, 11 Milliarden US-Dollar Verlust

   Julkaisija: www.heise.de · julkaistu 11.11.2026 08:17 (Suomen aikaa) · noudettu 12.11.2026 05:43 (Suomen aikaa) · löytökanava: verkko

5. OpenAI Revenue Jumps to $10 Billion in Third Quarter Amid Growing Losses

   Julkaisija: www.theinformation.com · julkaistu 10.11.2026 23:07 (Suomen aikaa) · noudettu 12.11.2026 05:43 (Suomen aikaa) · löytökanava: verkko

Uutistoimisto Bloomberg kertoi ylimerkinnästä keskiviikkona 11. marraskuuta, päivä sen jälkeen, kun annin sijoittajakierros alkoi. Kauppalehden referoimien Bloombergin lähteiden mukaan Claude-tekoälymallia kehittävän Anthropicin osakkeiden kysyntää ovat vauhdittaneet ankkurisijoittajien suuret alustavat merkintäaikeet. Ankkurisijoittajat ovat suursijoittajia, jotka ilmoittavat merkintäaikeensa annin alkuvaiheessa.

Ylimerkintä tarkoittaa, että osakkeita halutaan merkitä enemmän kuin niitä on tarjolla. Gizmodon mukaan Bloomberg ei kertonut, kuinka paljon kysyntä ylittää tarjonnan. Bloombergin lähteet huomauttavat, että annin yksityiskohdat voivat vielä muuttua. Anthropic ei vastannut Bloombergin kommenttipyyntöön.

Osa myyntituloista menee nykyisille omistajille

Kauppalehden mukaan annissa on tarjolla 825 miljoonaa osaketta 70–78 dollarin hintaan. Haarukan ylärajalla myynnin arvo on noin 64,4 miljardia dollaria ennen lisäosakeoptiota. Summaan sisältyy nykyisten omistajien myymiä osakkeita, joiden tuotto ei mene Anthropicille. Gizmodon mukaan järjestäjäpankkien Goldman Sachsin ja Morgan Stanleyn odotetaan saavan option ostaa 30 päivän kuluessa enintään 123,75 miljoonaa osaketta lisää.

Anthropic tekee myös 26 miljardin dollarin suunnatun annin eli myy osakkeita ennalta valituille sijoittajille. Arvopaperin mukaan ostajina ovat muun muassa Nvidia, AMD, Alphabet, Broadcom, Micron, Microsoft ja TSMC. Listautumisannin ja suunnatun annin yhteisarvo on enintään 90,4 miljardia dollaria.

Kauppalehden mukaan hintahaarukka vastaa 1 260–1 410 miljardin dollarin markkina-arvoa, kun laskelmaan otetaan mukaan henkilöstön osakeoptiot. Lehden mukaan anti olisi pörssihistorian suurin; edellinen ennätys syntyi kesällä SpaceX:n listautumisessa. Gizmodon mukaan SpaceX:n markkina-arvo nousi tuolloin 1 770 miljardiin dollariin.

Pankit harkitsevat hinnan nostoa

Financial Timesin viiden lähteen mukaan listautumista järjestävät pankit harkitsevat hintahaarukan nostamista vahvan kysynnän vuoksi. Arvopaperi ja Kauppalehti kertovat FT:hen viitaten, että arvostus voisi silloin nousta 1 500 miljardiin dollariin tai sen yli. Arvopaperin mukaan listautumisannissa kerättävä summa voisi FT:n tietojen perusteella kasvaa yli 100 miljardiin dollariin. Uutta haarukkaa ei ole julkistettu.

Taiwanilaisen sirunvalmistajan TSMC:n hallitus hyväksyi AI Timesin mukaan 10. marraskuuta enintään 500 miljoonan dollarin sijoituksen Anthropicin osakkeisiin odotetulla listautumishinnalla. TSMC voi sijoittaa saman summan OpenAI:n etuoikeutettuihin osakkeisiin. Ars Technica kertoo tiedon Reutersiin viitaten.

Ars Technican mukaan Anthropic ja OpenAI ostavat datakeskuksiinsa TSMC:n valmistamaa laitteistoa. Lehden referoiman Wall Street Journalin mukaan analyytikot varoittavat, että sijoittajien, tavarantoimittajien ja asiakkaiden keskinäinen rahoitus vaikeuttaa tekoälyn todellisen kysynnän arviointia.

CNBC:n mukaan Anthropic hakee osakkeilleen listausta Nasdaq Global Select -markkinalle tunnuksella ANT. Australian yksityissijoittajille tarkoitettu anti avautui keskiviikkona ja päättyy välittäjä Staken aikataulun mukaan 17. marraskuuta. Yksityissijoittajat pääsevät ostamaan osakkeita suoraan myös Japanissa, Kanadassa ja osassa Eurooppaa. Gizmodon mukaan Anthropicin toimitusjohtaja Dario Amodei ja JPMorgan Chasen toimitusjohtaja Jamie Dimon esiintyvät perjantaina suoratoistetussa sijoittajatilaisuudessa.

Mihin tämä perustuu

1. Bloomberg: Anthropicin anti ylimerkitty moninkertaisesti

   Julkaisija: www.kauppalehti.fi · julkaistu 11.11.2026 15:34 (Suomen aikaa) · noudettu 12.11.2026 05:43 (Suomen aikaa) · löytökanava: verkko

2. FT: Anthropicin listautumishinta voi nousta heti

   Julkaisija: www.arvopaperi.fi · julkaistu 11.11.2026 08:46 (Suomen aikaa) · noudettu 12.11.2026 05:43 (Suomen aikaa) · löytökanava: verkko

3. MARKKINAT: Aasian siruosakkeet nousivat Wall Streetin laskusta huolimatta – Arviot Anthropicin arvosta ylittävät jo 1 500 miljardia dollaria

   Julkaisija: www.kauppalehti.fi · julkaistu 11.11.2026 07:48 (Suomen aikaa) · noudettu 12.11.2026 05:43 (Suomen aikaa) · löytökanava: verkko

4. Anthropic opens Australian retail IPO offering as AI scrutiny intensifies

   Julkaisija: www.cnbc.com · julkaistu 11.11.2026 03:26 (Suomen aikaa) · noudettu 12.11.2026 05:44 (Suomen aikaa) · löytökanava: verkko

5. Taiwan’s chipmaking giant TSMC to invest $1B in Anthropic, OpenAI

   Julkaisija: arstechnica.com · julkaistu 11.11.2026 20:16 (Suomen aikaa) · noudettu 12.11.2026 05:44 (Suomen aikaa) · löytökanava: verkko

6. TSMC, 자체 칩 개발 나선 오픈AI·앤트로픽에 최대 1.3조원 투자 - AI타임스

   Julkaisija: www.aitimes.com · julkaistu 11.11.2026 10:05 (Suomen aikaa) · noudettu 12.11.2026 05:44 (Suomen aikaa) · löytökanava: verkko

7. Investors Are Lining Up to Throw Money at Anthropic

   Julkaisija: gizmodo.com · julkaistu 11.11.2026 20:00 (Suomen aikaa) · noudettu 12.11.2026 05:44 (Suomen aikaa) · löytökanava: verkko

8. Anthropic’s IPO Is Said to Be Multiple Times Oversubscribed

   Julkaisija: www.bloomberg.com · julkaistu 11.11.2026 15:17 (Suomen aikaa) · noudettu 12.11.2026 05:43 (Suomen aikaa) · löytökanava: verkko

Euroopan komissio on antanut kuluttajansuojaa uudistavan lakiehdotuksen, kertoi tekniikkasivusto Ghacks 11. marraskuuta. Ehdotus koskee verkkokauppaa, sosiaalista mediaa, sovelluksia ja digitaalisia tilauksia.

Kuluttaja-asioista vastaava komissaari Michael McGrath kutsui pakettia Ghacksin mukaan ”merkittävimmäksi EU:n kuluttajansuojasääntöjen uudistukseksi yli 20 vuoteen”. Hänen mukaansa nykyiset säännöt kirjoitettiin ennen kuin verkkokauppa ja käyttäjien huomiosta kilpailevat palvelut kasvoivat.

Mitä ehdotus kieltäisi tai vaatisi

Pimeät suunnittelumallit (dark patterns) ovat käyttöliittymän ratkaisuja. Ne ohjaavat käyttäjää päätökseen, jota hän ei muuten tekisi. Ehdotus kieltäisi ne. Ghacksin esimerkki on perätön väite tuotteen loppumisesta.

Lisäksi ehdotus

• rajoittaisi lipunmyyjien dynaamista hinnoittelua eli hinnan muuttamista kysynnän mukaan
• velvoittaisi vaikuttajat kertomaan, kun heille maksetaan tuotteen mainostamisesta
• kieltäisi yksilöllistetyn mainonnan ja hinnoittelun, jos se kohdistuu alaikäisiin tai hyödyntää arkaluonteisia tietoja
• helpottaisi digitaalisten tilausten perumista
• antaisi oikeuden asioida asiakaspalvelussa ihmisen kanssa.

Kaikki käyttäjät voisivat myös kytkeä pois koukuttavia ominaisuuksia, kuten videoiden automaattisen toiston ja putket eli peräkkäisten käyttöpäivien laskurit. Ghacksin mukaan tämä koskisi esimerkiksi Duolingoa ja Stravaa. Sivuston mukaan EU rajoittaa lasten kohdalla osaa näistä jo Kids Act -säädöksellä, ja ehdotus ulottaisi samankaltaiset valinnat aikuisiin.

Sakot ja suhde muihin EU-säädöksiin

Komissio saisi suorat valtuudet tutkia laajavaikutteisia tapauksia ja määrätä enintään 6 prosentin sakon yrityksen maailmanlaajuisesta vuosiliikevaihdosta. EU:n ulkopuolisten yritysten pitäisi nimetä EU:hun laillinen edustaja.

Komission johtava varapuheenjohtaja Henna Virkkunen sanoi, että säädöksen on tarkoitus paikata kolmen aiemman säädöksen väliin jääviä aukkoja eikä toistaa niiden sisältöä. Säädökset ovat digipalvelusäädös (DSA), digimarkkinasäädös (DMA) ja tekoälysäädös (AI Act).

Digipalvelusäädös kattaa jo osan suurten alustojen koukuttavasta suunnittelusta. Ghacksin mukaan komissio totesi viime perjantaina TikTokin For You -syötteen rikkoneen säädöstä. Heinäkuussa komissio totesi samaa Metan vastaavista ominaisuuksista Instagramissa ja Facebookissa. Kumpikin yhtiö voi saada enintään 6 prosentin sakon maailmanlaajuisesta liikevaihdostaan, jos havainnot vahvistetaan.

Käyttäjille ei vielä muutu mitään

Digital Fairness Act on ehdotus eikä vielä laki. Toistaiseksi nykyiset ratkaisut voivat jatkua sovelluksissa, lipunmyyjillä ja tilauspalveluissa. Jos säännöt hyväksytään nykyisessä muodossaan, käyttäjä näkisi Ghacksin mukaan selvimmin asetuksen putkien ja automaattisen toiston kytkemiseksi pois, helpomman tavan perua tilaus sekä verkkokaupoissa vähemmän laskureita ja ”vain 2 jäljellä” -ilmoituksia.

Komissio ei ole kertonut, milloin säännöt tulisivat hyväksyttyinä voimaan.

Mihin tämä perustuu

1. EU Proposes Digital Fairness Act to Ban Dark Patterns and Let Users Turn Off Streaks and Autoplay

   Julkaisija: www.ghacks.net · julkaistu 11.11.2026 16:58 (Suomen aikaa) · noudettu 12.11.2026 05:44 (Suomen aikaa) · löytökanava: verkko

Finanssipalveluyhtiö Ramp kertoi 11. marraskuuta, miten sen asiakasyritysten tekoälymaksut kehittyivät lokakuussa. Asiasta uutisoivat The Decoder ja The Neuron. Ramp AI Index seuraa yli 85 000 yhdysvaltalaisen asiakasyrityksen maksuja, ja lukuja analysoi Rampin johtava ekonomisti Ara Kharazian. The Decoderin mukaan kulut kasvoivat syyskuusta 1,65 prosenttia.

Kulut keskittyvät harvoille

Rampin sivun mukaan tekoälystä maksavien yritysten mediaanikulu oli lokakuussa 16,32 dollaria työntekijää kohden kuukaudessa, 93 senttiä enemmän kuin syyskuussa. Eniten käyttävällä prosentilla mediaani oli 10 199,20 dollaria, noin yhdeksän prosenttia enemmän kuin syyskuussa.

Kharazianin mukaan prosentti yrityksistä tuottaa 80 prosenttia OpenAI:n ja Anthropicin liikevaihdosta. The Neuron tarkentaa, että luku koskee Rampin aineistossa näkyvää liikevaihtoa. The Decoderin mukaan kärkijoukko koostuu enimmäkseen pääomasijoittajien rahoittamista teknologia-, rahoitus- ja teknisten palvelujen yrityksistä.

Lokakuussa 56,8 prosenttia Rampin asiakasyrityksistä maksoi jostain tekoälypalvelusta, prosenttiyksikön enemmän kuin syyskuussa. Anthropicille maksoi 44,8 prosenttia ja OpenAI:lle 40,6 prosenttia; sama yritys voi maksaa kummallekin. The Decoderin mukaan OpenAI:lle maksetut summat kasvoivat kuukaudessa 2,1 prosenttia ja Anthropicille maksetut 0,5 prosenttia.

Otoksen vinoumasta on vastakkaisia arvioita. The Decoderin mukaan luvut luultavasti liioittelevat käyttöastetta, koska Rampin asiakkaat ovat keskimääräistä suurempia, teknologiamyönteisempiä ja kasvuhakuisempia. Ramp itse arvioi lukujensa olevan todennäköisesti liian pieniä, koska ilmaiset työkalut ja henkilökohtaisilla tileillä tehty työ eivät näy maksuissa.

Tokenien hinta laskee

Kielimallit käsittelevät tekstiä tokeneina eli sanan osina, ja rajapinnan kautta malleja käyttävät yritykset maksavat yleensä käytettyjen tokenien mukaan. The Decoderin mukaan miljoonan tekstitokenin keskihinta laski edellisen kuukauden aikana 21 prosenttia. Rampin sivun mukaan OpenAI:n ja Anthropicin yhdistetty hinta laski 4.10. päättyneen viikon 0,62 dollarista 1.11. päättyneen viikon 0,53 dollariin eli 14,8 prosenttia. Lähteet eivät selitä lukujen eroa.

Samalla jaksolla käsiteltyjen tokenien määrä kasvoi 29 prosenttia ja niihin käytetty raha 10,5 prosenttia. Tokeneita koskevat luvut tulevat vain Rampin Token Spend Management -palvelun käyttäjiltä. Rampin mukaan ne eivät edusta kaikkien sen asiakkaiden tekoälykuluja, vaikka suunta on samankaltainen. The Decoderin arvion mukaan hintoja painavat OpenAI:n ja Anthropicin kilpailu sekä kiinalaiset avointen painojen mallit.

Asiakaspalvelu kasvattaa osuuttaan

Ohjelmistokehitystiimien osuus osastoittain luokitelluista tekoälykuluista oli lokakuussa 72 prosenttia, mutta tiimien kulut ovat laskeneet kesän huipusta. Asiakaspalvelun ja asiakkuudenhoidon osuus nousi kesäkuun 0,8 prosentista 13,3 prosenttiin. Kharazian arvelee taustalla olevan asiakaspalvelun keskustelurobotteja. The Neuronin mukaan maksudata ei kuitenkaan osoita, mitkä sovellukset kasvun aiheuttavat.

The Decoderin mukaan tällaiset käyttäjät suosivat halvempia ja nopeampia malleja, joten OpenAI:n ja Anthropicin katteet uusista asiakkaista voivat jäädä pienemmiksi. Kalleimpien mallien osuus kuluista nousi silti lokakuussa hieman, 69,5 prosenttiin. Kharazian lukee niihin Opuksen, Fablen, Solin ja Astran.

Mihin tämä perustuu

1. US corporate AI spending hits a new high in October, but growth slows to 1.65 percent

   Julkaisija: the-decoder.com · julkaistu 11.11.2026 21:35 (Suomen aikaa) · noudettu 12.11.2026 05:58 (Suomen aikaa) · löytökanava: verkko

2. Ramp AI Index

   Julkaisija: ramp.com · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 05:58 (Suomen aikaa) · löytökanava: verkko

3. AI Spending Boom: Most Businesses Spend Very Little

   Julkaisija: www.theneuron.ai · julkaistu 12.11.2026 04:26 (Suomen aikaa) · noudettu 12.11.2026 05:58 (Suomen aikaa) · löytökanava: verkko

4. Ramp: US business AI spending hit a record in October, but grew just 1.65%

   Julkaisija: devisdead.ai · julkaistu 11.11.2026 22:19 (Suomen aikaa) · noudettu 12.11.2026 05:58 (Suomen aikaa) · löytökanava: verkko

5. US corporate AI spending hits new high… · AGI Hunt

   Julkaisija: agihunt.info · julkaistu 11.11.2026 21:35 (Suomen aikaa) · noudettu 12.11.2026 05:58 (Suomen aikaa) · löytökanava: verkko

6. US Corporate AI Spending Hits New Peak with Slowing Growth in October 2026

   Julkaisija: kaneaijapan.com · julkaistu 11.11.2026 21:35 (Suomen aikaa) · noudettu 12.11.2026 05:58 (Suomen aikaa) · löytökanava: verkko

Kölniläinen käännösyhtiö DeepL esitteli uuden puhemallinsa tiedotteessa keskiviikkona 11. marraskuuta. Aure tuottaa käännetyn puheen DeepL Voicessa, joka kääntää puhetta reaaliaikaisesti toiselle kielelle.

The Decoderin ja Trending Topicsin mukaan DeepL Voice on syyskuusta lähtien tuottanut käännöksen puhujan omalla äänellä. Ääni kuitenkin perustui keskustelun alussa kuultuun näytteeseen. DeepL:n mukaan kiinteästä näytteestä kuuli, kuka puhuu, mutta ei sitä, miten hän puhuu. Käännös ei seurannut tunteen, painotuksen tai tempon muutoksia eikä sarkasmia, jossa äänensävy on ristiriidassa sanojen kanssa.

Ääni, sävelkulku ja sisältö erikseen

Aure analysoi puhetta koko keskustelun ajan. Tiedotteen mukaan malli päättää lauseen lausumistavan sekä käännettyjen sanojen että alkuperäisen äänen perusteella. DeepL ei tallenna kokousten litterointeja tai käännöksiä pysyvästi, joten samasta puhujasta eri kielillä on vähän aineistoa. Siksi mallin on sopeuduttava puhujaan jo kesken lauseen.

Koulutuksessa DeepL erotti toisistaan puhujan äänen yksilölliset piirteet, prosodian eli puheen sävelkulun ja rytmin sekä puheen sisällön. Näin kukin osa voidaan siirtää uuteen kieleen erikseen. Vahvistusoppimisella yhtiö hioi mallin tuotosta niin, että käännös pysyy tarkkana ja puhe kuulostaa luontevalta ilman vierasta korostusta. Malli myös erottaa puhujan äänen taustamelusta ja kaiusta.

Etelä-Korean Yonhap-uutistoimisto kirjoittaa, että Aure muuntaa äänen suoraan eikä litteroi puhetta ensin tekstiksi. DeepL:n tiedotteen mukaan malli kuitenkin käyttää myös käännettyjä sanoja, joten väite ei sovi suoraan yhteen yhtiön oman kuvauksen kanssa.

Laatuväitteet tulevat DeepL:ltä

The Decoder, heise online, Trending Topics ja Yonhap perustavat kuvauksensa DeepL:n tietoihin, eikä yksikään niistä esitä riippumatonta mittausta Auren laadusta.

Trending Topics mainitsee DeepL:n tilaaman sokkotestin, jonka teki alan julkaisu Slator. Siinä 96 prosenttia kyselyyn vastanneista kielialan ammattilaisista piti DeepL Voicea parempana kuin Googlen, Microsoftin ja Zoomin omia käännöstyökaluja. Testi koski DeepL Voicea, eikä lähde kerro, oliko Aure mukana. DeepL:n tuotesivu käyttää eri mittaria: sen mukaan kokouskäännöksissä on 76 prosenttia vähemmän kriittisiä käännösvirheitä kuin alustojen omissa työkaluissa.

Trending Topicsin mukaan myös Google Meetin käännös ja Microsoft Teamsin Interpreter-agentti pyrkivät jäljittelemään puhujan ääntä.

Saatavuus ja tietosuoja

Aure on käytössä automaattisesti DeepL Voicen kokous- ja kasvokkaiskäytössä sekä DeepL:n puhekäännösrajapinnassa. Tuotesivun mukaan DeepL Voicea voi kokeilla maksutta, ja kokousversio toimii Microsoft Teamsissa, Zoomissa ja Google Meetissä.

Alussa tuetut kielet ovat englanti, saksa, espanja, ranska, italia, japani, portugali ja korea. Muilla kielillä DeepL Voice käyttää edelleen aiempia malleja. DeepL lupaa lisää kieliä.

Tuotesivun mukaan Aure ei luo eikä tallenna pysyvää ääniprofiilia. Äänidata käsitellään muistissa ja poistetaan istunnon päätyttyä, eikä kokousdataa käytetä DeepL:n mallien koulutukseen.

Mihin tämä perustuu

1. DeepL wants real-time translation to finally capture sarcasm and mood shifts

   Julkaisija: the-decoder.com · julkaistu 11.11.2026 15:50 (Suomen aikaa) · noudettu 12.11.2026 05:56 (Suomen aikaa) · löytökanava: verkko

2. DeepL unveils Aure, its most lifelike Voice AI translation model yet

   Julkaisija: www.deepl.com · julkaistu 11.11.2026 · noudettu 12.11.2026 05:56 (Suomen aikaa) · löytökanava: verkko

3. DeepL Aure: A.I. Voice Translation That Carries Emotion | Trending Topics

   Julkaisija: www.trendingtopics.eu · julkaistu 11.11.2026 11:35 (Suomen aikaa) · noudettu 12.11.2026 05:56 (Suomen aikaa) · löytökanava: verkko

4. KI-Stimmen mit Emotionen: DeepL stellt neues Modell Aure vor

   Julkaisija: www.heise.de · julkaistu 11.11.2026 15:52 (Suomen aikaa) · noudettu 12.11.2026 05:56 (Suomen aikaa) · löytökanava: verkko

5. Aure: Das natürlichste Sprachmodell von DeepL

   Julkaisija: www.deepl.com · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 05:56 (Suomen aikaa) · löytökanava: verkko

6. DeepL wants real-time translation to finally capture sarcasm and mood shifts - The Decoder

   Julkaisija: www.translations-news.com · julkaistu 11.11.2026 15:53 (Suomen aikaa) · noudettu 12.11.2026 05:56 (Suomen aikaa) · löytökanava: verkko

7. 목소리에 실린 감정까지 실시간 통역…딥엘, 음성AI '오러' 공개 | 연합뉴스

   Julkaisija: www.yna.co.kr · julkaistu 11.11.2026 10:00 (Suomen aikaa) · noudettu 12.11.2026 05:56 (Suomen aikaa) · löytökanava: verkko

Kiinalaisten yliopistojen ja tutkimuslaitoksen, Kalifornian yliopiston Berkeleyn ja Simple Agent Labin tutkijat julkaisivat 5. marraskuuta arXivissa esijulkaisun, jota ei ole vertaisarvioitu. He selvittivät, tarkoittavatko automaattisen kehityksen tuottamat paremmat testipisteet parempaa tekoälyagenttia.

Menetelmät kehittävät harnessia eli agenttia ohjaavaa ohjelmaa, joka antaa mallille työkalut ja ajaa sen työvaiheet. Ne muokkaavat harnessin kehotteita, skillejä tai koodia testitulosten perusteella. Mallin painot pysyvät ennallaan.

Jokainen versio menetti tehtäviä

Tutkijat kehittivät kahta harnessia neljällä menetelmällä (AHE, HyperAgents, A-Evolve ja GEPA). MiniSWE:ssä menetelmä sai muuttaa myös lähdekoodia, Codexissa vain uloimpia osia. Tehtävinä olivat pankkiasiointia jäljittelevä τ³-Banking ja koodausvertailutesti Terminal-Bench 2. Tutkijat vertasivat kutakin 16 kehitettyä versiota lähtöversioon kahdeksalla ajokerralla.

Luotettavuus eli keskimääräinen onnistumisosuus parani 11 versiossa. Kattavuus eli ainakin kerran ratkenneiden tehtävien osuus parani kymmenessä. Silti jokaiselta versiolta jäi kokonaan ratkaisematta joitakin tehtäviä, jotka lähtöversio oli ratkaissut. Menetettyjä tehtäviä oli 2–10 ja uusia 1–15. Tekijöiden mukaan osa τ³-Bankingin muutoksista vaihtoi suuntaa, kun he vertasivat ajojen ensimmäistä ja jälkimmäistä puoliskoa.

Taulukossa HyperAgentsilla kehitetyn version luotettavuus nousi 5,2 prosenttiyksikköä, vaikka versio menetti kymmenen tehtävää. Yhden asetelman luvuista ei voi päätellä menetelmien yleistä paremmuutta.

τ³-Banking, MiniSWE. Kulu on kahdeksan ajon arvioitu käyttökulu tehtävää kohden. AGE on tekijöiden oma menetelmä.

Luotettavuutta parantaneista 11 versiosta kahdeksan maksoi ajokertaa kohden enemmän kuin lähtöversio. Kalliimpi versio voi silti tulla halvemmaksi, jos se tarvitsee vähemmän yrityksiä. AHE:lla kehitetty MiniSWE ratkaisi τ³-Bankingissa neljällä ajolla 56,7 % tehtävistä, lähtöversio kahdeksalla ajolla 54,6 % ja suuremmin kuluin.

Ajolokeissa epäonnistumisiin liittyi esimerkiksi väärä päivämäärä, työn lopettaminen kesken tai vain agentin omassa työympäristössä toimiva ratkaisu.

Korkein pistemäärä ei ennustanut jatkoa

Eniten pisteitä saanut versio ei tuottanut jatkokehityksessä suurinta keskimääräistä parannusta yhdessäkään neljästä vertailuryhmästä. Täsmälliset muutokset paransivat luotettavuutta yleisiä muistutuksia enemmän 15 tapauksessa 16:sta. Kun muutoksia yhdistettiin, niiden hyöty saattoi kuitenkin muuttua.

Kun versioita kokeiltiin muissa vertailutesteissä ilman lisämuokkausta, kattavuus yleensä laski yleistehtävissä mutta nousi koodaustehtävissä Codex-harnessilla.

Havaintojensa pohjalta tekijät rakensivat EvoAudit-työnkulun ja sen avulla A-Evolven muunnelman AGE:n. Tekijöiden omissa testeissä AGE paransi luotettavuutta ja kattavuutta A-Evolveen verrattuna kaikissa neljässä asetelmassa. Tekijät korostavat, etteivät testipisteet tai asiantuntijoiden tuki EvoAuditin ehdotuksille osoita agentin olevan turvallinen käyttöön.

Tutkimuksen koodi on GitHubissa RSIHub-repositoriossa.

Mihin tämä perustuu

1. Beneath the Surface: What We Overlook When We Talk About Agent Evolution

   Wang, Xiaobo, Wang, Zimu, Ye, Siyu, Li, Jiaqi, Tang, Min, Bai, Jun, Shi, Yuling, Wang, Ruobing, Zhang, Jingjing, Wang, Chaofan, Wu, Kai, Qi, Mengnan, Cai, Kai, Gu, Xiaodong, Liu, Qi, Zheng, Zilong · Julkaisija: arxiv.org · julkaistu 5.11.2026 10:06 (Suomen aikaa) · noudettu 12.11.2026 05:59 (Suomen aikaa) · löytökanava: verkko

2. Paper page - Beneath the Surface: What We Overlook When We Talk About Agent Evolution

   Julkaisija: huggingface.co · lähteen julkaisuaika ei tiedossa · noudettu 12.11.2026 05:59 (Suomen aikaa) · löytökanava: verkko

3. Higher agent harness scores do not guarantee reliable, efficient and transferable improvement

   Julkaisija: sguys99.github.io · julkaistu 4.11.2026 21:00 (Suomen aikaa) · noudettu 12.11.2026 05:59 (Suomen aikaa) · löytökanava: verkko

4. Beneath the Surface: What We Overlook When We Talk About Agent Evolution

   Julkaisija: www.roboticscenter.ai · julkaistu 5.11.2026 · noudettu 12.11.2026 05:59 (Suomen aikaa) · löytökanava: verkko