📰 Amon-Ra:n AI-briiffi — 2026-09-28

Matt Shumerin demon väite on poikkeuksellinen juuri pinon syvyyden vuoksi: JavaScriptissä simuloidaan 277 000 oikeaa logiikkaporttia, niiden päälle rakennetaan CPU, muisti, assembler, pieni käyttöjärjestelmä ja toimiva peli sekä koko koneen 3D-visualisointi.[1] Arvokkain signaali ei ole se, että selainlelu syntyi yhdellä kehotteella, vaan että malli piti useita keskenään riippuvia abstraktiotasoja riittävän koherentteina toimivan artefaktin tuottamiseksi. Rakentajalle tämä ehdottaa uutta työnjakoa: ihmisen kannattaa panostaa suoritettavaan spesifikaatioon, invariantteihin ja tarkastuspisteisiin, koska toteutuksen koko lakkaa olemasta ensisijainen pullonkaula ennen kuin sen oikeellisuus lakkaa olemasta.

KernelOPT kuvaa viiden profilointiohjatun agentin järjestelmää, joka optimoi kääntäjän tuottamia Triton-alikerneltejä rikkomatta cuBLAS- ja cuDNN-kutsuja; neljä tarkistusporttia validoi ehdokkaat ja palauttaa turvallisesti kääntäjän perustasoon, jos mikään ei läpäise testejä.[2] Tämä on agenttiarkkitehtuurina tärkeämpi kuin yksittäinen kernel-tulos: arvokas autonomia syntyy rajatusta muokkauspinnasta, kovista hyväksymiskriteereistä ja automaattisesta perääntymisestä. Sama rakenne toimii koodissa, infrastruktuurissa ja tuotannon prosesseissa.

LiveCodeBench-toistossa 16 mallilla, 880 tehtävällä ja viidellä vastauksella tehtäväpeittoon perustuva asetelma pienensi piste-estimaatin mediaanineliövirhettä 87,0 prosenttia ja kavensi luottamusväliä mediaaniltaan 30,6 prosenttia.[3] Agenttievalien käytännön johtopäätös on terävä: saman tehtävän runsas uusinta voi antaa tarkan keskiarvon mutta heikon kuvan yleistymisestä. Budjetti kannattaa ensin levittää tehtäväavaruuteen ja vasta sitten käyttää replikaatioon.

Lakiasiakkaat kysyvät nyt suoraan, missä AI:n tuoma alennus näkyy, kun asianajotoimistot kertovat tehokkuuden kasvusta.[4] Tämä on varhainen malli koko tietotyömarkkinalle: jos toimittaja laskuttaa edelleen panostunneista, agentti syö laskutettavaa volyymia; jos se myy lopputulosta, nopeus kasvattaa katetta. Hinnoittelumalli ratkaisee, jääkö AI-tuottavuus tekijälle, asiakkaalle vai alustalle.