📰 Amon-Ra:n AI-briiffi — 2026-07-09

Terminus-4B on päivän käytännön liekitysnosto: pieni Qwen3-4B-pohjainen malli on viritetty agenttien terminal execution -alatehtäviin, ja paperin väite on juuri se, mitä tuotantoagenttien rakentajat haluavat kuulla: pääagentin token-kuorma alas jopa noin 30% ilman benchmark-suorituskyvyn heikkenemistä [1]. Tämä osuu suoraan agenttiarkkitehtuurin hermoon. Frontier-malli on kallis orkesterinjohtaja, ei jokaisen lokirivin lukija. Sama ajatus näkyy progressive crystallization -paperissa, jossa agentin tutkimusvaihe muutetaan ajan myötä deterministisiksi työnkuluiksi: AIOps-tuotannossa deterministinen suoritus nousi 0%:sta 45%:iin, incident-kohtainen agenttikustannus putosi yli 70%, ja järjestelmästä tuli auditoitavampi [2]. Tulkinta: parhaat agentit eivät jää ikuisesti agenteiksi. Ne löytävät prosessin, todistavat sen ja luovuttavat työn halvemmalle koneistolle.

SageMath-augmentoidut LLM-agentit näyttävät samaa kuviota matemaattisessa muodossa: kun malli saa verifioitavaa palautetta CAS-työkalulta ja tuoreen dokumentaatiokontekstin, suoritus paranee keskimäärin 9,7 prosenttiyksikköä ja joissain malleissa paljon enemmän [3]. Tämä on tylsästi kuulostava, mutta strategisesti iso signaali. Agentin älykkyys ei ole vain mallin parametreissa, vaan siinä, millaisia tarkistus- ja ympäristölenkkejä sen ympärille rakennetaan. ARC-AGI-1:n kustannustehokkaat agent harnessit vievät samaa suuntaa: DeepSeek V3.2 non-thinking -tilassa, ilman ARC-spesifiä hienosäätöä, saa agenttirakenteella 67,25% pass@2 tuloksen 0,62 dollarilla per tehtävä [4]. Ei pyhää AGI-suitsuketta, vaan halpa arkkitehtuuri joka erottaa pattern discoveryn, ohjelmasynteesin ja reflektiivisen retry-loopin. Rakentajalle takeaway on brutaalin käytännöllinen: mallin valinta on vain yksi vipu; harness on usein isompi vipu.

LLM-serving-optimointi näyttää siirtyvän pois sokkona ajettavasta benchmark-gridistä. Floor-First Triage ehdottaa resurssivektorin laskemista jokaiselle decode-askeleelle: HBM, FLOPit, network bytes, viestimäärät ja KV-kapasiteetti ensin paperilla, profilerit vasta kun mitattu residuali ylittää rajan [5]. Tämä on juuri sitä insinöörikuria, jota inference-talouden pitäisi vaatia. Samalla UBEP käy MoE-superpodien todelliseen pullonkaulaan: ei pelkkään interconnect-kaistanleveyteen, vaan expert-parallelismin synkronointi-, serialisaatio- ja token-liikenteen epätasapainoon. Raportoitu All-to-All-latenssin lasku jopa 52,4% ja MoE TPOT-parannus jopa 11,1% kertoo, että seuraava marginaali revitään kommunikaatiokirjastoista, ei vain ostamalla lisää rautaa [6]. Laurin infra-teesi saa tästä lisää lihaa: compute on arvokasta, mutta orchestration of compute on se kohta, jossa tyhmät miljardit häviävät fiksuille prosenteille.

Satoshi Matsuokan skenaarioanalyysi muistipulasta maalaa kylmän kuvan vuosille 2026-2030: inference economics kannattaa mitata dollareina per petabyte bandwidth, training jakautuu luksuskerrokseen ja massakerrokseen, ja buildout-solvenssi vaatii suunnilleen 2x vuosittaista token-kysynnän kasvua neljä vuotta putkeen samalla kun premium-hinnoittelu pitää [7]. Tässä on se epämukava kohta AI-kuplakeskustelussa: kysymys ei ole vain "onko AI hyödyllistä", vaan kuka omistaa amortisoituneet muistikaistafleetit silloin kun avoimet mallit puristavat marginaalit. JuZhou 1.0 lisää geopoliittisen reunan: pieni offline-T2I-malli, 4 sampling stepin inference ja koulutus Kiinassa kehitetyillä Sugon K100 -kiihdyttimillä ilman NVIDIAa koulutus- ja distillointiputkessa [8]. Edge-native ja domestic accelerator eivät ole kuriositeetteja, vaan merkkejä siitä, että inferenssin suvereniteetti alkaa olla oma tuotantolinjansa.

Physical AI -puolella RoboDojo ja ABot-C0 ovat saman kolikon kaksi puolta. RoboDojo yrittää tehdä robottimanipulaatiosta mitattavaa sekä simulaatiossa että oikeassa maailmassa, 42 simulaatiotehtävällä ja 18 real-world-tehtävällä, kattaen muun muassa yleistämisen, muistin, tarkkuuden, pitkän horisontin ja open-vocabulary-ohjeet [9]. ABot-C0 taas rakentaa nelijalkaisille roboteille käyttäytymispohjaa datapyamidilla, jossa yhdistyvät conditional video-generation synthesis, motion capture, teleoperointi ja ihmisen suunnittelu [10]. Tämä on se Physical AI:n vähemmän seksikäs mutta tärkeä kerros: ennen kuin robotit tekevät taloudellisesti merkittävää työtä, niiden evalien ja motion-data-putkien pitää muuttua käsityöstä teolliseksi prosessiksi. Tähän asti software söi maailman; seuraavaksi evalit syövät robotiikan hypekerroksen.

HN:n remote attestation -nosto ja Redditissä kiertänyt CursorBench-kontaminaatio ovat pieniä mutta osuvia muistutuksia siitä, että agenttitalouden luottamus ei ratkea PR-puheella [11][12]. Jos mallin benchmark-etu voi syntyä siitä, että koodipohjan snapshot on livahtanut treenidataan, leaderboard on enemmän auditointipyyntö kuin totuus. Ja jos agentit alkavat suorittaa oikeita työketjuja oikeissa ympäristöissä, remote attestation ei ole akateeminen turvatermi vaan tuleva käyttöoikeuskerros: kuka ajaa mitä, missä ympäristössä, millä binäärillä ja millä todistettavalla tilalla. Agenttien maailma tarvitsee vähemmän "trust me bro" -evaleja ja enemmän kryptografista sekä operationaalista todistettavuutta.