Kvantisointi ja KV-välimuisti rikkovat paikallisen mallin
Level1Techsin koesarja osoittaa, miksi paikallinen malli tuntuu tyhmältä: attention-backend, KV-välimuisti ja kvantisointi muuttavat tuloksen.
// Kategoria
Tekoäly
Juttuja tekoälyyn liittyvistä asioista.
Amazonin SOP-Bench: uudempi malli ei aina pärjää paremmin
Amazonin SOP-Bench mittaa agentteja yritysten oikeilla työohjeilla. Yhdentoista mallin testeissä uudempi versio jäi toisinaan vanhemman taakse.
Ox Alpha ilmestyi OpenRouteriin: kukaan ei kerro tekijää
Ox Alpha lupaa miljoonan tokenin kontekstin ilmaiseksi, mutta kukaan ei kerro kuka mallin rakensi. OpenRouterin stealth-julkaisu kuumensi arvailun.
Inherentin Faraday voitti Opus 4.8:n tutkimusten toistossa
Lontoolaisen Inherentin Faraday-agentti toisti julkaistujen tutkimusten tulokset tarkemmin kuin Claude Opus 4.8 ja GPT-5.5 – 27 miljardin parametrin mallilla.
MCP:n uusi tiekartta tuo agenteille oman identiteetin
Model Context Protocolin uusi tiekartta nostaa agenttien identiteetin, webhookit ja työkalujen asteittaisen löytämisen kehitystyön kärkeen.
OpenAI avasi Codexin harnessin kehittäjien alustaksi
OpenAI julkaisi Codexin agenttiytimen avoimena lähdekoodina: CLI, SDK ja app-server antavat kehittäjille pääsyn samaan koneistoon.
NVIDIAn harness vei Claude Opus 5:n täysiin ARC-AGI-3-pisteisiin
NVIDIAn tuore tutkimus näyttää, että agentin ympärille rakennettu harness ratkaisee pitkissä tehtävissä enemmän kuin itse malli.
OpenAI esitteli valvonnan, joka ei säilytä asiakasdataa
OpenAI:n Private Safety Processing etsii väärinkäytöksiä useasta istunnosta kerralla, mutta asiakasdata pysyy nollaretention piirissä.
Ornith-1.5 kouluttaa itseään ja yltää Claude Opus 4.8:n tasolle
Ornith-1.5 luo itse harjoitustehtävänsä ja kehittyy niistä. Avoin 397B-malli yltää Claude Opus 4.8:n tasolle koodaus- ja agenttivertailuissa.
Tencent julkaisi avoimen UI-Mate-27B-tietokoneagentin
Tencentin UI-Mate-27B ohjaa työpöytää kuvakaappauksista ja ylittää Kimi-2.6:n vertailuissa. Painot ovat vapaasti ladattavissa.
OpenAI julkaisi ChatGPT for Teensin 13-17-vuotiaille
OpenAI avasi 13-17-vuotiaille oman ChatGPT-version, jossa on tiukemmat sisältörajat ja opiskelutuki. Ikää ei silti todenneta.
Cursor julkaisi Origin-koodipalvelun GitHubin haastajaksi
Cursor avasi Origin-koodipalvelun samana päivänä, kun GitHub kaatui lähes seitsemäksi tunniksi. Palvelu on rakennettu agenttien mittakaavaan.
Qwen3.8-27B tuo kärkitason koodausagentit omalle koneelle
Alibaban 27 miljardin parametrin avoin malli yltää agenttivertailuissa kaupallisten kärkimallien tasolle – ja mahtuu tavallisen työaseman muistiin.
Cursor käynnistää pilviagentit kolme kertaa nopeammin
Cursorin builds-toiminto pitää kehitysympäristöt valmiina taustalla. Tänään ominaisuus kytkeytyy päälle oletuksena kaikissa ympäristöissä.
Stripe ostaa OpenRouterin yli 7 miljardin dollarin kaupalla
Bloombergin mukaan Stripe on sopinut OpenRouterin ostosta yli seitsemällä miljardilla dollarilla. Mallireitittimen valuaatio oli toukokuussa 1,3 miljardia.
Anthropic kertoi, miten Clauden tekstivesileima toimii
Anthropic avasi Clauden tekstivesileiman toiminnan: menetelmä muuttaa sanavalintojen satunnaisuutta eikä lisää tekstiin yhtään merkkiä.
SpaceX viimeisteli 60 miljardin dollarin Cursor-kaupan
SpaceX sai Cursor-kaupan päätökseen 14. elokuuta. Osakevaihto arvotti Anysphären 60 miljardiin dollariin, ja tiimi siirtyy Grokin kehitykseen.
DeepSeek julkaisi Harnessin: avoin vastine Claude Codelle
DeepSeek toi markkinoille MIT-lisensoidun Harness-agenttirungon ja julkaisi V4-Pron virallisen version, jossa agenttikyvyt paranivat selvästi.
Z.ai julkaisi GLM-5.3:n ja lykkäsi mallin painojen jakelua
Z.ai:n uusi GLM-5.3 nousi avointen mallien kärkeen koodauksessa, mutta yllättävä kyberkyvykkyys siirsi painojen julkaisua kahdella viikolla.
Cerebras ajaa GPT-5.6 Solia 750 tokenin sekuntinopeudella
OpenAI ja Cerebras avasivat Ultrafast-palvelutason, jolla GPT-5.6 Sol tuottaa jopa 750 tokenia sekunnissa ilman laadun heikkenemistä.
NVIDIA julkaisi Nemotron 3.5 Lightningin ja NeMo Switchyardin
NVIDIA laajensi Nemotron 3 -perhettä 30 miljardin parametrin MoE-mallilla ja avoimella reitityskirjastolla, joka ohjaa tehtävät sopivimmalle mallille.
Google julkaisi Gemini 3.7 Flashin: puolet halvempi koodausmalli
Google toi Gemini 3.7 Flashin markkinoille kolme viikkoa edeltäjänsä jälkeen. Koodaustulokset paranivat selvästi ja tokenien hinta putosi puoleen.
SpaceXAI julkaisi Grok 4.6:n: pitkät agenttiajot paranivat
SpaceXAI julkaisi Grok 4.6:n. Malli keskittyy pitkiin agenttiajoihin ja on saatavilla Cursorissa hintaan 2 dollaria miljoonalta syötetokenilta.
OpenAI jakoi Daybreakin kahtia ja julkaisi GPT-5.6-Cyberin
OpenAI jakoi Daybreak-ohjelmansa Blue- ja Red-tasoihin ja toi tarjolle GPT-5.6-Cyberin, joka vastaa 95 prosenttiin tietoturvakyselyistä.
Claude nosti Riemannin nollakohtien alarajan 67,2 prosenttiin
Anthropicin julkaisematon Claude-versio nosti Riemannin zeta-funktion nollakohtien alarajan 41,6 prosentista 67,2 prosenttiin — matemaatikot vahvistivat sen.
Claude Coden automaattitila kytkeytyy päälle oletuksena
Anthropic tekee automaattitilasta Claude Coden oletuksen 14. elokuuta. Testissä se havaitsi 89 prosenttia haitallisista toimista, ihminen 13,6.
Meta julkaisi Muse Glimmerin: 30B-malli pyörii omalla koneella
Meta avasi Muse Glimmerin painot Apache 2.0 -lisenssillä. 30 miljardin parametrin monimodaalimalli ajaa agentteja yhdellä kuluttajanäytönohjaimella.
Qwen3.8-Max haastaa Claude Opus 5:n agenttivertailussa
Alibaban Qwen3.8-Max kiipesi Artificial Analysisin agenttivertailun huipulle. Menetelmäpäivitys pudotti sen samana päivänä toiseksi.
AMD osti Taalasin: mallien painot syövytetään piihin
AMD osti torontolaisen Taalasin, jonka sirut syövyttävät mallin painot suoraan piihin. Testipiiri syötti 16 960 tokenia sekunnissa.
Liquid AI julkaisi LFM2.5:n: agentit pyörivät laitteella
Liquid AI:n LFM2.5-2.6B ajaa työkalukutsuja ja monivaiheisia agentteja paikallisesti, alle 2,5 gigatavun muistilla ja ilman pilviyhteyttä.
Mistral julkaisi Shieldstralin: 3B-malli sisällön moderointiin
Mistralin Shieldstral on avoin 3B-turvallisuusmalli, joka ottaa moderointisäännöt vastaan tavallisena kysymyksenä ilman uudelleenkoulutusta.
Microsoft asettuu OpenAI:n ja Anthropicin kilpailijaksi
Satya Nadella kehotti yrityksiä erottamaan agenttikehyksen mallista ja tarjosi Microsoftin omia MAI-malleja halvempana vaihtoehtona.
Claude Opus 5 voitti Vending-Benchin kartellitaktiikalla
Andon Labsin Vending-Bench-testissä Claude Opus 5 teki ennätystuloksen, rikkoi yksitoista sopimusta ja laajensi liiketoimintaansa oma-aloitteisesti.
Copilot for Wordissa haavoittuvuus: tekoälymato monistuu
Tutkija osoitti, että Copilot for Wordiin piilotetut ohjeet voivat kopioitua uusiin dokumentteihin ja levitä eteenpäin ilman hyökkääjän apua.
OpenAI julkaisi Codex Securityn haavoittuvuuksien etsintään
OpenAI:n uusi Codex Security -komentorivityökalu ja TypeScript-SDK etsivät, vahvistavat ja korjaavat haavoittuvuuksia koodivarastoista.
Claude löysi heikkouksia HAWK- ja AES-salausalgoritmeista
Anthropicin Claude Mythos Preview paransi hyökkäystä kvanttiturvalliseen HAWK-allekirjoitukseen ja löysi nopeamman tavan murtaa kevennetty AES.
Nvidia sijoitti SSI:hin: Sutskeverin laskenta kymmenkertaistuu
Nvidia teki miljardiluokan sijoituksen Ilya Sutskeverin Safe Superintelligenceen. Yhtiön laskentateho kymmenkertaistuu vuodessa Vera Rubin -alustalla.
Microsoft julkaisi MAI-Cyber-1-Flashin ja Project Perceptionin
Microsoft esitteli ensimmäisen oman tietoturvamallinsa ja agenttipohjaisen Project Perception -alustan, joka ylsi 96 prosenttiin CyberGym-testissä.
KAT-Coder V2.5 ohitti Opus 4.8:n agenttikoodauksessa
Kuaishoun KwaiKAT-tiimi rakensi yli 100 000 suoritettavaa koodivarastoa harjoitteluun. Tuloksena malli, joka voittaa Opus 4.8:n PinchBench-testissä.
Kimi K3:n painot julkaistiin: suurin avoin malli ladattavissa
Moonshot AI julkaisi Kimi K3:n painot. 2,8 biljoonan parametrin malli on suurin ladattava avoin malli, mutta itse isännöinti vaatii 1,4 teratavua.
Kimi K3 -agentit löysivät Redis-haavoittuvuudet 27 minuutissa
Redis julkaisi seitsemän tietoturvapäivitystä sen jälkeen, kun tekoälyagenttien kerrotaan löytäneen nollapäivähaavoittuvuuksia tunneissa.
Nvidia, Microsoft ja Meta puolustavat avointen mallien vapautta
25 teknologiayhtiötä vaatii päättäjiä välttämään ennenaikaisia rajoituksia avoimen painon malleille. OpenAI ja Anthropic eivät allekirjoittaneet kirjettä.
Anthropic julkaisi Claude Opus 5:n: huippumalli puoleen hintaan
Claude Opus 5 yltää lähes Fable 5:n tasolle puolella hinnasta ja nousee kärkeen agenttikoodauksessa. Malli on jo saatavilla myös GitHub Copilotissa.
Anthropic julkaisi Claude Security -liitännäisen Codeen
Anthropic toi Claude Securityn Claude Codeen: moniagenttinen skanneri etsii haavoittuvuudet ja ehdottaa korjaukset suoraan terminaalissa.
Black Forest Labs julkaisi FLUX 3:n: video, kuva ja ääni
FLUX 3 on Black Forest Labsin multimodaalinen malli, joka luo kuvaa, jopa 20 sekunnin videota äänellä ja ennustaa robottien liikkeitä.
OpenAI Presence vie tekoälyagentit yritysten tuotantoon
OpenAI julkaisi Presence-alustan, joka auttaa yrityksiä ottamaan ääni- ja chat-agentit tuotantoon valvonnan ja käytäntöjen kanssa.
Claude Fable 5 kaatoi 87 vuotta vanhan Jacobin otaksuman
Anthropicin matemaatikko löysi Claude Fable 5:n avulla vastaesimerkin, joka kumoaa vuodesta 1939 avoinna olleen Jacobin otaksuman.
Poolside Laguna S 2.1 haastaa isommat koodausmallit
Poolsiden 118 miljardin parametrin Laguna S 2.1 pärjää monin verroin isommille malleille agenttikoodauksessa ja julkaisee testijäljet avoimesti.
Google julkaisi Gemini 3.6 Flashin ja CodeMender-agentin
Google esitteli Gemini 3.6 Flashin, edullisemman Flash-Liten ja CodeMender-tietoturva-agentin, jota ajaa uusi 3.5 Flash Cyber -malli.
MCP-protokollan päivitys helpottaa agenttien skaalausta
Model Context Protocol siirtyy tilattomiin istuntoihin. Päivitys poistaa pullonkaulan, joka on estänyt laajat agentti-integraatiot yrityksissä.