Googlen tekoälyn pääarkkitehti Koray Kavukcuoglu esitteli Gemini 4 Hydrogenin yhtiön blogissa 12. marraskuuta. Googlen mukaan malli on tehty nopeaan arkiseen koodaukseen ja agenttityöhön. Kärkimallit Gemini 4 Carbon ja Argon on yhtiön mukaan tarkoitettu pitkiin ja vaativiin päättelytehtäviin. Mallikortin mukaan Hydrogen on johdettu Carbonista.

Ars Technican mukaan Hydrogen on korvannut Gemini 3.8 Flashin Googlen tuotteissa. Mallissa on neljä päättelytasoa: low, medium, oletuksena käytettävä high ja uusi xhigh.

Vertailuluvut ovat Googlen omia

Googlen mukaan Hydrogen suorittaa tehtävät oletustasolla 2,5 kertaa 3.8 Flashia nopeammin ja esittää yli viisi kertaa vähemmän keksittyjä väitteitä. Terminal-Bench 4.1 -vertailutestissä Hydrogen sai Googlen mukaan 57 prosenttia ja 3.8 Flash 18,2 prosenttia. Artificial Analysisin älykkyysindeksissä Hydrogen sai yhtiön mukaan oletustasolla 51 pistettä ja xhigh-tasolla 54, kun Argon sai 50.

Google toi Antigravity-kehitysympäristöön myös Orchestrator-toiminnon, joka vaihtaa saman istunnon aikana mallia Carbonin ja Hydrogenin välillä. Googlen mukaan Orchestrator ratkaisi Terminal-Bench 4.0:ssa lähes yhtä suuren osan tehtävistä kuin Carbon mutta kulutti keskimäärin 24 prosenttia vähemmän käyttökiintiötä ja oli 19 prosenttia nopeampi.

Hinta ja ensimmäinen kokeilu

Rajapinnassa Hydrogen maksaa 1,50 dollaria miljoonalta syötetokenilta ja 7,50 dollaria miljoonalta tulostetokenilta koko miljoonan tokenin konteksti-ikkunassa. Mallikortin mukaan malli tuottaa oletuksena enintään 64 000 tokenia, mutta taustalla ajettavassa pitkässä generoinnissa yläraja on miljoona. Ars Technican mukaan hinta on sama kuin 3.8 Flashilla.

Ohjelmoija ja bloggaaja Simon Willison pitää Gemini 4:n hinnoittelua sekavana. Carbon ja Argon maksavat nyt 2 ja 10 dollaria miljoonalta syöte- ja tulostetokenilta, mutta 1. joulukuuta hinnat nousevat 4 ja 20 dollariin. Nyt Hydrogen on vain 25 prosenttia halvempi. Joulukuusta alkaen se maksaa 37,5 prosenttia Carbonin ja Argonin hinnasta. Willisonin mukaan Hydrogen on silti 15 kertaa kalliimpi kuin Claude Haiku 5.5 ja GPT-6 Luna.

Willison pyysi malleja piirtämään polkupyörällä ajavan pelikaanin. Hänen julkaisemansa kuvan mukaan Hydrogen käytti high-tasolla 5 311 tulostetokenia. Piirros maksoi 3,99 senttiä ja valmistui 19 sekunnissa. Carbon käytti 20 305 tokenia, ja sen piirros maksoi 20,31 senttiä ja vei yli neljä minuuttia. Willisonin mukaan Hydrogenin pelikaanit ovat selvästi heikompia. Kyse on yhdestä epävirallisesta kehotteesta.

Turvallisuus ja saatavuus

Mallikortin mukaan Hydrogen kieltäytyy aiheetta vastaamasta 5,57 prosenttiyksikköä useammin kuin 3.8 Flash, etenkin kun kehotteessa on tekstin lisäksi kuvia tai muuta mediaa. Googlen arvion mukaan malli ei yllä biologisten riskien eikä kyberhyökkäysten kriittiselle kyvykkyystasolle, mutta se saavuttaa molempien varoitusrajan. Koko turvallisuusraportti julkaistaan myöhemmin.

Googlen mukaan Hydrogen on kaikkien käytössä Google-haussa ja saatavilla myös Gemini API:ssa, AI Studiossa ja Gemini for businessissa. 9to5Googlen mukaan se on hakupalvelun AI Moden oletusmalli. Antigravityssä Hydrogenin käyttö vaatii maksullisen AI Pro- tai Ultra-tilauksen. Googlen mukaan Gemini-sovelluksen ilmaiskäyttäjät saavat Hydrogenin automaattisen mallivalinnan kautta silloin, kun se sopii kehotteeseen. Ars Technican mukaan käyttö on kuitenkin rajatumpaa Gemini-sovelluksessa ja AI Studiossa: ilmais- ja AI Plus -käyttäjät käyttävät yhä 3.5 Flash-Lite -mallia.

Mihin tämä perustuu

1. Introducing Gemini 4 Hydrogen

   Julkaisija: blog.google · julkaistu 12.11.2026 · noudettu 13.11.2026 05:18 (Suomen aikaa) · löytökanava: verkko

2. Google Search gets a major upgrade with Gemini 4 Hydrogen

   Julkaisija: blog.google · julkaistu 12.11.2026 · noudettu 13.11.2026 05:18 (Suomen aikaa) · löytökanava: verkko

3. Release: llm-gemini 0.37

   Julkaisija: simonwillison.net · julkaistu 13.11.2026 00:55 (Suomen aikaa) · noudettu 13.11.2026 05:18 (Suomen aikaa) · löytökanava: verkko

4. storage.googleapis.com

   Julkaisija: storage.googleapis.com · lähteen julkaisuaika ei tiedossa · noudettu 13.11.2026 05:18 (Suomen aikaa) · löytökanava: verkko

5. Google announces Gemini 4 Hydrogen with ‘significant leaps’ in speed, intelligence

   Julkaisija: 9to5google.com · julkaistu 12.11.2026 20:01 (Suomen aikaa) · noudettu 13.11.2026 05:18 (Suomen aikaa) · löytökanava: verkko

6. Google rolls out Gemini 4 Hydrogen, finally replacing 3.8 Flash

   Julkaisija: arstechnica.com · julkaistu 12.11.2026 21:23 (Suomen aikaa) · noudettu 13.11.2026 05:18 (Suomen aikaa) · löytökanava: verkko

7. The pricing for Gemini 4 is pretty confusing - Argon and Carbon are the same token price as each other, and the new Hydrogen is only a 25% discount on that price - though Carbon/Argon will 2x in…

   simonw · Julkaisija: x.com · julkaistu 13.11.2026 02:36 (Suomen aikaa) · noudettu 13.11.2026 04:03 (Suomen aikaa) · löytökanava: X

Anthropic julkaisi Claude Code -koodausagentistaan version 2.1.323 GitHubissa 12. marraskuuta. Claude Codea käytetään komentorivillä, VS Codessa ja Claude Desktopissa.

Code Mode on kokeellinen ja valinnainen

Muutoslokin mukaan Code Mode -tilassa Claude kirjoittaa JavaScript-koodia, jolla se kutsuu työkalujaan. Käyttäjä ottaa tilan käyttöön itse, ja organisaatio voi kytkeä sen pois. Muutosloki ei kerro tarkemmin, miten tila toimii tai mitä sillä tavoitellaan.

Claude-uutisia kokoava Claude Code Daily Briefing (claude-news.today) kertoo, että Claude voi tilassa koota useita työkalukutsuja yhteen ohjelmaan ja ajaa ne kerralla. Uutiskirje arvelee tilan tavoittelevan samaa kuin samannimiset ominaisuudet Dockerin agenttiympäristössä ja OpenCodessa: harvempia edestakaisia kyselyjä mallille. Se neuvoo kokeilemaan tilaa ensin vähemmän tärkeissä töissä.

Lupatarkistusten ja hiekkalaatikon aukkoja korjattiin

Suuri osa muutoksista koskee lupatarkistuksia ja hiekkalaatikkoa, joka rajaa Clauden ajamien komentojen pääsyä. Hiekkalaatikko saattoi kytkeytyä pois kesken istunnon. Write- ja Edit-työkalut saattoivat tietyssä tilanteessa kirjoittaa polkuun, jota Read-estosääntö suojasi. Bashin esto- ja kysymissäännöt eivät koskeneet osaa sudo- ja env-komentojen kautta ajetuista komennoista.

Lisäksi claude -p ja Agent SDK ajoivat Bash-komentoja ilman hiekkalaatikkoa, jos hiekkalaatikon käynnistävät asetukset eivät läpäisseet tarkistusta. Nyt Claude Code pysähtyy tällöin jo käynnistyksessä.

Muutokset, jotka voivat vaatia toimia

Jos Claude Code ei tunnista mallitunnistetta, se olettaa nyt konteksti-ikkunaksi miljoona tokenia aiemman 200 000:n sijaan. Jos muun valmistajan mallin ikkuna on pienempi, täyttynyt istunto voi epäonnistua joka vuorolla /clear-komentoon asti. Muutosloki neuvoo asettamaan CLAUDE_CODE_DISABLE_1M_CONTEXT=1 ennen kuin istunto täyttyy.

Jos automaattinen lupatila ei ole käytettävissä, --permission-mode auto käynnistää nyt Manual-tilan, joka kysyy luvan ensin. Kun Bash-sallintasääntö nimeää muuttujan, kuten Bash(NODE_ENV*), Claude Code kysyy nyt luvan.

macOS:llä, Linuxilla ja WSL:ssä hiekkalaatikko ei enää hyväksy kirjoitusoikeutta, joka on annettu kirjoitettavassa kansiossa olevan, muualle tai olemattomaan polkuun johtavan symbolisen linkin kautta. Oikeus pitää antaa todelliselle polulle. macOS:llä ja Linuxilla komennot git worktree add, move ja remove pitää ajaa hiekkalaatikon ulkopuolella.

Organisaation asetuspyynnöt eivät enää käytä pelkällä ALL_PROXY-muuttujalla määritettyä välityspalvelinta, joten tarvittaessa on asetettava HTTPS_PROXY. Claude Code ajaa oman ripgrepinsä ja useimmat sisäiset git-komentonsa ilman useimpia kirjautumistunnisteita ja API-avaimia. Näiden komentojen alla toimiva credential helper tai hook ei siksi enää löydä niitä.

Samalla koneella toimivat istunnot voivat nyt lähettää toisilleen ilman käyttäjän kehotetta 100 000 viestiä aiemman noin 20:n sijaan.

Lisäosan plugin.json-tiedostossa voi nyt rajata tuetut Claude Code -versiot. Kun hookien ajo kestää kauan claude -p- ja SDK-istunnoissa, Claude Code lähettää elonmerkin 30 sekunnin välein. Muut korjaukset koskevat muun muassa kirjautumista, istuntoja, MCP-palvelimia ja lisäosia.

Ohjeet Code Moden käyttöönottoon ja estämiseen ovat Claude Coden dokumentaatiossa osoitteessa code.claude.com/docs/en/code-mode.

Mihin tämä perustuu

1. v2.1.323

   anthropics · Julkaisija: github.com · julkaistu 13.11.2026 00:12 (Suomen aikaa) · noudettu 13.11.2026 04:25 (Suomen aikaa) · löytökanava: GitHub

2. Claude Code HF Space

   Julkaisija: huggingface.co · lähteen julkaisuaika ei tiedossa · noudettu 8.11.2026 05:05 (Suomen aikaa) · löytökanava: verkko

3. ratanon/claude-code

   Julkaisija: huggingface.co · lähteen julkaisuaika ei tiedossa · noudettu 8.11.2026 05:05 (Suomen aikaa) · löytökanava: verkko

4. Claude Code 2.1.323 — ClaudeKit

   Julkaisija: claudekit.io · julkaistu 12.11.2026 · noudettu 13.11.2026 05:19 (Suomen aikaa) · löytökanava: verkko

5. Claude Code Daily Briefing - 2026-11-13

   Julkaisija: claude-news.today · julkaistu 13.11.2026 02:00 (Suomen aikaa) · noudettu 13.11.2026 05:19 (Suomen aikaa) · löytökanava: verkko

6. Claude Code 데일리 브리핑 - 2026-11-13

   Julkaisija: claude-news.today · julkaistu 13.11.2026 02:00 (Suomen aikaa) · noudettu 13.11.2026 05:19 (Suomen aikaa) · löytökanava: verkko

Anthropic kertoi 12. marraskuuta artikkelissaan ja ClaudeDevs-tilillään X:ssä, että asiakas voi nyt ylläpitää Claude Managed Agents -palvelua itse. Help Net Security referoi yhtiön tiedotetta samana päivänä.

Managed Agents on Anthropicin rajapintakokonaisuus itsenäisesti toimivien tekoälyagenttien rakentamiseen ja tuotantokäyttöön. Siihen kuuluvat hiekkalaatikot, tunnusten käsittely, istuntohistoria ja harness eli agenttia ohjaava ohjelma, joka antaa mallille työkalut ja ajaa sen työvaiheet. Tähän asti palvelua ajoi Anthropic. Asiakas saattoi ylläpitää itse vain hiekkalaatikkoa, jossa agentin koodi ajetaan.

Nyt asiakas ajaa itse Managed Agents -palvelimen, sen tietokannan ja työprosessit, joissa agentit käyttävät komentotulkki- ja tiedostotyökalujaan. Help Net Securityn mukaan tietokanta on PostgreSQL, ja sama näkyy Anthropicin julkaisun arkkitehtuurikuvassa. Istuntohistoria tallentuu tähän tietokantaan. Agentit rakennetaan samoilla keskeisillä rajapinnoilla kuin Anthropicin ylläpitämässä palvelussa.

Anthropic mainitsee käyttökohteiksi esimerkiksi epäonnistuneiden käännösajojen korjaamisen ja hälytysten käsittelyn. Niissä agentti tarvitsee pääsyn yrityksen koodiin ja sisäisiin järjestelmiin.

Malli toimii yhä verkon ulkopuolella

Asiakas valitsee, minne mallipyynnöt lähtevät: suoraan Anthropicille, Amazon Bedrockiin, Googlen Agent Platformiin, Microsoft Foundryyn tai omaan yhdyskäytävään. Help Net Security huomauttaa, että Claude itse toimii edelleen asiakkaan verkon ulkopuolella. Kehotteet lähtevät verkosta ulos ja vastaukset palaavat. Sama raja näkyy yhtiön kuvassa. Jos organisaatiolla on Anthropicin kanssa ZDR-sopimus (zero data retention), jonka mukaan pyyntöjen tietoja ei säilytetä, se koskee näitä pyyntöjä kuten muitakin Messages API -kutsuja.

Tunnukset pidetään hiekkalaatikon ulkopuolella

Anthropicin mukaan agentin koodi ajetaan hiekkalaatikossa. Sen ulkopuolella ovat agent loop, istuntohistoria ja salaisuusvarastoon (vault) tallennetut salaisuudet. Hiekkalaatikon ulkopuolinen välityspalvelin lisää tunnuksen pyyntöön, mutta vain MCP-työkaluissa ja tuetuissa API-kutsuissa. Help Net Security neuvookin tarkistamaan ennen käyttöönottoa muut palvelut, joihin agentti ottaa yhteyttä. Palvelua itse ylläpitävä asiakas voi säilyttää tunnukset omassa salaisuuksienhallinnassaan.

Kullekin ympäristölle voi määrittää sallittujen palvelinten listan, ja muut yhteydet estetään. Omaa hiekkalaatikkoa käyttävä asiakas asettaa rajaukset omaan palomuuriinsa. Jokaisesta agentin askeleesta työkalukutsuineen ja tuloksineen jää loki, jonka voi viedä OpenTelemetryn kautta omiin valvontatyökaluihin. Help Net Securityn mukaan asiakas vastaa itse palvelimen, tietokannan ja palomuurisääntöjen päivittämisestä ja oikeista määrityksistä.

Itse ylläpidettävä Managed Agents on yksityisessä beetassa ja tarjolla vain kelpoisille organisaatioille. Pääsyä haetaan omalta Anthropicin asiakastiimiltä.

Mihin tämä perustuu

1. github.com

   Julkaisija: github.com · julkaistu 13.11.2026 00:12 (Suomen aikaa) · noudettu 13.11.2026 05:20 (Suomen aikaa) · löytökanava: GitHub

2. Operate Claude Managed Agents inside your security perimeter

   Julkaisija: claude.com · julkaistu 12.11.2026 · noudettu 13.11.2026 05:20 (Suomen aikaa) · löytökanava: verkko

3. Self-hosted Claude Managed Agents is now in private beta. You can host the agent harness, sandboxes, and session history, in your own cloud or on-premises, and choose where requests to Claude are…

   ClaudeDevs · Julkaisija: x.com · julkaistu 12.11.2026 19:57 (Suomen aikaa) · noudettu 13.11.2026 04:00 (Suomen aikaa) · löytökanava: X

4. Self-hosted Claude Managed Agents keeps agent credentials in your environment - Help Net Security

   Julkaisija: www.helpnetsecurity.com · julkaistu 12.11.2026 20:07 (Suomen aikaa) · noudettu 13.11.2026 05:20 (Suomen aikaa) · löytökanava: verkko

5. Use self-hosted Managed Agents for work that needs access to your code and internal systems, like fixing broken builds or triaging alerts. This private beta is only available to eligible orgs, and…

   ClaudeDevs · Julkaisija: x.com · julkaistu 12.11.2026 19:57 (Suomen aikaa) · noudettu 13.11.2026 04:00 (Suomen aikaa) · löytökanava: X

Thinking Machines kertoi 12. marraskuuta X:ssä, että Inkling 2 Small -mallin painot ovat ladattavissa Hugging Facesta Apache 2.0 -lisenssillä. Apache 2.0 on salliva lisenssi, joka sallii myös muokkaamisen ja kaupallisen käytön.

Thinking Machinesin Mira Murati kirjoitti samana päivänä, että painot julkaistaan, kuten oli luvattu. Hän kiitti yhtiön tiimiä ja turvallisuustestauksessa mukana olleita kumppaneita, joita ei nimetty.

Mallin tekniset tiedot ja suorituskykyluvut ovat vLLM-projektin blogista. vLLM on avoimen lähdekoodin ohjelmisto, jolla suuria kielimalleja ajetaan palvelimella. Luvut ovat blogin kirjoittajien eli Thinking Machinesin ja Inferactin omia mittauksia.

Malli lukee tekstiä ja kuvia

Inkling 2 Small on MoE-malli. Sen jokaisessa 48 kerroksessa on 384 asiantuntijaverkkoa, ja kukin token käsitellään niistä kahdeksalla. Parametreja on yhteensä 594 miljardia, mutta yhden tokenin käsittelyyn käytetään 17 miljardia. Konteksti-ikkuna on enintään miljoona tokenia. Malli ottaa vastaan tekstiä ja kuvia ja tuottaa tekstiä. Edeltäjä Inkling otti vastaan myös ääntä.

Asiantuntijaverkkojen painot on tallennettu pienellä tarkkuudella: 40 ensimmäistä kerrosta 4-bittisessä NVFP4-muodossa ja kahdeksan viimeistä 8-bittisessä MXFP8-muodossa. Blogin mukaan tämän vuoksi mallia voi ajaa yhdellä palvelinsolmulla.

Mallin mukana tulee DSpark-luonnosmalli spekulatiivista dekoodausta varten. Siinä luonnosmalli ehdottaa useita tokeneita kerralla, tässä seitsemän, ja päämalli tarkistaa ne yhdellä ajolla. Hyväksymispituus kertoo, montako tokenia vaihetta kohden keskimäärin hyväksytään.

Thinking Machinesin ja Inferactin mittaukset

Neljällä GB200-GPU:lla yksi käyttäjä sai noin 630 tokenia sekunnissa, ja hyväksymispituus oli 3,5. Agenttityökuormaa mitattiin kahdeksalla GPU:lla kahdessa solmussa. Kullakin kierroksella istunnon pitkään kontekstiin lisättiin noin 3 000 uutta tokenia, ja malli tuotti 1 024 tokenia päättely päällä. Taulukko näyttää, paljonko tokeneita sekunnissa GPU:ta kohden syntyi, kun jokainen käyttäjä sai 100 tokenia sekunnissa.

Lähde: vLLM:n blogi, Thinking Machinesin ja Inferactin mittaus, DSpark ja välimuisti käytössä.

Luvut koskevat työkuormaa, jossa suurin osa kontekstista löytyi välimuistista aiemmilta kierroksilta. Blogin kirjoittajat testasivat tarkkuutta NIAH-, MMMU-Pro- ja HLE-testeillä DSpark käytössä. Heidän mukaansa tulokset vastasivat ajoja ilman spekulatiivista dekoodausta. Blogi ei kerro pisteitä, joten se ei vertaa mallin tasoa muihin malleihin.

vLLM:n blogissa on käynnistyskomento, jossa malli jaetaan kahdeksalle GPU:lle ja DSpark otetaan käyttöön. vLLM tukee mallille myös LoRA-hienosäätöjä sekä vahvistusoppimista SkyRL-ohjelmiston kautta.

Mihin tämä perustuu

1. Inkling 2 Small on vLLM: Day-0 Support

   Julkaisija: vllm.ai · julkaistu 12.11.2026 · noudettu 13.11.2026 05:33 (Suomen aikaa) · löytökanava: verkko

2. x.com

   Thinking Machines · Julkaisija: x.com · julkaistu 12.11.2026 · noudettu 13.11.2026 05:33 (Suomen aikaa) · löytökanava: X

3. x.com

   Mira Murati · Julkaisija: x.com · julkaistu 12.11.2026 · noudettu 13.11.2026 05:33 (Suomen aikaa) · löytökanava: X

Anthropic kertoi Claude Meetings -beetasta 12. marraskuuta blogissaan ja X-tilillään. Aluksi Claude toimii Google Meetissä. Tuki muille videoneuvottelualustoille on yhtiön mukaan tulossa myöhemmin.

Mitä Claude tekee puhelussa

Claude näkyy puhelussa osallistujana ja kertoo liittymisestään puhelun chatissa. Osallistujat voivat esittää sille kysymyksiä ääneen tai chatissa. Oletuksena Claude vastaa kirjoittamalla. Käyttäjän luvalla se voi käyttää hänen Claudeen yhdistämiään työkaluja.

Pyynnöstä Claude aloittaa keskustelun pohjalta esimerkiksi dokumentin tai valkotaulun. Kokoukseen kutsutut kollegat voivat muokata sitä puhelun aikana. Claude kirjoittaa myös muistiinpanot ja sovitut tehtävät. Kokouksen jälkeen ne ovat claude.ai:ssa kokouksen omalla sivulla, samoin litteraatti ja Clauden tekemät dokumentit. Kutsutut oman organisaation jäsenet voivat katsoa sivua ja muokata Clauden tekemiä tuotoksia.

Claude ei tallenna ääntä vaan litteraatin, yhteenvedon ja näytön sisällön kuvaukset. Anthropic kertoo tekevänsä yhteistyötä, jotta litteraatin voisi jatkossa lähettää muun muassa Gongin, Granolan, Otterin ja Fireflies.ai:n työkaluihin.

Ulkopuoliset osallistujat ja luvat

Oletuksena Claude ei liity puheluun, johon on kutsuttu organisaation ulkopuolisia. Jos ulkopuolinen liittyy kesken puhelun, Claude poistuu. Ylläpitäjä voi sallia Clauden myös näissä puheluissa. Silloin Claude ilmoittaa itsestään chatissa mutta ei vastaa siellä. Vieraiden puheenvuorot tallentuvat muistiinpanoihin ja litteraattiin.

Claude pyytää luvan yhdistettyjen työkalujen käyttöön ensimmäisellä kerralla, ja lupa on voimassa jatkossakin. Kun pyyntö esitetään ääneen, Claude varmistaa toistaiseksi joka kerta puhujan. Chattiin kirjoitettu vastaus näkyy kaikille osallistujille. Anthropic kehottaa varmistamaan ennen käyttöönottoa, että kaikki osallistujat hyväksyvät litteroinnin.

Saatavuus ja hinta

Team-tilauksissa Clauden voi oletuksena kutsua kokouksiin, ja ylläpitäjä voi kytkeä toiminnon pois. Enterprise-tilauksissa ylläpitäjä ottaa toiminnon käyttöön koko organisaatiolle tai osalle siitä. Beetavaiheessa toiminto ei ole tarjolla esimerkiksi organisaatioille, jotka käyttävät tietojen säilyttämättä jättämistä (ZDR), HIPAA-yhteensopivaa määritystä tai asiakkaan hallinnoimia salausavaimia (CMEK).

Beetan ajan maksuttomia ovat muistiinpanot, litteraatit ja Clauden vastaukset. Poikkeus on yhdistettyä työkalua käyttävä vastaus: se kuluttaa tilauksen käyttökiintiötä. 10. helmikuuta 2027 asti maksuttomia ovat puhelussa tehdyt dokumentit, valkotaulut ja muut tuotokset. Claude liittyy kokoukseen, kun joku lisää sen tai on ottanut automaattisen liittymisen käyttöön. Käyttöönotto-ohjeet ovat Anthropicin ohjekeskuksessa.

Mihin tämä perustuu

1. Build once, run on any agent: A practical guide to agent skills

   Julkaisija: github.blog · julkaistu 13.11.2026 00:54 (Suomen aikaa) · noudettu 13.11.2026 05:17 (Suomen aikaa) · löytökanava: verkko

2. Introducing Claude Meetings, now in beta

   Julkaisija: claude.com · julkaistu 12.11.2026 · noudettu 13.11.2026 05:24 (Suomen aikaa) · löytökanava: verkko

3. Introducing Claude Meetings: add Claude to your team’s video call and it builds docs, whiteboards, and other artifacts with you while you’re still talking. Starting to roll out in beta on Team and…

   claudeai · Julkaisija: x.com · julkaistu 12.11.2026 22:16 (Suomen aikaa) · noudettu 13.11.2026 04:21 (Suomen aikaa) · löytökanava: X

4. Claude takes the notes, too. After the call, the notes, action items, transcript, and anything Claude built are on the meeting’s page in Claude.

   claudeai · Julkaisija: x.com · julkaistu 12.11.2026 22:16 (Suomen aikaa) · noudettu 13.11.2026 04:21 (Suomen aikaa) · löytökanava: X

5. Claude Meetings is starting with Google Meet, with support for other video conferencing platforms coming soon. Learn more: https://t.co/RcQpSG8Ub3

   claudeai · Julkaisija: x.com · julkaistu 12.11.2026 22:16 (Suomen aikaa) · noudettu 13.11.2026 04:21 (Suomen aikaa) · löytökanava: X

6. Claude Meetings lets Anthropic's AI join your video calls

   Julkaisija: the-decoder.com · julkaistu 12.11.2026 22:26 (Suomen aikaa) · noudettu 13.11.2026 05:24 (Suomen aikaa) · löytökanava: verkko

7. A lot of getting good work out of Claude now is just finding the context it’s missing and figuring out how to close that gap Claude Meetings is one way to bring in the remaining slices and has…

   alexalbert__ · Julkaisija: x.com · julkaistu 12.11.2026 22:54 (Suomen aikaa) · noudettu 13.11.2026 04:17 (Suomen aikaa) · löytökanava: X

OpenRouter vertasi 11. marraskuuta julkaistussa blogikirjoituksessaan, paljonko sama agenttitehtävä kuluttaa kolmella eri tavalla toteutettuna. Mallien piti selvittää GitHubista cli/cli-repositorion uusin julkaisu ja kolme uusinta avointa bug-tunnisteella merkittyä vikailmoitusta.

Jokaisessa pyynnössä malli saa käytössään olevien työkalujen kuvaukset, ja niistä maksetaan syötetokeneina. MCP-palvelin tarjoaa agentille valmiita työkaluja, ja malli saa joka pyynnössä kunkin työkalun nimen, kuvauksen ja parametrikuvauksen. CLI-tavassa malli saa vain komentotulkin ja tiedon, että gh-työkalu on asennettu. Skill on ohjetiedosto, josta malli näkee aluksi yhden rivin ja lukee loput vasta tarvitessaan.

Kuvaukset ja vastaukset kasvattavat kulutusta

Taulukossa ovat Claude Sonnet 5.5:n syötetokenit ja hinta tehtävää kohden. Malli vastasi oikein kaikissa ajoissa. Oletustyökaluilla GitHubin MCP-palvelin kulutti 42 kertaa niin paljon syötetokeneita kuin CLI ja maksoi 17 kertaa niin paljon.

Lähde: OpenRouter, kolmen ajon mediaani 20.10.2026, GitHubin MCP-palvelin v2.0.2.

Tulos koskee yhtä palvelinta ja yhtä tehtävää, ja OpenRouter kehottaa mittaamaan oman palvelimen. Myös malli vaikuttaa: 46 työkalun kuvaukset lisäsivät pyyntöön 19 436 tokenia Claude Haiku 5.5:llä mutta 8 903 GPT-6 Lunalla. Skill maksoi CLI:tä enemmän, koska luettu ohje jää keskusteluun.

Suuri osa MCP:n kulutuksesta tuli työkalun vastauksesta. Julkaisun hakeva työkalu palautti 42 182 merkkiä, joista 87 % kuvasi latauspaketteja. Sonnet 5.5:llä vastaus vei noin 20 400 tokenia eli enemmän kuin kaikki 46 kuvausta. Se lähetettiin uudelleen jokaisessa myöhemmässä pyynnössä.

Vastausten katkaisu 4 000 merkkiin toimi vain, koska tarvittavat kentät sattuivat olemaan alussa. OpenRouter suosittaa pyytämään vain tarvittavat kentät: vikailmoituslistan vastaus kutistui näin 8 336 merkistä 714:ään.

Työkalujen haku auttoi vain osaa malleista

OpenRouterin beetavaiheessa oleva työkaluhaku (Tool Search) lähettää työkalun kuvauksen vasta, kun malli hakee sen. Claude-malleilla 46 työkalun kuvaukset veivät alussa enää 578 tokenia. Koko tehtävässä Sonnet 5.5:n kulutus puolittui 59 417 tokenista 30 334:ään. Haiku 5.5:llä se nousi 99 319:stä 154 623:een, koska malli kutsui työkalua toistuvasti virheellisillä argumenteilla. Kun työkaluhakuun yhdistettiin 4 000 merkin katkaisu, Gemini 3.8 Flash ja Haiku 5.5 vastasivat oikein vain kerran kolmesta.

OpenRouter suosittaa CLI:tä, jos sellainen on ja agentti voi ajaa komentoja. Muuten se neuvoo rajaamaan MCP:n tarvittaviin työkaluihin, GitHubin palvelimessa valitsimella --tools=get_latest_release,list_issues tai --toolsets=issues,repos.

Myös GitHubissa julkaistu RavenClaude-lisäosan ohje suosittaa CLI:tä ja skilliä ensin. Se pitää MCP:tä kuitenkin oikeana valintana, kun agentti tarvitsee toisen järjestelmän ajantasaisen tilan, kuten GitHubin. OpenRouterin GitHub-testissä gh-CLI vastasi silti oikein murto-osalla MCP:n tokeneista. Ohje perustuu yhteisön kirjoituksiin ja kertoo omien token-arvioidensa olevan suuntaa antavia.

Työkaluhaku toimii OpenRouterin Responses- ja Messages-rajapinnoissa. Blogikirjoituksessa on Python-skripti oman MCP-palvelimen kulutuksen mittaamiseen.

Mihin tämä perustuu

1. github.com

   Julkaisija: github.com · lähteen julkaisuaika ei tiedossa · noudettu 13.11.2026 05:24 (Suomen aikaa) · löytökanava: GitHub

2. MCP vs CLI vs Skills: What Each Costs in Context

   Julkaisija: openrouter.ai · julkaistu 11.11.2026 02:00 (Suomen aikaa) · noudettu 13.11.2026 05:24 (Suomen aikaa) · löytökanava: verkko

Perplexityn tietoturvayksikkö Perplexity Secure Intelligence Institute julkaisi 11. marraskuuta raportin kokeista, joissa se yritti saada tekoälymallit murtautumaan yhtiön hiekkalaatikosta. SPACE-alusta ajaa Perplexity Computer -agentteja Firecracker-virtuaalikoneissa. Kokeissa agentilla oli virtuaalikoneessa pääkäyttäjän oikeudet.

Pakotehtävässä agentin piti hakea isäntäkoneelle tallennettu AWS-tunnus. Verkkotehtävässä sen piti tavoittaa estetty osoite. Osassa kokeista agentti näki SPACEn lähdekoodin, ja osassa se pääsi sallittuihin kohteisiin, kuten PyPI-pakettivarastoon. Malleja oli 12, joista kolme ei ollut mukana raportin ensimmäisessä osassa.

Virtuaalikoneesta ei päästy ulos

Tavallinen CTF-tyyppinen tehtävänanto eli kehotus noutaa piilotettu salaisuus sai agentit etsimään tunnuksia virtuaalikoneen sisältä. Yhdeksän mallia kahdestatoista käytti virtualisointikerroksen tutkimiseen enintään neljä prosenttia työstään, kolme GPT-mallia keskimäärin 18–22 prosenttia. Perplexityn mukaan nämä ajot kertoivat eristyksen kestävyydestä vain vähän.

Kun kehote ohjasi agentit virtualisointikerrokseen, kerroksen tutkimisen osuus työstä kasvoi keskimäärin noin 60 prosenttiyksikköä. Yhdessäkään ajossa ei silti päästy isäntäkoneelle. Perplexity pitää tätä vahvempana näyttönä eristyksestä mutta korostaa, että havainnot koskevat vain testattuja tehtäviä ja asetelmia.

Agentit kiersivät verkkoestot ennen korjausta

Kun agentit pääsivät sallittuihin kohteisiin, ne löysivät kaksi kiertotietä. DNS-väärennöksessä agentti syötti yhdyskäytävälle väärennetyn nimipalveluvastauksen, jonka mukaan sallitun pypi.org-verkkotunnuksen IP-osoite oli estetyn palvelimen osoite. Keino edellytti lähdekoodia, josta selvisi yhdyskäytävän ulkoinen osoite.

Toinen keino hyödynsi sisällönjakeluverkkoja, joissa samaa IP-osoitetta käyttää moni verkkotunnus. Yhdyskäytävä ei tarkistanut, että salatun yhteyden avauksessa ilmoitettu palvelinnimi (SNI) vastasi sallittua verkkotunnusta. Agentit välittivät pyyntönsä Fastlyn palveluiden kautta tai kuvakaappauspalveluilla, joiden kuvista ne lukivat salaisuuden tekstintunnistuksella.

Lähdekoodin kanssa kaikissa kolmessa ajossa onnistuivat Claude Opus 5.0, Opus 5.5, Mythos 5.1, GPT-5.6 Sol ja GPT-6 Astra. Kimi K3 onnistui kahdesti, kuusi muuta mallia ei kertaakaan. Ilman lähdekoodia alkuperäisellä kehotteella onnistuivat vain GPT-5.6 Sol (kahdessa ajossa kolmesta) ja GPT-5.6 Cyber (yhdessä). Opus- ja Mythos-mallit tunnistivat välitysreitin mutta katsoivat, ettei sen käyttö kuulunut tehtävään.

Perplexity on korjannut molemmat aukot, eikä korjauksen jälkeen testeissä löytynyt kiertoteitä. Raportin ensimmäisessä osassa vastaavia aukkoja löytyi kahdeksasta kymmenestä muiden yritysten hiekkalaatikkoalustasta, ja aukoista ilmoitettiin.

Tietoturvamalli hävisi yleismallille

GPT-5.6 Cyber on GPT-5.6 Solin pohjalta tietoturvatehtäviin jatkokoulutettu malli. Lähdekoodin kanssa Sol onnistui kaikissa ajoissa keskimäärin 20,8 minuutissa, Cyber epäonnistui kaikissa keskimäärin 51,6 minuutin yrityksillä. Perplexityn analyysin mukaan Sol kartoitti ensin verkon rakenteen, Cyber taas etsi jäsennysvirheitä. Yleismalli GPT-6 Astra onnistui keskimäärin 4,8 minuutissa, tietoturvaan suuntautunut Mythos 5.1 36,6 minuutissa.

Raportin tekijöiden mukaan kokeet ovat liian suppeita osoittamaan, että erikoistuminen heikentäisi laajempaa osaamista. He pitävät mahdollisena, ettei koulutusaineisto ja -tehtävät, joilla malleille opetetaan tietoturvaosaamista, ole riittävän monipuolisia.

Grok 4.20 väitti kuudessa pakoajossa 27 kertaa onnistuneensa, vaikka ei ollut onnistunut.

Hermes AI Newsin mukaan SPACE on julkaistu avoimena lähdekoodina Apache 2.0 -lisenssillä.

Mihin tämä perustuu

1. Escaping SPACE: Part II

   Julkaisija: www.perplexity.ai · julkaistu 11.11.2026 · noudettu 13.11.2026 05:24 (Suomen aikaa) · löytökanava: verkko

2. Perplexity Found a Hidden Blind Spot Breaking Its SPACE Sandbox Security Tests | Hermes AI News

   Julkaisija: hermes-ai.net · julkaistu 11.11.2026 20:21 (Suomen aikaa) · noudettu 13.11.2026 05:25 (Suomen aikaa) · löytökanava: verkko

3. Perplexity Publishes Escaping SPACE Part II: None of 12 Models Escaped the VM, Security-Tuned GPT-5.6 Cyber Failed All 3 Network Bypass Runs While General GPT-5.6 Sol Won All 3, and CTF-Style Prompts…

   Julkaisija: aicoder.com · julkaistu 11.11.2026 20:21 (Suomen aikaa) · noudettu 13.11.2026 05:25 (Suomen aikaa) · löytökanava: verkko

4. Perplexity проверила 12 ИИ-моделей на взлом собственной песочницы!

   Julkaisija: nnets.ru · julkaistu 12.11.2026 · noudettu 13.11.2026 05:25 (Suomen aikaa) · löytökanava: verkko

Espelkampissa toimiva webhotelli Mittwald kertoo murrosta ja sen selvittelystä tilasivullaan ja kysymys–vastaus-sivullaan. Saksalainen teknologiamedia heise online raportoi 12.11., että yhtiö on viikko ensimmäisen hyökkäyksen jälkeen yhä kriisitilassa.

Mitä MCP-palvelimen kautta saatiin

MCP-palvelin oli Mittwaldin mukaan rajapinta, jonka kautta asiakkaat pystyivät kytkemään yhtiön hallintaympäristön mStudion tekoälyavustajiin. Yhtiö havaitsi 4.11. omissa analyyseissään, että palvelimeen oli päästy luvatta 27.10. Hyökkääjä luki rajapinnan käyttäjien pääsytunnisteita (token).

Tunniste antoi pääsyn mStudioon käyttäjän oikeuksilla ja niihin projekteihin, joihin käyttäjälläkin oli pääsy. Mittwald tarkistaa jokaisen tällaisen projektin erikseen ja sulkee väliaikaisesti ne, joista löytyy hyökkääjän jälkiä. Varotoimena se on poistanut käytöstä pienen osan projekteista. Salasanoja ei yhtiön mukaan viety, ja tunnisteet on mitätöity. Yhtiön selityksen mukaan murto huomattiin vasta viikon päästä, koska hyökkääjä naamioi valmistelunsa käyttäjien tavalliseksi toiminnaksi.

Mittwald ilmoittaa asianosaisille henkilökohtaisesti sähköpostilla. Se neuvoo MCP-palvelinta käyttäneitä vaihtamaan mStudion salasanan ja ottamaan kaksivaiheisen tunnistautumisen käyttöön. Lisäksi heidän pitää tarkistaa projektiensa API-avaimet, projektitunnisteet ja SSH-avaimet, poistaa tuntemattomat merkinnät ja uusia projekteihin tallennetut kolmansien osapuolten tunnukset. Epäilyttäviä ovat yhtiön mukaan erityisesti SSH-käyttäjät, joita asiakas ei ole itse luonut. Yhtiö pitää jokaista palvelimen käyttöä 27.10. alkaen mahdollisesti vaarantuneena.

MCP-palvelin pysyy toistaiseksi suljettuna, ja Mittwald tarjoaa sen tilalle CLI-työkaluaan. Jos asiakas ei ole saanut sähköpostia eikä ole ottanut MCP-palvelinta käyttöön, hänen ei yhtiön nykytiedon mukaan tarvitse toimia, mutta yhtiö suosittelee kaksivaiheista tunnistautumista.

Toinen hyökkäysaalto 12.11.

Mittwald avasi mStudion ja SSH-yhteydet uudelleen 7.11. Yhtiön mukaan hyökkääjät jatkoivat iskujaan yöllä 12.11., ja Mittwald sulki varotoimena asiakaskeskuksen, mStudion ja kaikki SSH-yhteydet. Yhtiö kuvaa hyökkääjiä ammattilaisiksi, jotka käyttävät automatisoituja tekoälyjärjestelmiä.

Yhtiön omasta verkkosivustosta on ristiriitaisia tietoja. Mittwaldin tilasivun mukaan hyökkääjät hyödynsivät haavoittuvuutta ja vaaransivat sivuston, minkä jälkeen yhtiö otti sen pois verkosta. Heisen nimettömän vihjeen antajan mukaan sivusto töhrittiin hyökkääjien sisällöllä. Mittwald kiisti tämän heiselle: se otti sivuston itse pois verkosta varotoimena, eikä sivustoa kaapattu tai töhritty.

Pääsyä sisäisiin järjestelmiinsä yhtiö ei ollut 12.11. aamuun mennessä havainnut, ja se jatkoi hyökkäystapojen analysointia. Sulku ei Mittwaldin mukaan koske asiakkaiden sivustoja ja sähköposteja. Heisen mukaan asiakkaat valittavat hallintaliittymän ja SSH:n katkoksista.

Mittwald arvioi 12.11. iltapäivällä avaavansa asiakaskeskuksen ja mStudion viimeistään 13.11. kello 11. SSH-esto on yhtiön mukaan voimassa, kunnes tarkistukset ja skannaukset on tehty.

Mihin tämä perustuu

1. Informationen zu unserem MCP-Server – mittwald

   Julkaisija: www.mittwald.de · lähteen julkaisuaika ei tiedossa · noudettu 13.11.2026 05:25 (Suomen aikaa) · löytökanava: verkko

2. Angriff über MCP-Server: Webhoster Mittwald im Krisenmodus

   Julkaisija: www.heise.de · julkaistu 12.11.2026 15:14 (Suomen aikaa) · noudettu 13.11.2026 05:25 (Suomen aikaa) · löytökanava: verkko

Tietoturvayhtiö Darktracen Signal Labs -tutkimusryhmä julkaisi menetelmän blogissaan 12. marraskuuta. Help Net Security uutisoi siitä samana päivänä ja haastatteli Darktracen tekoälyjohtajaa Tim Bazalgettea.

Menetelmä toimii vasta, kun hyökkääjä on murtautunut laitteeseen ja saanut käyttäjän Claude Console -tunnukset. Darktracen mukaan tekniikka ei hyödynnä Claude-alustan haavoittuvuutta, eikä yhtiö ole havainnut sitä todellisissa hyökkäyksissä.

Muistitiedostot komentokanavana

Muistivarastot (memory stores) ovat Claude Console -työtilaan liitettyjä tekstitiedostojen kokoelmia. Niiden avulla Claude Managed Agents -palvelun agentit muistavat asioita istuntojen välillä. Darktracen mukaan varaston voi lisätä työtilaan rajapinnan kautta, vaikka organisaatio ei käyttäisi palvelua.

Tutkijat loivat kolmen tiedoston varaston. Claude Coden harness on agenttia ohjaava ohjelma, joka antaa mallille työkalut ja ajaa sen työvaiheet. Käynnistyessään se kirjasi elonmerkin ensimmäiseen tiedostoon. Sen jälkeen malli haki tehtävän toisesta tiedostosta, suoritti sen ja kirjoitti tulokset kolmanteen. Hyökkääjä luki tulokset ja kirjoitti seuraavan tehtävän.

Liikenne kulki osoitteeseen api.anthropic.com, jota agentti käyttää muutenkin mallin kutsumiseen. Siksi liikenne näytti agentin tavalliselta työltä. Tehtävät annettiin luonnollisella kielellä. Darktracen mukaan hyökkääjä voi antaa pelkän tavoitteen, jolloin agentti valitsee komennot itse. Kokeessa osa tehtävistä sisälsi kuitenkin valmiin komennon tai skriptin.

Yhdeksän tehtävää testiverkossa

Testiympäristö jäljitteli yrityksen Active Directory -verkkoa. Pieni komentosarja etsi Linux-koneelta Claude Coden, keräsi tunnukset ja loi systemd-palvelun, joka käynnisti harness-prosesseja yksi kerrallaan. Darktracen mukaan prosessit käyttivät Claude Sonnet 4.5 -mallia ei-vuorovaikutteisessa tilassa. Help Net Securityn mukaan ne ajettiin valitsimella --dangerously-skip-permissions, joka poistaa työkalukutsujen vahvistuskyselyt.

Agentti sai yhdeksän tehtävää. Se kartoitti verkon ja haki anonyymin kirjautumisen sallivalta FTP-palvelimelta työntekijöiden nimiä ja salasanan. Sitten se tuotti 190 käyttäjätunnusehdokasta ja kokeili niillä ja salasanalla kirjautumista toimialueen ohjauskoneeseen. Löytyneellä tunnuksella se listasi SMB-jaot, latasi 1 Gt:n tiedoston, jakoi sen kolmeen osaan ja lähetti osat Clauden Files API -rajapintaan, josta hyökkääjä sai ne.

Bazalgetten mukaan Darktrace testasi vain yhtä alustaa. Muistivarastot ovat Clauden ominaisuus, mutta OpenAI:lla on vastaava tiedostojen latausrajapinta. Darktrace kertoi löydöksistä Anthropicille ennen julkaisua kohteliaisuudesta eikä muodollisella ilmoituksella, koska hänen mukaansa haavoittuvuutta ei ole.

Havaitseminen ja avainten suojaus

Darktrace neuvoo tarkastelemaan harnessin käynnistämiä prosesseja ja sen verkkoliikennettä yhdessä ja vertaamaan niitä tavalliseen toimintaan. Merkkejä ovat esimerkiksi epätavalliset komentoriviparametrit tai se, että rajapintaan lähetetyn ja sieltä vastaanotetun datan määrien suhde poikkeaa tavallisesta.

Bazalgetten mukaan muistivarastoihin pääsee tavallisella API-avaimella mutta ei OAuth-tunnuksilla. Hän neuvoo käyttämään aina kun mahdollista OAuthia tai identiteettifederaatiota, vaikka myös OAuth-istunnon voi kaapata, tosin vaikeammin. Muuten avainten pitää olla lyhytikäisiä ja kapeasti rajattuja, eikä niitä saa jättää komentohistoriaan, asetustiedostoihin tai ympäristömuuttujiin. ”Kohtele tekoälyalustan avainta yhtä vakavasti kuin tuotantotunnusta, koska sillä on nyt vastaava kyvykkyys”, hän sanoi Help Net Securitylle.

Mihin tämä perustuu

1. Living off the AI: How Claude Memory Stores Enable Covert C2 Channels

   Julkaisija: www.darktrace.com · julkaistu 12.11.2026 13:08 (Suomen aikaa) · noudettu 13.11.2026 05:26 (Suomen aikaa) · löytökanava: verkko

2. Stolen Claude API keys can turn Claude Code into a remote-controlled implant - Help Net Security

   Julkaisija: www.helpnetsecurity.com · julkaistu 12.11.2026 13:00 (Suomen aikaa) · noudettu 13.11.2026 05:26 (Suomen aikaa) · löytökanava: verkko

OpenAI kertoi 12. marraskuuta kehittäjäblogissaan, miten se suojaa yhtiön sisällä toimivia pysyviä tekoälyagentteja. Kevin S Linin kirjoitus kuvaa osan yhtiön käyttämistä suojauksista, mutta ei esitä mittauksia niiden tehosta.

Pysyvä agentti toimii ympäri vuorokauden laajalla tehtäväalueella ja tekee asioita omasta aloitteestaan. Linin mukaan uhka tulee tällöin myös sisältä: agentti voi muuttaa asetuksiaan, kirjoittaa mitä tahansa koodia ja toimia tavoitteista poikkeavasti. Hänen mukaansa OpenAI:lla on käytössä satoja OpenClaw-agentteja.

Ohjaus ja agentti eri kontteihin

OpenAI erottaa luotetun, ennalta ohjelmoidun logiikan kielimallin epäluotettavasta toiminnasta. Tätä varten yhtiö lisäsi avoimen lähdekoodin OpenClaw’hun harnessin etäajon. Harness on agenttia ohjaava ohjelma, joka antaa mallille työkalut ja ajaa sen työvaiheet.

Agentin asetukset määrittävä OpenClaw Gateway voi nyt toimia eri kontissa kuin harness, ja OpenAI:lla se toimii eri klusterissa. Hiekkalaatikkoon eristetään agentti, sen ympäristö ja sen kirjoittama koodi.

OpenAI käyttää Codexin harnessin omaa hiekkalaatikkoa. Verkossa agentti pääsee vain organisaation sallimiin osoitteisiin, ja osa osoitteista on erikseen estetty. Kirjoittaa se saa vain työhakemistoihinsa, ja sen prosessit eristetään. Salaisuudet kulkevat tunnistetietojen välittäjän kautta, joten agentti ei näe niitä.

OpenAI poisti myös Codexin rajoittamattoman danger-full-access-tilan ja salli vain välimuistiin perustuvan verkkohaun, joka kulkee OpenAI:n oman hakuindeksin kautta. Blogin esimerkkiasetukset poistavat GitHub-tunnukset agentin komentojen ympäristömuuttujista. Lin huomauttaa, ettei tämä piilota tiedostoihin tallennettuja tunnuksia.

Toinen agentti hyväksyy toimet

OpenClaw’n ja Codexin valmiissa Auto-review-toiminnossa toinen agentti valvoo ja hyväksyy pääagentin toimet. OpenAI vaatii tarkastuksen kaikille agenttien toimille. Linin mukaan jatkuvat hyväksyntäpyynnöt opettavat ihmiset hyväksymään kaiken sokeasti. Siksi kielimalliin perustuva tarkastaja suodattaa pyynnöt, ja ihmisille jäävät tärkeimmät.

Jokaisella agentilla on oma ChatGPT-palvelutiliin liitetty identiteetti. Agentilla on siten käyttäjästä erillinen tunnus inferenssiin, sen toimet voi jäljittää ja sen inferenssin voi tarvittaessa katkaista.

OpenAI kirjaa lokiin jokaisen asetusmuutoksen, joka tehdään hallintatasolla eli agentit määrittävässä järjestelmässä, sekä agenttien kaikki toimintavuorot. Lokit voivat sisältää arkaluonteista tietoa, joten niihin pääsee vain muutama tietoturvatiimin jäsen.

Suojaukset avoimessa OCE:ssä

Linin mukaan sisäinen pilotti lisäsi selvästi tuottavuutta ja käyttöä. Taustalla toimii hänen mukaansa nyt yli 500 agenttia, jotka esimerkiksi avaavat pull requesteja tuotepalautteen pohjalta.

Monet suojauksista ovat valmiina avoimen lähdekoodin OpenClaw Enterprisessa (OCE), joka on toimittajariippumaton agenttien hallintataso. Ne tulevat käyttöön, kun agentin käynnistää Codexin vakioesiasetuksella. OCE on vielä pilottivaiheessa, ja OpenAI aikoo julkaista version 1.0 vuoden loppuun mennessä.

Mihin tämä perustuu

1. Securing persistent agents like OpenClaw at OpenAI

   Julkaisija: developers.openai.com · lähteen julkaisuaika ei tiedossa · noudettu 13.11.2026 05:26 (Suomen aikaa) · löytökanava: verkko

2. Looking for more detail on how OpenClaw Enterprise secures persistent agents? @kevins8 breaks down the controls used at OpenAI to deploy OpenClaw agents internally https://t.co/ScjxpRMcPX

   openclaw · Julkaisija: x.com · julkaistu 12.11.2026 22:36 (Suomen aikaa) · noudettu 13.11.2026 04:26 (Suomen aikaa) · löytökanava: X

3. My team wrote about how we run persistent agents inside OpenAI.

   steipete · Julkaisija: x.com · julkaistu 13.11.2026 03:53 (Suomen aikaa) · noudettu 13.11.2026 04:03 (Suomen aikaa) · löytökanava: X

Singaporelainen tietoturvayhtiö CloudSEK julkaisi keskiviikkona 11. marraskuuta raportin vakoiluoperaatiosta. Uutistoimisto Reutersin mukaan yhtiö sai tiedot palvelimelta, jonka hakkerit olivat vahingossa jättäneet avoimeksi internetiin.

Reutersin mukaan CloudSEK sanoo ryhmän vieneen Tadžikistanista yli 2 000 kansalliseen turvallisuuteen liittyvää asiakirjaa. The Times of Central Asia kertoo raporttiin viitaten, että asiakirjat olivat kulkeneet Tadžikistanin puolustusministeriön kautta. Niissä oli lehden mukaan esimerkiksi lentolupapyyntöjä, tietoja sotilashenkilöstön siirroista ja raportteja rakentamisesta raja-alueilla.

Agentti suunnitteli murron ja kirjoitti latausohjelman

Hyökkääjät käyttivät avoimen lähdekoodin Hermes Agentia. Se on harness eli agenttia ohjaava ohjelma, joka antaa mallille työkalut ja ajaa sen työvaiheet.

”Sen sijaan, että hyökkääjä olisi kirjoittanut hakkerointikomennot käsin, hän kertoi Hermesille, mitä tehdä. Hermes suunnitteli hyökkäykset, kirjoitti säännöt, ajoi ne, piti muistiinpanoja ja kirjoitti raportit”, CloudSEK kertoi Reutersille.

CloudSEKin mukaan hakkerit käyttivät Hermesiä tiedusteluun noin elokuun puolivälistä alkaen. Pari viikkoa myöhemmin he pääsivät Tadžikistanin sähköiseen asiakirjajärjestelmään, The Times of Central Asian mukaan erään rautatietyöntekijän käyttäjätilin kautta. Sen jälkeen agentti kirjoitti ohjelman, joka latasi, järjesti ja pilkkoi tiedostot osiin siirtoa varten.

Reutersin mukaan palvelimelta löytyi myös hakkereiden agentille kirjoittamat ohjeet siitä, miten sen pitää nähdä itsensä, toimia ja viestiä heidän kanssaan. ”Olet huippuluokan hyökkäävän tietoturvan asiantuntija ja red teamer”, ohjeissa luki. Red teamer on tietoturva-ammattilainen, joka testaa organisaation järjestelmiä jäljittelemällä salaisia hyökkäyksiä. The Times of Central Asian mukaan ohjeet käskivät agenttia toimimaan salassa.

Lähteet kuvaavat Hermesiä hyökkääjien työkaluna eivätkä kerro sen haavoittuvuudesta. CloudSEKin tulkinnan mukaan löytö osoittaa, että myös kehittyneemmät, vakoiluun keskittyneet hakkerit teettävät hyökkäyksiään tekoälyllä. Reuters on aiemmin kertonut rikollisten antavan murtoja tekoälyagenttien tehtäväksi.

Yhteys Kazakstaniin on arvio

CloudSEK yhdistää palvelimen Silent Lynx -ryhmään, jonka muut tutkijat ovat kytkeneet Kazakstaniin. The Times of Central Asian mukaan yhtiö arvioi suurella varmuudella palvelimen liittyvän ryhmään, koska työkalut muistuttavat aiemmissa hyökkäyksissä käytettyjä. Hyökkääjän se kytkee Kazakstaniin kohtalaisella varmuudella venäjänkielisten tallenteiden ja kazakstanilaisen kotitalousliittymän perusteella.

Reutersin mukaan CloudSEK löysi näyttöä siitä, että hakkerit työskentelivät Kazakstanin virka-aikaan. The Times of Central Asian mukaan saman olivat havainneet jo aiemmat tutkijat.

Lehden mukaan näyttö ei osoita, toimiko ryhmä Kazakstanin hallituksen puolesta. Kazakstanin ja Tadžikistanin viranomaiset eivät vastanneet heti Reutersin kysymyksiin.

Mihin tämä perustuu

1. Kazakhstan-linked hackers used AI to steal Tajik government documents, researchers say

   Julkaisija: www.internazionale.it · julkaistu 11.11.2026 13:07 (Suomen aikaa) · noudettu 13.11.2026 05:27 (Suomen aikaa) · löytökanava: verkko

2. AI Hackers Steal Over 2,000 Secret Government Documents - The 420.in

   Julkaisija: the420.in · julkaistu 12.11.2026 05:23 (Suomen aikaa) · noudettu 13.11.2026 05:27 (Suomen aikaa) · löytökanava: verkko

3. Kazakhstan-Linked Hackers Used AI to Steal Tajik Defense Documents, Researchers Say - The Times Of Central Asia

   Julkaisija: timesca.com · julkaistu 12.11.2026 14:23 (Suomen aikaa) · noudettu 13.11.2026 05:27 (Suomen aikaa) · löytökanava: verkko

Google kertoi torstaina 12. marraskuuta uudesta Gemini 4 Hydrogen -mallista ja samalla koodaustyökalunsa Antigravityn uudesta mallivalinnasta. Orchestrator-niminen valinta ei käytä yhtä mallia alusta loppuun, vaan se vaihtaa Gemini 4 Carbonin tai Argonin ja Hydrogenin välillä saman istunnon aikana.

Antigravity-tiimin blogin mukaan tavallinen mallireititin arvaa tehtävän vaikeuden ensimmäisestä kehotteesta ja antaa koko tehtävän halvimmalle riittävälle mallille. Pitkissä agenttitehtävissä vaikeus kuitenkin muuttuu työn edetessä. Googlen esimerkissä Carbon tutkii ensin riippuvuuksia muuttamatta tiedostoja ja laatii suunnitelman. Sen jälkeen Hydrogen voi kirjoittaa muutokset, päivittää paketit ja ajaa testit. Jos Hydrogen kohtaa ongelmia, se palauttaa työn Carbonille, joka tarkistaa tilanteen, korjaa suunnitelman ja jatkaa.

Samalla viikolla esitelty /swarm ajaa rinnakkaisia agenttitiimejä suurissa tehtävissä. Orchestrator on sen sijaan tarkoitettu yhden istunnon arkityöhön.

Googlen mukaan Orchestrator pääsi Terminal-Bench-vertailutestissä lähelle Carbonin onnistumisosuutta. Se kulutti keskimäärin 24 prosenttia vähemmän käyttökiintiötä ja valmistui 19 prosenttia nopeammin. Luvut ovat Googlen omia, eikä yhtiö kerro tarkkoja onnistumisosuuksia. Myös testin versio vaihtelee lähteittäin: Googlen pääblogissa se on Terminal-Bench 4.0, Antigravityn blogissa 4.1.

Google: Hydrogen ohittaa Argonin

Hydrogen on tarkoitettu nopeaan arkiseen koodaukseen ja agenttityöhön, ja mallikortin mukaan se on johdettu Carbonista. Googlen mukaan Hydrogen saa Artificial Analysis -indeksissä oletuspäättelytasolla high 51 pistettä, kun Argon saa 50. Korkeimmalla xhigh-tasolla tulos on 54. Googlen mukaan Terminal-Bench 4.1 -tulos nousi edeltäjän Gemini 3.8 Flashin 18,2 prosentista 57 prosenttiin.

The Decoderin mukaan Hydrogen jäi Artificial Analysisin omassa mittauksessa komentorivityössä kilpailijoista jälkeen. Terminal-Bench 4.0:ssa se sai 54 prosenttia ja Claude Sonnet 5.5 (max) 64 prosenttia. Artificial Analysisin mukaan xhigh käyttää lähes kaksi kertaa niin paljon tuotostokeneita kuin high, ja tehtäväkohtainen hinta nousee 1,87 dollarista 3,16 dollariin.

Mallikortin mukaan Hydrogen ei yllä biologisten eikä kyberriskien kriittisiin kyvykkyystasoihin, mutta se saavuttaa niiden hälytysrajat. Automaattisessa arvioinnissa perusteettomia kieltäytymisiä oli 5,57 prosenttiyksikköä enemmän kuin 3.8 Flashilla. Tunnetuiksi rajoituksiksi kortti mainitsee hallusinaatiot sekä ajoittaisen hitauden ja aikakatkaisut.

Saatavuus ja hinta

Orchestrator tulee saataville Google AI Ultra -tilaajille Carbon- ja Argon-versioina ja maksaville AI Pro -tilaajille Argon-versiona. Yritykset saavat sen Gemini for businessin kautta. Hydrogen toimii Antigravityssä maksaville Pro- ja Ultra-tilaajille.

Gemini API:ssa Hydrogen maksaa koko miljoonan tokenin konteksti-ikkunassa 1,50 dollaria miljoonalta syötetokenilta ja 7,50 dollaria miljoonalta tuotostokenilta. Google mainostaa miljoonan tokenin tuotosta. Mallikortin mukaan tavallisen kutsun tuotos on kuitenkin oletuksena enintään 64 000 tokenia, ja miljoonaan yltää vain taustalla ajettava pitkä generointi.

Mihin tämä perustuu

1. Introducing Gemini 4 Hydrogen

   Julkaisija: blog.google · julkaistu 12.11.2026 · noudettu 13.11.2026 05:18 (Suomen aikaa) · löytökanava: verkko

2. storage.googleapis.com

   Julkaisija: storage.googleapis.com · lähteen julkaisuaika ei tiedossa · noudettu 13.11.2026 05:18 (Suomen aikaa) · löytökanava: verkko

3. Gemini 4 Hydrogen and Orchestrator | Google Antigravity Blog

   Julkaisija: antigravity.google · julkaistu 12.11.2026 10:00 (Suomen aikaa) · noudettu 13.11.2026 05:30 (Suomen aikaa) · löytökanava: verkko

4. Google announces Gemini 4 Hydrogen with ‘significant leaps’ in speed, intelligence

   Julkaisija: 9to5google.com · julkaistu 12.11.2026 20:01 (Suomen aikaa) · noudettu 13.11.2026 05:18 (Suomen aikaa) · löytökanava: verkko

5. Today, we’re growing the Gemini 4 model series by introducing Gemini 4 Hydrogen. While Gemini 4 Carbon tackles your hardest problems, Hydrogen brings cutting-edge intelligence to everyone — with…

   GoogleAI · Julkaisija: x.com · julkaistu 12.11.2026 20:03 (Suomen aikaa) · noudettu 13.11.2026 04:05 (Suomen aikaa) · löytökanava: X

6. Available starting today: — Consumers: use it in the @GeminiApp and Google Search for all users, and in Gemini in Google Sheets for Google AI Pro and Ultra subscribers — Developers and Enterprises…

   GoogleAI · Julkaisija: x.com · julkaistu 12.11.2026 20:03 (Suomen aikaa) · noudettu 13.11.2026 04:05 (Suomen aikaa) · löytökanava: X

7. Google's Gemini 4 Hydrogen outscores the bigger Argon just four weeks after its launch

   Julkaisija: the-decoder.com · julkaistu 12.11.2026 21:58 (Suomen aikaa) · noudettu 13.11.2026 05:30 (Suomen aikaa) · löytökanava: verkko

OpenAI:n Greg Brockman kertoi X-palvelussa 12. marraskuuta yhtiön kahdesta uudesta tietoturvatuotteesta. Hänen mukaansa molemmat tekevät kärkimallien tietoturvakyvyistä aiempaa helpommin käytettäviä ja auttavat puolustamaan yrityksiä uusilla tavoilla.

OpenAI:n Codex-tiimiin kuuluva Tibo Sottiaux kuvasi tuotteita työkaluiksi, joita yhtiö kehittää automaattiseen korjaamiseen ja hyökkäystestaukseen. Hyökkäystestauksessa eli red teamingissa testaaja yrittää murtautua järjestelmään hyökkääjän tavoin löytääkseen sen heikkoudet.

OpenAI kuvaa Daybreak Defense Factorya tarkemmin verkkosivullaan. Palveluun tuodaan löydökset yrityksen nykyisistä tietoturvatyökaluista ja Daybreak Red Teamista. Tekoälyagentit eli mallin avulla toimivat ohjelmat tutkivat jokaisen löydöksen, jäljittävät haavoittuvuuden koodista ja laativat siihen korjauksen.

Korjaukset ovat ehdotuksia. Sivun mukaan kehittäjät tarkistavat ja testaavat ne ennen niiden yhdistämistä koodiin.

Kehittäjä voi työstää korjausta myös OpenAI:n Codexin kanssa: lisätä taustatietoa, tutkia löydökseen liittyvää näyttöä ja hioa korjausta. Muutoksia voi testata sillä välin, kun agentit jatkavat työtä taustalla.

Defense Factory voi myös skannata uudet commitit eli koodiin tallennetut muutokset tai tarkistaa koodin ajastetusti. Uusien löydösten tutkimisen voi antaa agenttien tehtäväksi.

Daybreak Red Teamista ei kerrottu juuri muuta kuin nimi. Sottiaux’n mainitsema automaattinen hyökkäystestaus viittaa ilmeisesti siihen.

Defense Factoryn sivu kehottaa liittämään palveluun repositoriot ja tietoturvalöydökset. Sivulla ei kerrota hintaa eikä sitä, kuka palvelua voi jo käyttää. Sottiaux’n mukaan esittelytilaisuuden tallenne on katsottavissa verkossa.

Mihin tämä perustuu

1. Daybreak Defense Factory | AI Vulnerability Remediation

   Julkaisija: openai.com · lähteen julkaisuaika ei tiedossa · noudettu 13.11.2026 05:31 (Suomen aikaa) · löytökanava: verkko

2. Announcing two new cyber products: - Daybreak Defense Factory (https://t.co/OdlGbgPWp8) - Daybreak Red Team (https://t.co/VQTAjDfduz) Both make it much easier to put frontier cyber capabilities to…

   gdb · Julkaisija: x.com · julkaistu 13.11.2026 00:16 (Suomen aikaa) · noudettu 13.11.2026 04:04 (Suomen aikaa) · löytökanava: X

3. We announced new tools we're developing for cybersecurity today across automated patching and automated red teaming. Watch the recording here https://t.co/fW371aFjB5

   thsottiaux · Julkaisija: x.com · julkaistu 13.11.2026 02:24 (Suomen aikaa) · noudettu 13.11.2026 04:11 (Suomen aikaa) · löytökanava: X

Amp kertoi 12. marraskuuta 2026 julkaistussa tiedotteessaan luopuvansa Dial-säätimestä. Sillä käyttäjä valitsi tehtävän vaativuuden neljästä tilasta (low, medium, high ja ultra), ja oletuksena Amp päätti, mikä malli kunkin tilan taustalla toimi.

Ampin mukaan muutoksen syy on laskutus. Käyttäjä voi liittää Ampiin omat tilauksensa ja API-avaimensa, ja silloin Amp on maksuton. Siitä lähtien malli on ratkaissut myös sen, kuka maksaa. Esimerkiksi medium-tila saattoi käyttää Claude-tilausta, ChatGPT-tilausta tai Amp-krediittejä, eikä käyttäjä nähnyt helposti, mikä niistä maksoi.

Amp korostaa, ettei käyttäjä valitse pelkkää mallia. Yhtiö rakentaa jokaisen mallin ympärille harnessin eli agenttia ohjaavan ohjelman, joka antaa mallille työkalut ja ajaa sen työvaiheet. Jokaisella valitsimen mallilla on sille optimoitu järjestelmäkehote ja omat työkalut, ja ne vaihtuvat mallin mukana.

Mallin vaihto kesken ketjun maksaa

Ketju on yksi agentin kanssa käyty keskustelu. Dialin aikana ketju pysyi alkuperäisessä tilassa ja mallissa, koska malli Ampin mukaan hämmentyi jatkaessaan toisen mallin aloittamaa keskustelua. Nyt yhtiön arvion mukaan mallit toipuvat siitä riittävän hyvin. Uusi malli tulee käyttöön käyttäjän seuraavasta viestistä, ja keskusteluhistoriaan jää merkintä vaihdosta.

Vaihto ei ole ilmainen. Kehotteen välimuisti säästää jo käsitellyn tekstin, jotta sitä ei tarvitse käsitellä uudelleen. Välimuisti on kuitenkin mallikohtainen, joten uusi malli lukee koko ketjun ilman sitä, ja ensimmäinen viesti vaihdon jälkeen maksaa enemmän. Ketjut, joissa toimii lisäosan agentti, pysyvät siinä agentissa.

Uudet ketjut alkavat oletuksena Staff Pick -valinnalla, joka on Ampin oma suositus. Nyt se on Claude Opus 5.5, ja Amp kertoo vaihtavansa suositusta, jos toinen malli pärjää sen vertailutesteissä paremmin. Poikkeus ovat käyttäjät, jotka olivat määrittäneet Dialille oletustilan. Asetuksista voi valita, että uusi ketju alkaa viimeksi valitulla tai yhdellä kiinteällä mallilla.

Dialin asetukset eivät siirry

Vanhat ketjut jatkavat mallilla, jolla ne alkoivat. Jos käyttäjä oli vaihtanut jonkin tilan mallin Tune Modes -asetuksessa, saman mallin pitää nyt valita valitsimesta. Build Dial -kohdassa lisätyt omat agentit löytyvät Other Models -kohdasta.

Oletusasetuksilla tilat käyttivät näitä malleja: low GLM-5.3-Flashia, medium Claude Opus 5.5:tä, high GPT-6 Astraa ja ultra Claude Fable 5.2:ta, joka löytyy nyt Other Models -kohdasta. Mallit voi kiinnittää kohdassa Settings → Model Selector, ja tarkemmat ohjeet ovat Ampin Model Selector -dokumentaatiossa.

Mihin tämä perustuu

1. Bye Bye, Dial

   Julkaisija: ampcode.com · julkaistu 12.11.2026 19:14 (Suomen aikaa) · noudettu 13.11.2026 05:33 (Suomen aikaa) · löytökanava: verkko

Yhdysvaltalainen välittäjäyhtiö Charles Schwab kertoi tekoälyliitännästään 12. marraskuuta julkaisemassaan tiedotteessa. Tiedotteen mukaan yhtiöllä oli kolmannella vuosineljänneksellä asiakasvaroja 13,33 biljoonaa dollaria.

MCP (Model Context Protocol) on avoin protokolla, jonka avulla tekoälysovellus voi hakea tietoa ulkoisesta palvelusta ja käyttää sen toimintoja. MCP-palvelin on palvelun puolella toimiva ohjelma, joka tarjoaa nämä tiedot ja toiminnot. Asiakas liittää Schwabin palvelimeen oman suuren kielimallinsa.

Mitä tekoäly voi tilillä tehdä

Kun asiakas on antanut luvan, hänen tekoälynsä voi Schwabin mukaan hakea markkinatietoa ja tutkimusta, analysoida sijoitusten tuottoa, tiivistää salkun sisällön, luoda hälytyksiä ja järjestellä sijoitustietoja.

Toimeksiantoja tekoäly voi valmistella, tehdä ja hallita vain, jos tilillä on käytössä thinkorswim. Se on Schwabin kaupankäyntialustojen sarja: työpöytä-, verkko- ja mobiiliversio.

Schwabin mukaan asiakas pysyy kaikessa tässä mukana (”client in-the-loop”). Tiedote ei kerro, mitä asiakkaan mukanaolo käytännössä tarkoittaa. FinanceX Magazine tulkitsee, että asiakas hyväksyy jokaisen tekoälyn toimen. Lehden mukaan palvelimessa on omat keinot tunnistautumiseen ja tilitunnisteiden hallintaan. Näitä tietoja ei ole Schwabin tiedotteessa.

Lehti vertaa ratkaisua Robinhoodin Agentic Trading -palveluun, jonka Robinhood avasi beetaversiona 27. toukokuuta 2026. Siinä Anthropicin ja OpenAI:n agentit käyvät osakekauppaa itsenäisesti erillisellä, erikseen rahoitettavalla tilillä. FinanceX:n mukaan riippumattomat kehittäjät olivat jo aiemmin julkaisseet epävirallisia MCP-liitäntöjä Schwabin tileihin.

Optiokauppaa myös ennen pörssin avautumista ja sulkeutumisen jälkeen

Samassa tiedotteessa Schwab kertoi, että asiakkaat voivat nyt käydä Cboe Options Exchangessa kauppaa noin 30 osakkeen, ETF-rahaston ja indeksin optioilla myös pidennettyinä kaupankäyntiaikoina. Aamuistunto on arkisin kello 7.30–9.25 ja iltaistunto kello 16.00–16.15 New Yorkin aikaa. Tiedote varoittaa, että pidennettyyn kaupankäyntiin liittyy riskejä, kuten heikompi likviditeetti, suurempi hintavaihtelu ja suuremmat erot osto- ja myyntihintojen välillä.

Lisäksi thinkorswimiin on tulossa pian avustaja thinkorswim Assistant, joka vastaa arkikielisiin kysymyksiin alustan käytöstä. Tekoälypohjaiset salkkuanalyysit kattavat nyt aiempaa useampia osakkeita ja ETF-rahastoja.

MCP-palvelin on pilottivaiheessa avoinna valitulle joukolle Claudea käyttäviä asiakkaita. Tulevina kuukausina Schwab aikoo avata pääsyn useammille asiakkaille ja tukea muitakin tekoälyalustoja. Tiedotteen mukaan Anthropic ei kuulu Schwabin konserniin. Schwabin sivujen mukaan thinkorswim on yhtiön asiakkaille maksuton, mutta kaupoista peritään tavalliset hinnat, esimerkiksi optiosopimukselta 0,65 dollaria.

Mihin tämä perustuu

1. Schwab Announces Platform Enhancements Including MCP Server to Connect Clients’ AI Platforms With Their Schwab Accounts

   Julkaisija: pressroom.aboutschwab.com · lähteen julkaisuaika ei tiedossa · noudettu 13.11.2026 05:43 (Suomen aikaa) · löytökanava: verkko

2. Schwab MCP Server Links Clients' AI to their Trading Accounts

   Julkaisija: www.financexmagazine.com · julkaistu 12.11.2026 16:01 (Suomen aikaa) · noudettu 13.11.2026 05:42 (Suomen aikaa) · löytökanava: verkko

3. Charles Schwab adds MCP server and extended options trading hours

   Julkaisija: www.streetinsider.com · julkaistu 12.11.2026 15:34 (Suomen aikaa) · noudettu 13.11.2026 05:43 (Suomen aikaa) · löytökanava: verkko

4. ToS Platforms Overview

   Julkaisija: www.schwab.com · lähteen julkaisuaika ei tiedossa · noudettu 13.11.2026 05:43 (Suomen aikaa) · löytökanava: verkko

Google kertoi A2UI 1.0:n julkaisusta kehittäjäblogissaan 11. marraskuuta. Yhtiön mukaan tekoälyagentit vastaavat nykyään enimmäkseen pitkällä tekstillä. Se on huono tapa esimerkiksi vertailla kolmea tuotetta tai muokata ja hyväksyä yksityiskohtainen suunnitelma.

Agentti kuvaa näkymän, sovellus piirtää sen

A2UI (Agent-to-User Interface) on avoin protokolla ja joukko kirjastoja. Agentti ei kirjoita käyttöliittymäkoodia. Se lähettää JSON-viestejä, joissa kerrotaan näkymän komponentit ja niihin sidottava data. Sovelluksen renderöijä eli piirtokirjasto muuntaa viestit sovelluksen omiksi komponenteiksi. Projektin GitHub-sivun mukaan WebView- tai HTML-näkymää ei tarvita.

Agentti voi käyttää vain komponentteja, jotka sovelluksen kehittäjä on rekisteröinyt, ja viestit tarkistetaan skeemaa vasten. Google väittää lisäksi, että A2UI sitoo datan palvelimella, joten arkaluonteiset arvot eivät päädy mallille.

Versiossa 1.0 funktioita voi kutsua molempiin suuntiin. Googlen esimerkissä lento- tai muun varauksen valitsin tarkistaa saatavuuden heti. Uutta ovat myös saavutettavuustuki ja laajennukset lisämetatiedoille. Munder Difflin -blogin mukaan 1.0-määrittelystä on poistettu teemavärit, joten tyyli tulee kohdealustan omasta teemasta.

Jetpack Compose ja Gemini tukevat vielä versiota 0.9.1

Renderöijät on tehty webiin Reactille, Angularille ja Litille, Flutterille mobiiliin, webiin ja työpöydälle sekä iOS:ään SwiftUI:lle. Androidin Jetpack Compose -renderöijä tukee vielä versiota 0.9.1. Googlen mukaan 1.0-tuki on tulossa pian. Myös Gemini tukee toistaiseksi versiota 0.9.1.

Agentti-SDK:t on tehty Pythonille, TypeScriptille ja Dartille. Ne tuottavat mallille skillin ja kehotteet, tarkistavat mallin tuottaman vastauksen ja muuntavat sen protokollaviesteiksi. Web- ja Flutter-renderöijät toimivat myös MCP Apps -sovelluksissa. MCP Apps on MCP:n laajennus, jolla interaktiivisia näkymiä voi näyttää tekoälyavustajan sisällä. Googlen mukaan A2UI-näkymiä voi siksi näyttää esimerkiksi Claudessa ja Geminissä.

Google kertoo, että Atlassian, Alation, Bloomberg ja ByteDance kehittävät jo A2UI:n varaan. Atlassian tuo sen Jiraan. Alation näyttää A2UI:lla tehtyjä mittarikortteja ja kaavioita Claudessa. ByteDancen Lynx-renderöijä tukee versiota 0.9 ja on siirtymässä versioon 1.0. Tiedot käyttäjäyrityksistä ovat Googlen ilmoittamia, ja SD Timesin uutinen toistaa Googlen blogia.

Munder Difflinin mukaan repositorion GitHub-julkaisuissa ei ollut 12. marraskuuta 1.0-nimistä julkaisua eikä tagia. Repositorio on siirtynyt osoitteeseen a2ui-project/a2ui, ja sen lisenssi on Apache 2.0.

A2UI on maksutonta avointa lähdekoodia. Dokumentaatio ja pikaopas ovat osoitteessa a2ui.org. Versiosta 0.9 päivittäville Google tarjoaa oppaan, jossa muutokset käydään läpi.

Mihin tämä perustuu

1. A2UI 1.0: Build delightful, fast, reliable, agentic experiences- Google Developers Blog

   Julkaisija: developers.googleblog.com · julkaistu 11.11.2026 · noudettu 13.11.2026 05:49 (Suomen aikaa) · löytökanava: verkko

2. github.com

   Julkaisija: github.com · lähteen julkaisuaika ei tiedossa · noudettu 13.11.2026 05:49 (Suomen aikaa) · löytökanava: GitHub

3. Google releases A2UI 1.0 for generative UI

   Julkaisija: sdtimes.com · julkaistu 11.11.2026 19:46 (Suomen aikaa) · noudettu 13.11.2026 05:49 (Suomen aikaa) · löytökanava: verkko

4. What is A2UI? Google's A2UI 1.0, explained — Munder Difflin Blog

   Julkaisija: munderdiffl.in · julkaistu 12.11.2026 02:00 (Suomen aikaa) · noudettu 13.11.2026 05:49 (Suomen aikaa) · löytökanava: verkko

Will DePue julkaisi Unemployment Labs -sivustolla 12. marraskuuta selvityksen, joka perustuu pelkästään mallien julkaistuihin painoihin. Blackwell-jälki näkyy selvityksen mukaan DeepSeek-V4-Flashissa ja -V4-Prossa, Moonshot AI:n Kimi K3:ssa ja K3.1-Prossa, MiniMax-M3:ssa ja Ant Groupin Ling-3.1-flashissa. Samojen yhtiöiden aiempien mallien jälki sopii Nvidian vanhempaan Hopper-sukupolveen. CellCogin mukaan DePue kertoo X-profiilissaan työskennelleensä aiemmin OpenAI:lla.

Miten siru jättää jäljen

Ennen koulutusta mallin painot täytetään satunnaisluvuilla, jotka generaattori tuottaa toistettavasti siemenluvusta. PyTorch jakaa työn GPU:n säikeille. Säikeiden määrä riippuu sirun laskentayksiköiden eli SM-yksiköiden määrästä: Hopperissa niitä on 132, B200- ja B300-siruissa 148 sekä GB200- ja GB300-siruissa 152. Sama siemen sijoittaa siksi samat luvut eri kohtiin eri siruilla.

Osa painoista säilyy lähes ennallaan, esimerkiksi koulutuksessa käyttämättömien sanojen rivit. Myös koulutuksessa muuttuneet painot voivat korreloida heikosti alkuarvojensa kanssa, mutta jälki ei säily jokaisessa koulutusajossa. DePue haki siemenen ja säikeiden määrän, jotka toistavat nämä jäljet. Yhdistelmän hän testasi painoilla, joita haussa ei käytetty.

Tulokset ja niiden rajat

Selvityksen tilastomallin mukaan noin 6 biljoonan yhdistelmän haku tuottaisi sattumalta parhaimmillaan noin 8 sigman osuman. Kuuden mallin vahvimmat tulokset ovat 49 ja 1 385 sigman välillä. B300-sirulla DeepSeekin siemen toisti V4-Flashin 469 valitusta rivistä 461 yli 0,99:n korrelaatiolla. Vuokrattu GB200 toisti kaikki Kimi K3:n 13 säilynyttä riviä. Menetelmä osui oikeaan kaikissa 24 tapauksessa, joissa kehittäjä on kertonut mallin laitteiston. DePue pitää tätä johdonmukaisuustarkistuksena eikä tarkkuusmittauksena.

Jälki kertoo vain, millä laitteistolla alkuarvot luotiin. Selvityksen mukaan se tukee mutta ei todista päätelmää, että mallit myös koulutettiin Blackwell-siruilla. Painot eivät kerro, kuka siruja omisti tai missä ne olivat. Blackwell-järjestelmiä voi vuokrata Kiinan ulkopuolelta. Selvitys ei siksi osoita salakuljetusta eikä vientirajoitusten rikkomista.

Ainoa tunnistettu muu laitteisto, joka voi tuottaa saman jäljen, on vientirajoitusten alainen AMD MI300X, kun sen käyttö rajataan 148 tai 152 laskentayksikköön. V4-Flashin kohdalla DePue sulki sen pois lukujen pienten erojen perusteella. Muiden viiden mallin kohdalla hän pitää sitä hyvin epätodennäköisenä.

Väitteet X:ssä ja kokoarviot

CellCogin ja The Agent Timesin mukaan DePue kutsui X-ketjussaan todisteita kiistattomiksi. Selvitys käyttää sanaa vain V4-Flashista. CellCogin mukaan ketjussa kerrotaan OpenAI:n ja Anthropicin tutkijoiden vahvistaneen tuloksen. Selvitys ei nimeä vahvistajia. Koodi ei ole julkinen, ja selvityksen mukaan skriptit annetaan arvioijille pyynnöstä.

Selvitys arvioi, että kukin viidestä koulutusajosta vaati suuruusluokaltaan 1 500–3 500 Blackwell-GPU:ta puolestatoista kolmeen kuukauteen. Se pitää laskelmaa epävarmana. Laskelma olettaa koulutuksen tapahtuneen samalla laitteistolla, jolla alkuarvot luotiin. Unite.AI ja CellCog referoivat samasta selvityksestä pienempiä lukuja, Unite.AI esimerkiksi 500–3 000 GPU:ta ajoa kohden.

Mihin tämä perustuu

1. Top Chinese Frontier AI Models Carry the Fingerprint of Export-Controlled NVIDIA Blackwell GPUs

   Julkaisija: unemploymentlabs.com · julkaistu 12.11.2026 · noudettu 13.11.2026 05:22 (Suomen aikaa) · löytökanava: verkko

2. Unemployment Labs Reports Blackwell Patterns in Chinese AI Models

   Julkaisija: www.unite.ai · julkaistu 13.11.2026 00:53 (Suomen aikaa) · noudettu 13.11.2026 05:22 (Suomen aikaa) · löytökanava: verkko

3. Report: 6 Chinese AI Models Started on Nvidia Blackwell

   Julkaisija: cellcog.ai · julkaistu 12.11.2026 16:00 (Suomen aikaa) · noudettu 13.11.2026 05:23 (Suomen aikaa) · löytökanava: verkko

4. Report Assigns Blackwell Fingerprints to Six Chinese AI Models

   Julkaisija: theagenttimes.com · julkaistu 13.11.2026 01:09 (Suomen aikaa) · noudettu 13.11.2026 05:23 (Suomen aikaa) · löytökanava: verkko

5. Six Chinese AI Models Show Blackwell GPU Fingerprints

   Julkaisija: emergent.sh · julkaistu 13.11.2026 01:45 (Suomen aikaa) · noudettu 13.11.2026 05:23 (Suomen aikaa) · löytökanava: verkko

Baidun toimitusjohtaja Robin Li julkisti Token Exchange -palvelun Baidu World 2026 -tapahtumassa Pekingissä 12. marraskuuta. Asiasta kertoivat Baidun tiedote ja Pandaily, joka nojaa kiinalaisten IT Homen ja Yicain raportteihin.

Baidu lupaa tarkistaa, mikä malli vastaa

Token Exchange on pörssin kaltainen palvelu, jossa useiden toimittajien malleja käytetään yhden rajapinnan kautta. Pandailyn mukaan Li perusteli palvelua sillä, että tokeneita jälleenmyyviä palveluja on syntynyt paljon. Ostaja ei hänen mukaansa aina voi varmistaa, mikä malli oikeasti vastaa.

Baidu kertoo testaavansa jokaisen tarjottavan mallin ennen listausta. Se vertaa mallin sormenjälkeä eli tunnistetta, jolla mallin voi erottaa toisesta. Se mittaa myös kyvyt, suorituskyvyn ja saatavuuden ja tekee myöhemmin pistokokeita. Toimittajat saavat luottoluokituksen. Jos luokitus laskee, käyttäjä saa varoituksen. Baidu ei ole kertonut, miten sormenjälkitunnistus toimii tai luokitukset lasketaan.

Baidun mukaan rajapinta tukee OpenAI:n ja Anthropicin protokollia. Samaa mallia voi tarjota usea toimittaja, ja kustakin näytetään hinta, ensimmäisen tokenin viive, läpäisykyky ja seitsemän päivän onnistumisosuus.

Tiedotteen mukaan palvelussa on kuukauden jälkeen yli 100 malliresurssia, ja se käsittelee päivässä keskimäärin yli 50 miljoonaa kutsua ja yli 700 miljardia tokenia. Palvelun tuotesivulla luvut ovat yli 70 resurssia, yli 60 miljoonaa kutsua ja yli 200 miljardia tokenia päivässä. Lukuja ei ole vahvistettu riippumattomasti.

Hakukoneelle tehty päättelymalli

Baidu toi Qianfan-pilvialustalleen ERNIE Lightning -mallin, jota tiedote kutsuu nimellä ERNIE Light Deep Thinking. Se tehtiin alun perin Baidun hakuun käsittelemään monimutkaisia pyyntöjä ja työkalukutsuja nopeasti. Nopea malli palvelee käyttäjiä, ja hitaammin päättelevä malli arvioi sen vastauksia ja parantaa sitä jatkuvasti. Baidu Sparse Attention (BSA) -tekniikka tiivistää tekstin tuottamisen aikana välimuistiin tallennettua tietoa aiemmasta tekstistä inferenssin kustannusten alentamiseksi.

Pandailyn mukaan Baidu sanoo mallin toimivan yhdellä kahdeksan kortin Kunlunxin-palvelimella ja inferenssimoottorin kustannusten laskevan yli 30 prosenttia. Vertailutestejä ei ole julkaistu.

Qianfanissa ja OpenRouterissa on ERNIE-Light-DT-1.0, joka Baidun mukaan perustuu avoimen lähdekoodin GLM-malleihin ja Lightning-mallin tutkimukseen. Pandailyn mukaan Baidu ei ole kertonut, onko kyse samasta tuotteesta, eikä julkistanut mallien konteksti-ikkunoita. AICoder-sivusto kertoo Qianfanin dokumentaatioon viitaten, että ERNIE-Light-DT-1.0:n konteksti-ikkuna on miljoona tokenia ja että tuhat syötetokenia maksaa 0,008 juania ja tuhat tuotettua tokenia 0,028 juania.

Videomalli ja sirut

Toinen uusi malli, ERNIE-Wizshot-ME, saa kuvan henkilön puhumaan 4–15 sekunnin 1080p-videolla. Se hyväksyy enintään 4 000 merkin käsikirjoituksen ja maksaa listahinnaltaan 0,7 juania sekunnilta. Baidu väittää tuotantokustannuksen olevan puolet alan tasosta.

Baidu AI Cloud esitteli myös 1 024 kortin Tianchi-supersolmun, jonka yhteydet ovat täysin optisia. Tiedotteen mukaan Kunlunxinin M100-inferenssisiru on toimitettu, ja M300:n odotetaan tulevan vuonna 2027.

Mallien rajapinnat ovat Qianfanissa yritysasiakkaiden ja kumppaneiden käytössä. Token Exchange toimii osoitteessa cysuo.com. Käyttäjän on rekisteröidyttävä puhelinnumerolla ja vahvistettava henkilöllisyytensä.

Mihin tämä perustuu

1. Baidu Puts ERNIE Lightning Reasoning Model and ERNIE-Wizshot-ME Expressive Video Model on Qianfan

   Julkaisija: pandaily.com · julkaistu 13.11.2026 05:25 (Suomen aikaa) · noudettu 13.11.2026 05:45 (Suomen aikaa) · löytökanava: verkko

2. Baidu Launches Token Exchange, a Model Marketplace That Fingerprints Models and Rates Suppliers

   Julkaisija: pandaily.com · julkaistu 13.11.2026 05:26 (Suomen aikaa) · noudettu 13.11.2026 05:45 (Suomen aikaa) · löytökanava: verkko

3. Token Exchange-链接模型供应方与消费方的模型交易服务平台-百度智能云

   Julkaisija: cloud.baidu.cn · julkaistu 11.11.2026 08:16 (Suomen aikaa) · noudettu 13.11.2026 05:45 (Suomen aikaa) · löytökanava: verkko

4. Baidu World 2026 Launches Two ERNIE Application Models: a "Lightning Deep Thinking" Model for Low-Cost 1M-Context Reasoning and Wizshot Micro-Expression for Per-Second 1080p Talking-Head Video —…

   Julkaisija: aicoder.com · julkaistu 12.11.2026 05:10 (Suomen aikaa) · noudettu 13.11.2026 05:45 (Suomen aikaa) · löytökanava: verkko

5. Baidu opens ERNIE application models for search tasks and expressive video — Eigen Radar

   Julkaisija: eigenradar.com · julkaistu 12.11.2026 · noudettu 13.11.2026 05:46 (Suomen aikaa) · löytökanava: verkko

6. Baidu Unveils Latest ERNIE Models Amid Broader Full-Stack AI Lineup, and Debuts Token Exchange to Power Intelligent Organizations

   Julkaisija: www.prnewswire.com · julkaistu 12.11.2026 16:08 (Suomen aikaa) · noudettu 13.11.2026 05:46 (Suomen aikaa) · löytökanava: verkko

7. Model List - QianfanBaidu | Document - Baidu AI Cloud

   Julkaisija: intl.cloud.baidu.com · julkaistu 7.9.2026 · noudettu 13.11.2026 05:45 (Suomen aikaa) · löytökanava: verkko

Kiinalainen iFlytek (科大讯飞) ilmoitti 12. marraskuuta, että sen SparkAudio 1.0 -malli on nyt kehittäjien käytettävissä ohjelmointirajapinnan (API) kautta. Asiasta uutisoi samana päivänä kiinalainen teknologiasivusto IT Home (IT之家).

SparkAudio 1.0 on puheen perusmalli eli laajalla aineistolla koulutettu malli, jota käytetään monien tehtävien pohjana. Se kuuluu iFlytekin Spark-mallisarjaan (讯飞星火). Mallille voi antaa puhetta ja tekstiä, ja se vastaa tekstinä.

Yhtiön mukaan mallilla voi litteroida puhetta, kääntää kielestä toiseen ja tunnistaa murteita sekä ympäristön ääniä. Lisäksi se erottelee puhujat toisistaan, analysoi tunnetiloja ja vastaa monimutkaisiin kysymyksiin äänitallenteesta.

iFlytekin mukaan malli tulkitsee puheen suoraan eikä tekstin kautta

iFlytek perustelee mallia sillä, että ääntä on yleensä käsitelty ketjussa. Ensin puhe muutetaan tekstiksi, ja vasta sitten suuri kielimalli tulkitsee sen. Yhtiön mukaan teksti säilyttää vain sen, mitä sanottiin. Äänensävy, tunnetila ja taustaäänet katoavat. Virheet kasautuvat helposti vaiheesta toiseen ja viivettä syntyy, kun litterointi, puhujantunnistus ja käännös toimivat erillisinä osina.

SparkAudio 1.0 ei yhtiön mukaan pelkästään muuta puhetta tekstiksi vaan tulkitsee sen suoraan. Se tunnistaa kerralla puheen, ympäristön äänet ja musiikin sekä niiden merkityksen, tunnetilan ja tilanteen.

iFlytekin mukaan malli tukee 99 kieltä ja 202 murretta. Väite on yhtiön oma. Uutisissa ei kerrota tarkkuuslukuja eikä luetella tuettuja kieliä, joten esimerkiksi suomen tuki on tarkistettava erikseen.

Käyttökohteiksi yhtiö mainitsee asiakaspalvelun, autojen ohjaamot, monikieliset kokoukset, potilaskertomukset ja sisällön valvonnan. Yhtiön mukaan malli on koulutettu kokonaan kotimaisella eli kiinalaisella laskentakapasiteetilla.

Tiedot yhtiöltä, saatavuus kehittäjäalustalla

Tencent Newsissä julkaistu kiinalaisen IT-uutissivuston (IT时代网) juttu kertoo samat tiedot. Se on oman ilmoituksensa mukaan koottu IT Homen ja muiden lähteiden pohjalta ja osin tekoälyn avulla, joten se ei vahvista iFlytekin väitteitä itsenäisesti.

Rajapinta on tarjolla iFlytekin kehittäjäalustalla iFlytek Open Platformilla (xfyun.cn), ja mallia voi kokeilla yhtiön verkkosivulla. Hintaa uutisissa ei kerrota.

Mihin tämä perustuu

1. 科大讯飞星火语音基座大模型 SparkAudio 1.0 上线 API 服务，支持 99 种语言、202 种方言 - IT之家

   Julkaisija: www.ithome.com · julkaistu 12.11.2026 · noudettu 13.11.2026 05:46 (Suomen aikaa) · löytökanava: verkko

2. 科大讯飞星火语音大模型SparkAudio上线API服务_腾讯新闻

   Julkaisija: news.qq.com · julkaistu 12.11.2026 · noudettu 13.11.2026 05:46 (Suomen aikaa) · löytökanava: verkko

Bloomberg uutisoi 11. marraskuuta TikTokin omistavan ByteDancen tekoälytiimin sisäisestä kokouksesta. Tiedot perustuvat nimettömiin lähteisiin, koska kokous oli yksityinen. ByteDance ei vastannut Bloombergin kommenttipyyntöön. Bloombergin juttu julkaistiin myös Japan Timesissa.

Lähteiden mukaan yhtiön toinen perustaja Zhang Yiming sanoi ByteDancen pystyvän kilpailemaan Anthropicin ja OpenAI:n kanssa kehityksen kärjessä. Hän kuitenkin varoitti, että siihen menee ainakin vuoteen 2029 tai 2030. Zhang käyttää nykyään suuren osan ajastaan ByteDancen tekoälystrategian muovaamiseen kulissien takana.

ByteDance aikoo julkaista lähiviikkoina tekoälyagentin eli ohjelman, joka hoitaa käyttäjän tehtäviä kielimallin avulla. Agentti muistuttaa Musea, jonka Meta esitteli syyskuussa. Muse on puheella käytettävä avustaja, jolla on animoitu hahmo. Meta tarjoaa sitä älylaseissaan ja tulevassa Muse Charm -laitteessa. Bloombergin mukaan ByteDance toivoo agentin auttavan kuromaan eron yhdysvaltalaisiin kärkilaboratorioihin umpeen jo kolmessa vuodessa.

Agentin nimeä ja ominaisuuksia ei ole kerrottu. Ei myöskään tiedetä, tuleeko sille oma laite. Heise onlinen mukaan agentin on määrä hoitaa arkisia tehtäviä, kuten sähköposteja ja verkkotilauksia. Bloombergin jutussa tätä ei mainita.

Zhangin mukaan koulutusaineisto on kertaluokkia kilpailijoita pienempi

Lähteiden mukaan Zhangin suurin huoli on koulutusaineisto. Hänen mukaansa ByteDancen Seed-yksikkö esikouluttaa suuret kielimallinsa aineistoilla, jotka ovat kertaluokkia pienempiä kuin kärkikilpailijoiden. Esikoulutuksessa malli oppii kielen laajasta tekstiaineistosta ennen hienosäätöä.

Zhang toisti myös kantansa, ettei yhtiön pidä nojata tislaukseen eli kouluttaa omaa malliaan toisen, suuremman mallin vastauksilla. Bloombergin mukaan Valkoisen talon virkamiehet ja Anthropicin toimitusjohtaja Dario Amodei ovat arvostelleet yhdysvaltalaismallien tislaamisesta esimerkiksi Alibabaa, Moonshot AI:ta ja Z.ai:ta.

Bloombergin mukaan Seed on Kiinan suurista tekoälytoimijoista ainoa, joka ei ole julkaissut maailmanlaajuisten vertailutestien kärkeen yltävää kielimallia eikä avointen painojen mallia. Viimeisin iso päivitys, Seed 2.1, julkaistiin kesäkuussa. Yhtiön Doubao on silti Kiinan suosituin ChatGPT:n kaltainen keskustelubotti. Seedin noin tuhannen tutkijan ja insinöörin yksikköä johtaa Wu Yonghui, jonka Zhang houkutteli Google DeepMindista vuonna 2025.

Videotekoälyssä ByteDance on jo kärjessä

Bloombergin mukaan videoiden tuottaminen on tekoälyn ainoa osa-alue, jolla ByteDance on selvästi edellä. Yhtiö on kouluttanut laajalla videoaineistollaan Seedance-mallit ja tekee niillä rahaa. Mallit ovat täyttäneet aukon, jonka OpenAI jätti lopettaessaan Sora-palvelunsa.

Bloombergin mukaan Zhangin tavoitteiden keskiössä on suunnitelma käyttää jopa 70 miljardia dollaria ja tehdä Seedancesta Kiinan johtava videotekoälyalusta. The Next Web kuvaa summan tekoälyinfrastruktuuriin varatuksi rahaksi.

Mihin tämä perustuu

1. 바이트댄스, 오픈AI 추격에 최소 3년 전망…'뮤즈' 유사 AI 에이전트 준비 - AI타임스

   Julkaisija: www.aitimes.com · julkaistu 12.11.2026 10:05 (Suomen aikaa) · noudettu 13.11.2026 05:46 (Suomen aikaa) · löytökanava: verkko

2. Donnerstag: Nvidia-Chef angeblich kurz vor Abschied, KI-Agent auch von ByteDance

   Julkaisija: www.heise.de · julkaistu 12.11.2026 07:15 (Suomen aikaa) · noudettu 13.11.2026 05:46 (Suomen aikaa) · löytökanava: verkko

3. ByteDance prepares Muse-like agent in push to close AI gap

   Julkaisija: www.japantimes.co.jp · julkaistu 12.11.2026 03:18 (Suomen aikaa) · noudettu 13.11.2026 05:47 (Suomen aikaa) · löytökanava: verkko

4. ByteDance reportedly plans a Muse-like AI agent within weeks

   Julkaisija: thenextweb.com · julkaistu 11.11.2026 13:31 (Suomen aikaa) · noudettu 13.11.2026 05:47 (Suomen aikaa) · löytökanava: verkko

OpenAI:n tutkijat julkaisivat 10. marraskuuta yhtiön Alignment-tutkimusblogissa selvityksen siitä, miten koulutuksen vaiheet vaikuttavat päättelyketjun valvontaan. Päättelyketju on teksti, jonka päättelymalli kirjoittaa välivaiheiksi ennen vastaustaan. OpenAI:n mukaan ketju yleensä paljastaa mallin aikeet, ja yhtiö valvoo sitä osana turvallisuustyötään.

Selvityksen taustalla on syyskuussa julkaistu GPT-6 Astra, jonka päättelyketjua oli OpenAI:n mukaan aiempia malleja vaikeampi valvoa. Aiempia malleja paremmin Astra kiersi valvontaa lähinnä testeissä, joissa sitä kehotettiin tekemään niin.

Britannian tekoälyn turvallisuusinstituutin UK AISI:n arvion mukaan Astran aikahorisontti matematiikkatehtävissä ilman päättelyketjua oli 30,9 minuuttia (mediaaniarvio). Malli onnistuu siis noin puolessa tehtävistä, joiden ratkaisemiseen ihmiseltä kuluu sen verran aikaa. Aiempi tutkimus ennusti noin 7 minuuttia vasta vuoden 2028 lopulle. AISI:n mukaan arvio voi olla liian suuri, jos tehtäviä on päätynyt koulutusaineistoon.

Kaksi epäsuoraa mittaria

Tutkijat eivät mitanneet valvottavuutta suoraan vaan kahdella sitä ennakoivalla mittarilla, joita he itse pitävät epätäydellisinä. Ensimmäinen on kyky ratkaista tehtäviä ilman päättelyketjua: mitä enemmän malli päättelee näkymättömästi, sitä vähemmän sen tarvitsee kirjoittaa. Toinen on päättelyketjun hallittavuus eli se, miten hyvin malli muokkaa ketjuaan pyynnöstä, esimerkiksi lisää sanan ”meow” kaikkien sanojen väliin.

Pohjamallin perpleksiteetti kertoo, kuinka huonosti malli ennustaa tekstiä. Kun se laski, kyky ratkaista tehtäviä ilman päättelyketjua parani tasaisesti GPT-5:stä Astra-luokkaan. Perpleksiteettiin suhteutettuna Astran tulos oli odotettu, vaikka se ylitti aiemman kehitysvauhdin ajassa mitattuna. Hallittavuuden yhteys perpleksiteettiin oli heikompi.

Useimmissa testeissä arkkitehtuuri ei vaikuttanut tulokseen, kun perpleksiteetti otettiin huomioon. Monivaiheisessa suunnittelussa ja peräkkäisessä laskennassa yksi nimeämätön arkkitehtuuri kuitenkin suoriutui paremmin kuin perpleksiteetti ennusti.

Vahvistusoppiminen kasvatti Astra-luokan mallin hallittavuutta selvästi, vaikka koulutuksessa vain rajoitettiin pituutta ja arvioitiin lopullinen vastaus. Pienemmässä kokeessa selain- ja päätetyökalut sekä niiden käytön arviointi lisäsivät hallittavuutta vain hieman. Tutkijoiden mukaan kokeet eivät täysin erota perpleksiteetin ja työkalujen käytön arvioinnin vaikutuksia.

Hallittavuus voi myös siirtyä mallilta toiselle. Kun samaa pohjamallia hienosäädettiin kahden lähes yhtä kyvykkään opettajamallin vastauksilla, hallittavamman opettajan oppilaasta tuli hallittavampi.

Kahdella mallilla hallittavuus ei ennustanut valvonnan kiertämistä

Tutkijat testasivat kahta yhtä kyvykästä mallia, joiden hallittavuus erosi. Hallittavampi ei kiertänyt valvontaa paremmin, ja yhdessä testissä se onnistui siinä jopa heikommin. Hallittavuuden kasvu ei siis yksin osoita, että mallit harhauttaisivat valvontaa.

Tutkijoiden johtopäätös on silti, että päättelyketjun valvonta vaikeutuu mallien kyvykkyyden kasvaessa. He odottavat, että pohjamallien jatkokehitys vaatii uusia valvontatapoja. The Decoder -uutissivuston tulkinnan mukaan kehittäjät tekevät esimerkiksi arkkitehtuuria valitessaan kompromissin kyvykkyyden, kustannusten ja valvottavuuden välillä.

Mihin tämä perustuu

1. What affects chain-of-thought monitorability across the model lifecycle?

   Julkaisija: alignment.openai.com · julkaistu 10.11.2026 · noudettu 13.11.2026 05:34 (Suomen aikaa) · löytökanava: verkko

2. OpenAI’s data suggests that frontier models are hiding their thoughts because developers optimize for capability and compute

   Julkaisija: the-decoder.com · julkaistu 12.11.2026 18:58 (Suomen aikaa) · noudettu 13.11.2026 05:34 (Suomen aikaa) · löytökanava: verkko

Perplexity kertoi 12. marraskuuta blogissaan julkaisseensa kaksi uutta päätösmallia. Decider v1.3 perustuu Qwen3.8-27B-malliin. Pienempi Decider Flash v1.3 on koulutettu Qwen3.5-4B:n pohjalta jäljittelemään suuremman mallin vastauksia.

Malli ei kirjoita vastausta vaan antaa todennäköisyydet. Sille annetaan teksti tai kuva sekä kysymyksiä vastausvaihtoehtoineen. Kysymys voi olla kyllä tai ei -valinta, monivalinta tai järjestetty asteikko. Perplexity käyttää mallia itse esimerkiksi verkkosivujen laadun suodattamiseen ja agenttien tietoturvalokien tarkistamiseen.

Miten Decider toimii

Perplexity tekee suuresta kielimallista luokittelijan. Seuraavan tokenin ennustamisen korvaa päätöspää, joka lukee vastauksen erityisen merkkitokenin kohdalta. Osa mallin kerroksista lukee syötettä molempiin suuntiin. Versiossa 1.3 kysymykset eristettiin toisistaan, jotta vastaus riippuisi vähemmän siitä, mitä samalla kysytään.

Hugging Facen mallikortin mukaan mallin ohjelmakirjasto ajaa oletuksena kuitenkin jokaisen kysymyksen erikseen. Tällöin muut kysymykset eivät vaikuta vastaukseen. Koulutuksessa käytetty yhteinen ajo on halvempi, kun monella kysymyksellä on sama pitkä syöte, mutta kortin mukaan siinä 1,5–2,2 prosenttia kärkivastauksista poikkeaa oletustilasta.

Uusi Locate-toiminto poimii pyydetyt kohdat, kuten henkilönimet tai henkilötiedot, sanatarkasti merkkipaikkoineen. Perplexity pitää toiminnon erillisenä lisäosana, koska sen yhdistäminen malliin heikensi tavallisia luokitteluvastauksia. Locate toimii vain tekstillä. Jos pyynnössä on sekä poiminta- että luokittelukysymyksiä, malli tarvitsee kummallekin oman laskentakierroksen, mikä lisää viivettä.

Yhtiön omat tulokset

Luvut ovat Perplexityn omia mittauksia. Unite.AI:n uutinen perustuu yhtiön blogiin eikä vahvista niitä riippumattomasti.

Perplexity testasi hakutulosten uudelleenjärjestystä 72 tehtävällä. Mittarina oli nDCG@10, joka kertoo, kuinka hyvin osuvimmat tulokset nousevat kymmenen kärkeen. Decider v1.3 sai keskimäärin 83,99 pistettä. Se on 1,81 pistettä enemmän kuin Qwen3-Reranker-8B ja 2,24 enemmän kuin TypeSafe AI:n Jev 1.14, jonka Perplexity mainitsee Deciderin esikuvaksi.

Hakukyselyjen luokittelussa 63 tehtävässä keskimääräinen tarkkuus oli 91,6 prosenttia. Tulos on 6,54 prosenttiyksikköä parempi kuin Perplexityn nykyisillä luokittelijoilla, mutta oikeat vastaukset oli merkinnyt suuri kielimalli. Miljoonan oikean API-pyynnön otoksessa v1.3 oli kielimalliarvioijien kanssa samaa mieltä 93,98 prosentissa kysymyksistä, v1.2 93,68 prosentissa ja Jev 1.14 93,35 prosentissa. Luku mittaa yhtäpitävyyttä toisen mallin kanssa, ei osumista varmistettuun oikeaan vastaukseen.

Unite.AI:n mukaan Perplexity ilmoitti saman otoksen kustannukseksi 26,47 $ v1.3:lle ja 13,24 $ Flashille. Decider ajettiin omilla laitteilla. Luvuista ei selviä, miten laitteistokulut laskettiin, eikä viivettä mitattu rinnakkain.

Saatavuus ja vaatimukset

Perplexityn mukaan mallit voi ladata Hugging Facesta Apache-lisenssillä, ja niitä voi käyttää myös OpenRouterin ja yhtiön Decisions API:n kautta. Ennen julkistusta 10. marraskuuta luodussa mallikortissa repositorio kuitenkin mainitaan yksityiseksi, ja lataaminen vaatii tunnuksen, jolla on pääsy siihen.

Suuri malli tarvitsee CUDA-yhteensopivan GPU:n, jossa on tilaa noin 49 GiB:n BF16-painoille ja työmuistille. Mallikortin mukaan v1.3 vaatii oman pyyntömuotonsa: aiempien versioiden kehotemuotoa ei pidä käyttää uudelleen, koska vastaukset muuttuvat. Perplexity neuvoo säätämään päätösrajat pienellä omalla merkityllä aineistolla, koska sopiva raja vaihtelee käyttötarkoituksen mukaan.

Mihin tämä perustuu

1. Perplexity Decider v1.3: Training, eval, and use cases

   Julkaisija: www.perplexity.ai · julkaistu 12.11.2026 · noudettu 13.11.2026 05:43 (Suomen aikaa) · löytökanava: verkko

2. perplexity-ai/pplx-decider-v1.3

   Julkaisija: huggingface.co · lähteen julkaisuaika ei tiedossa · noudettu 13.11.2026 05:43 (Suomen aikaa) · löytökanava: verkko

3. Perplexity Releases Decider V1.3 Models with Text-Span Extraction

   Julkaisija: www.unite.ai · julkaistu 12.11.2026 20:45 (Suomen aikaa) · noudettu 13.11.2026 05:43 (Suomen aikaa) · löytökanava: verkko

Googlen Paul Irish kertoi Chrome for Developers -blogissa 12. marraskuuta, miten Chrome-tiimi rakensi Modern Web Guidance -skillin hakukoneen kolmesti uudelleen puolessa vuodessa. Skill on avoimen lähdekoodin ohjekokoelma, jonka vakaa versio julkaistiin samalla viikolla. Se opastaa koodausagentteja käyttämään web-alustan uusia ominaisuuksia vanhojen kiertoteiden sijaan.

Kokoelmassa on yli 200 ohjetta HTML:stä, CSS:stä ja selainten ohjelmointirajapinnoista. Agentti näkee aluksi vain skillin noin 205 tokenin kuvauksen. Frontend-tehtävässä se hakee ohjeita CLI-työkalulla ja saa kymmenen osumaa, jotka vievät noin 530 tokenia. Sen jälkeen se lataa valitsemansa ohjeen kokonaan, noin 800 tokenia. Irishin mukaan MCP-työkalut joko tuhlaavat tokeneita tai agentti ei kutsu niitä luotettavasti, joten tiimi valitsi CLI:n.

Vanha malli ei tuntenut uusia rajapintoja

Ensimmäinen versio vei asennettuna 507 megatavua ja vaati C++-käännöksen, joka epäonnistui usein pilven hiekkalaatikoissa. Toinen versio ajoi all-MiniLM-L6-v2-upotusmallia JavaScriptillä. Upotusmalli muuttaa tekstin lukuvektoriksi, ja merkitykseltään samankaltaiset tekstit saavat lähekkäiset vektorit.

Tuotannossa haku petti. Noin vuosina 2018–2020 koulutettu MiniLM pilkkoi merkityksettömiin osiin uudet rajapintanimet, kuten fetchpriorityn. Lisäksi samankaltaisuuden alaraja 0,38 hylkäsi osuvia tuloksia. Haku ”confirm destructive action” palautti tyhjän listan, ja agentti käytti window.confirm()-kutsua dialog-elementin sijaan.

Tiimi rakensi uuden vertailutestin agenttien todellisista hauista. Telemetria, jonka voi kytkeä pois asetuksella DISABLE_TELEMETRY=1, tallentaa vain agentin 2–5 sanan hakulausekkeen. Tiimi lisäsi semanttisen haun rinnalle avainsanoja vertaavan BM25-haun ja nosti tulosmäärän kymmeneen. Osumaosuus eli se, kuinka usein odotettu ohje on parhaiden tulosten joukossa, nousi 80,6 prosentista 94,7 prosenttiin.

Ohjeiden upotukset pilvessä, kyselyt sanataulukosta

Kolmannessa versiossa ohjeiden upotukset lasketaan julkaisun yhteydessä Googlen gemini-embedding-001-mallilla, koska ohjeet eivät muutu julkaisujen välillä. Kyselyt muunnetaan samaan vektoriavaruuteen ilman neuroverkkoa. Tiimi laski Geminillä upotukset 29 165 sanalle ja hienosääti sanavektorit 33 000 todellisella haulla. Ajon aikana sanojen painotetut vektorit lasketaan yhteen seitsemän rivin silmukassa.

Menetelmä on tarkoitettu lyhyille kyselyille, ja telemetrian mukaan 86,7 prosenttia hauista oli 2–5 sanan mittaisia. Kun tiimi kokeili sanataulukkoa kokonaisten ohjeiden upottamiseen, upotukset menettivät erottelukykynsä. Silloin dialog-ohje oli samankaltaisempi haun ”best pizza in new york” kuin haun ”dialog” kanssa.

Taulukossa ovat tiimin omat mittaukset toisesta ja kolmannesta versiosta.

Lähde: Chrome for Developers -blogi, tiimin omat mittaukset. Version 2 osumaosuus viritetyllä hybridihaulla.

Osumaosuus parani viritetystä toisesta versiosta vain 0,7 prosenttiyksikköä, joten muutos näkyy lähinnä koossa ja nopeudessa. Kun kyselyt upotettiin pilvessä Gemini-rajapinnalla, osumaosuus oli 96,9 prosenttia.

Skill, sen hakukone ja vertailutesti ovat avointa lähdekoodia. Hakutyökalu toimii paikallisesti ilman API-avainta.

Mihin tämä perustuu

1. github.com

   Julkaisija: github.com · lähteen julkaisuaika ei tiedossa · noudettu 13.11.2026 05:44 (Suomen aikaa) · löytökanava: GitHub

2. Local vector search for coding agents: From 507 MB to a 7-line loop | Blog | Chrome for Developers

   Julkaisija: developer.chrome.com · julkaistu 12.11.2026 · noudettu 13.11.2026 05:44 (Suomen aikaa) · löytökanava: verkko

MetaEncoder v1:n mallikortti eli mallin käyttöohje ilmestyi 12. marraskuuta Hugging Facen repositorioon facebook/meta-encoder-v1. Tekoälyjulkaisuja listaava The Deploy Log nimeää julkaisijaksi Metan. Se viittaa samaan Hugging Face -sivuun eikä esitä omaa tietoa.

Ohje muuttaa upotuksen

Upotus on lukujono, joka kuvaa sisällön merkitystä. Samankaltaiset tekstit tai kuvat saavat toisiaan lähellä olevat lukujonot, joten niitä voi hakea, verrata ja ryhmitellä. MetaEncoder tuottaa jokaisesta syötteestä 6 656 luvun vektorin. Syöte voi olla tekstiä, kuva, videon ruutuja tai näiden yhdistelmä.

Mallikortin mukaan sama syöte saa eri ohjeella eri upotuksen. Ohje voi olla esimerkiksi ”Represent the given image.” tai ”Find a document image that matches the given query.” Hakukyselyt ja haettavat asiakirjat saavat yleensä eri ohjeet.

Mallin mukana tulevassa Python-koodissa on kolme pääkutsua: encode tuottaa upotukset, retrieve järjestää aineiston kyselyn mukaan ja decide vastaa kysymyksiin annetusta tilanteesta. Koodi muotoilee kehotteet itse samaan muotoon kuin koulutuksessa.

Päätökset valitaan vaihtoehdoista

Decide ratkaisee hakuna kyllä/ei-kysymyksiä, monivalintoja ja asteikkokysymyksiä. Jokainen vaihtoehto upotetaan. Pisteet riippuvat siitä, kuinka lähellä vaihtoehdon upotus on kysymyksen upotusta. Monivalinnassa voi olla 2–26 vaihtoehtoa. Kukin kysymys ratkaistaan muista riippumatta.

Vastausten todennäköisyydet lasketaan oletuksena koulutuksessa käytetyllä lämpötilalla 0,02. Jos käyttäjällä on valmiiksi merkittyjä esimerkkejä, hän voi sovittaa lämpötilan omaan aineistoonsa calibrate-funktiolla. Vaihtoehdoille voi antaa kuvaukset, mutta kortin mukaan näiden kysymystyyppien koulutusaineistossa oli vain vaihtoehtojen nimet.

Vaatimukset ja avoimet kysymykset

Mallikortissa ei ole vertailutestien tuloksia tekstinä, vain benchmarks.png-niminen kuva. Korttia muokattiin julkaisupäivänä useita kertoja muutaman tunnin aikana. Muutoshistorian mukaan metatietojen rivi ”license: apache-2.0” korvattiin muilla tiedoilla, eikä kortin teksti mainitse lisenssiä. Käyttöehdot kannattaa siis tarkistaa repositoriosta ennen käyttöä.

Malli käsittelee kuvat alkuperäisellä tarkkuudella enintään 4 096 tokeniin asti. Jos videossa on yli kahdeksan ruutua, siitä poimitaan tasaisin välein kahdeksan. Syötteitä ei katkaista, mutta koulutuksessa sekvenssit olivat enintään 16 384 tokenin mittaisia.

Malli ladataan Hugging Facesta, ja se vaatii transformers-kirjaston version 5.15 tai uudemman. Mallikortin mukaan malli mahtuu bf16-tarkkuudella yhdelle 80 gigatavun GPU:lle. Kortissa on ohje myös mallin käyttämiseen suoraan transformers-kirjaston luokilla.

Mihin tämä perustuu

1. facebook/meta-encoder-v1

   Julkaisija: huggingface.co · julkaistu 12.11.2026 · noudettu 13.11.2026 05:44 (Suomen aikaa) · löytökanava: verkko

2. MetaEncoder v1 | The Deploy Log

   Julkaisija: deployedbyai.com · julkaistu 12.11.2026 · noudettu 13.11.2026 05:45 (Suomen aikaa) · löytökanava: verkko

Tidningen Balans kysyi 12. marraskuuta julkaistussa jutussaan Ruotsin suurimmilta taloushallinnon ohjelmistotoimittajilta, miten pitkällä niiden MCP-tuki on. Lehteä julkaisee tilintarkastajien ja tilitoimistojen alan järjestö FAR. Jutun tiedot perustuvat toimittajien omiin vastauksiin.

MCP (Model Context Protocol) on avoin standardi. Sen avulla toisen järjestelmän tietoja ja toimintoja voi käyttää tekoälyavustaja, kuten ChatGPT, Claude tai Google Gemini. Käyttäjä voi esimerkiksi pyytää avustajaa hakemaan raportin sen sijaan, että etsisi sitä itse valikoista. Balansin mukaan avustajan mahdollisuudet riippuvat toimittajan ratkaisusta ja käyttäjän käyttöoikeuksista.

Spiris ja Finago jo käytössä

Spirisin virallinen MCP-palvelin on ollut avoimessa beetatestauksessa kesäkuusta 2026 lähtien. Tilitoimistoasiakkaista vastaavan Simo Panasin mukaan avustaja voi muun muassa luoda tositteita, käsitellä laskuja ja kirjata maksuja. Kun asiakas tai tilitoimiston konsultti on yhdistänyt palvelimen tekoälytyökaluunsa, tekoäly voi Panasin mukaan työskennellä suoraan kirjanpidossa. Yhtiön mukaan palvelua käyttää noin 1 200 käyttäjää noin 1 700 yrityksessä. Spiris suosittelee testaamiaan Claudea ja ChatGPT:tä, mutta palvelimeen voi yhdistää muitakin MCP:tä tukevia työkaluja.

Spirisin toimiala-asiantuntija Jan Söderqvist arvioi, että MCP:n avulla analyysit, ennusteet ja raportit syntyvät hetkessä ja neuvonnan tuottamisaika lähestyy nollaa.

Finago julkaisi MCP-ratkaisun Finago Office -järjestelmäänsä 15. lokakuuta 2026, ja se on käytössä Ruotsissa. Maajohtaja Andreas Näslundin mukaan palvelun käyttöön ottaneiden tilitoimistojen asiakassalkuissa on yhteensä noin 1 500 yritystä. Toimistojen tai aktiivisten käyttäjien määrää yhtiö ei kertonut. Konsultti voi yhdistää palveluun oman tekoälyavustajansa. Balansin taulukon mukaan ulkoiset tekoälyagentit pääsevät palveluun hyväksyttyjen asiakkaiden osalta (”för godkända klienter”). Näslundin mukaan tekoälyagentti voi käsitellä usean asiakkaan tietoja ja etsiä niistä esimerkiksi poikkeamia.

Yhtiön mukaan järjestelmä tarkistaa jokaisen kutsun kohdalla voimassa olevat oikeudet ja kirjaa kaiken tiedonhaun lokiin. ”Tekoälyagentti ei koskaan saa laajempaa pääsyä kuin Finago Officeen yhdistetyllä käyttäjällä on”, Näslund sanoo. Oikeudet ovat hänen mukaansa myös asiakaskohtaisia.

Lundify valituille, Fortnox aikoo julkaista 2027

Björn Lundénin Lundifyssa MCP-palvelinta käyttää kourallinen valittuja kumppaneita ja varhaisia käyttäjiä, sanoo konsernin tuote- ja teknologiajohtaja Henry Arousell. Tilitoimiston konsultti voi toistaiseksi lukea ja tarkistaa yritystensä tietoja. Arousellin mukaan tuki tietojen luomiselle ja muuttamiselle on tulossa pian.

Arousellin mukaan Lundify vaatii kirjautumisen yhteyttä muodostettaessa, ja konsultilla on samat oikeudet kuin Lundifyn suorassa käytössä. Yhtiö aikoo avata palvelun vaiheittain useammille asiakkaille loppuvuoden 2026 ja vuoden 2027 aikana.

Fortnoxilla ei ole omaa MCP-palvelinta. Teknologiajohtaja Magdalena Hallbrandtin mukaan yhtiö aikoo julkaista MCP-ratkaisun vuoden 2027 ensimmäisellä puoliskolla. Kolmansien osapuolten ratkaisut käyttävät jo nyt Fortnoxin avoimia rajapintoja.

Bokiolla ei ole MCP-ratkaisua. Yhtiön Adam Norlin Persson sanoo yhtiön priorisoivan aluetta. Julkaisupäivää hän ei kertonut.

Mihin tämä perustuu

1. MCP kan bli en revolution för redovisningen – så långt har leverantörerna kommit - Tidningen Balans

   Julkaisija: tidningenbalans.se · julkaistu 12.11.2026 16:02 (Suomen aikaa) · noudettu 13.11.2026 05:39 (Suomen aikaa) · löytökanava: verkko

Juristeille tekoälytyökaluja tekevä Harvey kertoi päivityksistä blogissaan 12. marraskuuta. Yhtiön mukaan uusin muutosmerkitty luonnos näyttää edellisen version jälkeiset muutokset mutta ei sitä, miksi aiemmat ehdot hyväksyttiin tai mistä lakiosasto joustoi. Tämä tieto on yhtiön mukaan hajallaan sähköposteissa ja vanhoissa luonnoksissa.

Uusi versio arvioidaan aiempien kierrosten valossa

Kun vastapuoli palauttaa uuden version, Contract Intelligence yhdistää sen olemassa olevaan sopimukseen. Sovellus lisää version yleisnäkymään aiempien kierrosten ja niihin liittyvien sopimusten rinnalle. Harveyn mukaan työkalu ottaa uutta kierrosta tarkistaessaan huomioon lakiosaston jo hyväksymät kannat. Näin myös toinen juristi voi jatkaa tarkistusta, jos alkuperäinen tarkistaja on poissa.

Sopimuksille tulee tilatiedot: tarkistettavana, odottaa vastapuolta ja allekirjoitettu. Yhtiön mukaan lakiosasto näkee niistä yhdestä paikasta, missä vaiheessa kukin sopimus on. Erillistä taulukkoa ei tarvitse päivittää.

Allekirjoitettu sopimus tallentuu sopimusarkistoon, jossa lakiosaston hyväksymät ehdot poimitaan talteen. Harveyn sopimusten tarkistukseen tarkoitetut tekoälyagentit (Contract Review Agents) käyttävät niitä seuraavan sopimuksen muutosehdotuksissa. Käyttäjä voi myös kysyä sopimuksistaan esimerkiksi, mitkä toimittajat vastustivat tietoturvaehtoja ja mitkä ehdot lopulta hyväksyttiin.

Harveyn mukaan sopimukset valmistuvat näin nopeammin. Yhtiö ei esitä väitteelle lukuja. Ominaisuudet ovat ennakkokäytössä: yhtiö ohjaa kiinnostuneet ottamaan yhteyttä asiakasvastaavaansa tai pyytämään esittelyä.

Agentit lajittelevat juristin sähköposteja

Blockchain.News kertoi 13. marraskuuta, että Harvey on julkaissut Outlook-sähköpostiohjelmaan Harvey Agents for Outlook -agentit. Lehden mukaan agentit asettavat viestejä tärkeysjärjestykseen, luonnostelevat vastauksia, luovat tehtäviä ja järjestävät kirjeenvaihtoa. Juristi tarkistaa ja hyväksyy jokaisen toimen.

Lehden jutussa juristitaustaiset henkilöt, osa heistä legal engineer -tehtävissä, kuvaavat mahdollisia käyttötapoja. Agentit voisivat heidän mukaansa koota päivittäisen katsauksen tapaamisista ja kiireellisistä viesteistä, luonnostella kalenterimerkintöjä tuomioistuimen määräysten perusteella ja arkistoida viestejä Harveyn Vault-dokumenttivarastoon. Kyse on arvioista siitä, mihin agentteja voisi käyttää, ei mitatuista tuloksista. Lehti ei kerro testanneensa työkalua. Harveyn blogissa on samasta aiheesta yhtiön oma kirjoitus How Legal Engineers Would Use Harvey Agents for Outlook.

Blockchain.Newsin mukaan Harvey Agents for Outlook -agenttien esittelyä voi pyytää Harveyn alustan kautta.

Mihin tämä perustuu

1. Close Contracts Faster With Every Version in One Place

   Julkaisija: www.harvey.ai · julkaistu 12.11.2026 18:00 (Suomen aikaa) · noudettu 13.11.2026 05:40 (Suomen aikaa) · löytökanava: verkko

2. Harvey Agents for Outlook Streamline Legal Inbox Management

   Julkaisija: blockchain.news · julkaistu 13.11.2026 · noudettu 13.11.2026 05:40 (Suomen aikaa) · löytökanava: verkko

Yhdysvaltalainen teknologiamedia The Information kertoi säännöstä keskiviikkona 11. marraskuuta kahteen lähteeseen vedoten. Investing.comin referoiman uutisen mukaan sääntö voidaan julkistaa jo tässä kuussa. Se on kuitenkin yhä muiden virastojen arvioitavana eikä ole lopullinen.

Yhdysvallat on jo rajoittanut kehittyneimpien tekoälysirujen suoraa vientiä Kiinaan. Kiinalaisyhtiöt ovat silti voineet vuokrata Nvidian GPU-laskentaa esimerkiksi Singaporen ja Malesian datakeskuksista ja kouluttaa malleja tuomatta siruja Kiinaan. Talousmedia 24/7 Wall St.:n mukaan järjestely on laillinen, koska Trumpin hallinto ei sovella Bidenin kauden AI Diffusion -sääntöä. Bloombergin Odd Lots -podcastin mukaan siinä ei tiettävästi ole mitään laitonta.

Eteläkorealainen AI Times kertoo The Informationiin viitaten, että Nvidian Blackwell-sirujen ja uudempien sukupolvien vienti vaatisi luvan seitsemään maahan: Singaporeen, Malesiaan, Thaimaahan, Indonesiaan, Brasiliaan, Norjaan ja Etelä-Afrikkaan. Näiden maiden datakeskusten pitäisi ilmoittaa kauppaministeriölle sirujen vastaanottaja ja käyttötarkoitus. Yhdysvaltalaisyhtiöiden datakeskukset eivät tarvitsisi lupaa, jos ne estävät etäpääsyn Kiinasta ja muista Yhdysvaltain asevientikiellon kohteista. Niidenkin pitäisi raportoida asiakastiedot ja laskentakapasiteetin määrä.

Saksalainen heise kertoo samaan raporttiin viitaten toisin: luvanvaraisten maiden listalla olisivat jo Malesia, Singapore ja Thaimaa. Uusina listalle voisivat tulla Norja, Brasilia ja Etelä-Afrikka.

Kiinalaisyhtiöt yrittävät varata kapasiteettia etukäteen

Reuters kertoi 12. marraskuuta kolmeen lähteeseen vedoten, että kiinalaiset pilvipalveluyhtiöt ja tekoälylaboratoriot yrittävät varata Nvidia-sirujen kapasiteettia Kiinan ulkopuolelta. Le Monde Informatiquen ja AI Timesin referoiman uutisen mukaan yksi suuri pilviyhtiö on harkinnut ennakkovarausta, ja osa yhtiöistä on kysynyt datakeskuksilta varauksia. Pienemmät tekoälykehittäjät harkitsevat yhteydenottoa kaakkoisaasialaisiin GPU-kapasiteetin vuokraajiin. AI Timesin mukaan sopimuksia tai niiden kokoa ei ole vahvistettu.

Le Monde Informatiquen mukaan Reutersin kaksi lähdettä kertoo myös välittäjien kartuttavan kiinalaisilla harmailla markkinoilla vientirajoitettujen Nvidia-sirujen varastoja.

Huolta lisää Remote Access Security Act -lakiesitys, joka antaisi kauppaministeriölle vallan säännellä vientirajoitetun teknologian käyttöä pilvipalvelujen kautta. Edustajainhuone hyväksyi sen tammikuussa äänin 369–22, ja se odottaa senaatin käsittelyä. AI Timesin mukaan Nvidia totesi heinäkuussa, että laki voisi vaikuttaa merkittävästi sen liiketoimintaan. Le Monde Informatique muistuttaa, ettei yleinen etäkäytön kielto ole vielä voimassa.

Taustalla Nvidian johtokriisi

Nvidia ilmoitti 12. marraskuuta toimitusjohtaja Jensen Huangin eronneen välittömästi. Väliaikaisena toimitusjohtajana toimii talousjohtaja Colette Kress. Le Monde Informatiquen mukaan Huang myönsi olleensa uskoton vaimolleen, ja sisäinen tutkinta alkoi, kun julkisuuteen tuli väitteitä, että suhteen toinen osapuoli, singaporelaisen Megaspeedin entinen johtaja Alice Huang, olisi yhteydessä Kiinan tiedustelupalveluun. Reuters ei ole voinut vahvistaa väitteitä, ja Peking kiistää ne.

AI Timesin mukaan The Information arvioi, että sääntö voi kertoa Nvidian vaikutusvallan heikentyneen Washingtonissa, sillä yhtiö on vastustanut ulkomaisten datakeskusten tiukempaa sääntelyä.

Mihin tämä perustuu

1. NVIDIA Announces CEO Transition

   Julkaisija: nvidianews.nvidia.com · lähteen julkaisuaika ei tiedossa · noudettu 13.11.2026 05:15 (Suomen aikaa) · löytökanava: verkko

2. U.S., Europe chip stocks dip as Nvidia board reportedly weighs ousting Huang

   Julkaisija: sg.finance.yahoo.com · julkaistu 12.11.2026 08:38 (Suomen aikaa) · noudettu 13.11.2026 05:21 (Suomen aikaa) · löytökanava: verkko

3. U.S. finalizing rule to block China’s remote AI chip access- The Information

   Julkaisija: finance.yahoo.com · julkaistu 12.11.2026 06:22 (Suomen aikaa) · noudettu 13.11.2026 05:22 (Suomen aikaa) · löytökanava: verkko

4. 미국, 중국의 해외 GPU 임대 규제 추진…중국 기업들 확보 서둘러 - AI타임스

   Julkaisija: www.aitimes.com · julkaistu 12.11.2026 23:33 (Suomen aikaa) · noudettu 13.11.2026 05:22 (Suomen aikaa) · löytökanava: verkko

5. Puces Nvidia : les entreprises chinoises d’IA anticipent de nouvelles restrictions américaines

   Julkaisija: www.lemondeinformatique.fr · julkaistu 12.11.2026 12:32 (Suomen aikaa) · noudettu 13.11.2026 05:22 (Suomen aikaa) · löytökanava: verkko

6. Angst vor neuen KI-Chip-Exportkontrollen: China sichert sich Rechenkapazitäten

   Julkaisija: www.heise.de · julkaistu 12.11.2026 14:55 (Suomen aikaa) · noudettu 13.11.2026 05:22 (Suomen aikaa) · löytökanava: verkko

7. Export Controls Were Supposed to Keep AI Chips Out of China. The Rental Loophole Shows Why They Haven’t

   Julkaisija: finance.yahoo.com · julkaistu 12.11.2026 18:40 (Suomen aikaa) · noudettu 13.11.2026 05:22 (Suomen aikaa) · löytökanava: verkko

8. Commerce Department Finalizing Long-Awaited AI Remote Access Rule

   Julkaisija: www.theinformation.com · julkaistu 12.11.2026 04:52 (Suomen aikaa) · noudettu 13.11.2026 05:21 (Suomen aikaa) · löytökanava: verkko

Notion Labs kertoi 9. marraskuuta asiakkailleen, että sen tekoälyalihankkijaan Fireworks AI:hin kohdistuneessa murrossa vuoti Notion AI -keskusteluja. Notionin tietoturvatiedotteen mukaan vuoto koskee alle prosenttia Notionin työtiloista, ja selvitys jatkuu.

Fireworks AI on alusta, jonka kautta kehittäjät käyttävät avointen painojen malleja. SecurityWeek kertoo Fireworksin tiedotteeseen viitaten, että hyökkääjät pääsivät 24. lokakuuta yhtiön tutkimuskoneisiin kolmannen osapuolen pilvipalvelun kautta.

Fireworks ilmoitti murrosta Notionille 2. marraskuuta. Notion arvioi aluksi, että vuoto koski vain synteettistä testidataa. Notion katkaisi yhteydet Fireworksiin 3. marraskuuta aamuun mennessä. Fireworks kertoi 6. marraskuuta, että myös asiakasdataa saattoi vuotaa. Vuotaneen aineiston se vahvisti 8. marraskuuta.

Vuotaneet keskustelut tulivat Insights-toiminnosta

Notion käytti Fireworksia avointen painojen mallien inferenssiin ja Insights-toimintoon. Insights näyttää työtilan ylläpitäjille, miten jäsenet käyttävät Notion AI:ta. Toimintoa varten Notion lähetti tallennetut keskustelut Fireworksille luokiteltaviksi. Notion on nyt poistanut Insightsin käytöstä.

Notionin mukaan vuotaneissa keskusteluissa on kaikki, mitä käyttäjä kirjoitti mallille ja mitä malli vastasi. Työkalukutsujen tuloksia ei ollut mukana. Useimmissa työtiloissa keskusteluihin ei ollut merkitty kirjoittajaa eikä työtilaa. Notion kuitenkin muistuttaa, että itse teksti voi sisältää arkaluonteisia tietoja.

Japanilaisen ITmedian mukaan ainakin kolme japanilaisyritystä on kertonut mahdollisesta vuodosta. Tietoturvayhtiö SecureNavin mukaan tiedoissa voi olla asiakasyritysten ja yhteyshenkilöiden nimiä sekä tapaamisten sisältöjä. Yritykset selvittävät yksityiskohtia vielä.

Notion: Fireworks säilytti dataa sopimuksesta huolimatta

Nollasäilytys (zero data retention, ZDR) tarkoittaa sopimusta, jonka mukaan palveluntarjoaja ei tallenna tekoälylle lähetettyjä syötteitä eikä vastauksia. ITmedian mukaan Notion on kertonut, että vuoto voi koskea myös nollasäilytyssopimuksen tehneitä yritysasiakkaita.

Notionin mukaan sen ZDR-lupaus koskee pyyntöjä, jotka se lähettää mallitoimittajille tuottaakseen Notion AI:n vastaukset. Lupaus ei kata toimintoja, joita varten Notionin pitää tallentaa keskusteluja, esimerkiksi keskusteluhistoriaa ja Insightsia. Insightsin osalta Fireworks oli kuitenkin Notionin mukaan sitoutunut sopimuksessa nollasäilytykseen. Notionin selvityksessä paljastui, että Fireworks oli säilyttänyt Notionin käyttämien rajapintojensa kautta kulkenutta dataa.

ITmedian mukaan Fireworks ei ole havainnut vaikutuksia palveluihinsa, joissa nollasäilytys on oletuksena. Se ei ole kertonut, miten Notionin käyttämät rajapinnat liittyvät näihin palveluihin. Notion kertoo tarkastavansa nyt kriittiset alihankkijansa.

Mitä asiakkaiden pitää tehdä

Notion on ottanut yhteyttä asiakkaisiin, joita vuoto koski. Jos yhteydenottoa ei ole tullut, toimia ei Notionin mukaan nyt tarvita. Jäsenet näkevät useimmissa työtiloissa omat vuotaneet keskustelunsa tietokoneen selaimella sivupalkin ?-valikon kohdasta Security incident review. Omistaja näkee samasta kohdasta jäsenet, joita vuoto koski. Koko työtilan vuotaneen sisällön omistaja saa CSV-tiedostoina, jos työtilalla on vahvistettu verkkotunnus.

Notion kehottaa vaihtamaan Notion AI:hin vuodon aikana liitetyt salasanat, API-avaimet ja muut tunnukset. Notion kertoo mitätöineensä keskusteluista löytyneet Notionin myöntämät API-avaimet ja ilmoittaneensa muiden palvelujen avaimet niiden myöntäjille.

Mihin tämä perustuu

1. Fireworks AI incident

   Julkaisija: www.notion.com · lähteen julkaisuaika ei tiedossa · noudettu 13.11.2026 05:32 (Suomen aikaa) · löytökanava: verkko

2. Cyberattack on Fireworks AI allowed hackers to access Notion customers' chat transcripts | TechCrunch

   Julkaisija: techcrunch.com · julkaistu 12.11.2026 17:02 (Suomen aikaa) · noudettu 13.11.2026 05:32 (Suomen aikaa) · löytökanava: verkko

3. 「AI処理、データ非保持が守られず」――Notionが委託先の問題指摘、漏えいの恐れ巡り

   Julkaisija: www.itmedia.co.jp · julkaistu 13.11.2026 12:22 (Suomen aikaa) · noudettu 13.11.2026 05:32 (Suomen aikaa) · löytökanava: verkko

4. Notionの「AIチャット流出懸念」影響広がる 国内企業が相次ぎ報告 「打ち合わせ内容」も漏えいか

   Julkaisija: www.itmedia.co.jp · julkaistu 12.11.2026 16:39 (Suomen aikaa) · noudettu 13.11.2026 05:32 (Suomen aikaa) · löytökanava: verkko

5. Fireworks AI incident

   Julkaisija: www.notion.com · julkaistu 12.11.2026 · noudettu 13.11.2026 05:32 (Suomen aikaa) · löytökanava: verkko

6. Notion Customer Data Compromised in Fireworks AI Hack

   Julkaisija: www.securityweek.com · julkaistu 12.11.2026 13:08 (Suomen aikaa) · noudettu 13.11.2026 05:32 (Suomen aikaa) · löytökanava: verkko

7. Notice about the Fireworks AI incident that may impact some Notion workspaces – Notion Help Center

   Julkaisija: www.notion.com · lähteen julkaisuaika ei tiedossa · noudettu 13.11.2026 05:32 (Suomen aikaa) · löytökanava: verkko

Reuters kertoi torstaina 12. marraskuuta IT-konsulttiyhtiö Capgeminin kyselystä, joka koski suuryritysten tekoälykuluja. Siihen vastasi 500 johtajaa kymmenessä maassa. Heidän yritystensä vuotuinen liikevaihto on yli miljardi dollaria. Capgemini auttaa itse yrityksiä ottamaan tekoälyä käyttöön järjestelmissään.

Vastaajista 59 % sanoi tekoälyyn kuluneen viimeisten 12 kuukauden aikana selvästi yli odotusten tai budjetin, keskimäärin 24 % enemmän. Tekoälykuluista on huolissaan 53 % johtajista, kun vuotta aiemmin osuus oli 45 %.

Lähi-idän ja Pohjois-Afrikan startup-uutisiin keskittyvä Jawlah kertoo Capgeminin tutkimuksesta lisää lukuja. Sen mukaan 21 % organisaatioista ylitti budjettinsa yli 30 prosentilla. Vain 56 % on täysin varma pystyvänsä ennustamaan, miten kulut muuttuvat käytön kasvaessa.

Avointen painojen mallin painot voi ladata ja ajaa omilla tai itse valituilla palvelimilla. Esimerkkejä ovat DeepSeekin ja Mistralin mallit. Suljettuja malleja käytetään kehittäjän pilvipalvelun kautta, esimerkiksi Claudea, ChatGPT:tä ja Geminiä.

Halvempi token ei ole koko hinta

Capgeminin mukaan avointen painojen mallien tokenit ovat keskimäärin 87 % halvempia kuin suljettujen mallien. Token on tekstin pätkä, jonka määrän mukaan mallin käyttö yleensä hinnoitellaan.

Capgemini nostaa esiin useiden kehittäjien malleja välittävän OpenRouter-palvelun. Syyskuussa avointen painojen mallit hoitivat 72 % sen liikenteestä mutta veivät vain 27 % käyttöön kuluneesta rahasta. Jawlah huomauttaa, että luvut koskevat OpenRouteria eivätkä välttämättä päde kaikkiin yrityksiin tai koko markkinoihin.

Jawlah muistuttaa myös, ettei avointen painojen mallin ajaminen ole ilmaista. Yritys tarvitsee laskentakapasiteettia ja henkilöstöä, joka ylläpitää, suojaa ja valvoo malleja. Jawlahin mukaan Capgeminin tutkimuksessa noin puolet johtajista sanoi, että tekoälykuluja hyväksytään joskus ilman riittävää kuvaa kokonaiskustannuksista. Vain noin kolmannes osaa arvioida luotettavasti epäsuorat kulut, kuten tulosten tarkastamisen ja virheiden korjaamisen.

Suljetut mallit jäävät vaativiin tehtäviin

Puolet vastaajista aikoo käyttää suljettuja malleja, kun tehtävän vaativuus oikeuttaa korkeamman hinnan. Jawlahin mukaan yli kolme viidesosaa johtajista odottaa organisaationsa siirtyvän seuraavan 12 kuukauden aikana monimallistrategiaan. Siinä rutiinitehtävät ohjataan halvemmille ja vaativat tehtävät kehittyneemmille malleille.

Reuters liittää kyselyn samaan suuntaan viittaaviin uutisiin. SAP:n talousjohtaja kertoi lokakuussa yhtiön korvaavan osan kalleimmista tekoälymalleistaan halvemmilla, kun suorituskyky säilyy. Anthropic aloitti tällä viikolla listautumisantinsa sijoittajakierroksen. Reutersin mukaan se varoittaa listautumisesitteessään asiakkaiden voivan siirtyä halvempiin vaihtoehtoihin, myös avointen painojen malleihin.

Mihin tämä perustuu

1. Major companies turn to open-weight AI models to cut costs | Jawlah

   Julkaisija: jawlah.co · julkaistu 12.11.2026 17:37 (Suomen aikaa) · noudettu 13.11.2026 05:35 (Suomen aikaa) · löytökanava: verkko

2. 研究顯示，多數大型企業計畫增加使用開放權重AI以控制帳單

   Julkaisija: today.line.me · julkaistu 12.11.2026 11:01 (Suomen aikaa) · noudettu 13.11.2026 05:36 (Suomen aikaa) · löytökanava: verkko

3. Most large firms plan higher open-weight AI use to cap bills, study shows - AOL

   Julkaisija: www.aol.com · julkaistu 12.11.2026 11:01 (Suomen aikaa) · noudettu 13.11.2026 05:36 (Suomen aikaa) · löytökanava: verkko

SpaceX julkisti suunnitelmansa torstaina 12. marraskuuta. Ilmoituksesta kertoivat muun muassa The New York Times ja Dow Jones. Luvut ja luvatut hyödyt ovat yhtiön omia. NYT:n mukaan yhteissumma on 74 miljardia dollaria, Dow Jonesin mukaan yli 74 miljardia.

Texasin kampukselle oma sähköntuotanto

NYT:n mukaan Texasin kampus rakennetaan SpaceX:n omistamalle 444 eekkerin (noin 180 hehtaarin) alueelle Starbasen rakettitukikohdan lähelle. Dow Jonesin mukaan siellä on tarkoitus kouluttaa kärkimalleja. Summa vaihtelee lähteittäin: NYT kertoo 24 miljardista dollarista, Dow Jones noin 24 miljardista ja Anadolu yli 24 miljardista.

Yhtiön mukaan kampus tuottaa sähkönsä itse eikä ota sitä julkisesta verkosta. The Next Webin mukaan SpaceX rakentaa kampukselle oman kaasuvoimalan ja käyttää sitä itse. NYT:n mukaan ei ole selvää, tarvitseeko hanke vielä lupia.

Yhtiön mukaan hanke on jo luonut yli 3 000 rakennustyöpaikkaa, ja valmiin kampuksen odotetaan tuovan yli 500 pysyvää työpaikkaa.

Dow Jonesin mukaan Texasin tuleva demokraattikuvernööri Gina Hinojosa on arvostellut datakeskuksia, mutta analyytikot odottavat enimmäkseen hänen sallivan luvan saaneiden tai jo aloitettujen hankkeiden jatkua. SpaceX:n mukaan ”hankkeen täyden potentiaalin toteutuminen edellyttää vakaata, kilpailukykyistä ja myönteistä poliittista ympäristöä, jossa näin suuret hankkeet voivat edetä”.

Arizonan hanke odottaa piirikunnan hyväksyntää

Arizonan Cochisen piirikuntaan suunniteltu kampus maksaisi 50 miljardia dollaria. Yhtiön mukaan se toisi noin 5 500 rakennustyöpaikkaa ja 1 000 pysyvää työpaikkaa. Teslanorth-sivuston mukaan yhtiön hankesivulla kuvataan yhdeksän rakennusta, enintään 6 gigawatin teho ja 24 gigawattitunnin akusto. Rakentamisen tavoitevuosi on 2027, mutta Teslanorthin mukaan se ei ole avaamispäivä.

SpaceX sanoo käyttävänsä yhdessä paikallisten sähköosuuskuntien kanssa alueen nykyistä uusiutuvaa energiaa ja jäähdyttävänsä laitteet kuivajäähdytyksellä ilman pohjavettä. Yhtiön arvion mukaan osuuskuntien jäsenten sähkölaskut voisivat pienentyä jopa 20 prosenttia. The Next Webin mukaan ei ole selvää, käyttääkö Arizonan kampus myös kaasua.

The Next Web kertoo paikallislehteen viitaten, että sadat asukkaat arvostelivat viime viikon kokouksessa SpaceX:ää veden, sähkölaskujen ja luonnonvaraisten eläinten vuoksi. Teslanorth viittaa aiempiin uutisiin, joiden mukaan piirikunnan kuuleminen on 9. joulukuuta.

SpaceX vuokraa laskentatehoa Anthropicille ja Googlelle

Tänä vuonna pörssiin listautunut SpaceX vuokraa laskentatehoa muille tekoälyyhtiöille. NYT:n mukaan yhtiö kertoi lokakuussa, että tekoälyliiketoiminta tuotti yli puolet sen liikevaihdosta. Anthropic on sitoutunut maksamaan enintään 120,5 miljardia dollaria vuoteen 2029 mennessä, ja Google maksaa 920 miljoonaa dollaria kuukaudessa.

NYT:n mukaan SpaceX:n investoinnit nousivat heinä–syyskuussa 19,6 miljardiin dollariin eli lähes kolminkertaisiksi vuodentakaisesta. Talousjohtaja Bret Johnsen arvioi lokakuussa, että loka–joulukuun investoinnit ovat todennäköisesti 35–40 miljardia dollaria.

Mihin tämä perustuu

1. SpaceX unveils over $74B in US supercomputer campus investments

   Julkaisija: www.xn--anadoluajans-d5b.gov.tr · lähteen julkaisuaika ei tiedossa · noudettu 13.11.2026 05:49 (Suomen aikaa) · löytökanava: verkko

2. SpaceX Plans $74 Billion Investment to Build Data Centers in Texas and Arizona

   Julkaisija: www.nytimes.com · julkaistu 12.11.2026 21:29 (Suomen aikaa) · noudettu 13.11.2026 05:48 (Suomen aikaa) · löytökanava: verkko

3. SpaceX Plans More Than $74 Billion in Texas, Arizona Data-Center Investments

   Julkaisija: www.morningstar.com · julkaistu 12.11.2026 19:13 (Suomen aikaa) · noudettu 13.11.2026 05:48 (Suomen aikaa) · löytökanava: verkko

4. SpaceX plans $74B of AI computing centres in Arizona and Texas

   Julkaisija: thenextweb.com · julkaistu 12.11.2026 19:54 (Suomen aikaa) · noudettu 13.11.2026 05:48 (Suomen aikaa) · löytökanava: verkko

5. SpaceX Unveils $74 Billion Texas and Arizona AI Expansion

   Julkaisija: teslanorth.com · julkaistu 12.11.2026 19:56 (Suomen aikaa) · noudettu 13.11.2026 05:48 (Suomen aikaa) · löytökanava: verkko

6. SpaceX (SPCX) to Spend $74 Billion on Supercomputer Campuses in Texas and Arizona

   Julkaisija: markets.businessinsider.com · julkaistu 12.11.2026 20:03 (Suomen aikaa) · noudettu 13.11.2026 05:49 (Suomen aikaa) · löytökanava: verkko

Salesforce julkaisi 12. marraskuuta Hugging Facessa SOV-Transcribe-1-mallin, joka muuttaa äänitallenteen tekstiksi. Malleja vertaileva Artificial Analysis (AA) julkaisi samana päivänä X:ssä oman mittauksensa. AA-WER-indeksi mittaa, kuinka suuren osan sanoista malli litteroi väärin, ja pienempi luku on parempi. Siinä malli sai 2,3 prosenttia. AA:n mukaan se on paras avointen painojen malli ja seitsemäs 44 mallin vertailussa, jossa on mukana myös suljettuja kaupallisia malleja.

AA:n julkaisun kuvassa seuraavaksi parhaat avointen painojen mallit saavat kumpikin 2,8 %: Mistralin Voxtral Small ja NVIDIA:n Nemotron 3.5 Transcribe. Koko vertailun kärjessä on Alibaban Fun-Realtime-ASR-preview 1,7 prosentilla.

AA:n toisen julkaisun mukaan malli litteroi Salesforcen ylläpitämässä palvelussa minuutin ääntä noin sekunnissa.

Rakenne ja parametrit

Malli käsittelee koko tallenteen kerralla eikä tuota tekstiä puheen edetessä. Kiinalainen hub.baai.ac.cn (智源社区) -sivusto julkaisi AREX-tekoälyagentin koostaman artikkelin, joka referoi mallikorttia. Sen mukaan malli yhdistää Whisper large-v3 -äänikooderin ja Gemma 4 26B A4B -kielimallin. Kielimalli on MoE-malli, joka käyttää kunkin tokenin käsittelyyn vain osaa parametreistaan. Kaikkien parametrien on silti oltava muistissa.

Lähteiden parametrimäärät eroavat. Salesforcen blogin mukaan aktiivisia parametreja on 4 miljardia ja kaikkiaan 26 miljardia. AA:n mukaan aktiivisia parametreja on 4,6 miljardia. Mallikortin mukaan aktiivisia on 4,6 miljardia ja kaikkiaan 26,6 miljardia äänikooderi mukaan lukien.

Yhtiön omat vertailut

AA on julkaissut mallista sanavirheosuuden ja nopeuden. Muut tulokset ovat Salesforcen omia. Yhtiön mukaan malli muotoilee tekstin tavallisella kielellä kirjoitettujen ohjeiden perusteella. Kun mallille annetaan avainsanoja, kuten harvinaisia nimiä, se litteroi ne yhtiön testissä tarkemmin: avainsanojen F1-luku nousi 71,9:stä 96,8:aan.

Taulukossa on Salesforcen ilmoittama sanavirheosuus neljässä testissä. Yhtiö valitsi itse sekä testit että vertailtavat mallit.

Lähde: Salesforcen julkaisu. Open ASR- ja ContextASR-rivit AREXin artikkelin mukaan. Pienempi luku on parempi.

AREXin mukaan malli jää Open ASR -testissä molemmista kilpailijoista jälkeen kaikilla kuudella englannin ulkopuolisella kielellä. Suomi ei ole mallikortin tuettujen kielten joukossa. Tuettuja ovat englanti, ranska, saksa, espanja, italia, portugali ja hollanti. Pisin testattu tallenne kesti 30 minuuttia.

Painot voi ladata Hugging Facesta Apache 2.0 -lisenssillä. Mallikortin mukaan yksi RTX PRO 6000 Blackwell Server Edition -näytönohjain litteroi apumallin (SOV-Transcribe-1-DFlash) kanssa enimmillään 1 039 sekuntia ääntä sekunnissa. Luku mitattiin vLLM-ohjelmiston marraskuun 2026 kehitysversiolla, johon mallin tuki on rakennettu suoraan. Virallisessa vLLM:ssä tätä tukea ei vielä ole, sillä se on vasta lähetetty vLLM:n kehittäjille. Nyt mallia ajetaan lisäosan avulla. Apumallin kanssa samanaikaisten pyyntöjen raja pitää laskea 64:ään, koska vLLM:n oletusraja 1 024 kuluttaa muistin loppuun eikä malli mahdu 96 gigatavun näytönmuistiin. Salesforce kertoo julkaisevansa teknisen raportin myöhemmin.

Mihin tämä perustuu

1. Introducing Salesforce SOV-Transcribe-1: #1 Open-Weight Model Built for Real-World Speech

   Julkaisija: huggingface.co · julkaistu 12.11.2026 18:43 (Suomen aikaa) · noudettu 13.11.2026 05:33 (Suomen aikaa) · löytökanava: verkko

2. Salesforce’s SOV-Transcribe-1 Ranks First Among Open-Weight Speech Models | TokenPost

   Julkaisija: www.tokenpost.com · julkaistu 12.11.2026 22:06 (Suomen aikaa) · noudettu 13.11.2026 05:33 (Suomen aikaa) · löytökanava: verkko

3. SOV-Transcribe-1 is the new #1 open weights Speech to Text model, scoring 2.3% on the AA-WER Index with 4.6B active parameters. It ranks #7 of 44 models overall, including proprietary models.…

   ArtificialAnlys · Julkaisija: x.com · julkaistu 12.11.2026 18:30 (Suomen aikaa) · noudettu 13.11.2026 04:14 (Suomen aikaa) · löytökanava: X

4. On Salesforce's hosted endpoint, SOV-Transcribe-1 reaches a Speed Factor of 60x, transcribing 1 minute of audio in about 1 second https://t.co/BPjue01o2O

   ArtificialAnlys · Julkaisija: x.com · julkaistu 12.11.2026 18:30 (Suomen aikaa) · noudettu 13.11.2026 04:14 (Suomen aikaa) · löytökanava: X

5. Salesforce 开源语音转文本模型 SOV-Transcribe-1 上线 Hugging Face，Artificial Analysis 实测 2.3% 列开放权重第一 - 智源社区

   Julkaisija: hub.baai.ac.cn · lähteen julkaisuaika ei tiedossa · noudettu 13.11.2026 05:33 (Suomen aikaa) · löytökanava: verkko