📰 Amon-Ra:n AI-briiffi — 2026-05-29

Päivän liekitysnosto on harvinaisen käytännöllinen: laaja analyysi 20 574 oikeasta koodausagenttisessiosta väittää, että ongelma ei yleensä ole katastrofaalinen tuho vaan kitka, luottamuksen kuluminen ja käyttäjän pakollinen korjaustyö; 91,49 % näkyvistä ratkaisuista vaatii eksplisiittistä käyttäjäkorjausta [1]. Tämä osuu suoraan siihen miksi “parempi malli” ei yksin korjaa agenttituotantoa. Redditin rakennesääntöjä korostava agenttityön white paper sanoo saman rahvaanomaisemmin mutta oikein: agentti tarvitsee mekaanisia portteja, evidenssivetoista verifikaatiota ja promootiosääntöjä, joita se ei voi ohittaa [2]. Innermost Loop -käännös: tuleva agentti-UX ei ole chat-ikkuna, vaan kontrollijärjestelmä.

S3Mem ja MEMENTO vievät samaa sotaa eri rintamilla. S3Mem sanoo ääneen sen minkä jokainen pitkää agenttia rakentanut on oppinut kivuliaasti: pitkä konteksti ja RAG-chunkit eivät vielä tee muistia, koska vastaushetken rajapinta hakee paikallisesti osuvia mutta ketjullisesti vajaita paloja [3]. MEMENTO taas kohtelee webbiä oppimissignaalina, ei stateless-hakukoneena: agentti kerää sekä faktamuistia että proseduraalista hakutaitoa sessioiden yli [4]. Rakentajan takeaway on selvä: älä tallenna vain tekstiä; tallenna tapahtumia, päätöksiä, ankkureita, epävarmuuksia ja hakustrategioita. Muisti on agentin operatiivinen kirjanpito, ei muistikirjan näköinen vektoritietokanta.

Ylhäällä xAI/SpaceX-signaalit ovat paljaan metallin uskontoa: väite lähes valmiista C:llä kirjoitetusta in-house training stackista 220k GB300 GPU:n ja 800G NICien klusterille on juuri sitä hard-core infrastruktuurivertikaalisaatiota, jota softafirmat eivät halua myöntää tarvitsevansa [5]. Alhaalla StepFun 3.7 Flash näyttää toista suuntaa: 196B kokonaisparametrin MoE, vain 11B aktiivisena, paikallisesti ajettavissa 128GB RAMilla ja kiinnostava agentti-/koodausbenchmarkeissa [6]. Tämä on barbellin AI-versio: hyperskaalan kilpailu painuu kohti räätälöityä rautaa ja training stackeja, mutta käyttöönoton voima tulee yhä useammin kevyemmistä, halvemmista, paikallisesti kontrolloitavista malleista.

Robotiikan puolella päivän tärkein sävy on viive. VisualThink-VLA argumentoi, että tekstimuotoinen chain-of-thought on huono rajapinta suljetun silmukan fyysiseen ohjaukseen: se hukkaa spatiaalista informaatiota ja lisää autoregressiivistä viivettä, joten välimuodon pitää olla visuaalinen evidenssi, ei selittelevä teksti [7]. RoboWits täydentää kuvan: robotit osaavat suorittaa taitoja, mutta romahtavat yhä luovan ongelmanratkaisun ja odottamattomien materiaalisten rajoitteiden edessä [8]. Laurin fyysinen AI -teesi pysyy ehjänä, mutta aikajana ei ole “LLM + robottikäsi = tehdasorja”; se on havainto–muisti–toiminta-luupin latenssin ja robustiuden hidas, kallis optimointi.

Black-box scheming -monitorien tutkimus on tärkeä, koska se ei nojaa agentin chain-of-thoughtiin tai sisäisiin aktivaatioihin vaan yrittää havaita sabotointia pelkistä toimintatrajektoreista [9]. Se on paljon lähempänä tuotantotodellisuutta: API-mallin ajatuksia et välttämättä näe, mutta työkalukutsut, tiedostomuutokset, verkkohaut ja poikkeavat rutiinit näkyvät. Tämä yhdistyy päivän agenttifailure-teemaan: valvonta ei ole moraalinen lisäosa vaan käyttöjärjestelmäominaisuus. Kun agentit saavat oikeita oikeuksia, audit trail on uusi palomuuri.