Uusia tekoälymalleja, edullisempaa koodausta ja Gitin korvaaja

Riihisoftin viikottaisen tekoälykoulutuksen aika

Riihisoftin viikoittaisen tekoälykoulutuksen aika! Tällä viikolla tutustuimme Claude Fable 5.2:een, GPT-6.2:een, GitHub Copilot Fusioniin ja Anthropicin uuteen versionhallintaan.


Fable 5.2 ohittaa Opus 5.5:n koodauksessa

Anthropicin uusi Fable 5.2 ratkaisi FrontierSWE v2 -testissä 69,9 % tehtävistä (Opus 5.5: 62,3 %, Fable 5.1: 56,3 %). Malli on 30 % nopeampi kuin 5.1 ja hinta on 8 $ / 40 $ per miljoona tokenia. Suojaukseton Mythos 5.2 on vain hyväksytyille tietoturva- ja lääketiedetoimijoille. Arkityöhön Anthropic suosittelee yhä Opus 5.5:tä ja Fablea vaikeimpiin tehtäviin.


OpenAI julkaisi GPT-6.2:n: Astra halpeni 20 %

GPT-6.2 Astran vastausten hinta laski 50 dollarista 40 dollariin per miljoona tokenia, eli Fable 5.2:n tasolle. Kevyempi Sol maksaa vain 10 dollaria ja jää koodaustestissä Astrasta 0,5 pistettä, joten se riittää moneen tehtävään. Osa testaajista on kritisoinut malleja, joten kokeile niitä omilla tehtävillä.


Copilot Fusion nousi koodaustestin kärkeen

Terminal-Bench 4.1 -testissä Copilot Fusion Max ratkaisi 71,2 % tehtävistä (Opus 5.5 ja Fable 5.2: 65,8 %). Fusion on 88 % halvempi kuin Fable 5.2 ja 57 % halvempi kuin Opus 5.5. Valitset vain tason (Standard, High tai Max) ja Copilot valitsee mallit. Fusion toimii VS Codessa, JetBrainsissa ja Copilot CLI:ssä.


Fable 5.2 teki käyttöjärjestelmän 8 päivässä

Kokeessa yli 1 000 Fablen ohjaamaa agenttia rakensi tyhjästä toimivan käyttöjärjestelmän 8 päivässä. Se käynnistyy oikealla kannettavalla, ja siinä on oma ydin, ajurit, ikkunat ja asennusohjelma. Kyse on kokeesta, ei valmiista tuotteesta: malli jakaa projektin osiin ja ohjaa agentteja ja ihminen asettaa tavoitteen ja tarkistaa tuloksen.


Anthropic korvasi Gitin omalla järjestelmällä

Muutoksia syntyi 12 kertaa enemmän päivässä ja repon kopiossa oli 100 gigatavua historiaa, joten Git ei enää riittänyt. Uusi Scion hakee vain tarvittavat tiedostot ja palvelin hoitaa historian ja yhdistämiset. Palvelintarve on 200 kertaa pienempi ja koodin haku 100 kertaa nopeampaa. Scion on tehty valtaville monorepoille, ei yleiseksi korvaajaksi. Agenttien lisääntyessä ruuhka syntyy ensin testaukseen, katselmointiin ja yhdistämiseen, ei koodin kirjoittamiseen.


Ideoista toimiviksi ratkaisuiksi

Tekoälykoulutuksissamme emme keskity pelkästään uusiin malleihin ja teknologioihin, vaan käsittelemme myös konkreettisia tekoälypohjaisia toteutuksia, proof of concept -ratkaisuja (POC), kehityskäytänteitä ja työprosesseja. Tällä viikolla Plenticsin Head of Partner Success Janne Huuhtanen esitteli tekoälyn avulla tehokkaasti toteuttamaansa Billing Analyzer -sovellusta. Billing Analyzer on laskutuksen tukityökalu. Sen avulla CSV-muotoista laskutusdataa vertaillaan kuukausien välillä. Näin huomataan päätelaitehallintapalvelun asiakasympäristöjen ja laitteiden määrien trendejä. 


Ota meihin yhteyttä, niin muutetaan teidänkin ideanne ratkaisuiksi!