OpenAI integriert den Harness von Codex als Vorabversion in sein Agents SDK, Shruti deckt 22 indische Sprachen ab und HeliosLM richtet sich an Taiwan

OpenAI veröffentlicht zwei Alpha-Vorabversionen seines Agents SDK für Python und JavaScript, die den Harness von Codex als native Engine enthalten: Speicherung von Konversationen, Nutzungslimits, Kommunikation zwischen Agenten über A2A und auf Python-Seite ein erhöhter standardmäßiger Reasoning-Aufwand. Der Rest dieses Sonntags lässt sich in Kurzmeldungen zusammenfassen: die Versionshinweise von Devin, zwei Vorabversionen von GitHub Agentic Workflows, Fehlerbehebungen für Antigravity und Gemini CLI, die Desktop-Anwendung von Qwen Code und anschließend eine Reihe von Community-Beiträgen auf Hugging Face, darunter offene Modelle zur Sprachverarbeitung für Taiwan und die 22 offiziellen Sprachen Indiens sowie eine Messung der Mehrkosten für Türkisch.

OpenAI integriert den Harness von Codex in sein Agents SDK: zwei Alpha-Vorabversionen mit A2A, Nutzungsbudgets und Speicherung von Konversationen

8. November — OpenAI veröffentlicht zwei Alpha-Vorabversionen seines Agents SDK: v0.24.0-alpha.7 für Python und v0.22.0-alpha.2 für JavaScript. Die am 3. November gestartete Reihe enthält den Harness von Codex als native Engine; die bisherige Engine bleibt als „Classic“ verfügbar. Die Python-Vorabversion wird über GitHub Releases verteilt, nicht über PyPI.

Diese Versionen ergänzen die anwendungsseitige Speicherung von Konversationen, die gehosteten Tools FileSearch, CodeInterpreter und ImageGeneration, RunBudget-Nutzungslimits (Anfragen, Tokens oder geschätzte Kosten), die keine Ausgabenobergrenze garantieren, A2A-Adapter zwischen Agenten und Sprachworkflows. Bei Updates zu beachten: standardmäßig ein strenger Schreibmodus für neue Umgebungen sowie auf Python-Seite umbenannte MCP-Genehmigungsmodi und ein standardmäßiger Reasoning-Aufwand, der für GPT-6 Astra, GPT-6.1 Sol und GPT-5.6 Sol von low auf medium erhöht wurde, sofern keine explizite Einstellung vorliegt.

🔗 Python-Vorabversion · JavaScript-Vorabversion

Kurzmeldungen

Agenten und Coding-Tools

Versionshinweise von Devin vom 6. November — Nachtrag: Administratoren legen die Standardsichtbarkeit neuer Sitzungen fest und können deren Freigabe auf die Organisation beschränken, Gerrit-Verbindungen synchronisieren Gruppen und Projektzugriffe mit den Berechtigungen von Devin (neue Verbindungen erfordern Gerrit 3.13 oder neuer), und eine Schaltfläche meldet alle Geräte auf einmal ab, von der Webanwendung bis zu den mobilen Apps. Preise werden nicht bekannt gegeben. 🔗 Quelle
GitHub Agentic Workflows 1.2.0 und 1.2.1 — Zwei Vorabversionen, veröffentlicht am 4. und 6. November, nach der allgemeinen Verfügbarkeit am 28. Oktober. Ein Workflow, der aus einem Fork über pull_request_target ausgelöst wird, erfordert für eine uneingeschränkte Nutzung nun eine ausdrückliche Zustimmung – eine inkompatible Änderung; hinzu kommen ein an der Projektspezifikation orientierter Reviewer für Pull Requests, eine experimentelle deklarative Engine namens Atomic sowie Sicherheitsprüfungen, die bei ungeklärtem Ergebnis sicherheitshalber fehlschlagen (fail closed). 🔗 Quelle
Antigravity 2.29.1 — Nachtrag vom 6. November: Diese Version der Anwendung behebt vier Fehler im Sprachmodus Gemini Live. Der Sprachmodus fordert nun zur erneuten Anmeldung auf, wenn die Kontoverbindung erneuert werden muss, liest Links und @-Erwähnungen aus Nachrichten vor, die während eines Anrufs eingegeben werden, hängt ältere Äußerungen nicht mehr an den letzten Satz an und zeigt nach einer Unterbrechung keine Antwortteile mehr an, die nie zu hören waren. 🔗 Quelle
Gemini CLI, PR 30183 — Am 6. November in main gemergt, aber noch nicht in einer Version veröffentlicht: Sie macht die Wartezeit von 60 Sekunden auf die ersten Antwort-Header einstellbar, die Anfragen mit langer Denkphase unterbrach und anschließend von Anfang an wiederholte, unabhängig vom Verbindungsmodus (Variable GEMINI_API_HEADERS_TIMEOUT_MS oder Einstellung model.requestTimeoutMs). 🔗 Quelle
Qwen Code Desktop v0.27.0 und TypeScript SDK v0.1.30 — Am 8. November veröffentlicht, einen Tag nach der stabilen CLI-Version v0.27.0, ohne neue Funktionen: Die Anwendung übernimmt die 112 Änderungen der CLI-Versionen v0.26.9 und v0.27.0, und das SDK enthält die CLI 0.27.0. Desktop wird für macOS, Windows x64 und Linux ausgeliefert (AppImage, .deb, RPM für Fedora 44 und RHEL 10). 🔗 Quelle

Offene Modelle für Sprachverarbeitung und Regionalsprachen

HeliosLM — Chien-Hsin Lin veröffentlicht eine erste Reihe offener Modelle für Taiwan: ein Konversationsmodell und einen Sicherheitsklassifikator auf Basis von Gemma 4 E4B-it sowie zwei Spracherkennungsmodelle auf Basis von Whisper large-v3. Seinen Messungen zufolge sinkt die Zeichenfehlerrate für Taiwanisch (Hokkien) aus Common Voice von 231,13 auf 32,69 % und für taiwanisches Mandarin von 15,25 auf 5,10 %. 🔗 Quelle
Shruti — Udgam Labs, Entwickler des kleinen Modells Laghu, veröffentlicht 22 Spracherkennungsmodelle unter Apache-2.0, eines pro Sprache des achten Anhangs der indischen Verfassung. Jedes ist etwa 30 MB groß, transkribiert auch Englisch und läuft offline, sogar auf einem Smartphone von 2021; alle 22 zusammen benötigen 653 MB, etwa ein Viertel von IndicConformer-600M. In realen Gesprächen bleiben dem Team zufolge 22,9 bis 56,8 % der Wörter fehlerhaft. 🔗 Quelle
Die Türkisch-Steuer — Serkan Peker schätzt, dass die Erzeugung desselben Textes auf Türkisch mit vLLM auf einer H200 bei vier offenen Modellen (Turkish-Gemma-9b-T1, Gemma 4 12B, Ministral 3 14B und Qwen3.8-27B) das 1,45- bis 1,62-Fache der GPU-Zeit für Englisch benötigt, wobei 76 bis 82 % auf die zusätzlichen Tokens zurückzuführen sind. Von sieben Tokenizern verbraucht nur der des türkischen Modells Kumru-2B auf Türkisch weniger Tokens als auf Englisch. 🔗 Quelle

Forschung und Community-Daten

Tiny Aya Global beim Hackathon von Lexsi Labs — Drei Teams des Sicherheits- und Alignment-Hackathons von Lexsi Labs veröffentlichen ihre Finetunings dieses offenen Modells von Cohere Labs (3,35 Mrd. Parameter). Ihren eigenen Messungen zufolge steigert SafeQuery die Erfolgsquote eines SQL-Agenten von 19,8 auf 99,1 %, ohne den getesteten Injections nachzugeben, TaxOps füllt 93,3 % der synthetischen Steuererklärungen korrekt aus, und SafetyPulse senkt den Anteil erfolgreicher HarmBench-Angriffe von 25,2 auf 12,3 %. 🔗 SafeQuery · 🔗 TaxOps · 🔗 SafetyPulse
Einen Stil durch Änderung der Gewichte löschen — Javad Taghia veröffentlicht ein Experiment, bei dem GPT-6 Astra mit Werkzeugzugriff auf die Gewichte eines kleinen Diffusionsmodells (segmind/tiny-sd), aber ohne Gradienten, daraus den Stil von Van Gogh entfernen soll. Gemäß seinem vorab registrierten Versuchsprotokoll entfernt der Agent 11,5 Stilpunkte mehr als die UCE-Methode, wobei er die Stile verwandter Maler ebenso stark beeinträchtigt, und übertrifft eine mit denselben Werkzeugen ausgestattete Zufallssuche um 52 Punkte. 🔗 Quelle
SEW Multimodal AMR in FiftyOne — Harpreet Sahota veröffentlicht am 7. November eine Konvertierung dieses Datensatzes für FiftyOne: 3 151 annotierte Bilder in 55 MCAP-Episoden, aufgenommen vom autonomen mobilen Roboter von SEW-EURODRIVE mit sechs Sensortypen (RGB- und Wärmebildkameras, Tiefensensoren, 4D-Radar, Laserscanner, Ultraschall), um zu vergleichen, was jeder Sensor von derselben Szene wahrnimmt. 🔗 Quelle

GPU-Infrastruktur

NVIDIA DSX OS, Beitrag vom 5. November — Nachtrag: NVIDIA erläutert, wie die drei Open-Source-Komponenten von DSX OS unter Apache 2.0 einen GPU-Cluster unter Kubernetes unterstützen. AICR hält die Konfiguration in versionierten Rezepten fest, NVCRE zertifiziert sie mit realen Workloads (NCCL-Tests, DCGM-Diagnose der Stufe 4, NeMo-Pretraining), und NVSentinel nimmt einen reparierten Knoten erst nach bestandenen Tests wieder in Betrieb. 🔗 Quelle

Was das bedeutet

Mit diesen Vorabversionen wird der Harness, auf dem Codex läuft, zur nativen Engine des Agents SDK, sowohl in Python als auch in JavaScript. Mehrere seiner Funktionen gab es bereits in der gehosteten Agents API von OpenAI, etwa die Budgetobergrenze, die seit dem 6. November auf Anfrage als Beta verfügbar ist, oder die Kompaktierung; das SDK bringt sie näher an den Anwendungscode, der seine Konversationen im eigenen Speicher behält und über A2A mit anderen Agenten kommuniziert. Der Preis dafür ist der einer Alpha-Phase: Schnittstellen, die sich von Version zu Version ändern, eine Python-Distribution außerhalb von PyPI und ein auf Python-Seite erhöhter standardmäßiger Reasoning-Aufwand, der das Verhalten von Projekten verändert, die ihn nicht selbst festlegen.

Auch die Standardeinstellungen der Agenten-Tools werden strenger. Das SDK von OpenAI versetzt neue Umgebungen in einen strengen Schreibmodus, GitHub Agentic Workflows verlangt eine ausdrückliche Zustimmung für die uneingeschränkte Nutzung von Workflows, die aus einem Fork ausgelöst werden, und lässt Sicherheitsprüfungen mit ungeklärtem Ergebnis fehlschlagen, während Devin Administratoren die Sichtbarkeit von Sitzungen festlegen und deren Freigabe einschränken lässt. Sowohl bei GitHub als auch bei OpenAI erfordert das Update eine Überprüfung: Die Änderung ist für gh-aw inkompatibel, und das Python SDK weist die alten Namen der MCP-Genehmigungsmodi zurück.

Mehrere Community-Beiträge richten sich an Sprachen, die von großen Modellen schlecht unterstützt werden. HeliosLM senkt die Fehlerrate von Whisper large-v3 für Taiwanisch von 231,13 auf 32,69 %, Shruti bringt die Spracherkennung für 22 indische Sprachen in etwa 30 MB großen Dateien unter, die offline laufen, und Serkan Peker beziffert die Kosten einer ungünstigen Tokenisierung: Für Türkisch wird das 1,45- bis 1,62-Fache der GPU-Zeit für Englisch benötigt. Udgam Labs fasst die Hürde zusammen: Für diese Sprachen zu entwickeln bedeutete bisher minutenweise anfallende Cloud-Kosten, ein mehrere Gigabyte großes Modell oder die Erlaubnis eines großen Unternehmens. Alle diese Zahlen wurden von den jeweiligen Autoren gemessen, und Udgam Labs veröffentlicht selbst die Grenzen von Shruti: In realen Gesprächen bleiben bis zu 56,8 % der Wörter fehlerhaft.

OpenAI integriert den Harness von Codex als Vorabversion in sein Agents SDK, Shruti deckt 22 indische Sprachen ab und HeliosLM richtet sich an Taiwan

Unternehmen in dieser Ausgabe

OpenAI integriert den Harness von Codex in sein Agents SDK: zwei Alpha-Vorabversionen mit A2A, Nutzungsbudgets und Speicherung von Konversationen

Kurzmeldungen

Was das bedeutet

Quellen

Inhaltsverzeichnis