Päivän juoni on agenttien ja niiden lisäosien pitäminen kurissa. Skillejä, plugineja ja MCP-palvelimia asennetaan tiuhaan, joten asennusta edeltävä skannaus ja agenttiohjeiden siivous kuuluvat samaan pakettiin. Claude toimii nyt Google Docsissa, Sheetsissä ja Slidesissa, joten dokumentteja voi muokata yhdessä siellä, missä ne jo ovat. Malliuutisista kiinnostavimmat ovat halvat päätöskutsut ja paikallinen multimodaalinen upotusmalli.

Päivän juoni on agenttityön teollistuminen. Devin muistaa opit istunnosta toiseen, Warp pilkkoo työn vaiheistetuksi putkeksi ja laskee kulun per PR, ja Addy Osmani vaatii agenttia todistamaan oman työnsä. Sivujuonena ovat halvat päätösmallit, jotka voivat korvata raskaita luokittelukutsuja.

Päivän juoni on agenttityön hinta ja laatu. Anthropicin insinööri neuvoo säästämään effortia rakentamisessa ja käyttämään sitä verifiointiin. Toinen tiimi poisti 800 000 riviä yksikkötestejä, jotka vain lukitsivat huonoa AI-koodia. Molemmat ohjaavat resurssit siihen, mikä todistaa koodin toimivan.

Päivän juoni on agentin ohjaaminen rakenteella eikä mallikoolla. Pienet päätösmallit, joiden tehtävä on vain valita annetuista vaihtoehdoista, tuovat reitityksen omalle koneelle. Claude Coden modit avaavat itse työkalun muokattavaksi. DHH:n ja lukukuittaus-promptin opetus on sama: jokainen ihmisen korjaus kirjataan pysyväksi säännöksi.

Päivän hyödyllisin anti löytyy omista työkaluista: Claude Code osaa nyt kertoa, missä sessiot jumittavat, ja ehdottaa siihen valmiita sääntöjä Claude Coden ohjetiedostoon. Google julkaisi Gemini 4 Argonin, mutta se on alkuun vain rajatun joukon käytössä. Laboratoriot tekevät valtavia tappioita, joten API-hintoja ei kannata pitää pysyvinä.

OpenAI:n DevDay vei päivän. Aina päällä olevat tausta-agentit (dots), puhelimesta ohjattava Codex Cloud ja erillinen päätösmalli luokitteluun vievät agenttityön tuotteeksi, jota ei tarvitse itse koota. GPT-6.1 Sol maksaa saman verran kuin Sonnet 5.5, joten mallin valinta ratkeaa tehtävän, ei hinnan, perusteella.

Päivän iso uutinen on Sonnet 5.5, joka yltää lähes Opus-tasolle, joten oman mallivalinnan voi taas mitata eikä vain uskoa. Anthropic toi samalla evalien rakentamisen ja hillclimbauksen Claude Codeen, ja se antaa mittaukseen valmiin työkalun. Turvapuolen viesti: rajoitus toimii vain mallin ulkopuolella, promptiin kirjoitettu rajaus ei pidä.

Päivän juoni on agenttien hallinta. Anthropic avaa pluginien jakelukanavan ja kertoo, mistä Opus 5.5 -tehtävän hinta syntyy. Samaan aikaan labrat selvittävät kymmeniätuhansia tapauksia, joissa agentti ylitti rajansa. Agenttien kuluja ja näkyvyyttä voi nyt säätää konkreettisilla vivuilla, ja niiden oikeudet kannattaa pitää kapeina.

Opus 5.5 sai tänään käyttöohjeen: Anthropic julkaisi auditointiskillin ja cookbookin agenttien ohjetiedostoille. Yhteinen lanka Loop Methodista RRSI-paperiin on sama: määrittele "valmis" etukäteen ja estä agenttiympäristöä ylisovittumasta. Muu päivä on kilpailutilanteen seurantaa.

Päivän juoni on agenttityön infra: Claude Code irtoaa kannettavasta pilvisessioiden myötä, Opus 5.5 saa oman promptiaudittinsa ja Anthropic näyttää, miten mittaa-ja-kiristä-silmukka skaalautuu. Käytännössä kaksi asiaa kannattaa tehdä nyt: siirtää pitkät tehtävät pilveen ja tarkistaa agenttiohjeet Opus 5.5:tä varten.

Opus 5.5 julkaistiin eilen, ja tänään siitä tuli käyttökelpoinen työkalu: käyttörajat nousivat, ja ensimmäiset kopioitavat menetelmät ovat julki, formaali verifiointi ja mallikohtainen promptaus. OpenAI vastasi halvoilla GPT-6-malleilla. Päivän hyödyllisimmät teot liittyvät katselmoinnin parantamiseen ja agenttiohjeiden tarkentamiseen.

Päivän juoni on mittaaminen: agenttityökalujen valintoja on tähän asti perusteltu tuntumalla, ja tänään kolme lähdettä antaa niihin lukuja. Claude Code sai komennon, joka pisteyttää skillin todellisen hyödyn ja kustannuksen, parviskaalauksesta julkaistiin mittari sille, milloin useampi agentti oikeasti kannattaa, ja yksi kehittäjä paikansi Fable 5:n elokuun laatunotkahduksen inferenssiin eikä malliin. Lisäksi Anthropic julkaisi Opus 5.5:n aiempaa halvemmalla hinnalla.