OpenMOSS stellt MOSS-Live vor, Antigravity erläutert seinen Sprachmodus, NVIDIA veröffentlicht CUDA 13.5 und GitHub beschreibt Rubicon

Sprache wird zu einer Möglichkeit, Agenten zu steuern: OpenMOSS stellt MOSS-Live vor, ein System, das gleichzeitig zuhört, spricht und Tools startet, und Antigravity erläutert seinen Sprachmodus mit Gemini Live, sowohl in der Anwendung als auch im Terminal. NVIDIA stärkt die Softwarebasis seiner GPUs mit CUDA 13.5, der kollektiven Kommunikationsoperation Reshard für Reinforcement Learning und FLUX 3 Image Klein mit Beschleunigung auf Blackwell. GitHub beschreibt Rubicon, seinen neuen Git-Speicher, der mit 5 000 Agenten an einem Repository getestet wurde, und macht Copilot zu einem Werkzeug für Teams, mit einer per API steuerbaren Code Review und der allgemeinen Verfügbarkeit von @GitHub in Slack und Teams.

Sprache steuert Agenten: MOSS-Live von OpenMOSS und der Sprachmodus mit Gemini Live in Antigravity

Beide Ankündigungen folgen derselben Architektur: Ein Modell führt im Vordergrund das Gespräch, während ein Agent im Hintergrund arbeitet, wie beim Sprachchat, den Cursor am 6. November auf Basis von Grok Voice freigeschaltet hat.

OpenMOSS stellt MOSS-Live vor, ein Vollduplex-Sprachsystem, das sieht, zuhört und Tools startet

7. November — Das OpenMOSS-Team stellt MOSS-Live vor, ein System für Gespräche in Echtzeit, das gleichzeitig zuhört und spricht (Vollduplex, full-duplex), versteht, was die Kamera oder die Bildschirmfreigabe zeigen, und Recherchen sowie langwierige Aufgaben an ein zweites Modell übergibt, ohne das Gespräch zu unterbrechen. Im Beitrag von Chen Yang im Community-Blog von Hugging Face entscheidet ein Interaktionsmodell im Vordergrund, ob es antwortet, wartet oder das Wort abgibt, ein Hintergrundmodell übernimmt das Schlussfolgern und ruft Tools auf, und eine Koordinationsschicht teilt den Speicher und den Aufgabenstatus zwischen beiden Modellen. MOSS-Live soll ein „Mhm“ von einer echten Unterbrechung unterscheiden, nicht an das System gerichtete Sprache ignorieren und simultan dolmetschen.

Benchmark und Metrik (laut OpenMOSS)	Ergebnis von MOSS-Live	Bester genannter Konkurrent
FDB v3, erfolgreiche Tool-Aufrufe	51,00 %	51,00 % (Doubao SeedDuplex)
τ-Voice, Aufgaben über mehrere Gesprächsrunden (pass¹)	57,93 %	67,68 % (GPT-Live-1)
τ-Voice, Selektivität bei nicht an das System gerichteter Sprache	78,90 %	66,99 % (GPT-Live-1)
Big-Bench Audio, Genauigkeit	88,40 %	90,50 % (Doubao SeedDuplex)
FDB v3, Latenz im Tool-Szenario	2,36 s	1,61 s (GPT Realtime 2.1)

MOSS-Live ist kein offenes Modell: Das GitHub-Repository enthält nur die Dokumentation, ohne Lizenz oder Modellgewichte. Das System lässt sich in einer Online-Testumgebung (playground) ausprobieren und über eine Echtzeit-API auf der MOSS-Plattform integrieren.

🔗 MOSS-Live im Hugging-Face-Blog · Dokumentation zu MOSS-Live auf der MOSS-Plattform

Antigravity erläutert seinen Sprachmodus mit Gemini Live, in der Anwendung und in Antigravity CLI 1.5.0

6. November — Der Antigravity-Blog erläutert den Sprachmodus (voice mode), dessen Einführung mit Anwendungsversion 2.29.0 am 3. November begonnen hatte. Gemini Live hört die Stimme direkt, ohne den Umweg über eine Transkription, antwortet in Echtzeit und lässt sich unterbrechen: Man erteilt eine Aufgabe, lenkt sie während der Ausführung um („Was machst du gerade?“, „Stopp“) und beantwortet Genehmigungsanfragen mündlich. Der Beitrag ergänzt, was im Changelog fehlte: Der Modus funktioniert auch in Antigravity CLI, ab Version 1.5.0.

Destructive actions, such as deleting files, running commands with elevated privileges, or force-pushing to a Git remote, can’t be approved by voice.

🇩🇪 Destruktive Aktionen wie das Löschen von Dateien, das Ausführen von Befehlen mit erhöhten Rechten oder das Erzwingen eines Pushs in ein entferntes Git-Repository können nicht per Sprache genehmigt werden. — Antigravity-Blog, Sprachmodus in Antigravity

Einstellung oder Einschränkung	Von Antigravity angegebener Wert
Start in der CLI	`/voice live` oder F6; `agy mic-serve` bei SSH
Stimmen und Sprechgeschwindigkeit	9 Stimmen; von 0,75x bis 2x in der Anwendung, von 0,5 bis 3 in der CLI
Fortschrittsbericht auf Anfrage	etwa alle 30 Sekunden („Halte mich auf dem Laufenden“)
Gespräche im Sprachmodus	jeweils nur eines, ausschließlich lokal

Der Sprachmodus funktioniert weder mit Remote Control noch in Gesprächen, die in der Cloud ausgeführt werden, noch in einer Sitzung mit einem entfernten Agenten, und die Mikrofonaufnahmen werden an die Server von Google gesendet. Es wird kein Tarif genannt: Die Dokumentation weist lediglich darauf hin, dass der Modus möglicherweise noch nicht für alle Konten verfügbar ist.

🔗 Ankündigung von @antigravity auf X · Dokumentation zum Sprachmodus

Die Software für NVIDIA-GPUs: CUDA 13.5, NCCL M2N Reshard und FLUX 3 Image Klein auf Blackwell

CUDA 13.5 macht die Unterstützung für Vera Rubin allgemein verfügbar

4. November — NVIDIA veröffentlicht CUDA 13.5. Die wichtigste Neuerung: Die Unterstützung der Vera-Rubin-Architektur wechselt vom Entwicklern vorbehaltenen Vorabzugang in die allgemeine Verfügbarkeit (general availability) und ist laut NVIDIA für den produktiven Unternehmenseinsatz bereit. Windows on Arm, seit CUDA 13.4 allgemein verfügbar, wird auf die DGX Station unter Windows ausgeweitet, und auf Rubin wird der TCC-Modus zugunsten von WDDM und MCDM aufgegeben. Für die gemeinsame GPU-Nutzung wechselt MPS auf Version 3 (gewichtete Zeitscheiben, Verleihen und Ausleihen von Multiprozessoren (SM) zwischen Partitionen, Routing per cgroup v2); CUDA Tile erhält Multi-GPU-Kommunikation innerhalb der Kernels.

Bibliothek oder Tool	Von NVIDIA angekündigte Neuerung
CCCL 3.5	Top-K im Batch, bereits in FlashInfer integriert; reproduzierbare Gleitkomma-Scans
cuBLAS	schnellere NVFP4- und MXFP8-Multiplikationen auf Vera Rubin, ohne Zahlenangabe
cuSPARSE	1,65 bis 2,27 Mal schnellere Produkte dünn besetzter Matrizen
Nsight Perf SDK for AI	öffentliche Preview, kontinuierliches Profiling langer Trainingsläufe
Compute Sanitizer	Skill, der Coding-Agenten bei der Diagnose von Speicherfehlern hilft

🔗 NVIDIA CUDA 13.5 macht die Unterstützung für NVIDIA Vera Rubin allgemein verfügbar

NCCL M2N Reshard beschleunigt die Übertragung der Gewichte beim Reinforcement Learning um das 2,7- bis 5,7-Fache

6. November — Beim bestärkenden Lernen (reinforcement learning, RL) müssen die Inferenz-GPUs, die Trajektorien erzeugen, regelmäßig die von den Trainings-GPUs aktualisierten Gewichte erhalten: Das ist die Gewichtsaktualisierung (refit). Die übliche Methode führt jeden Parameter zusammen und verteilt ihn anschließend an alle (gather-and-broadcast), wodurch bei jedem Schritt etwa das Doppelte der Modellgröße übertragen wird, laut NVIDIA fast 11,2 TB bei Kimi K3. Reshard, eine neue Art kollektiver Kommunikationsoperation, behandelt diese Aktualisierung als Neuaufteilung eines verteilten Tensors: Jede GPU erhält nur ihren Anteil, pro NVLink-Domäne wird nur eine Kopie über das Netzwerk übertragen, anschließend tauschen die GPUs die fehlenden Teile über NVLink aus.

Die Referenzimplementierung NCCL M2N Reshard ist Open Source und in NeMo RL integriert, wo sie die Gewichte der Feed-forward-Schichten (feed-forward) überträgt, etwa 95 % der Parameter. Laut NVIDIA wird die Gewichtsaktualisierung dadurch 2,7 bis 5,7 Mal schneller:

Testplattform	Trainiertes Modell	Herkömmliche Methode	Mit Reshard
DGX H100	Qwen 3 235B	6,4 s	1,9 s
DGX H100	DeepSeek V3 671B	14,9 s	2,6 s
DGX GB200	DeepSeek V3 671B	6,1 s	2,3 s
DGX GB200	Nemotron Ultra v3	8,2 s	2,3 s

🔗 Schnellere Gewichtsaktualisierung beim Reinforcement Learning mit der kollektiven Kommunikationsoperation Reshard · Repository NVIDIA/nccl-extensions

FLUX 3 Image Klein mit TensorRT LLM VisualGen auf Blackwell bis zu 4,45 Mal schneller

6. November — NVIDIA veröffentlicht ein Tutorial zu FLUX 3 Image Klein, dem Bildmodell mit offenen Gewichten von Black Forest Labs, in TensorRT LLM VisualGen, der auf visuelle Generierung ausgerichteten Runtime von TensorRT LLM. Auf einer einzelnen B200-GPU macht die Kombination der Optimierungen (Kompilierung, NVFP4-Gewichte, Sparse Attention mit Sol-Attention, Cache-DiT-Cache) Klein Base bei 2048x2048 bis zu 3,46 Mal schneller bei Text-zu-Bild und 4,45 Mal schneller bei Bild-zu-Bild, verglichen mit einer unkompilierten BF16-Inferenz.

Gemessene Konfiguration (2048x2048)	Unkompilierte BF16-Inferenz	Nach Optimierungen	Gemessene Beschleunigung
Text-zu-Bild, Klein Base, 1 B200	22,36 s	6,46 s	3,46x
Bild-zu-Bild, Klein Base, 1 B200	54,64 s	12,28 s	4,45x

NVIDIA misst die visuelle Abweichung mit dem LPIPS-Score (je niedriger, desto näher bleibt das Bild an der Referenz): 0,095 bei Text-zu-Bild und 0,045 bei Bild-zu-Bild. Beim Wechsel von einer auf acht B200-GPUs sinkt die mediane Latenz von Klein Base bei Text-zu-Bild von 14,90 auf 3,00 Sekunden; auf einer RTX PRO 6000 Blackwell Server Edition liegen die Beschleunigungen zwischen dem 1,73- und dem 3,25-Fachen. Das Tutorial stellt einen TensorRT-LLM-Container, YAML-Konfigurationen und einen mit OpenAI kompatiblen Endpunkt über trtllm-serve bereit.

🔗 Schnellere Bildgenerierung mit FLUX 3 Image Klein auf NVIDIA Blackwell-GPUs

GitHub erläutert Rubicon, seine neue Git-Speicherarchitektur, getestet mit 5 000 Agenten an einem Repository

5. November — GitHub veröffentlicht nach den Beiträgen vom 6. und 21. Oktober den dritten Beitrag seiner Reihe über eine auf Agenten zugeschnittene Git-Infrastruktur und teilt ihn am 6. November auf X. Karthik Raman und Brian Celenza beschreiben darin Rubicon, die auf GitHub Universe angekündigte neue Git-Speicherarchitektur. Die aktivsten Repositories erhalten heute in kurzen Schüben höchstens einige Dutzend Schreibzugriffe pro Sekunde; GitHub rechnet innerhalb eines Jahres mit einem kontinuierlichen Aufkommen in diesem Tempo, und ein weiterer Beitrag verdeutlicht die Größenordnung: mehr als 1,2 Milliarden Commits innerhalb einer Woche im Oktober.

Through internal testing, we’ve demonstrated the ability to support 5,000 concurrent agents working on a repository, sending 7,200 pushes per second to a repo, all while serving read traffic with consistently low latency.

🇩🇪 In internen Tests haben wir gezeigt, dass wir 5 000 Agenten unterstützen können, die gleichzeitig an einem Repository arbeiten und dabei 7 200 Pushes pro Sekunde an ein Repository senden, während Lesezugriffe mit konstant niedriger Latenz bedient werden. — @github auf X

Spokes leitet Anfragen weiterhin weiter, allerdings an kurzlebige virtuelle Replikate, deren lokale Festplatte nur als Cache dient. Die Git-Packs liegen in Azure Blob Storage, die Referenzen in Ref-CAS (Reference Compare-and-Swap), einem replizierten Log, in dem jede Aktualisierung durch ein Quorum bestätigt wird: Ein erster, vollständig auf Blob Storage basierender Prototyp erreichte höchstens einige Hundert Schreibzugriffe pro Sekunde, Ref-CAS verarbeitet Zehntausende. Rubicon befindet sich in einer begrenzten privaten Preview, eine breitere Einführung ist für Anfang nächsten Jahres geplant.

🔗 Einblick in GitHubs neue Git-Speicherarchitektur

Copilot im Team: Code Review per API steuern, @GitHub wird in Slack und Teams allgemein verfügbar

Copilot Code Review lässt sich über REST- und GraphQL-APIs konfigurieren und erhält eine kompaktere Zusammenfassung

6. November — Nachdem Reviews seit Oktober per API ausgelöst werden können, ermöglicht GitHub nun das Auslesen und Ändern der Einstellungen von Copilot Code Review über die REST- und GraphQL-APIs, von der Unternehmensrichtlinie bis zum Repository. Die Antworten zeigen außerdem, was Copilot geschrieben hat, welchen Prüfaufwand er verwendet hat und welche Skills, MCP-Server und Anweisungen er als Quellen nennt.

Einstellungsebene	Was sich über die API einstellen lässt
Unternehmen	Reviews für alle Organisationen aktivieren oder deaktivieren oder ihnen die Wahl lassen
Organisation	Aktivierung, standardmäßiger Prüfaufwand, Runner, ohne die Unternehmensvorgaben zu überschreiben
Repository	Prüfaufwand, Nutzung benutzerdefinierter Anweisungen und MCP-Tools

Einschränkung: Die Endpunkte auf Unternehmens- und Organisationsebene akzeptieren weder GitHub Apps noch feingranulare persönliche Zugriffstoken (fine-grained PAT), die nur von den Repository-Endpunkten akzeptiert werden. Der zusammenfassende Kommentar wird kompakter (Prüfaufwand und Umfragen in der Fußzeile, ein einziger Abschnitt „Nicht überprüfte Dateien“), die Review-Sitzungen zeigen die verbrauchten KI-Credits an, und die Aufwandseinstellung Balanced nutzt künftig drei Review-Modelle, deren Ergebnisse ein weiteres Modell zusammenführt. Eine fehlgeschlagene Review wird einmal erneut gestartet, wobei ein Wechsel zu einem anderen Modell möglich ist. Tarife Pro, Pro+, Max, Business und Enterprise.

🔗 Copilot Code Review: API-Verwaltung und Aktualisierungen der Review-Übersicht

@GitHub wird in Slack und Microsoft Teams allgemein verfügbar, mit Canvas in Teams

6. November — Nach einer am 21. August gestarteten öffentlichen Preview wird der Agent @GitHub in Slack und Microsoft Teams allgemein verfügbar. Man erwähnt ihn in einem Gespräch, um einen Bug zu untersuchen, ein Issue zu erstellen, eine Änderung zu implementieren oder einen Pull Request zu öffnen, ohne das Tool zu wechseln. Die einzige neue Funktion ist Canvas in Teams: Implementierungspläne, Codeänderungen und Vorschauen erscheinen neben der Diskussion, wo das Team sie kommentieren und die Arbeit weiterentwickeln kann.

Die weiteren Änderungen betreffen Details: Das Repository wird aus der Nachricht abgeleitet, ohne es erneut auswählen zu müssen, das Problem, dass Folgenachrichten unbeantwortet bleiben konnten, wurde behoben, und die aus einem Gespräch heraus erstellten Issues und Pull Requests tragen den Namen der Person, die sie angefordert hat. Die Seite nennt weder die betroffenen Tarife noch Nutzungszahlen.

🔗 @GitHub in Slack und Teams ist allgemein verfügbar – und weitere Neuerungen

Kurzmeldungen

Agents und Code-Tools

Copilot CLI 1.0.108-0 und 1.0.108-1 — Zwei Vorabversionen vom 7. November, einen Tag nach der stabilen Version 1.0.107: /index-Befehle und standardmäßig aktivierte gemeinsame tgrep-Indexierung für geeignete Repositories, eine CLI, die Fragen zu ihrer eigenen Funktionsweise anhand ihrer Dokumentation beantwortet, und 72 Fehlerbehebungen, darunter MCP-Ablehnungsregeln, die auch mit --allow-all-tools angewendet werden. 🔗 Quelle
Qwen Code v0.27.0 — Stabile Version vom 7. November, einen Tag nach v0.26.9, ohne Breaking Changes: 73 Einträge, darunter FileChanged-Benachrichtigungen für Hooks lokaler Sitzungen, ein Filter für GitHub-Repository-Ereignisse (Zulassen und Blockieren) für Kanäle sowie gleichzeitige Fragen untergeordneter Agents des Managed Agent. 🔗 Quelle
Remote-Agents von Antigravity — Ein einziges Projekt verbindet ein GitHub-Repository und einen Google Drive-Ordner mit Lese- und Schreibzugriff; eine im Web gestartete Aufgabe lässt sich in der App fortsetzen, und Berechtigungen können vom Smartphone aus erteilt werden. Der Tweet nennt alle kostenpflichtigen Tarife für Privatkunden, die Dokumentation dagegen Google AI Pro und Ultra, unter Ausschluss von Google AI Plus und Geschäftskonten. 🔗 Quelle
Support im Agent von Replit — Bei Supportfragen prüft der Agent zunächst aktuelle Störungen, die Dokumentation und bekannte Einschränkungen der Plattform, ohne die Unterhaltung zu verlassen; bleibt das Problem bestehen, reicht er im Pro-Tarif selbst ein Ticket mit Debugging-Details zur Umgebung ein. 🔗 Quelle
Showcase von OpenAI Developers — Das Plugin OpenAI Developers erhält einen Showcase-Tab: Starterprojekte für die API (Agents, Kreativtools, Datenvisualisierung, Sprache), die sich in Codex öffnen lassen; die Seite API demos führt zwölf davon auf, darunter acht, die direkt in Codex geöffnet oder heruntergeladen werden können. 🔗 Quelle

GitHub Copilot

Rückblick zur GitHub Copilot-App — Der Wochenrückblick vom 6. November beschreibt Neuerungen der App: Agent Merge lässt sich über den Pull Request konfigurieren und bleibt während ausstehender Prüfungen aktiv, die Unterhaltung wird beim Erreichen des Kontextlimits komprimiert, CSV- und TSV-Dateien werden als Tabellen geöffnet, und persönliche Anweisungen für die unterstützte Genehmigung sind per Opt-in verfügbar. 🔗 Quelle
Copilot impact dashboard — Das Dashboard erfasst neun statt sieben Copilot-Nutzungserlebnisse, einschließlich Copilot Chat und des Agents-Fensters von VS Code; die Kohorte „Passive users“ wird zu „Chat-first users“, ohne dass sich die Einführungsphasen oder die Größe der Kohorten ändern. 🔗 Quelle
1,2 Milliarden Commits in einer Woche — In einem von Nick Liffen und Philip Holleran verfassten Leitfaden zum Agentic Engineering (agentic engineering) ohne Produktneuheiten gibt GitHub an, im Oktober innerhalb einer Woche mehr als 1,2 Milliarden Commits verzeichnet zu haben, über 400 % mehr als ein Jahr zuvor. 🔗 Quelle

Inferenz, Ranglisten und offene Modelle

Together Compiler — Die am 4. November vorgestellten Agents von Together AI, die die Kernels jedes Kunden kontinuierlich optimieren, melden sich mit einer einzigen neuen Kennzahl zurück: laut Together AI im Median +12 bis +20 % Tokens pro Sekunde auf bereits manuell optimierten Serverless-Endpunkten (serverless). 🔗 Quelle
MiniMax M3.1 Flash auf Fireworks — MiniMax kündigt in einem Tweet an, dass M3.1 Flash auf Fireworks AI verfügbar ist, und lädt zu einer Abendveranstaltung am 10. November in San Francisco ein; weder Preise noch Durchsatz werden genannt. 🔗 Quelle
Construction AI Leaderboard — ONESTRUCTION veröffentlicht eine Modellrangliste für das Bauwesen, die den Durchschnitt aus fünf Benchmarks bildet (Pläne, BIM-Modelle, Kostenschätzung, IDS-Generierung): Claude Opus 5.5 führt mit 73,7 Punkten, ein Zehntel vor Gemini 4 Argon (73,6), gefolgt von Claude Opus 5 (72,7) und GPT-6.1 Sol (70,2). Messungen des Anbieters. 🔗 Quelle
kniv v7.1 — Dragonscale gibt an, seine sechs am 2. November vorgestellten Extraktionsencoder ohne jegliches erneutes Training verbessert zu haben: In Claude Code entdeckte Claude Opus 5.5 eine Begrenzung auf 50 Antezedenten bei der Koreferenzauflösung, die im ONNX-Graphen auf 100 angehoben wurde; die Koreferenzauflösung verbessert sich bei allen sechs Modellen und wird um 7 bis 16 % schneller berechnet. 🔗 Quelle

Offene Robotik

Robotik bei Hugging Face — Laut Clément Delangue umfasst der Hub fast 100 000 öffentliche Robotikdatensätze (+48 %) und mehr als 30 000 Modelle (+41 %), LeRobot überschreitet eine Million Downloads, und Microduck und Reachy Mini dürften bis Jahresende zusammen voraussichtlich über 50 000 verkaufte und 20 000 ausgelieferte Einheiten erreichen. 🔗 Quelle
HapTile in FiftyOne — Harpreet Sahota (Voxel51) konvertiert den HapTile-Datensatz für FiftyOne: 1 699 Episoden und 12,36 Stunden eines ferngesteuerten UR5e-Arms, mit taktilen Gelsensoren, zwei RGB-D-Kameras und der vom Bediener wahrgenommenen Intensität des haptischen Feedbacks, unter der Lizenz CC BY 4.0. 🔗 Quelle

Unternehmen und Anwendungen

Harper und Grok Bot — Am 5. November beschreibt der Versicherungsmakler Harper seine auf Grok Bot basierenden Ambient Agents, die sein Backoffice betreiben und durch eine E-Mail oder einen fälligen Termin aktiviert werden. Laut Harper hat einer von ihnen seit September dabei geholfen, mehr als 200 Kleinunternehmen bei ihrem Finanzierungsinstitut wieder auf den aktuellen Stand zu bringen, ohne eine einzige Kündigung. 🔗 Quelle
Replit und Plaid — In einem Tweet mit Video stellt Replit seinen Plaid-Connector vor, der Finanzkonten verbindet, damit der Agent ohne Code Tools rund um die eigenen Finanzen erstellen kann; Plaid widmet dem Thema ein Interview mit Michele Catasta, dem Präsidenten von Replit. Laut der Dokumentation von Replit ist der Connector kostenpflichtigen Tarifen mit einem Team-Workspace vorbehalten, in dem ein Administrator die Plaid-Zugangsdaten einmalig konfiguriert, und ermöglicht den Zugriff auf Kontostände, Transaktionen und Geldanlagen. 🔗 Quelle · 🔗 Dokumentation
Perplexity-Leitfaden zur Barrierefreiheit — Perplexity veröffentlicht einen Leitfaden zum Einsatz von KI für Menschen mit Behinderungen und zur Barrierefreiheit der KI-Tools selbst, ohne eigenes Produkt oder eigene Kennzahlen; er verweist auf einen Microsoft-Test, bei dem 12 % der ohne entsprechende Anweisung generierten Seiten automatisierte Prüfungen bestehen, gegenüber 86 %, wenn die Modelle ihren Code testen und korrigieren. 🔗 Quelle

Was das bedeutet

Sprache wird zur Schnittstelle für Agents, mit einer Architektur, die immer wieder auftaucht: Ein Modell führt im Vordergrund das Gespräch, ein Agent handelt im Hintergrund. MOSS-Live macht dies mit einer Koordinationsschicht zwischen den beiden Modellen zum Kern seines Systems, Antigravity integriert es sowohl in die App als auch ins Terminal, am selben Tag, an dem Cursor seinen Sprachchat freischaltete. Die Grenzen bleiben klar: Antigravity beschränkt den Sprachmodus auf jeweils eine lokale Unterhaltung und behält für destruktive Aktionen den Klick bei; MOSS-Live veröffentlicht weder Gewichte noch Lizenz, und seine eigenen Ergebnisse liegen bei den Aufgaben mit mehreren Gesprächsrunden von τ-Voice hinter GPT-Live-1.

Die Infrastruktur wird auf die Last durch Agents ausgerichtet. GitHub dimensioniert Rubicon für Schreiblastspitzen, die künftig zu einer kontinuierlichen Belastung werden sollen, testet 5 000 Agents auf einem einzigen Repository und zählte im Oktober mehr als 1,2 Milliarden Commits in einer Woche. Dieselbe Entwicklung erfasst die Arbeitsorganisation: Copilots Code Review lässt sich per API von der Unternehmensebene bis zum Repository konfigurieren, wie jede andere Infrastrukturrichtlinie, und @GitHub hält in Slack und Teams Einzug, wo Teams bereits darüber sprechen, was korrigiert werden muss.

Die Leistungsgewinne kommen auch aus der Software. CUDA 13.5 macht die Unterstützung für Vera Rubin allgemein verfügbar und beschleunigt Bibliotheken wie cuSPARSE, Reshard beschleunigt die Übertragung der Gewichte beim Reinforcement Learning um den Faktor 2,7 bis 5,7, und die Kombination von Optimierungen macht FLUX 3 Image Klein auf einem einzelnen B200 bis zu 4,45-mal schneller. Together AI gibt seinerseits einen um 12 bis 20 % höheren medianen Durchsatz durch Agents an, die Kernels kontinuierlich optimieren. Alle diese Zahlen stammen von den Anbietern und wurden mit deren eigenen Konfigurationen gemessen.