Warp startet seinen Agent CLI, GitHub stellt Spark ein, FLUX 3 Video verfügbar: die Ankündigungen vom 4. August

Der 4. August 2026 ist geprägt von sechs großen Ankündigungen: Warp trennt seinen Code-Agenten als eigenständigen CLI ab, GitHub plant die Einstellung von Spark zugunsten von Copilot, OpenAI erläutert den kompletten Neuaufbau des Sprachstapels von ChatGPT, Black Forest Labs startet FLUX 3 Video, NVIDIA veröffentlicht sein offenes Modell Alpamayo 2 Super für autonome Fahrzeuge, und Mistral stellt Shieldstral vor, seinen Sicherheitsklassifikator mit offenen Gewichten. Rund um diese Veröffentlichungen liefern Cursor, Amp, DeepSeek, Liquid AI, Google, GitHub Copilot, Pika und die Open Secure AI Alliance zahlreiche Updates.

Warp startet den Agent CLI, einen autonomen Code-Agenten für jedes Terminal

4. August — Warp trennt seinen Code-Agenten vom Warp-Terminal und bietet ihn als eigenständigen CLI an, der in jedem Emulator installierbar ist: Ghostty, iTerm 2, VS Code oder die nativen Terminals unter Windows, Mac und Linux. Die Architektur basiert auf einer Multiplexing-Schicht für PTY-Verbindungen zwischen dem Agenten und der Shell, vergleichbar mit tmux, die persistente Sitzungen ermöglicht, in denen man das Verzeichnis (cd) wechseln kann, ohne den Kontext des Agenten zu verlieren, Fernsteuerung ohne Installation eines Binaries auf dem Zielsystem sowie die Kontrolle interaktiver Vollbildanwendungen wie vim, sqlite, einem Python-REPL oder htop.

Bei den Funktionen unterscheidet der Agent automatisch einen Shell-Befehl von einem Prompt in natürlicher Sprache, vervollständigt Argumente und Flags und leitet die Aufgabe je nach Komplexität an verschiedene Modelle weiter — Frontier-Modelle ebenso wie Modelle mit offenen Gewichten, mit anpassbaren Routern per YAML. Er beherrscht außerdem die Orchestrierung mehrerer Agenten und den Wechsel in die Cloud.

Unterstützte Umgebung	Detail
Kompatible Terminals	Ghostty, iTerm 2, VS Code, native Windows/Mac/Linux-Terminals
Monatliches Abonnement	18 $/Monat, 20 $ Inferenzguthaben inklusive
Guthaben nach Bedarf	ab 10 $
Weitere Optionen	kompatibler OpenAI-API-Schlüssel oder SuperGrok-Abonnement

Dieser Launch positioniert Warp gegenüber konkurrierenden CLI-Agenten (Codex CLI, Claude Code, Gemini CLI), indem er auf tiefe Shell-Integration und Cloud-Orchestrierung statt auf eine bloße Modellhülle setzt.

🔗 Warp-Blog — Introducing the Warp Agent CLI

GitHub Spark akzeptiert keine neuen Nutzer mehr, Einstellung geplant

4. August — GitHub fährt Spark schrittweise herunter, seine Plattform zur Erstellung von Anwendungen in natürlicher Sprache, die mit einer dedizierten Inferenz-Engine gestartet wurde (llm()). Seit dem 4. August ist die Erstellung neuer Konten und neuer Anwendungen geschlossen.

Meilenstein der Einstellung	Datum
Ende neuer Konten und Anwendungen	4. August 2026
Frist zum Exportieren des Codes	31. August 2026
Einstellung von GitHub Models (Engine `llm()`)	30. Juli 2026 (bereits wirksam)

Bestehende Nutzer haben bis zum 31. August Zeit, den Code ihrer Anwendungen über das Spark-Workbench-Menü zu exportieren (Schaltfläche … → Create repository). Bereits bereitgestellte Anwendungen werden nach diesem Datum weiter funktionieren, doch diejenigen, die die Funktion llm() nutzen, müssen auf einen anderen Inferenzanbieter umsteigen, da GitHub Models — das sie speiste — bereits Ende Juli entfernt wurde.

GitHub begründet die Entscheidung damit, dass sich KI-Modelle und agentische Entwicklungstools seit dem Start von Spark erheblich weiterentwickelt haben und dass Ersteller heute integrierte Workflows bevorzugen — Copilot in VS Code, Copilot CLI oder die GitHub-Copilot-App — statt einer separaten Prototyping-Plattform. Das ist ein Signal der Konsolidierung: GitHub schließt ein eigenständiges „Vibe-Coding“-Produkt, um sein KI-Angebot auf Copilot zu konzentrieren.

🔗 GitHub Changelog — Upcoming deprecation of GitHub Spark

GPT-Live: OpenAI baut die Spracharchitektur von ChatGPT in sechs Monaten neu auf

3. August — OpenAI erläutert die dritte Generation seines Sprachsystems, GPT-Live, und erklärt, warum die vorherige Architektur — basierend auf einem „turn detector“, der erraten sollte, wann der Nutzer aufgehört hat zu sprechen — die Natürlichkeit der Unterhaltung begrenzte: Zu frühes Erraten unterbricht das Wort, zu spätes Erraten macht die Antwort träge. GPT-Live entfernt diesen Detektor aus dem Audiopfad: Das Sprachmodell ist full-duplex und kann gleichzeitig zuhören und sprechen. Wenn ein tieferes Nachdenken oder ein Tool-Aufruf nötig ist, konsultiert GPT-Live die Frontier-Modelle (etwa GPT-5.5) asynchron, ohne die Unterhaltung zu unterbrechen.

Auf der Engineering-Seite hat OpenAI das Medien-Frontend und die Inferenzlogik in Go neu geschrieben und eine Python-asyncio-Implementierung ersetzt, wodurch die Regelmäßigkeit der Frame-Auslieferung so verbessert wurde, dass der p95 des neuen Systems dem p50 des alten entspricht. Der Transport basiert auf WebRTC, das Paketverluste und Taktdrift durch leichtes Strecken des Audios auffängt. Konkretes Ergebnis: Der Start einer Sprachsitzung ist von sechs Netzwerk-Roundtrips auf einen einzigen gesunken. Diese Architektur treibt bereits neue Fähigkeiten von ChatGPT Voice an, darunter die Steuerung des Computers über die Desktop-App.

GPT-Live can listen while it speaks. To make that feel natural at ChatGPT scale, we rebuilt the voice stack from client to model. This new architecture keeps audio flowing continuously, so deeper reasoning and tool use don’t interrupt the conversation.

🇩🇪 GPT-Live kann zuhören, während es spricht. Damit das in der Größenordnung von ChatGPT natürlich wirkt, haben wir den gesamten Sprachstapel vom Client bis zum Modell neu aufgebaut. Diese neue Architektur hält einen kontinuierlichen Audiostream aufrecht, sodass tiefgehendes Denken und die Nutzung von Werkzeugen die Unterhaltung nicht unterbrechen. — @OpenAI auf X

🔗 Wie wir in sechs Monaten ein Realtime-System für reaktionsschnelle Voice-AI gebaut haben

FLUX 3 Video (Black Forest Labs): offizieller Start, verfügbar über API und auf Runway

4. August — Black Forest Labs macht den Start von FLUX 3 Video offiziell, nach der am 30. Juli gezeigten Vorschau. Das Modell erzeugt Clips von bis zu 20 Sekunden in 720p und nativem 1080p, mit synchronisiertem nativem Audio (Effekte, Atmosphäre, Stimmen, präzises Lip-Sync) und Dialogen in rund fünfzehn Sprachen, darunter Englisch, Chinesisch, Spanisch, Französisch, Deutsch und Japanisch. Es unterstützt Text-zu-Video, Bild-zu-Video mit Startbild, Endbild oder mehreren Keyframes in Reihenfolge, Video-Fortsetzung und eingebetteten Text, der sich natürlich in die Szene einfügt.

Der Draft mode ermöglicht es, schnell und kostengünstig kreative Richtungen zu erkunden, bevor ein finales Rendering in voller Qualität erstellt wird, das die im validierten Vorschaubild enthaltenen Motive, die Komposition und die Bewegung beibehält:

Produktionsschritt	Preis
Schnelle Vorschau (Draft mode)	$0,06 pro Sekunde
Finale Ausgabe in voller Qualität	ab $0,17 pro Sekunde
Maximale Dauer	20 Sekunden, natives 1080p

Das Modell ist ab sofort über die BFL-API und bei ausgewählten Partnern verfügbar — Runway hat es noch am Tag des Starts integriert. Black Forest Labs kündigt für die Zukunft eine bessere Steuerbarkeit, multimodale Referenzen (Bild, Video, Audio), ein FLUX 3 Image-Modell und eine offene Gewichtsvariante namens FLUX 3 Dev an.

🔗 @bfl_ai auf X (Ankündigung FLUX 3 Video)

NVIDIA Alpamayo 2 Super, offenes Schlussfolgerungsmodell für autonome Fahrzeuge

4. August — NVIDIA startet Alpamayo 2 Super, ein offenes Vision-Language-Action-(VLA)-Schlussfolgerungsmodell für Robotaxis, autonome Fahrzeuge, Lastwagen und Shuttles. Es kombiniert einen NVIDIA-Cosmos-3-Super-Reasoner mit einem Diffusionsaktionsspezialisten, der per Reinforcement Learning nachtrainiert wurde, mit 360-Grad-Kameraabdeckung.

Modellkomponente	Größe
Cosmos 3 Super Reasoner	32 Milliarden Parameter
Diffusionsaktionsspezialist	2 Milliarden Parameter
Insgesamt Alpamayo 2 Super	34 Milliarden Parameter

Für jedes Fahrszenario erzeugt das Modell fünf gekoppelte Ausgaben: geplante Trajektorie, Spur des kausalen Chain-of-Thought-Schlussfolgerns, Meta-Aktion (Vorfahrt gewähren, Spur wechseln, anhalten), Auto-Labels für das Schlussfolgern zu Trainingszwecken und Antworten auf visuelle Fragen, die im Kamerabild verankert sind. Beim LingoQA-Benchmark beansprucht NVIDIA den ersten Platz und verweist auf einen Vorsprung von 23,2 Punkten vor GPT-4o. Das Modell wird unter der permissiven OpenMDW-1.1-Lizenz veröffentlicht, mit sofort auf Hugging Face verfügbarem Gewicht und Inferenzcode, für einen kommerziellen Einsatz ohne zusätzliche Genehmigung.

Today, we’re launching Alpamayo 2 Super, our frontier open reasoning model for autonomous vehicles. Beyond seeing, Alpamayo understands and reasons through the complex world - thinks before it acts. […] We’re releasing it for commercial use under OpenMDW-1.1 so teams can inspect it, fine-tune it and deploy it—open models advance safety and security. The next wave of AI is robotics—and it starts with autonomous vehicles.

🇩🇪 Heute starten wir Alpamayo 2 Super, unser führendes offenes Schlussfolgerungsmodell für autonome Fahrzeuge. Über das bloße Sehen hinaus versteht und schlussfolgert Alpamayo in einer komplexen Welt — es denkt, bevor es handelt. […] Wir veröffentlichen es für die kommerzielle Nutzung unter der OpenMDW-1.1-Lizenz, damit Teams es prüfen, verfeinern und bereitstellen können — offene Modelle treiben die Sicherheit voran. Die nächste Welle der KI ist Robotik — und sie beginnt mit autonomen Fahrzeugen. — @JensenHuang auf X

🔗 NVIDIA-Blog — Alpamayo 2 Super, open model now available

Shieldstral: Mistral veröffentlicht ein Moderationsmodell mit 3B offenen Gewichten

4. August — Mistral startet Shieldstral, ein Content-Moderationsmodell mit 3 Milliarden Parametern, veröffentlicht mit offenen Gewichten unter der Apache-2.0-Lizenz. Anders als klassische Klassifikatoren mit festen Kategorien behandelt Shieldstral Moderation als binäre Frage-Antwort-Aufgabe: Die Moderationsrichtlinie wird zur Inferenzzeit in natürlicher Sprache übergeben, sodass sie ohne Nachtraining angepasst werden kann. Das Modell ist multimodal (Text und Bild) und gibt einen kalibrierten, kontinuierlichen Sicherheitswert zurück statt eines diskreten Labels.

Abgedeckte Funktion	Detail
Klassifizierung von Prompts und Moderation von Antworten	Erkennt problematische Inhalte sowohl in Eingaben als auch in Ausgaben
Erkennung von Verweigerungen	Identifiziert, wenn ein Assistent eine Anfrage ablehnt
Erkennung von Toxizität	Text und Bild
Adaptive Richtlinienbewertung	Anfragen in natürlicher Sprache, ohne Nachtraining

Mistral gibt an, dass Shieldstral offene Guardrail-Modelle mit bis zu 7-mal mehr Parametern in der Textsicherheit, der Erkennung von Verweigerungen, der Anpassungsfähigkeit an Richtlinien und der multimodalen Bewertung gleichzieht oder übertrifft. Das Modell läuft auf einer einzigen NVIDIA-GPU mit 16 GB und ist damit auch für Standard-Infrastrukturen geeignet, einschließlich lokaler Bereitstellung. Shieldstral ist außerdem das erste Mitglied der Open Secure AI Alliance, der Branchenallianz, deren neue SAFE-Guidelines weiter unten in diesem Artikel erläutert werden. Die Gewichte sind auf Hugging Face verfügbar (mistralai/Shieldstral-1.0-3B).

🔗 Mistral — Shieldstral

Code-Tools: Cursor, Amp und Warp beschleunigen

Cursor veröffentlicht Mixture-of-Kittens (MoK) als Open Source, sein MoE-Trainings-Megakernel

4. August — Cursor veröffentlicht Mixture-of-Kittens (MoK) als Open Source, einen Trainings-„Megakernel“ für Mixture-of-Experts-Architekturen, der für NVIDIA-NVL72-Knoten entwickelt wurde. Der Kernel fasst die gesamte Kommunikation und Berechnung im Zusammenhang mit MoE in einer einzigen deterministischen Operation zusammen. MoK läuft bei Cursor bereits produktiv im Training auf Zehntausenden von GPUs.

We’re open-sourcing Mixture-of-Kittens (MoK), our MoE training megakernel for NVL72s. It fuses all Mixture-of-Experts communication and computation into a single, fully deterministic kernel, and runs up to 2.37x faster than the strongest public baselines.

🇩🇪 Wir veröffentlichen Mixture-of-Kittens (MoK) als Open Source, unseren MoE-Trainings-Megakernel für NVL72. Er fasst die gesamte Kommunikation und Berechnung rund um Mixture-of-Experts in einem einzigen, vollständig deterministischen Kernel zusammen und läuft bis zu 2,37x schneller als die besten öffentlichen Referenzwerte. — @cursor_ai auf X

Gemessener Gewinn bei Cursor: 1,41x mehr End-to-End-Trainingsdurchsatz im Vergleich zum vorherigen Stack auf Basis von DeepEP.

Amp erlaubt es, jede beliebige Datei an seine orbs anzuhängen

4. August — Die „orbs“ von Amp, seine Cloud-Agenten, akzeptieren ab sofort jede Datei als Anhang: Videos, Logs, PDFs, Tabellenkalkulationen, Datensätze. Das Team nennt mehrere konkrete Anwendungsfälle: den Bildschirm einer Anwendung aufzeichnen, damit Amp das Gesehene korrigiert, aus Logdateien debuggen, Tabellenkalkulationen in interaktive Websites verwandeln oder Audio und Video transkribieren. Die Ankündigung nennt weder eine Dateigrößenbegrenzung noch exakte Formate über diese Beispiele hinaus.

🔗 Amp News — Attach Anything

Warp gibt Cloud-Agenten die Fähigkeit, ihre Arbeit per Computersteuerung zu überprüfen (computer use)

3.-4. August — Der vierte Teil der Warp-„Cloud Software Factory“-Reihe: Eine neue verify-behavior-Skill gibt Cloud-Agenten Maus-/Tastatursteuerung, um gemeldete Fehler nachzustellen (Modus reproduce) oder zu prüfen, ob eine Funktion ihrer Spezifikation entspricht (Modus verify), vorzugsweise mit Videoaufzeichnung. Ein Warp-Ingenieur bestätigt den internen Rollout mit drei genannten Einsatzmöglichkeiten: Fehler mit Fix und Vorher/Nachher-Video reproduzieren, den Onboarding-Pfad wie ein neuer Nutzer durchlaufen und eine Videodemonstration in Slack oder in einer Pull Request posten, um eine Oberfläche schnell zu validieren.

🔗 Warp-Blog — Computer use verification

GitHub Copilot: vier Neuheiten für Entwickler und Teams

Anpassbarer Reasoning-Level für den Cloud-Agenten

3. August — Bei der Delegation einer Aufgabe an den Copilot-Cloud-Agenten kann nun der Reasoning-Level des Modells gewählt werden, sofern das Modell dies unterstützt. Ein höherer Level kann die Antworten auf komplexe Probleme verbessern, allerdings auf Kosten eines höheren Tokenverbrauchs. Verfügbar in allen kostenpflichtigen Copilot-Plänen: Pro, Pro+, Business, Enterprise und Max.

🔗 GitHub Changelog — Customize the reasoning level

Copilot-Automatisierungen über Kommentare auslösen

3. August — Copilot-Cloud-Agent-Automatisierungen können nun durch einen Issue- oder Pull-Request-Kommentar ausgelöst werden und lassen sich im Tab Agents → Automations eines Repositories konfigurieren. Drei genannte Anwendungsfälle: Dokumentation aus einem PR-Kommentar generieren, einen in einem Issue-Kommentar gemeldeten Stack Trace analysieren oder automatisch Follow-up-Aufgaben erstellen. Verfügbar für Copilot Pro, Pro+, Max, Business und Enterprise (mit Aktivierung der Richtlinie auf Admin-Seite für Unternehmenskonten).

🔗 GitHub Changelog — Trigger Copilot automations with comments

Wie das Rechtsteam von GitHub Copilot CLI nutzt

4. August — Zwei interne Juristen von GitHub, ohne Entwicklungserfahrung, haben mit Copilot CLI Werkzeuge gebaut. Ngandu Kasuku (Principal Product Counsel) hat terms-ai erstellt, ein Repository zur Zentralisierung von Schreibanweisungen und Vertragsvorlagen, wodurch sich die Zeit für Überarbeitung und Ausarbeitung ungefähr halbiert hat. Jesse Geraci (Online Safety Counsel) entwickelte eine Anwendung zur Analyse von Quellcode und zur Bewertung von DMCA-Benachrichtigungen, die inzwischen auf Lizenz-Compliance und die Bewertung des NDA-Risikos erweitert wurde.

🔗 GitHub Blog — How the GitHub legal team used Copilot CLI

Automatische Aktivierung der Code-Coverage, von KI generiert

4. August — In den Code-Quality-Einstellungen eines Repositories erzeugt ein neuer KI-Agent automatisch einen Workflow zur Code-Coverage: Er baut das Projekt, führt die Tests aus, erstellt einen Coverage-Bericht und sendet ihn an GitHub, standardmäßig mit minimalen Berechtigungen. Der Nutzer erhält einen Pull Request, der direkt zur Überprüfung und Zusammenführung bereit ist. Funktion in öffentlicher Vorschau, verfügbar auf github.com, GitHub Enterprise Cloud und Team (noch nicht auf Enterprise Server).

🔗 GitHub Changelog — Automatische Aktivierung der Code-Coverage

Offene Modelle und Verfügbarkeit in Produktion

DeepSeek V4 Flash in Produktion auf Together AI verfügbar

4. August — DeepSeek V4 Flash, das schnelle Modell von DeepSeek, das Ende Juli veröffentlicht wurde, ist jetzt in Produktion auf Together AI verfügbar, mit einem Deployment-Pfad mit hohem Durchsatz für Coding, Tool-Nutzung und langlebige Agents. Together AI hebt ein verbessertes Coding bei Terminal- und Full-Stack-Aufgaben, drei Stufen des Reasoning-Aufwands (niedrig, hoch, maximal) und ein spekulatives Decoding namens DSpark hervor, um die Generierung zu beschleunigen.

🔗 @togethercompute auf X

Liquid AI veröffentlicht LFM2.5-2.6B, kompaktes Modell für 100 % lokale Agents

4. August — Liquid AI veröffentlicht LFM2.5-2.6B, ein Modell mit 2,6 Milliarden Parametern, das für Agents konzipiert ist, die vollständig lokal laufen, vom Laptop bis zum Telefon, mit einem Kontextfenster von 128K Tokens. Im Vergleich zu 2- bis 4-mal größeren Modellen liegt es bei der Befolgung von Anweisungen an der Spitze (51,87 % auf AIME25, 59,41 % auf LiveCodeBench) und vor fast allen getesteten Modellen bei der Tool-Nutzung. Bei der Geschwindigkeit: 220 Tokens/Sekunde auf einem Apple M5 Max, 113 Tokens/Sekunde auf einem AMD Ryzen, etwa 30 Tokens/Sekunde auf dem Telefon. Verfügbar auf Hugging Face, kompatibel mit llama.cpp, MLX, vLLM, SGLang und ONNX.

🔗 Hugging Face Blog — LFM2.5-2.6B

Google und Kaggle ziehen Bilanz ihres kostenlosen Kurses zu KI-Agents

3. August — Google und Kaggle veröffentlichen die Bilanz ihres kostenlosen fünftägigen Kurses „AI Agents Intensive: Vibe Coding“, der sich mit dem Entwurf und Deployment von KI-Agents in Produktionsumgebungen befasste. Die gemeldeten Zahlen: 353.000 registrierte Teilnehmende, 392.000 aktive Personen im Kaggle-Discord während der Session und mehr als 6.000 Einreichungen von Abschlussprojekten von über 12.000 Teilnehmenden. Google erinnert daran, dass seine Intensivkurse mit Kaggle seit 2024 insgesamt mehr als 2 Millionen Lernende erreicht haben. Alle Inhalte bleiben auf Kaggle Learn im Selbststudium zugänglich.

🔗 Google Blog — Blick hinter die Kulissen unseres Vibe-Coding-Kurses mit 353.000 Personen

Mediengenerierung und Sicherheit des agentischen Ökosystems

Pika startet die API Club, einen Aggregator für mehr als 100 Modelle

4. August — Pika Labs startet die API Club, ein Abo für 10 $ pro Monat, das Zugang zu mehr als 100 Modellen für Mediengenerierung (Video, Bild, Audio, LLM) über eine einzige API bietet, mit deutlichen Rabatten gegenüber Anbietern wie Fal oder Runway Dev: bis zu 87 % auf Seedance 2.0, bis zu 50 % auf MiniMax H3, bis zu 25 % auf GPT Image 2. Pika erklärt, man habe mit den Anbietern bessere Preise ausgehandelt und die eigene Marge minimal gehalten, als Reaktion auf Aggregationsplattformen, denen man Aufschläge von bis zu dreifacher Höhe vorwirft. Dieser Start positioniert Pika, bekannt als Tool für die Generierung von Videos für Endnutzer, als API-Aggregator für Entwickler und Creator.

🔗 @pika_labs auf X

HeyGen startet automatisierte Videoformate für die Immobilienbranche

3. August — HeyGen präsentiert „HeyGen for Real Estate“, eine Reihe von Videoformaten für Immobilienmakler, wobei jedes den persönlichen Avatar des Nutzers wiederverwendet. Das heutige Format, „Hosted Home Tour“, erzeugt eine geführte Besichtigung einer Immobilie: Der Nutzer fügt den Link zu einer Anzeige (Zillow) ein, ergänzt optional ein Skript, und das Tool erstellt automatisch ein Video, in dem der Avatar die Besichtigung anhand der Anzeigeninformationen präsentiert. Weitere Formate der Reihe sind „Market Update“ und „Listing Spotlight“.

🔗 @HeyGen auf X

Die Open Secure AI Alliance stellt ihre SAFE-Guidelines auf der Black Hat vor

4. August — Anlässlich der Black Hat 2026 in Las Vegas kündigt die Open Secure AI Alliance — eine von NVIDIA geführte Koalition mit inzwischen mehr als 120 Organisationen (darunter Cisco, CrowdStrike, Hugging Face, Red Hat, Microsoft, Amazon und andere) — mehrere Beiträge an. Die Linux Foundation veröffentlicht einen Request for Comments zu SAFE (Shared AI Findings Exchange), einem vorgeschlagenen Rahmenwerk zum vertraulichen Sammeln und Analysieren von Sicherheitsvorfällen bei KI, zum Erkennen wiederkehrender Kontrollfehler und zum Veröffentlichen evidenzbasierter Empfehlungen — ein Ansatz kollektiver Verteidigung, inspiriert vom Austausch von Threat Intelligence.

Amazon tritt der Allianz bei und steuert sein Strands-Agents-Toolkit sowie die Autorisierungssprache Cedar bei. Uber veröffentlicht ADR (Agentic AI Detection and Response) als Open Source, ein Framework, das in Produktion mehr als 200.000 tägliche Agentensessions verwaltet. Mistral trägt mit Shieldstral bei, weiter oben in diesem Artikel vorgestellt und inzwischen das erste Modellmitglied der Allianz.

🔗 NVIDIA Blog — Beiträge der Open Secure AI Alliance

OpenAI: Antwort auf Apple und neue Bildungs-Plugins

Apple irrt sich hier : OpenAI reagiert auf Apples Klage

3. August — OpenAI veröffentlicht eine ausführliche Antwort auf die von Apple eingereichte Klage und geht Punkt für Punkt auf drei Teile der Vorwürfe ein. Zur Chronologie der Kontakte erklärt OpenAI, Apple erkenne inzwischen an, dass dessen externe Anwälte die falsche Person angeschrieben hätten, und dass ein angebliches Gespräch mit dem General Counsel von OpenAI nie stattgefunden habe. Im Fall eines ehemaligen Mitarbeiters, dem vorgeworfen wird, nach seinem Weggang auf vertrauliche Informationen zugegriffen zu haben (letzter Tag bei Apple: 22. Januar 2026), veröffentlicht OpenAI iMessage-Nachrichten, die zeigen, dass es Apple-Mitarbeitende waren, die ihn um Hilfe bei der Lokalisierung von Dateien gebeten haben. Im Fall eines früheren Managers, der 24 Jahre bei Apple verbracht haben soll und verdächtigt wurde, Geschäftsgeheimnisse nutzen zu wollen, erklärt OpenAI, dass weder vertrauliche Informationen von Apple angefordert noch verwendet worden seien. OpenAI bezeichnet Apples Antrag auf einstweilige Verfügung als „auf falschen Informationen basierend und völlig unnötig“.

🔗 OpenAI — Apple irrt sich hier

Drei neue Bildungs-Plugins für ChatGPT Work und Codex

4. August — Zum Schuljahresbeginn veröffentlicht OpenAI drei Plugins für ChatGPT Edu und die Einführungen von ChatGPT for Teachers: K-12 Educator (differenzierte Ressourcen für Primar- und Sekundarstufe), College Educator (Kursgestaltung und Export in LMS für die Hochschulbildung) und College Student (angeleitetes Tutoring, Lernkarten, Quizze auf Basis der vom Studierenden ausgewählten Quellen). Der Artikel erinnert an die Partnerschaft von OpenAI mit der American Federation of Teachers, eine fünfjährige Initiative zur Ausbildung von 400.000 US-K-12-Lehrkräften im Umgang mit KI.

🔗 OpenAI — Mit ChatGPT Work und Codex lernen und lehren

Kurznachrichten

Devin Fusion verbessert sich um 4 % in der Intelligenz und kostet 27 % weniger — Cognition verbessert das Harness und die Modelle von Devin Fusion im internen Benchmark FrontierCode 1.1, sofort verfügbar in Devin Cloud. 🔗 Quelle
Sakana AI tritt der AIRoA bei — Das Unternehmen wird Mitglied der japanischen Vereinigung für KI-Robotik, für eine Zusammenarbeit seines RSI Lab an Weltmodellen und physischer KI. 🔗 Quelle
llama-macos, von dem Hugging-Face-Team hervorgehobenes Hilfsprogramm — macOS-Widget (brew install --cask llama-app), das Modelle je nach Maschine empfiehlt und einen llama.cpp-Server mit Weboberfläche startet. 🔗 Quelle
Feinere Kontrolle darüber, worauf Copilot zugreifen kann — GitHub kündigt eine stärkere Kontrolle über Copilot-Zugriffe an, bislang ohne dazugehörigen detaillierten Changelog. 🔗 Quelle
Erweiterte Dokumentation zum lokalen Sandboxing von Copilot CLI — GitHub hebt seine Dokumentation zur Aktivierung und Konfiguration des lokalen Sandboxing im Terminal hervor. 🔗 Quelle
Der Editor Air fügt GitHub Copilot als benutzerdefinierten Agenten über ACP hinzu — Das Drittanbieter-Tool Air unterstützt jetzt benutzerdefinierte Agents über das Agent Client Protocol, mit einer Anleitung zur Konfiguration von Copilot. 🔗 Quelle
Spezialisierung nach Enterprise-Team für verwaltete Einstellungen — Enterprise-Administratoren können gezielt bestimmte Teams mit dedizierten Konfigurationsdateien ansprechen. 🔗 Quelle
Benutzerdefinierte Standardkonfiguration des Code Scanning im großen Maßstab — Eine neue Repository-Eigenschaft erlaubt es, eine benutzerdefinierte CodeQL-Konfiguration auf das Standard-Setup anzuwenden. 🔗 Quelle
Entfernung der App Copilot Billing Preview — Die Verwaltung der Copilot-Ausgaben erfolgt nun direkt in den GitHub-Abrechnungseinstellungen. 🔗 Quelle
Anpassung der Dependabot-Branch-Namen — Neue Optionen in dependabot.yml, um Präfix, Länge und Trenner der von Dependabot erstellten Branch-Namen festzulegen. 🔗 Quelle
CodeQL 2.26.2 fügt Unterstützung für Swift 6.3.3 und Kotlin 2.4.10 hinzu — Aktualisierung der statischen Analyse-Engine von GitHub. 🔗 Quelle
Die Rolle Triage kann nun Einschränkungen bei der Erstellung von Issues umgehen — Nutzer mit dieser Rolle können Issues erstellen, auch wenn ein Repository diese Aktion auf Mitwirkende beschränkt. 🔗 Quelle
Wan (Alibaba) — Camera-to-Image — Neue Fähigkeit der Echtzeit-Suite von Wan: Die Kamera verwandelt die reale Umgebung sofort in eine animierte Szene im Anime-Stil. 🔗 Quelle
NVIDIA tritt dem NSF State and Regional AI Hubs-Programm bei — Teilnahme am Programm regionaler KI-Infrastrukturbündnisse der US-amerikanischen National Science Foundation für Forschung und Bildung. 🔗 Quelle
NVIDIA erläutert SCADA, einen beschleunigten Speicherzugriff für KI — Technologie, die es GPUs ermöglicht, direkt mit nahezu speicherähnlichen Geschwindigkeiten auf Speicher zuzugreifen. 🔗 Quelle
Stability AI und MusicHackspace veranstalten einen Stable Audio 3.0 Hackathon in Montréal — 48-stündiger Hackathon am 22. und 23. August in Partnerschaft mit dem Festival MUTEK. 🔗 Quelle
Qwen-Image-3.0-Pro steigt auf Platz 5 weltweit — Alibaba verkündet einen Sprung seines Bildgenerierungsmodells in einem nicht näher bezeichneten Ranking. 🔗 Quelle
Z.ai (GLM) und Tencent Cloud veranstalten ihr erstes Community-Meetup in Singapur — Vorstellung der agentischen Fähigkeiten von GLM-5.2 und seiner Integration in CodeBuddy und WorkBuddy. 🔗 Quelle
Circles personalisiert das Telekommunikationserlebnis mit der OpenAI API und Codex — Unternehmensfallstudie: +22 % ARPU, -9 % Churn, 65 % autonome Lösung im Kundensupport. 🔗 Quelle

Was das bedeutet

Die Code-Tools verlassen weiterhin den alleinigen Bereich der IDE. Warp trennt seinen Agenten als CLI ab, der jedes Terminal steuern kann, der Cloud-Agent von GitHub Copilot erhält eine anpassbare Reasoning-Stufe und Auslöser per Kommentar, Amp akzeptiert jede Dateityp-Anlage, und Warp gibt seinen Cloud-Agents die Fähigkeit, ihre Arbeit selbst per Computer-Controlling zu überprüfen (computer use). Das Zeugnis des Rechtsteams von GitHub, das ohne Entwicklungserfahrung seine eigenen Tools mit Copilot CLI gebaut hat, illustriert einen breiteren Wandel: Diese Agents richten sich inzwischen ebenso an Nicht-Entwickler wie an Ingenieure.

Dieser Aufstieg der Agents geht eher mit einer Konsolidierung der Plattformen als mit einer Verbreitung einher. GitHub stellt Spark ein, seine Plattform zum Prototyping von Anwendungen per natürlicher Sprache, anderthalb Jahre nach dem Start, zugunsten einer einzigen Wette auf Copilot in seinen verschiedenen Oberflächen (VS Code, CLI, App, Cloud-Agent). Das ist ein Signal dafür, dass sich der Markt für stand-alone „Vibe Coding“ um einige integrierte Angebote herum verdichtet, statt immer mehr getrennte Produkte hervorzubringen.

Die Sicherheit agentischer KI organisiert sich als strukturiertes Ökosystem. Mistral veröffentlicht Shieldstral, einen Moderationsklassifikator mit offenen Gewichten, der auf einer einzigen GPU läuft, und wird das erste Modellmitglied der Open Secure AI Alliance — einer Koalition von mehr als 120 Organisationen, die nun über die Linux Foundation einen Rahmen für den vertraulichen Austausch von KI-Sicherheitsvorfällen (SAFE) vorschlägt, direkt inspiriert von der Threat Intelligence in der klassischen Cybersicherheit. Amazon und Uber tragen ebenfalls ihre eigenen Open-Source-Tools bei. Das ist ein Zeichen dafür, dass die Absicherung von Agents zu einer kollektiven und dokumentierten Anstrengung wird, statt zu einer Summe isolierter proprietärer Maßnahmen.

Schließlich sinken die Zugangskosten der Mediengenerierung und der Echtzeitberechnung weiter. FLUX 3 Video führt einen Draft-Modus für 0,06 $ pro Sekunde ein, um Ideen vor einem teureren finalen Render zu erkunden, Pika verwandelt sein Endnutzerprodukt in einen API-Aggregator für 10 $ pro Monat, um hohe Margen anderer Plattformen zu umgehen, und NVIDIA veröffentlicht Alpamayo 2 Super mit offenen Gewichten, damit die autonome Fahrindustrie über eine geteilte Reasoning-Basis verfügt, statt bei Null anzufangen. Dieselbe Bewegung zeigt sich auch auf der Sprachseite: Die Überarbeitung von GPT-Live durch OpenAI, die die Startzeit einer Sprachsession um den Faktor sechs verkürzt, zeigt, dass auch die Echtzeit-Infrastruktur zu einem aktiven Optimierungsfeld wird, ebenso wie die Modelle selbst.