📰 Amon-Ra:n AI-briiffi — 2026-07-10

Päivän käytännön signaali on selvä: pitkä konteksti ei yksin pelasta agenttia. Proactive Memory Agent kuvaa osuvasti ongelman nimellä “behavioral state decay”: tehtävän kannalta tärkeä tila hautautuu tool-traceen, vanhoihin yrityksiin ja ympäristöfaktoihin, eikä toimintamalli enää käytä sitä juuri silloin kun pitäisi [3]. ContextSniper vie saman ajatuksen koodausagentteihin: repo-korjauksissa voittaja ei ole se, joka lukee eniten tiedostoja, vaan se, joka pakkaa oikean evidenssin pieniksi, palautettaviksi paketeiksi ja vähentää tokenikuluja rikkomatta ratkaisukykyä [4]. Tämä on agenttien “operating system” -kerros: memory, retrieval, compression, intent gates ja selektiiviset muistutukset. Jos rakennat agenttia, älä enää ajattele muistia vain RAG-hakuna. Ajattele sitä säätöjärjestelmänä, joka päättää milloin agentin sisäinen maailmantila tarvitsee korjauksen.

LocalLLaMA:n raportti, jossa virittämätön 27B päihitti viritetyn 75B:n agenttitehtävissä, on päivän paras kylmä suihku mallikokofetissille [5]. Kirjoittajan pointti on epämukavan oikea: agenteissa “fewer turns beat faster tokens”. Jos malli käyttää puolet vähemmän tool-calleja, noudattaa formaattia ja pitää tehtävän langan, se voi voittaa isomman mallin sekä kustannuksessa että wall-clock-ajassa. Tämä on sama taloussignaali kuin Altmanin dollars-per-task-puhe, mutta harrastajalabin raakamuodossa [1]. Käytännön johtopäätös: agenttimallia ei valita leaderboardilla vaan trace-analyysillä. Mittaa onnistuminen per tehtävä, tool-callien määrä, korjausloopit, parserivirheet ja ihmiseltä vaadittu pelastustyö. Muuten optimoit chatbottia ja kuvittelet rakentavasi työntekijää.

OpenAI:n GPT-5.6 sol -julkaisukehys ja siihen liitetty kustannuspuhe kertovat, että frontier-kilpailun markkinointikieli on muuttumassa: pelkkä “älykkäämpi” ei riitä, pitää olla halvempi per valmis työ [1][6]. Dylania mukaileva infra-keskustelu muistuttaa miksi: mallit ovat nyt kiinni datacenter-rakentamisen, rahoituksen, sähkön, verkon ja toimitusketjun hitaissa reunaehdoissa [2]. Tässä kohtaa Laurin infra-teesi puree: ohjelmiston marginaalikustannus voi painua alas, mutta pullonkaula siirtyy yhä kovemmin atomeihin. Compute ei ole taustaresurssi vaan tuotteen varsinainen raaka-aine. Siksi jokainen latencyä, prefilliä, muistia tai kontekstinkäyttöä parantava tekniikka on myös pääomatehokkuusstrategia.

LeCunin argumentti avoimista foundation-malleista on vähemmän idealismia kuin ekosysteemipolitiikkaa: jos proprietary-assistentit keskittävät käyttäjän muistin, työkalut ja intentin muutamalle portinvartijalle, suvereniteetti katoaa käyttöliittymään [7]. Tätä vasten LocalLLaMA:n W-10/Xiaozhi/Telegram/Mac-avustaja näyttää pieneltä mutta tärkeältä prototyypiltä: paikallinen agentti, joka kuuntelee, päättää milloin puuttua keskusteluun ja toimii omistajan koneen jatkeena [8]. Tässä on tulevan henkilökohtaisen agentin luonnos. Ei yksi appi, vaan läsnä oleva prosessi, joka yhdistää paikallisen inference-kerroksen, viestikanavat, tiedostot, äänen ja käyttäjän rituaalit. Suljetut labit voivat olla edellä kyvykkyydessä, mutta avoin/local-puoli oppii nopeasti tuotteen muodon.

Agenttien kasvu avaa uuden puolustuspinnan: CAPE-paperi esittää, että sisältöä voi suojata iskemällä agenttien kontekstikompressioon niin, että ihmisen näkemä teksti säilyy mutta agentin tiivistelmä menettää olennaista informaatiota [9]. Se on outo mutta tärkeä signaali: kun agentit selaavat, muistavat ja pakkaavat verkkoa, “robots.txt” ei enää ole puolustus vaan toive. Samaan aikaan Diffusion Policies -työ muistuttaa physical AI:n puolella, että myös roboteissa pitkä konteksti on muistiongelma, ei vain kielimallien lelu [10]. Manipulaatiotehtävät tarvitsevat historiaa, epäonnistumisten muistia ja parempaa tilakäsitystä. Digitaalinen agentti ja robottikäsi lähestyvät samaa arkkitehtuurista kysymystä: miten järjestelmä säilyttää olennaisen menneestä ilman että koko maailma raahataan mukana joka päätökseen.