OpenAI baut sein Git-Backend Pando mit Codex, Anthropic stellt FlashProve vor, Cohere öffnet Model Vault für offene Modelle

OpenAI erläutert Pando, das in zehn Wochen mit Codex gebaute Git-Backend seines Monorepos, das täglich fast ein Petabyte (1 Po) an Daten ausliefert; Claude Code 2.1.317 bittet nun um Zustimmung, bevor die E-Mail-Adresse des Kontos übermittelt wird, und GitHub Copilot kommt in JetBrains Air. Anthropic stellt FlashProve vor, einen Prototyp für kryptografische Inferenznachweise, OpenAI erhöht seine medianen Bug-Bounty-Prämien auf mehr als das Vierfache und Cohere öffnet Model Vault für offene Modelle anderer Anbieter. Google veröffentlicht PLE, einen Engineering-Benchmark, bei dem kein Agent über 50 % hinauskommt, und wird ab dem 1. Dezember Anfragen an Gemini 2.5 Pro und 2.5 Flash auf neuere Modelle umleiten.

Coding-Agenten: OpenAI baut Pando mit Codex, Claude Code 2.1.317, GitHub Copilot in JetBrains Air

OpenAI ersetzt das Git-Backend seines Monorepos durch Pando, in zehn Wochen mit Codex gebaut

2. November — OpenAI erläutert Pando, das neue Git-Backend, auf dem inzwischen die gesamte Entwicklung seines Monorepos (monorepo) läuft und das mit dem Git-Protokoll und dem Git-Client kompatibel ist. Der Auslöser ist Codex: Branches, Pushes, Merges und Fetches haben sich vervielfacht, und Ende 2025 sank die Zuverlässigkeit des alten Systems zeitweise unter 90 %. Laut einer Grafik im Blogbeitrag liegt die Zahl der im dritten Quartal 2026 in den Hauptbranch übernommenen Commits um 1 378 % über der des ersten Quartals 2024.

We built Pando, a new Git backend for our monorepo, to handle more pushes and fetches without changing how our engineers and agents use Git. Pando cut push latency by ~80% and now serves nearly a petabyte of Git data a day. We can grow Git capacity alongside agent usage.

🇩🇪 Wir haben Pando entwickelt, ein neues Git-Backend für unser Monorepo, um mehr Pushes und Fetches zu verarbeiten, ohne die Art zu ändern, wie unsere Ingenieure und Agenten Git nutzen. Pando hat die Latenz bei Pushes um etwa 80 % gesenkt und liefert inzwischen täglich fast ein Petabyte an Git-Daten aus. Wir können die Kapazität von Git im gleichen Tempo wie die Agentennutzung ausbauen. — @OpenAIDevs auf X

Um die Last zu bewältigen, verzichtet Pando auf eine konsistente Sicht auf alle Referenzen zu einem bestimmten Zeitpunkt: Jeder Branch wird unabhängig aktualisiert, und empfangene Pack-Dateien werden aus regionalen Caches unverändert an andere Clients weitergereicht.

Von OpenAI gemessene Kennzahl	Angegebener Wert
Mediane Latenz bei Pushes	um fast den Faktor fünf reduziert (etwa -80 %)
Ausgelieferte Git-Daten	fast ein Petabyte (1 Po) pro Tag
Stündlicher Spitzenwert	mehr als 57 To in einer Stunde, über 99 % aus dem Cache
Klonvorgänge und Fetches	10 Gbit/s-Verbindungen auf Standard-VMs ausgelastet
Entwicklungsdauer	10 Wochen mit Codex, seit April 2026 im Produktivbetrieb

Den Kern entwarf ein einziger Ingenieur; umgesetzt wurde er von Agententeams, die mit GPT-6 Astra auch Lean und TLA+ schrieben, um Pando zu formalisieren und Bugs darin aufzuspüren. OpenAI hat mehrere Korrekturen zum Git-Projekt beigesteuert und prüft nach eigenen Angaben Möglichkeiten, diese Technologie zu teilen, ohne ein Produkt oder einen Termin zu nennen.

🔗 OpenAIs Blogbeitrag zu Pando

Claude Code 2.1.317 bittet um Zustimmung, bevor die E-Mail-Adresse des Kontos übermittelt wird, und ergänzt einen Kostenbericht im Claude apps Gateway

3. November — Claude Code 2.1.317 wird um 01:25 Uhr UTC auf GitHub veröffentlicht, nachdem die Version bereits am Vorabend auf npm erschienen war. Von 87 Einträgen betreffen 62 Fehlerkorrekturen, doch die Version ergänzt auch einen Schutz für die Privatsphäre: Claude Code bittet nun um Zustimmung, bevor ein Aufruf eines Web- oder Shell-Tools die E-Mail-Adresse des Kontos über das Netzwerk übermittelt. Im gleichen Sinne warnt /schedule, wenn einer neuen geplanten Aufgabe in der Cloud nicht angeforderte Konnektoren zugewiesen werden, und zeigt, wie man sie entfernt.

Neuerung in 2.1.317	Was sich ändert
Claude apps Gateway	Kostenbericht `GET /v1/organizations/analytics/cost`: Ausgaben pro Entwickler, pro Tag oder pro IdP-Gruppe
Agent SDK	`onFailure: "block"`: Ein fehlgeschlagener Hook-Callback blockiert die Aktion, statt sie durchzulassen
Unteragenten und Teammitglieder	Bei einem anderen Modell als dem der Unterhaltung übernehmen sie die für dieses Modell gespeicherte Aufwandseinstellung
Read-Tool	Erneutes Lesen einer unveränderten Datei liefert deren Inhalt zurück, statt nur einen Hinweis
OpenTelemetry	Neue Attribute, darunter `anthropic.plan` und `anthropic.seat_type`

Zu den Korrekturen gehört, dass der Auto-Modus nicht mehr in jeder Runde hinter einem LLM-Gateway hängen bleibt, das auf seine Sicherheitsprüfung mit 403 oder 422 antwortet. Grep und Glob stellen Teilergebnisse nicht mehr als vollständig dar, wenn eine Suche ihr Zeitlimit erreicht, und claude auth status kann den Nutzer nach einer langsamen Token-Aktualisierung nicht mehr versehentlich abmelden. Auf npm bleibt der stabile Kanal bei 2.1.311.

🔗 Die Release Notes zu Claude Code 2.1.317

GitHub Copilot kommt in JetBrains Air, lokal und für Cloud-Aufgaben mit dem Copilot-Abonnement

3. November — GitHub Copilot wird zu einem der Agenten in JetBrains Air, der JetBrains-Umgebung für die Entwicklung mit Agenten, die jedem mit dem Agent Client Protocol (ACP) kompatiblen Agenten offensteht. Mit dem bestehenden Copilot-Abonnement wählt man ihn in der Agentenauswahl von Air aus, um ihm eine Aufgabe zu übertragen, ihre Ausführung zu steuern und das Ergebnis neben dem Code zu prüfen; Air verfolgt mehrere Sessions parallel. GitHub stellt ihn als zusätzliche Option neben seinem Copilot-Plugin für JetBrains vor, nicht als dessen Ersatz.

Ausführungsmodus	Voraussetzungen	Abrechnung der Nutzung
Lokal, in der JetBrains-IDE	Air in der IDE installiert, GitHub Copilot ausgewählt, Copilot-Konto verbunden	Bestehendes Copilot-Abonnement
Cloud, über Air Teams	JetBrains-Business-Organisation mit Air Teams, Copilot vom Air-Administrator aktiviert	Copilot-Tarif, keine JetBrains AI-Credits

Jede Cloud-Aufgabe läuft in einem Docker-Container auf einer neuen virtuellen Maschine hinter einem Proxy, über den der gesamte Datenverkehr geleitet wird; zwischen den Aufgaben bleibt kein Zustand erhalten. GitHub nennt auch Einschränkungen: Abonnement und Credits werden nur beim Start der Cloud-Umgebung geprüft, pro Aufgabe lässt sich nicht zwischen persönlichem Tarif und Organisationstarif wählen, und in Air kann kein Ausgabenlimit für Copilot festgelegt werden. Administratoren können Copilot dort lediglich deaktivieren.

🔗 Die Ankündigung im GitHub Changelog

Sicherheit: FlashProve bei Anthropic, OpenAIs Bug-Bounty-Prämien, CWE-bench v2 und CyberArena

Anthropic stellt FlashProve vor, einen Open-Source-Prototyp für kryptografische Inferenznachweise bei großen Modellen

2. November — Anthropics Frontier Red Team veröffentlicht FlashProve, einen am 3. November auf X angekündigten Forschungsprototyp für beweisbare Inferenz (provable inference): Damit lässt sich überprüfen, ob eine Antwort tatsächlich von einem bestimmten Modell stammt. Der Anbieter veröffentlicht zunächst eine Festlegung (commitment) auf die Gewichte und fügt dann jeder Antwort einen kompakten kryptografischen Zero-Knowledge-Beweis (zkSNARK) bei, der nachweist, dass diese Gewichte bei Anwendung auf diesen Prompt genau diese Tokens erzeugen. Die Gewichte bleiben verborgen, die Modellarchitektur jedoch nicht. Laut Anthropic hat Claude die Verbesserungen des Systems entwickelt und die Protokollspezifikation verfasst, deren Sicherheitseigenschaften in Lean bewiesen sind.

Veröffentlichte Messung (Llama 4 Maverick, Gewichte mit 4 bits)	Angegebener Wert
Durchsatz bei der Beweiserzeugung auf einem einzelnen H100	etwa 110 tokens pro Sekunde
Größe eines Beweises (Anfrage mit 1 024 tokens)	etwa 19 Mo
Verifizierung auf der CPU, ohne GPU	17 Sekunden auf 24 Threads
Mehraufwand gegenüber vLLM, pro GPU	etwa das 72-Fache, bei höchster Last das 94-Fache
VerInf, bisheriger Referenzwert für dieses Modell	14,3 Stunden für 1 000 tokens, Beweis mit 93,6 Go

Die genannten Einsatzmöglichkeiten reichen von der Überwachung des Entwicklungstempos durch eine Aufsichtsbehörde über die Herkunftsprüfung von Texten bis zur Erkennung eines kompromittierten Inferenzservers oder eines ausgetauschten Modells. Die Grenzen sind klar: Kontexte mit höchstens 1 024 Tokens, Nachweis einer vollständigen Modellversion bei gierigem Decoding (greedy decoding), keine formale Garantie für den schnellen Code. Der Code wird unter der Apache-2.0-Lizenz in einem als nicht gewartet beschriebenen Repository veröffentlicht.

🔗 Anthropics Blogbeitrag zu FlashProve · Das FlashProve-Repository

OpenAI erhöht die medianen Prämien seines Bug-Bounty-Programms auf mehr als das Vierfache, bis zu 172 000 Dollar mit Bonus

2. November — OpenAI erhöht die Belohnungen seines Programms für Schwachstellenmeldungen (bug bounty), wie am 3. November auch auf X bekannt gegeben wird: Im Durchschnitt steigen die Mittelwerte der Prämienbandbreiten für mittelschwere, schwere und kritische Schwachstellen auf mehr als das Vierfache. Eine kritische Schwachstelle in ChatGPT, Codex oder der API-Plattform kann bis zu 30 000 Dollar einbringen. Für einen außergewöhnlichen kritischen Fund sind weiterhin bis zu 100 000 Dollar als Grundprämie möglich, mit den neuen Boni also bis zu 172 000 Dollar: ein Qualitätsmultiplikator für einen zuverlässigen Proof of Concept, Treueboni in fünf Stufen und priorisierte Kampagnen zu kürzlich eingeführten Funktionen.

Von OpenAI genanntes Beispiel einer Schwachstelle	Bisherige Prämie	Neue Prämie
Mittelschwer in ChatGPT: Dateiimport ohne Schreibberechtigung	750 Dollar	2 415 Dollar
Kritisch in ChatGPT: Kontoübernahme ohne Klick	6 500 Dollar	51 577 Dollar
Außergewöhnlich: Lesen der Unterhaltungen beliebiger Nutzer	100 000 Dollar	171 925 Dollar

Die neuen Bandbreiten gelten auch für noch offene Meldungen, und OpenAI zahlt die Differenz für Prämien nach, die in den 30 Tagen vor der Ankündigung vergeben wurden. Das Sicherheitsteam wird am 20. und 21. November bei PROMPT2PWN in Oakland sein.

🔗 OpenAIs Blogbeitrag zu den Bug-Bounty-Prämien

Collinear AI veröffentlicht CWE-bench v2, bei dem Gemini 4 Argon auf 100 öffentlichen Aufgaben zur Behebung von Schwachstellen knapp vor Claude Opus 5.5 liegt

3. November — Collinear AI veröffentlicht im Blog von Hugging Face die zweite Version von CWE-bench. Der Benchmark misst, wie gut ein Agent eine Sicherheitsschwachstelle in einem echten Open-Source-Repository finden und beheben kann, ohne dessen Funktionen zu beeinträchtigen. Der öffentliche Datensatz umfasst 100 Aufgaben aus 91 Schwachstellenkategorien (CWE), die deterministisch bewertet und manuell geprüft werden; ein zurückgehaltener Datensatz bleibt privat, um Fortschritte anhand von Aufgaben zu verfolgen, die noch kein Modell gesehen hat.

Bewertetes Modell	Erfolgsquote pass@1	Erfolgsquote pass@4	Kosten pro Durchlauf
Gemini 4 Argon	67,8 %	81,0 %	3,92 Dollar
Claude Opus 5.5	67,3 %	78,0 %	1,83 Dollar
DeepSeek V4.1 Flash (1017)	57,0 %	nicht angegeben	0,04 Dollar

Von den 11 bewerteten Modellen löst mindestens eines 95 Aufgaben, doch der Spitzenreiter scheitert bei 19 % des Datensatzes in jedem Versuch. Jede Aufgabe ist eine Harbor-Umgebung (Docker-Container, Aufgabenbeschreibung, deterministischer Prüfer), die über den Hub gestartet werden kann und sich auch für das Training defensiver Agenten mit RL eignet. Gemini 4 Carbon gehört nicht zu den bewerteten Modellen.

🔗 CWE-bench v2 im Blog von Hugging Face

CyberArena lässt zwölf Agenten in Echtzeit gegeneinander angreifen und verteidigen, GPT-5.6 Sol führt dank seiner Verteidigung

3. November — 2077AI und das RDI-Zentrum der UC Berkeley veröffentlichen CyberArena, einen Benchmark, der die Cybersicherheitsprüfung durch ein Duell ersetzt: Zwei Agenten erhalten jeweils eine Kopie desselben verwundbaren Dienstes und greifen drei Runden lang die gegnerische Kopie an, während sie ihre eigene absichern. Die Arena überprüft jede erbeutete Flag und jeden Health Check des Dienstes und erstellt anschließend aus den Matches eine Rangliste.

Rang in der Rangliste	Bewerteter Agent	Verwendetes Harness	Ranglistenwert
1	GPT-5.6 Sol	OpenAI Codex	78,6
2	Claude Opus 5	Claude Code	73,8
3	GLM-5.3	OpenCode	68,5
4	Gemini 3.7 Flash	Gemini CLI	67,1
5	Grok 4.6	Grok CLI	65,5

Bei 466 gültigen Matches zwischen 12 Agenten und 40 Challenges macht die Verteidigung den Unterschied: Die beiden Erstplatzierten behalten ihre Flag in 83 % beziehungsweise 81 % der Runden, gegenüber 43 bis 61 % bei den übrigen. Die bei der Prüfung am häufigsten festgestellten Fehler sind als behoben gemeldete Schwachstellen ohne Überprüfung (23 % der geprüften Matches) und unvollständige Korrekturen (21 %). Die Rangliste umfasst Modelle früherer Generationen, ohne GPT-6 Sol oder Claude Opus 5.5; der Code der Arena, die Challenges und die Aufzeichnungen der Matches sind veröffentlicht.

🔗 CyberArena im Blog von Hugging Face

Offene Modelle in Unternehmen: Cohere öffnet Model Vault, Revolut wechselt laut Together AI zu selbst gehostetem GLM

Cohere öffnet Model Vault für offene Modelle anderer Anbieter, von DeepSeek V4.1 Flash bis GPT-OSS

3. November — Cohere öffnet Model Vault, seine im Januar gestartete souveräne Inferenzplattform, für offene Modelle anderer Anbieter. Neben den Modellen von Cohere können Unternehmen dort DeepSeek V4.1 Flash ausführen, das Cohere als das meistgenutzte offene Modell auf OpenRouter bezeichnet, sowie GLM 5.3 Flash, MiMo V2.6 Pro, Gemma 4, Nemotron von NVIDIA, Hy3 von Tencent und die Modellfamilien GPT-OSS und Phi. Standardmäßig werden weder Prompts noch Antworten gespeichert.

Der Beitrag unterscheidet zwei Stufen. Model Vault läuft auf einer Infrastruktur, die einem einzigen Kunden vorbehalten ist, in der gewählten Region. Model Vault Encrypted verschlüsselt die Daten auch während ihrer Verarbeitung (confidential computing): Laut Cohere können weder Cohere noch der Cloud-Anbieter sehen, was in das Modell eingegeben wird oder was es ausgibt. Diese zweite Stufe unterstützt nicht alle Modelle.

Modellfamilie	Model Vault	Model Vault Encrypted
Embed, Rerank, Parse, Transcribe, Translate (Cohere)	Ja	Ja
Gemma, GPT-OSS, Phi	Ja	Ja
Command, DeepSeek, GLM, MiMo, Nemotron, Hy3	Ja	Nein

Model Vault ist in den USA, der Europäischen Union und Kanada verfügbar; Model Vault Encrypted ist in den USA verfügbar, während die Europäische Union und Kanada als „bald“ angekündigt werden. Die Abrechnung erfolgt nach GPU-Typ, stundenweise oder mit einer vertraglichen Abnahmeverpflichtung; Preise nennt der Beitrag nicht. Fünf Tage nach einer Series-E-Finanzierungsrunde, bei der eine neue Modellgeneration innerhalb von zwölf Monaten angekündigt worden war, fügt Cohere in seinem Thread ein:

Try out world-class models while you wait for our next one

🇩🇪 Probieren Sie führende Modelle aus, während Sie auf unser nächstes warten. — @cohere auf X

🔗 Coheres Beitrag zu Model Vault

Revolut soll laut einem von Together AI geteilten Tweet etwa 2 000 Ingenieure zum Programmieren auf selbst gehostetes GLM umgestellt haben

3. November — Together AI teilt einen Tweet, dem zufolge Revolut offene Modelle zur Standardwahl beim Programmieren gemacht hat:

Europe’s largest private company just made open models its default for coding.

🇩🇪 Europas größtes Privatunternehmen hat gerade offene Modelle zur Standardwahl beim Programmieren gemacht. — @togethercompute auf X

Der zitierte Tweet von Guillermo Flor stützt sich auf Aussagen von David Abitbol, dem Verantwortlichen für den IA-Betrieb der Neobank: Rund 2 000 Ingenieure arbeiten inzwischen mit selbst gehostetem GLM, während Claude Code und Codex auf eine Ausnahmeliste wechseln.

Im Tweet genannte Kennzahl	Angegebener Wert
Betroffene Ingenieure	etwa 2 000
Hardware	56 GPU NVIDIA B200
Gemischter Kostensatz	30 cents pro Million Tokens, etwa ein Zehntel des Preises von Anthropic und OpenAI
Entwicklungsdurchlaufzeit (lead time)	um 70 % verbessert

Demselben Tweet zufolge stellten sich die Verbesserungen ein, als Tokens nicht mehr rationiert wurden. Together AI erklärt, Teil der Infrastruktur zu sein, auf der diese offenen Modelle im Produktivbetrieb laufen, ohne seine Rolle näher zu erläutern. Die Information bleibt aus zweiter Hand: Eine Mitteilung von Revolut wurde nicht gefunden, und die GLM-Version wird nicht genannt.

🔗 Der von Together AI zitierte Tweet von Guillermo Flor

Engineering für die physische Welt: GPT-6 Astra entwirft Hardware, Google veröffentlicht PLE, Antigravity in der Chemie, NVIDIA in Städten

OpenAI setzt GPT-6 Astra und Codex mit Mazda und Chip Ganassi Racing im Engineering physischer Produkte ein

3. November — OpenAI stellt seine Arbeiten zur Entwicklung physischer Produkte vor: mechanische Konstruktion, Elektronik und Simulation. Bei der anschaulichsten Demonstration entwarfen zwei Teammitglieder mit GPT-6 Astra in weniger als einer Woche als Nebenprojekt ein kleines Gerät, mit dem man mit Codex sprechen kann: Astra entwarf das äußere Design, das Gehäuse, die Leiterplatte, die Benutzeroberfläche und die Firmware, und ein Auftragsfertiger stellte in weniger als einem Monat eine kleine Serie von Prototypen her. OpenAI räumt ein, dass mehrere Prüfrunden nötig waren: Das Modell berücksichtigte nicht immer die Grenzen der Fertigung, die Toleranzen und die Montagedetails.

Von OpenAI veröffentlichte Kennzahl	Angegebener Wert
BenchCAD 2.0, neueres internes Modell (nicht benannt)	0,875 (durchschnittlicher Score)
BenchCAD 2.0, GPT-6 Astra mit maximalem Reasoning	0,594
Modellnutzung durch die Hardwareteams (in Tokens)	seit Februar um den Faktor 23 erhöht

BenchCAD 2.0 prüft die Rekonstruktion von 3D-Bauteilen und -Baugruppen sowie die Erkennung von Verbindungen auf einer Leiterplatte. In der Industrie erweitert OpenAI seine Zusammenarbeit mit dem Rennteam Chip Ganassi Racing, das 3D-Scans bestehender Bauteile in bearbeitbare CAO-Modelle und 2D-Fertigungszeichnungen umwandelt, und kündigt eine Forschungskooperation mit Mazda an: GPT-6 Astra hilft dessen Ingenieuren, Formen für die Fahrzeugnase zu untersuchen, die den Luftwiderstand verringern; Ergebnisse werden „in den kommenden Monaten“ versprochen. Es werden weder ein Produkt noch eine Verfügbarkeit angekündigt.

🔗 OpenAIs Beitrag zum Engineering für die physische Welt

Google veröffentlicht Physical-Engineering’s Last Exam, einen Engineering-Benchmark, bei dem kein Agent über 50 % kommt

3. November — Das Team Google AI & Infrastructure stellt Physical-Engineering’s Last Exam (PLE) vor, einen gemeinsam mit Mercor entwickelten Benchmark samt offenem Wettbewerb, der messen soll, wie gut Agenten reale Engineering-Aufgaben bewältigen. Die 85 umfangreichen Aufgaben (30 in Mechanik, 27 in Elektrotechnik, 18 im Bauingenieurwesen, 10 im Tragwerksbau) versetzen den Agenten in ein containerisiertes Projektverzeichnis mit durchschnittlich 61 Dateien: PDFs, Tabellen, E-Mails, 2D-CAO-Zeichnungen und 3D-BIM-Modelle. Ein Arbeitsergebnis erhält nur dann Punkte, wenn es sämtliche Sicherheitsprüfungen besteht.

Rang in der Rangliste	Bewertetes Modell	Nativer Harness	Durchschnittlicher Score
1	Claude Opus 5.5	Claude Code	48,3 %
2	GPT-6 Astra	Codex	45,8 %
3	Claude Sonnet 5.5	Claude Code	43,5 %
4	Gemini 4 Argon	Antigravity	40,6 %
5	Claude Opus 5	Claude Code	40,0 %

Von 14 mit sieben öffentlichen Harnesses getesteten Modellen überschreitet keines 50 % auf dem privaten Testdatensatz. Die beste Konfiguration erfüllt 91 % der einzeln betrachteten Vorgaben, doch nur 41,3 % ihrer Arbeitsergebnisse bestehen sämtliche Sicherheits- und Machbarkeitsprüfungen. Das Modell hat deutlich mehr Einfluss als der Harness: bis zu 50 Punkte Unterschied zwischen Modellen gegenüber einem medianen Unterschied von 3 Punkten zwischen Harnesses beim selben Modell. Google veröffentlicht 29 Aufgaben, die Bewertungsskripte und den Evaluierungscontainer und öffnet die Einreichung für den privaten Datensatz.

🔗 Der Beitrag von Google Cloud zu PLE · Die PLE-Rangliste

Google DeepMind stattet Antigravity mit Cheminformatics Skills aus, die einen Designzyklus in der Wirkstoffentwicklung auf eine Stunde verkürzen

3. November — Google DeepMind stellt Cheminformatics Skills für Google Antigravity vor, die die agentische Umgebung zu einem Arbeitsplatz für Chemiker machen. Die Rollenverteilung ist klar: Das Sprachmodell orchestriert die Arbeit, navigiert durch Datenbanken und schlussfolgert, während deterministische Chemiewerkzeuge auf Basis der Open-Source-Bibliothek RDKit und der Datenbanken ChEMBL und PubChem die molekularen Berechnungen ausführen.

Die Demonstration greift einen Klassiker der medizinischen Chemie auf: Crizotinib, einen gegen bestimmte Lungenkrebsarten eingesetzten Tyrosinkinase-Inhibitor, strukturell zu versteifen, um zu Lorlatinib, seiner zyklisierten Variante, zu gelangen. Der Agent trägt innerhalb weniger Minuten Tausende Verbindungen aus der Fachliteratur zusammen, analysiert korrespondierende Molekülpaare, trainiert Modelle zur Vorhersage der Wirkstärke und schlägt anschließend neue Makrozyklen samt Synthesewegen vor. Laut DeepMind lässt sich dieser Zyklus, der normalerweise mehrere Tage dauert, in einer Stunde durchlaufen. Der Beitrag knüpft an den vom 15. Oktober zu antimikrobiellen Peptiden an und verweist auf die Science-Seite von Antigravity, über die Google 10 000 Wissenschaftlern auf Bewerbung sechs Monate kostenlosen Zugang zur höchsten Stufe und zu Gemini 4 Argon eröffnet, ohne gesonderte Zugangsbedingungen für diese Skills.

🔗 Der Beitrag von Google DeepMind

NVIDIA stellt in Barcelona die städtischen Dienste vor, die seine Partner mit seiner physischen und agentischen IA entwickeln

3. November — Anlässlich des Smart City Expo World Congress in Barcelona (vom 3. bis 5. November) veröffentlicht NVIDIA einen Überblick über städtische Dienste, die seine Partner mit seinen Bausteinen für physische und agentische IA entwickeln: offene Nemotron-Modelle, Cosmos-Weltmodelle, Omniverse-Bibliotheken und den Metropolis-Blueprint für Videosuche und -zusammenfassung.

Genannter Partner	Einsatzort	Angegebene Kennzahl
1MillionBot	Spanien	mehr als 150 Bereitstellungen von Agenten im Dienst der Einwohner
ITMAX	Malaysia	mehr als 17 000 eingebundene Kameras bis 2027
ITMAX mit TeraSim	Malaysia	bis zu 26 % weniger Fahrzeit zur Hauptverkehrszeit
Linker Vision und MVRDV	Taiwan	15 Jahre Entwicklung eines städtischen Baumkronendachs in 10 Minuten simuliert

1MillionBot kombiniert die am Barcelona Supercomputing Center trainierten Open-Source-Modelle ALIA mit Nemotron; K2K nutzt in Wrocław die vorhandenen Kameras, Honeywell stattet die Lekki-Raffinerie von Dangote in Nigeria mit Nemotron-Agenten aus, und Cires Technologies erweitert eine souveräne IA-Fabrik im Hafen Tanger Med. Es wird kein neues NVIDIA-Produkt angekündigt: Der Beitrag zeigt Beispiele aus dem Einsatz.

🔗 NVIDIAs Beitrag zu Städten

Offene Veröffentlichungen: technischer Bericht zu Mistral Large 4, pplx-embed-v2-context, StateBench und FineDNA

Mistral veröffentlicht den technischen Bericht zu Mistral Large 4, der die Entwicklung von Le Chonk beschreibt

3. November — Mistral veröffentlicht den technischen Bericht zu Mistral Large 4, dem Modell mit dem Spitznamen Le Chonk, dessen Gewichte am 29. Oktober erschienen sind. Das am 2. November auf Hugging Face und anschließend auf alphaXiv veröffentlichte Dokument beschreibt ein multimodales Expertenmischmodell (mixture-of-experts) mit 52 Milliarden aktiven Parametern bei insgesamt 1 000 Milliarden. Laut Abstract und Einleitung beleuchtet es zunächst eine Architekturentscheidung: Die während der Entwicklung auf die Spitze getriebene Reduzierung des KV-Cache, die das Modell kostengünstiger bereitstellen sollte, beeinträchtigte agentische Aufgaben. Das Team maß diesen Nachteil und behob ihn anschließend durch einen chirurgischen Eingriff am Modell (model surgery): zunächst durch die Umstellung auf vollständige Attention, dann auf die Sparse Attention von DeepSeek (DeepSeek Sparse Attention, DSA). Bei den Daten schreiben Agenten selbst ausführbare Umgebungen, Aufgaben, Referenzlösungen und Prüfroutinen, während andere fehlerhafte Aufgaben reparieren und sich dabei gegen das Umgehen des Belohnungssystems (reward hacking) absichern.

Bewertete Kennzahl	Wert laut Bericht
Legal Agent Benchmark von Harvey (erstmals veröffentlichter Wert)	15 %
Terminal-Bench 4.0	41 %
FrontierCode 2.0	19,7 %
Cybersicherheit (Durchschnitt aus JailbreakBench, StrongREJECT, AgentHarm)	96,6 %
In NVFP4 quantisierter Checkpoint	606 Go, auf vier GB300-GPU bereitgestellt

Die kalibrierte NVFP4-Quantisierung erreicht bei den Evaluationen das Niveau der FP8-Referenz, und die drei Reasoning-Stufen (high, medium, low) stammen aus einer Destillation anhand mehrerer Lehrermodelle mit unterschiedlicher Ausführlichkeit.

🔗 Der technische Bericht auf alphaXiv · Mistrals Ankündigung auf X

Perplexity veröffentlicht pplx-embed-v2-context, offene Modelle für kontextuelle Embeddings in 9B und 0.6B

2. November — Perplexity veröffentlicht pplx-embed-v2-context, Modelle für kontextuelle Embeddings mit offenen Gewichten in zwei Größen, 9B und 0.6B, einen Monat nach der 9B-Vorabversion vom 30. September. Ein kontextuelles Embedding bildet eine Passage (chunk) unter Berücksichtigung des gesamten Dokuments ab: Jedes Modell liefert entweder einen int8-Vektor pro Dokument oder einen Vektor pro Passage. Die Neuerung liegt im Training: Statt anzunehmen, dass eine einzige Referenzpassage (gold chunk) die Anfrage beantwortet, destilliert Perplexity abgestufte Relevanzwerte aus dem Modell zur Kontextkompression seines Antwortsystems, sodass Passagen, die eine Antwort stützen, nicht mehr als negative Beispiele gelten.

Von Perplexity angegebene Kennzahl	Veröffentlichtes Ergebnis
ConTEB, context-bench und Q2D-Chunk	9B liegt bei allen drei Benchmarks vorn
ViDoRe-V3, visuelle Dokumente	9B vor Nemotron-3.5-Embed-8B, mit einem um den Faktor 4 kleineren Index
ViDoRe-V3 in markdown	0.6B an erster Stelle unter den Modellen mit weniger als 1 Milliarde Parametern
Q2D-Chunk, neuer öffentlicher Benchmark	6 069 reale Anfragen, 10 Sprachen, 71 100 Dokumente

Der gemeinsam mit turbopuffer verfasste Forschungsartikel ist auf arXiv veröffentlicht, und Q2D-Chunk ist auf Hugging Face als öffentliche Rangliste zugänglich. Das 9B-Modell wird dort unter MIT-Lizenz veröffentlicht, während die Modellkarte des 0.6B keine Lizenz ausweist; der Thread nennt weder API noch Preise.

🔗 Der Thread von @perplexitydevs · Der Artikel auf arXiv

Ai2 veröffentlicht StateBench, einen Benchmark, der zeigt, dass Frontier-Modelle bei der Zustandsverfolgung in langen Dokumenten einbrechen

3. November — Ai2 veröffentlicht StateBench, einen Benchmark zur Zustandsverfolgung in langen Kontexten (long-context state tracking): der Fähigkeit eines Modells, Informationen zu verfolgen, die sich im Verlauf eines langen Dokuments ändern, etwa eine Variable, der im Code ein neuer Wert zugewiesen wird. Vier Schwierigkeitsstufen aus der Krohn–Rhodes-Theorie reichen von der unveränderlichen Zuweisung bis zur Zuweisung per Referenz.

Schwierigkeitsstufe	Zuweisungstyp	Beispiel von Ai2
r-trivial	unveränderlich	`let x = 4`
aperiodisch	Neuzuweisung per Wert	`x = 4` dann `x = 2`
auflösbar	selbstreferenzielle Aktualisierung	`x = x + 5`
allgemein endlich	Zuweisung per Referenz	`x = y`, Variablentausch

Gemini 3.8 Flash, Claude Opus 5.5, GPT-6 Sol und GPT-6 Luna schneiden auf den ersten beiden Stufen gut ab. Auf den letzten beiden sinkt ihre Genauigkeit jedoch mit zunehmender Länge, bis auf 13 % oder weniger bei den längsten Problemen der allgemein endlichen Stufe. Modelle mit 275M Parametern, die mit höchstens 256 Zuweisungen trainiert und mit bis zu 64 000 getestet wurden, zeigen die Unterschiede zwischen den Architekturen: Gated DeltaNet und Hybridmodelle generalisieren auf den ersten drei Stufen nahezu perfekt, während Transformer nachlassen und die letzte Stufe nie erlernen. Daten und Code wurden veröffentlicht.

🔗 StateBench im Blog von Hugging Face

Hugging Face veröffentlicht FineDNA, die vollständigen Trainingsdaten von Carbon-X, um einem Sprachmodell ADN beizubringen

1. November — Nachtrag: Hugging Face veröffentlicht FineDNA, sämtliche Daten, mit denen Carbon-X trainiert wurde. Das auf Qwen3-14B basierende Modell kann ADN lesen und wurde am 22. Oktober vorgestellt. Der unter Apache 2.0 lizenzierte Datensatz deckt alle drei Trainingsphasen ab.

Trainingsphase	Größe des Datensatzes	Ausgangsmodell
Zwischenphase (mid-training), 23 Konfigurationen	514,30 Milliarden Tokens, davon 302 Milliarden gelesen	Qwen3-14B
SFT, 8 Bereiche	203 923 Gespräche	Carbon-X-Base
RL	98 433 Prompts	Carbon-X-SFT

In der Zwischenphase entfallen 55 % des Trainings auf ADN, 20 % auf Englisch, 15 % auf biologische Texte und 10 % auf Anweisungen. Die Sequenzen aus GENERator und OpenGenome2 werden für einen Tokenizer, der 6-mers liest, in Abschnitte mit einem Vielfachen von sechs Basen zerlegt. Laut Loubna Ben Allal, die den Datensatz angekündigt hat, ist diese Phase entscheidend für die weiteren Schritte: Direkt auf Qwen3-14B angewendet, bleibt RL bei FrontierVEP auf Zufallsniveau, während dasselbe Verfahren beim entsprechend vorbereiteten Modell Fortschritte erzielt.

🔗 FineDNA auf dem Hugging Face Hub · Die Ankündigung von Loubna Ben Allal auf X

Die Gemini API stuft Gemini 2.5 Pro und 2.5 Flash als veraltet ein und wird deren Anfragen am 1. Dezember an Gemini 3.8 Flash und 3.5 Flash-Lite weiterleiten

2. November — Google vermerkt in den Versionshinweisen der Gemini API, dass die im Juni 2025 veröffentlichten Modelle Gemini 2.5 Pro und Gemini 2.5 Flash als veraltet eingestuft werden. Beide Modelle werden in Google AI Studio nicht mehr angeboten, und der API-Zugriff ist Nutzern vorbehalten, die sie bereits verwendet haben. Am 1. Dezember 2026 wird die API Anfragen automatisch weiterleiten, statt einen Fehler zurückzugeben: Anfragen an gemini-2.5-pro gehen an Gemini 3.8 Flash, Anfragen an gemini-2.5-flash an Gemini 3.5 Flash-Lite. Abgerechnet wird zu den Preisen der neuen Modelle.

Betroffenes Modell	Eingabepreis (pro Million Tokens)	Ausgabepreis (pro Million Tokens)
gemini-2.5-pro (Prompts ≤ 200 000 Tokens)	1,25 Dollar	10 Dollar
gemini-3.8-flash bis zum 31. Dezember 2026	0,75 Dollar	3,75 Dollar
gemini-3.8-flash ab dem 1. Januar 2027	1,50 Dollar	7,50 Dollar
gemini-2.5-flash	0,30 Dollar (1 Dollar für Audio)	2,50 Dollar
gemini-3.5-flash-lite	0,30 Dollar, einschließlich Audio	2,50 Dollar

Google empfiehlt, die Modellkennung vor diesem Datum zu ändern, da die Migration inkompatible Änderungen mit sich bringt: Validierung von Funktionsaufrufen und thought_signature, thinking_level anstelle von thinking_budget, entfernte Sampling-Parameter und der Wegfall vorbefüllter Modell-Turns.

🔗 Die Versionshinweise der Gemini API · Die Seite zu veralteten Modellen

Plugins und Integrationen für Assistenten: Perplexity Computer unterstützt Agent Plugins und erhält eine E-Commerce-Variante, Synthesia stellt sein ChatGPT-Plugin im Detail vor

Perplexity Computer unterstützt den offenen Standard Agent Plugins für seine Verbindungen und Skills

3. November — Perplexity Computer unterstützt Agent Plugins, ein Format, das Verbindungen zu Anwendungen und Skills in einem Paket bündelt. Nutzer können den Katalog von Computer durchsuchen, der in mindestens 13 Kategorien gegliedert ist, von Produktivität und Zusammenarbeit bis zu Daten und Analytik, mit beispielsweise HubSpot, IBISWorld oder DoorDash Drive. Alternativ lassen sich eigene Plugins von GitHub oder aus einer .zip-Datei importieren. Laut @AskPerplexity sind die Plugins in Computer aktiv und werden derzeit für Enterprise-Konten ausgerollt.

Agent Plugins ist ein offener, anbieterunabhängiger Standard, der am 6. August vorgestellt wurde. Seine Spezifikation 1.0.0 legt ein gemeinsames Format für Agent Skills und MCP-Server fest: verpflichtendes Manifest plugin.json, Ordner skills/, Datei mcp.json. Der Tweet von Perplexity nennt Maintainer von Amazon, Cursor, GitHub, OpenAI und Vercel; die Website des Standards nennt in ihrem ursprünglichen Lenkungsausschuss Microsoft anstelle von GitHub. Auf der Seite der kompatiblen Clients steht Perplexity Computer neben GitHub Copilot, VS Code, Cursor, Kiro und ChatGPT & Codex. Für Computer ist dies eine Fortsetzung des Skills Marketplace vom September; die Ankündigung wird weder von einem Blogbeitrag noch von einem Changelog begleitet.

🔗 Die Ankündigung von @AskPerplexity · Der Standard Agent Plugins

Perplexity startet Computer for e-commerce, das Shopify, Meta-Werbung und Klaviyo verbindet

3. November — Perplexity stellt Computer for e-commerce vor, das seinen Agenten Computer für Online-Marken einsetzt: Er verbindet sich mit Shopify für Shopdaten und Landingpages, mit Meta für Werbung und mit Klaviyo für E-Mail-Marketing. Dabei wendet er die Gestaltungsrichtlinien und den Tonfall an, die die Marke in Skills hinterlegt hat.

Verbundener Dienst	Aufgabe von Computer
Shopify	Verkaufsanalyse, Produktempfehlung, Landingpage
Meta	Statische Anzeigen, Varianten erfolgreicher Videos, Einrichtung der Kampagne
Klaviyo	Zielgruppe aus Kundendaten, Text, Planung oder Versand nach Prüfung

Das Unternehmen legt Ziele, Budgets und freizugebende Schritte fest: Veröffentlichung von Seiten, Versand von E-Mails und Werbeausgaben. Als Beispiel nennt Perplexity eine Sommerkollektion mit 15 % Rabatt, eine zweiwöchige Meta-Kampagne mit einem Budgetlimit von 1 000 Dollar und eine Klaviyo-Kampagne für Bestandskunden. Alles wird vor dem Start zur Prüfung vorgelegt. Shopify gehörte bereits zu den mehr als 400 Integrationen von Computer; Perplexity bietet Hilfe bei der Einrichtung wiederkehrender Workflows an, ohne einen Preis oder Tarif zu nennen.

🔗 Der Beitrag von Perplexity zu Computer for e-commerce

Synthesia stellt sein ChatGPT-Plugin im Detail vor, das in allen Tarifen verfügbar ist

3. November — Nach der Ankündigung am Vortag auf X, zu der es keinen Blogbeitrag gab, erläutert Synthesia sein Plugin nun in einem Beitrag von Dan Spooner, dem für Workflows zuständigen Produktmanager. Das Plugin ist in ChatGPT für alle Synthesia-Tarife verfügbar, und der Einstieg ist kostenlos: Es wird über das Plugins-Menü von ChatGPT aktiviert; dabei lässt sich auch ein kostenloses Konto anlegen. Der Nutzer beschreibt das gewünschte Video oder stellt ein Dokument, eine Präsentation oder eine Tabelle bereit. ChatGPT stellt einige Fragen, etwa zum visuellen Stil und zur Dauer, anschließend erstellt Synthesia das Video im Gespräch.

Standardmäßig werden die Videos mit Syren erstellt, das als schnellstes Format vorgestellt wird. Die Anweisung „erstelle es in Studio“ wechselt zu Synthesia Studio, wenn ein Avatar einen Text wortgetreu sprechen soll, ein Marken-Kit oder eine Vorlage benötigt wird. Das Plugin durchsucht außerdem die Videobibliothek und lässt sich mit anderen an ChatGPT angebundenen Plugins für einmalige oder geplante Workflows kombinieren, beispielsweise für eine 60-sekündige Zusammenfassung eines Zoom-Anrufs oder ein tägliches Begrüßungsvideo auf Grundlage von BambooHR. Der Beitrag nennt nur ChatGPT, nicht Claude, und macht weder Angaben zum Preis noch zum Credit-Verbrauch.

🔗 Der Beitrag von Synthesia

Google führt Guided Learning in Google Classroom ein, testet es in der Suche und wird Gemini für K-12-Schüler standardmäßig deaktivieren

3. November — Google bündelt seine Bildungsankündigungen rund um Guided Learning, den Lernmodus von Gemini, der Schüler mit Fragen und schrittweisen Erklärungen anleitet, statt ihnen die Antwort zu geben. Laut dem Hauptbeitrag ist er ab sofort weltweit in Google Classroom verfügbar: Die Lehrkraft weist eine auf ihren Unterrichtsmaterialien beruhende Aktivität zu und sieht in Echtzeit, wo die Klasse Hilfe benötigt. Die Google Suche wird diese Funktionen für Schüler- und Studierendenkonten integrieren; ein Pilotprojekt an ausgewählten US-Schulen soll später im November starten.

Die weitreichendste Änderung betrifft die Zugriffskontrollen: Gemini, Gemini Notebook, Gemini in Classroom und die Google Suche werden für Schülerkonten vom Kindergarten bis zum Schulabschluss (K-12) vollständig deaktiviert, solange der Administrator der Bildungseinrichtung sie nicht aktiviert hat. Ein Datum wird nicht genannt: Google wird den Schulen in den kommenden Monaten nähere Informationen geben.

Von Google berichtete Messgröße	Veröffentlichter Wert
Randomisierte Studie an der Universität Tokio	mehr als 300 Studierende, ein halber Tag Lernen
Lernfortschritt allein mit Webtools	+5,3 Prozentpunkte
Lernfortschritt mit Guided Learning	+8,1 Punkte, also 1,5-mal so hohe Lernzuwächse
Förderung durch Google.org	mehr als 9,5 Millionen Dollar für fünf Organisationen

🔗 Der Beitrag von Google zu KI und Lernen · Die Studie zu Guided Learning

Tools von Hugging Face: MOPD in TRL und Model Integration Contracts für Transformers

TRL unterstützt MOPD, die Destillation mit mehreren Lehrermodellen, die RL-Experten zu einem einzigen Modell zusammenführt

3. November — TRL, die Post-Training-Bibliothek von Hugging Face, unterstützt On-Policy-Destillation mit mehreren Lehrermodellen (Multi-Teacher On-Policy Distillation, MOPD). Diese Technik wurde im Januar von Xiaomi für MiMo-V2-Flash so benannt und wird laut dem Beitrag von Sergio Paniego inzwischen von DeepSeek, Moonshot, NVIDIA, Liquid AI und Mistral eingesetzt. Nach einem gemeinsamen SFT erhält jeder Bereich, etwa Mathematik, Code oder Befolgen von Anweisungen, einen eigenen, mit RL trainierten Experten. Anschließend beantwortet ein Schülermodell Prompts aus allen Bereichen, und der jeweilige Experte bewertet seine Antwort Token für Token.

In TRL leitet das noch experimentelle AsyncDistillationTrainer jeden Prompt an sein Lehrermodell weiter. An der synchronen Version wird gearbeitet (PR 7215), und MOPD erscheint noch nicht in den Versionshinweisen von TRL v1.17. Das Beispiel nutzt die Open-MOPD-Experten rund um SmolLM3-3B und läuft über Hugging Face Jobs auf einer einzigen Maschine mit vier H200. Der Beitrag weist auf einen Fallstrick hin: Das Befolgen von Anweisungen kann 20 % der Prompts, aber nur 1 bis 2 % der Tokens ausmachen, sodass das Schülermodell von diesem Lehrermodell kaum lernt.

🔗 MOPD in TRL im Blog von Hugging Face

Hugging Face schlägt Model Integration Contracts vor, um Regressionen in Transformers vor dem Merge auf der CPU zu erkennen

3. November — In einem Beitrag von Tarek Ziadé schlägt Hugging Face Model Integration Contracts (MIC) vor, um Transformers-Modelle auf einem einfachen Prozessor zu testen, bevor eine Änderung den Hauptbranch erreicht. Ausgangspunkt: Am 30. Juli führte die Aktivierung von SDPA-Attention für T5 dazu, dass der Decoder von UMT5 während des Trainings zukünftige Tokens sehen konnte. Dieser Bug blieb fast zwei Monate im Hauptbranch. Bei einer erneuten Prüfung von fünf Monaten an Commits erkennt ein kleines UMT5-Modell mit 66 MB gegenüber 1 227 MB beim eigentlichen Checkpoint den Fehler bei jedem Commit.

Ein Contract kombiniert ein verkleinertes Modell, das alle Schichttypen des Originals beibehält, ein ausführbares Anwendungsbeispiel und von einem Menschen geprüfte Referenzwerte. Llama 4 Scout schrumpft so von 108,6 Milliarden auf 44,7 Millionen Parameter. Das Kommandozeilenwerkzeug tmic lässt den Contract von einem LLM erstellen und von einem Menschen validieren. Die Gewichte spielen eine Rolle: Bei Whisper erkennen zufällige Gewichte 18 der 24 gezielt eingebauten Fehler, überangepasste Gewichte dagegen 24 von 24. Mit Stand vom 1. November meldet der Job in der CI von Transformers Fehlschläge, ohne PR bislang zu blockieren.

🔗 Der Beitrag von Hugging Face zu Model Integration Contracts

Kurzmeldungen

Agenten und Coding-Tools

Oktober-Rückblick zu Claude Code — Der Thread von @ClaudeDevs macht eine Variable bekannt, die in den Release Notes fehlt: CLAUDE_CODE_EVEN_MORE_DANGEROUSLY_SKIP_PERMISSIONS=1 lässt die wenigen riskanten rm-Befehle ohne Bestätigung durch, für die der Modus bypass permissions weiterhin eine Bestätigung verlangte; nur in einem Wegwerfcontainer verwenden (Claude Code 2.1.311 oder höher). Cloud-Sitzungen werden außerdem schon während der Eingabe vorbereitet und akzeptieren einen Kommentar zu einer Zeile im Diff. 🔗 Quelle
Copilot CLI 1.0.106-4 bis 1.0.106-6 — Drei Vorabversionen in einer Nacht: /settings wird zu einem einheitlichen Dashboard mit globaler Suche, ausschließlich für den Nutzer bestimmte MCP-Inhalte werden nicht mehr an das Modell gesendet, und 67 Fehlerbehebungen entschärfen unter anderem neue Escape-Sequenzen. Die neueste stabile Version bleibt 1.0.105. 🔗 Quelle
Gemini CLI — Die Nightly vom 3. November enthält endlich die am Vortag gemergte Fehlerbehebung für unterbrochene Whisper-Downloads, und eine neue, in main gemergte PR sichert den Download von Erweiterungen ab: Die temporäre Datei wird atomar verschoben, Schutz vor SSRF und DNS-Rebinding wird ergänzt, GITHUB_TOKEN bleibt github.com vorbehalten. Stable und Preview bleiben unverändert. 🔗 Quelle
Gemini API CLI v0.4.5 — Nachtrag zum 30. Oktober: Die Transkription verwendet standardmäßig Gemini 3.5 Transcribe, ergänzt um einen Parameter zur Videovergrößerung und die Wiederaufnahme langer Aufgaben per Fortsetzungs-Token; Google hat am 2. November seinem offiziellen Repository gemini-skills einen Skill namens gemini-api-cli hinzugefügt. 🔗 Quelle
DeepSeek Harness 0.2.2-alpha.3 — 36. Vorabversion ohne stabile Version: Eine experimentelle Funktion verbindet Code-Review und Git-Worktrees (lokale Diffs und PR-Diffs, dem Agenten zitierter Code, Nachverfolgung von Prüfungen), und ein standardmäßig deaktiviertes Tool apply_patch kommt hinzu. 🔗 Quelle
Artifacts von Amp — An den Thread angehängte Dokumente (Plan, Bericht, Gesprächsnotizen), die Agent, Nutzer und Teammitglieder gemeinsam bearbeiten; der Agent liest die Änderungen vor der Fortsetzung, statt sie zu überschreiben. 🔗 Quelle
Service Accounts von Amp — Konten im Besitz des Workspace mit eigenen API-Schlüsseln für Teamautomatisierungen: Review jeder Pull Request, Dokumentation oder ein CI-Job, der über amp -ox einen Thread eröffnet. Keine Preisangabe. 🔗 Quelle
Replit Agent in Slack — Bereits am 27. Oktober erwähnt, kommt Replit Agent nun offiziell zu Slack: Man erwähnt ihn in einem Kanal oder per Direktnachricht, um die Codebasis abzufragen, an einem bestehenden Projekt zu arbeiten oder ein neues zu starten; jedes Teammitglied verknüpft sein Konto, und der Agent handelt mit dessen Berechtigungen. 🔗 Quelle
Release Notes von Devin — Die vom 2. November erhöhen die Obergrenze eines Code-Scans von 500 auf 1 000 Repositories und ergänzen geplante automatische Scans; die bislang nicht erfassten vom 30. Oktober bringen hierarchische Budgets, SSO per OIDC oder SAML im Self-Service und den Import von Befunden aus SonarQube, Linear und Vanta. 🔗 2. November · 🔗 30. Oktober
Agent-Harnesses bei IBM Research — Mit demselben offenen Modell GLM-5.3-flash bei 90 AppWorld-Aufgaben löst CUGA, der Open-Source-Harness von IBM, 81,1 % der Aufgaben, gegenüber 46,7 % für Hermes und 30,0 % für Deep Agents; IBM räumt die Grenzen des Vergleichs ein (nur ein Benchmark, unterschiedliche Konfigurationen). 🔗 Quelle
Kimi Work 3.2.24 — Markdown-Dateien in der Vorschau unterstützen Notizeigenschaften, die Netzwerkeinstellungen übernehmen den System-Proxy, und die Netzwerkdiagnose lässt sich offline öffnen; Version 3.2.23 vom 30. Oktober öffnete HTML-Vorschauen bereits in einem Browser-Tab. 🔗 Quelle

Entwicklungsplattformen und APIs

GitHub MCP Server 2.1.0 — Zwei experimentelle Tools, issue_artifact_read und issue_artifact_write, lassen Agenten die an Issues angehängten Artefakte lesen und verwalten; sie bleiben auch im Insiders-Modus standardmäßig deaktiviert und lassen sich über das Flag issue_artifacts aktivieren. 🔗 Quelle
Dependabot und Agent Package Manager — Die Versionsupdates von Dependabot decken jetzt Skills, Prompts und Agentenanweisungen ab, die in apm.yml deklariert sind, einschließlich der Neugenerierung von apm.lock.yaml; keine Sicherheitsupdates. Auf github.com für alle Tarife verfügbar. 🔗 Quelle
Python 3.15 in CodeQL und Dependabot — CodeQL 2.27.3 unterstützt die Syntax von Python 3.15 und ergänzt ein optional aktivierbares Bedrohungsmodell „ai“ ohne integrierte Quelle für von einem LLM erzeugte Daten; Dependabot unterstützt ebenfalls Projekte, die auf Python 3.15 umgestellt wurden. 🔗 CodeQL 2.27.3 · 🔗 Dependabot
GitHub Desktop — Nach GitHub CLI am 21. Oktober stellt GitHub Desktop ab Version 3.6.10 auf kurzlebige, automatisch erneuerte Authentifizierungs-Token um, um den Zeitraum zu verkürzen, in dem ein offengelegter Token ausgenutzt werden kann; schrittweise Einführung, ohne GitHub Enterprise Server. 🔗 Quelle
Kostenstellen in der REST-API von GitHub — Ein neuer Endpoint ermittelt direkt die Kostenstelle eines Nutzers, einer Organisation, eines Repositories oder eines Enterprise-Teams, statt alle Kostenstellen durchzugehen. 🔗 Quelle
SDKs von OpenAI — openai-python 3.44.0 und openai-node 7.49.0 ergänzen Workload-Identitätsanbieter und Föderationsregeln, nachdem frühere Versionen die Delegationstools von Live Responses erweitert hatten; im API-Changelog steht dazu noch nichts. 🔗 Quelle
Claude als vertrauenswürdiger Aussteller — In den Tarifen Team und Enterprise kann Claude für jedes Mitglied bürgen, um Plugins automatisch zu verbinden, wenn der Identitätsanbieter keine vom Unternehmen verwaltete Authentifizierung unterstützt; in der Beta mit 14 Plugins, darunter Atlassian, Figma, Linear und Notion. 🔗 Quelle
Textwasserzeichen von Claude — Nach Claude Fable 5.1 und Claude Mythos 5.1 deckt das Textwasserzeichen von Anthropic auch Claude Mythos 5, Claude Opus 4.7 und Claude Sonnet 4.6 ab, ohne versteckte Token oder Zeichen; bei Sonnet 4.6 können Änderungen an temperature, top_p oder top_k es verhindern. 🔗 Quelle

Sicherheit

Isolierte Cloud-Agenten bei Replit — In einem von Replit aufgegriffenen Sicherheitshinweis fordert dessen CTO Luis Héctor Chávez, verwaltete und isolierte Cloud-Agenten zum Standard zu machen, wobei Zugangsdaten, Netzwerk und Produktionsumgebung außerhalb der Reichweite des Agenten bleiben; laut einer zitierten Umfrage von Salt Security haben 86,4 % der Befragten einen Agenten im Einsatz, aber nur 17,5 % wissen, wie sie ihn automatisch stoppen können. 🔗 Quelle
Sicherheitsleitfaden von Cognition — Jack Cable, Mitgründer von Corridor, fasst die Vorfälle im Oktober zusammen (6,34 Milliarden Dollar bei Binance gestohlen, manipulierte Claude-Code-Erweiterung in Cursor) und empfiehlt phishingresistente MFA, die Entfernung von Secrets von Arbeitsrechnern, Cloud-Coding-Agenten und ein Mindestalter von 7 Tagen für npm- oder PyPI-Pakete. 🔗 Quelle
Sicherheitssprint von OpenAI — Im selben Thread wie die Erhöhung der Prämien kündigt OpenAI ohne Termin seinen nächsten internen Sicherheitssprint mit den Forschern von Cathedral an, die seine Modelle nutzen werden, um seine Schutzmaßnahmen zu testen; beim vorherigen waren 25 % seiner Produktingenieure beteiligt. 🔗 Quelle
Cisco und Daybreak — Cisco kombiniert seine Netzwerktelemetrie mit Daybreak und GPT-6 Astra, um Schwachstellen schneller zu finden und zu beheben, und untersucht mit OpenAI eine schnellere Bewertung der Gefährdung in Cisco Cloud Control; Fallstudie ohne Zahlen. 🔗 Quelle

Google: Workspace, Cloud und Forschung

Gemini in Google Slides — Nachtrag zum 30. Oktober: Gemini bearbeitet mit einer Anfrage mehrere Folien oder eine ganze Präsentation (Stile, Inhalte aus Drive, Zusammenführen von Folien), ausschließlich auf Englisch und mit vorübergehenden Nutzungslimits im Rahmen einer Aktion bis mindestens zum 1. Dezember. 🔗 Quelle
Avatare in Google Vids — Die am 2. November angekündigte Erstellung eines Avatars aus einem hochgeladenen Bild wird bereits am Folgetag ausgesetzt, ohne neuen Termin. 🔗 Quelle
Ausgabenlimits von Google Cloud — Nachtrag zum 31. Oktober: Die Ausgabenlimits sind nun allgemein verfügbar, mit einer API und monatlicher Zurücksetzung; bei KI-Diensten greifen sie innerhalb weniger Minuten auf Basis live geschätzter Kosten, ohne jemals den bereitgestellten Durchsatz zu unterbrechen. 🔗 Quelle
Google in Singapur — Google eröffnet ein Forschungszentrum in Singapur und stellt gemeinsam mit der NUS und der NTU mehr als 6 Millionen Dollar an Fördermitteln bereit, davon 1,5 Millionen für die Alzheimer-Forschung, sowie weitere 3 Millionen von Google.org und Google DeepMind für das Thrive Lab des INSEAD. 🔗 Quelle

Offene Modelle und Community-Beiträge

Mistral Large 4 auf Open Math OS — Mistral kündigt die Aufnahme von Large 4 (1,05T offene Gewichte, Kontext von 1M) in die mathematische Forschungsumgebung von SAIR an, die für zugelassene Teams „ab heute“ nutzbar sei, während SAIR es bereits am 27. Oktober als verfügbar bezeichnet hatte. 🔗 Quelle
Orbital Trace — Neue Demonstration von Mistral: Laut Anbieter hat Large 4 eine 3D-Echtzeitverfolgung von rund 19 000 Satelliten und Trümmerteilen in der Umlaufbahn erstellt, getestet und optimiert; das Ergebnis wird nur in einem Video gezeigt, ohne Link oder Code. 🔗 Quelle
Olmo 3 in Nextcloud — Nextcloud, das unter anderem von der deutschen Bundesregierung und dem spanischen CSIC genutzt wird, liefert Olmo 3 7B mit llm2 aus, seinem lokalen Backend für Assistant und Mail, und vergibt dafür die grüne Bewertung seiner ethischen KI-Bewertung; mit 7B werden keine 16 oder 32 GB VRAM benötigt. 🔗 Quelle
Dolci-Think-SFT-Clean-v2 — Ai2 veröffentlicht ohne Ankündigung eine gefilterte Version der Reasoning-Post-Training-Daten seines 32B-Modells: 203 303 von 2 253 684 Zeilen entfernt (15,6 % der Token), darunter 148 210 von Kimi K3 als widersprüchlich bewertete Mathematikaufgaben; Lizenz ODC-BY. 🔗 Quelle
Palette von IBM Research — Ein offenes 20B-Modell, das per LoRA als „Designer“ und „Coder“ feinabgestimmt wurde, erstellt Präsentationen im Corporate Design von IBM; auf PresentBench belegt es im Durchschnitt den zweiten Platz, 1,1 Punkte hinter NotebookLM (59,7 gegenüber 60,8). Weder ein benanntes Basismodell noch veröffentlichte Gewichte gefunden. 🔗 Quelle
Claude Opus und OCR-Schleifen — Daniel van Strien ließ Claude Opus 0,0085 % der Gewichte eines kleinen OCR-Modells ändern, ohne Training, in weniger als 3 Stunden und für rund 10 Dollar Rechenkosten: Auf 2 165 historischen Seiten sinkt die Zahl der unkontrollierten Schleifen von 3 auf 1, und die Fehler im Band von 1881 gehen um 38 % zurück. 🔗 Quelle
Qwenguard — In einem Community-Beitrag macht João Galego aus einem vor Qwen3.5-4B in Schichten kompilierten RISC-V-Prozessor eine Schutzvorrichtung, die nicht auf der Freigabeliste stehende Tool-Aufrufe ablehnt: In seinen Tests kam kein verbotener Aufruf durch, und keine gewöhnliche Anfrage wurde blockiert, doch die Vorrichtung macht Manipulationen sichtbar, ohne sie zu verhindern. 🔗 Quelle

Bild, Video, Stimme

ElevenAgents bei Angle Health — In einem Pilotprojekt in acht Sprachen, rund um die Uhr und mit HIPAA-Garantien, übernahmen die Agenten von ElevenLabs rund 80 % der Anrufe von Gesundheitsfachkräften, von denen mehr als 90 % ohne Weiterleitung erledigt wurden, und sparten fast 9 000 Minuten pro Tag ein. 🔗 Quelle
SFX v3 für Entwickler — Der Entwicklerbeitrag von ElevenLabs erläutert den Aufruf von eleven_text_to_sound_v3 in der Sound Effects API: prompt_influence standardmäßig auf 0,3, frei wählbare Dauer außer bei duration_seconds und Loops weiterhin nur in v2; ElevenLabs spricht von einem inkrementellen Update. 🔗 Quelle
HeyGen Voice und Grok Bot — Allein laut HeyGen verwenden die Telefonanrufe von Grok Bot, dem Agenten von SpaceXSI, HeyGen Voice, um mit einer der Nutzerstimme ähnlichen Stimme zu sprechen; weder Beitrag noch Modell oder Verfügbarkeit werden näher angegeben. 🔗 Quelle
HeyGen Insiders — Ein Programm, das Creator mit mindestens 1 000 Followern für Aufrufe von Kurzvideos bezahlt, die rund um die Produkteinführungen von HeyGen veröffentlicht werden, ab 20 000 Aufrufen in 7 Tagen und nach einem nicht veröffentlichten, am Engagement ausgerichteten Vergütungsschema. 🔗 Quelle
Expression Sheet von Luma — Eine Übersicht mit sechs Gesichtsausdrücken einer Figur, aus Bildern erstellt, mit drei Ausdruckssets und einer Intensitätseinstellung; weder Beitrag noch Preisangabe. 🔗 Quelle
FLUX 3 Image Klein — Black Forest Labs meldet mehr als eine Million Downloads für sein auf präzise Bildbearbeitung ausgelegtes Modell, ohne Zeitraum oder Plattform zu nennen. 🔗 Quelle

Rechenleistung und Infrastruktur bei NVIDIA

Halbleiterfabriken — NVIDIA zählt die Leistungsgewinne seiner Partner auf: cuLitho bis zu 17-mal schneller in Siemens Calibre, ACE+ von Applied Materials bis zu 35-mal schneller mit PhysicsNeMo, Vorhersage des Plasmas von Lam Research in Millisekunden statt Tagen; kein neues Produkt. 🔗 Quelle
Dynamo unter Kubernetes — Nachtrag zum 30. Oktober, vor der KubeCon erneut aufgegriffen: AI Cluster Runtime enthält den Chart dynamo-platform 1.4.2 in Rezepten mit festgelegten und geprüften Versionen, und Dynamo 1.5 wird einen nativen Endpoint-Selektor in Rust bringen. 🔗 Quelle

Unternehmen, Community und Leitfäden

Heimstaden — Der europäische Immobilienverwalter senkt in den Niederlanden die Kosten eines Bildes mit virtueller Einrichtung von rund 50 Euro auf weniger als 0,10 Euro, und eine Analystin ohne Entwicklungserfahrung bewertete mit Codex die Umweltrisiken von 20 112 Immobilien. 🔗 Quelle
Zwei Neueinstellungen bei OpenAI — Jill Hazelbaker wechselt von Uber auf den Posten des Chief Corporate Affairs Officer und übernimmt die weltweite Kommunikation, und Dan Driscoll, ehemaliger Secretary of the Army der Vereinigten Staaten, wird leitender Berater für die Modernisierung der nationalen Sicherheit, eine neu geschaffene Position. 🔗 Jill Hazelbaker · 🔗 Dan Driscoll
Arnis und GitHub Copilot — Der GitHub Blog berichtet, wie Louis Erbkamm, alleiniger Maintainer von Arnis (fast 900 000 Downloads, rund 70 Mitwirkende), mit Copilot Issues und Bugs sichtet und Subagenten der GitHub Copilot App startet, um Regressionen aufzuspüren. Erfahrungsbericht, ohne Produktneuheit. 🔗 Quelle
Game Off 2026 — Nachtrag zum 1. November: Die 14. Game Jam von GitHub zum Thema SHIFT erlaubt KI-gestützte Entwicklung, wobei alle Teilnehmenden ihren KI-Einsatz bei der Einreichung angeben; Frist ist der 1. Dezember auf itch.io. 🔗 Quelle
Leitfaden zu autonomen Agenten von Perplexity — Fünf Autonomiestufen, vier Fähigkeiten und sieben Best Practices, ergänzt um Zahlen aus einer Studie von Harvard und Perplexity: 57 % der agentischen Anfragen betreffen Produktivität und Lernen. Keine Produktneuheit. 🔗 Quelle

Was das bedeutet

Pando zeigt beide Seiten der Coding-Agenten bei OpenAI: Sie haben die Last explodieren lassen, mit 1 378 % mehr Commits auf dem Hauptbranch als Anfang 2024, und sie haben innerhalb von zehn Wochen die Lösung entwickelt, ausgehend von einem Kern, den ein einziger Ingenieur entworfen hatte. Der Vorteil entsteht nicht durch ein neues Protokoll, sondern durch einen bewussten Verzicht auf eine konsistente Sicht auf alle Branches zu einem bestimmten Zeitpunkt. Bei den Tools rückt die Kontrolle in den Vordergrund: Claude Code holt die Zustimmung ein, bevor es die E-Mail-Adresse des Kontos übermittelt, und beziffert die Ausgaben pro Entwickler, während Copilot in JetBrains Air Einzug hält, ohne dass sich in Air eine Ausgabenobergrenze festlegen lässt.

Sicherheit wird zunehmend an Nachweisen statt an Aussagen gemessen. FlashProve ermöglicht die Überprüfung, ob eine Antwort tatsächlich von einem bestimmten Modell stammt, allerdings mit einem rund 72-fachen Mehraufwand und auf 1 024 Tokens begrenzten Kontexten: ein Prototyp, noch kein Dienst. CyberArena und CWE-bench v2 gehen bei Agenten in dieselbe Richtung: Was die Besten voneinander unterscheidet, sind die Verteidigung und ein Patch, der standhält, während ein ohne Überprüfung als erfolgreich gemeldeter Patch weiterhin der häufigste Fehler ist (23 % der geprüften Partien). OpenAI zahlt inzwischen bis zu 172 000 Dollar für die Meldung einer außergewöhnlichen Schwachstelle in ChatGPT, Codex oder seiner API.

Offene Modelle finden auf zwei Wegen Eingang in Unternehmen. Cohere hostet sie in einer kontrollierten Umgebung, bei Gemma, GPT-OSS und Phi sogar mit Verschlüsselung während der Verarbeitung, während Revolut laut dem von Together AI weiterverbreiteten Tweet GLM auf eigenen GPUs betreibt, zu etwa einem Zehntel des an Anthropic und OpenAI gezahlten Preises: eine Zahl aus zweiter Hand, die aber zeigt, was Unternehmen inzwischen vergleichen. Auch die Anbieter geschlossener Modelle bewegen sich: Indem Google Gemini 2.5 Pro auf Gemini 3.8 Flash umleitet, senkt es bis Ende Dezember den Preis pro Token, bevor sich der Preis für 3.8 Flash am 1. Januar verdoppelt. Der Bericht zu Mistral Large 4 zeigt den umgekehrten Zielkonflikt: Die Verkleinerung des KV-Caches, die vorangetrieben wurde, um das Modell kostengünstiger bereitzustellen, beeinträchtigte agentische Aufgaben und musste korrigiert werden.

Die physische Welt bleibt der Bereich, in dem Demonstrationen und Messungen am stärksten auseinandergehen. OpenAI zeigt ein Gerät, das mit GPT-6 Astra in weniger als einer Woche entworfen wurde, räumt aber ein, dass Review-Zyklen nötig waren, um Toleranzen und Fertigung zu berücksichtigen; am selben Tag erreicht bei PLE kein Agent mehr als 50 % bei realen Engineering-Unterlagen, und nur 41,3 % der Arbeitsergebnisse der besten Konfiguration bestehen sämtliche Sicherheitsprüfungen. Die sich abzeichnende Antwort ist hybrid: Bei Google DeepMind orchestriert das Modell, und deterministische Chemie-Tools führen die Berechnungen aus. StateBench erinnert schließlich daran, dass es weiterhin schwierig ist, einem langen Dokument zu folgen: Bei den schwierigsten Problemen fallen Frontier-Modelle auf 13 % oder weniger zurück.