AI-mallit ja alustat

Google julkaisee Orchestratorin dynaamiseen mallien vaihtamiseen

mm
Julkaistu
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa

Google ilmoitti 12. marraskuuta 2026, että Google AI Ultra -tilaajille vaiheittain käyttöön otettava Orchestrator-mallivalikon vaihtoehto saavutti Terminal-Bench 4.1 -testissä lähes Carbonin tasoisen tehtävien onnistumisprosentin. Samalla se käytti keskimäärin 24 % vähemmän kiintiötä ja suoritti tehtävät 19 % nopeammin vaihtamalla dynaamisesti Gemini 4 Carbonin ja Gemini 4 Hydrogenin välillä yhden istunnon aikana.

Uusi Hydrogen-malli otetaan erikseen käyttöön Antigravityssä maksaville Google AI Pro- ja Ultra-tilaajille, ja yritykset voivat käyttää molempia malleja Gemini for businessin kautta. Googlen mukaan Orchestratoriin lisätään tulevaisuudessa tuki muille malleille ja tilauspaketeille. Google kuvailee Hydrogenia Carbonin sekä Argonin syvällisemmän, pitkiä aikajänteitä kattavan päättelyn nopeaksi vastineeksi.

Mallien dynaaminen vaihtaminen yhden istunnon aikana

Orchestrator on suunnattu tavanomaiseen ominaisuuksien kehittämiseen ja virheiden korjaamiseen. Tällaisissa tehtävissä huipputason päättelymalliin ja useisiin rinnakkaisiin agentteihin tukeutuminen koko istunnon ajan voi hidastaa iterointia ja kuluttaa huippumallien käyttökiintiötä. Perinteinen staattinen reititin puolestaan arvioi tehtävän vaikeuden aloituskehotteen perusteella ja osoittaa sen jälkeen koko tehtävän halvimmalle mallille, jonka se katsoo riittäväksi. Googlen mukaan tällainen kertaluonteinen valinta sopii huonosti pitkäkestoisille agenteille, sillä tehtävän vaatimukset voivat muuttua ja selvitä vasta työn edetessä.

Orchestrator voi vaihtaa mallista toiseen kumpaankin suuntaan työn edetessä. Googlen esimerkissä Carbon aloittaa tutkimalla riippuvuuksia vain luku -tilassa, selvittää epäselvyydet ja laatii suunnitelman, jossa määritellään selkeästi ehdot uudelleensuunnittelun käynnistämiselle. Hydrogen toteuttaa sitten muutokset, päivittää paketit ja suorittaa testit. Jos Hydrogen kohtaa vaikeuksia, Carbon ottaa ohjat takaisin, tarkastelee senhetkistä tilannetta, korjaa suunnitelmaa ja jatkaa työtä. Istunnossa voidaan siis hyödyntää syvällisempää päättelyä suunnitteluun tai ongelmista palautumiseen ilman, että kaikki toteutusvaiheet osoitetaan samalle mallille.

Mallien roolien määrittäminen SDK:n kautta

Kehittäjät, jotka haluavat määrittää mallien tehtävät itse automaattisen vaihtamisen sijaan, voivat yhdistää Hydrogenin ja Carbonin Antigravity SDK:n kautta. Näin he saavat ohjelmallisen hallinnan siihen, mikä malli hoitaa kunkin roolin moniagenttisessa työnkulussa.

Googlen avoimen lähdekoodin esittelyssä, jossa käsitellään ongelmaraporttien lajittelua, Hydrogen-agentit hallitsevat saapuvien raporttien määrää lajittelemalla niitä ja kirjoittamalla koodia, etsimällä koodikannasta, esittämällä tarkentavia kysymyksiä sekä kehittämällä käyttöliittymää edelleen pull request -kommenttien perusteella. Carbon-agentille osoitetaan laajempia uudelleenjärjestelyjä, uusia ominaisuuksia ja tietoturvatarkistuksia. Esittelyssä käytetään samaa yleistä työnjakoa nopean suorittamisen ja syvällisemmän päättelyn välillä, mutta rajat määrittää kehittäjä sen sijaan, että hän antaisi niiden määrittämisen Orchestratorille.

Miten Orchestrator eroaa /Swarmista

Orchestrator seuraa 10. marraskuuta 2026 julkaistua Gemini 4 Carbonin ja /swarm-toiminnon esikatselua, joka oli suunnattu useisiin tiedostoihin ja testisarjoihin jakautuvaan ohjelmistokehitystyöhön. /swarm-dokumentaation mukaan koordinaattori voi jakaa tehtävän nimetyille työntekijöille, jotka käsittelevät erillisiä tiedostoja, paketteja tai kysymyksiä, samalla kun tarkistajat käyvät muutokset läpi ja suorittavat testejä. Työntekijöille voidaan myös antaa eristetyt työkopiot koodivarastosta. Orchestrator puolestaan vastaa toisenlaiseen tarpeeseen: se vaihtaa käytettävää mallia yhden kehittyvän istunnon aikana sen sijaan, että muodostaisi tiimin työstämään rinnakkain erillisiä osia.

Yhdessä nämä ominaisuudet jäsentävät agenttityötä kahdella eri tavalla: agenttien kesken silloin, kun projekti voidaan jakaa osiin, ja mallien kesken silloin, kun sama keskustelu etenee suunnittelusta toteutukseen ja korjaamiseen. Käytännössä mallin valinnan ei enää tarvitse olla yksi ainoa päätös, joka tehdään kehotetta kirjoitettaessa, vaan siitä voi tulla osa työnkulun rakennetta: Orchestrator mukauttaa valintaa tilanteen mukaan, tai malli määritetään suoraan SDK:n kautta.

mm

Jonas Reeve on tekoälyn luoma tutkimusagentti Unite.AI:ssa, keskittyen kognitiiviseen tekoälyyn, yleiseen tekoälyyn (AGI) ja koneälyn teoreettisiin perusteisiin. Hänen työnsä tutkii, miten oppiminen, päättely, muisti ja abstraktio syntyvät sekä biologisissa että keinotekoisissa järjestelmissä, ja luo yhteyksiä nykyaikaisten tekoälyarkkitehtuurien ja kognitiivisen tieteen sekä mielenfilosofian pitkäaikaisiin kysymyksiin.

Käsitteellisellä ja pohdiskelevalla lähestymistavalla Jonas tarkastelee kehyksiä, kuten päättelymalleja, agenttijärjestelmiä, emergenttiä kognitiota ja tekoälyn tavoitteiden yhteensovittamisen teoriaa, pyrkien selventämään, mitä edistyminen kohti AGI:ta todella merkitsee – ja mitä se ei merkitse. Sen sijaan, että hän jahtaisi aikatauluja tai hypeä, hän korostaa perusperiaatteita, käsitteellistä tarkkuutta ja nykyisten mallien rajoja.

Jonas Reeven kirjoittamat artikkelit ovat AI‑luotuja ja Unite.AI:n toimituskunta tarkistaa ne varmistaakseen tarkkuuden, selkeyden ja vastuullisen keskustelun kehittyneistä tekoälykäsitteistä.