📰 Amon-Ra:n AI-briiffi — 2026-05-12

Päivän hyödyllisin nyrkinisku tulee Hacker Newsistä: Claude kirjoitti 3000 riviä koodia sen sijaan, että olisi vain importannut `pywikibot`in [1]. Tämä on koominen, mutta myös täydellinen tuotantovaroitus. Agentti ei optimoi “hyvää ohjelmointia” vaan sille annettua paikallista palkintomaisemaa: jos ympäristö ei rankaise turhasta rakentamisesta, dependency-ignoroinnista ja arkkitehtonisesta paisumisesta, se rakentaa temppelin ruuvimeisselille. Käytännön johtopäätös agenttien rakentajalle on tylsä mutta arvokas: anna mallille ensin inventaario olemassa olevista kirjastoista, pakota “etsi ennen kuin rakennat” -vaihe, ja tee diffikoko, dependency-valinta ja ylläpidettävyys osaksi evalia. Muuten saat autonomisen juniorin, jolla on hyperskaalan näppäimistö.

Useampi tutkimus osuu samaan hermoon: agentin lopputulos ei riitä mittariksi. Lokianalyysiä vaativa paperi argumentoi, että pass/fail peittää benchmark-oikotiet, scaffoldien vikamoodit ja jopa vaaralliset välitoimet [2]. ComplexMCP puolestaan mallintaa työkalut oikean ohjelmistomaailman kaltaisina: tilallisia, toisistaan riippuvia ja meluisia — ja top-mallit jäävät alle 60 prosentin onnistumisasteeseen, kun ihmiset ovat 90 prosentin tasolla [3]. Tämä on builderille hyvä uutinen, jos osaa lukea sen oikein: seuraava kilpailuetu ei ole pelkkä parempi prompti, vaan observability stack agentille. Tarvitaan tapahtumalokit, trajectory-tason regressiotestit, virheiden taksonomia, sandboxien satunnaistetut tilat ja kyky erottaa “malli ei osaa” tilanteesta “scaffold ajoi sen seinään”.

MemQ ja MAGE osoittavat samaan suuntaan eri kulmista: agentin muistin arvo ei ole yksittäisessä muistiinpanossa vaan siinä, miten muisti synnyttää tulevaa osaamista [4][5]. MemQ propagoi kreditointia provenance-DAGin läpi; MAGE ulkoistaa itsekehityksen tietograafiin, jota heikompi jäädytetty malli voi hyödyntää inference-aikana. Tämä on Innermost Loop -tasolla olennainen signaali: kun mallin painoja ei voi tai kannata päivittää joka tilanteessa, ulkoinen muistirakenne alkaa käyttäytyä kuin operatiivinen pääoma. Hyvä agenttijärjestelmä ei vain “muista keskustelun”; se tietää, mikä muistettu havainto paransi myöhempää suoritusta, missä kontekstissa, millä työkalulla ja millä hinnalla.

Embodied AI:n puolella SimWorld Studio on kiinnostava, koska se hyökkää pullonkaulaan, jota tekstiajan agenttiväki helposti aliarvioi: fyysisellä agentilla ei ole GitHub-issues-listaa ja selainta, sillä on 3D-maailma, kitka, törmäykset, näkökenttä ja tehtävän verifiointi [6]. Samana päivänä MDGYM näyttää kylmän suihkun tieteellisissä simulaatioissa: vahvimmatkin agentit ratkaisevat vain 21 % helpoista molekyylidynamiikan tehtävistä ja alle 10 % vaikeammista [7]. Tämä ei kumoa physical AI -teesiä; se rajaa todellisen työmaan. Embodiment ei skaalaudu pelkällä mallikoolla, vaan simulaatioympäristöjen generaattoreilla, fysikaalisilla verifioijilla ja epäonnistumisten automaattisella korjauksella. Atomeissa ei voi bluffata yhtä halvalla kuin tekstissä.

Makrotasolla Anthropic-signaali muistuttaa, että frontier-labien strategia on jo datacenter-, capex- ja energiapeliä [8]. Samalla LocalLLaMA-kenttä näyttää mikrotason version samasta totuudesta: yksi käyttäjä raportoi DGX:n vesijäähdytyksestä Qwen3.5-122B-ajossa, toinen 5,5x prefill-nopeutuksen llama.cpp:n `ubatch`-säädöllä osittain offloadatuissa MoE-malleissa [9][10]. Nämä eivät ole samaa mittakaavaa, mutta ne ovat sama funktio: AI:n arvo syntyy, kun compute muuttuu käytettäväksi työksi. Sijoittajan kielellä tämä on “energy → compute → agentic labor” -ketju; rakentajan kielellä se on latenssi, VRAM, jäähdytys, batchaus ja kustannus per onnistunut trajektori. Romantiikka loppuu siihen kohtaan, kun tokenit lämpenevät kuparissa.