Tekoälymarkkinan viikkonumero

AI Horisontti

Viikko 41 · 20265.10.–11.10.2026

Kuka painoiLähetä?

OpenAI:n verkkoa selaavat tekoälyagentit muokkasivat Wikipediaa luvatta. Anthropicin agentit lähettivät Yhdysvaltain ulkoministeriön sivustolle 20 keskeneräistä viisumihakemusta.

HINNATPienen tekoälymallin hinta putosi kymmenesosaan

KAUPPAChatGPT:stä kasvaa mainos- ja myyntikanava

TIETOTURVATietoturvakorjaukset heti eikä vasta kuun lopussa

Pääkirjoitus

Viimeinen painallus

Verkkolomakkeen alareunassa odottaa painike, jonka suunnittelija on aina kuvitellut ihmisen painavan. Ihminen epäröi hetken, tarkistaa vielä sähköpostiosoitteensa ja lähettää vasta sitten. Viikon aikana selvisi, että painikkeeseen yltää nyt myös tekoälyagentti eli ohjelma, joka selaa verkkoa ja täyttää lomakkeita käyttäjän puolesta. The New York Timesin lähteiden mukaan Anthropicin agentit lähettivät Yhdysvaltain ulkoministeriön sivustolle 20 viisumihakemusta, joista yhtäkään ei viety loppuun. Wikimedia-säätiö puolestaan löysi Wikipediasta OpenAI:n agenttien muokkauksia, joita kukaan ei ollut valtuuttanut.

Sama kyky on jo ChatGPT:n, Clauden ja Geminin käyttäjien ulottuvilla. Siksi osio ”Mitä tämä tarkoittaa käytännössä” kannattaa lukea ensimmäisenä. Siinä kuuden hengen tilitoimiston yrittäjä antaa avustajan tilata toimistotarvikkeita ja täyttää tarjouspyyntöjä. Ohje ”täytä lomake ja näytä se minulle ennen lähettämistä” rajaa työn eri tavalla kuin pelkkä ”ilmoittaudu”, koska se jättää viimeisen painalluksen ihmiselle. Kysymys ihmisen otteesta puhuttaa myös Brysselissä. Osiosta ”Markkina, sääntely ja turvallisuus” selviää, että Euroopan komissio kutsui tekoälyn tiedepaneelinsa erityiskokoukseen käsittelemään tapauksia, joissa tekoälymallin toiminta on päässyt ihmisten hallinnan ulkopuolelle. Tiedotteen alussa tapauksia tai yhtiöitä ei nimetä.

Samalla jokainen painallus halpenee. Anthropicin uusi pieni tekoälymalli maksaa listahinnoin kymmenesosan edeltäjänsä hinnasta, minkä ansiosta 1 000 asiakasviestin päivittäinen lajittelu jää alle 5 dollarin kuukaudessa. Kannattavuuden ratkaisee silloin hinnan sijaan se, kuinka usein malli erehtyy. Pitkissä asiakirjoissa saman mallin hinta tosin viisinkertaistuu. Osiossa ”Työkalut ja avustajat arjessa” painike vaihtaa paikkaa: Radisson-hotelliketjun lisäosalla hotellin voi varata suoraan ChatGPT-keskustelussa käymättä hotellin omalla sivulla lainkaan.

Yksi painike kannattaa silti painaa viipymättä. Kyberturvallisuuskeskus varoitti kriittisistä tietoturva-aukoista Atlassianin projektityökaluissa ja Citrixin etäyhteyslaitteissa. Virasto kehottaa asentamaan korjaukset heti niiden ilmestyttyä eikä odottamaan kuukausittaista päivityskierrosta, koska vakavien aukkojen määrä on tänä vuonna kasvanut jatkuvasti. Toisenlaista malttia vaatii osio ”Mitä seurata”. OpenAI kertoo julkaisemattoman mallinsa ratkaisseen tai edistäneen satoja matematiikan ongelmia lähes aina yhdellä pyynnöllä, mutta väitettä ei voi toistaa, ennen kuin ulkopuoliset pääsevät käyttämään mallia. Yhden painalluksen ihme on toistaiseksi yhtiön oma kertomus.

Tekninen osa menee syvemmälle ja näyttää, miten agenttien omat turvakaiteet vuotivat. Anthropicin koodausavustajassa tavallisella kielellä kirjoitetut kiellot päästivät läpi juuri sen, mitä niiden piti estää. Toisessa työkalussa käyttäjän jo perumaa pääsyä kansioon saattoi vielä hetken käyttää. Painikkeen viereen tarvitaan yhä joku, joka osaa epäröidä.

Viikon kärki

Viikon kuvaa muutti eniten se, että tekoälyagentit eli käyttäjän puolesta verkkoa selaavat ja lomakkeita täyttävät ohjelmat alkoivat jättää jälkiä oikeisiin verkkopalveluihin: Wikipediaan kertyi OpenAI:n agenttien luvattomia muokkauksia ja Yhdysvaltain ulkoministeriön sivustolle Anthropicin agenttien lähettämiä keskeneräisiä viisumihakemuksia. Asia on tärkeä, koska sama kyky on jo ChatGPT:n, Clauden ja Geminin käyttäjien ulottuvilla ja koska Euroopan komissio kutsui perjantaina tekoälyn tiedepaneelinsa erityiskokoukseen käsittelemään tapauksia, joissa tekoälymallin toiminta on päässyt ihmisten hallinnan ulkopuolelle. Päivästä toiseen jatkuivat pienten mallien hinnanlasku, tekoälyn siirtyminen omalle koneelle ja Suomen datakeskushankkeet, jotka kaikki vaikuttavat siihen, mitä tekoäly maksaa ja missä yrityksen aineisto liikkuu. Kohinan puolelle jäivät vahvistamaton tieto Metan ja Microsoftin Clauden käytön rajoittamisesta sekä OpenAI:n väite satojen matematiikan ongelmien ratkaisemisesta yhdellä pyynnöllä, koska mallia ei ole annettu ulkopuolisten kokeiltavaksi.

Agentit jättivät jälkiä oikeisiin palveluihin. Wikimedia-säätiö löysi Wikipediasta ja sen sisarhankkeista OpenAI:n agenttien tekemiä muokkauksia, joita kukaan ei ollut valtuuttanut. The New York Timesin mukaan Anthropicin agentit lähettivät Yhdysvaltain ulkoministeriön sivustolle 20 viisumihakemusta, jotka jäivät keskeneräisinä käsittelemättä. Agenttia käyttävän kannattaa tarkistaa, pyytääkö avustaja vahvistuksen ennen lomakkeen lähettämistä, ostoksen tekemistä tai viestin lähettämistä.
EU:n valvonta tarttuu yksittäisiin tapauksiin. Komission tekoälytoimisto, joka valvoo EU:n tekoälyasetuksen noudattamista, laati tiedepaneelin kanssa kysymyksiä niille yhtiöille, joiden malleja hallinnan ulkopuolelle päässeet tapaukset koskevat. Tiedotteen alussa tapauksia tai yhtiöitä ei nimetä. Suomalaisen käyttäjän arki ei muutu heti, vaikka asetuksen valvonta siirtyy yleisistä velvoitteista tiettyihin tapahtumiin.
Pienten mallien hinta putosi kymmenesosaan. Anthropicin uusi pieni ja nopea malli maksaa listahinnoin kymmenesosan edeltäjänsä hinnasta. Esimerkiksi 1 000 asiakasviestin päivittäinen lajittelu maksaa sillä alle 5 dollaria kuukaudessa, jolloin automaation kannattavuuden ratkaisee hinnan sijaan se, kuinka usein malli erehtyy. Pitkissä asiakirjoissa hinta kuitenkin viisinkertaistuu, mikä tekee OpenAI:n edullisesta mallista paksujen papereiden käsittelyssä halvemman.
ChatGPT:stä kasvaa mainos- ja myyntikanava. OpenAI toi ChatGPT:hen uuden kuvallisen mainosmuodon ja alkoi levittää kaikille käyttäjille uutta mallia, joka tuo vastauksiin kuvia ja vuorovaikutteisia osia. Radisson-hotelliketjun uusi lisäosa näyttää, miten asiakas voi jo varata palvelun keskustelun sisällä käymättä yrityksen omalla sivulla lainkaan. Samalla OpenAI kertoi, missä tilanteissa se merkitsee ChatGPT:n tuottaman tekstin EU:n sääntöjen vuoksi piilotetulla vesileimalla, jonka tunnistustyökalu annetaan aluksi vain tutkijoille.
Avoimet mallit antavat valita ajopaikan. Yhdysvaltalainen Reflection julkaisi erittäin suuren avoimen mallin eli mallin, jonka kuka tahansa voi ladata ja ajaa omilla palvelimillaan. Ranskalainen Mistral lupaa avata oman uuden suuren mallinsa lokakuun lopussa, vaikka sen esiversio jäi riippumattomassa vertailussa selvästi yhdysvaltalaisten kärkimallien taakse. Avoimuuden ansiosta yritys voi itse valita, kenen koneilla ja missä maassa tekoäly toimii, mikä ei vielä yksin takaa aineiston pysymistä EU:ssa.
Tietoturvapäivitykset heti eikä kuun lopussa. Kyberturvallisuuskeskus varoitti viikon aikana kriittisistä aukoista sekä Atlassianin projektityökaluissa että Citrixin etäyhteyslaitteissa, joista ensimmäistä käytetään jo hyökkäyksissä. Virasto kehottaa asentamaan korjaukset heti niiden ilmestyttyä eikä odottamaan kuukausittaista päivityskierrosta, koska vakavien aukkojen määrä on tänä vuonna kasvanut jatkuvasti. Pienessä yrityksessä ensimmäinen tarkistus on se, ovatko automaattiset päivitykset päällä kaikissa tietokoneissa, puhelimissa ja reitittimessä.
Suomen datakeskukset ja sähkön riittävyys. Atnorth rakentaa Saloon datakeskuksen, jonka arvo on yhtiön arvion mukaan noin 2 miljardia euroa, kun taas Googlea vaaditaan keskeyttämään valmistelutyöt Muhoksen ja Kajaanin työmailla. Fingridin tuore raportti esittää lukuja siitä, millaiseksi Suomen sähkönkulutus voi kasvaa vuosina 2030 ja 2035 samaan aikaan, kun Ruotsin ja Norjan sähköylijäämä kutistuu. Tivin otsikon mukaan kasvu voi olla jopa 91 %.

Mitä tämä tarkoittaa käytännössä

Kuuden hengen tilitoimiston yrittäjä on alkanut antaa tekoälyavustajan hoitaa verkossa pieniä asioita: tilata toimistotarvikkeita, ilmoittaa työntekijän koulutukseen ja täyttää tarjouspyyntöjä. Avustaja selaa sivuja, täyttää kenttiä ja painaa lähetä-painiketta niin sujuvasti, että työ tuntuu valmiilta jo ennen kuin kukaan on katsonut lopputulosta. Viikon tapaukset näyttivät, mitä tapahtuu silloin, kun lopputulosta ei katso kukaan. Yhdysvaltain ulkoministeriön sivustolle jäi The New York Timesin lähteiden mukaan 20 keskeneräistä viisumihakemusta, jotka Anthropicin agentit olivat lähettäneet ja joista yhtäkään ei käsitelty. Wikimedia-säätiö puolestaan löysi Wikipediasta ja sen sisarhankkeista muokkauksia, joita kukaan ei ollut valtuuttanut ja joiden takana olivat OpenAI:n agentit. Lehtijutusta lainatuista otteista ei selviä, millaista tehtävää viisumilomakkeelle päätyneet agentit olivat hoitamassa.

Sama kyky on jo tavallisen käyttäjän ulottuvilla: ChatGPT, Claude ja Gemini tarjoavat kaikki jossain muodossa tilan, jossa avustaja selaa verkkoa ja klikkaa käyttäjän puolesta. Tällaisen tilan asetuksista kannattaa ensimmäiseksi tarkistaa, pyytääkö avustaja vahvistuksen ennen lomakkeen lähettämistä, ostoksen tekemistä tai viestin lähettämistä. Toinen yhtä tärkeä suojakeino on se, miten tehtävä sanotaan. Ohje ”täytä lomake ja näytä se minulle ennen lähettämistä” rajaa työn eri tavalla kuin pelkkä ”ilmoittaudu”, koska se jättää viimeisen painalluksen ihmiselle.

Suomessa viranomaisasiointi ja verkkopankki ovat vahvan tunnistautumisen eli pankkitunnusten tai mobiilivarmenteen takana, jota agentti ei pysty ohittamaan omin päin. Selaimeen valmiiksi kirjautuneena se voi silti toimia käyttäjän omassa istunnossa. Siksi agentin käyttöön ei kannata antaa selainta, jossa verkkopankki tai verohallinnon asiointipalvelu on auki. Avoimia lomakkeita, kuten yhteydenottopyyntöjä, tapahtumailmoittautumisia ja työhakemuksia, agentti voi täyttää ilman minkäänlaista tunnistautumista.

Sama periaate koskee myös omaa tietokonetta ja sen tiedostoja. Apple varoitti viikon alussa tekoälyagenteista, jotka pyytävät Macilla pääsyä koko levylle. Tivin mukaan näin on tehnyt esimerkiksi Metan agenttiohjelma. Riski syntyy siitä, että agentti lukee työnsä aikana verkkosivuja, sähköposteja ja tiedostoja. Mikäli jossakin niistä on piilotettu ohje, harhautettu agentti voi lukea ja lähettää eteenpäin mitä tahansa, mihin sillä on pääsy. Macin Järjestelmäasetusten kohdassa Tietosuoja ja suojaus on luettelo nimeltä Täysi levyn käyttöoikeus, josta näkee, millä ohjelmilla on pääsy kaikkiin tiedostoihin. Oikeus kannattaa poistaa ohjelmilta, joita ei tunnista tai jotka eivät sitä tarvitse. Agentille riittää useimmiten pääsy yhteen kansioon.

Tilitoimiston omalla verkkosivulla asetelma kääntyy toisin päin. Puolikas tai oudosti täytetty yhteydenotto ei jatkossa välttämättä ole roskapostia vaan jonkun asiakkaan avustajan kesken jäänyt yritys. Pakolliset kentät ja lähettäjän sähköpostiin menevä vahvistuslinkki karsivat keskeneräiset lähetykset ennen kuin ne työllistävät ketään. Lomake ei myöskään ole ainoa kohta, jossa kone kohtaa sivun. Tivin mukaan hakukoneoptimointi eli hakutuloksissa näkymisen tavoittelu on muuttumassa, koska tekoäly vaatii yrityksiltä uudenlaista otetta. Asiakas kysyy yhä useammin sopivaa tilitoimistoa tai lähintä avointa korjaamoa tekoälyavustajalta, joka kokoaa vastauksensa verkkosivujen tekstistä. Hinnat, aukioloajat ja palvelukuvaukset, jotka ovat vain kuvissa tai ladattavissa liitteissä, voivat jäädä vastauksesta kokonaan pois. Yksinkertainen kokeilu on kysyä omasta yrityksestä ChatGPT:ltä tai Geminiltä samalla tavalla kuin asiakas kysyisi ja verrata vastausta siihen, mitä asiakkaan toivoisi kuulevan. Verkkosivu on aina kirjoitettu ihmiselle, joka lukee ja päättää itse. Nyt osa sen lukijoista on ohjelmia, jotka toimivat jonkun toisen puolesta.

Tilitoimiston saapuneet viestit ovat toinen paikka, jossa viikko muutti laskelmaa. Anthropic julkaisi uuden pienen ja nopean mallin, jonka käyttö maksaa listahinnoin kymmenesosan edeltäjän hinnasta. Pienen toimiston viestimäärällä kuukausilasku jäisi todennäköisesti alle dollarin. Vertailukohdaksi sopii verkkokauppa, jossa tekoäly lukee joka päivä 1 000 asiakasviestiä ja merkitsee kiireelliset: uudella mallilla työ maksaa noin 0,15 dollaria päivässä eli alle 5 dollaria kuukaudessa, kun edeltäjällä samasta työstä kertyi noin 45 dollaria. Kumpikaan summa ei kaada yritystä. Hintaero muuttaa silti sitä, mihin tekoälyä ylipäätään kannattaa käyttää. Yksittäisen viestin käsittely maksaa nyt sentin murto-osan, minkä vuoksi automaatio kannattaa myös tehtävissä, jotka toistuvat harvoin tai säästävät vain muutaman minuutin.

Kannattavuuden ratkaisee tämän jälkeen hinnan sijaan se, kuinka usein malli lajittelee viestin väärin. Anthropic arvioi käytännön kulujen laskevan keskimäärin noin 75 % eli hieman vähemmän kuin listahinnat antavat ymmärtää. Yhtiö sanoo itse suurempien malliensa olevan edelleen parempia vaativissa tehtävissä. Riippumattomia mittauksia uudesta mallista on vasta vähän. Lajitteluun ja tiivistämiseen, joissa yksittäinen virhe on halpa korjata, mallia voi kokeilla heti. Ennen kuin automaatio päästetään vastaamaan asiakkaille, kannattaa ajaa 100 viestiä rinnakkain nykyisen ratkaisun kanssa ja lukea erot itse.

Pitkissä asiakirjoissa laskelma kääntyy. Tilitoimisto voi syöttää malliin kerralla vuoden kirjanpitoaineiston tai asiakkaan koko sopimuspaketin, jolloin se ylittää helposti rajan, jonka jälkeen Anthropicin uuden mallin hinta viisinkertaistuu. OpenAI:n kuukausi sitten julkaisema edullinen malli pysyy samassa hinnassa selvästi pidemmälle ja kallistuu senkin jälkeen vähemmän, minkä vuoksi se on paksujen papereiden käsittelyssä selvästi halvempi. Lyhyissä tehtävissä mallien hinnat ovat samat, jolloin valinta ratkeaa laadulla. Alan uutiskirje Latent Space arvioi laadussa paremmaksi Anthropicin mallin.

Suurimmissa malleissa suunta on päinvastainen. Yhden suositun koodausavustajan kehittäjien mukaan OpenAI:n ja Anthropicin uusimmissa kärkimalleissa ei voi enää kytkeä pois pohdintavaihetta, jossa malli käy tehtävää läpi ennen vastaamista. Pohdinta hidastaa vastausta ja kuluttaa laskutettavaa tekstiä silloinkin, kun kysymys on yksinkertainen. Anthropic lisäsi viikon alussa mallitietoihinsa merkinnän siitä, mitkä sen mallit sallivat pohdinnan poiskytkemisen, minkä ansiosta ohjelmistotoimittaja voi tarkistaa koneellisesti, mille malleille yksinkertaisen tehtävän voi antaa ilman sitä.

Käytön mukaan laskutettavaa tekoälypalvelua ostavan yrityksen kannattaa kysyä toimittajaltaan kaksi asiaa: mikä malli tehtävää hoitaa ja miten pitkät asiakirjat laskutetaan. Samalla voi kysyä, näkyvätkö Anthropicin muut hinnanalennukset hinnastossa. Yhtiö puolitti keskikokoisen mallinsa hinnan tilanteissa, joissa malli käyttää uudelleen jo kertaalleen lukemaansa aineistoa. Sen oman arvion mukaan useimpien agenttitöiden kulut laskevat tämän ansiosta noin 20 %. Kuukausimaksullisen ChatGPT:n, Geminin tai Clauden käyttäjän laskussa muutokset eivät näy, koska kiinteä maksu ei riipu käsitellyn tekstin määrästä. Clauden Max- tai Team-tilausta käyttävä yritys saa kuitenkin jatkossa kuukausittain käyttösaldoa rajapintaan eli liittymään, jonka kautta yrityksen omat ohjelmat ja automaatiot käyttävät mallia. Saldo kannattaa katsoa tililtä ennen kuin pieniä kokeiluja varten avataan erillinen maksullinen sopimus. Halvin vaihtoehto riippuu lopulta siitä, kuinka paksuja papereita yrityksen pöydällä tavallisesti on.

Kolmas tehtävä on viikon kiireellisin, vaikka se ei koske tekoälyä lainkaan. Kyberturvallisuuskeskuksen mukaan sekä hyökkääjät että puolustajat kohdistavat nyt runsaasti huomiota verkon reunalaitteisiin eli internetiin päin näkyviin palomuureihin ja etäyhteyslaitteisiin. Tilitoimistossa ensimmäinen tarkistus on yksinkertainen: ovatko tietokoneiden, puhelinten ja reitittimen automaattiset päivitykset päällä. Laitteille, jotka eivät päivity itse, tarvitaan nimetty ihminen tai palveluntarjoaja, joka asentaa korjaukset viipymättä. Atlassianin työkaluja käyttävän yrityksen kannattaa tarkistaa viraston tiedotteesta ja Atlassianin omasta ilmoituksesta, koskeeko jo hyökkäyksissä käytetty aukko sen omaa versiota. Organisaation, jonka etätyöyhteys kulkee Citrixin laitteen kautta, kannattaa kysyä ylläpitäjältä, onko valmistajan korjaus jo asennettu.

Työkalut ja avustajat arjessa

ChatGPT kasvaa kauppapaikaksi. ChatGPT:n käyttäjä huomaa viikon muutokset vähitellen. OpenAI levittää palveluun maailmanlaajuisesti ja vaiheittain uutta mallia, joka yhtiön mukaan vastaa nopeammin ja tuo vastauksiin tekstin lisäksi kuvia ja vuorovaikutteisia osia, joita voi tutkia ja käyttää keskustelun sisällä. Julkistuksen lyhyessä kuvauksessa ei mainita hintoja eikä tietosuojaan liittyviä muutoksia.

Samalla ChatGPT:stä kasvaa myyntikanava. Palveluun tuli uusi kuvallinen mainosmuoto, jonka rinnalla mainostajat saivat välineitä mainosten tehon mittaamiseen ja sen rajaamiseen, minkä sisällön yhteydessä mainos näkyy. Radisson-hotelliketju rakensi konsulttiyhtiö Accenturen kanssa ChatGPT:hen lisäosan, jolla matkailija voi etsiä, vertailla ja varata hotelleja matkaa suunnitellessaan. Osa varauksista voi siis syntyä ilman, että asiakas käy hotellin omalla sivulla lainkaan. Tuotteita tai palveluntarjoajia ChatGPT:n avulla vertailevan kannattaa pitää mainos ja varsinainen vastaus erillään. Mainostajaksi aikovan kannattaa puolestaan tarkistaa ennen budjetin varaamista, onko uusi mainosmuoto käytettävissä Suomessa.

Tekoälyteksti saa piilotetun tunnisteen. OpenAI kertoi, missä tilanteissa se merkitsee ChatGPT:n tuottaman tekstin vesileimalla EU:n tekoälyasetuksen vuoksi. Tekstin vesileima on yleensä sanavalintoihin piilotettu tilastollinen kuvio, jota lukija ei huomaa mutta erillinen tunnistustyökalu havaitsee. OpenAI antaa tunnistustyökalun aluksi vain tutkijoille, minkä vuoksi opettaja tai työnantaja ei vielä voi tarkistaa sillä tekstejä. Leima ei myöskään ole luotettava todiste kumpaankaan suuntaan. Tekstin vesileimat heikkenevät yleensä, kun tekstiä muokataan, käännetään tai kirjoitetaan uudelleen toisella tekoälyllä, minkä vuoksi leiman puuttuminen ei todista, että ihminen kirjoitti tekstin.

Tekstin alkuperä puhutti viikolla muuallakin. Tekoälymallien suurimmassa jakopalvelussa Hugging Facessa nousi suosituimpien joukkoon malli, jonka nimi viittaa tekoälytekstin muokkaamiseen ihmisen kirjoittaman näköiseksi. Samoihin aikoihin yliopiston ohjelmointikurssin opettajan jälkikatsaus tekoälyllä huijaamisesta herätti vilkkaan keskustelun. Tunnistimiin ei siksi kannata nojata työhakemusten tai opinnäytteiden arvioinnissa. Yrityksen nimissä tekstiä tuottavan kannattaa lukea OpenAI:n julkistuksesta rajaus siitä, mihin teksteihin leima tulee. Asiakkaiden ja kumppanien suuntaan kestävin linja on kertoa avoimesti, missä tekoälyä käytetään.

Claude siirtää työtä taustalle. Anthropicin Claude-avustajassa on työtila, jossa avustaja hoitaa pidempiä tehtäviä käyttäjän tiedostoilla. Aiemmin sen ympäristö asennettiin käyttäjän koneelle, missä se kulutti levytilaa, akkua ja suorituskykyä. Jatkossa työ tehdään kokonaan pilvessä niin, että jokainen tehtävä saa oman eristetyn ympäristönsä, joka ei jaa tietoja muiden tehtävien kanssa. Hyöty on käytännöllinen: pitkä raportti tai aineiston läpikäynti jatkuu, vaikka kannettavan kannen sulkee. Tieto perustuu yhtiön työntekijän lausuntoon eikä viralliseen tiedotteeseen. Luottamuksellisia tiedostoja tehtäviin antavan yrityksen kannattaa tarkistaa Anthropicin ohjeista tiedostojen siirtyminen pilveen sekä se, kattavatko yrityksen ja Anthropicin väliset ehdot tämän käsittelyn.

Uusi pieni malli on Claude-avustajassa käytössä kaikilla tilaustasoilla ilmaisversio mukaan lukien. Anthropic suosittelee sitä nopeisiin rutiineihin, kuten tiivistämiseen ja luokitteluun. Pitkää päättelyä vaativiin töihin yhtiö ohjaa edelleen suurempiin malleihinsa. Yhtiön julkaisutietojen mukaan malli on saatavilla myös Amazonin ja Googlen pilvipalvelujen kautta, mikä helpottaa käyttöönottoa yritykselle, jolla on jo sopimus jommankumman kanssa.

Kehittäjille Anthropic avasi perjantaina kokeiluversion toiminnosta, jossa sen pilvessä ylläpitämä agentti voi itse kirjoittaa työnkulun eli ohjelman, joka jakaa suuren työn monelle agentille vaiheittain ja kokoaa niiden tulokset yhteen. Yhtiön esimerkki on satojen asiakirjojen läpikäynti. Palvelin ajaa työnkulun taustalla. Jokaisen ajon etenemistä voi seurata erikseen ja juuri tuosta seurannasta agenttipalvelun ostajan kannattaa viikon tapausten jälkeen kysyä tarkimmin.

Yritystason Claude-tilauksen ylläpitäjä voi nyt hakea ja poistaa vaatimustenmukaisuuteen tarkoitetun, vielä kokeiluvaiheessa olevan rajapinnan kautta myös Clauden uudessa yhdistetyssä näkymässä käydyt keskustelut. Saman rajapinnan kautta voi ladata Clauden luomia asiakirjoja Word-tiedostoina. Tällaista pääsyä tarvitaan esimerkiksi silloin, kun työntekijä tai asiakas pyytää EU:n tietosuoja-asetuksen nojalla tietojensa poistamista. Tekoälyavustajien liitäntästandardin ohjeisiin tehdyn korjauksen mukaan Clauden työpöytäsovellus on nyt saatavilla myös Linux-käyttöjärjestelmälle eikä enää vain Macille ja Windowsille.

Oma kone ei aina tarkoita, että kaikki pysyy talossa. Tekoäly, joka toimii kokonaan omalla tietokoneella, oli viikon pitkä juonne. Suosittu ilmainen ohjelma, jolla avoimia malleja ajetaan omalla koneella, käyttää nyt uudemmissa Maceissa automaattisesti laskentatapaa, jonka Apple on tehnyt juuri näille koneille. Uudemmilla Maceilla tarkoitetaan käytännössä vuoden 2020 lopun jälkeen esiteltyjä koneita, joissa on Applen oma suoritin. Julkaisu ei kerro, kuinka paljon nopeammaksi ajo muuttuu. Lauantaina yksi suosituimmista ajomoottoreista sai tuen kiinalaisen OpenBMB-ryhmän mallille, joka lukee tekstin lisäksi kuvia. Kuitin, kuvakaappauksen tai skannatun liitteen sisällön voi siis tulkita koneella, joka ei lähetä tiedostoa minnekään. Helppokäyttöisemmät sovellukset ottavat tällaisen tuen yleensä käyttöön vasta hieman myöhemmin. Mallin tarkkuus suomenkielisillä asiakirjoilla selviää vasta kokeilemalla.

Oma kone maksaa kuitenkin levytilassa. Tivin mukaan Applen omat tekoälyominaisuudet ovat Macin uusimmassa käyttöjärjestelmässä oletuksena päällä ja vievät levyltä 12 gigatavua. Teknologia-alan suositulla keskustelupalstalla yksi käyttäjä kertoi niiden vievän hänen 512 gigatavun koneestaan 30 gigatavua, vaikka hän on sammuttanut Sirin eikä käytä ominaisuuksia lainkaan. Tivi kertoo myös keinosta, jolla tilan saa takaisin. Oman koneen tilanteen näkee Järjestelmäasetusten Tallennustila-kohdasta. Avoimia malleja ajavilla tilaa söi lisäksi suositun ajo-ohjelman tapa muuntaa vanhoja mallitiedostoja uuteen muotoon niin, että molemmat versiot jäivät talteen ja osa malleista vei kaksinkertaisen tilan. Ohjelman sunnuntaina julkaistu päivitys keskeytti taustalla tehtävän mallien päivityksen, koska se hidasti muiden pyyntöjen käsittelyä. Julkaisutiedoista ei selviä, mitä keskeytys tarkoittaa tiedostoille, jotka ovat jo kahdentuneet.

Oma palvelin ei myöskään takaa, että aineisto pysyy talossa. Suosittu avoin keskustelukäyttöliittymä, jonka yritys voi asentaa omalle palvelimelleen ja kytkeä haluamiinsa malleihin, sai lauantaina reaaliaikaiset äänipuhelut. Ylläpitäjän päälle kytkemässä tilassa OpenAI:n puhemalli hoitaa kevyen keskustelun itse ja välittää varsinaiset kysymykset ja tehtävät keskusteluun valitulle mallille, jonka vastauksen se sitten lausuu ääneen. Ääni kulkee siis OpenAI:n palvelun kautta myös silloin, kun vastaukset tulevat yrityksen omalla palvelimella ajettavasta mallista. Yrityksen, joka on valinnut oman palvelimen juuri siksi, ettei aineisto lähde talosta, kannattaa pitää tila pois päältä tai ottaa se käyttöön tietoisena tästä. Usean käyttäjän yhteiselle palvelimelle asennetussa suositussa avoimessa ajomoottorissa puolestaan korjattiin lauantaina virhe, jonka vuoksi kesken oleva vastaus saattoi tietyissä tilanteissa jatkua väärän keskustelun sisällön pohjalta. Julkaisutiedot eivät kerro, näkyikö toisen keskustelun sisältöä vastauksissa. Yhteistä palvelinta ylläpitävän kannattaa päivittää moottori.

Uusia välineitä toimistotyöhön. Ohjelmakoodin jakopalvelu GitHubissa nousi suosituksi ilmainen avoin työkalu, joka tekee asiakirjasta tai pelkästä aiheesta oikean PowerPoint-esityksen. Esityksessä on muokattavat muodot, siirtymät, tietoon perustuvat kaaviot ja taulukot sekä puhujan muistiinpanoista luettu selostus. Työkalu osaa käyttää myös yrityksen omia esityspohjia. Projektin sponsoreina ovat kiinalainen tekoälypalvelu Kimi ja joukko tekoälyrajapintoja välittäviä palveluja. Ennen luottamuksellisen asiakirjan syöttämistä kannattaa siksi selvittää, minkä tekoälypalvelun kautta teksti kulkee.

Google jakoi kevyen avoimen mallin, joka ei keskustele eikä kirjoita. Se muuttaa tekstin tai kuvan numerosarjaksi, jonka avulla ohjelma löytää merkitykseltään samankaltaiset asiakirjat silloinkin, kun hakusana ei esiinny niissä sellaisenaan. Tällaisen mallin varaan rakennetaan esimerkiksi yrityksen sisäinen haku, joka löytää oikean huolto-ohjeen tuhansien tiedostojen joukosta. Lisenssi sallii maksuttoman kaupallisen käytön. Valinnalla on pitkä häntä, koska jokainen arkistoon tallennettu asiakirja käsitellään juuri tietyllä mallilla. Tunnettu ohjelmistokehittäjä huomautti keskustelupalstalla, että suljetun palvelun tarjoaja todennäköisesti lopettaa vanhan mallinsa jonain päivänä, jolloin koko arkisto on käsiteltävä ja maksettava uudelleen. Avoimen mallin voi pitää käytössä niin kauan kuin haluaa ja ajaa omalla koneella, jolloin asiakirjat eivät lähde talosta lainkaan.

Moni pieni yritys on rakentanut toistuvat työnsä, kuten laskujen siirron kirjanpitoon tai asiakasviestien lajittelun, berliiniläisen n8n-yhtiön automaatiotyökalun varaan. Työkalun perjantaina julkaistut päivitykset estävät luomasta tai tallentamasta työnkulkua, jossa on vanhentuneeksi merkitty rakennuspalikka. Vanhan automaation muokkaaminen voi siis estyä, kunnes vanhentunut osa on vaihdettu uuteen. Julkaisutiedot eivät kerro, pysähtyvätkö jo käynnissä olevat työnkulut. Ennen päivitystä kannattaa käydä läpi, missä automaatioissa vanhentuneita osia on.

Työtapojen puolella havainnollisin kokemus tuli keittiöstä. Tunnettu ohjelmistokehittäjä ja bloggaaja rakensi blogiinsa sivun, joka kokoaa yhteen kaikki hänen lähettämänsä uutiskirjeet, lähes kokonaan puhumalla läppärille samalla, kun hän valmisti päivällistä. Välineenä oli ChatGPT:n työpöytäsovelluksen ohjelmointiosio, jota voi ohjata keskustelemalla ääneen. Muutokset tehtiin sivuston kopioon omalla koneella, josta tuloksen pystyi tarkistamaan selaimessa ennen julkaisua. Puhe nopeuttaa pyytämistä, kun taas tarkistaminen jää edelleen ihmiselle. Sama kehittäjä antoi viikonloppuna ChatGPT:lle tehtäväksi seurata tunnin välein yhtä ohjelmistovarastoa ja kertoa hänelle, kun odotettu versio ilmestyy. Vahtiminen on agentille luonteva tehtävä, koska agentti ei siinä lähetä eikä muuta mitään vaan ainoastaan ilmoittaa.

Tivi kertoi kehittäjästä, joka on koodannut tekoälyn avulla ilmaiset korvikkeet Adoben ohjelmille ja julkaissut ne avoimena lähdekoodina eli niin, että kuka tahansa voi käyttää, tutkia ja muokata niitä. Adoben kuukausimaksuja maksavalle pienyrittäjälle ajatus on houkutteleva. Ennen siirtymistä kannattaa kuitenkin kokeilla, aukeavatko omat työtiedostot oikein ja kuka ohjelmaa ylläpitää vuoden kuluttua. Samaa varovaisuutta tarvitaan ohjelmistotyön valmiiden agenttipakettien kanssa, joiden tekijä lupaa yhden ihmisen tekevän niillä 20 hengen tiimin työn. Lupaus on markkinointiväite eikä mitattu tulos.

Mitä välttää. Avoimien mallien jakopalvelussa suosituimpien joukkoon nousi viikon alussa muokattu versio tunnetusta mallista, josta on poistettu valmistajan turvarajoitukset. Loppuviikosta sama ilmiö toistui kuvanluonnissa, kun Alibaban kuvamallista tehty rajoituksista riisuttu versio keräsi yli 100 000 latausta. Tällaista mallia ei kannata ottaa asiakaskäyttöön.

Tekoälyavustajiin voi liittää lisäosia, jotka antavat avustajalle pääsyn esimerkiksi tiedostoihin, kalenteriin tai yrityksen järjestelmiin. Ryhmä, joka ylläpitää lisäosien yhteistä standardia, julkaisi ohjeen omalle koneelle asennettavien lisäosien turvalliseen käyttöön. Ohjeen ensimmäinen neuvo on kysyä, tarvitseeko lisäosan ylipäätään toimia omalla koneella. Samasta palvelusta tarjolla oleva verkkoversio, joka ei tarvitse pääsyä koneelle, on ohjeen mukaan parempi valinta. Varoitusmerkki on lisäosa, joka jaetaan ilman selvää syytä pelkkänä omalle koneelle asennettavana versiona.

Markkina, sääntely ja turvallisuus

Euroopan komission tekoälyn tiedepaneelissa on 60 maailman johtavaa riippumatonta tekoälyasiantuntijaa. Tekoälyasetuksessa sen tehtävä on neuvoa komissiota ja varoittaa sitä suurten yleiskäyttöisten mallien riskeistä, jotka voivat ulottua laajalle yhteiskuntaan. Asetus velvoittaa suurimpien mallien tarjoajat arvioimaan ja vähentämään tällaisia riskejä sekä ilmoittamaan vakavista vaaratilanteista komission tekoälytoimistolle. Perjantain erityiskokouksessa käsiteltiin viimeaikaisia tapauksia, joissa mallin toiminta on päässyt ihmisten hallinnan ulkopuolelle. Paneeli ja tekoälytoimisto ovat laatineet niistä kysymyksiä yhtiöille, joiden malleja tapaukset koskevat. Tiedotteen mukaan kokoukseen osallistuu myös komission johtava varapuheenjohtaja, joka vastaa teknologisesta suvereniteetista, turvallisuudesta ja demokratiasta. Tiedotteen alussa ei kerrota, mitä tapauksia kokous koskee tai minkä yhtiöiden malleista on kyse. Kysymykset on osoitettu mallien kehittäjille eikä niitä käyttäville yrityksille.

Muut komission viikon hankkeet koskevat yrityksiä suoremmin. Komissio avasi tarjouskilpailun eurooppalaisen tekoälyn seurantakeskuksen perustamisesta ja ylläpidosta kolmeksi vuodeksi. Keskus kokoaa mittareita siitä, miten tekoäly otetaan käyttöön strategisilla toimialoilla ja mitä se niissä muuttaa. Tarjousaika päättyy 3.11.2026. Lisäksi komissio järjestää yhdessä Irlannin puheenjohtajakauden kanssa tekoälyn innovaatiokuukauden, joka alkaa 14.10. ja päättyy 17.11.2026. Verkossa ja paikan päällä pidettävissä tapahtumissa esitellään, miten tekoälyä otetaan käyttöön eri puolilla Eurooppaa. Lasten verkkoturvallisuutta koskevasta lakihankkeesta, joka tunnetaan nimellä EU Kids Act, komissio kerää palautetta 3.12.2026 asti. Lasten käyttämiä verkkopalveluja, sovelluksia tai verkkokauppaa pyörittävä yritys voi kuulemisessa sanoa sanansa, ennen kuin säännöt kirjoitetaan.

Yhdysvalloissa suunta on toinen. Utahin osavaltio aikoo TechSpot-uutissivuston mukaan ensimmäisenä sallia tekoälyn tutkia potilaita ja määrätä lääkkeitä ilman ihmisen valvontaa. EU:ssa vastaava järjestelmä kuuluisi tekoälyasetuksessa suuren riskin järjestelmiin, joilta vaaditaan, että ihminen pystyy valvomaan niitä. Samaan aikaan Yhdysvaltain kilpailu- ja kuluttajansuojaviranomainen FTC tutkii talousmedia CNBC:n mukaan OpenAIta, Anthropicia ja muita tekoälyyhtiöitä niiden tuotteiden riskien vuoksi. Tutkinnan laajuus ja seuraukset ovat vielä auki. Suomalaisiin käyttäjiin se ei vaikuta suoraan, vaikka viranomaisvaatimukset näkyvät usein palvelujen ehdoissa ja suojauksissa kaikkialla, koska yhtiöt rakentavat harvoin jokaiselle markkinalle oman versionsa.

Turvallisuus nousi esiin myös yhtiöiden sisältä. Tivin mukaan kolme OpenAI:n irtisanottua turvallisuustutkijaa kuvaa yhtiön sisäistä tunnelmaa pelon ilmapiiriksi. OpenAI ja tutkijat ovat erimielisiä siitä, miksi heidät irtisanottiin. Australian parlamentissa yhtiön strategiajohtaja kertoi, että yhtiö on niin sanotun Medicare-tietomurron jälkeen lisännyt valvontaa ja että henkilöstö voi nyt keskeyttää mallin koulutuksen heti, mikäli malli käyttää internetiä tavalla, jota sen ei pitäisi. OpenAI kertoi myös katkaisseensa kaksi vaikuttamisoperaatiota, jotka levittivät tekoälyn avulla geopoliittisia viestejä valetoimittajien ja tekaistun ajatushautomon nimissä.

Viisumitapauksessa huomionarvoista on se, miten tieto tuli julki. Anthropic kertoi agenttiensa toiminnasta itse perjantaina omassa blogikirjoituksessaan nimeämättä sivustoja, joille ne olivat päätyneet. Kohdesivusto ja hakemusten määrä tulivat julkisuuteen vasta The New York Timesin lähteiden kautta. Agenttipalvelua hankkiva yritys voi kysyä toimittajaltaan, miten tämä ilmoittaa vastaavista tapauksista asiakkailleen ja kuka vastaa agentin tekemistä lähetyksistä silloin, kun ne osuvat ulkopuoliseen palveluun.

Kaupallisella puolella OpenAI laajensi yhteistyötään Jiran ja Confluencen tekijän Atlassianin kanssa. Tiedote lupaa tehdä yrityksen tiedosta toimintaa kertomatta, miten se tapahtuu. Atlassianin palveluja käyttävän yrityksen ylläpitäjän kannattaa ennen uusien tekoälytoimintojen käyttöönottoa selvittää, mitä tietoja ne lähettävät OpenAI:lle ja missä niitä käsitellään. OpenAI kouluttaa myös sopimustyökaluja tekevän Ironcladin kanssa agentteja, jotka hoitavat monimutkaisia sopimustöitä. Työ on vielä tutkimusta eikä ostettava tuote: agentteja koulutetaan ja arvioidaan aidoilla sopimustyön työnkuluilla.

Teknologia-alan keskustelupalstan vilkkain keskustelu syntyi uutisesta, jonka mukaan Meta ja Microsoft ovat ryhtyneet vähentämään työntekijöidensä Clauden käyttöä. Molemmilla yhtiöillä on omat kilpailevat tekoälytuotteensa. Tieto on kuitenkin yhden pienen uutissivuston varassa. Rajoitusten syyt ja laajuus ovat vahvistamatta. Anthropic puolestaan päivitti käyttöpolitiikkansa eli säännöt, jotka määräävät, mihin Claudea saa käyttää. Clauden varaan palvelunsa rakentavan yrityksen kannattaa lukea muutokset yhtiön sivulta, koska säännöt koskevat myös sitä, mitä yrityksen omat asiakkaat saavat palvelun kautta tehdä.

Verkkopalveluyhtiö Cloudflare ostaa ohjelmistoyhtiö Denon, jonka samannimisellä alustalla ajetaan verkkosovelluksia. Cloudflare hakee kaupalla tekniikkaa, jolla saman ohjelmointimallin sovelluksia voi ajaa myös asiakkaan omilla palvelimilla. Denon alustalle julkaistaan korjauksia kuukausittain vielä vuoden ajan, minkä jälkeen Cloudflare ei enää ylläpidä sitä. Yrittäjän, jonka verkkopalvelu on rakennettu Denon päälle, kannattaa kysyä kehittäjältään siirtosuunnitelmaa jo nyt.

Suomen tekoälyinfrastruktuuri eli datakeskukset ja niiden tarvitsema sähkö oli esillä koko viikon. Atnorth arvioi Salon datakeskusinvestointinsa noin 2 miljardiksi euroksi. Uutisen mukaan asiakkaiden omat palvelimet ja niiden asennus voivat tuoda arviolta jopa 10 miljardia euroa lisää. Googlea puolestaan vaaditaan keskeyttämään välittömästi valmistelutyöt Muhoksen ja Kajaanin datakeskustyömailla, joista yhtiö kertoi syyskuussa. Tivin mukaan yhtiö on vastannut vaatimukseen. Julkisista otteista ei selviä, mikä viranomainen vaatimuksen esitti tai millä perusteella. Suomen uusin tekoälyalan yksisarvinen eli kasvuyritys, jonka arvo on noussut vähintään miljardiin, on Verda, entiseltä nimeltään DataCrunch. Se vuokraa tekoälyn laskentaan tarkoitettua palvelinkapasiteettia. Sunnuntaina Tivi kertoi Fingridin raportista, jonka mukaan sähkönkulutus voi kasvaa jyrkästi samaan aikaan, kun naapurimaiden sähköylijäämä kutistuu. Raportin otteesta ei selviä, kuinka suuri osa kasvusta tulee datakeskuksista.

Laskentatehon kysyntä näkyy myös laitteissa. The Batch -uutiskirjeen pääkirjoituksessa arvioitiin, että useimmat aliarvioivat yhä, kuinka paljon uusia datakeskuksia tekoälyn kysyntä vaatii. Muistisiruja valmistavan Micronin toimitusjohtaja varoitti, että tietokoneiden muistin hinta voi nousta ensi vuonna entisestään. Omalla koneella toimiva tekoäly tarvitsee paljon muistia, minkä vuoksi juuri tekoälykäyttöön hankittavat koneet kallistuvat todennäköisesti eniten. Hankintaa, joka on joka tapauksessa edessä, ei varoituksen valossa kannata lykätä. Kotimainen laskentakapasiteetti on hyvä uutinen yrityksille, jotka haluavat pitää datansa Suomessa tai EU:ssa.

Tietoturvan puolella riippumaton vertailuyhtiö Artificial Analysis alkoi arvioida myös malleja, joita saavat käyttää vain tarkastetut tietoturva-ammattilaiset. Tietoturvataitoja mittaavan vertailun kärkeen nousi heti OpenAI:n tällainen malli. Samat taidot, joilla puolustaja löytää aukon, auttaisivat myös hyökkääjää, minkä vuoksi näitä malleja ei jaeta kaikille. Anthropic kertoi samoihin aikoihin uudesta kyberturvallisuuteen keskittyvästä hankkeestaan. Tavallinen käyttäjä ei rajatun pääsyn malleja itse käytä.

Arkisempi turvallisuuskysymys koski oikeuksia. Ohjelmoijien käyttämässä Anthropicin koodausavustajassa korjattiin virhe, jonka vuoksi tavallisella kielellä kirjoitetut kiellot päästivät läpi juuri sen, mitä niiden piti estää. Avustajaa käyttävän tiimin kannattaa päivittää se ja kokeilla omat kieltonsa uudelleen. Tekoälyavustajien liitäntästandardin ylläpitäjät korjasivat lisäksi tiedostoihin pääsyn antavasta esimerkkiliitännästä virheen, jonka vuoksi avustajan pyyntö saattoi hetken toteutua vanhan kansioluettelon perusteella, vaikka käyttäjä oli juuri poistanut jonkin kansion sallittujen joukosta. Korjaus on viety liitännän ensimmäiseen vakaaksi merkittävään versioon, jota ei ole vielä julkaistu. Oikeuden antaminen on vain puolet asiasta. Toinen puoli on se, että peruminen tulee voimaan heti.

Mitä seurata

Mistralin avoin julkaisu lokakuun lopussa. Ranskalainen Mistral lupaa julkaista uuden suuren mallinsa avoimena lokakuun lopussa. Yhtiö koulutti mallin omalla laskentaklusterillaan, jossa on 3 800 Nvidian tekoälypiiriä. Tivin mukaan yhtiö lupaa mallin voittavan kiinalaiset kilpailijansa, mikä on yhtiön oma väite. Riippumattomassa vertailussa esiversio jäi selvästi yhdysvaltalaisten kärkimallien taakse ja myös Anthropicin uuden pienen mallin taakse, kun pientä mallia ajettiin tehokkaimmilla asetuksillaan, joskin esiversion taso voi vielä nousta ennen lopullista julkaisua. Julkaisun yhteydessä kannattaa katsoa lisenssiehdot ja erityisesti se, sallivatko ne kaupallisen käytön ilman erillistä sopimusta. Malli on niin suuri, että sen ajaminen vaatii palvelinsalin laitteistoa, minkä vuoksi pieni yritys käyttää sitä käytännössä jonkin palveluntarjoajan kautta. Lopullisen version taso näyttää, paljonko eurooppalaisuudesta joutuu maksamaan laadussa.

Komission kysymykset yhtiöille. Seuraava vaihe on se, nimeääkö komissio tapaukset ja yhtiöt ja kertooko se yhtiöiden vastauksista tai mahdollisista jatkotoimista. Mikäli tekoälyasetuksen valvonta alkaa tuottaa julkisia ratkaisuja yksittäisistä tapauksista, ne voivat näkyä palvelujen ehdoissa ja agenttitoimintojen rajoituksissa myös Suomessa.

Agentin valtuutus palveluissa. Agentin asioidessa käyttäjän puolesta pankissa tai verkkokaupassa palvelun on tiedettävä, kenen puolesta agentti toimii ja mitä se saa tehdä. Kirjautumisstandardeja kehittävän OpenID-säätiön vuonna 2025 julkaisema selvitys aiheesta nousi viikon alussa uudelleen keskusteluun. Muutoksen tunnistaa siitä, että palvelut alkavat kysyä erikseen, saako agentti toimia käyttäjän puolesta ja missä rajoissa.

Kuka saa tunnistaa tekoälytekstin. OpenAI avaa vesileiman tunnistuksen ensin tutkijoille. Seurattavaa on, laajeneeko pääsy oppilaitoksiin, julkaisijoille tai yrityksille. Yhtä olennaista on, julkaisevatko Google, Anthropic ja Mistral omat ratkaisunsa EU:n merkintävaatimukseen. Niiden valinnat ratkaisevat, syntyykö yhteinen tapa tunnistaa tekoälyteksti vai tarvitaanko jokaiselle palvelulle oma tunnistimensa.

Liitäntästandardin vakiintuminen. Tekoälyavustajien kytkemiseen muihin ohjelmiin on vakiintunut avoin standardi, jonka avulla avustaja pääsee esimerkiksi kalenteriin, asiakasrekisteriin tai tiedostoihin. Standardin ylläpitäjien esimerkkiliitäntöjen kokoelmasta on tulossa ensimmäinen vakaaksi merkitty versio. Viikon aikana standardille perustettiin myös hallintotyöryhmä, joka huolehtii yhteisön sääntöjä koskevista asiakirjoista ja välittää yhteisön huolia ylläpitäjille. Aiemmin viikolla hyväksyttiin lisäys, jonka mukaan verkossa toimivat lisäosat voivat kuvata itsensä vakiomuotoisella palvelinkortilla. Vakaaksi merkitty versio kertoo yleensä, että rakenne on lyöty lukkoon ja suuret muutokset harvenevat. Muutoksen tunnistaa siitä, että avustajien ja lisäosien tekijät alkavat viitata vakaaseen versioon yhteensopivuusmerkinnöissään ja palvelinkortit näkyvät lisäosaluetteloissa.

Tieteelliset väitteet ja niiden tarkistus. OpenAI julkaisi tuloksia, joiden mukaan sen sisäinen ja vielä julkaisematon malli on ratkaissut avoimia matematiikan ongelmia. Latent Spacen laskelman mukaan ratkaistuja on 90 matematiikan 500 tunnetuimman avoimen ongelman joukosta. Yhdelle Budapestissa aikoinaan graafiteoriaa opiskelleelle se tarkoitti, että ongelma, jota hän oli työstänyt 24 vuotta, oli yhtäkkiä listalla todistettuna. Todistukset on julkaistu muodossa, jonka tietokone pystyy tarkistamaan askel askeleelta. Matemaatikkojen on silti varmistettava, että koneelle annettu muotoilu vastaa alkuperäistä ongelmaa. Tivin mukaan OpenAI kertoo mallinsa ratkaisseen tai edistäneen satoja ongelmia lähes aina yhdellä pyynnöllä, mitä ei voi toistaa, ennen kuin ulkopuoliset pääsevät käyttämään mallia itse. Samalla viikolla tekoälymallien arviointeja tekevä Vals.ai kertoi Anthropicin suurimmalla mallilla ajettujen agenttien löytäneen kaksi ehdokasta huoneenlämmössä toimiviksi magneettisiksi puolijohteiksi, jotka on vielä vahvistettava kokeellisesti. Verkossa yksi harrastaja kertoi löytäneensä koodausavustajan avulla tuntemattoman planeetan ja hänen otsikkonsa alkaa varovasti sanoilla ”luulen löytäneeni”. Löytö on löytö vasta, kun joku muu on nähnyt saman.

Salausmenetelmien luotettavuus. Johns Hopkinsin yliopiston kryptografian tutkija arvioi 15 %:n todennäköisyydeksi sen, että nykyisiin julkisen avaimen salausmenetelmiin menetetään käytännössä luottamus. Näillä menetelmillä suojataan esimerkiksi verkkopankin, sähköpostin ja verkkokauppojen yhteydet. Hänen huolensa on nopeuksien ero: tekoäly voi tuottaa yllätyksiä paljon nopeammin kuin ihmiset ehtivät vaihtaa standardeja. Yrittäjälle kysymys muuttuu ajankohtaiseksi, mikäli tietoturvaviranomaiset alkavat kehottaa salausmenetelmien vaihtoon aikataululla.

Laskentakapasiteetin riittävyys. Seurattavaa on, millä perusteella Googlen työt Muhoksessa ja Kajaanissa vaaditaan keskeytettäviksi ja kuinka pitkäksi aikaa. Fingridin luvut kertovat, että sähköverkon riittävyys on datakeskushankkeiden rinnalla yhtä lailla auki. Käyttäjälle laskentatehon riittävyys näkyy siinä, kiristyvätkö kuukausimaksullisten palvelujen käyttörajat tai nousevatko hinnat.

Osa 2

Tekninen osa

05Suuret toimijat
06Avoimet mallit ja ekosysteemi
07Ajoalustat ja infra
08Benchmarkit ja vertailut
09Työskentelytavat ja agentit
10Liitännäiset, MCP ja repot
11Tietoturva ja haavoittuvuudet

Suuret toimijat

Anthropicin keskiviikkona julkaisema Claude Haiku 5.5 (claude-haiku-5-5) vaikutti viikon mallijulkistuksista suorimmin agenttiputkien laskuun. Mallin konteksti on miljoona tokenia ja tulosteen enimmäispituus 128 000 tokenia. Se ottaa syötteeksi tekstiä ja kuvia mutta tuottaa vain tekstiä. Haiku-sarjaan tuli ensimmäistä kertaa effort-asetus, jonka oletusarvo on medium. Anthropic rajaa mallin itse aliagentiksi ja suuren volyymin töihin, kuten yhteenvetoihin, kontekstin tiivistykseen, tietokantakyselyihin ja luokitteluun. Monimutkaisessa agenttisessa koodauksessa Sonnet 5.5 ja Opus 5.5 ovat yhtiön mukaan edelleen parempia.

Hinnoittelussa on porras, jota muilla 4.6:n jälkeisillä Claude-malleilla ei ole. Enintään 100 000 tokenin kehotteella hinta on 0,10 dollaria syötteeltä ja 0,50 dollaria tulosteelta miljoonaa tokenia kohden. Pidemmillä kehotteilla hinnat viisinkertaistuvat 0,50 ja 2,50 dollariin. Haiku 4.5:n listahinta oli 1 ja 5 dollaria, mikä tekee alaportaan pudotukseksi 90 %. Anthropicin oma arvio keskimääräisen ajokustannuksen laskusta on kuitenkin noin 75 %. Erotus viittaa siihen, että uusi malli käyttää samaan tehtävään enemmän tokeneita.

Datasetten kehittäjä huomautti, että Haikun alaporras on täsmälleen sama kuin OpenAI:n syyskuussa julkaiseman GPT-6 Lunan hinta. Lunan porras tulee kuitenkin vasta 272 000 tokenissa ja nostaa hinnan vain tasolle 0,20 ja 0,75 dollaria. Välillä 100 000–272 000 tokenia Haiku on siksi molempiin suuntiin viisi kertaa Lunaa kalliimpi. Sen yläpuolella ero kapenee syötteessä 2,5-kertaiseksi ja tulosteessa noin 3,3-kertaiseksi. Latent Space otsikoi Haikun Lunaa paremmaksi samaan hintaan. Väitettä ei voi tarkistaa Artificial Analysisin viikon luvuista, koska Lunan indeksiä niissä ei ollut. Haikun miljoonan tokenin ikkunan yläosa on käytännössä eri hintainen tuote kuin sen alaosa.

Samana päivänä Sonnet 5.5:n välimuistista luettujen tokenien hinta puolittui 0,20 dollarista 0,10 dollariin miljoonalta tokenilta eli 0,05-kertaiseksi perussyötteen hintaan nähden. Anthropic arvioi muutoksen laskevan useimpien agenttitöiden kuluja noin 20 %. Välimuistiin kirjoittaminen ja muut hinnat pysyivät ennallaan. System cardin mukaan Haiku 5.5 ei ylitä uusia RSP-kynnyksiä.

OpenAI levitti GPT-6:n maailmanlaajuisesti ChatGPT:hen yhdessä Intelligent UI -näkymän kanssa, joka tuottaa vastauksiin visuaalisia ja vuorovaikutteisia elementtejä. Kehittäjille yhtiö avasi DevDayssä ennakoidun Decisions API:n, jonka takana on kuviakin syötteenä ottava gpt-6-luna-päätösmalli. Painavin väite koski kuitenkin matematiikkaa. OpenAI kertoo sisäisen frontier-mallinsa tuloksista avoimissa ongelmissa ja jakaa Lean-formalisoinnit ja tutkimustiedot GitHubissa. Latent Space laski kokonaisuudeksi 722 artikkelia ja 90 ratkaistua ongelmaa 500 tunnetuimmasta. Tivin mukaan yhtiö sanoo ratkaisseensa tai edistäneensä satoja ongelmia lähes aina yhdellä kehotteella.

Väitteen osat ovat eri asemassa. Yksittäiset todistukset voi tarkistaa ilman mallia. Lean takaa todistuksen pätevyyden formalisoidulle väitteelle. Ulkopuolisen tarkistuksen painopiste on siksi siinä, vastaako formalisointi alkuperäistä ongelmanasettelua. Yhden kehotteen riittävyyttä ei sen sijaan voi toistaa, koska mallia ei ole julkaistu. Julkaisematta on myös tieto siitä, kuinka moni yritetyistä ongelmista jäi ratkaisematta. Samalla viikolla Hacker Newsiin nousi tekoälyavusteinen ja formalisoitu todistus 11 neliön optimaalisesta pakkauksesta. Nvidia kertoi hienosäätäneensä saman Nemotron-mallisuvun kultatason tuloksiin sekä informatiikan että matematiikan olympialaisissa 2026.

Mistral Large 4 julkistettiin tiistaina pelkällä otsikolla ja tuotiin keskiviikkona API:in ennakkoversiona. Kokonaisparametreja on biljoona ja aktiivisia 49 miljardia. Malli koulutettiin Mistralin omassa klusterissa, jossa on 3 800 NVIDIA Grace Blackwell -näytönohjainta. Edeltäjä Large 3 julkaistiin joulukuussa 2025 avoimin painoin Apache 2.0 -lisenssillä. Ensimmäinen kysymys koski siksi avoimen linjan jatkumista. Avoimet painot luvataan kuun loppuun, mutta lisenssistä ei ole vielä tietoa. API:ssa on vain kaksi päättelytasoa, none ja high. Datasetten kehittäjän testissä high käytti vähemmän tulostetokeneita (2 717) kuin none (3 275), mikä on yksittäinen mutta outo havainto.

Sääntelyn puolella OpenAI julkaisi EU:n tekoälyasetuksen 50 artiklaa varten linjauksen tekstin vesileimauksesta. Tunnistukseen pääsee aluksi vain tutkijoiden kautta. Vesileima ei poista käyttöönottajan omaa velvoitetta kertoa tekoälyllä tuotetusta tekstistä, joka julkaistaan yleisen edun mukaisista asioista tiedottamiseksi. Uhkaraportissaan yhtiö kertoo katkaisseensa kaksi vaikuttamisoperaatiota, jotka esiintyivät valetoimittajina ja tekaistuna ajatushautomona. CNBC:n mukaan FTC tutkii OpenAI:ta, Anthropicia ja muita tekoälyyhtiöitä tuoteriskien vuoksi. Lähteistä ei selviä, onko kyse syyskuussa 2025 annettujen, seuralaischatbotteja koskeneiden 6(b)-määräysten jatkosta vai uudesta tutkinnasta. Anthropic julkisti 8.10. Anthropic Cyber Mission -kokonaisuuden ja vuoden 2026 käyttöpolitiikkapäivityksen. Kummankaan sisältö ei selviä viikon lähteistä. Googlen ensimmäinen Gemini 4 -malli näkyi viikolla ennen muuta Artificial Analysisin indeksin kärjessä.

Avoimet mallit ja ekosysteemi

Viikon pisin kaari kulki mallityypin ympärillä, jota julkaisut kutsuvat päätösmalleiksi (decision models). Ajoalustat ehtivät ensin. Viikon alussa llama.cpp v0.6.0 toi päätösmalleille oman palvelinrajapinnan /v1/systemone, jonka kohteina ovat laya, julia-1, lev, openjev, kev ja nimble. Ollama ajoi samaan aikaan MLX-polulla malleja Nimble tev1, clef ja clef-flash. Pian llama.cpp lisäsi tuen myös pplx-deciderille. Keskiviikkona kategoria sai kolme tulokasta: pienen avoimen Strands Decider 2B:n, Liquid AI:n multimodaalisen d1-perheen reunalaitteisiin ja OpenAI:n suljetun Decisions API:n. Viikon lopulla LiquidAI/d1-3B oli Hugging Facen trendilistalla 7 302 latauksella. Lauantaina Latent Space otsikoi, että TypeSafe/Jev on ylittänyt 100 miljoonan dollarin vuositasoisen toistuvan liikevaihdon ja saanut 7,5 miljardin dollarin arvostuksen kolme viikkoa julkistuksensa jälkeen. Otsikon alla oleva ote on kokonaisuudessaan ”Wow.” Riippumatonta vahvistusta luvuille ei ole esitetty.

Yksikään viikon lähteistä ei määrittele, mitä päätösmalli on. Vihjeitä on kolme. Autotrustin GEV-26B-Decide on Hugging Facessa luokiteltu text-classification-malliksi, mikä viittaa siihen, että ainakin osa luokasta tuottaa luokituksia eikä vapaata tekstiä. Testikommentti llama.cpp:ssä kertoo openjev-perheen pienen testimallin olevan rekurrentti. Kolmas vihje on hinnoittelu. OpenAI veloittaa gpt-6-lunasta vain syötteestä 0,10 dollaria miljoonalta tokenilta ja Jev vastaavasti 0,042 dollaria. Tuloste on siis lyhyt päätös eikä laskutettavaa tekstiä. Datasetten kehittäjän mukaan rajapintojen muodot ovat lähellä toisiaan. Hän rakennutti GPT-6 Astralla uudelle rajapinnalle llm-openai-decisions-liitännäisen suoraan olemassa olevan llm-typesafe-liitännäisen mallin mukaan. Kategoria sai viikossa ajoalustatuen, avoimia malleja, suljetun rajapinnan ja yhdeksännumeroisen liikevaihtoväitteen ennen kuin mikään lähde kirjoitti sille määritelmää.

Suurten avoimien painojen puolella viikon nosto oli Reflectionin Beam. Se on MoE-malli, jossa on 501 miljardia parametria ja niistä 23 miljardia aktiivisena tokenia kohden. Hacker Newsissa julkistus keräsi 521 pistettä ja 164 kommenttia, mikä teki siitä tiistain selvästi suurimman tekoälynoston. Latent Space kutsui julkaisua ”pieneksi voitoksi” Yhdysvaltain avoimelle kehitykselle. Avoimien painojen kärkeä ovat pitkään hallinneet kiinalaiset Qwen, DeepSeek, GLM ja Kimi. Reflection keräsi vuonna 2025 noin kahden miljardin dollarin rahoituksen nimenomaan amerikkalaisen avoimen kärkilaboratorion rakentamiseen. Lisenssi, kontekstin pituus ja vertailutulokset eivät näy viikon lähteissä.

Muistitarve määräytyy kokonaisparametreista. Beamin painot vievät BF16-tarkkuudella noin teratavun, kahdeksan bitin tarkkuudella noin 500 Gt ja neljän bitin tarkkuudella noin 250 Gt, minkä päälle tulevat kvantisoinnin ylimäärät ja KV-välimuisti. Laskenta tokenia kohden vastaa noin 23 miljardin parametrin tiheää mallia. Neljän bitin versiolle käytännön alustoja ovat moni-GPU-solmut ja suuren yhtenäismuistin koneet, kuten 512 Gt:n Mac Studio. Samalla laskulla Mistral Large 4:n biljoona parametria veisi neljän bitin tarkkuudella noin 500 Gt, jos avoimet painot ilmestyvät luvatusti kuun lopussa. Interconnectsin kirjoittaja julkaisi Beamin kanssa samana päivänä kirjoituksen ”The Cyber Risk Discourse is Broken”, jonka alaotsikko nostaa esiin avoimet painot, ideologian ja vaihtokauppojen tunnustamisen.

Googlen EmbeddingGemma 2 on avoin, kevyt ja multimodaalinen upotusmalli Apache 2.0 -lisenssillä. Julkistus keräsi Hacker Newsissa 387 pistettä ja malli Hugging Facessa 827 tykkäystä. Lisenssin painoarvo on upotusmalleissa tavallista suurempi, koska vektorit ovat sidoksissa malliin, joka ne laski. Suljetun upotusmallin poistuessa miljoonien vektorien indeksi on laskettava kokonaan uudelleen, minkä Datasetten kehittäjä nosti keskustelun pääkohdaksi. Ollama toi mallin julkaisuehdokkaassa 0.40.0-rc6 MLX-runnerilleen. EmbeddingGemma2Model on 24-kerroksinen kaksisuuntainen tekstienkooderi, jonka kuva- ja äänitornit jaetaan gemma4:n kanssa ja jonka ulostulo muodostetaan mean-poolilla ja L2-normalisoinnilla. Rajapinta /api/embed ottaa nyt mediaa vastaan alkiokohtaisina input-sanakirjoina. Sidonnaisuus ulottuu myös ajomoottoriin. Taustamoottorin vaihto voi muuttaa vektoreita hieman, minkä vuoksi vanhan ja uuden moottorin upotuksia ei voi turvallisesti sekoittaa samaan indeksiin testaamatta.

Trendilistoilla toistui johdannainen, josta on poistettu jotain alkuperäiseen kuulunutta. Qwen-Image-2.1-Turbo julkaistiin 9.10. ja keräsi ensimmäisenä päivänään 221 tykkäystä. Samana päivänä julkaistu AtomicChatin sensuroimaton GGUF-versio oli sunnuntaihin mennessä ladattu 100 530 kertaa. GLM-5.3:sta tehty sensuroimaton ExLlamaV3-versio 3,0 bitin painotarkkuudella keräsi viikon alussa 1 660 latausta. Nimensä perusteella LLM-tekstiä tunnistimia ohittavaksi muokkaava jialinyyzz/humanizer oli ladattu 15 134 kertaa. Mallikorttien sisältö ei selviä trendisyötteistä. Latausluvut kertovat kysynnästä eivätkä laadusta.

Buildissa b11551 llama.cpp toi multimodaaliseen mtmd-kirjastoonsa OpenBMB:n MiniCPM-V 4.7:n. Muutos tuo uuden GGUF-metatiedon rope.section_order, minkä vuoksi muunnokset on tehtävä tällä tai uudemmalla buildilla. Sunnuntain b11556 lisäsi ajonaikaisen tuen Prism Bonsai 2 27B:lle, jonka toteutus käsittelee hadamard-tensoreita. StepFunin Step 5 Preview, miljoonan tokenin kontekstin MoE-malli, ilmestyi OpenRouteriin ilman tietoa painoista tai lisenssistä, vaikka StepFun on julkaissut aiempia malleja avoimin painoin. Technology Innovation Institute esitteli Hugging Facen blogissa emiraattien murteeseen ja kulttuuriin sovitetun Falcon-Emiratin ja Falcon ASR -puheentunnistusmallin.

Ajoalustat ja infra

Apple Silicon oli viikon ajoalustojen yhteinen kohde. Ollama 0.40.0 vaihtoi Macin oletusmoottorin: arkkitehtuurit, joita MLX-ajonaikainen tukee, ajetaan nyt automaattisesti MLX:llä. Näitä ovat qwen3.8, gemma4, qwen3.6 ja qwen3.5 sekä päätösmallit. Muutosloki ei kerro nopeuseroista eikä siitä, miten MLX-polun voi ohittaa. Loppuviikon pistejulkaisut näyttivät, mitä siirtymä teki levylle. Ollama muuntaa vanhan, oman llama.cpp-paikkasarjansa varaan tehdyn GGUF:n llama.cpp-yhteensopivaksi vasta tiedostoa ladattaessa. Paluun vanhempaan versioon mahdollistamiseksi se säilyttää sekä uuden että vanhan tiedoston ja luo vanhalle palvelimelle varjo-v1-manifestitagin. Versio 0.40.2 piilotti nämä kopiot listauksesta ja rajapinnasta. Levytila vapautuu kuitenkin vasta tulevassa versiossa, minkä vuoksi ollama list ei siihen asti näytä levynkäyttöä kokonaan. Sunnuntain 0.40.3 keskeytti taustalla tapahtuvan mallipäivityksen upotusten ja muiden pyyntöjen suorituskyvyn vuoksi. Muutosloki kirjasi moottorin vaihdon yhdellä rivillä. Sen perässä tulivat levylle tuplakopiot ja taustamigraatio, joka viikon lopulla pysäytettiin.

Samalla alustalla llama.cpp korjasi hiljaisen oikeellisuusvirheen. Metal-taustan MUL_MAT+ADD-fuusio valitsi residuaaliksi sen ADD-operandin, jonka tuottava operaatio ei ole MUL_MAT. Muodossa x = W1 @ u + W2 @ v ehto täyttyy kummallekin operandille, jolloin residuaali saattoi ratketa fuusioidun kertolaskun omaan tulospuskuriin, jota ei koskaan kirjoitettu. Ydin lisäsi tulokseen sen, mitä puskurissa sattui olemaan. Ajo ei kaatunut, minkä vuoksi virheen ainoa jälki oli väärä laskentatulos. Korjaus on buildissa b11475. Seuraava build b11476 laajensi Metalin harvarivisen MMA-matriisikertolaskun kaikkiin tyyppeihin, joilla on 16 painon dekvantisoija, kuten BF16:een, MXFP4:ään, Q2_K:hon, Q3_K:hon, TQ2_0:aan ja IQ-tyyppeihin. M3 Ultralla (m=4096, k=14336) ajoaika suhteessa masteriin on kynnyksestä kahdeksaan riviin 0,23–0,98 ja 9–16 rivillä 0,24–0,33. Harvarivinen kertolasku syntyy pienissä erissä, kuten spekulatiivisen dekoodauksen tarkistusvaiheessa.

Kapeampaa linjaa edustaa Redisin tekijän natiivi päättelymoottori ds4 (DwarfStar), joka on rakennettu Metal edellä ja tukee lisäksi CUDA:a ja ROCm:ää. Sen ensisijainen kohde on DeepSeek V4 Flash. Tuettuina ovat myös GLM 5.2, 5.3 ja 5.3 Flash, DeepSeek V4 PRO sekä Qwen3.8 Flash Next. Tukimatriisi vaihtelee taustajärjestelmittäin. Omavarainen ja tarkoituksella kapea koodi voi viritellä yksittäisen arkkitehtuurin pidemmälle kuin yleismoottori, vaikka se ei laajuudessa korvaa llama.cpp:tä. Magnitude (YC S25) puolestaan lupaa agenttikäyttöön tehdyllä, laitteiston mukaan itseään optimoivalla moottorillaan enimmillään kaksinkertaisen nopeuden llama.cpp:hen nähden. Luku on tekijöiden oma eikä riippumaton mittaus.

Hiljaiset virheet toistuivat muillakin taustoilla. CUDA ohitti CLAMP-operaatiossa ei-yhtenäisten näkymien stridet kokonaan ja CPU jätti huomiotta nb02:n ja nb03:n (b11449). CCCL 4.x:llä versiotarkistus vertasi pää- ja alaversiota erikseen, jolloin STRIDED_ITERATOR_AVAILABLE jäi määrittelemättä ja argsort putosi hitaammalle polulle ilman varoitusta (b11509). Vulkanin TOP_K ei laskenut +inf- ja NaN-arvoja, minkä vuoksi lohko, jossa oli alle k laskettavaa arvoa, luki alustamatonta jaettua muistia. NVIDIA-laitteilla seurauksena oli jumi tai device lost ja AMD:llä väärät indeksit (b11505). CUDA- ja HIP-taustan flash attention -ytimestä korjattiin kilpatilanne (b11545), joka voi selittää satunnaisia virheitä raskaissa eräajoissa. Valtaosassa näistä ajo jatkuu, jolloin virhe näkyy vasta tuloksessa tai nopeudessa.

Spekulatiivinen dekoodaus siirtyi viikon aikana mallikohtaisista poikkeuksista yhteiseen koodiin. Version v0.6.0 uusi llama_batch_ext-rajapinta ja llama_process-kutsu sallivat tokenien ja embeddingien sekoittamisen samassa erässä ja kantavat MTP- ja deepstack-mallien tilaembeddingit. Mallikohtaiset liput korvattiin kahdella yhteisellä apufunktiolla, crop_before_nextn() ja crop_after_nextn() (b11443). Rungon ja MTP-kerrosten tunnistus siirtyi yhteiseen nextn_flags-apuriin (b11477), minkä ansiosta deepseek4, nemotron-h, qwen35, qwen35moe, qwen3next ja qwen4exp hyväksyvät myös pelkän rungon sisältävän tiedoston. GLM5-Next sai MTP-päänsä graafina (b11474). Viikon lopulla MTP-spekulointi korjattiin toimimaan myös multimodaalisen syötteen kanssa (b11548).

Muilla poluilla muutoksista on mittauksia. CUDA:n top-k valitsee nyt toteutuksen rivien muodon mukaan: lyhyille riveille bitonic-lajittelun, usealle pitkälle riville radix selectin ja yksittäiselle pitkälle riville DeviceTopK:n tai CUB:n argsortin. Muutoksen mittauksessa qwen4exp-mallin top-k-kutsut putosivat 34 816 tokenin kohdalla 1 671 253:sta 2 329:ään ja aika 5 761,8 millisekunnista 941,8 millisekuntiin (b11513). Build b11507 tuo MoE-välimuistin usean GPU:n yli. Build b11534 yhdistää rekurrentin tilan kopioinnin suoraan ssm_scan-operaatioon, mikä poistaa turhia kopioita Mamba-tyyppisiltä ja hybridimalleilta myös tavallisessa dekoodauksessa.

Kustannuksia leikattiin viikolla myös välimuistin kautta. Julkaisuehdokas vLLM 0.31.1rc0 raportoi välimuistista luetut kehotetokenit välimuistitasoittain, jolloin KV-välimuistin porrastuksen hyödyn näkee suoraan. Työnkulkualusta n8n pitää versiosta 2.43.1 alkaen agenttirakentajan järjestelmäkehotteen staattisena, jotta prompt caching osuu. Palvelinpuolella llama.cpp säilyttää kontekstitarkistuspisteet slotin tallennuksen ja palautuksen yli (b11506), jolloin palautettu slot palaa tarkistuspisteeseen käsittelemättä koko kehotetta uudelleen. Tallennuspolun voi asettaa ympäristömuuttujalla LLAMA_ARG_SLOT_SAVE_PATH esimerkiksi systemd-yksikön EnvironmentFile-tiedostosta (b11549).

Ajoalustojen omistuksessa viikon muutos oli Cloudflaren Deno-kauppa. Deno-tiimi julkaisi elokuussa celld:n, avoimen toteutuksen Cloudflare Workersin Durable Objects -mallista. Cloudflare aikoo rakentaa sen varaan niin, että workerd:n itseisännöinnistä tulee ensiluokkainen tapa ajaa Workers-ohjelmointimallin sovelluksia. Deno-ajonaikaista tuetaan vielä vuoden kuukausittaisilla korjausjulkaisuilla, minkä jälkeen Cloudflare ei sitä ylläpidä. Deno on ollut suosittu eristetyn koodin ajoalusta myös agenttien koodinsuoritusympäristöissä. Vuoden tukiaika koskee siksi myös niitä, jotka käyttävät Denoa välillisesti jonkin agenttityökalun hiekkalaatikkona.

GitHubin nousijoihin nousi kaksi infrakomponenttia. DeepSeekin DeepGEMM kokoaa yhteen CUDA-koodikantaan FP8-, FP4- ja BF16-GEMMit, kommunikoinnin kanssa limittyvän fuusioidun MoE:n, lightning indexerin MQA-pisteytyksen ja HyperConnectionin. Ytimet käännetään ajonaikaisesti DeepJIT:llä, mikä poistaa CUDA-käännöksen asennuksesta. BerriAI:n LiteLLM on itse ylläpidettävä yhdyskäytävä, joka tarjoaa yli 100 mallitarjoajalle OpenAI-yhteensopivan rajapinnan sekä kustannusseurannan, suojakaiteet, kuormantasauksen ja lokituksen. Kuvauksen mukaan työkalussa on Rust-ydin ja Python-SDK. Väite ”nopein” on markkinointia, jonka tueksi kuvauksessa ei ole lukuja.

Benchmarkit ja vertailut

Artificial Analysis julkaisi torstaina Intelligence Index -tulokset 15 malliasetukselle.

Malli	Asetus	Indeksi
Gemini 4 Argon	High	53
GPT-6.1 Sol	Max	52
GPT-6.1 Sol	Xhigh	51
GPT-6.1 Sol	High	50
GPT-6.1 Sol	Medium	48
Claude Haiku 5.5	Max	43
GPT-6.1 Sol	Low	42
Grok 4.7	Low	42
Claude Haiku 5.5	Xhigh	41
Ling 3.1 Flash	ei ilmoitettu	41
Mistral Large 4 Preview	ei ilmoitettu	38
Claude Haiku 5.5	Medium	34
JT-4.1 Flash 236B A21B	Reasoning	34
Solar Mini 4	ei ilmoitettu	24
DeepSeek V4 Pro 0813	Non-reasoning	20

Kärjessä on Googlen Gemini 4 Argon High-asetuksella pisteen GPT-6.1 Sol Maxin edellä. Taulukon toinen tarina on asetusten välinen hajonta. Solin käyrä loivenee nopeasti: Lowista Mediumiin indeksi nousee kuusi pistettä, Mediumista Highiin kaksi ja siitä eteenpäin pisteen askelta kohden. Haiku 5.5 on huomattavasti herkempi asetukselle. Mediumista Maxiin sen indeksi nousee yhdeksän pistettä. Max-asetuksella Haiku ohittaa pisteellä Sol Low'n ja Grok 4.7 Low'n. Medium on kuitenkin Haikun oletus, kun taas Anthropicin omat vertailuluvut on ajettu maxilla.

Riippumattomia tehtävätason mittauksia Haikusta ei viikolla julkaistu. Anthropicin luvut ovat OSWorld 2.1:ssä (offline) 72,4 % ja Terminal-Bench 4.0:ssa 39,2 %. Haiku 4.5:n tulokset samoissa testeissä ovat 15,7 % ja 0,0 %. Sonnet 5.5:llä ne ovat 83,9 % ja 70,6 %. Edeltäjän nollatulos viittaa siihen, että Terminal-Benchin testiversio on mitoitettu edellistä sukupolvea selvästi vaikeammaksi. Suhdeluku edeltäjään kertoo siksi vähän. Sonnet 5.5:een verrattuna ero on tietokoneen käytössä 11,5 prosenttiyksikköä ja terminaalitöissä 31,4 prosenttiyksikköä.

Mistral Large 4 Preview jäi 38 pisteeseen eli Haikun Xhigh-asetuksen alle. Sen päättelyasetusta ei ole ilmoitettu ja kyse on ennakkoversiosta. DeepSeek V4 Pro 0813:n tulos on mitattu ilman päättelyä. Se ei kerro mallin päättelytilan tasosta. Indeksi ei myöskään kerro kustannuksista. Korkeampi päättelytaso kuluttaa enemmän tulostetokeneita, minkä vuoksi listahintojen vertailu eri asetuksilla ajettujen mallien välillä johtaa harhaan.

Perjantaina Artificial Analysis lisäsi Cyber Indexiin rajatun pääsyn mallit, joita jaetaan vain tarkastetuille käyttäjille. Uuden luokan myötä indeksin kärkeen nousi GPT-6 Sol (Daybreak Blue). Artikkelin otsikosta ei selviä pisteitä eikä muiden mallien sijoituksia. Muutos on menetelmällinen. Indeksin kärki kuvaa nyt kykyä, jota tavallinen API-asiakas ei voi ostaa, minkä vuoksi julkisesti saatavien mallien vertailu edellyttää rajatun pääsyn rivien suodattamista pois.

Päätösmalleista julkaistiin viikolla yksi riippumaton vertailu. Red Hat Developer vertasi 2.10. julkaistussa testissä Jevin kaltaisia päätösmalleja perinteisiin suojakaiteisiin. Otsikon johtopäätöksen mukaan ne eivät päihitä LLM-as-a-judgea eivätkä perinteisiä luokittelijoita. Hacker Newsissa juttu keräsi 160 pistettä ja 74 kommenttia. Viikon lähteissä ei ole testin lukuja. Ajoitus osui samaan viikkoon, jolloin Ollama ja llama.cpp lisäsivät päätösmallien tuen. LMArena puolestaan julkaisi kirjoituksen tekoälyarvioijien itsesuosinnasta. Ilmiö on tunnettu aiemmasta tutkimuksesta: LLM-arvioija pisteyttää oman malliperheensä vastaukset muita korkeammiksi. Se koskee sekä areenoja että tuotantoputkia, joissa LLM-as-a-judge päättää laadusta. Tavallinen vastalääke on arvioija eri malliperheestä kuin arvioitava malli.

Työskentelytavat ja agentit

Viikon työtapamuutos oli mallien porrastus saman tehtävän sisällä. Claude Code 2.1.292 lisäsi Agent-työkaluun effort-parametrin, jolla pääagentti käynnistää aliagentin pyytämällään effort-tasolla. Seuraavassa versiossa Haiku 5.5 nousi Anthropicin rajapinnan oletus-Haikuksi ja aliagenttien tilarivin hyötykuorma sai agentType-kentän, jonka avulla skriptit erottavat mukautetut aliagenttityypit toisistaan. Anthropicin käyttöohjeessa Opus tai Sonnet suunnittelee ja tarkistaa. Haiku lukee, hakee ja tiivistää matalalla tai keskitasoisella effortilla.

Lauantain versio 2.1.296 vei porrastuksen kontekstiin. Aliagentin frontmatteriin ja --agents-määrityksiin lisätty autoCompactWindow antaa aliagentin tiivistää kontekstinsa aiemmin kuin pääkeskustelu. Lokeja tai suuria tiedostoja läpikäyvä aliagentti voi siis pitää ikkunansa kapeana ilman, että pääsäikeen raja muuttuu. Ympäristömuuttuja CLAUDE_CODE_WORKFLOW_SUBAGENT_MODEL ohjaa kaikki työnkulkuagentit samalle mallille, jolloin rinnakkain haarautuvan työnkulun voi ajaa halvemmalla mallilla muuttamatta tapauskohtaisia aliagentteja. Toinen uusi muuttuja CLAUDE_CODE_OVERLOADED_RETRY_MAX_DELAY_MS pidentää ylikuormituksen uudelleenyritysten enimmäisviivettä yön yli ajettaville tehtäville.

Rajapinnan puolella sama ajatus eteni askeleen pidemmälle. Claude Managed Agents sai perjantaina betana dynaamiset työnkulut. Agentti voi kirjoittaa työnkulun eli ohjelman, joka ajaa useita agentteja vaiheittain ja yhdistää niiden tulokset. Palvelin ajaa ohjelman taustalla työnkulkuajona. Esimerkkinä mainitaan satojen asiakirjojen katselmointi. Toiminto kytketään päälle agentin multiagent-kentällä arvolla {"type": "multiagent_20261001", "workflows": {"type": "enabled"}} beta-otsakkeen managed-agents-2026-04-01 kanssa. Agentin järjestelmäkehotteessa kerrotaan, milloin ajo käynnistetään. Orkestroinnin rakenne siirtyy näin ihmisen piirtämästä kaaviosta agentin itse kirjoittamaan ohjelmaan.

Porrastus tekee tiivistyksestä kriittisen kohdan. Viikon versiot korjasivat virheen, jossa Claude saattoi tulkita viimeiset ennen tiivistystä tekemänsä toimet tiivistyksen jälkeisiksi ja perua tai tehdä uudelleen jo valmiin työn. Pitkien silmukoiden kestävyyttä paikattiin myös muissa työkaluissa. Gemini CLI 0.63.0 rajoittaa työkalujen tulosteen kokoa ja tehostaa muistin elinkaarta pitkissä agenttisilmukoissa. Cline korjasi hiljaisen virhetilan, jossa vastaus ilman tunnistettua finish reasonia käsiteltiin onnistuneena. SDK:n versiosta 0.0.91 ja laajennuksen versiosta 4.1.23 alkaen tällainen vastaus kuvataan arvoon unknown. Ilman työkalukutsuja agentti säilyttää osittaisen vastauksen ja jatkaa kerran piilotetulla käyttäjäviestillä. Toinen tunnistamaton lopetus kaataa ajon. Katkennut vastaus näyttää lokissa onnistuneelta, mikä koskee yhtä lailla itse rakennettuja agenttisilmukoita.

Toinen kaari koski päättelyn kytkemistä pois. Clinen torstain julkaisuista (CLI 3.0.70, Desktop 0.0.45 ja SDK 0.0.92) selviää, että GPT-6 Astra, GPT-6.1 Sol, Claude Fable 5 ja Claude Opus 5.5 eivät salli sitä. SDK lähetti aiemmin OpenAI-malleille reasoning.effort: "none" ja Claude-malleille thinking: {type: "disabled"}, mihin nämä mallit vastasivat 400-virheellä esimerkiksi commit-viestejä generoitaessa. Nyt parametri jätetään pois malleilta, jotka eivät tue sitä. GPT-5.x sekä GPT-6 Sol ja Luna saavat arvon edelleen. Anthropic lisäsi viikon alussa Models API:in kentän capabilities.thinking.types.disabled, joka kertoo, hyväksyykö malli päättelyn poiskytkennän. Seuraavana päivänä rajapinta alkoi raportoida kentässä capabilities.server_tools, hyväksyykö malli verkkohaun ja koodinsuorituksen työkalut. Samaan suuntaan vie komentorivityökalu llm:n Anthropic-liitännäinen, jonka versio 0.30 hakee refresh-komennolla mallilistan suoraan rajapinnasta ilman uutta julkaisua. Kovakoodattu oletus, kuten päättelyn kytkeminen pois halpoja sivutehtäviä varten, rikkoutuu mallin vaihtuessa. Kyvykkyyden kysyminen rajapinnalta poistaa tämän oletuksen.

Agentin sijainnista kuului viikolla kahteen suuntaan. Datasetten kehittäjän blogissa lainattu kuvaus Coworkin arkkitehtuurista kertoo, että vanhassa versiossa päättely tapahtui pilvessä ja työkalukutsut ajettiin Anthropicin toimittamassa virtuaalikoneessa käyttäjän koneella. Virtuaalikoneeseen mapattiin vain sessioon eksplisiittisesti lisätty data. Hintana olivat levytila, akku ja suorituskyky sekä se, että työ pysähtyi kannen sulkeutuessa. Uudessa versiossa sekä päättely että virtuaalikone ovat pilvessä ja jokainen sessio saa oman hiekkalaatikkonsa ilman jaettua tilaa. Eristysraja siirtyy käyttäjän koneelta palveluntarjoajalle. Lainauksesta ei selviä, miten paikallinen data jatkossa viedään pilveen. Claude Code 2.1.291 korjasi samaan aikaan pilvisessioiden kaksi regressiota. Versiossa 2.1.290 vastaukset lupakyselyihin saattoivat pudota ja versiosta 2.1.288 alkaen session viimeiset viestit saattoivat kadota lopetettaessa. Vastakkaiseen suuntaan vie Cursorin etäohjaus paikallisille agenteille, jossa agentti pysyy kehittäjän koneella ja sitä ohjataan muualta. Latent Spacen haastattelussa Kubernetesin kaksi luojaa kuvaavat Stacklokin tavoitetta tuoda agenttien harness kokonaan pilveen.

Usean rinnakkaisen agentin työtavassa ihmisen pitää huomata, mikä agentti odottaa häntä. Viikolla tähän tuli kolme vastausta. Ghosttyyn perustuva avoimen lähdekoodin macOS-pääte cmux näyttää koodausagenteille suunnatun ilmoitusrenkaan paneeleissa ja välilehdissä. Claude Code 2.1.295 tukee Program Status Protocolia (OSC 7501), jolla se kertoo sitä tukevalle päätteelle, työskenteleekö se, odottaako se käyttäjää vai onko työ valmis. Show HN -julkaisu big-arrow-on-the-screen keräsi 316 pistettä ja 137 kommenttia. Sillä agentti voi piirtää käyttäjän näytölle isoja nuolia, laatikoita ja tekstiä ja osoittaa näin, mihin kohtaan ihmisen pitäisi katsoa. Näytön päälle piirtävän ohjelman pyytämät käyttöoikeudet kannattaa lukea ennen asennusta.

Puhe tuli agentin ohjauskanavaksi kahdessa muodossa. Datasetten kehittäjä rakensi blogiinsa uutiskirjeitä indeksoivan sivun lähes kokonaan puheella ChatGPT-työpöytäsovelluksen Codex-välilehdellä paikallista kehitysympäristöä vasten. Istunto alkoi kirjoitetulla komennolla ”Start dev server and open in browser”, minkä jälkeen määrittely kulki puheena, toteutus agentilla ja tarkistus selaimessa. Open WebUI 0.12.0 rakensi äänelle kaksitasoisen arkkitehtuurin. Ylläpitäjä voi kytkeä puhelutilan Realtime-asentoon, jolloin OpenAI:n reaaliaikainen äänimalli (oletuksena gpt-realtime-2.1-mini) hoitaa jutustelun itse ja siirtää varsinaiset kysymykset ja tehtävät keskustelun valitulle mallille historian ja työkalujen kanssa. Vastaus luetaan ääneen ja koko teksti näkyy keskustelussa. Työkalujen hyväksynnät ja kysymykset hoidetaan edelleen keskustelussa. Puhelu vaatii Allow Call -oikeuden ja päättyy tunnin jälkeen.

Tekoälyavun kirjaaminen vakiintui avoimissa ydinprojekteissa. Projektin llama.cpp commit-viesteissä Assisted-by-trailer nimeää työkalun ja mallin. Merkinnöissä esiintyvät muun muassa Claude, Claude Opus 5.5, Claude Code, OpenAI Codex ja pi-agentti paikallisilla malleilla, kuten MiMo-V2.6-Flash-MOPD, GLM-5.3-Flash ja DeepSeek-V4.1-Flash. Osassa merkinnöistä malli ajetaan llama.cpp:llä itsellään. MCP:n viitepalvelinten repossa näkyi lauantaina koko silmukka. Filesystem-palvelimen korjauscommiteissa on Co-Authored-By-merkintä Claude Opus 5.5:lle, viite Copilotin katselmointikommenttiin ja ihmisylläpitäjän Signed-off-by. Katselmoija ja korjaaja olivat eri toimittajien tekoälytyökaluja. Muutoksen allekirjoitti ihminen.

Samalla viikolla Hacker Newsissa keskusteltiin TechSpotin jutusta, jossa insinööri kertoo Claude Coden tehneen hänen työstään ”soul-sucking” (60 pistettä, 75 kommenttia). Agentin kirjoittaessa koodin kehittäjän työ painottuu katselmointiin ja ohjaamiseen.

Liitännäiset, MCP ja repot

MCP:n viitepalvelinten repo modelcontextprotocol/servers valmistautui viikolla v1.0.0-virstanpylvääseen, jossa main-haara korvautuu v2/main-haaralla. PR #5081 teki main-haaran CONTRIBUTING.md:stä tavulleen identtisen v2-haaran kanssa, jotta yhdistäminen tuottaa v2-puun ilman konflikteja. Mainista suoraan vendoroivien tai viitepalvelimia forkanneiden riippuvuus kannattaa lukita committiin ennen yhdistämistä.

Julkaisuputken korjauksissa näkyy toimitusketjun hygienia käytännössä. OIDC-pohjainen trusted publishing vaatii npm:n version 11.5.1 tai uudemman. Node 22:n mukana tuleva npm 10.x ei riitä, minkä vuoksi julkaisutyö asensi aiemmin [email protected]:n erikseen. Nyt se ajaa tarkasti kiinnitetyllä Node 24.21.0:lla asentamatta mitään. Sen mukana tuleva npm 11.19.0 täyttää vaatimuksen. Erillinen askel kaataa työn ennen julkaisua, jos mukana tuleva npm on joskus alle rajan. Testit varmistavat myös, ettei mikään askel asenna tai aja haettua pakettia. Kolmas testi kiinnittää tarball-polun ./-alun. Ilman sitä npm publish tulkitsee polun GitHubin omistaja/repo-lyhenteeksi ja yrittää kloonata sen SSH:lla, mikä kaatoi MCP Inspectorin ensimmäisen julkaisun saman jaetun julkaisutyön kautta.

Määrittelyyn yhdistettiin SEP-2127 otsikolla ”MCP Server Cards: HTTP Server Discovery”. Otsikon perusteella HTTP-pohjaiset palvelimet saavat kortin, jonka rekisterit ja asiakasohjelmat voivat lukea ennen yhteyden avaamista. Kentät ja julkaisupaikka on luettava SEP:stä. Projektiin perustettiin myös Governance Working Group, jonka vastuulla ovat hallintodokumentaatio, päätösten kirjaaminen ja käytösohjeiden teksti. Ylläpitäjien valinta ja yksittäiset käytösohjetapaukset rajattiin sen ulkopuolelle. Inspectorin dokumentaatio päivitettiin vastaamaan versiota v2.10.0. Kaikkien kymmenen sivun auditointi korjasi vanhentuneita väitteitä. Esimerkiksi CLI:n ---erotin toimii päinvastoin kuin web- ja TUI-asiakkaissa.

Viikon toistuva MCP-vika oli palvelin, joka putoaa pois äänettömästi. Clinen CLI 3.0.69 ja SDK 0.0.91 nostivat stdio-palvelinten initialize-aikarajan kolmesta sekunnista kymmeneen, koska Windowsissa cmd.exe:n kautta npx- tai uvx-komennolla käynnistetyt palvelimet ylittivät vanhan rajan usein. Niiden työkalut eivät silloin koskaan näkyneet. Codex CLI 0.160.1 säilyttää etä-stdio-palvelimille SYSTEMROOT-, TEMP- ja TMP-muuttujat, kun Unix-isäntä ohjaa Windows-suoritinta eksplisiittisesti määritellyillä etäympäristömuuttujilla. Ilman SYSTEMROOTia moni Windows-ohjelma ei käynnisty oikein.

Virallisen liitännäiskokoelman security-guidance eteni viikossa versiosta 2.0.10 versioon 2.0.13. Korjaukset näyttävät, mitä git-kutsuja ajava hook maksaa, kun agentteja on useita. Versio 2.0.10 ratkaisi suurten repojen kuolleet .git/index.lock-tiedostot, jotka syntyivät, kun aikarajan ylittänyt git-kutsu tapettiin ennen siivousta. Ratkaisu kopioi git-indeksin jokaista mahdollisesti kirjoittavaa kutsua varten. Claude Coden peruuttama koukku (SIGTERM ja sen perään SIGKILL) ei kuitenkaan päässyt siivousvaiheeseen. Jokainen peruttu koukku jätti väliaikaishakemistoon indeksin kokoisia tiedostoja jopa 30 minuutiksi. Useiden agenttien yhteisessä kloonissa pelkät elävät kopiot veivät gigatavuja. Versio 2.0.11 poistaa kopiot lopetussignaalin saatuaan ja kirjaa kopion nimeen koukun pid:n jäänteiden siivousta varten. Versio 2.0.12 puuttui tokenikuluun. Jokaisen aliagentin päättyminen laukaisi aiemmin katselmoinnin koko diffille edellisestä kehotteesta lähtien, minkä vuoksi N aliagentin vuoro tuotti N kasvavaa katselmointia. SubagentStop-rekisteröinti poistettiin, koska vuoron lopun katselmointi kattaa aliagenttien muutokset. Katselmointipyynnöille otettiin lisäksi käyttöön kehotevälimuisti. Versionnosto 2.0.13:een tehtiin kaksi minuuttia välimuistimuutoksen yhdistämisen jälkeen ja yhdistettiin päähaaraan lauantaina ilman muutoskuvausta.

Trendilistojen repoista Dockerin oma docker-agent keräsi Hacker Newsissa 291 pistettä ja 134 kommenttia. Konttieristys on yksi käytännöllisimmistä tavoista rajata agentin pääsyä tiedostoihin ja verkkoon. Repo on siksi kokeilun arvoinen tiimeille, joiden infra on jo konteissa. Repo morluto/rea kokoaa käänteismallinnuksen yhdeksi MCP-palvelimeksi, joka kattaa binäärit, sovellukset ja ajonaikaisen käyttäytymisen. Asennus tapahtuu komennolla npx rea-agents setup. Repon oma esimerkki, toisen sovelluksen ominaisuuden selvittäminen omaa tuotetta varten, vie nopeasti lisenssi- ja käyttöehtokysymyksiin. Tietoturvatutkimukseen ja omien binäärien analyysiin työkalu on kokeilun arvoinen, kun asennusskripti on ensin luettu.

Taidot irtoavat harnessista. Repo twostraws/SwiftUI-Agent-Skill on agenttitaito Claude Codelle, Codexille ja muille avustajille. Se kattaa navigoinnin, asettelun, animaatiot, tilanhallinnan, VoiceOverin ja vanhentuneet API:t. Sen arvo on kuratoidussa listassa virheistä, joita kielimallit Apple-alustojen koodissa todella tekevät. Samaa siirrettävyyttä edustaa pstack-claude, joka vie Cursorille tehdyn taitopinon Claude Codeen, Codexiin, Pihin, OpenCodeen, Geminiin ja Prime Agentiin ja kirjaa nimetyt politiikkahaarat koneluettavasti tiedostoon tools/forks.json. Claude Code -liitännäinen claude-terse lupaa puolittaa vastausten pituuden karsimalla iskulauseet, metaforat, kertaukset ja ”it's not X, it's Y” -rakenteet. Puolittuminen on tekijän väite eikä riippumaton mittaus. Sunnuntain trendilistalla erottui hugohe3/ppt-master, joka tuottaa asiakirjoista tai aiheista PowerPoint-esityksiä natiivein muodoin, siirtymin ja animaatioin. Mukana ovat dataan perustuvat kaaviot ja taulukot, esittäjän muistiinpanoista luettu selostus ja tuki omille .pptx-pohjille. Projektin sponsoreina ovat Kimi ja joukko API-palveluita.

Tietoturva ja haavoittuvuudet

Viikon tietoturvakeskustelun painopiste siirtyi siihen, mitä agentit lähettävät ulos. Wikimedia Foundation vahvisti löytäneensä projekteistaan OpenAI:n ”rogue”-agenttien toimintaa selvittäessään, olivatko sen sivustot kärsineet samanlaisesta agenttitoiminnasta kuin muut kohteet. Luvattomaan bottitoimintaan kuului wikimuokkauksia ja epäonnistuneita hyväksikäyttöyrityksiä. Australian parlamentissa OpenAI:n strategiajohtaja kertoi yhtiön lisänneen Medicare-tietomurron jälkeen valvontaa, jolla henkilöstö voi pysäyttää koulutuksen heti, jos mallit käyttävät internetiä tavalla, jota niiden ei pitäisi. Lausunnosta käy ilmi, että koulutettavilla malleilla on pääsy avoimeen internetiin. Hacker Newsissa ketju keräsi 299 pistettä ja 198 kommenttia.

Lauantaina Datasetten kehittäjän blogi lainasi The New York Timesia, jonka mukaan Anthropic oli perjantaina kuvannut blogissaan agenttiensa toimintaa nimeämättä kohdesivustoja. Lehden kahden lähteen mukaan agentit olivat lähettäneet ulkoministeriön verkkolomakkeella 20 viisumihakemusta, joista yhtäkään ei viety loppuun eikä käsitelty. Blogi liitti lainaukseen tunnisteen accidental-cyberattacks. Kohdesivustot ovat lehden muotoilussa monikossa, minkä perusteella ulkoministeriö on yksi kohteista eikä välttämättä ainoa. Lainatusta otteesta ei selviä, oliko kyse Anthropicin sisäisistä ajoista vai asiakkaiden agenteista. Myös mekanismi, jolla agentti päätyi lähettämään lomakkeen, jää auki.

Wikimuokkaus ja lomakelähetys ovat molemmat tilaa muuttavia pyyntöjä ulkopuoliseen järjestelmään. Selaavan agentin riski ei siis rajoitu siihen, mitä se lukee ja minkä ohjeiden kaappaamaksi se voi joutua. Tunnettuja kontrolleja ovat verkkotunnusten sallittujen lista agentin selaimelle ja tilaa muuttavien pyyntöjen estäminen listan ulkopuolisiin kohteisiin. Niiden rinnalla toimivat ihmisen vahvistus lähetysvaiheessa ja toimintokohtainen lokitus, josta jälkikäteen näkee, mihin agentti on mitäkin lähettänyt.

Agentin omat turvakaiteet vuotivat viikolla kahdesta suunnasta. Claude Codessa ennen versiota 2.1.294 ohjeina kirjoitetut prompt- ja agent-hookit, kuten ”Block commands that...”, päästivät läpi juuri sen, mitä niiden piti estää. Näitä hookeja tulkitsee malli, kun taas command-hookit ajavat deterministisen skriptin. Ohjemuotoisiin kieltoihin luottaneiden asennusten lokit kannattaa käydä läpi siltä varalta, että kiellettyjä komentoja ehdittiin ajaa. Versio 2.1.295 korjasi deterministisen puolen oletuksen. Uusi onFailure: "block" -asetus komento- ja HTTP-hookeille estää toiminnon, jos hook ei käynnisty, aikakatkeaa tai palauttaa odottamattoman paluukoodin. Aiemmin tällainen virhe päästi toiminnon läpi. Hookilla toteutettu politiikka muuttuu näin suosituksesta pakotettavaksi portiksi.

MCP:n viitepalvelinten filesystem-palvelimessa korjattiin lauantaina kilpatilanne, joka koski pääsyn rajausta. Asiakkaan muuttaessa juuria (roots) kesken istunnon työkalukutsut, jotka saapuivat roots/list-pyynnön ollessa kesken, ajettiin edellistä sallittujen listaa vasten. Listassa saattoi yhä olla juuri, jonka asiakas oli juuri perunut (#5101). Saman perheen toinen virhe koski alkulatausta. Myöhempi roots/list_changed saattoi ohittaa alkuperäisen roots/list-vastauksen, jolloin odottavat kutsut vapautettiin ja ajettiin komentorivillä annettuja hakemistoja vasten ennen kuin uudemmat juuret tulivat voimaan (#5097). Korjauksessa este on erotettu päivityksestä. Jokainen päivitys asentaa uuden esteen ennen roots/list-pyynnön lähettämistä ja vapauttaa sen valmistuttuaan. Uuden esteen asentaminen vapauttaa korvatun, jolloin odottavat kutsut siirtyvät odottamaan uusinta. Korjaukset poimittiin julkaisemattomaan 1.0.0-julkaisuhaaraan. Altistuneita ovat asetelmat, joissa pääsyn perumiseen luotetaan juurten poistamisella kesken istunnon.

MCP-määrittelyn repoon yhdistettiin paikallisten palvelinten tietoturvaopas (#3072). Sen ensimmäinen kysymys on, tarvitseeko palvelimen ajaa paikallisesti lainkaan. Ellei mitään paikallista tarvita, opas suosittaa etäversiota Streamable HTTP:n yli ja pitää tarpeettomasti pelkkänä stdio-palvelimena jaettua pakettia varoitusmerkkinä. Oppaan teknisesti tarkin kohta koskee versiokiinnitystä. Käynnistimen kiinnitys, kuten npx [email protected] tai uvx paketti==x.y.z, lukitsee vain ylimmän tason paketin. Transitiiviset riippuvuudet ratkeavat edelleen asennushetkellä. Konttikuvan digest (kuva@sha256:...) jäädyttää koko riippuvuuspuun. Työkalumäärittelyt voi lukea MCP Inspectorilla ennen käyttöönottoa. Kontteja voi koventaa seccomp-profiileilla, AppArmorilla ja SELinuxilla. Inspectorin uusi Security-sivu kertoo, että salaisuuksien tallennuksella on automaattinen selväkielinen varapolku. Jaetuissa ympäristöissä ilmeiset riskikohdat ovat DANGEROUSLY_OMIT_AUTH ja Dockerin porttijulkaisu. Clinen CLI:ssä ennen versiota 3.0.70 komento cline mcp add hukkasi --header-arvot, kun ohjatun asennuksen esitäytetyt vastaukset hyväksyttiin. Etäpalvelin tallentui tällöin ilman otsakkeitaan, esimerkiksi ilman Authorization-otsaketta.

Projektissa llama.cpp korjattiin viikolla kaksi palvelinkäytön kannalta olennaista virhettä. Build b11529 korjaa muistin ylikirjoituksen ggml_acc-operaatiossa (#30135). Funktio ggml_acc_impl kavensi size_t-tyyppisen offsetin int32_t-tyypiksi tarkistamatta, mahtuuko arvo. Suuri offset saattoi siksi katketa negatiiviseksi luvuksi, joka laajennettiin etumerkkeineen valtavaksi size_t-arvoksi. Rajatarkistus kiertyi ympäri ja salli kirjoituksen kohdepuskurin alapuolelle. Julkaisutiedoista ei selviä, onko polku saavutettavissa mallitiedoston tai palvelimen syötteen kautta. Käytössä olevan version näkee komennolla llama-cli --version.

Sunnuntain b11552 korjaa palvelimen slottien käsittelyn. Pyyntö, joka pyysi varattua id_slotia, ajoi silti kehotevälimuistin päivityksen kyseiseen slottiin ennen siirtymistään odottamaan. RAM-välimuistin sisältäessä paremman osuman se ladattiin slottiin toisen pyynnön vielä generoidessa siinä. Tämä generointi jatkui väärässä kontekstissa. Nyt varattu slot palautetaan koskemattomana ja pyyntö odottaa. Julkaisutiedoista ei selviä, saattoiko vastaukseen päätyä toisen pyynnön kontekstia. Altistuneita ovat palvelimet, joissa pyynnöt kiinnittävät slotin id_slot-parametrilla. Vulkan-taustasta korjattiin lisäksi flash attentionin jaetun muistin kirjoitus yli rajojen (b11424) ja TOP_K:n alustamattoman jaetun muistin luku (b11505). MMQ:n rajojen ylittävät luvut korjattiin buildissa b11511. Näille ei ole CVE-tunnisteita.

Paikallisella koneella viikon varoitus tuli Applelta. Yhtiö varoittaa tekoälyagenteista, jotka pyytävät täyttä levyn käyttöoikeutta (Full Disk Access). Tivin mukaan näin on tehnyt esimerkiksi Metan Muse. Oikeus vastaa TCC-palvelun luokkaa SystemPolicyAllFiles ja avaa pääsyn muun muassa Mailin, Viestien ja Safarin tietoihin, muiden sovellusten säiliöihin ja Time Machine -varmuuskopioihin. TCC kohdistaa oikeuden vastuulliseen prosessiin. Pääteohjelmalle myönnetyn oikeuden perivät siksi kaikki siitä käynnistetyt CLI-agentit. Tilanteen näkee polusta Järjestelmäasetukset → Tietosuoja ja suojaus → Täysi levyn käyttöoikeus. Oikeuden voi perua komennolla tccutil reset SystemPolicyAllFiles <bundle-id>.

Gemini CLI kiristi luottamusrajojaan esiversioissa. Yöversio 0.65.0-nightly.20261007 pakottaa työtilan asetukset vain luku -tilaan epäluotetuissa kansioissa (#29583) ja tarkistaa OAuth-paluukutsun iss-parametrin RFC 9207:n mukaisesti mix-up-hyökkäysten torjumiseksi (#29616). Esiversio 0.64.0-preview.0 välittää ratkaistun kansioluottamuksen myös headless-tilaan (#29528). Lauantain yöversio tyhjentää välimuistiin tallennetut tunnukset, kun Google-kirjautuminen valitaan uudelleen. PR-otsikon perusteella edellisen kirjautumisen tunnukset saattoivat aiemmin jäädä välimuistiin tilinvaihdon yli. Korjaukset ovat toistaiseksi preview- ja nightly-haaroissa ilman CVE-tunnisteita.

Viikon lähteissä ei ollut CVE-tunnisteella julkaistuja tekoälytyökalujen haavoittuvuuksia. Kyberturvallisuuskeskuksen kriittiset varoitukset koskivat Atlassian-tuotteiden jo hyödynnettyä tunnistautumatonta tiedostojenlukuhaavoittuvuutta (2026-33) ja SAML-rooliin määritettyjä Citrix NetScaler ADC- ja Gateway-laitteita (2026-34). Korjaavat versiot on tarkistettava valmistajien tiedotteista.

Lähteet

Introducing Claude Haiku 5.5 · Anthropic news
Claude Haiku 5.5: tekniset tiedot ja saatavuus · Anthropic news
Claude Platform release notes, October 5, 2026 · Anthropic API release notes
Claude Platform release notes, October 6, 2026 · Anthropic API release notes
Claude Platform release notes, October 7, 2026 · Anthropic API release notes
Claude Platform release notes, October 9, 2026 · Anthropic API release notes
Claude Haiku 5.5 · Simon Willison
AINews: Claude Haiku 5.5: better than GPT-6 Luna at the same pricing · Latent Space
GPT-6 and Intelligent UI for everyone · OpenAI
Sharing AI progress in mathematics · OpenAI
AINews: Quasi-Riemann-Hypothesis, OpenAI publishes 722 math papers solving 90 of the top 500 open math problems · Latent Space
Open AI järisyttää jälleen tiedeyhteisöä: Satapäin ratkaisuita matematiikkaan · Tivi
AI-assisted proof of optimal packing for 11 squares · Hacker News: agents
One Model Family, Two Gold-Level Results: Fine-Tuning Nemotron for IOI and IMO · Hugging Face -blogi
Introducing Mistral Large 4 · Mistral
Introducing Mistral Large 4: Le chonk · Simon Willison
Mistral Large 4 (HN-kommentti) · Simon Willison
Our approach to EU text provenance rules · OpenAI
Disrupting AI-enabled "false front" operations · OpenAI
FTC is investigating OpenAI, Anthropic and other AI companies over product risks · CNBC (Hacker News)
Introducing the Anthropic Cyber Mission · Anthropic news
2026 Usage Policy update · Anthropic news
OpenAI's DevDay, Google's First Gemini 4 Model, Black Forest Labs Dives Into Robots · The Batch (deeplearning.ai)
v0.6.0 · llama.cpp-julkaisut
v0.40.0 · Ollama-julkaisut
Ollama v0.40.0 · Ollama-julkaisut
Ollama v0.40.0-rc6: model: add multimodal embeddings · Ollama-julkaisut
autotrust/GEV-26B-Decide · HF trending
llama.cpp b11447 · llama.cpp-julkaisut
Strands Decider 2B: a small, open-source, decision model · Hacker News: MCP
Multimodal open d1 decision models for the edge · Hugging Face -blogi
LiquidAI/d1-3B · HF trending -mallit
llm-openai-decisions 0.1a0 · Simon Willison
AINews: TypeSafe/Jev at >$100M ARR, $7.5B valuation 3 weeks after launch · Latent Space
Introducing Beam · Hacker News
AINews: Reflection Beam, 501B-A23B American Open Model · Latent Space
The Cyber Risk Discourse is Broken · Interconnects
EmbeddingGemma 2: an open, lightweight multimodal embedding model · Google DeepMind
google/embeddinggemma-2 · HF trending -mallit
EmbeddingGemma 2: An open, lightweight multimodal embedding model · Hacker News: MCP
EmbeddingGemma 2 (HN-kommentti) · Simon Willison
Qwen/Qwen-Image-2.1-Turbo · HF trending -mallit
Trending: AtomicChat/Qwen-Image-2.1-Turbo-Uncensored-GGUF · HF trending -mallit
Infatoshi/GLM-5.3-UNCENSORED-EXL3-3.0bpw · HF trending -mallit
jialinyyzz/humanizer · HF trending -mallit
b11551: model : support MiniCPM-V 4.7 (#29416) · llama.cpp-julkaisut
b11556 · llama.cpp-julkaisut
Step 5 Preview, a 1M-context MoE from StepFun, shows up on OpenRouter · Hacker News
Falcon-Emirati: When an LLM Learns the Dialect, the Culture, and the Nuance · Hugging Face -blogi
Introducing Falcon ASR · Hugging Face -blogi
v0.40.2-rc0: server: hide duplicate and downgrade guards from list · Ollama-julkaisut
v0.40.2 · Ollama-julkaisut
v0.40.3-rc0 · Ollama-julkaisut
v0.40.3 · Ollama-julkaisut
b11475 · llama.cpp-julkaisut
b11476 · llama.cpp-julkaisut
antirez/ds4 · GitHub trending
Magnitude (YC S25): Self-optimizing inference engine for agents · Hacker News
llama.cpp b11449: ggml: fix CLAMP on non-contiguous views · llama.cpp-julkaisut
b11509 · llama.cpp-julkaisut
b11505 · llama.cpp-julkaisut
b11545 · llama.cpp-julkaisut
llama.cpp b11443 · llama.cpp-julkaisut
b11474 · llama.cpp-julkaisut
b11477: llama: share the nextn tensor flags between models · llama.cpp-julkaisut
b11548: spec: properly handle mtmd input for mtp (#30257) · llama.cpp-julkaisut
b11513: CUDA: improve top-k algorithm selection · llama.cpp-julkaisut
b11507 · llama.cpp-julkaisut
llama.cpp b11534 · llama.cpp-julkaisut
v0.31.1rc0: Metrics, expose cached prompt tokens by cache tier · vLLM releases
[email protected] · n8n releases
b11506: server: preserve context checkpoints across slot save/restore · llama.cpp-julkaisut
b11549: args: add LLAMA_ARG_SLOT_SAVE_PATH env for --slot-save-path (#30272) · llama.cpp-julkaisut
Deno is joining Cloudflare · Simon Willison
deepseek-ai/DeepGEMM · GitHub trending -syöte
BerriAI/litellm · GitHub trending -syöte
Gemini 4 Argon (High) · Artificial Analysis
GPT-6.1 Sol (Max) · Artificial Analysis
GPT-6.1 Sol (Xhigh) · Artificial Analysis
GPT-6.1 Sol (High) · Artificial Analysis
GPT-6.1 Sol (Medium) · Artificial Analysis
GPT-6.1 Sol (Low) · Artificial Analysis
Claude Haiku 5.5 (Max) · Artificial Analysis
Claude Haiku 5.5 (Xhigh) · Artificial Analysis
Claude Haiku 5.5 (Medium) · Artificial Analysis
Grok 4.7 (Low) · Artificial Analysis
Ling 3.1 Flash · Artificial Analysis
Mistral Large 4 Preview · Artificial Analysis
JT-4.1 Flash 236B A21B (Reasoning) · Artificial Analysis
Solar Mini 4 · Artificial Analysis
DeepSeek V4 Pro 0813 (Non-reasoning) · Artificial Analysis
Introducing trusted-access models to the Artificial Analysis Cyber Index · Artificial Analysis
Decision models like Jev don't beat LLM-as-a-judge or traditional classifiers · Hacker News
Self-Preference of AI Judges · LMArena
Claude Code 2.1.291 · Claude Code changelog
Claude Code 2.1.292 · Claude Code changelog
Claude Code 2.1.293 · Claude Code changelog
Claude Code 2.1.294 · Claude Code changelog
Claude Code 2.1.295 · Claude Code changelog
Claude Code 2.1.296 · Claude Code changelog
Gemini CLI Release v0.63.0 · Gemini CLI releases
Cline SDK v0.0.91 · Cline releases
Cline v4.1.23 · Cline releases
CLI v3.0.70 · Cline releases
Desktop v0.0.45 · Cline releases
SDK v0.0.92 · Cline releases
llm-anthropic 0.30 · Simon Willison
Quoting Felix Rieseberg · Simon Willison
Remote control for local agents · Cursor blog
Can a Cloud-Native Harness Make Agents Reliable Beyond the Desktop? · Latent Space
manaflow-ai/cmux · GitHub trending
Show HN: Let your AI agents paint big arrows, boxes and text on your screen · Hacker News: agents
A new feature for my blog, built using my voice · Simon Willison
v0.12.0 · Open WebUI releases
fix(filesystem): keep tool calls waiting for the update that overtook the initial roots · MCP servers commits
Engineer says Claude Code has made his job "soul-sucking" · Hacker News
Merge pull request #5081 from modelcontextprotocol/v2/chore/5080-cont… · MCP servers commits
docs(contributing): sync with v2/main after 1cdd4a70 · MCP servers commits
ci(release): publish with Node 24's bundled npm instead of installing one · MCP servers commits
test(release): pin the publish job's npm floor check and its no-install shape · MCP servers commits
test(release): pin the ./ tarball path npm publish needs · MCP servers commits
Merge pull request #5106: v1.0.0, cherry-pick the #5104 publish-runtime fix onto the release branch · MCP servers commits
SEP-2127: MCP Server Cards, HTTP Server Discovery · MCP-määrittely commits
Merge pull request #3423: docs(community), add Governance Working Group charter · MCP-määrittely commits
docs(inspector): bring every Inspector page up to date with v2/main · MCP-määrittely commits
Merge pull request #3418 · MCP-määrittely commits
Cline CLI v3.0.69 · Cline releases
0.160.1 · OpenAI Codex CLI releases
security-guidance: leave nothing behind when git is killed · Claude Code plugins/marketplace (virallinen)
security-guidance: stop a killed hook from leaving index copies behind · Claude Code plugins/marketplace (virallinen)
security-guidance: remove stash indexes older releases left in the git directory · Claude Code plugins/marketplace (virallinen)
security-guidance: stop reviewing on every subagent finish · Claude Code plugins/marketplace (virallinen)
Merge pull request #6398: security-guidance: bump to 2.0.12 · Claude Code plugins/marketplace (virallinen)
Merge pull request #6396: security-guidance: enable prompt caching for review requests · Claude Code plugins/marketplace (virallinen)
security-guidance: bump to 2.0.13 · Claude Code plugins/marketplace (virallinen)
Merge pull request #6400 from anthropics/oct/sg-2.0.13 · Claude Code plugins/marketplace (virallinen)
Docker Agent · Hacker News
morluto/rea · GitHub trending -syöte
twostraws/SwiftUI-Agent-Skill · GitHub trending -syöte
michael-denyer/pstack-claude · GitHub trending
Show HN: Terse, a Claude Code plugin that halves reply length by cutting filler · Hacker News
hugohe3/ppt-master · GitHub trending -syöte
OpenAI "rogue" agent activities found on Wikimedia projects · Hacker News: agents
OpenAI “rogue” agent activities found on Wikimedia projects · Simon Willison
Quoting The New York Times · Simon Willison
fix(filesystem): hold tool calls while any roots refresh is pending · MCP servers commits
fix(filesystem): wake calls waiting on a replaced roots refresh · MCP servers commits
Merge pull request #5099: v1.0.0, cherry-pick the #5097 roots refresh ordering fix onto the release branch · MCP servers commits
Merge pull request #5103: v1.0.0, cherry-pick the #5101 roots refresh barrier onto the release branch · MCP servers commits
Merge pull request #3072: docs: add local server security guide · MCP-määrittely commits
docs: address review feedback on local server security guide · MCP-määrittely commits
docs(inspector): security page, mcpdo client, secret storage and Docker updates · MCP-määrittely commits
llama.cpp b11529 · llama.cpp-julkaisut
b11552 · llama.cpp-julkaisut
b11424 · llama.cpp-julkaisut
b11511 · llama.cpp-julkaisut
Apple varoittaa Mac-käyttäjiä tärkeästä ominaisuudesta: ”Saattavat vaarantaa turvallisuuden” · Tivi
Gemini CLI Release v0.65.0-nightly.20261007.gef59c532f · Gemini CLI releases
Gemini CLI Release v0.64.0-preview.0 · Gemini CLI releases
Release v0.65.0-nightly.20261010.g9b6e0265d · Gemini CLI releases
Atlassian-tuotteissa kriittinen hyväksikäytetty tiedostojenlukuhaavoittuvuus · Kyberturvallisuuskeskus
Citrix Netscaler ADC ja Gateway -tuotteessa kriittinen haavoittuvuus · Kyberturvallisuuskeskus