OpenAI julkaisi GPT-6.1 Sol -mallin ultranopealla päättelyllä ja alhaisemmin kustannuksin

OpenAI julkaisi GPT-6.1 Sol -mallin ultranopealla päättelyllä ja alhaisemmin kustannuksin

Dotsin ohella OpenAI julkaisi huomaamattomasti GPT-6.1 Solin, mallin jonka väitetään yltävän lähes Astra-tason älykkyyteen agenttimaisessa koodauksessa ja ammattityönkuluissa noin viidesosalla hinnasta — 2 dollaria miljoonalta syöttötokenilta ja 10 dollaria miljoonalta tuottotokenilta, sekä silmiinpistävä 0,10 dollarin hinta miljoonalta välimuistista haetulta syöttötokenilta [4]. Se tukee jopa miljoonan tokenin kontekstia ja on jo nyt käytössä ChatGPT Workissa, Codexissa sekä API:ssa nimellä gpt-6.1-sol [5].

Ennakkoon esitelty "ultranopea tila" lupaa jopa 8-kertaisesti nopeamman generoinnin Codexissa, mikä on merkittävää kaikille, jotka pyörittävät iteratiivisia, työkaluraskaita agenttisilmukoita yksittäisten chat-kyselyiden sijaan [6]. Sekä faktatarkkuus että monimutkaisten työnkulkujen käsittely paranivat mitattavasti edellisestä Sol-julkaisusta.

Kehittäjien keskustelu X:ssä keskittyi hinta-suorituskykysuhteeseen: 95 prosentin alennus välimuistista haetuista syötteistä palkitsee käytännössä tiimejä, jotka käyttävät uudelleen laajoja kontekstiaikkunoita — kokouslitterointeja, koodikantoja, tietopankkeja — sen sijaan että käsittelisivät ne uudelleen joka kerta. Useat keskusteluketjut vertasivat sitä suoraan Clauden nykyiseen mallistoon, ja Sol nostettiin esiin käytännöllisenä oletusvalintana suurivolyymiseen agenttityöhön.

AI-kokousavustajat tuottavat litteroinnit, yhteenvedot ja tehtävälistat laajassa mittakaavassa

Kokousavustajien kategoria kypsyy nopeasti. TechRepublicin tuorein katsaus vahvistaa, että Otter.ai, Fireflies, Fathom ja Cisco Webex AI Assistant ovat vakiinnuttaneet yhteisen toimintamallin: reaaliaikainen litterointi puhujien erottelulla, automaattiset yhteenvedot, nimetyt vastuuhenkilöt sisältävät tehtävälistat sekä hakukelpoiset arkistot, jotka on kytketty Zoomiin, Teamsiin, Meetiin, Slackiin ja CRM-järjestelmiin [7].

Webexin omat luvut ovat merkittäviä — 260 prosentin kasvu AI-yhteistyöminuuteissa ja 95 prosentin positiivinen palaute generoiduista yhteenvedoista — mikä osoittaa, että "anna vain minulle yhteenveto" on muodostunut oletusodotukseksi yrityskokouksissa [8]. Otter jatkaa panostustaan reaaliaikaiseen muokkaukseen ja puhujien merkintään erottautumistekijöinä, mikä antaa tiimeille mahdollisuuden korjata attribuutiota reaaliajassa jälkikäteisen sijaan [9].

X:n kommentointi oli positiivista, ja siinä nostettiin esiin konkreettisia ajansäästöjä sekä yhteisön työkaluja, kuten Otterille tarkoitettu ScriptSprint Grok -botti. Yrityspuolella painopiste siirtyy yhä enemmän vaatimustenmukaisuuteen ja hallintatyökaluihin, ei pelkkään mukavuuteen — automaattiset seurantatoimet, jotka eivät koske alkuperäistä tallennetta, ovat muuttumassa perusvaatimukseksi eivätkä enää pelkäksi lisäeduksi.

Agenttimainen RAG ja vektoritietokannat tehostavat yritysten tiedonhakua

Tämän kaiken alla tapahtuu suurempi muutos: tiedonhaku älyllistyy. Google Research kuvasi yksityiskohtaisesti, miten Gemini Enterprisen Agentic RAG siirtyy staattisesta hausta suunnitteluun, iteratiiviseen hakuun, arviointiin ja työkalujen käyttöön — ja tulokset näkyvät: jopa 34 prosentin parannus faktapohjaisuusmittareissa ja 49,6 prosentin recall@1-tulos BRIGHT-tietoaineistolla [10].

Käytännön käyttöönotot todistavat tämän jo nyt. Yksi globaali immateriaalioikeuksiin erikoistunut lakitoimisto indeksoi yli 500 000 dokumenttia, mikä lyhensi due diligence -prosessin kestoa 75 prosentilla ja samalla saavutti 3 sekunnin kyselyajat sekä 99 prosentin relevanssin sopimusanalyysissä ja ennakkotapausten haussa [11]. Tuore arXiv-julkaisu AgenticRAG:sta muotoilee mallin virallisesti: moniagenttiset työnkulut varmennussilmukoineen vähentävät merkittävästi hallusinaatioita verrattuna yksivaiheiseen RAG:iin [12].

X:n keskustelu yhdisti tämän suoraan vaatimustenmukaisuuteen ja varastonhallinnan käyttötapauksiin, ja useat äänet nostivat esiin, että pohjoismaiset ja EU:n yritykset seuraavat tarkasti hallusinaatioiden vähentämistekniikoita tiukempien tiedonkäsittelyvaatimusten vuoksi — yksityiskohta, jolla on suuri merkitys kaikille, jotka rakentavat tietotyökaluja arkaluontoisiin liiketoimintakeskusteluihin.

Mitä tämä tarkoittaa kokouksillesi

Kun nämä neljä uutista yhdistää, hahmottuu selkeä kuvio: toimiala kiiruhtaa kohti aina päällä olevia agentteja (Dots), jotka toimivat halvemmilla ja nopeammilla malleilla (Sol) ja jotka kohdistuvat yhä kyvykkäämpiin hakujärjestelmiin (Agentic RAG) — samalla kun kokousavustajat ovat jo normalisoineet ajatuksen siitä, että jokaisesta keskustelusta pitäisi tulla haettavaa, strukturoitua dataa. Puuttuva palanen, jota kukaan ei ole vielä täysin ratkaissut, on näiden kolmen yhdistäminen: agentti, joka ei ole vain reaktiivinen dokumenttivarastolle, vaan joka aidosti tietää mitä sanottiin, kenen toimesta, koko kokoushistoriasi ajalta.

Juuri tähän aukkoon Proudfrog on rakennettu. Halvempi päättely ja parempi agenttimainen tiedonhaku tarkoittavat, että tekniset esteet todelliselle henkilökohtaiselle tietograafille — sellaiselle, joka rakentuu litteroinneista, puhujien tunnistamisesta ja kokousten välisestä kontekstista staattisten tiedostojen sijaan — murtuvat nopeasti. Kun aina päällä olevat agentit kuten Dots alkavat ulottua Slackiin ja Teamsiin, todellinen erottautumistekijä ei ole itse agentti, vaan sen tiedon laatu ja rakenne, josta se hakee tietoa. Dot, joka ei osaa erottaa Q3-suunnittelupuheluasi viime vuoden vastaavasta, on vain nopeampi tapa olla väärässä.

Erityisesti pohjoismaisille ja eurooppalaisille tiimeille, joissa tiedonkäsittelyn ja tarkkuuden vaatimukset ovat korkeat, voittajia ovat työkalut, jotka yhdistävät agenttimaisen päättelyn todennettavaan, puhujakohtaisesti attribuoituun ja paikallisesti hallittuun kokoustietoon — eivät pelkästään suurempiin kontekstiaikkunoihin.

Keskeinen huomio: Kun AI-agenteista tulee halvempia ja itsenäisempiä, arvo siirtyy vastausten tuottamisesta siihen, että voidaan luottaa mistä ne ovat peräisin — juuri tästä syystä oman kokoustietosi strukturoitu, haettava tietokanta on tänään tärkeämpi kuin eilen.

Sources

1. https://openai.com/index/introducing-dots/
2. https://techcrunch.com/2026/09/29/openai-launches-dots-its-bubbly-agentic-avatar/
3. https://www.bbc.co.uk/news/articles/cw7v42rp083eo
4. https://openai.com/index/introducing-gpt-6-1-sol/
5. https://developers.openai.com/api/docs/models/gpt-6.1-sol
6. https://techcrunch.com/2026/09/29/openai-launches-gpt-6-1-sol-says-it-nearly-matches-gpt-6-astra-and-costs-less/
7. https://www.techrepublic.com/article/news-best-ai-meeting-note-takers-2026/
8. https://www.webex.com/us/en/articles/ai-meeting-assistant.html
9. https://help.otter.ai/hc/en-us/articles/360048465453-Tagging-speaker-names-in-a-conversation
10. https://research.google/blog/unlocking-dependable-responses-with-gemini-enterprise-agent-platforms-agentic-rag/
11. https://sparrow.so/case-studies/enterprise-rag-legal/
12. https://arxiv.org/html/2605.05538v1