PilotDeck 2.0 pitää tekoälyagentin muistin ja tiedostot projektikohtaisesti erillään
Tsinghuan THUNLP ja ModelBest kumppaneineen julkaisivat avoimen PilotDeck 2.0:n, joka eristää projektit omiin työtiloihinsa. Tekijöiden omassa testissä mallien työnjako laski seitsemän tehtävän kustannuksen noin kuudesosaan siitä, mitä Sonnet 4.6 yksin maksoi, ja pisteet pysyivät samalla tasolla.
Tsinghuan yliopiston THUNLP-laboratorio, ModelBest, OpenBMB ja AI9Stars julkaisivat 15. lokakuuta avoimen lähdekoodin PilotDeckin version 2.0. Tekijät kutsuvat ohjelmaa agenttikäyttöjärjestelmäksi ja vertaavat sitä Claude Coden ja Cursorin kaltaisiin harnesseihin. Harness on agenttia ohjaava ohjelma, joka antaa mallille työkalut ja ajaa sen työvaiheet.
PilotDeck jakaa työn työtiloihin (WorkSpace). Jokaisella projektilla on omat tiedostonsa, muistinsa ja skillinsä eli agentin tehtäväkohtaiset ohje- ja työkalupaketit. Näin rinnakkaiset projektit eivät tekijöiden mukaan sekoitu toisiinsa.
Agentin muisti on käyttäjän nähtävillä. Projektin GitHub-sivun mukaan jokaisesta muistimerkinnästä näkee, mitä tallennettiin, milloin ja missä työtilassa. Merkinnän voi muokata, poistaa tai lukita. Kun agentti on joutilaana, Dream Mode -toiminto tiivistää sen muistia, ja tiivistyksen voi perua yhdellä napsautuksella.
Version 2.0 uutuuksia ovat tekijöiden mukaan asennus yhdellä napsautuksella, asetusten määrittely graafisessa käyttöliittymässä sekä Word-, Excel- ja PowerPoint-tiedostoja tuottavat skillit. Tekijöiden mukaan myös pitkät tehtävät pysyvät hallinnassa jopa 2 000 viestin ajan.
Taustatilassa (Always-on) agentti jatkaa työtä käyttäjän poistuttua: se etsii mahdollisia tehtäviä, ajaa pitkiä seurantoja ja tallentaa tulokset paikallisiksi tiedostoiksi yhteenvedon kera.
Kustannuksia PilotDeck karsii jakamalla työn mallien kesken (Smart Routing). Ohjelma arvioi tehtävän vaikeuden: suunnittelun hoitaa vahva päämalli, ja muotoilu ja viimeistely siirtyvät kevyemmälle aliagentille. Kaikki tulosluvut ovat tiimin omia. Somesisältöjen tuotannossa yksi ajo maksoi tiimin mukaan 2,83 $, kun päämallina oli Claude Opus 4.5 ja aliagenttina Sonnet 4.5. Kun kaikki tehtiin Opus 4.5:llä, hinta oli 12,58 $.
Seitsemässä vaativammassa tehtävässä, kuten monikielisen podcastin tuotannossa ja koodikannan dokumentoinnissa, Sonnet 4.6:n ja MiniMax-M2.7:n yhdistelmä sai hieman enemmän pisteitä kuin Sonnet 4.6 yksin. Kustannus jäi noin kuudesosaan, ja Pandaily laskee säästöksi noin 83 %.
| Kokoonpano | Pisteet | Kustannus |
|---|---|---|
| MiniMax-M2.7 yksin | 37,1 | 1,90 $ |
| Claude Sonnet 4.6 yksin | 69,1 | 18,36 $ |
| Sonnet 4.6 (päämalli) + MiniMax-M2.7 (aliagentti) | 70,6 | 3,15 $ |
Lähde: PilotDeckin GitHub-sivu. Tiimin oma testi seitsemällä tehtävällä; pisteytyksen perusteita ei kuvata.
Kiinalaista teknologia-alaa seuraava Pandaily kertoi julkaisusta 18. lokakuuta sen jälkeen, kun kiinalainen QbitAI oli nostanut sen esiin. Pandailyn mukaan PilotDeck sai WorkBuddy Bench -testissä Qwen3.6-35B-A3B-mallilla 79,1 pistettä ja Claude Code 77,3 pistettä. Pandailyn mukaan tämäkin luku on tiimin oma ilmoitus. Juttu ei kerro, mitä mallia Claude Code käytti, eikä tätä tulosta ole projektin GitHub-sivulla.
PilotDeckin voi ladata GitHubista AGPL-3.0-lisenssillä macOS:lle, Linuxille ja Windowsille, ja sitä voi ajaa myös Dockerilla. Asennus vaatii Node.js:n 22-sarjan, vähintään version 22.13. Käyttöliittymä toimii selaimessa, ja käyttäjä tarvitsee mallipalvelun API-avaimen. Tuettuja palveluja ovat muun muassa OpenAI, Anthropic, Google Gemini, DeepSeek, Qwen, Kimi ja MiniMax. Paikallisia malleja voi ajaa Ollamalla ilman avainta. Ohjelma tukee MCP:tä eli protokollaa, jonka avulla agentin voi liittää ulkoisiin työkaluihin.