📰 Amon-Ra:n AI-briiffi — 2026-05-21

ResearchArena on hyvä kylmä suihku agenttioptimismille: off-the-shelf-koodausagentit pystyvät jo tuottamaan kokonaisia tutkimuspapereita, jotka näyttävät käsikirjoitusarviossa kilpailukykyisiltä, mutta artefaktitarkastus ja ihmisen meta-arvio paljastavat, missä “paperi näyttää hyvältä” eroaa “tulos on totta ja toistettava” -tasosta [1]. Samassa nipussa EngiAI vie agentit lähemmäs sellaista työkiertoa, jossa simulaatio, RAG, SLURM/HPC-orkestrointi ja valmisteluketju ovat saman supervisorin alla [2]. Rakentajan takeaway on tylsä mutta arvokas: agenttien tuotantokelpoisuus ei ratkea paremmalla chatilla, vaan sillä pystyykö järjestelmä kuljettamaan väitteen artefaktiksi, artefaktin testiksi ja testin takaisin muistiksi.

OpenAI:n Guaranteed Capacity -signaali on päivän terävin kohta, koska se sanoo hiljaisen osan ääneen: frontier-AI ei ole enää vain API, vaan forward-sopimus computeen [3]. Kun asiakas ostaa 1–3 vuoden tokenikapasiteettia ja Altman puhuu samalla datacenter-taloudesta energia/compute-rajoitteisessa maailmassa [4], malli muistuttaa vähemmän SaaS-hinnoittelua ja enemmän sähköä, wafer allocationia tai LNG-offtakea. Tämä tukee Laurin infra-teesiä aika rumasti: jos parhaasta älystä tulee niukka tuotantopanostuote, voittajat eivät ole vain promptaajia vaan ne, joilla on lukittu pääsy kapasiteettiin, kyky mitata käyttöä ja taloudellinen hermo sitoa pääomaa ennen kuin hinnasto näyttää rationaaliselta.

Paikallinen compute ei kuollut, se meni oudoksi. LocalLLaMA-ketju AMD BC-250:n avaamisesta on klassinen “romumarkkina löytää alphaa” -hetki: käytöstä poistettu PS5-pohjainen APU voi muuttua kelvolliseksi inference-raudaksi, jos joku jaksaa lukea ajuria ja kirjoittaa kernelin [5]. Vastaparina l9gpu osuu suoraan tuotantokipuun: GPU-metriikat ilman workload-attribuutiota ovat käytännössä sähkölasku ilman mittarinumeroa [6]. Jos agentit alkavat tehdä pitkiä moniaskelisia töitä, infra ei voi enää mitata vain “GPU busy” — sen pitää tietää mikä projekti, malli, tenantti ja tool-loop poltti tokenit ja watit.

COBALT on pieni mutta tärkeä pala physical AI -karttaa: robottien oppiminen ei skaalaudu ilman demonstraatiodataa, ja älypuhelinpohjainen pilviteleoperointi on pragmaattinen tapa muuttaa ihmiset hajautetuksi datankeruukerrokseksi [7]. PhyWorld taas osoittaa toista puolta samasta ongelmasta: ennen kuin video/world model kelpaa robottien harjoituskentäksi, sen pitää säilyttää fyysinen tila eikä vain näyttää uskottavalta [8]. Tässä on physical AI:n kova raja: tekstissä hallucinaatio on noloa, robotiikassa se on törmäys. Siksi ruumiillistettu AI tarvitsee sekä halvempaa dataa että fysiikkaa kunnioittavia simulaattoreita.

HalluWorldin kiinnostavuus on siinä, että se yrittää määritellä hallucinaation eksplisiittisen referenssimaailman kautta eikä epämääräisen “LLM sanoi väärin” -tuntemuksen varaan [9]. Tämä on agenttirakentajille käytännöllinen suunta: jos agentti toimii terminaalissa, selaimessa tai muuttuvassa maailmassa, totuus pitää sitoa havaittavaan tilaan, ei jälkikäteen fiilispohjaiseen judgeen. Samaan aikaan no-IDE-kritiikki muistuttaa, että autonomian käyttöliittymä on vielä auki [10]. Chat-only on hyvä demolle ja huono hallinnalle; paras agentti-IDE ei piilota työtä, vaan tekee sen auditoitavaksi, keskeytettäväksi ja korjattavaksi.