AI Aulis

AI-UUTISET SUOMEKSI · 15.11.2026

Tekoälyalan tärkeimmät uutiset joka aamu. Tekoäly kirjoittaa ja tarkastaa jutut alkuperäisiä lähteitä vasten – tarkista tärkeät tiedot lähteistä.

26 juttua · seuraava numero huomenna aamulla · Miten lehti tehdään →

Numero · 15.11.2026

Päivän ydin

Pääuutinen

Cursor: Fireworksilta vuotanut avain johti haitalliseen Claude Code -laajennukseen

Tekoälyn tuottama sisältöTekoälyn kirjoittama

bleepingcomputer.com, cybersecuritynews.com, ai.info, paktechstan.com, cursor.com · 5 lähdettä · Lähteet julkaistu: 29.10.2026–14.11.2026

Cursorin mukaan hyökkääjä sai Fireworks AI:lle annetulla avaimella koodausagenttien istuntotallenteita, joista löytyneillä tunnuksilla se pääsi Cursorin sisäisiin palveluihin ja lopulta laajennuskaupan välimuistiin. Kauppa jakoi 29.10. noin 11 tuntia takaovellista Claude Code -laajennusta.

Cursor-koodieditorin kehittäjä selvitti 13. marraskuuta julkaisemassaan päivityksessä, miten lokakuun tietomurto eteni. Murrosta kertoneet BleepingComputer, Cyber Security News ja ai.info nojaavat Cursorin omaan selvitykseen.

Avaimesta tunnuksiin ja laajennuskauppaan

Cursorin mukaan hyökkääjä sai käsiinsä avaimen, jonka yhtiö oli antanut tekoälymallien koulutusta ja inferenssiä tarjoavalle Fireworks AI:lle. Avaimella pääsi lukemaan tallennustilaa, jonka kautta Cursor jakoi aineistoa Fireworksille.

Tallennustilassa oli koodausagenttien istuntotallenteita, pääosin vuodelta 2025. Ne olivat peräisin käyttäjiltä, joilla Privacy Mode ei ollut käytössä. Heidän aineistoaan Cursor sai käyttää mallien koulutukseen. Osaan tallenteista oli jäänyt tunnuksia.

Niillä hyökkääjä pääsi Cursorin käyttämiin verkkopalveluihin ja sai sieltä muun muassa asiakastuen viestejä, asiakkaiden tuelle lähettämiä tunnuksia sekä arkistoituja lähdekoodirepositorioita, joita ei käytetä tuotannossa.

Cursorin mukaan istuntotallenteita paljastui alle 0,05 prosentilta käyttäjistä ja API-tunnuksia alle 0,01 prosentilta asiakkaista. Luvut eivät kerro, moniko sai haittaohjelman.

Takaovi Claude Code -laajennuksessa

Varastetulla tunnuksella hyökkääjä sijoitti 29. lokakuuta muokattuja kopioita Anthropicin Claude Code -laajennuksesta välimuistiin, josta Cursorin VS Code -laajennuskauppa jakaa laajennuksia. Kyse oli Windowsin ja macOS:n versioista 2.1.312 ja 2.1.313. Cursorin mukaan Anthropicin oma laajennus ja Open VSX -kauppa, josta Cursor hakee laajennukset, eivät vaarantuneet.

Cursorin 29. lokakuuta julkaiseman tietoturvatiedotteen mukaan laajennus lähetti hyökkääjälle koneen tietoja, myös ympäristömuuttujien nimet mutta ei niiden arvoja. Se myös lisäsi koneelle hyökkääjän SSH-avaimen ja yritti avata käänteisen SSH-tunnelin. Tunnelissa saastunut kone ottaa itse yhteyden hyökkääjän palvelimeen, jolloin hyökkääjä voi kirjautua koneelle sen kautta. Haittakoodi pyrki pysymään koneella macOS:ssä LaunchAgentin ja Windowsissa ajastetun tehtävän avulla.

Cursorin mukaan haitallisen version saattoi saada enintään 5 000 käyttäjää, jotka pyysivät näitä versioita noin 11 tunnin aikana. Luku on mahdollinen jakelumäärä, ei toteutuneiden takaovien määrä. Koodivirheet ja puuttuvat järjestelmänvalvojan oikeudet estivät yhtiön mukaan etäkirjautumisen useimmilla koneilla. Microsoftin uhkatiedusteluyksikkö totesi ai.infon mukaan, että koodi saattoi silti kirjoittaa avaimen ja käynnistystiedostot. Hyökkääjän palvelin on otettu pois verkosta.

Cursorin mukaan murto ei ulottunut tuotantojärjestelmiin, virallisiin päivityksiin, asiakkaiden repositorioihin eikä Privacy Moden käyttäjien koodiin. Yhtiö siirsi inferenssin pois Fireworksilta, vaihtoi tunnukset ja rakensi laajennuskaupan uudelleen. Hyökkääjän viimeksi havaittu toiminta 1. marraskuuta estettiin, ja Cursor uskoo murron olevan hallinnassa.

Näin tarkistat koneen

Ohje koskee käyttäjiä, jotka asensivat tai päivittivät jommankumman version Cursorin laajennuskaupasta macOS:llä tai Windowsilla 29.10. kello 2.27–13.35 Tyynenmeren aikaa. Tartunnan tunnistaa svc-telemetry-nimisestä avaimesta SSH:n authorized_keys-tiedostossa. Cursorin mukaan laajennuksen poistaminen ei välttämättä riitä, koska haittakoodin jättämät skriptit jatkavat toimintaansa.

Cursorin tiedotteessa on skriptit koneen tarkistamiseen ja puhdistamiseen. Yhtiö neuvoo vaihtamaan koneelta käytettävissä olleet tunnukset toiselta, luotettavalta koneelta, koska hyökkääjä on voinut päästä niihin myöhemmin takaoven kautta. Se neuvoo myös harkitsemaan koneen uudelleenasennusta.

Mihin tämä perustuu

  1. Cursor confirms security breach led to malicious Claude Code extension

    Julkaisija: bleepingcomputer.com · julkaistu 14.11.2026 19:27 (Suomen aikaa) · noudettu 15.11.2026 05:08 (Suomen aikaa) · löytökanava: verkko

  2. Cursor Reveals How a Leaked Fireworks AI Key Led to a Backdoored Claude Code Extension

    Julkaisija: cybersecuritynews.com · julkaistu 14.11.2026 11:09 (Suomen aikaa) · noudettu 15.11.2026 05:08 (Suomen aikaa) · löytökanava: verkko

  3. Cursor traces security incident to exposed Fireworks key

    Julkaisija: ai.info · julkaistu 14.11.2026 04:07 (Suomen aikaa) · noudettu 15.11.2026 05:08 (Suomen aikaa) · löytökanava: verkko

  4. Cursor Traces Its October Breach to a Leaked Fireworks Key, Closing a Two-Week Investigation — Paktechstan

    Julkaisija: paktechstan.com · julkaistu 14.11.2026 07:59 (Suomen aikaa) · noudettu 15.11.2026 05:09 (Suomen aikaa) · löytökanava: verkko

  5. Security notice — malicious version of Anthropic.claude-code (2.1.312 and 2.1.313) identified in the Cursor VS Code Extension Marketplace · Cursor

    Julkaisija: cursor.com · julkaistu 29.10.2026 14:00 (Suomen aikaa) · noudettu 15.11.2026 05:08 (Suomen aikaa) · löytökanava: verkko

Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Päivän tärkeimmät

Anthropic neuvoo jättämään ”think hard” -kehotteet pois Opus 5.5:n kanssa

Tekoälyn kirjoittama

claude.com + 1 lähde · 14.11.2026

Tekoälyn tuottama sisältöTekoälyn kirjoittama

claude.com, the-decoder.com · 2 lähdettä · Lähteet julkaistu: 12.11.2026–14.11.2026

Anthropicin mukaan Opus 5.5 päättelee aina itse: yhtiön testeissä vastaukset alkoivat ilman ”think hard” -tyyppisiä rivejä nopeammin, eikä laatu selvästi heikentynyt. Yhtiö suosittelee aloittamaan oletustasolta Medium.

Anthropic julkaisi 12. marraskuuta oppaan Claude Opus 5.5 -mallin käytöstä tietotyössä, kuten tutkimuksessa, analyysissa ja raporttien tekemisessä. Opus 5.5 on nyt oletusmalli Claude-palvelun Pro-, Max-, Ultra- ja Team-tilauksissa, ja yhtiö suosittelee sitä päivittäiseksi työmalliksi.

Teknologiasivusto The Decoder referoi opasta 14. marraskuuta. Juttu perustuu Anthropicin omaan aineistoon, joten se ei vahvista yhtiön väitteitä riippumattomasti.

Päättelyä ei tarvitse erikseen pyytää

Oppaan mukaan Opus 5.5 päättelee aina ennen vastaamista. Malli päättää pyynnön ja valitun päättelytason perusteella, kuinka paljon se päättelee. Päättelytaso on asetus, jolla käyttäjä säätää, kuinka pitkään malli saa miettiä ennen vastausta.

Anthropic neuvoo poistamaan kehotteista rivit kuten ”think hard” ja ”think carefully”. Yhtiön testeissä vastaukset alkoivat ilman niitä nopeammin, eikä laatu selvästi heikentynyt. Testin lukuja yhtiö ei kerro. The Decoder kirjoittaa, ettei laatu heikentynyt mitattavasti, mikä on oppaan omaa sanamuotoa vahvempi.

Oletuspäättelytaso on Medium. Anthropicin koodaus- ja tietotyötesteissä Opus 5.5 saavutti tai ylitti Medium-tasolla Opus 5:n tuloksen High-tasolla. Korkeammat tasot päättelevät pidempään ja maksavat enemmän, mutta ne eivät aina tuota parempaa työtä. Siksi yhtiö neuvoo nostamaan tason Highiin vasta, kun Medium ei riitä. Tason voi vaihtaa napsauttamalla mallin nimeä lähetyspainikkeen vieressä ja valitsemalla Effort.

Oppaassa lainattu varhainen testaaja, Factory-yhtiön Zimu Li, kertoo, että Factoryn testeissä Opus 5.5 pärjäsi Medium-tasolla yhtä hyvin kuin Opus 5 High-tasolla ja tuotti 20–25 prosenttia vähemmän tokeneita.

Halvempi malli voi tulla lähes yhtä kalliiksi

Anthropic kehottaa tiimejä, jotka ovat käyttäneet arkityössä Sonnetia ja säästäneet Opuksen raskaisiin tehtäviin, harkitsemaan valintaa uudelleen. Yhtiön mukaan kyvykkäämpi malli voi saada tehtävän valmiiksi vähemmällä työllä, mikä voi kattaa suuren osan sen korkeammasta token-kohtaisesta hinnasta.

Token-pohjaisessa laskutuksessa Sonnet 5.5 maksaa miljoonalta tokenilta 2 $ syötteestä ja 10 $ tuotoksesta, Opus 5.5 vastaavasti 4 $ ja 20 $. Kun Sonnetin päättelytaso nostetaan Extra highiin tai Maxiin, sen tehtäväkohtainen hinta lähestyy oppaan mukaan Opus 5.5:n hintaa. Tilauksissa kalliimmat mallit kuluttavat käyttökiintiötä nopeammin.

Jos tulos jää heikoksi, Anthropic neuvoo kokeilemaan ensin korkeampaa päättelytasoa. Isompaan malliin kannattaa yhtiön mukaan siirtyä, jos malli selvästi yritti ja epäonnistui silti, vaikka sillä oli tarvittavat tiedot.

Oppaassa neuvotaan myös kuvaamaan tavoite ja valmis tuotos heti ensimmäisessä viestissä, liittämään kaavio tiedostona lukujen kirjoittamisen sijaan ja nimeämään tarkasti tyylit, joita ei haluta. Claude kannattaa yhdistää omiin tiedostoihin ja järjestelmiin liittimillä (connectors). Team- ja Enterprise-tilauksissa omistajan pitää ensin ottaa liitin käyttöön.

Mihin tämä perustuu

  1. Which Claude model is best to use for knowledge work

    Julkaisija: claude.com · julkaistu 12.11.2026 · noudettu 15.11.2026 05:09 (Suomen aikaa) · löytökanava: verkko

  2. Anthropic says outdated prompting habits are slowing down Claude Opus 5.5

    Julkaisija: the-decoder.com · julkaistu 14.11.2026 18:42 (Suomen aikaa) · noudettu 15.11.2026 05:09 (Suomen aikaa) · löytökanava: verkko

Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Päivän tärkeimmät

Gemini 4 Carbon johtaa MathArenaa, mutta ajo maksaa noin 15 kertaa GPT-6.1 Solin verran

Tekoälyn tuottama sisältöTekoälyn kirjoittama

the-decoder.com, tbreak.com, dailyaibrief.com, oossa.com · 4 lähdettä · Lähteet julkaistu: 14.11.2026

Googlen Gemini 4 Carbon sai MathArena-matematiikkavertailussa parhaan tuloksen, mutta ero Claude Fable 5.2:een ja GPT-6.1 Soliin mahtuu virhemarginaaleihin. Carbonin testiajo maksoi noin 15 kertaa GPT-6.1 Solin ajon verran.

The Decoder kertoi 14. marraskuuta MathArenan uusista tuloksista Jasper Dekoninckin X-päivityksen perusteella. AI Brief -sivusto viittaa samoihin MathArenan tulostaulukon lukuihin. Sivuston mukaan MathArena on riippumaton vertailutesti, jossa tekoälymallit ratkaisevat matematiikkakilpailujen uusia tehtäviä.

Tbreakin ja AI Briefin mukaan MathArena lisäsi Anthropicin Claude Fable 5.2:n ja Googlen Gemini 4 Carbonin vertailuun 13. marraskuuta. The Decoderin mukaan Carbon on ensimmäinen muu kuin OpenAI:n malli, joka on pitkään aikaan noussut kärkeen. Se ohitti OpenAI:n GPT-6.1 Solin, ja Fable 5.2 sijoittui toiseksi.

Kärkikolmikon erot mahtuvat virhemarginaaleihin

Taulukossa ovat MathArenan odotettu tulos ja odotettu kustannus niillä päättelytasoilla, joilla mallit testattiin.

Malli (päättelytaso) Yhtiö Odotettu tulos Odotettu kustannus
Gemini 4 Carbon (high) Google 85,4 % (±3,0) 15,70 $ (±1,33 $)
Claude Fable 5.2 (max) Anthropic 82,8 % (±5,3) 40,20 $ (±2,59 $)
GPT-6.1 Sol (max) OpenAI 80,6 % (±2,7) 1,07 $ (±0,018 $)
Kimi K3.1 Pro (max) Moonshot AI 54,3 % (±5,8) 3,70 $ (±0,27 $)

Lähde: MathArena The Decoderin ja Tbreakin mukaan. Tuloksen vaihteluväli on prosenttiyksikköinä.

Kolmen kärkimallin vaihteluvälit menevät päällekkäin. Siksi Tbreakin ja AI Briefin mukaan kilpailu on tasaisempi kuin taulukon järjestys antaa ymmärtää. Fable 5.2:n vaihteluväli on kolmikon laajin. Paras avointen painojen malli Kimi K3.1 Pro jäi Carbonista noin 31 prosenttiyksikköä.

The Decoder huomauttaa, etteivät ne OpenAI:n mallit, joiden väitetään hiljattain ratkaisseen vaativia yhtälöitä kuten Navier–Stokesin yhtälöt, ole vielä julkisesti saatavilla.

Kustannus koskee koko ajoa, ei tokenin hintaa

Tbreakin mukaan 15-kertainen ero koskee koko vertailuajon kustannusta testissä käytetyillä päättelytasoilla, ei hintaa tokenia kohden. Oossa-sivusto esitti samat luvut hintoina tuhatta tokenia kohden, mikä on ristiriidassa Tbreakin selityksen kanssa. Fable 5.2:n ajo maksoi The Decoderin mukaan noin 40 ja Tbreakin mukaan noin 38 kertaa GPT-6.1 Solin ajon verran (taulukon luvuista laskettuna noin 38).

Tbreak selittää kustannuseroa The Decoderin havainnoilla siitä, kuinka paljon työtä Carbon tekee. Carbonin tavallisin virhe oli aikarajan ylittäminen, eikä malli juuri koskaan luovuttanut. Yhdessä tapauksessa se käynnisti skriptin ja jätti sen pyörimään yli 11 tunniksi tarkistamatta sen etenemistä. The Decoderin mukaan sitkeyden voi nähdä sekä hyvänä että huonona piirteenä.

Google avasi Carbonin käyttöön Gemini API:n kautta 10. marraskuuta. Tbreakin mukaan yhtiö suuntaa mallin lähinnä kyberturvallisuuteen ja pitkäkestoisiin tehtäviin. Tbreakin referoiman Yahoon mukaan julkaisuhinta on 2 dollaria miljoonalta syötetokenilta ja 10 dollaria miljoonalta tulostetokenilta. Esittelyjakson jälkeen hinnat nousevat 4 ja 20 dollariin.

Mihin tämä perustuu

  1. Gemini 4 Carbon takes the MathArena crown but costs 15 times more than GPT-6.1 Sol

    Julkaisija: the-decoder.com · julkaistu 14.11.2026 18:48 (Suomen aikaa) · noudettu 15.11.2026 05:09 (Suomen aikaa) · löytökanava: verkko

  2. Gemini 4 Carbon tops MathArena maths benchmark

    Julkaisija: tbreak.com · julkaistu 14.11.2026 21:57 (Suomen aikaa) · noudettu 15.11.2026 05:09 (Suomen aikaa) · löytökanava: verkko

  3. Gemini 4 Carbon tops MathArena's maths ranking, ahead of Claude Fable 5.2 and GPT-6.1 Sol - AI Brief

    Julkaisija: dailyaibrief.com · julkaistu 14.11.2026 22:36 (Suomen aikaa) · noudettu 15.11.2026 05:10 (Suomen aikaa) · löytökanava: verkko

  4. Google’s Gemini 4 Carbon tops MathArena benchmark

    Julkaisija: oossa.com · julkaistu 14.11.2026 18:52 (Suomen aikaa) · noudettu 15.11.2026 05:10 (Suomen aikaa) · löytökanava: verkko

Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Päivän tärkeimmät

Dynatracen MCP-palvelimen lukutyökaluihin pystyi upottamaan omia DQL-kyselyvaiheita

Tekoälyn kirjoittama

github.com + 1 lähde · 13.11.2026

Tekoälyn tuottama sisältöTekoälyn kirjoittama

github.com, i10x.ai · 2 lähdettä · Lähteet julkaistu: 13.11.2026 · osan lähteistä ajankohta ei tiedossa

Dynatrace MCP Serverin lukutyökalut liittivät kutsujan antamia arvoja kyselyihin riittävästi tarkistamatta, joten työkalut, joiden kutsut osa MCP-asiakasohjelmista hyväksyy kysymättä käyttäjältä, pystyivät ajamaan muutakin kuin niille oli tarkoitettu. Korjaus on i10x:n mukaan versiossa 2.1.1.

Tekoälyuutisia julkaiseva i10x.ai kertoi 13. marraskuuta Dynatracen MCP-palvelimen injektioaukosta, joka on jo korjattu. Aukon tunnus on CVE-2026-123810. Sivuston mukaan Dynatrace julkaisi siitä tietoturvatiedotteen GHSA-pqh8-p93p-2rx7 jo 9. kesäkuuta. Sivuston mukaan aukon vakavuus on keskitasoa (CVSS 4,3).

Dynatrace MCP Server on MCP-palvelin eli ohjelma, jonka kautta tekoälyagentti hakee tietoja Dynatracen valvontapalvelusta.

Miten injektio toimi

Viisi palvelimen lukutyökalua kokosi kyselyn Dynatracen omalla DQL-kyselykielellä ja liitti siihen kutsujan antamia arvoja riittävästi tarkistamatta. Tällaisia arvoja olivat esimerkiksi valvottujen kohteiden nimet, aikaväli ja klusterin tunnisteet. i10x:n mukaan sopivasti muotoiltu arvo pystyi sulkemaan merkkijonon, lisäämään kyselyyn uusia vaiheita tai ohittamaan loput kyselystä //-kommentilla. Sivuston esimerkissä aikavälin arvo ”30d, to: now() | fieldsAdd internal_secret //” lisää kyselyyn oman vaiheen ennen työkalun suodatinta.

Näin kutsuja pystyi ohittamaan työkalujen rajat: mitkä kentät palautetaan, miltä ajalta ja kuinka monta tulosta näytetään. Työkaluilla oli readOnlyHint-merkintä. Se kertoo, ettei työkalu muuta mitään. Osa MCP-asiakasohjelmista hyväksyy tällaisen työkalun kutsut kysymättä käyttäjältä. i10x arvioi, että hyökkääjä käyttäisi aukkoa tyypillisesti kehoteinjektiolla eli piilottamalla ohjeita kielimallin lukemaan sisältöön.

i10x:n mukaan aukon kautta ei kuitenkaan saanut tietoja, joihin käyttäjän tokenilla ei jo ollut pääsyä. i10x:n referoiman tiedotteen mukaan sama token antaa käyttöön myös execute_dql-työkalun, jolla voi ajaa mitä tahansa DQL-kyselyitä. Haitta on siis se, ettei lukutyökalujen lupaamiin rajoihin ja automaattiseen hyväksyntään voinut luottaa. Käyttöoikeudet eivät laajentuneet.

Mitä korjaus estää

Korjaus on GitHubissa commitissa 15d3546, joka tehtiin i10x:n mukaan 14. heinäkuuta. Commit lisää kolme tarkistusta. Aikavälin pitää olla positiivinen kokonaisluku ja yksikkö, kuten 24h tai 7d. Lisäsuodattimessa ei saa olla putkimerkkiä eikä rivinvaihtoa. Merkkijonoihin upotettavien arvojen kenoviivojen ja lainausmerkkien eteen lisätään kenoviiva, jottei arvo sulje merkkijonoa. Kuhunkin viidestä tiedostosta lisättiin sitä koskevat tarkistukset.

Koodin kommentin mukaan lisäsuodattimen tarkistus ei estä hakasulkeissa kirjoitettuja alikyselyitä, kuten x in [fetch ...]. Niitä rajaavat kunkin työkalun OAuth-oikeudet, ja kehittäjät pitävät ratkaisua hyväksyttävänä ja tarkoituksellisena.

i10x:n mukaan aukko koskee versioita 1.8.5:een asti. Sivusto neuvoo päivittämään versioon 2.1.1 tai uudempaan. Se ei kerro, koskeeko aukko näiden välisiä versioita.

Mihin tämä perustuu

  1. github.com

    Julkaisija: github.com · lähteen julkaisuaika ei tiedossa · noudettu 15.11.2026 05:10 (Suomen aikaa) · löytökanava: GitHub

  2. CVE-2026-123810: DQL Injection in Dynatrace MCP Server Bypasses Read-Only Safeguards

    Julkaisija: i10x.ai · julkaistu 13.11.2026 21:28 (Suomen aikaa) · noudettu 15.11.2026 05:10 (Suomen aikaa) · löytökanava: verkko

Lue juttu →Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Mallit

Artificial Analysis: Perplexityn Decider v1.3 sai päätösindeksissä 70 pistettä, Flash 64

Tekoälyn tuottama sisältöTekoälyn kirjoittama

artificialanalysis.ai, x.com, casrai.org · 5 lähdettä · Lähteet julkaistu: 14.11.2026–15.11.2026 · osan lähteistä ajankohta ei tiedossa

Perplexityn Decider v1.3 sai Artificial Analysisin päätösindeksissä 70 pistettä ja pienempi Decider Flash v1.3 64 pistettä puolta pienemmillä kustannuksilla. Julkaisun kaavion mukaan kolme kärkimallia sai 73 pistettä, mutta ne ovat kalliimpia kuin Decider v1.3.

Riippumaton testaaja Artificial Analysis julkaisi 14. marraskuuta X:ssä tulokset Perplexityn uusista päätösmalleista Decider v1.3 ja Decider Flash v1.3. CASRAI-sivuston mukaan Perplexity julkaisi mallit edellisenä päivänä.

Päätösmalli valitsee valmiista vaihtoehdoista

Päätösmalli ei kirjoita vapaata vastausta kuten suuri kielimalli. Artificial Analysisin kuvauksen mukaan se valitsee kiinteistä vaihtoehdoista ja antaa yhdellä kutsulla todennäköisyyden jokaiselle vaihtoehdolle. Yhtiön sivun esimerkissä malli päättää, mihin tiimiin asiakkaan viesti ohjataan ja onko asia kiireellinen. Siksi malli on yhtiön mukaan halpa ja nopea, ja sen kalibrointia eli sitä, vastaako varmuus osumatarkkuutta, voi mitata.

Decision Index v2.1 yhdistää kuusi testiä. Suurin paino (30 %) on AA-Paperclipillä, jossa malli tekee päätöksiä ja poimii tietoja ansioluetteloista, kuiteista, laskuista ja tutkimusartikkeleista. Muut testit mittaavat työpaikan asiakirjoja koskevia arvioita, työkalukutsuja, tietämystä ja hallusinaatioita, päättelyä sekä sitä, pysyykö päätös samana, kun kysymys muotoillaan toisin.

Indeksin pisteet eivät ole osumaprosentteja. Viidessä testissä mittarina ovat päätöspisteet (Decision Score): oikea vastaus tuottaa 50–100 pistettä ja väärä 0–50. Mitä varmempi malli on, sitä kauemmas 50:stä pisteet menevät kumpaankin suuntaan.

Tulokset ja kustannukset

Decider v1.3 sai indeksissä 70 pistettä ja Flash v1.3 64. Artificial Analysisin mukaan Decider v1.3 pysyi kuudentena kuten edeltäjänsä v1.2. AA-Paperclipissä se sai 69 pistettä (+2) ja EvalSafe-O*NET-AA-testissä 89 pistettä (+1).

Flash v1.3 sai neljä pistettä enemmän kuin v1.2. Artificial Analysisin mukaan nousu johtui 12 pisteen parannuksesta sekä päätöksen pysyvyyttä mittaavassa AA-Symmetryssä että työkalukutsujen When2Call-testissä.

Miljoona indeksin tehtävää maksaa nykyisillä hinnoilla Decider v1.3:lla 68 dollaria ja Flash v1.3:lla 34 dollaria. Päätösmalleilta laskutetaan vain syötteen tokenit. Artificial Analysisin mukaan kumpikin malli on Pareto-rintamalla: yksikään niitä halvempi malli ei saanut indeksissä enempää pisteitä. Julkaisun kaavion mukaan kärjessä on kolme 73 pisteen mallia, ja kaikki ovat Decider v1.3:a kalliimpia.

Kolmen pisteen ero kärkeen on painotetun keskiarvon ero, ei kolmen prosenttiyksikön ero osumatarkkuudessa.

Saatavuus

Artificial Analysisin mukaan mallien koko on 27 ja 4 miljardia parametria, ne ottavat syötteeksi tekstiä ja kuvia ja niiden lisenssi on Apache 2.0. Niitä saa Perplexityn omasta rajapinnasta 0,02 ja 0,01 dollarilla miljoonalta syötteen tokenilta. CASRAI:n mukaan Perplexity julkaisi painot myös Hugging Facessa. Konteksti-ikkunan koosta lähteet ovat eri mieltä: Artificial Analysis ilmoittaa 256 000 tokenia, CASRAI 30 720 tokenia.

Mihin tämä perustuu

  1. Artificial Analysis Decision Index v2.1 | Artificial Analysis

    Julkaisija: artificialanalysis.ai · lähteen julkaisuaika ei tiedossa · noudettu 14.11.2026 05:15 (Suomen aikaa) · löytökanava: verkko

  2. Decider v1.3 and Decider Flash v1.3 from Perplexity score 70 and 64, respectively, on the Artificial Analysis Decision Index v2.1 @perplexity_ai has released Decider v1.3 and Decider Flash v1.3…

    ArtificialAnlys · Julkaisija: x.com · julkaistu 14.11.2026 15:27 (Suomen aikaa) · noudettu 15.11.2026 04:13 (Suomen aikaa) · löytökanava: X

  3. Decider v1.3 and Decider Flash v1.3 cost $68 and $34, respectively, per one million Artificial Analysis Decision Index tasks. https://t.co/ZAkCL7jw6y

    ArtificialAnlys · Julkaisija: x.com · julkaistu 14.11.2026 15:27 (Suomen aikaa) · noudettu 15.11.2026 04:13 (Suomen aikaa) · löytökanava: X

  4. Explore the full results on Artificial Analysis: https://t.co/egA1Vz0le2

    ArtificialAnlys · Julkaisija: x.com · julkaistu 14.11.2026 15:27 (Suomen aikaa) · noudettu 15.11.2026 04:13 (Suomen aikaa) · löytökanava: X

  5. Perplexity Decider v1.3 & Flash Open Weights — CASRAI

    Julkaisija: casrai.org · julkaistu 15.11.2026 01:00 (Suomen aikaa) · noudettu 15.11.2026 05:27 (Suomen aikaa) · löytökanava: verkko

Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Mallit

Mollickin SatBench: 63 % tekoälylaboratorioiden suosimista testeistä on ratkaistu

Tekoälyn kirjoittama

@emollick · 15.11.2026

Tekoälyn tuottama sisältöTekoälyn kirjoittama

x.com · Lähde julkaistu: 15.11.2026 01:46 (Suomen aikaa)

Ethan Mollickin koostaman SatBenchin mukaan tekoälylaboratorioiden vuodesta 2023 mainitsemista 173 vertailutestistä 63 % on kyllästynyt, ja tahti kiihtyy. Riippumattomilla mittauksilla osuus on 24 %.

Ethan Mollick julkaisi 14. marraskuuta X-palvelussa SatBench-laskelman, jonka hän kertoo koonneensa nopeasti. Laskelma mittaa, kuinka pian tekoälyn suuret vertailutestit kyllästyvät eli käytännössä tulevat voitetuiksi. ”Tekoäly paranee nopeammin kuin mittauksemme”, Mollick kirjoittaa.

Mitä 63 prosenttia tarkoittaa

Julkaisun kuvien mukaan SatBenchiin kuuluvat testit, jotka on mainittu vähintään kymmenessä tekoälylaboratorion mallijulkistuksessa. Testi lasketaan ratkaistuksi, kun paras tekoälyn tulos yltää 85 prosenttiin. Marraskuussa raja oli ylittynyt 109 testissä 173:sta. Aineisto on Benchmark Almanac -palvelusta, johon sisältyy Epoch AI:n Benchmarking Hub.

Paras tulos voi tulla mistä tahansa lähteestä, myös laboratorion omasta julkistuksesta. Kuvan alaviitteen mukaan ratkaistuja on 24 prosenttia, kun mukaan otetaan vain riippumattomat ajot. Ero, 39 prosenttiyksikköä, syntyy testeistä, joissa raja on ylittynyt vain muissa kuin riippumattomissa mittauksissa, kuten laboratorioiden omissa ilmoituksissa.

Kuvan mukaan ratkaistujen osuus pysyi kaksi vuotta noin 30 prosentissa, koska uusia testejä tuli yhtä nopeasti kuin vanhoja kaatui. SatBenchin vuoden 2023 versiossa oli 44 testiä. Kuvan mukaan versio ylitti syyskuussa 2026 kyllästymisrajan, jossa 85 prosenttia testeistä on ratkaistu. Nyt niistä on ratkaistu 86 prosenttia.

Uudet testit kaatuvat aiempaa nopeammin

Toinen kuva ryhmittelee testit sen sijaan julkaisuvuoden mukaan. Mollickin mukaan kyllästyminen nopeutuu vuosi vuodelta. Kuvan mukaan vuonna 2023 julkaistuista testeistä ratkaistiin vuoden kuluessa 17 prosenttia, vuoden 2024 testeistä 30 prosenttia ja vuoden 2025 testeistä 43 prosenttia.

Vuoden 2026 testeistä 32 prosenttia ratkaistiin puolessa vuodessa, kun aiempina vuosina osuus oli 0, 18 ja 21 prosenttia. Julkaisuhetkellä jo rajan ylittäneet testit lasketaan ratkaistuiksi heti.

Vuoden 2026 testejä ei ole vielä voitu seurata vuotta. Ne myös tulevat laskentaan vasta kymmenennen julkistusmaininnan jälkeen, joten kuluvan vuoden testejä on kuvan mukaan laskelmassa liian vähän. Ratkaisuun kului mediaanina 14 kuukautta vuoden 2025 testeillä ja 20 kuukautta vuosien 2023 ja 2024 testeillä.

OpenAI:n malli on ollut ensimmäinen 85 prosentin rajan ylittäjä 20 testissä, useammin kuin minkään muun laboratorion malli. Vuonna 2026 kärjessä on Anthropic 11 testillä. Tässä vertailussa ovat mukana testit, joista useampi laboratorio raportoi tuloksia. Ratkaisematta ovat muun muassa Humanity’s Last Exam, jossa paras tulos on 74 prosenttia, sekä MMMU-Pro, SciCode ja IFBench.

Laskelma ei ole ennuste

Kuvan mukaan ratkaisematta on nyt 64 testiä. Mallinnuksessa kukin niistä kaatuu kuukaudessa viiden prosentin todennäköisyydellä, mikä vastaa viimeisen 12 kuukauden tahtia. Jos uusia testejä ei enää tulisi, nykyisistä 85 prosenttia olisi ratkaistu noin 2028. Viimeinen kaatuisi noin 2034, ja 80 prosentin vaihteluväli on 2031–2037.

Toisessa laskelmassa uusia testejä tulee keskimäärin 4,7 kuukaudessa, ja ratkaisutahti kiihtyy prosenttiyksikön vuodessa. Silloin SatBenchin testeistä 85 prosenttia olisi ratkaistu noin 2030. Mollick huomauttaa kuvassa, ettei laskelma ole ennuste.

Mihin tämä perustuu

  1. AI is getting better faster than our measurements are I threw together SatBench, which measures how quickly major AI benchmarks become saturated (effectively beaten). Of 173 benchmarks cited by the…

    emollick · Julkaisija: x.com · julkaistu 15.11.2026 01:46 (Suomen aikaa) · noudettu 15.11.2026 04:16 (Suomen aikaa) · löytökanava: X

Lue juttu →Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Mallit

The Information: SpaceX irtisanoi noin 60 Grok Imaginen työntekijää

Tekoälyn tuottama sisältöTekoälyn kirjoittama

baijiahao.baidu.com, aitimes.com, casrai.org, aitoolranked.com, genativity.com, newsquawk.com, finance.sina.com.cn · 7 lähdettä · Lähteet julkaistu: 13.11.2026–15.11.2026 · osan lähteistä ajankohta ei tiedossa

SpaceX:n tekoälyyksikkö on The Informationin mukaan irtisanonut noin 60 kuva- ja videogeneraattori Grok Imaginen työntekijää ja panostaa nyt koodaustyökaluihin. Palvelu toimii yhä, eikä SpaceX ole vahvistanut lukua.

Teknologiamedia The Information kertoi irtisanomisista 13. marraskuuta nimettömiin lähteisiin vedoten. Sen mukaan työntekijät irtisanottiin edeltävän viikon aikana, ja tuotetta jäi ylläpitämään vain kourallinen ihmisiä. Startup Fortune -sivusto kirjoittaa The Informationiin viitaten, että irtisanottuja oli yli puolet tiimistä.

The Informationin juttu on maksumuurin takana. Siksi sen yksityiskohdat tunnetaan muiden medioiden referaateista, esimerkiksi Investing.comin ja korealaisen AI Timesin. Referaateissa ei ole SpaceX:n kommenttia, ja Genativity-sivuston mukaan yhtiö ei vastannut kommenttipyyntöön.

Grok Imagine luo kuvia ja videoita Grok-chatbotin yhteydessä. Sitä kehittää SpaceXAI eli entinen xAI, jonka SpaceX osti helmikuussa 2026 osakekaupalla 250 miljardin dollarin arvosta.

Painopiste koodaukseen ja Grok Botiin

The Informationin mukaan yhtiön johto haluaa keskittyä koodaustyökaluihin ja Grok-chatbotin varaan rakennettuun agenttituotteeseen Grok Botiin. SpaceX osti elokuussa koodaustyökaluja kehittävän Cursorin 60 miljardin dollarin arvostuksella.

AI Timesin mukaan Elon Musk kirjoitti X:ssä vielä maaliskuussa OpenAI:n lopetettua Sora-videopalvelunsa, että seuraava Grok Imagine -päivitys olisi mahtava ja yhtiö panostaa alaan entistä enemmän.

Palvelua käytetään paljon. AI Timesin mukaan SpaceX kertoo Yhdysvaltain arvopaperiviranomaiselle SEC:lle jättämässään asiakirjassa, että Grok Imagine tuotti tämän vuoden ensimmäisellä neljänneksellä keskimäärin yli 2 miljardia videota ja noin 10 miljardia kuvaa kuukaudessa. AI Times huomauttaa, ettei kannattavuutta voi varmasti nimetä irtisanomisten syyksi. SpaceX ei ole kertonut perusteitaan, eikä palvelun tuloja ja kuluja ole julkistettu.

Kiinalaiset yhtiöt kärjessä

The Informationin mukaan videoiden tuottamisessa ovat menneet edelle kiinalaiset yhtiöt, kuten ByteDance. AI Timesin referoiman The Informationin mukaan kesäkuussa julkaistu Grok Imagine Video 1.5 sijoittui Artificial Analysis -vertailussa 17:nneksi kuvasta videota tuottavissa malleissa ja 16:nneksi tekstistä videota tuottavissa.

Genativity-sivuston omassa vertailutestissä mallit arvioidaan samoilla kehotteilla asteikolla 0–5. Siinä Grok Video sai 4,72 ja ByteDancen Seedance 2.0 4,84 pistettä. Tulosten 95 prosentin luottamusvälit ovat osin päällekkäin.

AI Timesin ja Investing.comin mukaan Yhdysvalloissa omia videomalleja kehittävät nyt lähinnä Google ja Meta.

Grok Imagine on yhä käytettävissä, ja CASRAI-sivuston mukaan xAI:n tilasivu näytti sen toimivan. SpaceX ei ole ilmoittanut lopettavansa palvelua tai sen rajapintaa. Yhtiö ei myöskään ole kertonut, montako kehittäjää jäi tai muuttuvatko palvelun kehityssuunnitelmat.

Mihin tämä perustuu

  1. 消息称 SpaceXAI 裁减约 60 名 Grok Imagine 员工

    Julkaisija: baijiahao.baidu.com · lähteen julkaisuaika ei tiedossa · noudettu 15.11.2026 05:32 (Suomen aikaa) · löytökanava: verkko

  2. 스페이스X, 영상 AI '그록 이매진' 개발팀 대부분 해고...AI 코딩에 집중 - AI타임스

    Julkaisija: www.aitimes.com · julkaistu 14.11.2026 03:15 (Suomen aikaa) · noudettu 15.11.2026 05:32 (Suomen aikaa) · löytökanava: verkko

  3. SpaceXAI Reportedly Cuts 60 Grok Imagine Staff — CASRAI

    Julkaisija: casrai.org · julkaistu 15.11.2026 00:31 (Suomen aikaa) · noudettu 15.11.2026 05:32 (Suomen aikaa) · löytökanava: verkko

  4. Report: SpaceX cut roughly 60 Grok Imagine jobs

    Julkaisija: aitoolranked.com · julkaistu 14.11.2026 06:00 (Suomen aikaa) · noudettu 15.11.2026 05:32 (Suomen aikaa) · löytökanava: verkko

  5. Report: ~60 cut from SpaceX's Grok Imagine team | Genativity

    Julkaisija: genativity.com · julkaistu 14.11.2026 09:01 (Suomen aikaa) · noudettu 15.11.2026 05:32 (Suomen aikaa) · löytökanava: verkko

  6. SpaceX's (SPCX) AI group reportedly cuts around 60 Grok video generation staff, The Information reports citing sources; the co. has prioritised AI coding tools and Grok bot | Newsquawk

    Julkaisija: www.newsquawk.com · julkaistu 13.11.2026 16:22 (Suomen aikaa) · noudettu 15.11.2026 05:32 (Suomen aikaa) · löytökanava: verkko

  7. Grok Imagine遭遇团队大裁员,SpaceXAI调转赛道主攻 AI 编程工具

    Julkaisija: finance.sina.com.cn · julkaistu 14.11.2026 05:34 (Suomen aikaa) · noudettu 15.11.2026 05:32 (Suomen aikaa) · löytökanava: verkko

Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Mallit

Canonicalin Inference Manager asentaa Ubuntuun tekoälymalleja yhden rajapinnan taakse

Tekoälyn kirjoittama

github.com + 1 lähde · 14.11.2026

Tekoälyn tuottama sisältöTekoälyn kirjoittama

github.com, heise.de · 2 lähdettä · Lähteet julkaistu: 14.11.2026 · osan lähteistä ajankohta ei tiedossa

Canonicalin uudella komentorivityökalulla voi asentaa Ubuntuun tekoälymalleja, jotka toimivat omalla koneella. Ohjelmat käyttävät kaikkia malleja yhden paikallisen osoitteen kautta.

Canonical esitteli Inference Managerin omassa Ubuntu Summit -tapahtumassaan. Asiasta kertoi saksalainen heise online 14. marraskuuta.

Inference Manager on komentorivityökalu, jolla voi hakea, asentaa ja poistaa inference snap -paketteja. Snap on Ubuntun oma pakettimuoto, ja inference snap -paketti sisältää tekoälymallin. Heisen mukaan Snap Storessa on useita tällaisia malleja, jotka toimivat kokonaan käyttäjän laitteella ilman verkkoyhteyttä. Canonicalin GitHub-ohjeen mukaan työkalu myös luettelee käytettävissä olevat mallit ja näyttää palvelujen tilan.

Ohjelmat käyttävät asennettuja malleja yhden paikallisen osoitteen kautta. Ohjelma lähettää pyynnön koneen porttiin 8400. Inference Manager välittää sen mallia ajavalle inference snap -paketille. Pyynnössä malli nimetään muodossa tarjoaja/malli, esimerkiksi gemma4/gemma4-e4b. Heisen mukaan samaa osoitetta voivat käyttää esimerkiksi työpöydän chat-avustajat, editorin koodausagentit ja puhetta tekstiksi muuttavat ohjelmat.

Canonicalin mukaan rajapinta on yhteensopiva OpenAI:n API:n kanssa, joten olemassa olevat asiakasohjelmat voi liittää siihen suoraan. Heise esittää yhteensopivuuden Canonicalin ilmoituksena.

Työkalu näyttää myös, millä laitteistolla ja ohjelmistolla mallin eri kokoja voi ajaa. Vaihtoehtoina ovat esimerkiksi suoritin tai AMD:n, Intelin tai Nvidian GPU. Canonicalin esimerkissä Gemma 4 -mallin kaikki neljä kokoa toimivat suorittimella sekä AMD:n ja Nvidian GPU:illa, mutta Intelin GPU:lla vain yksi niistä.

Heisen mukaan Ubuntun nykyisen version 26.10 mukana julkaistu saneluohjelma Myna perustuu inference snap -paketteihin. Myna muuttaa puheen tekstiksi ja kirjoittaa sen mihin tahansa tekstikenttään.

Heisen mukaan Canonical aikoo rakentaa Ubuntun tekoälyominaisuudet paikallisesti toimivien avointen painojen mallien varaan. Suunnitteilla ovat esimerkiksi tilanteeseen sopiva apu vianetsintään, saavutettavuutta parantava puheentunnistus ja tekoälyagenttien työnkulkuihin perustuvat automaatiot. Canonicalin mukaan ominaisuudet on tarkoitus tuoda valinnaisina: käyttäjä ottaisi ne itse käyttöön ja voisi poistaa ne milloin tahansa.

Inference Manager on saatavilla Snap Storesta, ja sen voi asentaa komentoriviltä tai Ubuntun App Centeristä. Asennus- ja käyttöohjeet sekä työkalun Go-kielinen lähdekoodi ovat Canonicalin GitHub-repositoriossa canonical/inference.

Mihin tämä perustuu

  1. github.com

    Julkaisija: github.com · lähteen julkaisuaika ei tiedossa · noudettu 15.11.2026 05:36 (Suomen aikaa) · löytökanava: GitHub

  2. Inference Manager: neues Ubuntu-Tool verwaltet lokale KI-Modelle

    Julkaisija: www.heise.de · julkaistu 14.11.2026 15:46 (Suomen aikaa) · noudettu 15.11.2026 05:36 (Suomen aikaa) · löytökanava: verkko

Lue juttu →Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Mallit

Cmpndin testeissä kärkimalli paransi viiden päätösmallin tarkkuutta muokkaamalla painoja

Tekoälyn tuottama sisältöTekoälyn kirjoittama

github.com, marktechpost.com, cmpnd.ai, aikraft.ru, tldr.tech · 5 lähdettä · Lähteet julkaistu: 13.11.2026–14.11.2026 · osan lähteistä ajankohta ei tiedossa

Cmpndin dspy-wsp-optimoijalla kärkimalli lukee ja muokkaa pienen mallin painoja ilman koulutusta. Yhtiön omissa testeissä viiden päätösmallin tarkkuus nousi 1,9–16,1 prosenttiyksikköä.

Cmpnd-yhtiön toimitusjohtaja Drew Breunig esitteli dspy-wsp:n yhtiön blogissa 13. marraskuuta. Se on DSPy-kirjaston optimoija, jota yhtiö itse kuvaa hyvin kokeelliseksi. DSPy on avoimen lähdekoodin kirjasto, jolla rakennetaan kielimalleja käyttäviä ohjelmia ja optimoidaan niitä mittarin avulla. Uusi WeightSpace-optimoija ei muokkaa kehotteita. Se muuttaa mallin painoja ilman gradientteja ja koulutusta.

Menetelmä on peräisin MIT CSAIL:n tutkijoiden Rikiya Takehin, Jayden Teohin, Alex Zhangin ja Omar Khattabin blogikirjoituksesta Sparks of Weight-Space Programming. Siinä GPT-6-Astra muokkasi 0,016 prosenttia Qwen3.5-0.8B-mallin painoista, ja mallin tulos MATH-500-testissä nousi 7,9 prosentista 48,1 prosenttiin. Tutkijoiden kokeissa muokkaus poisti esteitä mutta ei tuonut uusia kykyjä: Gemma 3 270M -mallin tulos ei juuri muuttunut. Cmpnd kertoo, ettei se ole vielä toistanut tutkimuksen koko tulosta.

Kärkimalli kokeilee ja muokkaa

Kärkimalli, jota Cmpnd kutsuu kirjoittajaksi, lukee pienen mallin painoja Python-koodilla hiekkalaatikossa. Se ajaa käyttäjän ohjelmaa harjoitusesimerkeillä rajallisen määrän kertoja, selvittää, mikä neuroverkossa menee vikaan, ja tallentaa kohdennetun muutoksen. Tuloksena on pieni korjaustiedosto, jossa on vain muuttuneet arvot ja tarkistussummat. Sillä voi muokata julkista perusmallia.

Cmpndin mukaan menetelmä toimii parhaiten päätösmalleilla. Päätösmalli lukee tilanteen kuvauksen ja tyypitetyt kysymykset ja antaa jokaiselle vastausvaihtoehdolle todennäköisyyden. Tekstiä se ei tuota.

Tulokset Cmpndin omissa testeissä

Taulukko näyttää, paljonko viiden päätösmallin tarkkuus nousi Typed Decisions -vertailutestin 400 tapauksessa. Näitä tapauksia ei käytetty optimoinnissa. ReAnchor on DSPy:n kokeellinen optimoija, joka säätää vastausten kynnysarvot painoihin koskematta.

Malli Lähtötaso ReAnchor WeightSpace Molemmat
d1-omni-600M 50,9 % +9,3 +16,1 +18,3
NanoJev 39,2 % +11,6 +13,3 +17,3
d1-2B 60,6 % +9,5 +13,4 +17,3
Strands Decider 2B – +13,7 +10,4 +20,0
Clef-Flash (9B) 68,8 % +1,5 +1,9 +6,5

Muutos prosenttiyksikköinä muokkaamattomaan malliin verrattuna. Mittarina on ohjelman palauttamien vastausten tarkkuus. Kirjoittajana oli GPT-6-Astra, joka sai kunkin mallin optimoinnissa ajaa mallia 25 kertaa. Keskivirhe on 0,7–1,4 yksikköä. Lähde: Cmpnd; NanoJevin lähtötaso sekä ReAnchor- ja yhdistelmätulos MarkTechPostilta, joka viittaa Cmpndin tulosraporttiin.

Tuloksista ei voi päätellä, että painojen muokkaus olisi aina paras keino. Strands Decider 2B:llä pelkkä ReAnchor paransi tulosta enemmän. MarkTechPostin väite, että WeightSpace voitti ReAnchorin jokaisella mallilla, koskee vain sen taulukon neljää mallia.

Myös kirjoittajaksi valittu malli vaikutti tulokseen. GPT-6.1-Solin muokkaukset muuttivat tarkkuutta d1-omni-600M:llä +5,8, NanoJevilla +12,1 ja d1-2B:llä −0,6 prosenttiyksikköä.

Oletuksena kirjoittaja saa laskea päätöskerroksen tulokset itse hiekkalaatikossa, mitä alkuperäinen tutkimus ei sallinut. Tutkimuksen säännöillä d1-omni-600M:n tarkkuus nousi vain 2,8 ± 0,7 prosenttiyksikköä, eikä muokkaus parantanut ReAnchorin tulosta.

Kustannukset ja tietosuoja

Repositorion ohjeen mukaan päätösmallin optimointi, jossa mallia ajettiin 25 kertaa, kesti 68–167 minuuttia, ja kirjoittajamallin kutsut maksoivat 5,42–10,78 dollaria. MarkTechPostin luvut (78–167 minuuttia, 5,42–7,63 dollaria) perustuvat kolmeen malliin.

Hiekkalaatikko estää kirjoittajan koodia käyttämästä verkkoa ja pääsemästä kotihakemistoon. Kirjoittajamallin tarjoaja näkee silti mallin painot ja harjoitusesimerkit sitä mukaa kuin kirjoittaja lukee niitä.

dspy-wsp on GitHubissa MIT-lisenssillä, ja se vaatii Python 3.11:n tai uudemman, DSPy 3.5:n ja kirjoittajamallin API-avaimen. d1-omni-600M-mallin painoja voi optimoida Macilla tai GPU:lla, jossa on vähintään 4 Gt muistia; asennusohjeet ovat repositoriossa.

Mihin tämä perustuu

  1. github.com

    Julkaisija: github.com · lähteen julkaisuaika ei tiedossa · noudettu 15.11.2026 05:38 (Suomen aikaa) · löytökanava: GitHub

  2. Cmpnd Releases dspy-wsp: Weight-Space Programming Comes to DSPy

    Julkaisija: www.marktechpost.com · julkaistu 14.11.2026 18:45 (Suomen aikaa) · noudettu 15.11.2026 05:38 (Suomen aikaa) · löytökanava: verkko

  3. Weight-Space Programming with DSPy — Cmpnd

    Julkaisija: www.cmpnd.ai · julkaistu 13.11.2026 · noudettu 15.11.2026 05:38 (Suomen aikaa) · löytökanava: verkko

  4. dspy-wsp: редактирование весов LLM без градиентов

    Julkaisija: aikraft.ru · julkaistu 14.11.2026 21:18 (Suomen aikaa) · noudettu 15.11.2026 05:38 (Suomen aikaa) · löytökanava: verkko

  5. Weight-Space Programming with DSPy — Cmpnd | TLDR

    Julkaisija: tldr.tech · julkaistu 13.11.2026 · noudettu 15.11.2026 05:38 (Suomen aikaa) · löytökanava: verkko

Lue juttu →Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Mallit

World Labs esitteli Atlas-maailmamallin, joka tekee kuvista 3D-maailmoja

Tekoälyn tuottama sisältöTekoälyn kirjoittama

worldlabs.ai · Ajankohta ei tiedossa

World Labsin mukaan Atlas-malli muuttaa valokuvat tai tekoälyllä luodut kuvat 3D-maailmoiksi, joiden läpi kameraa voi liikuttaa. Mallin mukana tulevat muokkaustyökalut, muunnos peleissä käytettäviksi verkkomalleiksi ja rajapinta, jolla Atlasin voi liittää esimerkiksi Blenderiin.

World Labs esittelee Atlas-mallinsa verkkosivuillaan, ja TLDR AI -uutiskirje nosti sivun esiin 13. marraskuuta. Yhtiö kutsuu Atlasta seuraavan sukupolven maailmamalliksi. Maailmamalli luo kolmiulotteisia ympäristöjä tai rakentaa niitä uudelleen kuvista. Luonnehdinta on yhtiön oma, eikä tuotesivulla ole mittaustuloksia eikä vertailua muihin malleihin sen tueksi.

World Labs julkaisee Atlasin yhteydessä myös työkaluja. Viewfinder rakentaa näkymän kuvista, ja käyttäjä voi katsoa sitä uusista kuvakulmista, suunnitella kamera-ajoja ja renderöidä niistä videoita.

Chisel-työkalussa käyttäjä hahmottelee näkymän rakenteen ensin pelkistetyillä muodoilla. Tätä kutsutaan grayboxingiksi. Yhtiön mukaan kaikki kuvakulmat päivittyvät, kun esineitä siirtää.

Splat-esityksessä 3D-näkymä kootaan suuresta määrästä pieniä, osin läpikuultavia täpliä. Pelit ja 3D-ohjelmat käyttävät yleensä monikulmioista koottuja verkkomalleja (mesh). Splats to Mesh muuntaa splatit verkkomalleiksi, joilla on todellinen geometria. World Labsin mukaan muunnettuja maailmoja voi käyttää peleissä, simulaatioissa ja käyttäjän nykyisissä 3D-työkaluissa. Relight-työkalu on tarkoitettu splattien valaistukseen ja muokkaamiseen.

Yhtiön mukaan Atlasin toimintoja voi kehittäjärajapinnan ja integraatioiden avulla liittää omiin sovelluksiin ja olemassa oleviin työkaluihin, kuten Blender-3D-ohjelmaan.

World Labs markkinoi Atlasta elokuva- ja erikoistehostetuotantoon, arkkitehtuuriin ja suunnitteluun sekä robotiikkaan. Robotiikassa mallilla voi yhtiön mukaan rakentaa tutkimus- ja simulaatioympäristöjä todellisista tai tekoälyn tuottamista näkymistä.

Viewfinderia voi kokeilla World Labsin sivuilla lataamalla omia valokuvia tai luomalla kuvia. Sivulla ei kerrota hintaa, mutta sieltä pääsee rajapinnan ohjeisiin ja lisätietoihin mallin toiminnasta.

Mihin tämä perustuu

  1. Atlas

    Julkaisija: worldlabs.ai · lähteen julkaisuaika ei tiedossa · noudettu 15.11.2026 05:40 (Suomen aikaa) · löytökanava: verkko

Lue juttu →Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Agentit

Grok Bot -tiimi kertoo vieneensä kuukaudessa tuotantoon 11 000 pull requestia

Tekoälyn tuottama sisältöTekoälyn kirjoittama

youtube.com, x.com · 2 lähdettä · Lähteet julkaistu: 14.11.2026

Lauren Tanin mukaan SpaceXSI:n Grok Bot -tiimi pitää koodausagenttien koodin laadun yllä muuttamalla agentille annetut korjaukset automaattisiksi tarkistuksiksi. Hänen mukaansa noin 0,5 % pull requesteista perutaan.

Lauren Tan (poteto) kertoi AI Engineer -konferenssin puheessaan, miten SpaceXSI:n Grok Bot -tiimi pitää koodin laadun yllä niin, että suurin osa tuotekoodista ei hänen mukaansa enää vaadi perusteellista ihmisen katselmointia. Puheen video julkaistiin 14. marraskuuta. Grok Bot on Tanin mukaan Electron-pohjainen työpöytäsovellus, jolla voi käynnistää ja ohjata Cursorin pilviagentteja.

Korjauksista tulee automaattisia tarkistuksia

Tanin lähtökohta on, että agentti kopioi koodikannasta myös kiertotiet ja vanhentuneet ratkaisut. Kun tiimi korjaa agenttia, korjaus ei päädy uudeksi riviksi ohjetiedostoon, kuten agents.md:hen. Tiimi tekee siitä automaattisen tarkistuksen tai parantaa rajapintaa tai arkkitehtuuria, koska Tanin mukaan koodissa oleva tarkistus toimii toistettavasti.

Tiimin oma Dune-sovelluskehys Electron-sovelluksille sisältää lint-sääntöjä eli tarkistuksia, jotka hylkäävät kiellettyä rakennetta käyttävän koodin. Tuotekoodissa on kielletty Reactin useEffect, jota agentit Tanin mukaan käyttävät huonosti. Electronin pääprosessin ja renderöintiprosessin koodi on erillisissä hakemistoissa, eikä toisen koodia saa tuoda toiseen.

Tiimi on myös kieltänyt 99 % koodikommenteista. Tan kertoi esimerkin Cursorista: agentit perustelivat kommenteissa ajastimilla tehtyjä pikakorjauksia, jotka heikensivät sovelluksen suorituskykyä. Nyt lint-säännön virheilmoitus ohjaa agenttia korjaamaan varsinaisen syyn.

Tan neuvoo aloittamaan lint-säännöllä, joka estää uudet huonot rakenteet, ja siivoamaan sitten vanhat. Hänen mukaansa huonoa koodia tuottavan työtavan automatisointi vain lisää huonoa koodia. Häneltä itseltään kesti kuusi kuukautta päästä tilanteeseen, jossa hän pystyi viemään tuotantoon tuhansia pull requesteja.

Agentit todentavat työnsä itse

Tanin mukaan katselmointi on supistunut videoiden, kuvakaappausten ja kaavioiden tarkasteluun. Agentti ajaa sovellusta itse vianetsintätyökaluilla, kuten Chrome DevTools -protokollalla. Ominaisuuskartta luettelee agentille sovelluksen toiminnot käyttäjän näkökulmasta.

Tiimi kokeilee myös formaalia verifiointia eli ohjelman ominaisuuksien matemaattista tarkistamista. Algoritmeja se tarkistaa Leanilla ja keskeisiä käyttäjäpolkuja TLA+:lla, esimerkiksi ilmoituksia usealla laitteella. Tan kertoi menetelmän löytäneen jo useita virheitä, mutta hänen mukaansa se ei ole ihmelääke ja kokeilu jatkuu. Suurin osa hänen tokeneistaan kuluu todentamiseen.

Tulokset ovat tiimin omia lukuja

Tanin mukaan tiimi vei viime kuussa tuotantoon 11 000 pull requestia eli koodimuutosehdotusta. Lokakuussa noin 227 ihmistä teki vähintään yhden pull requestin. Uusi vakaa versio julkaistaan noin kerran päivässä.

Tanin mukaan perutuksi päätyy tasaisesti noin 0,5 % pull requesteista, ja osuus on aiempaa pienempi. Puheen tekstistä ei käy ilmi, mihin ajankohtaan osuutta verrataan, eikä lukuja ole tarkistettu riippumattomasti. Hänen mukaansa sovellus on julkaisun jälkeen nopeutunut käynnistyksessä, kirjoittamisessa sekä keskustelujen avaamisessa ja vaihtamisessa. Puheen tekstissä ei kerrota mittaustuloksia.

Uuden version julkaisun jälkeen Grok Bot käynnistää Cursor-projektin, joka käyttää sovellusta kuin käyttäjä. Se korjaa löytämänsä virheet ja yhdistää korjaukset automaattisesti. Tanin mukaan koodikanta on niin hyvässä kunnossa, että pull requestit ovat yleensä valmiiksi hyviä.

Tanin pstack-lisäosa on saatavilla GitHubissa Cursorin plugins-repositoriossa. Siihen kuuluu State Chart -skill, joka piirtää tilakoneet käyttäjän näkökulmasta.

Mihin tämä perustuu

  1. www.youtube.com

    Julkaisija: www.youtube.com · julkaistu 14.11.2026 20:30 (Suomen aikaa) · noudettu 15.11.2026 05:16 (Suomen aikaa) · löytökanava: YouTube

  2. x.com

    lauren · Julkaisija: x.com · julkaistu 14.11.2026 · noudettu 15.11.2026 05:16 (Suomen aikaa) · löytökanava: X

Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Agentit

FBI varoittaa ARTEXista: osa murroista eteni laajoihin oikeuksiin alle kolmessa tunnissa

Tekoälyn tuottama sisältöTekoälyn kirjoittama

ic3.gov, cybersecuritynews.com, glitchwire.com, casrai.org, therecord.media, gbhackers.com, cyberpress.org · 7 lähdettä · Lähteet julkaistu: 13.11.2026–14.11.2026

FBI:n mukaan hyökkääjät käyttävät avoimen lähdekoodin ARTEX-ohjelmaa, jossa suuren kielimallin avulla toimivat tekoälyagentit hoitavat useita murron vaiheita tiedustelusta tietojen vientiin. FBI kehottaa kartoittamaan myös unohtuneet internetiin näkyvät järjestelmät.

FBI julkaisi 13. marraskuuta FLASH-tiedotteen, joka kokoaa tietoturvayhtiöiden havaintoja ARTEXin väärinkäytöstä. Sen mukaan hyökkääjät ovat ainakin elokuusta 2026 lähtien käyttäneet ohjelmaa muun muassa rahoitusalaa, julkishallintoa ja terveydenhuoltoa vastaan.

Agentit hoitavat useita murron vaiheita

ARTEX on harness eli agentteja ohjaava ohjelma, joka antaa mallille työkalut ja ajaa sen työvaiheet. Käyttäjä kirjoittaa tavoitteen luonnollisella kielellä, ja ARTEX muuttaa sen komennoiksi. Useat tekoälyagentit suorittavat komennot lähes ilman ihmisen ohjausta.

ARTEXissa ei ole omaa mallia, vaan se käyttää ulkoisia suuria kielimalleja, kuten Claudea, GPT:tä ja DeepSeekiä. FBI:n mukaan hyökkääjien asennuksissa yleisimpiä ovat DeepSeekin Flash-mallit. FBI:n mukaan syynä on kyvykkyyden ja suhteellisen edullisen hinnan yhdistelmä sekä se, ettei niissä näy suojarajoituksia, kun pyyntö esitetään tunkeutumistestauksena eli luvallisena murtautumiskokeena.

Agentit ovat hyödyntäneet tunnettuja heikkouksia, kuten SQL-injektioita, tunnistautumista vaatimattomia rajapintoja sekä varastettuja VPN- ja palveluntoimittajatunnuksia. Sisään päästyään ne ovat asentaneet web shellejä eli palvelimelle sijoitettuja etäohjaustiedostoja ja lisänneet tunnuksia olemassa oleviin OAuth-sovelluksiin. FBI:n mukaan ARTEX löytää erityisen hyvin vähälle huomiolle jääneitä järjestelmiä, kuten kumppaniportaaleja ja mobiilisovellusten taustapalveluja.

Joissakin murroissa ensimmäisistä kohteeseen suunnatuista toimista laajoihin käyttöoikeuksiin kului alle kolme tuntia. Cyber Security News huomauttaa, että luku kuvaa osaa havaituista murroista eikä ARTEXin kykyä yleisesti. FBI:n mukaan ARTEXin liikenne erottuu ja voi laukaista hälytyksiä, mutta nopeuden vuoksi puolustajille jää vähän aikaa.

Uhrit, kohteet ja levinneisyys

Etelä-Korean rahoituslaitoksiin kohdistuneissa hyökkäyksissä vietiin FBI:n mukaan noin 67 000 ihmisen henkilötietoja. Tiedotteen mukaan ConnectWise Cloud Backup -palvelun kautta tehty toimitusketjuhyökkäys mahdollisti pääsyn yli 2 250 asiakasympäristöön. Cyber Security News kuvaa samaa Microsoftin havaintoa toisin: hyökkääjät yrittivät päästä ympäristöihin, ja luku kertoo kohteiden määrän, ei vahvistettuja murtoja.

Censysin tutkijat löysivät marraskuun alussa yli 1 600 julkisesti näkyvää ARTEXin hallintakonsolia, ja FBI arvioi asennuksia olevan selvästi enemmän. Cyber Security Newsin mukaan näkyvä asennus ei yksinään todista pahantahtoista käyttöä.

ARTEXin julkaisi GitHubissa Autumn-27-niminen kehittäjä, joka on The Recordin mukaan kiinalainen tietoturvainsinööri Li Puhua. FBI:n mukaan julkaisu oli heinäkuussa, The Recordin mukaan elokuussa. Kehittäjä sanoi työkalun tarkoitetun luvalliseen testaukseen ja poisti repositorion 8. lokakuuta. Ohjelma on silti saatavilla kopioina ja kaupallisena ARTEX PRO -versiona.

FBI:n suositukset puolustajille

FBI kehottaa kartoittamaan myös reunajärjestelmät, rajaamaan pilvipalvelujen hallinta- ja julkaisurajapinnat luotettuihin verkkoihin, karsimaan sovellusten käyttöoikeuksia ja etsimään salaisuuksia repositorioista. Odottamattomia yhteyksiä kielimallien rajapintoihin kannattaa tutkia yhdessä muiden epäilyttävien merkkien kanssa. Tiedotteen IP-osoitteet pitää tarkistaa ennen estämistä, koska pilvipalvelujen osoitteet voivat siirtyä harmittomaan käyttöön.

FBI neuvoo ConnectWise-sovellusten käyttäjiä käymään läpi jokaisen Microsoft 365 -ympäristön, jossa sovellus on tai on ollut. Haku tehdään sovelluksen tunnisteella, ja toimintaa tarkastellaan vähintään 1. lokakuuta alkaen. FBI:n mukaan yhteydet kannattaa pitää poissa käytöstä, kunnes ConnectWise antaa palautusohjeet. Sovelluksia ei pidä poistaa ennen kuin asetukset ja todisteet on tallennettu.

Mihin tämä perustuu

  1. www.ic3.gov

    Julkaisija: www.ic3.gov · julkaistu 13.11.2026 · noudettu 15.11.2026 05:19 (Suomen aikaa) · löytökanava: verkko

  2. FBI Reveals How Hackers Use ARTEX AI Agents to Gain Privileged Access in Under Three Hours

    Julkaisija: cybersecuritynews.com · julkaistu 14.11.2026 13:21 (Suomen aikaa) · noudettu 15.11.2026 05:19 (Suomen aikaa) · löytökanava: verkko

  3. FBI Issues FLASH Alert on ARTEX, the AI Agent Framework Automating Network Intrusions — Glitchwire

    Julkaisija: glitchwire.com · julkaistu 14.11.2026 16:55 (Suomen aikaa) · noudettu 15.11.2026 05:19 (Suomen aikaa) · löytökanava: verkko

  4. FBI Warns of ARTEX AI Attack Framework — CASRAI

    Julkaisija: casrai.org · julkaistu 14.11.2026 13:42 (Suomen aikaa) · noudettu 15.11.2026 05:19 (Suomen aikaa) · löytökanava: verkko

  5. FBI flash alert says Artex tool automating cyberattacks at ‘machine speed’

    Julkaisija: therecord.media · julkaistu 13.11.2026 23:35 (Suomen aikaa) · noudettu 15.11.2026 05:19 (Suomen aikaa) · löytökanava: verkko

  6. FBI Warns Hackers Are Weaponizing ARTEX AI Framework to Launch Autonomous Cyberattacks Worldwide

    Julkaisija: gbhackers.com · julkaistu 14.11.2026 09:07 (Suomen aikaa) · noudettu 15.11.2026 05:19 (Suomen aikaa) · löytökanava: verkko

  7. FBI Warns Hackers Are Using ARTEX AI Agents to Breach Networks in Under 3 Hours

    Julkaisija: cyberpress.org · julkaistu 14.11.2026 07:35 (Suomen aikaa) · noudettu 15.11.2026 05:19 (Suomen aikaa) · löytökanava: verkko

Lue juttu →Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Agentit

OpenClaw-kehittäjien mukaan uusi beeta keventää pitkien istuntojen muistikuormaa

Tekoälyn tuottama sisältöTekoälyn kirjoittama

github.com, wapbaike.baidu.com, senx.ai, releasebot.io · 4 lähdettä · Lähteet julkaistu: 12.11.2026–15.11.2026 · osan lähteistä ajankohta ei tiedossa

OpenClaw-kehittäjien mukaan versio 2026.11.5-beta.3 vähentää muistikuormaa, kun ohjelma indeksoi, karsii ja tiivistää pitkiä keskusteluja. Tiivistelmän pituudelle voi nyt asettaa merkkirajan, ja ohjelma peittää tiivistelmään lainatut tunnukset.

OpenClaw-projekti julkaisi 15. marraskuuta GitHubissa tekoälyagenttinsa esiversion 2026.11.5-beta.3. Versiotiedotteen mukaan edellisen beetan jälkeen siihen on koottu 50 pull requestia. OpenClaw on avoimen lähdekoodin tekoälyagentti, joka voi ajaa komentoja käyttäjän koneella. Sitä ohjataan pikaviestinsovellusten kautta.

Pitkät istunnot ja tiivistys

Kontekstin tiivistyksessä ohjelma korvaa keskustelun vanhemman osan tiivistelmällä, jotta keskustelu mahtuu mallin konteksti-ikkunaan. Tiedotteen mukaan beeta rajaa suurten keskustelutallenteiden indeksointia ja karsintaa. Kun istunnon tila ladataan uudelleen, ohjelma siirtää vain valitut osat. Tiedote ei kerro, kuinka paljon muistinkäyttö pienenee.

Tiivistelmän merkkimäärälle voi nyt asettaa rajan. Tiedotteen mukaan käynnissä olevan pyynnön budjettirajat ovat silti voimassa. Asetuksen nimeä tiedote ei mainitse.

Tietoturvaa koskee tiivistelmään lainattujen tunnusten peittäminen. Uutissivusto SEN-X kertoi muutoksesta jo sen päätyessä kehityshaaraan. Sivuston mukaan tiivistelmään päätyi aiemmin sellaisenaan keskusteluun liitetty token=-, sk- tai ghp_-alkuinen arvo tai PEM-yksityisavain. Koska ohjelma lähettää tiivistelmän mallille jokaisen myöhemmän pyynnön mukana, tunnus jäi mallin kontekstiin koko istunnon ajaksi.

Korjaus ei koske tallennettua keskustelua. SEN-X:n mukaan raakateksti säilyy siinä tarkoituksella. Sivusto neuvoo, ettei voimassa olevia avaimia liitetä agentin keskusteluun. Jo liitetyt avaimet se kehottaa vaihtamaan.

Uudelleenkäynnistys ja käyttöoikeudet

Tiedotteen mukaan jonossa olevat viestit säilyttävät alkuperäiset käyttöoikeusrajansa, kun ohjelma käynnistyy uudelleen. Ohjelma vie keskustelun viimeiset tallennukset loppuun ennen kuin työ siirtyy uudelle prosessille. Ohjelma pitää vastuun lopullisen viestin toimituksesta, kunnes viimeinen etäkutsu on valmis.

Delegoidut muutokset vaativat nyt voimassa olevan valtuuden. iOS-sovellus poistaa vanhat, selväkielisinä tallennetut käyttöönottokoodit, ja liitetyt koodit se pitää vain muistissa. Komentojen hyväksyntää koskevat vanhat, ristiriitaiset tiedostot eivät enää estä käynnistystä, vaan ensisijainen käytäntö ratkaisee.

Muut muutokset koskevat muun muassa kylmäkäynnistystä, keskeytyneiden työtilojen palautusta, MCP-työkaluja, Slack-, iMessage- ja IRC-kanavia, Z.ai- ja Gemini-malleja sekä Windowsia ja macOS:ää.

Versio löytyy npm-paketinhallinnasta nimellä 2026.11.5-beta.3. SEN-X totesi edellisestä beetasta, ettei se muuttanut oletuskanavan käyttäjien versiota. Sivuston 12. marraskuuta tekemän tarkistuksen mukaan oletuskanavalla oli silloin versio 2026.11.3. Julkaisun tarkistuslistan mukaan Telegramin beetan päästä päähän -testin tulosta ei ole toimitettu.

Mihin tämä perustuu

  1. openclaw 2026.11.5-beta.3

    openclaw · Julkaisija: github.com · julkaistu 15.11.2026 02:31 (Suomen aikaa) · noudettu 15.11.2026 04:15 (Suomen aikaa) · löytökanava: GitHub

  2. OpenClaw

    Julkaisija: wapbaike.baidu.com · lähteen julkaisuaika ei tiedossa · noudettu 15.11.2026 05:30 (Suomen aikaa) · löytökanava: verkko

  3. OpenClaw 2026.11.5 Beta 2 Reaches npm as Claude Fable 5.2 Goes Official and Snyk Re-Scans 10,000 ClawHub Skills

    Julkaisija: senx.ai · julkaistu 12.11.2026 16:30 (Suomen aikaa) · noudettu 15.11.2026 05:30 (Suomen aikaa) · löytökanava: verkko

  4. OpenClaw Release Notes - November 2026 Latest Updates - Releasebot

    Julkaisija: releasebot.io · julkaistu 13.11.2026 · noudettu 15.11.2026 05:30 (Suomen aikaa) · löytökanava: verkko

Lue juttu →Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Agentit

AI Rudderin CALL-E antaa tekoälyagenttien soittaa puheluita käyttäjän luvalla

Tekoälyn tuottama sisältöTekoälyn kirjoittama

technode.global, indovizka.com, indiantelevision.com, voi.id · 4 lähdettä · Lähteet julkaistu: 14.11.2026–15.11.2026

Singaporelaisen AI Rudderin mukaan sen CALL-E-palvelu soittaa puheluita esimerkiksi ChatGPT:n, OpenClaw’n ja Claude Coden kautta vasta, kun käyttäjä on hyväksynyt puhelusuunnitelman. Puhelun jälkeen palvelu antaa yhteenvedon ja tulosta tukevat otteet keskustelusta.

AI Rudder julkisti CALL-E:n 13. marraskuuta Media OutReach Newswiren levittämässä tiedotteessa. TechNode Global, Indiantelevision.com ja indonesialainen Voi.id kertovat palvelusta tiedotteen pohjalta eivätkä vahvista yhtiön väitteitä itsenäisesti.

Yhtiön mukaan CALL-E toimii ChatGPT:ssä, henkilökohtaisissa tekoälyagenteissa kuten Metan Musessa, OpenClaw’ssa ja Hermes Agentissa sekä koodausagenteissa Claude Codessa, Codexissa ja Cursorissa. TechNoden mukaan kyse on AI Rudderin ilmoittamasta yhteensopivuudesta. Yhtiö ei ilmoita yhteistyösopimuksesta palvelujen ylläpitäjien kanssa eikä niiden hyväksymästä integraatiosta.

Näin puhelu etenee

Käyttäjän agentti antaa CALL-E:lle asian hoidettavaksi, esimerkiksi ravintolavarauksen siirron. Palvelu näyttää ensin puhelusuunnitelman. Puhelu lähtee vasta, kun käyttäjä on hyväksynyt juuri sen.

Puhelun jälkeen CALL-E kertoo, mitä sovittiin. Se myös arvioi, kuinka varmasti tavoite täyttyi, ja näyttää tulosta tukevat repliikit. TechNoden mukaan mukana on myös litterointi.

Kehittäjä voi antaa rajapinnan kautta puhelun tavoitteen, puhelinnumeron ja halutun tulosmuodon. TechNode huomauttaa, että rajapinnan vastaanottama pyyntö on vasta siirtynyt palvelun käsittelyyn. Vastaanotto ei vielä kerro, vastasiko kukaan tai onnistuiko tehtävä.

Oletuksena CALL-E esittäytyy ääniagentiksi. Käyttäjä voi muuttaa esittelyä, mutta yhtiön mukaan ennakkotarkistus on tarkoitettu estämään esimerkiksi esiintyminen FBI:nä tai hätänumerona 911.

Yhtiön väitteet ja lakivaatimukset

Toimitusjohtaja Teng Ren perustelee tuotetta puhelun vuorottelulla: ”Maailman älykkäinkin tekoälymalli voi yhä epäonnistua puhelussa. Siihen riittää yksi ’mm-hmm’.” Hänen mukaansa agentti voi luulla myöntävää äännähdystä kysymykseksi ja vaieta kesken lauseen.

Tiedotteen mukaan keskeytykset tunnistavalla Helm Swift -mallilla on lokakuun 2026 TurnBench Interruption -listan ehdot täyttäneistä malleista jaetusti pienin väärien positiivisten osuus. Tämä tarkoittaa tiedotteen mukaan, että malli lopettaa puheensa harvoin vain siksi, että vastapuoli sanoo ”yeah”. TechNoden mukaan tulos on yhtiön ilmoittama, eikä TechNode toistanut sitä itse. Voi.id muistuttaa, ettei yksi testitulos takaa CALL-E:n ymmärtävän aina oikein.

Tiedotteen mukaan CALL-E käyttää samaa tekniikkaa kuin AI Rudderin yritysratkaisut, jotka on suunniteltu täyttämään SOC 2 Type 2- ja ISO 27001 -standardit sekä EU:n tietosuoja-asetuksen ja Kaakkois-Aasian henkilötietolakien (PDPA) vaatimukset. Indiantelevision kirjoittaa vahvemmin, että infrastruktuuri täyttää ne. Tiedotteen mukaan jokaisesta puhelusta jää kirjaus suunnitelmasta, hyväksynnästä ja tuloksesta.

Tiedote viittaa EU:n tekoälyasetuksen 50 artiklaan sekä FCC:n vuoden 2024 päätökseen (FCC 24-17), jonka mukaan tekoälyllä tuotetut äänet kuuluvat Yhdysvaltain Telephone Consumer Protection Act -lain piiriin. TechNoden mukaan suostumusta, ilmoittamista ja nauhoittamista koskevat vaatimukset vaihtelevat maittain ja käyttötavoittain. Voi.id:n mukaan palvelun käyttäjän suostumus ei korvaa puhelun vastaanottajan suostumusta, jos laki sitä vaatii.

CALL-E on saatavilla osoitteessa heycall-e.com ja rajapinnan kautta. Uusi käyttäjä saa 100 ilmaista krediittiä. TechNoden mukaan sen jälkeen hinta määräytyy puhelun keston ja telekulujen mukaan.

Mihin tämä perustuu

  1. AI Rudder launches CALL-E voice agent for phone calls

    Julkaisija: technode.global · julkaistu 14.11.2026 17:11 (Suomen aikaa) · noudettu 15.11.2026 05:34 (Suomen aikaa) · löytökanava: verkko

  2. CALL-E Lets AI Agents in ChatGPT, Muse and OpenClaw Make Real Phone Calls on Their Users' Behalf

    Julkaisija: indovizka.com · julkaistu 15.11.2026 02:35 (Suomen aikaa) · noudettu 15.11.2026 05:34 (Suomen aikaa) · löytökanava: verkko

  3. AI Rudder launches CALL-E to let ChatGPT agents make phone calls for users

    Julkaisija: indiantelevision.com · julkaistu 14.11.2026 05:17 (Suomen aikaa) · noudettu 15.11.2026 05:34 (Suomen aikaa) · löytökanava: verkko

  4. CALL-E Makes AI Agents Able to Call Restaurants, Must Ask for User Permission

    Julkaisija: voi.id · julkaistu 14.11.2026 · noudettu 15.11.2026 05:35 (Suomen aikaa) · löytökanava: verkko

Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Kiina

IT Home: DeepSeekin verkkokoodi viittaa julkistamattomaan Coding Plan -pakettiin

Tekoälyn tuottama sisältöTekoälyn kirjoittama

pandaily.com, m.ithome.com, einkcn.com, todayforai.com · 4 lähdettä · Lähteet julkaistu: 14.11.2026–15.11.2026

Kehittäjät löysivät DeepSeekin verkkochatin koodista käyttökiintiöiden hallinnan, jonka IT Home yhdistää Coding Plan -nimiseen pakettiin. DeepSeek ei ole julkistanut tilausta, hintaa eikä julkaisupäivää.

Asiasta kertoi kiinalainen teknologiasivusto IT Home 14. marraskuuta lukijoiden vinkkien perusteella. Englanninkielinen Pandaily referoi juttua seuraavana päivänä. Tiedot ovat peräisin nimeämättömiltä kehittäjiltä, jotka ovat tutkineet chat.deepseek.com:n selaimessa toimivaa koodia.

Käyttökiintiö rajaa, kuinka paljon palvelua voi käyttää tietyn ajan kuluessa. Kun kiintiö loppuu, käyttö keskeytyy, kunnes kiintiö palautuu.

Kehittäjien mukaan koodissa on käyttäjälle näytettävä ilmoitus: ”Käyttökiintiö on saavuttanut ylärajan, yritä uudelleen, kun kiintiö on palautunut.” Koodi käsittelee myös virhetilanteen, jossa kiintiö on lopussa. Jaettua keskustelua jatkettaessa koodi tarkistaa quotas-taulukosta, onko kiintiö käytetty loppuun (is_exhausted).

Miten kiintiöt näkyisivät käyttäjälle

Kehittäjien mukaan käyttöliittymän uusin commit lisää kiintiön tilan säännöllisen tarkistuksen. Kun sivu on näkyvissä, se hakee palvelimelta viiden minuutin välein kunkin mallin kiintiön, käyttäjän mahdollisen viestikiellon ja palvelimen lähettämät tekstit.

Kiintiön loputtua syöttökentän yläpuolelle ilmestyisi ilmoituspalkki, ja etusivun tervetuloalue näyttäisi palvelimen lähettämän kiintiötiedon. Kokonaisuuteen kuuluvat myös ilmoitus kiintiön palautumisesta ja varoitukset palvelimen asettamista käyttörajoista. IT Homen mukaan järjestelmä viittaa Coding Plan -nimiseen pakettiin.

Hinnasta ja kohderyhmästä ei ole tietoa

DeepSeek ei ole julkistanut tilauksen hintaa, tasoja eikä julkaisupäivää. Pandailyn mukaan yhtiö ei ole kommentoinut koodia, eikä raporteissa mainita maksunäkymää. Niistä ei selviä, koskisivatko kiintiöt ilmaiskäyttäjiä, maksavia vai molempia. Pandaily muistuttaa, että verkkosovelluksen koodissa voi olla myös testattavia ominaisuuksia. Niitä ei välttämättä koskaan julkaista.

Osa käyttäjistä arvelee, että DeepSeek tuo ensimmäisen kuluttajille suunnatun maksullisen pakettinsa samaan aikaan DeepSeek V4.1 Pro -mallin kanssa. IT Home korostaa, että kyse on yhteisön arvailusta.

Tähän asti DeepSeek on veloittanut yksityishenkilöitä suoraan vain kehittäjäalustansa rajapinnan kautta. Siellä hinta määräytyy käytettyjen tokenien mukaan. IT Homen mukaan DeepSeekillä oli lokakuussa noin 130 miljoonaa kuukausittaista käyttäjää, ja yli miljardin dollarin vuositasoisesta liikevaihdosta lähes kaikki tuli rajapinnasta. Lähdettä luvuille IT Home ei nimeä.

Pandailyn mukaan Coding Plan -nimi sijoittaisi DeepSeekin samaan tuoteluokkaan muiden kiinalaisten mallitoimittajien kanssa. Esimerkkeinä se mainitsee Zhipu AI:n GLM Coding Planin sekä Alibaba Cloudin ja Baidu AI Cloudin koodaustilaukset.

Mihin tämä perustuu

  1. DeepSeek's Web Code Shows Quota Management Pointing to a 'Coding Plan', but No Plan Is Announced

    Julkaisija: pandaily.com · julkaistu 15.11.2026 05:03 (Suomen aikaa) · noudettu 15.11.2026 05:31 (Suomen aikaa) · löytökanava: verkko

  2. DeepSeek 前端代码出现“额度耗尽”提示,开发者猜测将首次推出 C 端付费方案 - IT之家

    Julkaisija: m.ithome.com · julkaistu 14.11.2026 · noudettu 15.11.2026 05:31 (Suomen aikaa) · löytökanava: verkko

  3. DeepSeek 前端代码出现“额度耗尽”提示 开发者猜测将首次推出 C 端付费方案 - einkCN | ePaper电子纸与 eink行业新闻动态

    Julkaisija: einkcn.com · julkaistu 14.11.2026 05:09 (Suomen aikaa) · noudettu 15.11.2026 05:31 (Suomen aikaa) · löytökanava: verkko

  4. DeepSeek Frontend Code Leak Hints at First Consumer Coding Plan

    Julkaisija: todayforai.com · julkaistu 14.11.2026 03:20 (Suomen aikaa) · noudettu 15.11.2026 05:31 (Suomen aikaa) · löytökanava: verkko

Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Tutkimus

Esijulkaisu: pienten mallien kirjoittamat suojaussäännöt pettivät injektiotestissä

Tekoälyn kirjoittama

arXiv + 2 lähdettä · 14.11.2026

Tekoälyn tuottama sisältöTekoälyn kirjoittama

arXiv, aisafetyhot.com, dev.to · 3 lähdettä · Lähteet julkaistu: 12.11.2026–14.11.2026

Mittauksessa 15 avointen painojen mallin itse kirjoittamat turvasäännöt päästivät kehoteinjektioita läpi tai estivät tehtäviä. CapLite torjui testissä kaikki hyökkäykset, joilla agentti yritettiin saada tekemään muutos, mutta tehtävistä onnistui selvästi pienempi osa kuin ilman suojaa.

Tokion yliopiston ja Kiinan tiedeakatemian automaatioinstituutin tutkijat julkaisivat 12. marraskuuta arXivissa esijulkaisun, jota ei ole vertaisarvioitu. Siinä he selvittävät, voiko pieni kielimalli itse kirjoittaa säännöt agentin suojaksi kehoteinjektiolta. Kehoteinjektiossa hyökkääjä piilottaa ohjeen sähköpostiin, tiedostoon tai verkkosivuun, jonka agentti lukee työkalukutsun tuloksena.

CaMeL-, Progent-, IPIGuard- ja DRIFT-suojissa sääntöjen noudattamista valvoo koodi, mutta säännöt kirjoittaa agentin oma malli. Säännöt ovat suojasta riippuen ohjelma, käyttöoikeuspolitiikka, riippuvuusgraafi tai rajoitelista. Tekijöiden mukaan suoja on vain niin pätevä kuin sen säännöt.

Virhe päästää hyökkäyksen läpi tai pysäyttää työn

Tutkijat testasivat suojia AgentDojo-vertailutestissä 15 mallilla, joista 13:ssa on 1,7–12 miljardia parametria. Progentin politiikat päästivät hyökkäyksiä läpi 14 mallilla, IPIGuardin graafit 13 mallilla ja DRIFTin rajoitteet 11 mallilla. CaMeL päästi läpi vain 20 hyökkäystä 13 935 hyökkäysajosta, mutta pahimmillaan, Granite-4.2-8B-mallilla, 68 prosentissa ajoista ei syntynyt toimivaa ohjelmaa.

Qwen3- ja Gemma-4-malliperheissä Progentin ja IPIGuardin läpi päässeiden hyökkäysten osuus kasvoi mallikoon mukana, kuten suojaamattomallakin agentilla. Tekijöiden mukaan isompaa mallia on helpompi ohjata injektiolla, eivätkä sen kirjoittamat säännöt korvaa tätä. Mech.appin dev.to-kirjoituksen mukaan yli 12 miljardin parametrin mallit kirjoittavat parempia sääntöjä, mutta esijulkaisun luvut eivät tue tätä.

CapLite: malli ehdottaa, koodi päättää

Tutkijoiden CapLite päättelee kiinteillä säännöillä työkalujen nimistä ja kuvauksista, mitkä työkalut vain lukevat ja mitkä muuttavat jotain, esimerkiksi lähettävät tai maksavat. Suunnitteleva malli näkee vain käyttäjän pyynnön ja työkalujen kuvaukset. Se lukitsee muuttavat kutsut ennen kuin agentti lukee yhdenkään työkalun tuloksen.

Ennen jokaista muuttavaa kutsua koodi tarkistaa, että vastaanottaja, summa, kohde ja verkko-osoite vastaavat täsmälleen käyttäjän pyynnössä mainittuja arvoja. Hyökkääjän piilottama teksti ei voi lisätä kutsua eikä ohjata sitä uuteen kohteeseen. Tarkistus ei rajoita viestin sisältöä eikä päivämääriä tai kellonaikoja. CapLite ei myöskään torju injektiota, joka yrittää vain saada tietyn lauseen agentin vastaukseen.

Taulukossa ovat 15 mallin keskiarvot AgentDojon päähyökkäyksessä (important_instructions); läpi päässeet hyökkäykset on laskettu yhteen.

Suoja Onnistuneet tehtävät hyökkäyksen alla Läpi päässeet hyökkäykset Tokenit ajoa kohden (tuhatta)
Ei suojaa 50,2 % 2 322 28,0
Progent 40,6 % 676 63,4
IPIGuard 35,7 % 435 60,5
DRIFT 34,9 % 214 28,1
CaMeL 27,2 % 20 93,7
CapLite 29,0 % 0 17,1

Lähde: esijulkaisu, AgentDojo v1.2.2; mallia kohden 949 hyökkäysparia, joista hyökkäysten läpipääsy laskettiin 929:stä.

Taulukosta ei voi päätellä, että CapLite olisi tehtävissä CaMeLia parempi: Gemma-4-E4B- ja -12B-malleilla CaMeL onnistui merkitsevästi useammin.

CapLitella suojattu agentti onnistui hyökkäyksen alla tehtävissä 21 prosenttiyksikköä harvemmin kuin suojaamaton. Tekijöiden mukaan suurin syy on pienen mallin heikko suunnittelu: 43 prosentissa ilman hyökkäystä epäonnistuneista ajoista lukitusta suunnitelmasta puuttui tarvittava kutsu. Jos vastaanottaja löytyy vain työkalun tuloksesta, CapLite pyytää käyttäjältä vahvistuksen. Testissä pyyntöihin ei vastattu, joten nämä ajot laskettiin epäonnistuneiksi.

Kaikki tulokset ovat AgentDojon neljästä tehtäväkokoelmasta, ja kukin asetelma ajettiin kerran. Tekijät kertovat julkaisevansa koodin ja ajokohtaiset tulokset.

Mihin tämä perustuu

  1. CapLite: Prompt-Injection Defense for Small Language Model Agents without Model-Written Security Artifacts

    Xu, Zimo, Liu, Wenzhuo, Nakayama, Hideki · Julkaisija: arxiv.org · julkaistu 12.11.2026 19:07 (Suomen aikaa) · noudettu 15.11.2026 05:26 (Suomen aikaa) · löytökanava: verkko

  2. CapLite: Prompt-Injection Defense for Small Language Model Agents without Model-Written Security Artifacts

    Julkaisija: aisafetyhot.com · julkaistu 12.11.2026 19:07 (Suomen aikaa) · noudettu 15.11.2026 05:26 (Suomen aikaa) · löytökanava: verkko

  3. CapLite: Why Small Language Model Agents Can't Write Their Own Security Policies

    Julkaisija: dev.to · julkaistu 14.11.2026 12:06 (Suomen aikaa) · noudettu 15.11.2026 05:26 (Suomen aikaa) · löytökanava: verkko

Lue juttu →Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Tutkimus

Testissä GPT-mallit löysivät eniten agenttiriskejä, kun turhia hälytyksiä ei rajattu

Tekoälyn kirjoittama

arXiv + 1 lähde · 12.11.2026

Tekoälyn tuottama sisältöTekoälyn kirjoittama

arXiv, scholar-inbox.com · 2 lähdettä · Lähteet julkaistu: 12.11.2026

Alibaban tutkijoiden ReA-Bench-testissä GPT-mallit löysivät agenttien ajolokeista eniten riskejä, mutta ne hälyttivät myös yli puolessa vaikeista luvallisista ajoista. Kun väärien hälytysten määrä rajattiin, Grok- ja DeepSeek-mallit löysivät enemmän riskejä.

Alibaban AAIG-ryhmän tutkijat julkaisivat 12. marraskuuta arXivissa esijulkaisun ReA-Bench-vertailutestistä. Testi mittaa, miten kielimallit tarkastavat tekoälyagenttien ajolokeja. Tarkastava malli lukee agentin työvaiheet ja arvioi, toimiko agentti riskialttiisti. Työvaiheita ovat esimerkiksi työkalukutsut vastauksineen. Tutkimusta ei ole vertaisarvioitu.

Tavallinen mittari on löydettyjen riskien osuus (recall). Tekijöiden mukaan siitä ei näe, mitkä riskit jäävät huomaamatta. Se ei myöskään kerro, tuoko suurempi osuus mukanaan enemmän vääriä hälytyksiä. Tekijöiden analyysissa tuotannon ja hyökkäystestien ajoista osa riskeistä jäi toistuvasti huomaamatta eri tarkastusasetuksilla.

Kuusi tasoa ja vaikeat luvalliset ajot

Testissä on 587 ajoa: 304 riskialtista, 177 luvallista ja 106 vertailuversiota. Useimmat on poimittu oikeista tuotantoajoista tai muokattu niistä. Tehtävät jakautuvat kuuteen tasoon:

  • tietoturvatietämys
  • ristiriidat ajon sisällä
  • todisteen löytäminen pitkästä ajosta
  • lähteiden ja päättelyn tarkistus
  • vähittäinen ohjailu usealla viestikierroksella
  • puuttuva tieto.

Luvalliset ajot on valittu tarkoituksella vaikeiksi. Niissä agentti tekee riskialttiilta näyttäviä asioita, mutta tehtävä ja käyttäjän antamat luvat oikeuttavat ne. Tekijöiden mukaan nämä ajot eivät vastaa tavallisia tuotantoajoja. Siksi testissä mitattua väärien hälytysten osuutta ei voi suoraan muuntaa tuotannon luvuiksi.

Eniten löytäneet mallit hälyttivät usein turhaan

Tutkijat testasivat kahdeksaa mallikokoonpanoa neljällä tavallisella tarkastustavalla. Kahdessa ensimmäisessä lukusarakkeessa on neljän tarkastustavan keskiarvo, kun hälytysraja on 5 asteikolla 0–10. Viimeisessä sarakkeessa on paras löydettyjen riskien osuus, kun luvallisista ajoista hälytetään enintään 10 prosentissa.

Malli Löydetyt riskit Väärät hälytykset Löydetyt riskit, väärät hälytykset ≤ 10 %
DeepSeek-Flash 59,7 % 3,8 % 67,8 %
DeepSeek-Pro 50,6 % 3,8 % 71,1 %
Qwen-Flash 63,7 % 8,6 % 68,5 %
Qwen-max 73,6 % 12,9 % 71,8 %
Grok-low 65,4 % 5,4 % 74,6 %
Grok-high 71,0 % 5,5 % 78,0 %
GPT-luna 87,0 % 52,0 % 50,5 %
GPT-sol 88,5 % 54,0 % 47,3 %

Lähde: ReA-Bench-esijulkaisu, tasot 1–5. Väärien hälytysten osuus on mitattu testin vaikeista luvallisista ajoista.

Kiinteällä hälytysrajalla GPT-mallit löysivät eniten riskejä. Kun väärät hälytykset rajattiin, niiden tulos jäi muiden alle. Jokainen kokoonpano ajettiin vain kerran. Siksi pienet erot pitää tekijöiden mukaan vahvistaa toistokokeilla.

Mallit tunnistivat yleensä paremmin tietoturvatietämystä vaativat riskit kuin ristiriidat, perusteettomat väitteet ja päättelyvirheet. Ajon lyhentäminen ei aina auttanut. Yhdessä ajossa agentti oli käyttänyt UTC-aikaleimoja, vaikka raportointijakso oli määritelty Pekingin aikaan. Mallit tarkastivat ajon 28 kertaa eri kokoonpanoilla ja tarkastustavoilla. Alkuperäisessä noin 220 000 merkin ajossa virhe löytyi 12 kertaa ja noin 13 000 merkkiin lyhennetyssä versiossa 13 kertaa.

Tekijät kokeilivat myös omaa, muistiinpanoja kokoavaa GSA-menetelmäänsä. Kiinteällä hälytysrajalla GSA löysi kaikilla neljällä kokoonpanolla enemmän riskejä kuin eniten riskejä löytänyt vertailutapa, mutta se hälytti myös useammin turhaan. Kun kaikki hälytysrajat otetaan huomioon, GSA erotteli riskit paremmin kolmella kokoonpanolla, mutta GPT-lunalla huonommin.

Tekijät aikovat julkaista testin avoimesti, kun aineistosta on poistettu tunnistetiedot ja julkaisu on tarkastettu.

Mihin tämä perustuu

  1. ReA-Bench: Benchmarking Responsible Agent Auditing

    Ye, Zipeng, Dai, Shenyu, Xie, Yong, Wang, Kun, Guan, Jiyang, Chen, Zhikai, Weng, Jiaqi, Tao, Jialing, Xue, Hui · Julkaisija: arxiv.org · julkaistu 12.11.2026 11:01 (Suomen aikaa) · noudettu 15.11.2026 05:28 (Suomen aikaa) · löytökanava: verkko

  2. ReA-Bench: Benchmarking Responsible Agent Auditing

    Julkaisija: www.scholar-inbox.com · julkaistu 12.11.2026 · noudettu 15.11.2026 05:29 (Suomen aikaa) · löytökanava: verkko

Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Tutkimus

Esijulkaisu: kuvaan piilotettu ohje voi paljastua mallille, kun kuvaa pienennetään rajusti

Tekoälyn kirjoittama

arXiv + 1 lähde · 12.11.2026

Tekoälyn tuottama sisältöTekoälyn kirjoittama

arXiv, huggingface.co · 2 lähdettä · Lähteet julkaistu: 12.11.2026 · osan lähteistä ajankohta ei tiedossa

Esijulkaisun mukaan kuvaan voi kätkeä tekstiohjeen, jonka neljä suljettua kuvia tulkitsevaa kielimallia lukivat yli puolessa testeistä vasta 64 × 64 pikseliin pienennetystä kuvasta. Lievemmin pienennetyissä kuvissa vaikutus heikkeni jyrkästi.

Nanyangin teknillisen yliopiston ja DSO National Laboratoriesin tutkijat kuvaavat arXivissa 12. marraskuuta julkaistussa esijulkaisussa ilmiön, jota he kutsuvat nimellä Scale-Induced Semantic Shift (SISS). Tutkimusta ei ole vertaisarvioitu.

Järjestelmä pienentää tai pakkaa kuvan usein, ennen kuin kuvia ja tekstiä tulkitseva kielimalli käsittelee sen. Malli ei siis välttämättä näe samaa kuvaa kuin käyttäjä.

Testit ja tulokset

Tutkijat hienosäätivät kuvageneraattoria kuvilla, jotka he valitsivat pelkästään avointen painojen Qwen2.5-VL-mallin palautteen perusteella. Testikuvat lukittiin ennen kuin ne näytettiin testattaville malleille. Hyökkäys onnistui, jos malli ei lukenut ohjetta 512 × 512 pikselin kuvasta mutta luki sen 64 × 64 pikseliin pienennetystä versiosta. Arvioijana toiminut Gemini 3 Pro päätteli pelkästä tekstivastauksesta, löytyikö ohje. Kuvaa se ei nähnyt.

Hyökkäyksen onnistumisosuus 300 testikuvassa:

Malli SISS QR-Monster (vertailukohta)
GPT-4o 60,33 % 35,33 %
Claude Sonnet 4.6 57,67 % 49,33 %
Qwen3.5-Plus-02-15 62,67 % 47,67 %
Gemini-3-Flash 54,33 % 32,00 %
Keskiarvo 58,75 % 41,08 %

Lähde: tekijöiden esijulkaisu, kolmas hiomiskierros, pienennys 512 → 64 pikseliä.

Luvuista ei voi päätellä, että hyökkäys toimisi tavallisissa kuvakoissa. Tekijöiden mukaan 64 pikseliä on tarkoituksella raju koeasetelma eikä oletus käytössä olevien mallien toiminnasta. Samoilla kuvilla keskimääräinen onnistumisosuus oli 128 pikselin pienennyksessä 17,68 %, 224 pikselin 6,85 % ja 336 pikselin 5,60 %.

Vaikutus agentteihin oli pieni

Verkkoagenttikokeessa kuvat lisäsivät piilotetun ohjeen havaitsemista. Gemini-3-Flashilla osuus nousi vertailukuvien 37,33 prosentista 67,67 prosenttiin ja GPT-4o:lla 12,67 prosentista 30,33 prosenttiin. Haitallisia toimia agentit tekivät kuitenkin vain 4,00 ja 3,67 prosentissa tapauksista, kun vertailukuvilla luvut olivat 2,33 ja 1,67 prosenttia. Tekijöiden mukaan koe osoittaa, että kuvat voivat vaikuttaa agenttiin, mutta ei sitä, että niillä voisi luotettavasti kaapata agentin. Kokeessa oli vain kaksi agenttia.

Yleiset kuvasuodattimet eivät suojanneet

Puolustuskokeessa onnistumisosuus ei muuttunut tilastollisesti merkitsevästi, kun kuvaa skaalattiin uudelleen, pakattiin JPEG-muotoon, suodatettiin tai peitettiin satunnaisesti. Tekijöiden ScaleGuard-tunnistin vertaa täysikokoista kuvaa yhdeksään pienennettyyn versioon ja hylkää kuvan, jos teksti näkyy vain pienissä. Se laski onnistumisosuuden 61,4 prosentista 24,3 prosenttiin. Kun hyökkääjä hioi kuvia yhden kierroksen tunnistinta vastaan, osuus laski 42,5 prosentista 15,0 prosenttiin.

Tunnistin ei hylännyt yhtään puhdasta vertailukuvaa 70 ja 40 kuvan otoksissa. Tekijöiden mukaan näin pienestä otoksesta ei voi päätellä, että vääriä hälytyksiä olisi vähän. Tekijät eivät myöskään mitanneet tunnistimen viivettä, vaikka se tarkastaa jokaisesta kuvasta kymmenen versiota. Puolustuskoe tehtiin eri aineistolla ja arvioijalla, ja kohteena oli vain Qwen2.5-VL-7B-malli, joten sen lukuja ei voi verrata päätuloksiin.

Mihin tämä perustuu

  1. Scale-Induced Semantic Shift in Visual Prompt Injection Against VLMs and Web Agents

    Zhao, Yiheng, Ji, Runze, Yi, Chenyu, Yu, Yi, Shen, Bingquan, Kot, Alex, Jiang, Xudong · Julkaisija: arxiv.org · julkaistu 12.11.2026 14:57 (Suomen aikaa) · noudettu 15.11.2026 05:31 (Suomen aikaa) · löytökanava: verkko

  2. 2504/2504.14348.md · huggingchat/papers-content

    Julkaisija: huggingface.co · lähteen julkaisuaika ei tiedossa · noudettu 15.11.2026 05:32 (Suomen aikaa) · löytökanava: verkko

Lue juttu →Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Tiedonhaku ja RAG

OpenRouterin testi: Voyagen malli nosti ensimmäisen osuman tarkkuuden 81 %:sta 97 %:iin

Tekoälyn tuottama sisältöTekoälyn kirjoittama

github.com, openrouter.ai · 3 lähdettä · Lähteet julkaistu: 13.11.2026 · osan lähteistä ajankohta ei tiedossa

OpenRouterin omassa, pienellä synteettisellä aineistolla tehdyssä testissä pelkkä vektorihaku nosti oikean tekstinpätkän ensimmäiseksi 81 %:ssa kysymyksistä. Kun voyageai/rerank-3-lite järjesti 30 ehdokasta uudelleen, osuus nousi 97 %:iin noin 0,10 dollarilla tuhatta kyselyä kohden.

OpenRouter julkaisi 13. marraskuuta blogissaan vertailun uudelleenjärjestyksestä RAG-sovelluksissa. RAG-sovellus hakee omista dokumenteista tekstinpätkiä ja antaa ne suurelle kielimallille vastauksen pohjaksi. Yhtiö vertasi 11:tä uudelleenjärjestysmallia (reranker) sekä niiden viivettä ja hintaa.

Miksi vektorihaku erehtyy

Vektorihaku tiivistää jokaisen pätkän yhdeksi vektoriksi jo ennen kuin kysymys tunnetaan. OpenRouterin mukaan 130 sanan pätkässä palvelutason nimi on vain sana tai kaksi, joten eri tasojen rajoituksia kuvaavat pätkät näyttävät haulle lähes samoilta. Kun testissä kysyttiin Growth-tason säilörajaa, google/gemini-embedding-2 nosti kärkeen Starter-, Enterprise- ja Scale-tasojen pätkät. Oikea oli vasta viides.

Uudelleenjärjestysmalli lukee kysymyksen ja kunkin ehdokkaan yhdessä ja pisteyttää ehdokkaat uudelleen. Koko aineistolle se on liian hidas, joten vektorihaku rajaa ehdokkaat ensin. OpenRouter suosittelee hakemaan noin 30 ehdokasta ja antamaan kielimallille kolme parasta.

Testiaineistossa oli 274 mallin tuottamaa pätkää ja kysymystä kuvitteellisesta Fernbank-tallennuspalvelusta. Jokaisella kysymyksellä oli yksi oikea pätkä, joten tulos laskettiin automaattisesti. Yhtiö varoittaa, että aineisto on pieni ja synteettinen ja hyöty voi todellisilla dokumenteilla olla erilainen.

Tulokset ja hinnat

Kaikki mallit järjestivät samat 30 gemini-embedding-2:n hakemaa ehdokasta. Taulukko näyttää, kuinka usein oikea pätkä nousi ensimmäiseksi (precision@1).

Malli Oikea ensimmäisenä Viive, mediaani (s) Hinta / 1 000 kyselyä
Ei uudelleenjärjestystä 81,0 % – –
voyageai/rerank-3 97,8 % 1,27 0,26 $
voyageai/rerank-3-lite 97,1 % 1,26 0,10 $
cohere/rerank-4-pro 95,3 % 1,54 2,50 $
qwen/qwen3-reranker-8b 92,3 % 1,51 1,49 $
cohere/rerank-v3.5 90,5 % 1,47 1,00 $
openai/gpt-6-luna (kielimalli) 99,6 % 4,01 0,70 $
google/gemini-3.8-flash (kielimalli) 100 % 3,25 4,14 $

OpenRouterin ajo 8.10.2026, 274 kysymystä, valikoima 11 mallista. Viiveestä noin 0,9 s on testikoneen verkkoviivettä.

Voyagen mallien ero on vain kaksi kysymystä, eikä se OpenRouterin mukaan osoita kalliimman mallin olevan parempi. Kielimallit lukivat kaikki 30 pätkää kerralla ja olivat tarkimpia. Niiden mediaaniviive oli 3,3–4,4 sekuntia, uudelleenjärjestysmalleilla noin 1,3. Yhtiön mukaan ei ole varmaa, että etu säilyy sotkuisemmassa aineistossa.

Kun anthropic/claude-haiku-5.5 sai kolme uudelleenjärjestettyä pätkää, 99,3 % sen vastauksista oli oikein. Kolmella pätkällä ilman uudelleenjärjestystä osuus oli 95,6 %. Viiteen pätkään ilman uudelleenjärjestystä verrattuna kokonaiskustannus nousi nettona 0,04 dollaria tuhatta kysymystä kohden. Uudelleenjärjestys maksoi 0,10 dollaria, mutta kielimallin vastauskulut laskivat 0,22 dollarista 0,16 dollariin, kun sille lähti viiden pätkän sijaan kolme.

Rajat

Uudelleenjärjestys voi nostaa vain ehdokkaan, jonka vektorihaku on löytänyt. Kun voyageai/voyage-4-lite-mallin hakemia ehdokkaita oli 30:n sijaan 50, tulos parani yhden kysymyksen verran. Aiheeseen sopiva pätkä ei myöskään aina ole oikea: blogin kuuden pätkän esimerkissä vastaamaton foorumikysymys nousi toiseksi.

cohere/rerank-v3.5 lukee dokumentista vain 4 096 ensimmäistä tokenia eikä varoita katkaisusta. Kun upotusmallin kutsusta puuttui input_type-parametri, tulos heikkeni 7–12 prosenttiyksikköä.

Uudelleenjärjestysmalleja käytetään OpenRouterin /rerank-rajapinnan kautta; kielimallit eivät toimi siinä. Voyage ja Qwen laskuttavat tokenien mukaan, Cohere hakukerroittain. Dokumentaation RAG-oppaan esimerkkikoodi poikkeaa testistä: se käyttää cohere/rerank-v3.5:tä, ei aseta input_type-parametria ja suosittelee 10–20 ehdokasta.

Mihin tämä perustuu

  1. github.com

    Julkaisija: github.com · lähteen julkaisuaika ei tiedossa · noudettu 15.11.2026 05:23 (Suomen aikaa) · löytökanava: GitHub

  2. Reranking in RAG: How to Fix Bad Retrieval with a Reranker

    Julkaisija: openrouter.ai · julkaistu 13.11.2026 02:00 (Suomen aikaa) · noudettu 15.11.2026 05:23 (Suomen aikaa) · löytökanava: verkko

  3. RAG with Embeddings & Rerank - Build Retrieval-Augmented Generation Pipelines

    Julkaisija: openrouter.ai · lähteen julkaisuaika ei tiedossa · noudettu 15.11.2026 05:23 (Suomen aikaa) · löytökanava: verkko

Lue juttu →Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Talous ja juridiikka

Tilitoimisto WCG käyttää tekoälyä veroilmoitusten tarkastukseen, ei niiden laatimiseen

Tekoälyn kirjoittama

wcginc.com · 14.11.2026

Tekoälyn tuottama sisältöTekoälyn kirjoittama

wcginc.com · Lähde julkaistu: 14.11.2026 02:07 (Suomen aikaa)

Yhdysvaltalainen WCG CPAs & Advisors vertaa valmista veroilmoitusta tekoälyllä lähdeasiakirjoihin, edellisvuoteen ja veroennusteeseen. Yhtiön mukaan tämä ei ainakaan vielä säästä aikaa vaan lisää työtä.

Yhdysvaltalaisen tilitoimiston WCG CPAs & Advisorsin toimitusjohtaja Jason Watson kertoi yhtiön blogissa 14. marraskuuta, miten toimisto käyttää tekoälyä veroilmoitustyössä. WCG testasi kuukausien ajan viittä suurta tekoälytyökalua, jotka on tarkoitettu veroilmoitusten laatimiseen. Yhtiön mukaan työkalut eivät vielä aivan riitä tähän. Watsonin mukaan useimmat työkalut poimivat tietoja tai laativat osan ilmoituksesta ja siirtävät sen sitten kaupalliseen vero-ohjelmaan.

Tekoäly tulee mukaan vasta valmiin ilmoituksen jälkeen

Vuoden 2026 veroilmoitukset, jotka jätetään vuonna 2027, laaditaan edelleen SurePrep- ja UltraTax-ohjelmilla. Valmis ilmoitus siirretään WCG:n kumppanin Filedin veroanalyysipalveluun. Filediin kootaan lähdeasiakirjat, edellisen ja kuluvan vuoden ilmoitukset, vuoden aikana laadittu veroennuste ja tehdyt verosuunnitelmat.

WCG:n mukaan aineistoa käsitellään Filedin sisällä ympäristössä, joka täyttää SOC 2 Type II -tietoturvavaatimukset. Arkaluonteiset henkilötiedot peitetään ennen kuin tekoäly käsittelee niitä. Tekoälypalvelujen tarjoajat eivät säilytä aineistoa käsittelyn jälkeen. Tietoturvaa koskevat väitteet ovat yhtiön omia.

Aluksi Filed vertaa ilmoitusta lähdeasiakirjoihin, edellisvuoteen ja ennusteeseen. Se nostaa esiin merkittävät muutokset, ammatillista harkintaa vaativat kohdat ja verosuunnittelun mahdollisuudet. WCG on lisännyt analyysiin vakiintuneet kantansa, esimerkiksi näkemyksen osakas-johtajan kohtuullisesta palkasta.

Havainnoista koostetaan tarkastajalle tiivis yhteenveto. WCG:n keksityillä luvuilla tekemässä esimerkissä kohteet on merkitty punaisella, keltaisella tai vihreällä. Yli 1 000 dollarin tai 10 prosentin muutokset on nostettu esiin. Watsonin mukaan värit vain ohjaavat huomiota. Ne eivät ole tekoälyn arvio ilmoituksen oikeellisuudesta.

Varsinaisen tarkastuksen tekee asiakasvastaava, ja yhtiön asiantuntijat vastaavat ilmoituksen laadusta ja oikeellisuudesta. Lopuksi Filed luonnostelee asiakkaalle yleistajuisen selvityksen, jossa käydään läpi esimerkiksi muutokset edellisvuoteen, efektiivinen veroaste ja aiempien verosuunnitelmien tulokset. Henkilöstö tarkistaa luonnoksen ennen lähettämistä.

Työ lisääntyy eikä vähene

Watsonin mukaan tekoäly ei ainakaan vielä säästä aikaa, koska työtä lisäävät Filedin vertailuvaihe, yhteenvedon lukeminen ja asiakasselvitys. WCG:n mukaan lisätyö kannattaa analyysin ja asiakkaalle välittyvän tiedon vuoksi.

Yhtiö kertoo ottavansa tekoälyn käyttöön ilmoitusten laatimisessa, kun jokin toimittaja pystyy kaupallisessa vero-ohjelmassa luotettavasti tekemään alusta loppuun useita osavaltioita ja paljon K-1-lomakkeita sisältävän ilmoituksen. K-1-lomakkeilla yhtiöt ilmoittavat osakkaiden tulo-osuudet.

Lisäksi WCG rakentaa omilla palvelimillaan toimivaa Kairos-työkalukokonaisuutta. Siihen kuuluva S2TB muuntaa tiliotteet ja muut lähdeasiakirjat kirjanpitotiimille saldoluetteloksi. Se on parhaillaan tulossa käyttöön. Jo käytössä on T2P, joka laatii asiakastapaamisten litteroinneista toimeksiantotarjouksia. Toimeksiantojen tilanteen kokoavaa ClientTempiä aletaan testata vasta, kun henkilötiedot pystytään peittämään ennen tekoälykäsittelyä.

Mihin tämä perustuu

  1. AI Tax Return Review at WCG: Scrub, Brief, Narrative

    Julkaisija: wcginc.com · julkaistu 14.11.2026 02:07 (Suomen aikaa) · noudettu 15.11.2026 05:26 (Suomen aikaa) · löytökanava: verkko

Lue juttu →Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Sääntely ja markkinat

Kaksi Nvidian suursijoittajaa pyytää hallitusta pitämään Huangin paluun mahdollisena

Tekoälyn tuottama sisältöTekoälyn kirjoittama

cnbc.com, businessinsider.com, techcrunch.com, aitimes.com, qbitai.com · 7 lähdettä · Lähteet julkaistu: 14.11.2026–15.11.2026

Altimeter Capital ja Atreides Management pyytävät Nvidian hallitusta etenemään toimitusjohtajahaussa hitaasti ja pitämään Jensen Huangin paluun mahdollisena. Verkkovetoomus vaatii Huangia takaisin jo tutkinnan ajaksi.

Altimeter Capitalin toimitusjohtaja Brad Gerstner julkaisi perjantaina X:ssä Nvidian hallitukselle osoitetun kirjeen, kertoo CNBC. Kirjeen allekirjoitti myös Atreides Managementin Gavin Baker. Kaksikko pyytää hallitukselta ”hidasta, harkittua ja huolellista prosessia” yhtiön tulevan johdon valinnassa.

Kirje ei vaadi Jensen Huangin välitöntä palauttamista. Sen mukaan perustaja on ansainnut menettelyn, jossa häntä ei korvata kiireellä ennen kaikkien tosiasioiden selviämistä. Korealaisen AI Timesin mukaan sijoittajat myöntävät, että hallitus voi tutkinnan perusteella myös torjua paluun. Baker kertoi lisäksi tukevansa vetoomusta, joka vaatii Huangia takaisin heti siksi aikaa, kun riippumaton tutkinta on kesken.

CNBC:n mukaan Altimeterilla oli 30. kesäkuuta 9,4 miljoonaa Nvidian osaketta, arvoltaan lähes 1,9 miljardia dollaria, ja Atreidesilla 1,2 miljoonaa osaketta, arvoltaan lähes 250 miljoonaa dollaria. AI Timesin mukaan Wall Street Journal huomautti, että Huangin noin 140 miljardin dollarin omistus on vain noin 3,6 prosenttia yhtiöstä, joten hänen asemansa on altis hallituksen päätöksille.

Huang erosi 12. marraskuuta toimitusjohtajan ja hallituksen jäsenen tehtävistä, eikä Nvidian tiedote kertonut syytä. Huang oli myöntänyt suhteen singaporelaisen Megaspeed-yhtiön entiseen johtajaan Alice Huangiin. Lisäksi hänen suhteestaan erääseen Nvidian johtajaan oli uutisoitu. Business Insiderin mukaan New York Times kertoi lokakuussa Yhdysvaltain tiedusteluviranomaisten arvioivan, että Alice Huang saattaa olla Kiinan vakooja. Kiina kiistää väitteen. Oikeusministeri Todd Blanchen mukaan ministeriö ei ole tehnyt asiasta johtopäätöstä. Nvidian hallitus tutkii, oliko Huang vieraan tiedustelun kohde. Väliaikaisena toimitusjohtajana toimii talousjohtaja Colette Kress.

Vetoomuksen luvut ovat järjestäjien omia

TechCrunchin mukaan Stand with Jensen -vetoomus vaatii palauttamaan Huangin siksi aikaa, kun riippumaton tutkinta selvittää tosiasiat. Business Insiderin mukaan järjestäjät sanovat, ettei heille ole esitetty vakoiluväitettä tukevaa näyttöä.

Allekirjoitusmäärät ovat vetoomussivuston ilmoittamia. Business Insider kertoi lauantai-iltapäivänä yli 108 000 allekirjoituksesta, vähän myöhemmin julkaistu TechCrunchin juttu yli 115 000:sta. TechCrunchin luvuissa Nvidian nykyisiä työntekijöitä oli 5 965 ja osakkeenomistajia 63 063. Listalla on myös valenimiä, kuten ”Tim Cruise”, ja järjestäjät kertovat poistavansa niitä.

Allekirjoittajiin kuuluvat Elon Musk sekä toimitusjohtajat Amjad Masad (Replit), Tim Sweeney (Epic Games) ja Garry Tan (Y Combinator). Musk kirjoitti X:ssä, että moni Huangin toimitusketjusopimus oli tehty kädenpuristuksella eikä kirjallisesti. Hänen mukaansa ilman Huangia ainakin osa niistä menetetään.

Hallitus etsii seuraajaa

Business Insiderin mukaan hallitus harkitsee sekä yhtiön sisäisiä että ulkopuolisia ehdokkaita. Kiinalainen QbitAI kertoo Reutersin välittämän Financial Timesin uutisen perusteella, että hallitus on lähestynyt Armin toimitusjohtajaa Rene Haasia. QbitAI:n mukaan Haas siirtyi Nvidian johdosta Armille vuonna 2013. Nvidian mukaan se valitsee vielä hakua avustavaa rekrytointiyritystä, ja arvailu ehdokkaista on ennenaikaista. AI Timesin mukaan ei ole tiedossa, harkitseeko hallitus virallisesti Huangin paluuta.

Mihin tämä perustuu

  1. Nvidia board urged to consider 'potential return of Jensen Huang' by two major investors

    Julkaisija: www.cnbc.com · julkaistu 14.11.2026 19:35 (Suomen aikaa) · noudettu 15.11.2026 05:11 (Suomen aikaa) · löytökanava: verkko

  2. A petition to reinstate Jensen Huang as Nvidia CEO has over 100,000 signatures, including some big names

    Julkaisija: www.businessinsider.com · julkaistu 14.11.2026 22:35 (Suomen aikaa) · noudettu 15.11.2026 05:11 (Suomen aikaa) · löytökanava: verkko

  3. Elon Musk, other tech execs sign petition calling on Nvidia to reinstate Jensen Huang | TechCrunch

    Julkaisija: techcrunch.com · julkaistu 14.11.2026 23:41 (Suomen aikaa) · noudettu 15.11.2026 05:11 (Suomen aikaa) · löytökanava: verkko

  4. 엔비디아 투자자들 "젠슨 황 복귀 검토해야"…머스크 등 거물 가세 - AI타임스

    Julkaisija: www.aitimes.com · julkaistu 15.11.2026 00:52 (Suomen aikaa) · noudettu 15.11.2026 05:11 (Suomen aikaa) · löytökanava: verkko

  5. 英伟达上演“奥特曼2.0”,员工集体请愿:让老黄回家!

    Julkaisija: www.qbitai.com · julkaistu 14.11.2026 12:08 (Suomen aikaa) · noudettu 15.11.2026 05:11 (Suomen aikaa) · löytökanava: verkko

  6. Where was Nvidia's security team? | TechCrunch

    Julkaisija: techcrunch.com · julkaistu 15.11.2026 02:08 (Suomen aikaa) · noudettu 15.11.2026 05:11 (Suomen aikaa) · löytökanava: verkko

  7. Asian governments react to Nvidia CEO Jensen Huang’s exit | TechCrunch

    Julkaisija: techcrunch.com · julkaistu 14.11.2026 18:34 (Suomen aikaa) · noudettu 15.11.2026 05:12 (Suomen aikaa) · löytökanava: verkko

Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Sääntely ja markkinat

Malesia selvittää, vietiinkö Megaspeedin tytäryhtiön Nvidia-siruja maasta eteenpäin

Tekoälyn tuottama sisältöTekoälyn kirjoittama

aitimes.com, techcrunch.com, zeteo.com, abcnews4.com, cnbc.com, malaysiakini.com · 7 lähdettä · Lähteet julkaistu: 14.11.2026

Malesian kauppaministeriö selvittää tullin kanssa, onko Megaspeedin tytäryhtiön Speedmatrixin maahan tuomia Nvidian tekoälysiruja viety muihin maihin. Pääministeri Anwar Ibrahimin mukaan merkkejä tästä ei ole toistaiseksi löytynyt.

Malesian sisäministeri Saifuddin Nasution Ismail kertoi lauantaina 14. marraskuuta poliisin tutkineen huhtikuusta 2025 lähtien, onko maan kautta kierretty Yhdysvaltain Nvidian tekoälysiruille asettamia vientirajoituksia. Malaysiakinin mukaan tutkinta tehdään strategisen kaupan lain nojalla. Siinä selvitetään myös, onko maata käytetty kauttakulkureittinä.

Monen viranomaisen tutkintaa johtaa investointi-, kauppa- ja teollisuusministeriö. Saifuddin ei kertonut, onko sirujen laittomasta ohjaamisesta muualle löytynyt näyttöä. Hän ei myöskään kertonut, tutkiiko poliisi Megaspeediä tai Speedmatrixia.

Maahantuonti on vapaata, maastavienti luvanvaraista

Malesia on vaatinut 14. heinäkuuta 2025 alkaen luvan yhdysvaltalaisten tehokkaiden tekoälysirujen vientiin, jälleenvientiin eli maahan tuotujen sirujen viemiseen edelleen sekä kauttakuljetukseen. Maahantuontiin lupaa ei tarvita. Ministeriö selvittää tullin kanssa, onko Speedmatrixin tuomia siruja ja palvelimia viety muihin maihin ja noudattivatko kaupat Malesian lakia. AI Timesin mukaan tullille annetut väärät tiedot ovat rangaistavia.

Speedmatrix toimii malesialaisessa datakeskuksessa ja tuo palvelimia ja siruja omaan käyttöönsä. Ministeriön mukaan viranomaisten käynti tiloissa oli alan tavallinen tarkastus eikä tarkoita, että yhtiöiden toiminta olisi hyväksytty. Ministeri Johari Abdul Ghani sanoi 10. marraskuuta, ettei näytön puuttuessa Speedmatrixista ollut aloitettu erillistä tutkintaa. Kolme päivää myöhemmin ministeriö täsmensi, ettei kumpaakaan yhtiötä ole todettu syyttömäksi.

Pääministeri Anwar Ibrahimin mukaan Malesia ei ole saanut Yhdysvalloilta tai Singaporelta virallista pyyntöä tutkinta-avusta, mutta auttaa pyydettäessä. AI Timesin mukaan Malesia ei valvo Yhdysvaltain omia vientirajoituksia suoraan. Maan hallitus katsoo silti, että siellä toimivien yritysten on otettava ne huomioon.

Megaspeed kiistää, Singapore jatkaa tutkintaa

Malaysiakinin siteeraamien raporttien mukaan Megaspeed osti Nvidian tekoälysiruja 4,8 miljardilla dollarilla kesäkuun 2024 ja helmikuun 2026 välillä. Väitteiden mukaan sirut toimitettiin datakeskuksiin Malesiaan ja Indonesiaan. Megaspeed kiistää laittoman sirukaupan. Sen mukaan Yhdysvaltain ja Malesian viranomaisten ja Nvidian tarkastuksissa ei löytynyt rikkeitä. Nvidia on sanonut tarkastustensa vahvistaneen, että sirut ovat siellä, missä pitääkin. The National News Deskin mukaan muiden tiedotusvälineiden esiin nostamissa kauppatiedoissa ja asiakirjoissa on kuitenkin kymmeniä tuhansia siruja, jotka eivät täsmää Nvidian lukuihin.

Yhdysvaltain tiedustelu epäilee yhtiön entistä toimitusjohtajaa Alice Huangia kiinalaiseksi vakoojaksi. Kiina kiistää väitteen. Nvidian silloinen toimitusjohtaja Jensen Huang myönsi suhteen häneen ja erosi CNBC:n mukaan 12. marraskuuta. Yhdysvaltain oikeusministeriö tutkii CNBC:n mukaan, ohjasiko Megaspeed rajoitettuja siruja Kiinaan.

Singaporen sisäministeriön mukaan sen tutkinta Megaspeedistä ja kuudesta henkilöstä jatkuu, kertoo TechCrunch. Alice Huangin osuudesta epäiltyihin vääriin ilmoituksiin ei löytynyt riittävää näyttöä. Hän sai silti helmikuussa 2026 varoituksen ja maahantulokiellon, koska oli tietoisesti antanut poliisille virheellistä tietoa roolistaan. AI Timesin mukaan Singaporen poliisi syytti 13. marraskuuta viidettä epäiltyä palvelinkauppoihin liittyvästä rahanpesusta, mutta suoraa yhteyttä Megaspeediin ei ole vahvistettu.

CNBC:n siteeraaman kirjeen mukaan Yhdysvaltain kauppaministeri Howard Lutnick on suostunut senaatin pankkivaliokunnan kuultavaksi 10. joulukuuta siitä, estääkö ministeriö Kiinaa hankkimasta kehittyneitä siruja.

Mihin tämä perustuu

  1. 말레이시아, 메가스피드 AI 칩 재수출 의혹 조사 착수 - AI타임스

    Julkaisija: www.aitimes.com · julkaistu 14.11.2026 08:53 (Suomen aikaa) · noudettu 15.11.2026 05:17 (Suomen aikaa) · löytökanava: verkko

  2. Asian governments react to Nvidia CEO Jensen Huang’s exit | TechCrunch

    Julkaisija: techcrunch.com · julkaistu 14.11.2026 18:34 (Suomen aikaa) · noudettu 15.11.2026 05:12 (Suomen aikaa) · löytökanava: verkko

  3. ‘Feeding Frenzy’: Trump’s Administration Erupts Over the Nvidia Scandal

    Julkaisija: zeteo.com · julkaistu 14.11.2026 18:03 (Suomen aikaa) · noudettu 15.11.2026 05:17 (Suomen aikaa) · löytökanava: verkko

  4. US officials raise alarm over restricted Nvidia AI chips reaching China

    Julkaisija: abcnews4.com · julkaistu 14.11.2026 04:39 (Suomen aikaa) · noudettu 15.11.2026 05:17 (Suomen aikaa) · löytökanava: verkko

  5. Nvidia board urged to consider 'potential return of Jensen Huang' by two major investors

    Julkaisija: www.cnbc.com · julkaistu 14.11.2026 19:35 (Suomen aikaa) · noudettu 15.11.2026 05:11 (Suomen aikaa) · löytökanava: verkko

  6. Elon Musk, other tech execs sign petition calling on Nvidia to reinstate Jensen Huang | TechCrunch

    Julkaisija: techcrunch.com · julkaistu 14.11.2026 23:41 (Suomen aikaa) · noudettu 15.11.2026 05:11 (Suomen aikaa) · löytökanava: verkko

  7. Cops probing alleged Nvidia chip diversion since April 2025, says Saifuddin | Malaysiakini

    Julkaisija: www.malaysiakini.com · julkaistu 14.11.2026 · noudettu 15.11.2026 05:18 (Suomen aikaa) · löytökanava: verkko

Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Sääntely ja markkinat

Raportti: Nvidia on alkanut karsia rahoitusta, jolla asiakkaat ostivat sen siruja

Tekoälyn tuottama sisältöTekoälyn kirjoittama

techspot.com, x.com, journalarta.com, notebookcheck.net, oilprice.com, shattered.io · 7 lähdettä · Lähteet julkaistu: 13.11.2026–15.11.2026

WSJ:n mukaan Nvidia rahoitti asiakkaitaan saadakseen TSMC:n ylitarjonnan kaupaksi ja pitääkseen GPU-hinnat korkeina, mutta alkoi kesällä 2026 hidastaa sopimuksia. Notebookcheck ja JournalArta arvioivat analyytikko Ian Cutressin kommenttien pohjalta, etteivät pelinäytönohjaimet halpene nopeasti.

The Wall Street Journal (WSJ) kertoo Nvidian rahoitusjärjestelyistä väliaikaisen toimitusjohtajan Colette Kressin henkilökuvassa. Teknologiasivusto TechSpot referoi juttua 14. marraskuuta. Kress hoitaa tehtävää talousjohtajan työn ohella sen jälkeen, kun Jensen Huang erosi toimitusjohtajan paikalta.

Kiertävässä rahoituksessa yhtiö rahoittaa asiakkaitaan, ja raha palaa sille tuotteiden ostoina. Notebookcheckin mukaan Nvidian kerrotaan antaneen takauksia ja muuta tukea, joiden avulla pilvipalveluyhtiöt ja tekoälyyhtiöt ovat saaneet rahoitusta sen laitteisiin.

Ylitarjontaa ja korkeita hintoja

TechSpotin mukaan WSJ kertoo Nvidian tehneen vuoden 2026 puolivälin jälkeen lisää rahoitussopimuksia. Niillä se halusi saada kaupaksi TSMC:n piikiekkojen ylitarjonnan ja pitää GPU-hinnat korkeina. Kesällä yhtiötä huoletti TSMC:ltä tilattujen sirujen ”vyöry”.

Sen jälkeen Nvidia alkoi hidastaa, pienentää ja keskeyttää osaa sopimuksista. Yksi niistä on OpenAI:n kanssa tehty sopimus, johon kuului alun perin 250 miljardin dollarin takaus maailman suurimmalle datakeskukselle. Shattered.io-sivuston mukaan ei ole vahvistettu, onko luku sijoitus, ostositoumus vai takaus.

Huang kertoi Berliinin konferenssissa suurasiakkaille tarinan japanilaisesta keittokojusta, jossa keitto ei riittänyt kaikille. TechSpot päättelee tarinasta, että rahoitus nosti hintoja luomalla mielikuvan suuresta kysynnästä. Päätelmä on TechSpotin oma. Shattered.io huomauttaa, ettei väitteelle tarkoituksella luodusta niukkuudesta ole näyttöä. Sen mukaan raporttien kuvaama ongelma oli päinvastainen: tarjontaa oli liikaa.

Analyytikot odottavat taukoa

Oilprice.comin mukaan UBS:n analyytikko Timothy Arcuri odottaa Nvidian pitävän tauon uusissa rahoitussopimuksissa, vaikka uusi toimitusjohtaja jatkaisi samaa linjaa. JPMorganin analyytikot eivät oleta nykyisten sitoumusten muuttuvan. Uudet sopimukset voivat kuitenkin syntyä hitaammin tai tulla kalliimmiksi.

Pelinäytönohjaimet eivät halpene nopeasti

TechSpotin mukaan GeForce-korttien hinnat ylittävät usein 160 prosenttia alkuperäisestä suositushinnasta. Notebookcheck arvioi, ettei rahoituksen karsiminen korjaa tätä nopeasti. Indonesialaisen JournalArtan mukaan Nvidia ei myöskään voi nopeasti siirtää tuotantoa tekoälysiruista GeForce-kortteihin. Molemmat nojaavat More Than Moore -analyysiyhtiön pääanalyytikon Ian Cutressin kommentteihin, jotka Notebookcheckin mukaan julkaisi PCWorld.

Tekoälykiihdyttimissä käytetään tyypillisesti suurikaistaista HBM-muistia ja monimutkaista paketointia, pelikorteissa GDDR-muistia. Osa valmistusresursseista on yhteisiä, mutta tuotantolinjat eivät ole keskenään vaihdettavissa. ”Valmistajien pitää tyypillisesti tilata piikiekot esimerkiksi TSMC:ltä ja odottaa kuusi kuukautta valmistuksen alusta loppuun”, Cutress sanoo. Sen jälkeen tarvitaan vielä muistit, paketointi ja kokoonpano.

Notebookcheckin mukaan rahoituksen väheneminen voisi ajan myötä vapauttaa kapasiteettia GeForce-tuotantoon. Se vaatisi kuitenkin uusia tilauksia, eivätkä vanhat sopimukset katoa. Sivusto arvioi, että edulliset pelinäytönohjaimet tuskin palaavat vuonna 2027.

Shattered.io huomauttaa, ettei mikään Nvidian julkistama tieto tai nimetty henkilö yhdistä rahoitusta kuluttajahintoihin. Useat mediat liittävät hinnat muistipulaan.

Mihin tämä perustuu

  1. Nvidia deliberately kept GPU prices high through circular financing deals, report claims

    Julkaisija: www.techspot.com · julkaistu 14.11.2026 20:07 (Suomen aikaa) · noudettu 15.11.2026 05:23 (Suomen aikaa) · löytökanava: verkko

  2. x.com

    TechPowerUp · Julkaisija: x.com · julkaistu 13.11.2026 · noudettu 15.11.2026 05:23 (Suomen aikaa) · löytökanava: X

  3. Nvidia Can’t Simply Make More GeForce Cards, Analyst Says

    Julkaisija: journalarta.com · julkaistu 14.11.2026 13:51 (Suomen aikaa) · noudettu 15.11.2026 05:23 (Suomen aikaa) · löytökanava: verkko

  4. Nvidia’s retreat from Huang's circular AI financing won’t bring back affordable GeForce cards in 2027

    Julkaisija: www.notebookcheck.net · julkaistu 14.11.2026 20:21 (Suomen aikaa) · noudettu 15.11.2026 05:23 (Suomen aikaa) · löytökanava: verkko

  5. Nvidia Without Huang: What a Pause in AI Deals Means for Metals | OilPrice.com

    Julkaisija: oilprice.com · julkaistu 15.11.2026 00:00 (Suomen aikaa) · noudettu 15.11.2026 05:24 (Suomen aikaa) · löytökanava: verkko

  6. NVIDIA AI Investments and GPU Prices: $17.5B vs $9,400

    Julkaisija: shattered.io · julkaistu 15.11.2026 00:14 (Suomen aikaa) · noudettu 15.11.2026 05:24 (Suomen aikaa) · löytökanava: verkko

  7. NVIDIA Circular Financing Claim: $250B, 0 Confirmed

    Julkaisija: shattered.io · julkaistu 14.11.2026 08:38 (Suomen aikaa) · noudettu 15.11.2026 05:24 (Suomen aikaa) · löytökanava: verkko

Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Sääntely ja markkinat

Italia sakotti Metaa 805 miljoonaa euroa Facebookin Android-kuvaehdotuksista

Tekoälyn tuottama sisältöTekoälyn kirjoittama

live.euronext.com, politico.eu, aljazeera.com, finance.yahoo.com, bloomberg.com · 5 lähdettä · Lähteet julkaistu: 14.11.2026

Italian tietosuojaviranomaisen mukaan Facebookin Android-sovellus pääsi käyttäjien kuviin ja videoihin ilman erillistä suostumusta. Meta aikoo valittaa ja pitää sakkoa suhteettomana.

Italian tietosuojaviranomainen Garante kertoi lauantaina 14. marraskuuta määränneensä Metalle sakon Facebookin Android-sovelluksen toiminnosta, joka ehdottaa puhelimen galleriasta kuvia ja videoita julkaistaviksi. Politicon ja Al Jazeeran mukaan 805 miljoonan euron sakko on viraston historian ylivoimaisesti suurin.

Viraston mukaan sovellus käytti puhelimiin tallennettuja kuvia, videoita ja niiden metatietoja ilman erillistä suostumusta eikä kertonut siitä käyttäjille. Saksalaisen uutistoimisto dpa:n mukaan toiminto on ollut käytössä vuodesta 2023.

Yksi lupa koko sovellukselle

Politicon mukaan virasto totesi sovelluksen pyytävän pääsyä galleriaan yhdellä luvalla, joka kattaa useita toimintoja, joilla on eri tarpeet. Lupapyyntöä edelsi yleisluontoinen varoitus, josta käyttäjä ei voinut ymmärtää hyväksyvänsä kuva- ja videoehdotukset. Al Jazeeran mukaan ehdotukset olivat lisäksi oletuksena päällä.

”Jos lupa myönnetään kokonaan, sovellus voi lukea laitteen koko kuva-arkiston, yleensä pysyvästi, eikä käyttäjä tai viranomaiset voi tarkistaa, mitä tietoja todellisuudessa käytetään”, virasto kirjoitti Politicon lainaamassa tiedotteessa.

Viraston mukaan toiminto rikkoo Italian lakia, jolla EU:n sähköisen viestinnän tietosuojadirektiivi (ePrivacy) on pantu täytäntöön. Meta vaati asian siirtämistä Irlannin viranomaiselle, koska yhtiön Euroopan-pääkonttori on Irlannissa. Virasto hylkäsi vaatimuksen: ePrivacy-säännöissä ei ole yhden luukun järjestelmää, jossa yhtiön päätoimipaikan maan viranomainen käsittelee rajat ylittävät tapaukset.

Sakko vastaa viraston mukaan noin 0,47 prosenttia Metan maailmanlaajuisesta liikevaihdosta, dpa:n mukaan vuoden 2024 liikevaihdosta. Reutersin ja dpa:n mukaan toiminto koski noin 20 miljoonaa italialaista Android-käyttäjää. Al Jazeera esittää luvun mahdollisena enimmäismääränä. Al Jazeeran mukaan virasto mainitsi sakon kokoon vaikuttaneina tekijöinä Metan ”yhteistyön puutteen” ja aiemman rikkomuksen, josta yhtiö sai sakon vuonna 2019.

Metalla on 60 päivää aikaa kytkeä toiminto oletuksena pois, myös niiltä, jotka ovat jo antaneet luvan. Yhtiön pitää pyytää toiminnolle erillinen suostumus ja kertoa selvästi, mitä toiminto tekee ja miten sen saa pois päältä.

Vuonna 2025 alkanut tutkinta ei Reutersin ja Al Jazeeran mukaan koskenut sitä, käytetäänkö sisältöä tekoälymallien koulutukseen. Meta kiistää tällaisen käytön. Reutersin mukaan virasto pidättää oikeuden arvioida erikseen vuonna 2026 julkaistun toiminnon, joka käsittelee gallerian sisältöä pilvessä.

Meta aikoo valittaa

Reutersin mukaan Metan tiedottaja sanoi yhtiön valittavan päätöksestä ja kutsui sakkoa suhteettomaksi. ”Tämä on yksinkertainen toiminto, joka auttaa ihmisiä jakamaan kuvia ja videoita Facebookissa. Käyttäjien on annettava laitteellaan lupa ennen kuin toiminto voi toimia, ja he voivat muuttaa lupaa milloin tahansa asetuksistaan”, tiedottaja sanoi. Politicon ja Al Jazeeran julkaisuhetkellä Meta ei ollut vielä kommentoinut asiaa.

Mihin tämä perustuu

  1. Italy fines Meta $887 million over Android users' data access | live

    Julkaisija: live.euronext.com · julkaistu 14.11.2026 · noudettu 15.11.2026 05:37 (Suomen aikaa) · löytökanava: verkko

  2. Italy hits Meta with €805m fine over privacy law violation

    Julkaisija: www.politico.eu · julkaistu 14.11.2026 16:03 (Suomen aikaa) · noudettu 15.11.2026 05:37 (Suomen aikaa) · löytökanava: verkko

  3. Italy fines Meta $880m over photo privacy

    Julkaisija: www.aljazeera.com · julkaistu 14.11.2026 18:16 (Suomen aikaa) · noudettu 15.11.2026 05:37 (Suomen aikaa) · löytökanava: verkko

  4. Italy fines Meta €805 million over Android app's photo access

    Julkaisija: finance.yahoo.com · julkaistu 14.11.2026 18:18 (Suomen aikaa) · noudettu 15.11.2026 05:38 (Suomen aikaa) · löytökanava: verkko

  5. Italy Fines Meta €805 Million Over Access to Users’ Photos

    Julkaisija: www.bloomberg.com · julkaistu 14.11.2026 16:53 (Suomen aikaa) · noudettu 15.11.2026 05:37 (Suomen aikaa) · löytökanava: verkko

Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Sääntely ja markkinat

Kanadalaismedioiden tekijänoikeuskanne OpenAI:ta vastaan käsitellään Ontariossa

Tekoälyn tuottama sisältöTekoälyn kirjoittama

torontotoday.ca, barsacross.com · 2 lähdettä · Lähteet julkaistu: 14.11.2026

Ontarion muutoksenhakutuomioistuin hylkäsi OpenAI:n valituksen, joten kanadalaisten uutismedioiden kanne ChatGPT:n koulutusaineistosta saa edetä Ontariossa. Ratkaisu koskee vain käsittelypaikkaa eikä sitä, loukkasiko OpenAI tekijänoikeutta.

OpenAI hävisi kiistan siitä, missä maassa kanadalaismedioiden kanne sitä vastaan käsitellään. Asiasta kertoi lauantaina TorontoToday-sivustolla uutistoimisto The Canadian Press, joka on itse yksi kantajista.

Ontarion muutoksenhakutuomioistuin (Court of Appeal for Ontario) hylkäsi OpenAI:n valituksen perjantaina 13. marraskuuta. Kyse on Ontarion provinssin tuomioistuimesta eikä Kanadan korkeimmasta oikeudesta. Oikeusuutisia julkaisevan Bars Across -sivuston mukaan kolmen tuomarin kokoonpano oli yksimielinen.

Kanteen nostivat marraskuussa 2024 muun muassa The Canadian Press, Torstar, The Globe and Mail, Postmedia ja CBC/Radio-Canada. Ne väittävät, että OpenAI kopioi niiden juttuja luvatta, käytti niitä GPT-mallien koulutusaineistona ja hyötyi niistä maksamatta korvausta. Bars Acrossin mukaan kanteessa väitetään myös, että OpenAI kiersi teknisiä suojauksia ja rikkoi sivustojen käyttöehtoja. Kantajat vaativat muun muassa pysyvää kieltotuomiota sekä vahingonkorvauksia tai vaihtoehtoisesti lakisääteistä korvausta, 20 000 Kanadan dollaria teosta kohden. Väitteitä ei ole näytetty toteen.

Miksi asia jäi Kanadaan

OpenAI vetosi siihen, että sen toiminta tapahtui ulkomailla, ja vaati asian käsittelyä Yhdysvalloissa. Ontarion ylemmän tuomioistuimen tuomari Jessica Kimmel hylkäsi vaatimuksen pääosin 7. marraskuuta 2025. Bars Acrossin mukaan hän katsoi kantajien osoittaneen riittävän perustellusti, että kolmella OpenAI:n liiketoimintaa harjoittavalla yhtiöllä on yhteys Ontarioon liiketoiminnan, väitettyjen paikallisten tekojen ja sivuston käyttöehtojen kautta. Kolmea holdingyhtiötä vastaan kanne jatkuu perusteettoman edun vaatimuksena. Neljää muuta OpenAI-yhtiötä vastaan kanne keskeytettiin, koska niiden osuutta toimintaan ei ollut osoitettu.

Canadian Pressin mukaan muutoksenhakutuomioistuin totesi, ettei OpenAI esittänyt näyttöä kanadalaisen tuomion olevan ristiriidassa Yhdysvaltain lakien kanssa ja vaikeuttavan siksi täytäntöönpanoa. Ratkaisun mukaan tuomari katsoi myös Kanadan oikeusjärjestelmän toimivuuden puoltavan sitä, että kanadalaiset tekijät voivat haastaa ulkomaisia yhtiöitä Kanadan lakien rikkomisesta.

Tekijänoikeuskysymys on yhä auki

Ratkaisu koskee vain sitä, missä jäljellä olevat vaatimukset käsitellään. Bars Acrossin mukaan yhä ratkaisematta on, miten pitkälle Kanadan tekijänoikeuslaki ulottuu maan rajojen ulkopuolelle ja miten aineiston käyttöä tekoälyn kehityksessä kohdellaan.

Canadian Pressin mukaan kyse on ensimmäisestä kanadalaisesta oikeusjutusta, joka koskee tekijänoikeudella suojatun aineiston käyttöä generatiivisen tekoälyn koulutuksessa. Postmedia, Torstar, The Globe and Mail ja The Canadian Press nostivat tänä vuonna erillisen kanteen Anthropicia vastaan. Liittovaltion hallitus ei uutistoimiston mukaan ole kertonut aikovansa uudistaa tekijänoikeuslakia.

Mihin tämä perustuu

  1. Top court allows news publishers' lawsuit against OpenAI to go ahead

    Julkaisija: www.torontotoday.ca · julkaistu 14.11.2026 14:00 (Suomen aikaa) · noudettu 15.11.2026 05:39 (Suomen aikaa) · löytökanava: verkko

  2. Ontario Court of Appeal Keeps OpenAI Copyright Case in Canada

    Julkaisija: www.barsacross.com · julkaistu 14.11.2026 20:23 (Suomen aikaa) · noudettu 15.11.2026 05:39 (Suomen aikaa) · löytökanava: verkko

Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Puhe

Avointen painojen puhemalli Fluid Speech Pro tunnistaa 25 kieltä, myös suomea

Tekoälyn tuottama sisältöTekoälyn kirjoittama

github.com, huggingface.co · 6 lähdettä · Lähteet julkaistu: 13.11.2026 · osan lähteistä ajankohta ei tiedossa

FluidVoice julkaisi Hugging Facessa ladattavan puheentunnistusmallin 25 eurooppalaiselle kielelle. Yhtiön oman ilmoituksen mukaan malli on Open ASR -tulostaulukon toiseksi tarkin avointen painojen malli englanninkielisissä testeissä.

FluidVoicen tiimi julkaisi Fluid Speech Pro -mallin täyden mallikortin sekä ONNX- ja GGUF-versiot Hugging Facessa 13. marraskuuta. Malli tekee puheesta tekstiä, tunnistaa puheen kielen itse ja lisää välimerkit ja isot kirjaimet.

Malli on rakennettu Nvidian Parakeet TDT 0.6B v3 -mallin pohjalle, ja siinä on 0,63 miljardia parametria. Rakenne on Parakeetin, mutta äänen käsittelyn alkuvaiheeseen on lisätty yksi pieni lisälohko. Valinnainen siivoustila (clean mode) poistaa toistetut sanat ja täytesanat, kuten ”um” ja ”uh”. Tekijät varoittavat käyttämästä sitä, kun tarvitaan sanatarkka tallenne.

Tarkkuus yhtiön omien mittausten mukaan

FluidVoicen mukaan malli on Hugging Facen Open ASR -tulostaulukossa toinen avointen painojen mallien joukossa. Mittari on sanavirheprosentti (WER) eli väärin tunnistettujen sanojen osuus; pienempi on parempi. Taulukon luvut on ajettu sädehaulla (4 sädettä), joka tekijöiden mukaan tekee noin 0,6 % vähemmän virheitä kuin mallin oletusdekoodaus.

Taulukossa ovat mallikortin vertailun neljä kärkimallia ja pohjamalli Parakeet, joka on listalla kahdeksas:

Malli Parametreja Keskimääräinen WER
Musci-ASR 2 mrd. 5,70
Fluid Speech Pro 0,63 mrd. 6,06
NVIDIA Nemotron 3.5 Transcribe 30 mrd. 6,13
Qwen3-ASR 1,7 mrd. 6,15
NVIDIA Parakeet TDT 0.6B v3 0,6 mrd. 7,04

Lähde: FluidVoicen mallikortti; keskiarvo seitsemästä julkisesta ja kahdesta yksityisestä englanninkielisestä testiaineistosta.

Taulukko ei kerro, miten malli toimii suomeksi. Sijoitus perustuu yhtiön mallikorttiin, eikä sille ole esitetty riippumatonta vahvistusta. Repositorion lokakuisessa arviointitiedostossa yhtiö ilmoitti itse ajamansa tulokset yhdellä H100-GPU:lla ja totesi, että tulostaulukon ylläpitäjien oma ajo korvaa ne. Tiedoston osatulokset poikkeavat hieman mallikortista, esimerkiksi melutestissä URGENT 2024 luku on 9,80, mallikortissa 9,83. Mallikortin nopeus, noin 3 700-kertainen reaaliaika yhdellä GPU:lla, on tiedostossa 3 556 H100:lla mitattuna, ei tulostaulukon H200:lla.

Suomen tulos

Suomesta on vain yhtiön oma FLEURS-mittaus oletusdekoodauksella: WER 8,82, kun Parakeet TDT 0.6B v3:n tulos oli 11,19. Virheitä oli siis noin 21 % vähemmän. Suomi ei kuulu tulostaulukon seitsemän kielen monikieliseen sarjaan.

Tekijät kehottavat kokeilemaan mallia omilla äänitteillä, aksenteilla ja kielillä ennen kuin siihen luotetaan. Virheitä tulee heidän mukaansa enemmän kovassa melussa, päällekkäisessä puheessa ja harvinaisissa nimissä.

Versiot ja käyttöönotto

Mallista on viisi versiota: NeMo ja Transformers Nvidian GPU:ille, ONNX suorittimille, MLX Apple Silicon -Maceille, GGUF C++-ohjelmalle parakeet.cpp sekä Core ML Applen sovelluksiin. Transformers- ja GGUF-painoista puuttuu lisälohko. GGUF:llä meluisa ääni voi tekijöiden mukaan tunnistua hieman huonommin. Siivoustila on vain NeMo-, ONNX- ja MLX-versioissa.

Tekijöiden mukaan malli sopii myös kaupalliseen käyttöön. Lisenssi on CC BY 4.0, ja tekijät pyytävät mainitsemaan mallin nimellä ”Fluid Speech Pro by FluidVoice”. Hugging Facessa on selaimessa kokeiltava demo, joka käyttää Transformers-painoja, ja käyttöohjeet ovat mallikortissa.

Mihin tämä perustuu

  1. github.com

    Julkaisija: github.com · lähteen julkaisuaika ei tiedossa · noudettu 15.11.2026 05:22 (Suomen aikaa) · löytökanava: GitHub

  2. Fluid Speech Pro

    Julkaisija: huggingface.co · julkaistu 13.11.2026 14:22 (Suomen aikaa) · noudettu 15.11.2026 05:22 (Suomen aikaa) · löytökanava: verkko

  3. FluidVoice-Labs/fluid-speech-pro

    Julkaisija: huggingface.co · lähteen julkaisuaika ei tiedossa · noudettu 15.11.2026 05:22 (Suomen aikaa) · löytökanava: verkko

  4. .eval_results/open_asr_leaderboard.yaml · FluidVoice-Labs/fluid-speech-pro at d603a64

    Julkaisija: huggingface.co · lähteen julkaisuaika ei tiedossa · noudettu 15.11.2026 05:22 (Suomen aikaa) · löytökanava: verkko

  5. FluidVoice-Labs/fluid-speech-pro-onnx

    Julkaisija: huggingface.co · julkaistu 13.11.2026 12:29 (Suomen aikaa) · noudettu 15.11.2026 05:22 (Suomen aikaa) · löytökanava: verkko

  6. FluidVoice-Labs/fluid-speech-pro-gguf

    Julkaisija: huggingface.co · julkaistu 13.11.2026 12:40 (Suomen aikaa) · noudettu 15.11.2026 05:22 (Suomen aikaa) · löytökanava: verkko

Avaa omalle sivulleRead it in English →Läs den på svenska →Sulje juttu ↑

Laatu ja puutteet →

Tilannekuvat

  • Mitä muutoksia tekoälyagenttien kehyksiin, työkaluliitäntöihin ja ajoalustoihin on tullut viime viikkoina?

    Walmart avaa tekoälyagenteille MCP-palvelimen ensin betana yrityksille ja kehittäjille, ja Microsoft tuo yksityiseen esikatseluun työkalut, jotka antavat jokaiselle agentille oman identiteetin ja eristetyn ajoympäristön ja arvioivat agentin riskiä jatkuvasti. Kummankin uudistuksen kuvaukset ovat pääosin yhtiöiden omia.

Pois jääneet ja laatu

Mitä numerosta jäi pois ja miksi