Tekoälyviikko: 20 julkaisua DNA-malleista maailmanmalleihin
AI Searchin 25. lokakuuta julkaisema katsaus kokoaa yhteen kaksikymmentä tuoretta tekoälyjulkaisua DNA-malleista maailmanmalleihin ja avoimiin puhemalleihin.
Tekoälyuutisia seuraava AI Search -kanava julkaisi 25. lokakuuta 2026 lähes kolme varttia kestävän katsauksen, jossa se käy läpi kaksikymmentä tuoretta tekoälyjulkaisua. Mukana on DNA:ta tulkitsevia kielimalleja, maailmanmalleja, avoimia puhe- ja kuvamalleja sekä uusia agentteja. Tähän juttuun on koottu videon aiheet teemoittain: mikä julkaistiin, kuka sen teki ja mikä siinä on olennaista.
Videolla: 43 minuutin katsaus viikon julkaisuihin
AI Searchin video käy läpi lokakuun 15.–24. päivän välillä julkaistuja malleja ja tutkimuksia. Alla oleva juttu kattaa videon tuotejulkaisut; videolla käsitellyt lyhyet uutisaiheet on jätetty pois, jos niistä ei löytynyt valmistajan omaa lähdettä.
Näkeminen ja 3D: malleja, jotka hahmottavat maailmaa
WeVisOne-VL (Tencent, 22. lokakuuta). Tencentin WeChat Vision -ryhmä julkaisi avoimen näköä ymmärtävän kielimallin, joka tunnistaa kohteita ja piirtää niistä tarkkoja ääriviivoja ja pehmeitä reunoja. Malli on rakennettu Qwen3-VL:n päälle, ja painoja on tarjolla kahden ja neljän miljardin parametrin koossa. Ryhmän mukaan malli johtaa yli 30 vertailumittauksessa ja osaa myös vastata, ettei haettua kohdetta ole kuvassa. Se on tärkeä ominaisuus, koska moni näköä tulkitseva malli keksii kohteen, jota ei ole olemassa.
Hi3D 1.0 (Hi3D, lokakuu). Aiemmin Sparc3D-nimellä tunnettu kuvasta kolmiulotteiseksi malliksi -malli avattiin kokonaan: painot, koodi ja mallikortti ovat ladattavissa. Yhtiön mukaan malli on koulutettu lähes kahdella miljoonalla seulotulla 3D-aineistolla ja sitä on testattu tuotantokäytössä ennen julkaisua. Suljetumpi versio 3.0 yltää jopa 2048 kuution voxeliresoluutioon ja 8K-tekstuureihin.
PURE (Pekingin yliopisto, Hongkongin tiede- ja teknillinen yliopisto sekä Pengcheng-laboratorio, lokakuu). PURE on tutkimusmenetelmä, joka parantaa valmiin 3D-mallin kykyä hahmottaa videoista tilaa ja kameroita ilman merkittyä opetusdataa. Menetelmää testattiin kolmella eri runkomallilla, ja esittelyssä sillä rekonstruoitiin 2 000 kuvan mittainen yhtenäinen videosarja. Paperi hyväksyttiin ACM Multimedia 2026 -konferenssiin.
JST-2 (Viggle, 19. lokakuuta). Vigglen uusi malli tuottaa kolmiulotteisen näkymän noin sekunnissa ja alle sentin laskentakustannuksella. Yhtiön mukaan malli ei tarvitse jokaisen näkymän erillistä optimointia, vaan se tuottaa 3D-esityksen suoraan. Edeltäjä JST-1 pyöritti yhtiön meemivideosovellusta, jolla on yli 50 miljoonaa käyttäjää.
Hy-Nomas (Tencent Hunyuan, 21. lokakuuta). Tencentin Hunyuan-tiimi julkaisi avoimen maailmanmallin, joka tuottaa jopa 60 sekuntia yhtenäistä videota 720p-tarkkuudella. Kahdeksan miljardin parametrin malli ottaa vastaan sekä tekstikehotteita että kameran liikkeitä, ja sen pitäisi muistaa aiemmin nähdyt paikat, kun käyttäjä palaa niihin. Mallipainot ovat saatavilla sekä GitHubissa että Hugging Facessa.
SKY-001 (Skyfall AI, 19. lokakuuta). Skyfall kutsuu malliaan insinöörien maailmanmalliksi. Se ei tuota katseltavaa ympäristöä vaan suunnitelmia ja niiden rakennusjärjestyksen: mallin on pidettävä tuhansien toisiinsa liittyvien osien mitat ja rajoitteet yhtäpitävinä koko suunnitteluketjun ajan. Yhtiön mukaan tavalliset kielimallit ovat tässä heikkoja, koska kieli on huono väline tilasuhteiden käsittelyyn.
Biologia ja DNA: malleja, jotka lukevat elämän koodia
Carbon-X (Hugging Face Bio, 21. lokakuuta). Hugging Facen biotiimi julkaisi 14,8 miljardin parametrin avoimen mallin, joka lukee DNA:ta ja keskustelee siitä tavallisella kielellä. Malli käsittelee DNA:n ja tekstin samassa jonossa, joten erillistä DNA-kooderia ei tarvita. Viidessä DNA-vertailussa se ylsi keskimäärin 66,7 prosenttiin, kun lähtökohtana ollut Qwen3-14B ylsi samassa 27 prosenttiyksikköä heikommin. Hugging Facen mukaan mallin painot mahtuvat yhdelle 80 gigatavun näytönohjaimelle, joten arkaluonteiset sekvenssit voi pitää omalla palvelimella.
OpenAI:n tutkimusagentit (15. lokakuuta). OpenAI, PerturbAI ja Scripps Research käyttivät tuhansia GPT-Rosalind-malliin perustuvia agentteja analysoimaan miljoonien hiiren aivosolujen kokeellista dataa. Agentit kävivät aineiston läpi 32 minuutissa ja yhdistivät geenimuutosten vaikutuksia tieteelliseen kirjallisuuteen. Työ julkaistiin preprint-tutkimuksena, ja sen tarkoitus on näyttää, miten tekoäly voi nopeuttaa Alzheimerin ja Parkinsonin taudin kaltaisten sairauksien tutkimusta.
Puhe ja ääni: pienempiä malleja, luontevampaa puhetta
Bark 3.0 (Underdog, 15. lokakuuta). Underdog julkaisi 163 megatavun puheentunnistusmallin, joka pyörii kokonaan käyttäjän omalla Mac-tietokoneella. Yhtiön mukaan malli tekee 4,94 prosentin virheprosentin ja yltää samaan kuin NVIDIA Parakeet, joka on 15 kertaa suurempi, sekä päihittää OpenAI:n Whisper large-v3:n, joka on 57 kertaa suurempi. Malli on avointa lähdekoodia CC-BY 4.0 -lisenssillä.
Ming 3.0 TTS (Inclusion AI, Ant Group, 19. lokakuuta). Ant Groupin tutkimusryhmä julkaisi avoimet puhesynteesimallit, jotka puhuvat seitsemää kieltä ja kahta kiinalaista murretta. Mallista on tarjolla kevyt 0,5 miljardin parametrin versio ja podcastien tekoon tarkoitettu asiantuntijamalli. Käyttäjä voi kuvailla äänen sanoin, kloonata äänen lyhyestä näytteestä ja ohjata tunteita sekä painotuksia tavallisella kielellä. Artificial Analysis -vertailussa kevyt malli sijoittui avoimien mallien kärkeen kontrolloidun äänen osalta.
Dessa (Block, 21. lokakuuta). Block esitteli puhemallin, joka on koulutettu pelkästään ihmisten välisillä keskusteluilla – ilman tekstiä. Dessa on täysin kaksisuuntainen: se kuuntelee ja puhuu samaan aikaan sekä osaa nyökätä äännähdyksillä keskustelukumppanilleen. Malli pyörii yhtiön mukaan paikallisesti MacBook Pro M4 Max -kannettavalla ja tuottaa puhetta nopeammin kuin reaaliajassa.
Kuvat ja video: muokkaus, vektorit ja nopeampi video
Fibo 2.0 (BRIA AI, 20. lokakuuta). BRIA:n avoin kuvamalli yhdistää ensimmäistä kertaa kuvan muokkauksen ja kuvan tuottamisen samaan malliin. Malli on koulutettu pitkillä, jäsennellyillä kuvauksilla ja vain lisensoidulla aineistolla. Tarjolla on täysi Dev-versio hienosäätöön ja Edit Turbo nopeaan tuotantokäyttöön.
Ideogram Vector (Ideogram, lokakuu). Ideogramin uusi malli tuottaa kuvien sijaan muokattavaa vektorigrafiikkaa eli SVG-tiedostoja, joiden jokainen muoto on erikseen valittavissa ja muokattavissa. Tämä tekee mallista käyttökelpoisen esimerkiksi logojen, kuvitusten ja painotöiden pohjaksi, joissa bittikarttakuvan terävyys ei riitä.
FastH3 Omni (Hao AI Lab, UC San Diego, 20. lokakuuta). Tutkimusryhmä avasi referenssiohjatun video- ja äänimallin, joka on tislattu MiniMax H3:sta. Kahdeksalla GB200-näytönohjaimella mallin viive laski esimerkkiajossa 35,44 sekunnista 5,67 sekuntiin eli noin kuusinkertaisesti. Ryhmä lupaa jopa 12-kertaisesti pienempää viivettä ja tarjoaa painot myös paikalliseen ComfyUI-käyttöön.
Kielimallit ja agentit: tehoa halvemmalla
Kimi K3.1 Pro (Moonshot AI, 24. lokakuuta). Moonshotin uusi malli on jatkokoulutettu versio Kimi K3:sta. Päättelykykyä mittaavassa Terminal-Bench 4.0 -testissä se ylsi 65,7 prosenttiin, kun GPT-6 Astra ylsi 58,2 prosenttiin ja Claude Opus 5.5 puolestaan 66,4 prosenttiin. Malli on heti käytettävissä Kimin verkkopalvelussa ja rajapinnassa, ja täydet painot luvataan avoimiksi 4. marraskuuta mennessä.
MiniMax M3.1 Flash (MiniMax, 19. lokakuuta). MiniMax esitteli edullisen mallin, joka on tarkoitettu erityisesti agenttien eli itsenäisesti työskentelevien ohjelmien moottoriksi. Ohjelmistotyön DeepSWE-testissä se ylsi 73,7 prosenttiin ja tietokoneen käyttöä mittaavassa OSWorld V2 -testissä 61,7 pisteeseen. Yhtiön mukaan mallin käyttökustannus on 70 prosenttia edeltäjää pienempi: miljoona syötetokenia maksaa 0,15 dollaria ja miljoona tuotettua tokenia 0,60 dollaria.
Claude Duet (Anthropic, 21. lokakuuta). Anthropic esitteli tutkimusesiversion agentista, joka seuraa käyttäjän yhdistettyjä sovelluksia ja lähettää aamuisin lyhyen yhteenvedon tärkeimmistä asioista. Duet perustuu Claude Opus 5.5 -malliin, ja sen on tarkoitus hoitaa muun muassa kokousten sopimista, raporttien rakentamista ja pienoisohjelmien tekemistä. Se on saatavilla iOS- ja Android-sovelluksena sekä selaimessa, ja käyttöönotto vaatii jonotuslistan Pro- ja Max-tilauksilla.
Sage-A1.5 (22. lokakuuta). Sage-A1.5 on 35 miljardin parametrin asiantuntijamalli, joka on rakennettu pitkäkestoiseen työhön: ohjelmistosuunnitteluun, pitkiin hakuihin ja tieteelliseen tutkimukseen. Malli tukee 256 000 tokenin kontekstia ja osaa pilkkoa tehtäviä pienempiin osiin sekä tarkistaa omia välituloksiaan.
Ling 3.0 Flash Santé (Inclusion AI, 19. lokakuuta). Ling-perheen terveydenhuoltoon erikoistunut malli julkaistiin MIT-lisenssillä. Siinä on 124 miljardia parametria, joista jokaisella tokenilla aktivoituu 5,1 miljardia, ja konteksti yltää 256 000 tokeniin. Valmistaja korostaa, että kyse on tutkimusmallista eikä lääkinnällisestä laitteesta: sen vastaukset vaativat aina ammattilaisen tarkistuksen.
MemT 1.0 (MemTensor, 20. lokakuuta). MemTensor julkaisi malliperheen, joka säilyttää muistia mallin omassa rakenteessa sen sijaan, että koko keskustelu syötettäisiin uudelleen joka kerta. Muistin koko pysyy vakiona, ja 128 000 tokenin historiassa tallennustarve on yhtiön mukaan noin 66 kertaa pienempi kuin koko kontekstin välimuistissa. Perheeseen kuuluu 36 miljardin parametrin Nano ja 288 miljardin parametrin Flash.
Mitä viikosta jää käteen
Kolme suuntaa erottuu. Ensimmäinen on avoimuus: yhä useampi julkaisu tulee ulos avoimilla painoilla ja lisenssillä, joka sallii kaupallisenkin käytön. Toinen on erikoistuminen: DNA, terveydenhuolto, puhe ja 3D saavat omia mallejaan, jotka ovat pienempiä ja halvempia kuin yleismallit. Kolmas on hinta: useat valmistajat kilpailevat nyt nimenomaan laskentakustannuksella ja viiveellä, eivät pelkällä testituloksella.
Samalla raja tutkimuksen ja tuotteen välillä ohenee. Esimerkiksi Carbon-X ja Dessa esittelevät kykyjä, joita on aiemmin nähty lähinnä demonstraatioissa, mutta jotka valmistajat tuovat nyt ladattavina malleina tai paikallisesti ajettavina sovelluksina.
Termit lyhyesti
Maailmanmalli tarkoittaa mallia, joka hahmottaa ympäristön tilan ja sen muutokset – esimerkiksi miten huone näyttää toisesta kulmasta tai miten rakennelma kootaan osa osalta. Multimodaalinen malli käsittelee useaa aineistotyyppiä, kuten tekstiä, kuvaa ja ääntä, samassa mallissa. Avoimet painot tarkoittavat, että mallin numeeriset parametrit voi ladata ja ajaa itse. Parametri on mallin opittu luku; mitä enemmän niitä on, sitä suurempi malli yleensä on. MoE eli asiantuntijamalli aktivoi jokaisella sanalla vain osan parametreistaan, jolloin laskenta kevenee. Konteksti-ikkuna on tekstin määrä, jonka malli voi kerrallaan ottaa huomioon, ja tokeni on pieni tekstinpala, jota malli käsittelee. Agentti on ohjelma, joka suorittaa tehtäviä useassa vaiheessa työkaluja käyttäen.
Lähteet
- WeChat Vision, Tencent: WeVisOne-VL: Unified Visual Perception from Objects to Pixels, 22.10.2026.
- Underdog: Meet Underdog Bark 3.0, 15.10.2026.
- BRIA AI: briaai/Fibo-2.0-dev, 20.10.2026.
- Hugging Face Bio: Carbon-X, 21.10.2026.
- Tencent Hunyuan: Hy-Nomas – Interactive World Modeling, 21.10.2026.
- Hi3D: Hi3D 1.0 Is Now Open Source, lokakuu 2026.
- Pekingin yliopisto, HKUST ja Pengcheng Lab: PURE: Refining Feed-forward 3D Reconstruction with Unlabeled Post-training, ACM MM 2026.
- Inclusion AI (Ant Group): Ming 3.0 TTS, 19.10.2026.
- OpenAI: Scaling AI research for complex biological data, 15.10.2026.
- Viggle: Introducing Viggle JST-2, 19.10.2026.
- Skyfall AI: Introducing SKY-001: The First World Model for Engineering, 19.10.2026.
- Moonshot AI: Kimi K3.1 Pro Tech Blog, 24.10.2026.
- Ideogram: Ideogram Vector, lokakuu 2026.
- Block: Dessa – the Conversation Model trained only on speech, 21.10.2026.
- Anthropic: Introducing Claude Duet, 21.10.2026.
- Sage-A1.5: Sage-A1.5: From Long-Horizon Execution to Scientific Exploration, 22.10.2026.
- MiniMax: MiniMax M3.1 Flash: Redefining Agent Performance and Cost, 19.10.2026.
- MemTensor: MemT-1.0-Nano, 20.10.2026.
- Inclusion AI: Ling-3.0-flash-Sante, 19.10.2026.
- Hao AI Lab, UC San Diego: FastVideo FastH3 Omni, 20.10.2026.
- AI Search: AI NEWS: Cybersecurity chaos, AI for DNA, Kimi K3.1, Claude Duet, Dessa, Fibo 2, Minimax 3.1, 25.10.2026.
Kuvan lähde: Oleg Alexandrov, Pleiades-supertietokoneen rivejä, Wikimedia Commons, CC BY-SA 4.0.
Vastuuvapauslauseke: Tämä artikkeli on tarkoitettu vain tiedotustarkoituksiin. Sitä ei tarjota tai ole tarkoitettu käytettäväksi oikeudellisena, verotuksellisena, sijoitus-, rahoitus- tai muuna neuvona.
Mainos: alla on kumppanimainoksia ja mainoslinkkejä.
