Von Menschen angeleitete Google-DeepMind-Agenten finden zwei Schwachstellen in 1024-Bit-RSA, OpenAI veröffentlicht BioBasicsBench, Cursor öffnet Voice-Chat mit Agenten

Von Menschen angeleitete KI-Agenten von Google DeepMind finden zwei Schwachstellen in 1024-Bit-RSA, einem bereits veralteten System; moderne Protokolle, die fast ausnahmslos Schlüssel mit 2048 Bit oder mehr verwenden, bleiben sicher. Die Forschung dominiert den Tag: OpenAI testet seine Agenten im Nasslabor mit BioBasicsBench, TCSExam bewertet Modelle in der theoretischen Informatik, und sowohl Anthropic als auch Google zeigen, was rund um das Modell über Erfolg oder Scheitern eines Agenten entscheidet. Auf der Werkzeugseite veröffentlichen Claude Code, Codex CLI und Copilot CLI neue Versionen, Antigravity CLI wird zu einem ACP-Server, Cursor öffnet den Voice-Chat mit seinen Agenten und Amp führt Spaces ein.

Von Menschen angeleitete Google-DeepMind-Agenten finden zwei Schwachstellen in 1024-Bit-RSA, das Frontier Model Forum bewertet Cyber-Jailbreaks

6. November — Google DeepMind veröffentlicht kryptoanalytische Arbeiten – die Wissenschaft, die die Stärke von Verschlüsselungen überprüft –, die von KI-Agenten unter menschlicher Anleitung durchgeführt wurden. Pushmeet Kohli, Vice President für Wissenschaft, stellt sie in einem auf X veröffentlichten und von @GoogleDeepMind weitergeleiteten Beitrag vor: Die Agenten deckten zwei Schwachstellen in 1024-Bit-RSA-Systemen auf, die mit einem geringeren Rechenaufwand als bisher angenommen kompromittiert werden können. Die Arbeiten werden von Dj Dvijotham und Abhradeep Thakurta aus dem Science-Team von Google DeepMind gemeinsam mit Nadia Heninger (UC San Diego und Inria) sowie Emmanuel Thomé (Inria) geleitet und in zwei technischen PDF-Papieren detailliert beschrieben; der Ankündigung war kein Blogbeitrag beigefügt.

Die Tragweite ist bewusst begrenzt. 1024-Bit-RSA, das veraltet und bereits ausgemustert ist, dient hier als risikofreies Testfeld, wie es die Kryptoanalyse-Community seit Langem handhabt. Moderne Protokolle, die fast ausnahmslos Schlüssel mit 2048 Bit oder mehr verwenden, bleiben sicher.

Das erste Ergebnis betrifft digitale Signaturen, die gewährleisten, dass ein Software-Update, ein Dokument oder eine Website tatsächlich von ihrer Quelle stammt. Vor dem Signieren versehen viele Standards die Nachricht mit einem Padding (Padding). Das Team zeigt, dass dieses Padding überhaupt nicht mehr schützt, sobald ein Angreifer etwa die Hälfte des signierten Blocks kontrolliert. In einer isolierten Simulation, ohne reale Systeme zu berühren, führten die Agenten den Angriff auf einen 1024-Bit-Referenzschlüssel durch, der bereits in einer früheren Studie gebrochen worden war: Das Ergebnis wird mit 3,5-mal weniger CPU-Zeit reproduziert, bei weniger als einem Tausendstel der Rechenleistung, die zum Knacken des Schlüssels selbst nötig wäre. Wenn der Angreifer einen kleineren Teil des Blocks kontrolliert, mit einem kurzen Digest von 32 Bytes, würde ein neuer Algorithmus den theoretischen Schätzungen der Autoren zufolge die bisher beste Methode um etwa das 1.600-Fache verbessern.

Das zweite Ergebnis betrifft die Batch-Faktorisierung. Da RSA-Schlüssel Standardlängen (1024 oder 2048 Bit) haben, ist die Faktorisierung vieler Zahlen gleicher Größe eine zentrale Frage: Die Agenten fanden einen Algorithmus mit besserer asymptotischer Komplexität, der die durchschnittlichen Kosten für die Faktorisierung jedes zusätzlichen 1024-Bit-Schlüssels im Vergleich zu früheren Batch-Methoden um etwa das 30-Fache senkt.

Von den Autoren veröffentlichtes Ergebnis	Angekündigter Gewinn	Angegebene Bedingung
Signaturfälschung, Angreifer kontrolliert etwa die Hälfte des Blocks	3,5-mal weniger CPU-Zeit	Isolierte Simulation, bereits gelöster 1024-Bit-Referenzschlüssel
Derselbe Angriff, verglichen mit dem Knacken des Schlüssels	Weniger als ein Tausendstel der Rechenleistung	Erforderliche Leistung, um den Schlüssel selbst zu knacken
Fälschung mit einem 32-Byte-Digest	Etwa 1.600-mal besser	Theoretische Schätzung, 1024-Bit-Schlüssel
Batch-Faktorisierung	Durchschnittliche Kosten pro zusätzlichem Schlüssel etwa 30-mal geringer	Gegenüber früheren Batch-Methoden
Schlüssel mit 2048 Bit oder mehr	Nicht betroffen	Bleiben laut Google DeepMind sicher

While modern 2048-bit systems remain safe from these specific exploits, this work highlights a key shift. As we enter a new era of AI-enabled math and computation, we can no longer rely on historical hardness assumptions and must continuously stress-test cryptographic standards.

🇩🇪 Während moderne 2048-Bit-Systeme vor diesen konkreten Exploits geschützt bleiben, verdeutlicht diese Arbeit einen entscheidenden Wendepunkt. Zu Beginn einer neuen Ära der KI-gestützten Mathematik und Datenverarbeitung können wir uns nicht mehr auf historische Härteannahmen verlassen und müssen kryptografische Standards kontinuierlich überprüfen. — @GoogleDeepMind auf X

🔗 Beitrag von Pushmeet Kohli auf X · Technischer Artikel über digitale Signaturen (PDF) · Technischer Artikel über Schlüsselfaktorisierung (PDF)

Das Frontier Model Forum schlägt ein gemeinsames Raster zur Bewertung der Schwere von Cyber-Jailbreaks vor

5. November — Das Frontier Model Forum (FMF), das führende KI-Labore vereint, veröffentlicht die als vorläufig präsentierte Version 1.0 seines Bewertungsrahmens für Jailbreaks bei Cyber-Bedrohungen (Jailbreak Rating Framework for Frontier Cyber Threats). Ausgangspunkt: Nicht jede Umgehung von Schutzmechanismen ist gleichwertig. Manche liefern lediglich kaum verwertbare Antworten, andere schalten gefährliche offensive Fähigkeiten frei, und ohne eine gemeinsame Methode könnten zwei Organisationen denselben Jailbreak unterschiedlich bewerten – mit dem Risiko, dass zuerst die weniger gravierenden behoben werden. Der Rahmen stuft jeden Jailbreak in Stufen ein, indem er Bewertungen aus vier Kategorien kombiniert: Fähigkeitsgewinn, Reichweite der Fähigkeit, einfache Bereitstellung und leichte Auffindbarkeit.

Vertreter von AWS, Anthropic, Google DeepMind, Microsoft und OpenAI unterstützen ihn in dem Beitrag; OpenAI leitete ihn am 6. November weiter und wies darauf hin, gemeinsam mit dem FMF und seinen Mitgliedern daran gearbeitet zu haben. Eine öffentliche Konsultation läuft bis zum 21. Dezember 2026: Das FMF wird überprüfen, ob verschiedene Prüfer zu ähnlichen Bewertungen gelangen, und den Rahmen anhand neuer Jailbreaks fortlaufend aktualisieren. Im Juli hatte Anthropic mit CJS (Cyber Jailbreak Severity) eine ähnliche Skala vorgestellt, die gemeinsam mit Amazon, Microsoft und Google erarbeitet worden war; der FMF-Beitrag stellt keine Verbindung zwischen beiden her.

🔗 Introducing the FMF Jailbreak Rating Framework for Frontier Cyber Threats

KI in der Wissenschaft messen: OpenAIs BioBasicsBench fürs Nasslabor, TCSExam für die theoretische Informatik

OpenAI veröffentlicht BioBasicsBench: 100 Nasslabor-Aufgaben, 66,7 % für GPT-6 Astra

6. November — OpenAI stellt BioBasicsBench vor, einen gemeinsam mit Ligo – einem auf Enzymdesign spezialisierten Biotech-Unternehmen – entwickelten Benchmark, um die Fähigkeit von Agenten zu messen, Rohdaten aus der alltäglichen Arbeit im Nasslabor (Wet Lab) zu interpretieren: Gele und Blots, Kulturplatten, Mikroskopiebilder, Geräteexporte oder Protokollvideos. Seine 100 Aufgaben stammen aus realen Experimenten und werden Kriterium für Kriterium anhand eines Expertenrasters bewertet; sie decken fünf Bereiche ab, von Proteinmethoden bis zum molekularen Klonieren. Zudem prüfen sie, ob der Agent Fehler erkennt und wahrnimmt, wenn die Daten keine Schlussfolgerung zulassen.

Es werden ausschließlich Modelle von OpenAI bewertet: sieben Modelle über 37 Einstellungen hinweg, fünf Versuche pro Aufgabe, also 18.500 Ergebnisse. Bei der Stufe »xhigh effort« erzielt GPT-6 Astra 66,7 % der möglichen Punkte, vor GPT-6.1 Sol und weit vor GPT-5.6 Sol, bei etwa halb so vielen Output-Tokens wie Letzterer; laut OpenAI deuten diese Gewinne darauf hin, dass eine stärkere native Multimodalität ausschlaggebend sein könnte.

Evaluiertes Modell (xhigh effort)	Durchschnittliche Belohnung	95-%-Konfidenzintervall	Output-Tokens pro Aufgabe
GPT-6 Astra	66,7 %	60,3 bis 73,1 %	4 704
GPT-6.1 Sol	62,0 %	55,6 bis 68,4 %	5 238
GPT-5.6 Sol	43,8 %	37,6 bis 50,0 %	9 099
GPT-6 Luna	38,3 %	32,3 bis 44,5 %	13 120
GPT-5.5	35,4 %	29,7 bis 41,0 %	11 135
GPT-5.4	33,2 %	28,3 bis 38,4 %	13 717
GPT-5.2	31,2 %	26,2 bis 36,3 %	27 620

OpenAI beschreibt auch Astras Misserfolge im Detail: eine vertraute Hypothese, die sich über experimentelle Kontrollen hinwegsetzt, verworfene gegenteilige Beobachtungen, eine um etwa 12 % überschätzte Koloniezählung. Dem Beitrag zufolge garantieren bessere Bewertungen noch keine verlässlichen Urteile im Labor; OpenAI verknüpft dieses Monitoring mit Biosicherheit und Bioschutz und erwähnt keine Veröffentlichung des Aufgabensets.

🔗 Measuring how AI agents handle everyday wet-lab science (OpenAI)

TCSExam bewertet Modelle in der theoretischen Informatik: GPT-6 Astra führt die Full-Version an, Opus 5.5 die Lite-Version

5. November — TCSExam, veröffentlicht in der GitHub-Organisation von Moonshot AI zusammen mit einem am 5. November eingereichten arXiv-Paper, misst, wie weit Modelle die Forschung in der theoretischen Informatik (Theoretical Computer Science) voranbringen können. Die auf arXiv genannten Autoren sind Yifan Luo, Zhengying Liu, Yang Yuan, Zhilin Yang und Andrew Chi-Chih Yao. Vier Schwerpunkte: einen veröffentlichten Satz in Lean beweisen, einen auf verdeckten Instanzen getesteten Solver schreiben, eine verifizierte Konstruktion oder Schranke erstellen und offene Vermutungen vollständig beweisen oder widerlegen. Die Full-Version umfasst 100 von Experten geprüfte Aufgaben, die Lite-Version 20 – fünf pro Schwerpunkt. Der Index gewichtet die ersten drei Schwerpunkte mit jeweils 30 und Vermutungen mit 10; Solver werden im Vergleich zu einer festen Referenz, Kimi K3, bewertet.

Evaluiertes Modell	Lite-Index (20 Aufgaben)	Full-Index (100 Aufgaben)
Opus 5.5	72,3 (vorläufig)	in der Tabelle der Website nicht enthalten
GPT-6 Astra	67,0	71,9
Kimi K3.1 Pro	53,5	57,4
Kimi K3	48,6	46,8
GLM-5.3	47,0	45,5
Qwen3.8 Max (0902)	45,4	44,8
DeepSeek V4.1 Flash 1017	42,4	46,0
Grok 4.6	42,1	40,5

Keine offene Vermutung wurde gelöst: Das Abstract beansprucht lediglich unabhängig verifizierte Spezialfälle und Schranken. Zwei Ergebnisse übertreffen jedoch nach Kenntnis der Autoren den bisher bekannten Bestwert: ein Graph mit 630 Kanten auf 124 Knoten ohne Dreiecke oder 4-Zyklen, konstruiert von Kimi K3 (629 bei der Konstruktion von Goedgebeur et al.), sowie ein Quantenfehlerkorrektur-Code mit Distanz 6 statt 5, gefunden von GPT-6 Astra, um 7 logische Qubits mit 25 physikalischen Qubits zu schützen. Die Benchmark-Umgebung führt standardmäßig Kimi Code aus und akzeptiert auch Claude Code, Codex und Grok Build.

🔗 TCSExam-Ergebnisse · arXiv-Artikel 2611.07962

Agentenforschung: Gedächtnis und Dreaming bei Anthropic, veraltete TODOs bei Google, Harness-Adapter

Anthropic zeigt, wie Dreaming das Gedächtnis von Claude-Agenten korrigiert und organisiert

6. November — In einem Forschungs- und Engineering-Beitrag auf seinem Engineering-Blog definiert Anthropic das Agentengedächtnis als das, was Claude aus seiner Erfahrung von einer Sitzung zur nächsten in Form lesbarer Notizen behält: weder Gewichte noch In-Context-Learning oder Kompaktierung. Das Dreaming (das „Träumen“ des Agenten) lässt ihn außerhalb von Sitzungen seine Protokolle und Transkripte erneut lesen, um seine Notizen zu korrigieren, neue zu verfassen, Repräsentationen wie Wikis aufzubauen oder auszuwählen, was vorab geladen wird; die Funktion ist seit dem 6. Mai als Forschungs-Preview (research preview) in Claude Managed Agents verfügbar.

Die Auswertungen zeigen zunächst Fortschritte beim Urteilsvermögen. Bei Pokémon Red hatte Sonnet 3.7 nach rund 10.000 Schritten 413 Speicherdateien in 225 Ordnern für einen einzigen Orden angelegt, während Fable 5 mit neun Dateien und einer global.md für vier Orden auskam; Opus 5.5 schloss das Spiel mit einem kleinen Ordner voller Notizen ab. Anthropic rät dazu, Claude mitzuteilen, wozu das Gedächtnis dient, anstatt vorzuschreiben, wie es genutzt werden soll: Das Erzwingen, ausschließlich Fehlschläge aufzuzeichnen, kostet Opus 5 und Opus 4.7 einen Großteil des Zugewinns. Eine falsche Notiz über den Standort des PokéCenters am Mt. Moon, die durch Dreaming anhand des Transkripts korrigiert wurde, genügte, um das Spiel wieder in Gang zu bringen.

Von Anthropic durchgeführtes Experiment	Veröffentlichtes Ergebnis
Nur Wiki, interner Stainless-Korpus (rund 350.000 Dateien), erst 2, dann 128 Dreaming-Sitzungen	erst 13 %, dann 48 % der bewerteten Kriterien
Suche plus Wiki, derselbe Korpus	erst 54 %, dann 61 %, gegenüber 53 % bei reiner Suche; rund 20.000 Tokens pro Frage eingespart
Fragen zu einer Unternehmensfusion (24, dokumentübergreifende Kriterien)	87 % mit dem Wiki, 73 % mit reiner Suche
Fakten aus Verträgen	41 von 57 mit einer geteilten Tabelle, 57 von 57 mit einer wortwörtlich zitierten Seite pro Vertrag

Der Beitrag weist auch auf Grenzen hin: kein Zugewinn, wenn ein einzelnes Dokument ausreicht, ein Wiki, das mitunter größer ist als seine Quellen, sowie Rechenkosten, um das Gedächtnis aktuell zu halten. Schließlich wird daran erinnert, dass die Auto Memory von Claude Code lediglich die ersten 200 Zeilen oder 25 KB von MEMORY.md lädt, was als Index fungiert.

🔗 The components of agent memory (Anthropic)

Google stellt fest, dass veraltete TODO-Kommentare seine Code-Agenten ablenken

6. November — Im Google Developers Blog beziffern Sam Saccone und Madhuri Garikapati versteckte Kosten von Code-Agenten: vergessene Kommentare.

What is easy for humans to skim past in code, agents see as a call to action.

🇩🇪 Was Menschen im Code leicht überfliegen, betrachten Agenten als Handlungsaufforderung. — Sam Saccone und Madhuri Garikapati, Google Developers Blog

Das Team glich jeden von Agenten angetroffenen TODO(bug/...)- oder FIXME(bug/...)-Kommentar anhand der Spuren von Tausenden von Ingenieuren und Hunderten Millionen Agentenschritten mit dem tatsächlichen Status des Fehlers und der Anfrage des Benutzers ab. Insgesamt konfrontieren 13 % der Dateilese-Sitzungen den Agenten mit einer solchen Referenz. Der Agent ignoriert sie in 94 % der Fälle, reagiert jedoch in 6 % darauf – und 83 % dieser Aktionen wurden vom Entwickler nicht angefordert: 41 % dieser Umwege bearbeiten bereits geschlossene Tickets, 57 % weiten die Arbeit auf einen noch offenen Bug aus. Bei vergleichbarem Entwickler, vergleichbarer Codekomplexität, Aufgabenart und Modellstufe verursacht ein nicht angeforderter Umweg 70 % mehr Schritte, 77 % mehr Tokens und 105 % mehr Wartezeit pro Sitzung.

Google reagierte mit Bereinigungsagenten, die Codebasen durchsuchen, den Verlauf des Bugs, der Datei sowie der Änderungen zurückverfolgen und das Löschen eines TODOs erst vorschlagen, wenn dessen Veraltung bestätigt ist: Tausende Verweise wurden in sechs Monaten entfernt, mit einer Akzeptanzrate von über 95 % durch menschliche Reviewer. Der Beitrag plädiert für agentenfreundliche Codebasen (agent friendly codebases).

Projekt harness-hub trainiert per RL ein LoRA pro Agenten-Harness, bewacht von safeagents

6. November — Im Hugging-Face-Blog stellen Younes B., Lysandre und Nathan Habib (Organisation harness-hub) Harness-Adapter (harness adapters) vor: einen kleinen LoRA-Adapter pro Modell und pro Agenten-Harness (pi, opencode, hermes), trainiert durch Reinforcement Learning auf verifizierbaren Aufgaben innerhalb des Harness, ohne diesen zu verändern; ein einziger Server bedient das Basismodell und sämtliche Adapter. In vorläufigen Tests beobachten die Autoren bei gleicher oder besserer Genauigkeit weniger Tool-Aufrufe als beim Basismodell auf den zurückgehaltenen Aufgaben. Die Belohnung vergibt einen kleinen Bonus für korrekte Lösungen, die weniger Aufrufe benötigen.

Die Aufgaben stammen aus offenen Code-Sitzungen, die auf dem Hub geteilt wurden, und werden durch Repo2RLEnvs in verifizierbare Umgebungen umgewandelt; die veröffentlichte Version umfasst 270 Aufgaben, sehr ungleich verteilt: 253 Erstellungsaufgaben (94 %), 11 Reparaturaufgaben, 6 Erweiterungsaufgaben und keine Frage-Antwort-Aufgaben. Der Proxy safeagents überprüft jeden Tool-Aufruf während des Trainings: Versuche des Reward-Hackings werden blockiert und mit 0 bewertet; das Aktivieren dieser Absicherung ändert am zurückgehaltenen pass@1 von LFM2.5-24B-A2B nichts (+0,0 ± 4,1 Punkte). Die abschließenden Trainingsläufe konzentrieren sich auf LFM2.5-24B-A2B und LFM3-1.7B von Liquid AI sowie auf TwIL-8B von webAI, ein Reasoning-Modell, das laut Datenblatt nie auf Agentendaten trainiert wurde; sie laufen auf HF Jobs und werden live übertragen, inklusive der Kosten.

🔗 Harness adapters (Hugging-Face-Blog)

Code-Agenten: Claude Code 2.1.319, Codex CLI 0.167.0, Copilot CLI 1.0.106, Antigravity CLI 1.5, Voice-Chat von Cursor und Spaces von Amp

Claude Code 2.1.319 verlegt MCP-Tasks in den Hintergrund und fügt permissions.denyInsteadOfPrompting hinzu

6. November — Anthropic veröffentlicht Claude Code 2.1.319: 146 Einträge in den Release Notes, darunter 90 Fehlerbehebungen, gegenüber 119 Einträgen bei Version 2.1.314 vom 30. Oktober. Das Paket ist seit 00:58 Uhr UTC auf npm und das Release seit 17:04 Uhr UTC auf GitHub verfügbar, ohne begleitenden Tweet; der stable-Kanal verbleibt bei Version 2.1.311. Die Agent-SDKs folgen am selben Tag (TypeScript 0.3.319, Python 0.2.179).

Geändertes Element	Was sich ändert
MCP-Tasks (MCP tasks) im Terminal	Wenn ein MCP-Server einen Tool-Aufruf als Task ausführt, verlegt Claude Code diesen in den Hintergrund und übermittelt das Ergebnis am Ende
`permissions.denyInsteadOfPrompting`	Ein Aufruf, der auf eine Berechtigungsabfrage warten würde, wird abgelehnt und der Ablauf fortgesetzt, einschließlich Sub-Agenten und Teamkollegen
Auto-Modus hinter einem LLM-Gateway	Bei deaktivierter Telemetrie oder abgeschalteten Feature-Flags: Aufrufe, die der Server nicht verifizieren kann, werden dem Benutzer vorgelegt oder abgelehnt, ohne Rückgriff auf den integrierten Klassifikator
`/claude-api latency-optimize`	Sucht nach Stellen, an denen der Code beim Aufruf der Claude-API Wartezeiten verursacht, und testet schnellere Einstellungen gegen die Benutzerevaluation
`/tasks`	Zeile „Earlier in this session“, um einen beendeten Sub-Agenten wieder zu öffnen und ihm zu schreiben

Am 23. Oktober noch ohne Versionsnummer angekündigt, tauchen die MCP-Tasks erst mit dieser Version im CHANGELOG auf; sie funktionieren auch ohne Feature-Flags, also auf Bedrock, Vertex, Foundry oder hinter einem Gateway. Die Release Notes beheben mehrere Schwachstellen: eine Umgehung von Bash-Berechtigungen über ein manipuliertes Umgebungsvariablen-Präfix, einen Sandbox-Ausbruch beim Erstellen eines Worktrees, einen Befehl sed, der die Berechtigungsprüfung im accept-edits- oder Auto-Modus übersprang, und /rewind, das über einen Verzeichnis-Symlink auf eine Datei zugreifen konnte. Das Gateway für Claude-Apps erhält Warnhinweise im Vorgriff auf eine Umstellung von Claude Desktop am 10. November, die in den Versionshinweisen nicht näher erläutert wird. Am selben Tag kündigt @ClaudeDevs an, dass Cloud-Sitzungen die Umgebung eines Repositories eigenständig vorbereiten (siehe Kurzmeldungen).

🔗 Release Notes zu Claude Code 2.1.319

Codex CLI 0.167.0 signalisiert ungelesene Ergebnisse und wechselt das Backend über die Sitzungsauswahl

6. November — OpenAI veröffentlicht Codex CLI 0.167.0 um 01:40 Uhr UTC, die erste stabile Version seit 0.166.0 vom 29. Oktober, mit 120 Einträgen in der PR-Liste. Die Befehlszentrale der Agenten öffnet sich nun mit codex agents --no-daemon und markiert, ebenso wie die Sitzungsauswahl, Ergebnisse, die der Benutzer noch nicht eingesehen hat. Diese Auswahl ermöglicht es auch, zwischen verbundenen Backends zu wechseln, ohne Entwürfe zu verlieren. Angehängte lokale Bilder werden bei kompatiblen Terminals während der Eingabe in einer Vorschau angezeigt, der Anmeldebildschirm bündelt API-Schlüssel und Cloud-Anbieter unter „Sign in another way“, und die Option gcp_setup_wizard konfiguriert Google Cloud Vertex AI mit den Application Default Credentials oder einer Anmeldedatei. Die Systemeinstellungen für Proxys unter macOS und Windows lassen sich nun über /experimental aktivieren.

Die Fehlerbehebungen betreffen die Arbeitskontinuität: Gespeicherte Konversationen bleiben nach einem Wechsel des Modellanbieters sichtbar, Ctrl+L leert den Bildschirm, ohne dass Nachrichten verloren gehen (diese bleiben über Ctrl+T zugänglich), und die automatische Kompaktierung berücksichtigt aufbewahrte Ausgaben fehlgeschlagener Antworten. Die Dokumentation des App-Servers beschreibt prompt-user-Regeln, die eine erneute menschliche Genehmigung erzwingen. Ergänzend dazu meldet openai-node 7.53.0 Sitzungsfehler von Agenten als Stream-Ereignisse zurück.

🔗 Release Notes zu Codex CLI 0.167.0

Copilot CLI 1.0.106 wird stabil mit 227 neuen Einträgen, gefolgt von Version 1.0.107 mit identischen Hinweisen

6. November — Copilot CLI veröffentlicht die erste stabile Version seit 1.0.105 vom 28. Oktober. Die Version 1.0.106 erscheint um 01:47 Uhr UTC mit Versionshinweisen, die den gesamten Preview-Zyklus zusammenfassen: 637 Einträge, von denen 227 in den Hinweisen der elf auf GitHub veröffentlichten Vorabversionen fehlten. Um 20:37 Uhr UTC erscheint eine 1.0.107 mit exakt denselben Hinweisen, abgesehen vom Datum in der Kopfzeile: Es werden keine eigenen Änderungen beschrieben, und npm installiert nun standardmäßig diese Version.

Zu den bisher unveröffentlichten Einträgen gehören die Variable COPILOT_SESSION_CWD zum Starten und Entwickeln lokaler LSP- und MCP-Konfigurationen, GPT-6.1 Terra, das unter „New models“ auswählbar ist, wenn das Konto Zugriff darauf hat, eine Einstellung „Sandbox extensions“, die Erweiterungsprozesse in der Sandbox ausführt, sowie eine MATS-Telemetrie für die Microsoft-Entra-Anmeldung über OneAuth, die die clientseitige Telemetrieverweigerung respektiert. /exit schließt die aktuelle Sitzung statt der CLI, wenn die Sessions-Seitenleiste geöffnet ist, die Sandbox-Verweigerungsregeln akzeptieren Glob-Muster, und Verweigerungen aufgrund von Cybersicherheitsrisiken erklären, dass die Sitzung intakt bleibt, und schlagen /rewind vor. Das Copilot-SDK wird mit Version 1.0.29 ebenfalls stabil: 131 Einträge, in der Quelle abgeschnitten, darunter ein Breaking Change für Rust bei SessionMetadata.

🔗 Copilot CLI 1.0.106 · Copilot CLI 1.0.107 · Copilot-SDK 1.0.29

Antigravity CLI 1.5 wird zum ACP-Server für Editoren und führt Konversationen auf Remote-Agenten aus

4. und 5. November — Die CLI von Antigravity erreicht Version 1.5 in zwei Schritten. Version 1.5.0 (10 Verbesserungen, 3 Fehlerbehebungen) führt agy acp ein, wodurch die CLI als Server für das Agent Client Protocol (ACP) fungiert: Ein kompatibler Editor kann sie als Agenten nutzen, inklusive Bildern und Dateikontext in Prompts, der Möglichkeit, einen laufenden Turn umzuleiten, den Sitzungsmodi default, accept-edits und plan, der Wiederaufnahme einer Sitzung ohne erneutes Abspielen ihres Verlaufs sowie eines sitzungsspezifischen Modells und Denklevels; agy acp --login ermöglicht die Verbindung über ein Terminal für Editoren, die per SSH angebunden sind. Dieselbe Version bringt --remote-agent, das Konversationen auf entfernten Agenten ausführt – das Befehlszeilen-Pendant zu den in App-Version 2.29.0 eingeführten Funktionen –, sowie lokale Projekte in /projects und einen Headless-Modus (headless, -p), der das Ende von Hintergrundaufgaben abwartet, statt sie nach einem versteckten 30-Minuten-Limit abzubrechen. Eine Fehlerbehebung offenbart, dass Sub-Agenten einer Verbindung über GEMINI_API_KEY auf zwei Generationen älteren Modellen statt auf Gemini 4 Argon und Gemini 3.8 Flash liefen.

Die Version 1.5.1 (5 Verbesserungen, 7 Fehlerbehebungen) schaltet für alle ACP-Clients sämtliche Modelle des Kontos frei, während zuvor nur einer festen Liste von Editoren andere Modelle als Gemini angeboten wurden, und verkürzt die Beendigung eines Terminalbefehls von 5 Sekunden auf rund 1 Sekunde, wenn ein Hintergrundprozess die Ausgabe offenhält. Der Rollout erfolgt schrittweise und kann einige Tage dauern.

🔗 Antigravity-Changelog

Cursor startet Echtzeit-Voice-Chat mit seinen Agenten auf Basis von Grok Voice

6. November — Cursor ermöglicht es ab sofort, während eines Echtzeit-Sprachanrufs mit seinen Agenten zu sprechen: Änderungen laut beschreiben, einen Agenten fragen, was er gerade tut, und Aktualisierungen während der Arbeit mitverfolgen. Der Voice-Chat funktioniert im Agents Window, in der IDE, in der Webversion und in der iOS-App. Bei einem Anruf arbeiten zwei Agenten zusammen: Ein Sprach-Agent hört zu, antwortet und übergibt die Programmierarbeit an den Chat-Agenten; zudem beantwortet er im Nur-Lese-Modus Fragen zu Diffs und Ausführungen, durchsucht vorherige Nachrichten sowie Anrufe und wechselt den Worker in einem Project. Der Code-Agent äußert sich selbst durch kurze Fortschrittshinweise und eine knappe Antwort am Ende.

Die Sprachausgabe basiert auf Grok Voice (Cursor gehört seit August zu SpaceX), während der Code-Agent beim gewählten Modell verbleibt; es stehen mehrere Stimmen zur Auswahl, darunter Ara, Eve, Leo, Rex und Sal. Im Privacy Mode läuft der Voice-Chat ohne Datenspeicherung, und unter iOS startet ein Siri-Befehl einen Anruf mit einem neuen Agenten. Ein eingeloggtes Konto ist erforderlich (eine per API-Schlüssel geöffnete Sitzung kann keine Anrufe initiieren), der Anruf wird nach etwa 10 Minuten Stille beendet, wenn der Agent nichts ausführt, und es gibt ein tägliches Limit, zu dem keine genaue Zahl veröffentlicht wurde. Preise werden nicht genannt; das Diktieren, zuvor als Voice Mode bezeichnet, bleibt separat.

🔗 Voice Chat with Agents (Cursor-Changelog) · Dokumentation zum Voice-Chat

Amp bringt Spaces heraus: Ein Agent, der Threads anstelle des Nutzers erstellt und koordiniert

6. November — Amp bringt Spaces an den Start: Ein Space ist eine Unterhaltung mit einem einzelnen Agenten, dessen Aufgabe darin besteht, andere Agenten zu starten und zu koordinieren. Der Nutzer muss seine Threads (Gesprächsstränge) nicht mehr selbst erstellen oder organisieren: Der Space-Agent übernimmt das. Amp beschreibt dies als eine übergeordnete Art und Weise, mit zahlreichen Agenten zu arbeiten; nach einigen Wochen interner Nutzung glaubt das Team, dass dies die Zukunft der Interaktion mit Agenten sein könnte – mit einem Überblick über das große Ganze und der Möglichkeit, bis ins Detail zu gehen.

Der Beitrag nennt drei interne Beispiele. Spaces wurden selbst in einem Space namens „Spaces v1“ entwickelt, in dem der Agent das im Chat hinterlassene Feedback, Bugs und Ideen auf Threads aufteilte. Lewis steuerte aus einem Space heraus den Launch der Service Accounts: Deployment, Monitoring von X, Slack und Fehlerberichten, Bugfixes sowie anschließende E-Mails und Rückerstattungen an betroffene Nutzer. Will vertraute einem Space ein regelmäßiges Sicherheitsaudit an: Der erste Durchlauf unterteilte die Codebasis in 16 Bereiche, die jeweils in einem eigenen Thread überprüft wurden; jede Feststellung wurde in einem weiteren Thread verifiziert, zusammen mit einem zusammenfassenden Artefakt. Gestartet wird über die Schaltfläche „+“ im Bereich „Spaces“ der Seitenleiste; der Beitrag nennt weder Preise noch Tarifoptionen. Am selben Tag fügt Amp ein Widget hinzu, das auf einer Website hinterlassene Kommentare in Agenten-Threads umwandelt (siehe Kurzmeldungen).

🔗 Spaces (Amp)

Modellentwicklung: Meta trainiert spezialisierte Modelle mit Muse Wonder, Hugging Face veröffentlicht Leitfaden für MoE-Training

Meta führt in Muse und Meta AI spezialisierte Modelle ein, die mit Muse Wonder trainiert wurden

6. November — Meta stattet Muse und Meta AI mit Muse Wonder aus, seinem am 12. Oktober vorgestellten Frontier-Modell: Spezialisierte Versionen seiner bestehenden Modelle, die mit Muse Wonder trainiert wurden, werden dort ausgerollt; der Beitrag nennt sie nicht beim Namen und gibt weder Modellgrößen noch Parametergewichte an. Zwei Fähigkeiten von Muse Wonder fließen ein: das aktive Gedächtnis (Active Memory), das erkennen soll, wann eine ältere Information wieder nützlich wird, und unterscheiden soll, was noch gültig und was veraltet ist; sowie der aktive Fokus (Active Focus), der es ermöglichen soll, Hindernisse zu überwinden oder eine Alternative zu finden. In Meta AI beschreibt Meta einen Assistenten, der Probleme in Einzelschritte zerlegt und präzisere Nachfragen stellt – konkrete Kennzahlen werden nicht genannt.

Interne Metrik von Meta	Aktuelles Muse-Modell	Vorheriges Modell
Personal Superintelligence Index	47 %	38 %
Active Memory Eval (kritischer Kontext gut genutzt)	90 % der Aufgaben	76 %
Vergessen kritischer Informationen in Muse	um Faktor 2,4 gesenkt	—
Tägliche Aufgaben, bei denen Unvorhergesehenes auftritt	+67 %	—

All diese Messungen stammen von Meta selbst; ein Testprotokoll wird im Beitrag nicht veröffentlicht.

🔗 Forschungsbeitrag von Meta über spezialisierte Modelle für Muse und Meta AI

Hugging Face veröffentlicht The Ultimate MoE Training Handbook, gespeist aus 800.000 GPU-Stunden an Experimenten

5. November — Hugging Face veröffentlicht The Ultimate MoE Training Handbook, einen kostenlosen und offenen Leitfaden zum Training von Mixture-of-Experts-Modellen (Mixture-of-Experts, MoE), verfasst von Nouamane Tazi, Leandro von Werra und Thomas Wolf. Ausgangspunkt: Laut dem Index von Artificial Analysis sind 18 der 20 besten Open-Weight-Modelle MoEs, darunter DeepSeek V4.1 Flash 1017, GLM-5.3 und MiniMax-M3.1-Flash, während das Know-how zu deren Training nach wie vor auf wenige Teams konzentriert ist.

18 of the 20 best open models today are Mixture-of-Experts. Dense is basically over. And yet the know-how to train a good MoE still lives mostly in the heads of a handful of teams. So we spent 800k GPU hours running the experiments ourselves and wrote everything down.

🇩🇪 18 der 20 aktuell besten offenen Modelle sind Mixture-of-Experts. Dichte Modelle sind praktisch Geschichte. Und doch steckt das Know-how für das Training eines guten MoE vor allem in den Köpfen einer Handvoll Teams. Also haben wir 800.000 GPU-Stunden investiert, um die Experimente selbst durchzuführen, und alles aufgeschrieben. — @Thom_Wolf auf X

Die Experimente liefen auf AWS-P5-Knoten mit jeweils acht H100-GPUs; Jeff Boudier spricht in einem von Hugging Face reposteten Tweet von Ausgaben in Höhe von 2 Millionen Dollar. Der Leitfaden umfasst rund 70.000 Wörter, 55 interaktive Abbildungen und ausführbaren Code, bei einer veranschlagten Lesezeit von ein bis zwei Tagen. Er widmet sich den konkreten Fragen der Teams: wie viele Experten, in welcher Größe, geteilt oder nicht; welcher Router und warum dieser in FP32 gehalten werden sollte; Auxiliary Loss oder verlustfreier Bias nach DeepSeek-Art für das Load Balancing; Start mit einem dichten Modell (Upcycling) oder von Grund auf; warum ein Training plötzlich 25-mal langsamer wird, ohne dass Fehler in den Logs auftauchen. Ein abschließender Teil widmet sich dem Serving: Low-Precision-Experten, Expertenparallelismus und die Aufspaltung von Attention und FFN.

🔗 The Ultimate MoE Training Handbook (Hugging Face)

Perplexitys Agent API senkt die Kosten für alle Effort-Level – bei gleicher oder höherer Qualität laut Perplexity

5. November — Perplexity senkt die Kosten pro Anfrage für alle bestehenden Aufwandsstufen (effort levels) seiner Agent API – bei laut Anbieter gleichbleibender oder besserer Suchqualität; der Beitrag erläutert zudem Ultra, die am selben Tag für besonders umfangreiche Recherchen eingeführte Stufe. Ein Effort-Level ist eine vorkonfigurierte Einstellung, die das Modell, das Schrittbudget, die Sucheinstellungen und die Werkzeuge für einen bestimmten Aufgabentyp festlegt. Ein API-Aufruf, der ein Level namentlich anspricht, profitiert ohne Codeänderungen vom Update; das Anpinnen einer Version behält die alte Konfiguration bei. Die Testergebnisse beziehen sich auf BrowseComp und DSQA, zwei öffentliche Benchmarks, sowie auf WANDR, Perplexitys hauseigenen Benchmark für lange Recherchen über zahlreiche Entitäten hinweg.

Effort-Level	Veröffentlichtes Ergebnis	Veröffentlichte Kosten
medium	von 55 % auf 77 % bei BrowseComp und DSQA	fast 90 % günstiger
high, mit fetch_url-Extraktion	88,0 % gegenüber 83,5 % ohne Extraktion	0,073 Dollar pro Anfrage gegenüber 0,094
xhigh	76,5 % bei WANDR, gehalten	rund 25 % der Kosten der Konfiguration vom August
ultra	85,9 % bei WANDR, bester getesteter Wert	21,71 Dollar pro Aufgabe

Die Ultra-Stufe startet drei parallele Agenten für die gesamte Aufgabe, woraufhin ein vierter deren Ergebnisse zusammenführt und die Antwort verfasst. Der Blogbeitrag beschreibt die Hebel: eine Obergrenze für Schritte und Tool-Aufrufe mit Budget-Erinnerungen (bei einer BrowseComp-Aufgabe findet der gewarnte Agent die Antwort in 13 von 40 Schritten, während der andere alle 40 ausschöpft, ohne sie zu finden), ein kleineres Modell, das von einer Seite nur die relevanten Passagen behält (5.561 Tokens reduziert auf 293), bei Bedarf geladene Skills – da das Vorabladen aller Skills 13 % mehr kostet – sowie eine Evaluierungsschleife, die ein neues Modell nur übernimmt, wenn es bei gleichen oder geringeren Kosten besser abschneidet. Eine Preisstaffelung nach Stufen wurde nicht veröffentlicht.

🔗 Improvements to every Agent API effort level (Perplexity) · Thread von @perplexitydevs

Perplexity Computer fasst lange Unterhaltungen im Hintergrund zusammen und öffnet Brain für alle Projects

6. November — Perplexity veröffentlicht sein erstes Produkt-Changelog seit dem 19. Oktober mit sechzehn Punkten; die meisten greifen bereits angekündigte Neuerungen auf – wie Teammates, Computer vollständig lokal auf dem Mac oder den Sprachmodus –, sieben davon sind jedoch neu. In Computer komprimieren neue lange Unterhaltungen ihren Verlauf im Hintergrund (background compaction): Laut Perplexity bedeutet dies 94 % weniger Unterbrechungen beim Weiterarbeiten mit langem Kontext und 7 % weniger Credits pro Durchlauf. Um eine von Computer erstellte Website zu bearbeiten, markiert man nun ein konkretes Element (Titel, Button, Karte, Menü), anstatt ein Rechteck zu ziehen.

Bei Projects wird Brain, das Gedächtnis des Projects, in jedem Project kostenlos aktiviert und täglich anhand der Unterhaltungen und Dateien aktualisiert; ein Bereich „Project info“ sowie ein vereinheitlichtes Einstellungsmenü stehen nun allen offen. In Enterprise ermöglichen @mentions, Kollegen in einen Thread oder eine Computer-Aufgabe im Web einzubinden, und rollenbasierte Kontrollen ergänzen die bestehenden Aufwandseinstellungen um ein Tempolimit (Normal oder Fast). Der Skill Impeccable, der die Hierarchie, Barrierefreiheit, das responsive Verhalten und die Konsistenz des Designsystems einer Benutzeroberfläche prüft, wird in die offizielle Liste aufgenommen. Das Changelog hält schließlich fest, dass Agent Plugins nun für Einzel-Tarife und Enterprise im Self-Service zugänglich sind und dass Computer ab Version 26.42.0 der Mac-App vollständig lokal läuft. Die Kostensenkung bei den Effort-Levels, die darin ebenfalls erwähnt wird, wurde im vorherigen Abschnitt beschrieben.

🔗 Perplexity-Changelog vom 6. November

Stimme: Phonon von Gradium läuft auf dem Gerät, ElevenLabs bringt Unity-Charaktere zum Sprechen

Gradium liefert Details zu Phonon, seiner Open-Weight-Sprachsynthese für On-Device-Einsatz

5. November — In einem Blogbeitrag bei Hugging Face geht Gradium näher auf Phonon ein, das zwei Wochen zuvor veröffentlicht wurde: ein Sprachsynthesemodell, das vollständig auf dem Gerät läuft – ohne Server oder Netzwerk –, vom Smartphone über Einplatinencomputer bis hin zum Browser-Tab. Phonon ist in zwei Größen erhältlich, rund 65 und 75 MB, und verarbeitet Telefonnummern, Datumsangaben sowie Codes. Über 100 Stimmen sind integriert, weitere lassen sich in Gradium Studio erstellen – entweder durch Klonen einer kurzen Tonaufnahme mit Zustimmung der betroffenen Person oder per Textbeschreibung –, bevor sie für den lokalen Betrieb heruntergeladen werden.

Phonon-Modell	Unterstützte Sprachen	Nutzungslizenz
Phonon 31m	Englisch	Apache 2.0, freie kommerzielle Nutzung
Phonon 40m	Englisch, Französisch, Deutsch, Spanisch, Portugiesisch	CC BY-NC, kostenpflichtige kommerzielle Nutzung je nach Nutzerzahl

Laut Gradium belegt Phonon auf dem Open TTS Leaderboard von Hugging Face bei der Sprachverständlichkeit im Deutschen und Spanischen den ersten Platz und zählt bei jeder getesteten Sprache zu den Top 3 – gegenüber Modellen, die bis zu 100-mal größer sind; auch beim Streaming-Benchmark auf CPUs führt es bei der Latenz bis zum ersten Audio-Ausgang. Gradium verzeichnet über 200.000 Downloads innerhalb von zwei Wochen. Seine Inferenz-Engine ptts unterstützt über zehn Backends (CPUs, GPUs über CUDA, Vulkan, Metal oder WebGPU sowie Core-ML- und Snapdragon-Chips), und Transformers bindet es seit Version 5.21 ein.

🔗 Phonon (Hugging-Face-Blog)

ElevenLabs bringt Unity-SDK heraus, um Spielfiguren mit ElevenAgents eine Stimme zu geben

5. November — ElevenLabs veröffentlicht ein Unity-SDK für ElevenAgents, seine Plattform für Sprachagenten. Es verbindet eine Spielszene mit einem im ElevenLabs-Dashboard erstellten Agenten: Nähert sich der Spieler einem Charakter und spricht laut mit ihm, erfasst das SDK das Mikrofon, gibt die Stimme des Agenten über eine Unity-AudioSource wieder und verwaltet die Sitzung über die Conversation API. Die Stimme kann räumlich von der Spielfigur ausgehen und deren Lautstärkepegel eine Mundbewegung animieren; dynamische Variablen ermöglichen es mehreren Charakteren, denselben Agenten mit unterschiedlichen Stimmungen zu teilen; ein Kontext-Update meldet dem Agenten Spielereignisse – wie das Aufheben eines Schlüssels –, ohne ihn zu unterbrechen; und clientseitige Tools erlauben es ihm, Spielcode auszulösen, etwa das Öffnen einer Tür.

Zielplattform	SDK-Status	Verwendeter Transport
Editor und Desktop (macOS, Windows, Linux)	Unterstützt	WebSocket
WebGL	Unterstützt	WebSocket oder WebRTC
iOS, Android, XR	Beta	WebSocket

Die Installation erfolgt über den Package Manager von Unity über das Git-Repository von ElevenLabs, fixiert auf v0.1.0 (am 27. Oktober auf GitHub veröffentlichte Version, MIT-Lizenz), mit einer veranschlagten Einarbeitungszeit von rund zehn Minuten für das GettingStarted-Beispiel. ElevenLabs erinnert daran, vor der Veröffentlichung die Authentifizierung zu reaktivieren: Ein Server muss eine kurzlebige signierte URL bereitstellen, und der API-Schlüssel darf keinesfalls in einem Build enthalten sein. Eigene Preise wurden nicht genannt.

🔗 Give your Unity NPCs a voice with ElevenAgents (ElevenLabs) · Repository elevenlabs/unity

Ai2 stellt offiziell ToyBlocks vor: Erste FoundationWorld zur Erforschung des Lernens von Robotern

6. November — Ai2 stellt offiziell ToyBlocks vor, dessen Code und Daten bereits seit dem Vortag online verfügbar waren. Das Institut ordnet dies in einen größeren Rahmen ein, die Foundation-Welten (FoundationWorlds): eine kontrollierte simulierte Welt, die automatische Generierung von Aufgaben und Demonstrationen sowie Metriken, die das Verhalten des Roboters im Zeitverlauf nachverfolgen, um Daten oder Modelle zu variieren, Tests zu wiederholen und die Ursache eines Scheiterns zu ergründen. Die Demonstrationen werden dort ohne Teleoperation erzeugt, mit bis zu 24-facher Echtzeitgeschwindigkeit auf einer einzelnen GPU. Erste Ergebnisse betreffen den Transfer in die reale Welt und Frontier-Agenten:

Von Ai2 veröffentlichte Evaluierung	Erzieltes Ergebnis
Atomare Fähigkeiten von ManiFlow, in Simulation und auf echtem Roboter	80,0 % und 81,1 %
Molmo 2 + ManiFlow, in Simulation und auf echtem Roboter	55,5 % (111 von 200) und 50,0 % (15 von 30)
Claude Opus 5.5 via MCP, Aufgaben zu Suchen und Buchstabieren (search and spell)	63 % gelöst oder zu Recht als unlösbar eingestuft
Skill-Beschreibungen: Standard, von menschlichen Experten, gelernt	24 %, 36 % und 63 % Erfolgsquote
Claude Opus 5.5 bei klassischer Planung	30 von 30 Stapelaufgaben

Bei den Aufgaben zum Suchen und Buchstabieren ist die Hälfte der Szenen unlösbar, und Fehler resultieren vor allem aus ähnlich aussehenden Buchstaben (13 %) oder einer falschen Ausrichtung (15 %). Ai2 weist darauf hin, dass für statistische Verlässlichkeit weitere Tests auf echten Robotern erforderlich sind. Eine Webschnittstelle ermöglicht es, den Roboter in natürlicher Sprache mittels Claude oder einem anderen Frontier-Modell anzuleiten, und das Begleit-Repository allenai/agentic_robotics stellt den über MCP orchestrierten agentischen Kreislauf unter der Apache-2.0-Lizenz bereit.

🔗 ToyBlocks (Ai2-Blog auf Hugging Face) · Repository allenai/agentic_robotics

GitHub stellt Copilot Verified Proficiency vor, ein auf der tatsächlichen Copilot-Nutzung berechnetes Kompetenzniveau

6. November — GitHub stellt Copilot Verified Proficiency vor, eine neue gemeinsame Kompetenzzertifizierung (Credential) von Microsoft und GitHub, die an das Microsoft Pro Badge gekoppelt ist. Anstelle einer Prüfung wird das Niveau kontinuierlich anhand der tatsächlich mit Copilot durchgeführten Aufgaben auf Basis von Telemetriedaten berechnet – basierend auf Umfang, Tiefe und Beständigkeit der Nutzung, nicht auf dem reinen Aktivitätsvolumen. Fünf Kompetenzen werden bewertet: KI-Zusammenarbeit, Prompt-Erstellung, Codegenerierung und -validierung, Agenten-Konfiguration sowie Tool- und Kontextintegration. Drei Stufen stehen zur Verfügung (Beginner, Intermediate, Proficient), während Advanced und Expert sich noch in der Entwicklung befinden; Proficient verleiht ein teilbares Pro Badge, das nach sechs Monaten abläuft, wenn das Niveau nicht aufrechterhalten wird, und das Niveau sinkt ohne Nutzung von Copilot.

Die Teilnahme erfolgt per Opt-in, die Ergebnisse sind standardmäßig privat und weder Arbeitgeber noch Organisation können sie ohne freiwillige Freigabe einsehen; Bewertungsraster und Algorithmen bleiben proprietär. Enterprise Managed Users und GitHub Enterprise Cloud-Konten mit Datenresidenz werden nicht unterstützt. Der Status bleibt unklar: Die undatierte Seite bietet zwar die Berechnung des eigenen Niveaus an, in den FAQ ist jedoch von einer privaten Preview mit eingeladenen Partnern die Rede.

🔗 Copilot Verified Proficiency (GitHub Learn) · Ankündigung von @github auf X

NVIDIA beziffert das Wachstum seiner Open-Source-5G/6G-Tools Aerial und Sionna anhand von fünf Forschungsprojekten

6. November — Ein Jahr nach der Offenlegung des Quellcodes seiner Drahtlos-Software Aerial, die zusammen mit Sionna eine Tool-Suite für die 6G-Forschung bildet, zieht NVIDIA in einem von Soma Velayutham verfassten Beitrag Bilanz. Laut NVIDIA hat sich die Entwicklerakzeptanz von AI Aerial und Sionna innerhalb eines Jahres verzehnfacht, die Open-Source-Tools für 5G/6G haben die Marke von einer Million Downloads überschritten und mehr als 8.000 Forschungseinrichtungen sowie Universitäten nutzen sie. Der Beitrag kündigt keine Produkte an und veranschaulicht diese Nutzung anhand von fünf Projekten:

Forschungsteam	Gemeldetes Ergebnis	Messbedingungen
King’s College London	Ausführungszeit von Roboteraufgaben um bis zu 52,6 % reduziert	Kompakte Objektbeschreibungen statt vollständiger Bilder, absichtlich herbeigeführte Ausfälle
SoftBank	Höherer Uplink-Durchsatz bei allen 15 getesteten Einstellungen, maximaler Gewinn von rund 60 %	Neuronaler Empfänger in Aerial CUDA-Accelerated RAN, handelsübliches 5G-Smartphone, kontrollierte Interferenzen
ETH Zürich	Blockfehlerrate um mehr als ein Drittel gesenkt	Auf lokale Messungen abgestimmte Empfänger im Vergleich zu ausgewählten vorab trainierten Versionen
Universität Leeds	Stromverbrauch des Funkzugangsnetzes um 45,6 % gesenkt	Standby-Modus der Basisstationen 10 Minuten im Voraus geplant, im Vergleich zu einer Volllast-Referenz
CTTC (Katalonien)	Simulationszeit von rund 3 Stunden auf 10 bis 20 Minuten verkürzt	Erste Evaluierung, GPU-basierte Kanalmodelle im Open-Source-Simulator 5G-LENA

Der Beitrag verweist auf die 6G-Entwicklersitzungen der GTC Washington, D.C., und erinnert daran, dass Aerial und Sionna auf GitHub verfügbar sind.

🔗 How NVIDIA Open Source Tools Are Helping Researchers Build Next-Generation 6G Networks (NVIDIA)

Kurzmeldungen

Agenten und Code-Tools

Cloud-Sitzungen von Claude Code — In den Tarifen Pro, Max und Ultra bestimmt Claude selbst die Abhängigkeiten, den Netzwerkzugriff und die API-Schlüssel, die ein Repository benötigt, und speichert diese Umgebung für nachfolgende Sitzungen; laut @ClaudeDevs werden die Schlüssel gespeichert, ohne dass Claude sie einsehen kann. Die Ankündigung besteht aus einem einzelnen Tweet, ohne Blogbeitrag oder Dokumentation. 🔗 Quelle
Feedback-Widget von Amp — Ein Script-Tag und die Webseitenadresse mit dem Suffix ?amp ermöglichen es, auf ein Element einer Website zu klicken und eine Anweisung zu verfassen: Amp öffnet einen Thread im Projekt und der Agent nimmt die Änderung in einer Orb auf einer Kopie des Repositorys vor. Workspace-Projekten vorbehalten, ohne Preisangabe. 🔗 Quelle
Gemini CLI — Am 5. und 6. November wurde kein Nightly-Build veröffentlicht, da der Workflow fehlschlug; dennoch mergte Gemini CLI am 6. November rund ein Dutzend Commits in main: Farbthemen in einer eigenständigen theme.json-Datei, Validierung von Modellnamen in /model, Behebung stundenlanger Quota-Wartezeiten im ACP-Modus und stiller Netzwerkblockaden. Nichts davon ist bisher in einem Release enthalten. 🔗 Quelle
Qwen Code v0.26.9 — Skills lassen sich nun aus ZIP-Archiven installieren (Web-Shell, Daemon oder TypeScript-SDK), und eine einzelne Anfrage kann bis zu 100 Skills aktivieren oder deaktivieren; die Automatisierung des Managed Agent ist standardmäßig aktiviert und die Bildeingabe wird auf Llama 4, Pixtral und Mistral Small ausgeweitet. Keine Breaking Changes. 🔗 Quelle
Kimi Code 2.5.2 — Drei Fehlerbehebungen: doppelte Tool-Deklarationen bei Änderungen von MCP-Tool-Definitionen, fälschlicherweise während einer Sitzung in die Warteschlange gestellte Guidance-Nachrichten sowie Projekterstellung, wenn die Weboberfläche über HTTP bereitgestellt wird. 🔗 Quelle
ZCode v3.17.2 — Am 4. November leitete die Code-Arbeitsumgebung von Z.ai ohne Release Notes die Vorschau lokaler HTML-Dateien im integrierten Browser über eine auf deren Ordner beschränkte zcode-html://-Adresse um: Electron erlaubt es einer file://-Seite standardmäßig, andere Dateien zu lesen. 🔗 Quelle
Flotte von Code-Agenten — Tony Dzi zieht Bilanz aus 103 Tagen Einsatz von Code-Agenten derselben Familie auf sieben Maschinen: Ein Koordinationsprotokoll kann alle seine Sicherheitsinvarianten einhalten und dennoch aufgegeben werden. Er veröffentlicht claw-consensus, seine LLM-freie Consensus-Engine, sowie Telemetriedaten, die den Einbruch der Nutzung belegen. 🔗 Quelle

APIs, Plattformen und Sicherheit

Ausgehende Anrufe von GPT-Live — Am 2. November hat OpenAI ausgehende Telefonate von GPT-Live über SIP via die Live-API für alle Organisationen freigegeben: Rufnummer im E.164-Format, Provider-Trunk, TLS-Signalisierung und SRTP-Audio, Klingeln auf 3 Minuten und Anrufdauer auf 2 Stunden begrenzt; keine Preisangabe. 🔗 Quelle
OpenAI Agents API — Michael Luo, Produktverantwortlicher bei OpenAI, zieht Bilanz für Oktober (größtenteils bereits bekannt) und stellt auf Anfrage fünf Beta-Funktionen zur Verfügung: sitzungsübergreifendes Gedächtnis, Agenten-Zugriff auf die Decisions-API, Budgetobergrenzen in Dollar, Umgebungs-Pools und eine v2-Architektur. 🔗 Quelle
gemini-embedding-2-preview — Die Gemini-API markiert dieses Modell als veraltet (deprecated): Seit dem 6. November werden Anfragen zum Tarif von Gemini Embedding 2 an gemini-embedding-2 weitergeleitet, bei identischem Schema und gleichem Embedding-Raum; eine Neuindizierung ist nicht erforderlich, lediglich der Modellname muss geändert werden. 🔗 Quelle
Copilot-Nutzungsmetriken — Die API erfasst nun pro Repository die Quote der von Entwicklern bearbeiteten Kommentare aus Copilot Code Reviews, aufgeschlüsselt nach Schweregrad, Review-Ebene und Kommentartyp, und meldet Benutzer ohne Telemetrie oder mit Versionen unterhalb der Mindestanforderungen für IDE und Erweiterung. 🔗 Quelle
OpenAI und Hacktron — OpenAI arbeitet mit Hacktron zusammen – einem Unternehmen, das über das Bug-Bounty-Programm auf sich aufmerksam machte –, um nach Schwachstellen in den eigenen Systemen zu suchen, insbesondere bei Interaktionen mit Drittanbieter-Diensten, und erweitert dessen Zugang zu Spitzenmodellen über Daybreak Red; keine finanziellen Details. 🔗 Quelle
Transformers v5.22.2 — Patch-Release von Hugging Face, das die Jinja-Sandbox abhärtet und device_id nur noch für NCCL festlegt; in den Release Notes werden keine Sicherheitshinweise erwähnt. 🔗 Quelle

Unternehmen und Bildung

Australische Universitäten — Am 5. November erläutert OpenAI Einzelheiten zu Kooperationen mit der UNSW Sydney (ChatGPT Edu für über 80.000 Studierende und Mitarbeitende), der Universität Sydney, La Trobe und der Adelaide University; laut einer von OpenAI in Auftrag gegebenen Pureprofile-Umfrage unter 1.018 Studierenden nutzen 81 % KI mehrmals pro Woche. 🔗 Quelle
Cult.fit und Codex — Eine Fallstudie von OpenAI vom 5. November zeigt, wie die indische Fitnessstudiokette ihr Engineering auf Codex standardisiert: Mehr als 20 interne Anwendungen wurden von nicht-technischen Teams erstellt, jährlich über 100.000 Dollar an Softwarekosten eingespart und die Kundensupportkosten um mehr als 50 % gesenkt. 🔗 Quelle
Merge und GPT-6 Astra — Am 5. November erklärt das Startup Merge, dass ein auf GPT-6 Astra basierender Bot, der mit Salesforce, Gong, Google Sheets und Gmail verknüpft ist, die Vorbereitung eines Kundendinners von dutzenden Stunden auf rund 30 Minuten verkürzt; die Anzahl der Dinner stieg von 8 im zweiten Quartal auf 16 im dritten Quartal. 🔗 Quelle
Franklin Templeton — Am 5. November beschreibt der Vermögensverwalter eine vernetzte Intelligence-Schicht, die unter anderem mit Codex aufgebaut wurde und Research, Risiko, Compliance und Trading für seine Portfoliomanager miteinander verknüpft; keine Ergebniszahlen. 🔗 Quelle
Flipsnack und ChatGPT Ads — Am 5. November meldet diese Kunden-Case-Study rund 310 % mehr Registrierungen und um etwa 75 % niedrigere Kosten pro Registrierung bei unverändertem Tagesbudget, nachdem fünf US-Kampagnen von Klick- auf Conversion-Optimierung umgestellt wurden. 🔗 Quelle
Box und NVIDIA — Am 5. November schaltet Box auf der BoxWorks 2026 die offenen Nemotron-Modelle, beginnend mit Nemotron 3 Ultra, für Enterprise-Advanced-Kunden von Box AI frei; Box Context Retrieval, das auf Nemotron Retriever aufbaut, wird für Anfang nächsten Jahres erwartet und könnte laut Box eine um 20 % höhere Suchgenauigkeit erzielen und 90 % weniger Tokens verbrauchen. 🔗 Quelle

Google-Anwendungen

Lernkarten in Gemini Notebook — Die Karteikarten unterstützen jetzt Bilder, ein optionaler Timer ermöglicht das Testen der Erinnerungsleistung und die mobile App plant Lernerinnerungen; weder Länder noch Tarife wurden genannt. 🔗 Quelle
Gemini in Google Forms — Im Tab „Antworten“ analysiert Gemini die Rückmeldungen durch das Schreiben und Ausführen von Python-Code, erkennt Trends sowie Korrelationen und schlägt Maßnahmen vor; der Rollout begann am 2. November im Rapid Release und startet am 19. November im Scheduled Release für berechtigte Business-, Enterprise- und Education-Tarife sowie Google AI-Abonnenten. 🔗 Quelle

Sprache, Musik und Bild

Open ASR Leaderboard — Die Spracherkennungs-Bestenliste von Hugging Face wurde um zwei private Testsets von Liva AI in gesprochenem Englisch mit ägyptischem (1,34 Stunden) und nigerianischem Akzent (1,55 Stunden) sowie eine an den Kachru-Kreisen orientierte Aufschlüsselung ergänzt; Modellergebnisse werden nicht genannt. 🔗 Quelle
Libanesischer Dialekt — Im zweiten Teil seiner Serie, nach dem Beitrag vom 5. November, erstellt Bilal Zaraket ein von drei Muttersprachlern validiertes libanesisches Lexikon (429 Einträge) vor der Generierung von Sprachdaten: Der Anteil zu korrigierender Sätze sinkt von 22 % auf 4 % und liegt damit unter dem vorab festgelegten Schwellenwert von 5 %. 🔗 Quelle
ElevenMusic und SoundCloud — ElevenLabs verknüpft seine Musikplattform mit SoundCloud: Ein erstellter Originaltitel wird direkt auf das Profil des Künstlers übertragen, inklusive Beschreibung, Genre und Tags. SoundCloud-Artist-Pro-Mitglieder erhalten drei Gratismonate für ElevenMusic, danach 9,99 Dollar pro Monat; das Angebot gilt bis zum 31. Oktober 2027. 🔗 Quelle
Ads Engine — ElevenLabs führt optionales menschliches Korrektorat durch Linguisten und Lokalisierungsexperten von ElevenProductions sowie interne Kreativspezialisten für Bildmaterial, Google Search Ads und synchronisierte Videos ein; Zugang über das Vertriebsteam, ohne Angaben zu Preisen oder Fristen. 🔗 Quelle
Daily Song Challenge von Suno — Die iOS- und Android-Apps bieten täglich einen Song-Prompt, der vor der Erstellung angepasst werden kann, und ordnen die Songs in allen Tarifen in einem Kalender innerhalb der Bibliothek an. 🔗 Quelle
Runway und GPT Image 2.6 — Runway bindet das Bildmodell von OpenAI ein, das als 50 % schneller beschrieben wird, inklusive GIF-, SVG-Export sowie Bearbeitungsfunktionen, die Konsistenz bei Charakteren und Produkten wahren; weder Variante noch Credit-Kosten werden genannt. 🔗 Quelle

Forschung, Robotik und Modelle

Wissenschaftliche Modelle — Der Science-Blog von Anthropic veröffentlicht einen Gastbeitrag von Jakob Macke, Daniel Gedon und Stefan Wahl (ELLIS Institute Tübingen) über KI, die wissenschaftliche Modelle erstellt, einschränkt und interpretiert – vom Hodgkin-Huxley-Modell bis hin zur simulationsbasierten Inferenz. 🔗 Quelle
SuperCLUE-Rangliste — Ein Community-Beitrag von VIDRAFT greift das November-Ranking (19 Modelle) auf: GPT-6.1-Sol führt beim agentischen Coden (69,23), während DeepSeek-V4.1-Flash-1017 den ersten Platz unter den offenen Modellen belegt (65,38); Kimi-K3.1-Pro erzielt unter diesen den besten Gesamtwert. 🔗 Quelle
LingYu Robotics — Das Unternehmen veröffentlicht 139,4 Stunden und 13.263 erfolgreiche Episoden zweihändiger Teleoperation aus der Egoperspektive des Roboters, aufgeteilt auf 15 Aufgabenfamilien, im LeRobot-Format und unter einer nicht-kommerziellen Lizenz. 🔗 Quelle
Egocentric-EMG-Force — Harpreet Sahota konvertiert für FiftyOne acht Episoden und 38,2 Minuten an Haushaltsaufgaben, die mit einer Tiefenkamera gefilmt wurden, wobei ein EMG-Armband an jedem Handgelenk die Muskelsignale der Unterarme aufzeichnet. 🔗 Quelle
Teaser von Qwen — Der offizielle Qwen-Account veröffentlicht eine kurze, kryptische Nachricht mit einem Bild, dessen chinesische Beschriftung eine Leerstelle für einen Namen lässt, ohne Modellnamen, Datum oder Link; der Post verzeichnete innerhalb eines Tages über 1,3 Millionen Aufrufe. 🔗 Quelle

Was das bedeutet

Die KI tritt in eine Phase der regulierten und fundiert gemessenen Forschung ein. Die Agenten von Google DeepMind arbeiteten unter menschlicher Aufsicht gemeinsam mit Forschern von Inria an einem bereits ausgemusterten 1024-Bit-RSA und einem bereits gelösten Benchmark-Schlüssel in isolierter Simulation: Der theoretische Geschwindigkeitsvorteil um das etwa 1.600-Fache bedroht 2048-Bit-Schlüssel nicht, erinnert jedoch daran, dass eine Härteannahme niemals als selbstverständlich angesehen werden darf. BioBasicsBench und TCSExam folgen derselben Disziplin: OpenAI veröffentlicht selbst die Fehler von GPT-6 Astra, darunter eine um rund 12 % überschätzte Koloniezählung, und TCSExam lässt jede Aufgabe durch den Lean-Kernel oder einen ausführbaren Verifizierer überprüfen, ohne dass eine offene Vermutung fällt. Das Frontier Model Forum wendet dieselbe Logik auf Risiken an, mit einem gemeinsamen Bewertungsraster, um zu entscheiden, welche Cyber-Jailbreaks zuerst behoben werden sollen.

Was das Modell umgibt, entscheidet zunehmend über den Erfolg eines Agenten. Bei Anthropic blockiert eine einzige falsche Notiz zu Mt. Moon das Pokémon-Spiel, bis das Dreaming sie korrigiert, und ein gepflegtes Wiki spart rund 20.000 Token pro Frage. Bei Google reicht ein altes TODO aus, um einen Agenten aus der Bahn zu werfen: Ein ungefragter Umweg belastet die Sitzung mit 70 % mehr Schritten, 77 % mehr Token und 105 % mehr Wartezeit – so sehr, dass Google Agenten eingesetzt hat, um seine Codebasen zu bereinigen. Die Harness-Adapter packen das Problem beim Training an, mit einem LoRA pro Harness, das Tool-Aufrufe bei gleichbleibender Genauigkeit reduziert, und die Hebel von Perplexity sind ähnlicher Natur: Budget-Erinnerungen, Seitenextraktion, bei Bedarf geladene Skills.

Coding-Agenten verändern ihre Schnittstelle. Man spricht mit ihnen – dank des Voice-Chats von Cursor, der den zuhörenden Agenten von jenem trennt, der Code schreibt; man delegiert die Organisation an sie – mit einem Space von Amp, der eigenständig Threads startet und sogar ein Security-Review in 16 Bereiche aufteilt; man bindet sie überall an, da ACP die Antigravity CLI zum Agenten jedes kompatiblen Editors macht, mit allen Modellen des Kontos. Parallel dazu verkürzen sich die Release-Zyklen (146 Einträge für Claude Code 2.1.319, 637 für Copilot CLI 1.0.106, 120 PRs für Codex CLI 0.167.0), einhergehend mit feineren Kontrollen darüber, was der Agent tun darf – von der promptlosen Verweigerung bei Claude Code bis hin zu den prompt-user-Regeln von Codex.

Auch bei Kosten und Zugang tut sich etwas. Perplexity macht seine Medium-Stufe um fast 90 % günstiger und steigert sie gleichzeitig von 55 % auf 77 %, während Brain in jedem Project kostenlos aktiviert wird. Phonon führt eine Sprachsynthese direkt auf dem Gerät ohne Server aus, mit Modellen von etwa 65 und 75 MB, darunter eine englische Version unter Apache-2.0-Lizenz. Meta überträgt Fähigkeiten von Muse Wonder in spezialisierte Modelle, die für Nutzer von Muse und Meta AI bereitgestellt werden, und Hugging Face stellt Know-how zum MoE-Training frei zur Verfügung, das mit 800.000 GPU-Stunden erworben wurde.