ChatGPT Wallet lässt Agenten bezahlen, Claude Code erhält Code Mode, llama.cpp erreicht Version 1.0

OpenAI führt ChatGPT Wallet ein: Seine persönlichen Agenten, die dots, können nun auch die Zahlung übernehmen, wobei jeder Kauf durch eine biometrische Prüfung bestätigt und mit einem Token bezahlt wird, der die tatsächlichen Kartendaten verbirgt. Am selben Tag verbindet Google die Gemini-App mit Google Wallet, mit reinem Lesezugriff. Claude Code 2.1.323 erhält Code Mode, in dem Claude JavaScript schreibt, um seine Tools zu verketten, DeepSeek öffnet die Suche, Dateien und Sprachfunktionen seiner App über seine API, und llama.cpp erreicht Version 1.0.0 mit einer stabilen API. GitHub Copilot nimmt Gemini 4 Hydrogen auf und kündigt die Entfernung von sechs Modellen zum 14. Dezember an.

ChatGPT Wallet: Die dots von OpenAI übernehmen auch die Zahlung, mit einem Token, der die tatsächlichen Kartendaten verbirgt

13. November — OpenAI führt ChatGPT Wallet ein, ein Wallet, mit dem die dots, seine persönlichen Agenten, einen Kauf für den Nutzer abschließen können. Die Karte wird einmal hinterlegt. Vor jeder Zahlung zeigt der dot den Händler, die Artikel, den Gesamtbetrag und die ausgewählte Karte an; der Nutzer stimmt durch eine biometrische Prüfung zu (Face ID, Touch ID oder Fingerabdruck), und jede Zustimmung hinterlässt einen Nachweis über den autorisierten Kauf.

We’re introducing ChatGPT Wallet, setting a new bar for secure payments by agents. It’s the first wallet that lets agents pay without access to users’ actual card details and that requires a security check for every purchase, while also preserving existing card rewards and protections for eligible disputes.

🇩🇪 Wir führen ChatGPT Wallet ein, das einen neuen Sicherheitsstandard für Zahlungen durch Agenten setzt. Es ist das erste Wallet, mit dem Agenten bezahlen können, ohne auf die tatsächlichen Kartendaten der Nutzer zuzugreifen, und das für jeden Kauf eine Sicherheitsprüfung verlangt, während bestehende Kartenprämien und Schutzmaßnahmen bei berechtigten Streitfällen erhalten bleiben. — OpenAI, Beitrag zur Einführung von ChatGPT Wallet

Der Mechanismus beruht auf der Tokenisierung durch die Zahlungsnetzwerke. Sobald der Kauf genehmigt ist, stellt das Netzwerk einen Zahlungstoken mit einer Ersatzkartennummer, einem Ersatzsicherheitscode und einem Ersatzablaufdatum bereit: Die Karte wird belastet, ohne dass der Agent oder der Händler ihre tatsächlichen Daten sehen. Die Kartenprämien und der Schutz bei Streitfällen bleiben erhalten. Das Wallet wurde gemeinsam mit American Express, Mastercard und Visa entwickelt; für American Express ist dies die erste Integration seines Angebots Agentic Commerce Experiences. Dass es das erste Wallet dieser Art ist, bleibt eine Behauptung von OpenAI.

Bestandteil der Einführung	Bedingungen am 13. November
Nutzungsmöglichkeiten	Unterhaltungen mit einem dot; weder Chat noch Work noch eigenständige Codex-Threads
Berechtigte Abonnenten	ChatGPT Pro, ab 18 Jahren, in den USA, schrittweise Einführung
Akzeptierte Karten	In den USA ausgestellte Kreditkarten von American Express, Chase, Mastercard und Visa
Bei der Einführung ausgeschlossene Karten	Debitkarten und virtuelle Karten
Bestätigung jedes Kaufs	Biometrische Prüfung: Face ID, Touch ID oder Fingerabdruck
Vom Händler empfangene Daten	Ein Zahlungstoken als Ersatz

Der Hilfeartikel weist darauf hin, dass die Zustimmung keine Bestellbestätigung darstellt; diese muss beim Händler überprüft werden. Der Einführungsbeitrag ergänzt, dass einige Websites Käufe durch Agenten weiterhin unbeabsichtigt blockieren können. Später, ohne konkreten Termin, soll der Nutzer vollständige Käufe innerhalb vorab festgelegter Grenzen delegieren können: Ausgabenlimit, Kategorien, Zeitraum.

Für Händler veröffentlicht OpenAI ein Commerce Partner Playbook: den eigenen Eintrag über Businesses in ChatGPT (gestartet am 10. November) beanspruchen und einen Produktfeed veröffentlichen, im eigenen CDN oder in der Firewall die mit Web Bot Auth signierten Anfragen der ChatGPT-Agenten erkennen und dafür sorgen, dass Betrugspräventionstools (Forter, Riskified, Sardine, Signifyd) und Zahlungsdienstleister (Adyen, Checkout.com, Stripe) diese Käufe akzeptieren. Nach dem im März vorgestellten visuellen Shopping und dem Agentic Commerce Protocol geht OpenAI damit zum Abschluss von Käufen über.

🔗 Mit ChatGPT Wallet einkaufen (OpenAI-Hilfe) · Versionshinweise zu ChatGPT · Commerce Partner Playbook (OpenAI)

Google Wallet in der Gemini-App: Ausgaben einsehen, ohne auf das Geld zugreifen zu können

13. November — Am selben Tag entscheidet sich Google für den umgekehrten Weg: Der Assistent liest das Wallet aus, ohne jemals zu bezahlen. Google Wallet ergänzt neben Gmail, Photos, YouTube und Search die verbundenen Apps von Personal Intelligence, für alle Nutzer der Gemini-App in den USA, im Web sowie unter Android und iOS. Durch die Erwähnung von @Google Wallet erhält man Diagramme zu Cashflow, Vermögensaufteilung oder Budget, erkennt wiederkehrende Abonnements und deren Preiserhöhungen oder plant anhand der Transaktionen des Vorjahres das Budget für die Feiertage. Bank- und Kreditkartenkonten lassen sich über Plaid mit Wallet verbinden.

Gemini can only read information from your accounts; it can’t move, manage, or invest your money.

🇩🇪 Gemini kann die Informationen Ihrer Konten nur lesen; es kann Ihr Geld weder bewegen noch verwalten oder anlegen. — Googles Beitrag auf blog.google

Die Verbindung ist optional und lässt sich jederzeit in den Einstellungen von Personal Intelligence trennen. Derselbe Beitrag führt Memory Summary ein, eine Seite, die zeigt, was sich Gemini gemerkt hat (Vorlieben, Interessen, laufende Ziele), und Korrekturen ermöglicht, im Web und auf Mobilgeräten, überall dort, wo Personal Intelligence verfügbar ist.

Coding-Agenten: Claude Code 2.1.323 führt Code Mode ein, mit Codex CLI 0.169, Antigravity 2.32, Devin Apps und Devin Teams

12. November — Version 2.1.323 von Claude Code, am Abend des 12. November auf GitHub veröffentlicht und mit 294 Einträgen, darunter 195 Korrekturen, führt Code Mode ein, eine experimentelle Option, die verändert, wie Claude seine Tools nutzt. Ohne diese Option fordert Claude jeden Aufruf (Bash, Read, Edit) einzeln an und liest dessen Ergebnis, bevor er über den nächsten Schritt entscheidet. Mit Code Mode schreibt er ein Stück JavaScript, das mehrere Aufrufe in einem einzigen Schritt verkettet: Befehle parallel ausführen, das Ergebnis eines Aufrufs im nächsten wiederverwenden und nur den nützlichen Teil der Ausgabe zurückgeben. Die Dokumentation empfiehlt den Modus für wiederholte Änderungen an zahlreichen Dateien, Suchergebnisse, die vor dem Lesen gefiltert werden sollen, und unabhängige Befehle. In der Unterhaltung werden weiterhin die Tool-Aufrufe angezeigt; der Code selbst lässt sich in der Transkriptansicht lesen (Ctrl+O).

Anforderung von Code Mode	Wert laut Dokumentation
Aktivierung	Variable `CLAUDE_CODE_EXPERIMENTAL_CODE_MODE=1`, danach Bestätigung beim ersten Start
Mindestversion	Claude Code 2.1.323, nativer Build
Erforderliches Konto	Claude-Abonnement oder Console-Konto
Unterstützte Modelle	Opus 5.5, Sonnet 5.5, Haiku 5.5, Fable 5.2
Unterstützte Umgebung	Interaktive Sitzung in einem Terminal (weder `-p` noch SDK Agent noch VS Code noch Desktop noch Cloud-Sitzungen)
Ausgeschlossene Konfigurationen	Gateways, Amazon Bedrock, Agent Platform von Google Cloud, Microsoft Foundry, HIPAA, keine Datenaufbewahrung
Maximale Laufzeit eines Codes	10 Minuten im Wartezustand, bis zu 2 Stunden im Hintergrund

Bei der Sicherheit durchläuft jeder vom Code gestartete Tool-Aufruf weiterhin die deny- und ask-Regeln sowie die PreToolUse-Hooks. Im auto-Modus prüft der Klassifikator den Code vor seiner Ausführung, aber nicht jeden Aufruf: Er sieht keine unterwegs berechneten Werte, etwa einen aus einer Suche ermittelten Pfad, und die Dokumentation empfiehlt, Regeln oder Hooks für sensible Aufrufe beizubehalten. Administratoren können den Modus für die gesamte Organisation sperren, indem sie die Variable in den verwalteten Einstellungen auf 0 setzen; auf diesem Weg aktivieren können sie ihn jedoch nicht. Die Dokumentation sieht außerdem eine Ablehnung vor, wenn der Modus für das Konto noch nicht freigeschaltet ist, und empfiehlt, es an einem anderen Tag erneut zu versuchen. Der stable-Kanal von npm bleibt vorerst bei 2.1.311.

Der Rest der Version schließt Berechtigungslücken. Eine im auto-Modus gestartete Sitzung startet, wenn dieser Modus nicht verfügbar ist, nun im Modus Manual, der vor dem Handeln nachfragt, statt in einem weniger restriktiven Modus; Write und Edit können nicht mehr auf einen Pfad schreiben, der durch eine Regel vom Typ Read deny geschützt ist, und die deny- und ask-Regeln lassen sich nicht mehr über sudo oder env umgehen. Das für ein unbekanntes Modell angenommene Kontextfenster steigt von 200 000 auf 1 Million Tokens, der MCP-v1-Client wird entfernt, und Plugins können angeben, welche Versionen von Claude Code sie unterstützen (engines["claude-code"]). Außerhalb des Terminals nimmt Claude Tag seine Slack-Sitzungen in einer Beta in die Compliance API von Enterprise auf, und Code Review exportiert seine Kosten pro Repository als CSV.

🔗 Claude Code 2.1.323 (GitHub) · Dokumentation zu Code Mode

Claude Code 2.1.325: Bash-Befehle in der Sandbox durchlaufen wieder die Berechtigungsprüfung, und eine zstd-Sicherheitslücke wird behoben

13. November — Am Folgetag ändert Claude Code 2.1.325 ein Standardverhalten: In der Sandbox ausgeführte Bash-Befehle durchlaufen nun den normalen Genehmigungsprozess, statt ohne Nachfrage ausgeführt zu werden. Um das bisherige Verhalten beizubehalten, muss sandbox.autoAllowBashIfSandboxed: true eingestellt werden, und zwar in der Quelle verwalteter Einstellungen mit der höchsten Priorität, wenn die Organisation die Sandbox aktiviert. Die Version behebt außerdem eine Sicherheitslücke beim Dekodieren zstd-komprimierter Antworten, ohne nähere Angaben.

Weitere Änderungen verschärfen die Berechtigungskontrollen: git-Befehle mit reinem Lesezugriff verlangen eine Bestätigung in einem Repository, das weder das Projekt-Repository noch ein als vertrauenswürdig eingestuftes Repository ist, und geplante Aufgaben wie /loop fragen nach, bevor sie einen Skill starten, der erlaubte Tools oder Hooks deklariert (Skill(name) in permissions.allow für eine unbeaufsichtigte Nutzung). Eine mit einem claude.ai-Konto geöffnete Hintergrundsitzung konnte einen aus der Shell übernommenen API-Schlüssel verwenden und darüber Kosten verursachen: Das ist behoben. Von 139 Einträgen sind 88 Korrekturen, darunter mehrere für Code Mode; für Version 2.1.324, die weniger als zwei Stunden zuvor auf npm veröffentlicht wurde, gibt es keine Versionshinweise.

🔗 Claude Code 2.1.325 (GitHub)

Codex CLI 0.168 und 0.169: Nebenunterhaltungen in Tabs, und codex exec setzt Vertrauen in das Projekt voraus

13. November — OpenAI veröffentlicht innerhalb von weniger als fünf Stunden zwei stabile Versionen von Codex CLI. Version 0.168.0 (03:54 Uhr UTC, 226 aufgeführte PR) führt optional (features.tui_workspace) eine Nebenunterhaltung ein, die neben der Hauptunterhaltung angezeigt wird; Version 0.169.0 (08:37 Uhr UTC, 243 PR) organisiert sie in Tabs, die nach einem Neustart wieder geöffnet werden. Über ein Panel Sessions → Model providers lässt sich der Modellanbieter für neue Unterhaltungen auswählen, ohne bereits geöffnete zu verändern, und benutzerdefinierte Anbieter lassen sich nun über das Terminal anlegen, mit einem Gerätecode für SSH-Verbindungen.

Die für Skripte und CI relevante Änderung kommt mit Version 0.169.0: In einem nicht als vertrauenswürdig eingestuften Ordner lädt codex exec weder die Projektkonfiguration noch deren MCP-Server, selbst mit --sandbox workspace-write. Um das Vertrauen in das Projekt zu speichern, muss --trust an codex exec oder an codex review übergeben werden. Beide Versionen ergänzen außerdem optionale animierte GIFs, Audioaufnahmen mit einem kompatiblen Modell, die Suche nach früheren Aufgaben in der Kommandozentrale der Agenten und ein lokales Diagnose-ZIP (Ctrl+S). Die Option features.multi_agent wird zugunsten von agents.enabled schrittweise eingestellt, und ein PR-Titel erwähnt eine lokale Migration der Skills von Claude Code, ohne Eintrag in den Versionshinweisen.

🔗 Codex CLI 0.168.0 (GitHub) · Codex CLI 0.169.0 (GitHub)

Antigravity 2.32 und Antigravity CLI 1.5.8: Dynamic Workflows in Python, Hydrogen und Carbon mit einem Gemini-API-Schlüssel

13. November — Die Antigravity-App erreicht Version 2.32.0 mit Dynamic Workflows: Der Agent orchestriert parallele Subagenten und mehrstufige Aufgaben, indem er Python schreibt, das von der mit der App gelieferten Runtime ausgeführt wird. Die Idee ähnelt den dynamischen Workflows, die Claude Code, Copilot CLI und Devin bereits anbieten; aus dem Changelog geht nicht hervor, wie die Funktion mit /swarm zusammenspielt, das seit dem 10. November als Vorschau verfügbar ist. Die Version schützt außerdem die vom Agenten gesteuerten Browser-Tabs: Eingebettete Rahmen (frames) anderer Websites werden darin ohne Anmeldung geladen und bleiben ohne ausdrückliche Genehmigung in seinen Screenshots ausgeblendet. Insgesamt gibt es 11 Verbesserungen und 13 Korrekturen, darunter die Everforest-Themes und das lokale Klonen von GitHub-Cloud-Repositories für Remote-Agenten.

Am selben Tag macht Antigravity CLI 1.5.8 Gemini 4 Hydrogen (Stufen Low bis XHigh) und Gemini 4 Carbon (Low bis High) für Verbindungen per Schlüssel GEMINI_API_KEY verfügbar, Hydrogen außerdem mit Zugangsdaten von Google Cloud (ADC) und hinter einem Unternehmens-Gateway. Die 22 Korrekturen verhindern mehrere Umgehungen von Sicherheitsvorkehrungen: das Überlisten des Netzwerkproxys der Sandbox durch kodierte Slashes (%2F) oder „..“-Segmente in einer URL, den Missbrauch von „immer erlauben“-Regeln unter Windows über cmd oder PowerShell, das Ignorieren von MCP-Berechtigungsregeln für bestimmte Tools und das stillschweigende Überspringen eines mit doppelten Anführungszeichen geschriebenen blockierenden Hooks unter Windows.

🔗 Changelog von Antigravity

Devin Apps: private Webanwendungen auf Devins Cloud-Maschine

13. November — Cognition startet Devin Apps: Man beschreibt das Tool, das das Team benötigt (Dashboard, Review-Warteschlange, Projektstatusseite), Devin baut es und stellt es online, und das Team öffnet es über eine feste URL. Eine App kann auch aus einer laufenden Sitzung entstehen, auf Basis einer bereits gezeigten Browser-Vorschau. Die Apps bleiben privat: Eine Anmeldung bei Devin ist erforderlich, die Freigabe erfolgt für einzelne Personen, Organisationen oder das gesamte Unternehmen. Jede Änderung erzeugt eine neue Version unter derselben Adresse. Startet sie nicht, läuft die vorherige Version weiter.

Die Apps basieren auf den Speicher-Snapshots, mit denen Devin in den Ruhezustand wechseln kann: Die Maschine schläft 5 Minuten nach der letzten Anfrage ein und wacht beim nächsten Besuch innerhalb weniger Sekunden auf. Abgerechnet wird die aktive Zeit; konkrete Preise werden nicht genannt. Jeder Stack, der HTTP bereitstellt, eignet sich, mit SQLite oder Postgres auf derselben Maschine; eine App läuft auf einer einzigen Maschine und ist für interne Tools und Vorproduktionsumgebungen gedacht, nicht für Dienste mit hohem Traffic. Die Ankündigung folgt auf die Apps von Cursor (5. November) und die Boxes von Amp (10. November).

🔗 Devin Apps vorgestellt · Dokumentation zu Devin Apps

Devin Teams: Devin Desktop ohne kostenpflichtige Nutzerplätze, Free-Modus mit SWE-2 und Obergrenze auf 100 Nutzerplätze gesenkt

12. November — Am Vorabend hat Cognition sein Angebot Devin Teams überarbeitet. Devin Desktop erfordert keine kostenpflichtigen Nutzerplätze mehr, und ein Free-Modus auf Basis des hauseigenen Modells SWE-2 bietet jedem Nutzer zwei kostenlose gleichzeitige Sitzungen. Nach mehreren zeitlich begrenzten Gratisangeboten seit September wird die kostenlose Nutzung von SWE-2 in Devin Desktop und der CLI für die Tarife Teams, Pro und Max dauerhaft verfügbar.

Bestandteil des Teams-Angebots	Von Cognition angekündigte Änderung
Devin-Desktop-Nutzerplätze	Für das gesamte Team enthalten, keine kostenpflichtigen Nutzerplätze mehr
Free-Modus	2 gleichzeitige Sitzungen pro Nutzer mit SWE-2
Single Sign-on	Okta, Microsoft Entra ID, jeder SAML- oder OIDC-Anbieter
Nutzungslimits	Bis zu 3 Stufen, Erweiterungen manuell oder automatisch genehmigt
Obergrenze für Nutzerplätze	100, zuvor 200
Nutzerplätze mit Kontingent	Werden in 30 Tagen entfernt

Das Angebot umfasst außerdem Devin Coach, der beispielsweise für kleine Aufgaben einen schlankeren Modus vorschlägt, sowie eine Standardvereinbarung zur Verarbeitung von Gesundheitsdaten (BAA), die über die Einstellungen angefordert werden kann. Preise werden nicht genannt.

🔗 Devins neuer Teams-Tarif

DeepSeek stellt die Funktionen seiner App über die API bereit: Suche, Dateien, Lesen von Links, Sicherheit und Sprache

13. November — DeepSeek stellt Entwicklern die Funktionen bereit, die das Nutzungserlebnis seiner App ausmachen. Seit dem 17. Oktober bot die API bereits die Suche und das Lesen von Webseiten (Search und Fetch). Nun ergänzt DeepSeek sämtliche Funktionen der App, die sich auf deepseek-flash (DeepSeek-V4.1-Flash-1017) in den drei APIs Messages, Responses und Chat Completions mit wenigen Parametern aktivieren lassen; der Dienst übernimmt selbst die Tool-Aufrufe und die Zusammenstellung des Kontexts.

The capabilities behind the DeepSeek App are now available through the DeepSeek API. Enable built-in features with a few parameters, or call standalone APIs such as OCR, ASR, and TTS.

🇩🇪 Die Funktionen, auf denen die DeepSeek-App basiert, sind jetzt in der DeepSeek-API verfügbar. Aktivieren Sie die integrierten Funktionen mit wenigen Parametern oder rufen Sie eigenständige APIs wie OCR, ASR und TTS auf. — @deepseek_ai auf X

Das Tool deepseek_web_search durchsucht das Web oder sucht nach Bildern und antwortet mit Quellenangaben, wenn der Denkmodus deaktiviert ist; bei aktiviertem Denkmodus führt das Modell mehrere Suchvorgänge nacheinander aus und liest selbstständig Links. Das Tool deepseek_read_url ruft die in der Nachricht verlinkten Seiten ab. Dateien (PDFs, Office-Dokumente, Bilder) werden analysiert und anschließend dem Kontext hinzugefügt. Ein Parameter zur Sicherheitsprüfung untersucht Eingabe und Ausgabe und gibt bei einem Risiko eine Ablehnungsmarkierung zurück; DeepSeek fordert öffentlich zugängliche Dienste auf, ihn zu aktivieren und ihren Pflichten nachzukommen (Sicherheitsprüfung der Inhalte, Registrierung großer Modelle, KI-Kennzeichnung).

Diese Bausteine werden auch einzeln angeboten, mit drei neuen APIs für OCR, Spracherkennung (ASR) und Sprachsynthese (TTS). Die Tool-Gebühren kommen zu den Token-Kosten hinzu, deren Preise unverändert bleiben: Für deepseek-flash kosten eine Million Eingabe-Tokens ohne Cache 0,30 Dollar und Ausgabe-Tokens 1,20 Dollar zu Hauptzeiten, zu Nebenzeiten jeweils die Hälfte.

Abgerechnete Funktion	Listenpreis	Vorübergehender Preis (-50 %)
Websuche (Text, Bild)	0,75 Dollar pro 1 000	Kein Rabatt
Webseiten lesen (fetch)	0,75 Dollar pro 1 000	Kein Rabatt
Dateianalyse und OCR	0,225 Dollar pro 1 000 Seiten	Kein Rabatt
Sprachsynthese (TTS)	0,45 Dollar pro 10 000 Zeichen	0,225 Dollar
Spracherkennung (ASR)	0,116 Dollar pro Audiostunde	0,058 Dollar

Zur Demonstration des Gesamtpakets veröffentlicht DeepSeek unter MIT-Lizenz chat-demo, einen statischen Chat-Client ohne Server, der die API direkt aus dem Browser aufruft und Suche, Lesen von Links, Anhänge, Sprache und den Import des Chatverlaufs aus der App unterstützt. Am selben Tag erhält eine Vorabversion von DeepSeek Harness ein experimentelles Plugin, das diese Gespräche in einen Workspace importiert. Entwickler können damit die DeepSeek-App im eigenen Produkt nachbilden oder nur einen einzelnen Baustein übernehmen.

🔗 Änderungsprotokoll der DeepSeek-API · Preise der DeepSeek-API · Anleitung zum Erstellen eines Chatbots (DeepSeek) · chat-demo (GitHub)

llama.cpp und ggml erreichen 1.0.0 mit stabiler API; SGLang, Transformers und Diffusers ergänzen das offene Tooling

13. November — Nach dreieinhalb Jahren mit nach Builds nummerierten Versionen veröffentlichen llama.cpp und seine Rechenbibliothek ggml ihre erste Hauptversion, 1.0.0. Die Engine, die Modelle lokal vom Smartphone bis zum Arbeitsplatzrechner ausführt, bildet die Grundlage zahlreicher Anwendungen. Das inzwischen bei Hugging Face angesiedelte Team verpflichtet sich zu einer semantischen Versionierung (semantic versioning) der öffentlichen C-API: Jede API- oder ABI-Inkompatibilität führt zu einer neuen Hauptversion.

Versionstyp	Auslöser
Hauptversion	Inkompatible Änderung der öffentlichen C-API oder der ABI
Nebenversion	Kompatible Funktion, neues Backend, neues Modell oder API-Erweiterung
Patch	Bugfix ohne API-Änderung

Mit dem Wechsel auf 1.0 wird aufgeräumt: 35 veraltete Funktionen entfallen, und die API für spekulatives Decoding mit NextN wird in den zentralen Header llama.h aufgenommen. Die Version ergänzt KV-Caches in FP8 sowie einen MoE-Experten-Cache im Host-Speicher, dessen dem Prozessor zugewiesener Anteil einstellbar ist. Sie unterstützt außerdem Kimi-K3.1-Pro, Ripple-65B-Preview, die Sprachsynthese drama-3 sowie die Bildverarbeitung von MageVL-Cowork und Kimi-K3.1. Der Server llama-server erhält Schutzmaßnahmen gegen SSRF-, CORS- und DNS-Rebinding-Angriffe, einen OpenAI-kompatiblen Endpunkt /v1/audio/speech und eine überarbeitete Weboberfläche.

Laut dem Beitrag unterstützt die Engine mehr als 150 Architekturvarianten und alle gängigen Verfahren für spekulatives Decoding. Die Bibliothek wird über Homebrew, Winget, conda-forge, Debian, Docker oder MacPorts vertrieben. Das Team testet jede Änderung mit HF Jobs und von NVIDIA, AMD, Qualcomm, Arm, IBM und Intel bereitgestellten Maschinen. Clément Delangue bezeichnet diese v1 als erste vollständig stabile Hauptversion der meistgenutzten Bibliothek zum lokalen Ausführen von Modellen. Cohere begrüßte die Veröffentlichung mit dem Hinweis, dass sein kleines Modell North Micro Vision nun unterstützt wird. Für Entwickler, die llama.cpp in ein Produkt integrieren, bedeutet das die Zusage einer stabilen API zwischen zwei Hauptversionen.

🔗 Beitrag von ggml-org auf Hugging Face · llama.cpp v1.0.0 (GitHub) · Ankündigung von Georgi Gerganov

SGLang Consortium: acht Gründungsmitglieder rund um die Inferenz-Engine von LMSYS

12. November — LMSYS Org, die gemeinnützige Organisation hinter der Open-Source-Inferenz-Engine SGLang, gründet zur Eröffnung des ersten SGLang Summit am 12. und 13. November in San Francisco das SGLang Consortium. Seine acht Gründungsmitglieder sind NVIDIA, AMD, Intel, Google, Meta, Cloudflare, Modal und RadixArk. Jedes Mitglied benennt einen technischen Vertreter und nimmt an zwei Roadmap-Sitzungen pro Jahr teil; die Maintainer behalten die Kontrolle über technische Entscheidungen und die Aufnahme von Code, und das Projekt bleibt für alle offen. Die Prioritäten sind neue Modelle, Reasoning und Multimodalität, verteilte Inferenz sowie Hardwareoptimierung.

NVIDIA, das die Ankündigung am 13. weiterverbreitete, verweist auf eine Zusammenarbeit über fünf Generationen beschleunigten Rechnens hinweg, von Ampere bis Vera Rubin, und mehr als 100 Modelle, die bereits bei ihrer Veröffentlichung unterstützt werden. Laut LMSYS, das sich auf Deloitte beruft, dürfte Inferenz 2026 rund zwei Drittel der KI-Rechenleistung ausmachen, gegenüber der Hälfte im Jahr 2025.

🔗 LMSYS Org gründet das SGLang Consortium · Beitrag von @NVIDIAAI

Transformers v5.23.0: ein einziges ExportedModel für ONNX Runtime, OpenVINO, ExecuTorch und Dynamo

13. November — Transformers v5.23.0 vereinheitlicht den Modellexport. Ob ONNX Runtime, OpenVINO, ExecuTorch oder der Dynamo-Graph von PyTorch das Ziel ist: Der Export liefert nun ein ExportedModel, das sich wie das ursprüngliche Modell aufrufen lässt (gleiche Argumente, gleiche Ausgabeklasse), auf dem Hub veröffentlicht und direkt auf der Ziel-Engine neu geladen werden kann. Das ist eine inkompatible Änderung: export() gibt nicht mehr dasselbe Objekt zurück. ONNX-Exporte lassen sich für den Prozessor, CUDA, WebGPU oder DirectML zusammenführen.

Engine und Hardware (EmbeddingGemma2, Versionshinweise)	Beschleunigung gegenüber PyTorch eager	Beschleunigung gegenüber torch.compile
ONNX Runtime mit TensorRT, A100	7,6-fach	1,4-fach
OpenVINO, Xeon Platinum 8570	4,1-fach	2,2-fach
OpenVINO mit int8-Gewichten, derselbe Xeon	4,9-fach	2,6-fach

Die Version ergänzt sieben Modelle, darunter Inkling 2 Small von Thinking Machines, LFM3 und LFM3-VL von Liquid AI, Dots 3 Note Preview (Text, Bild, Video und Audio), IQuest-Coder-V1 und InternLM3; der Entscheidungskopf JEV bleibt experimentell.

🔗 Transformers v5.23.0 (GitHub)

Diffusers 0.43.0: fünf modulare Pipelines, von MiniMax-H3-Image bis zum Simulator PAN 2

12. November — Diffusers 0.43.0 ergänzt fünf generative Modelle als modulare Pipelines. MiniMax-H3-Image und P-H3-Image von Pruna AI erzeugen und bearbeiten Bilder anhand von Text und Referenzbildern (bis zu acht bei P-H3-Image) in sechs oder acht Schritten. Pika H3 Flex basiert auf MiniMax-H3 und erzeugt in sechs Schritten Videos mit synchronisiertem Stereoton. Kandinsky S2V 1.0 animiert eine Person anhand eines Fotos und einer Aufnahme ihrer Stimme, einschließlich Körperbewegungen, in Abschnitten von jeweils fünf Sekunden. PAN 2, ein Simulator mit 29 Milliarden Parametern, erzeugt Szenen anhand von Aktionen und Kamerabewegungen, mit standardmäßig aktivierten Sicherheitsprüfungen. Die Version verbessert außerdem Tensorparallelität, LoRA und Attention-Backends.

🔗 Diffusers 0.43.0 (GitHub)

Modellkatalog von GitHub Copilot: Gemini 4 Hydrogen kommt auch in den Pro-Tarif, sechs Modelle werden am 14. Dezember entfernt

Gemini 4 Hydrogen in Copilot, einschließlich Pro-Tarif

13. November — Einen Tag nach seiner Veröffentlichung durch Google wird Gemini 4 Hydrogen in GitHub Copilot allgemein verfügbar. GitHub beschreibt es als Googles neuestes Flash-Modell, ausgelegt auf schnelles agentisches Coding, Tool-Nutzung und mehrstufige Workflows, mit besserer Befolgung von Anweisungen als Gemini 3.8 Flash, ohne dafür Zahlen zu nennen. Anders als bei den beiden vorherigen Neuzugängen Gemini 4 Carbon und Claude Fable 5.2 ist neben Pro+, Max, Business und Enterprise auch der Tarif Copilot Pro enthalten.

Das Modell erscheint in elf Oberflächen: den zehn von Carbon, von Visual Studio Code über Copilot CLI, den Coding-Agent, die GitHub-Copilot-App und GitHub Mobile bis Eclipse, sowie zusätzlich im Copilot SDK. Es wird nutzungsabhängig zum Listenpreis des Anbieters abgerechnet und bei Business und Enterprise automatisch aktiviert, sofern der Administrator die standardmäßige Aktivierung neuer Modelle nicht ausgeschaltet hat. Die Einführung erfolgt schrittweise. Am selben Tag kommt Hydrogen auch in die Agent API von Perplexity und in Antigravity CLI.

🔗 Gemini 4 Hydrogen in GitHub Copilot (GitHub Changelog)

Sechs Modelle werden am 14. Dezember aus Copilot entfernt

13. November — GitHub kündigt an, sechs Modelle am 14. Dezember aus sämtlichen Copilot-Funktionen zu entfernen (Chat, Inline-Bearbeitungen, ask- und agent-Modi, Codevervollständigungen). Für jedes wird ein Ersatz empfohlen, der häufig erst in den vergangenen Wochen hinzugekommen ist.

Abgekündigtes Modell	Von GitHub empfohlener Ersatz
Claude Fable 5	Claude Fable 5.2
Claude Haiku 4.5	Claude Haiku 5.5 (Haiku 4.5 bleibt für Einzelabonnenten mit Jahrestarif verfügbar)
Gemini 3.8 Flash	Gemini 4 Hydrogen
Gemini 4 Argon	Gemini 4 Carbon
Grok 4.6	Grok 4.7
Kimi K3	Ersatz wird noch bekannt gegeben

Bei Business und Enterprise werden die Ersatzmodelle über die standardmäßige Aktivierung neuer Modelle automatisch freigeschaltet. Für das Entfernen der alten Modelle ist kein Eingreifen nötig. GitHub hatte nach demselben Muster bereits am 2. Oktober vier und am 19. Oktober sechs Modelle entfernt; Gemini 4 Argon, das Mitte Oktober hinzugekommen war, wird damit nur zwei Monate in Copilot verfügbar gewesen sein.

🔗 Bevorstehende Einstellung ausgewählter GitHub-Copilot-Modelle im Dezember (GitHub Changelog)

Modelle bewerten: Anthropics Sicherheitsempfehlungen und XYBench von Ai2

Anthropic: zehn Empfehlungen für zuverlässige Sicherheitsbewertungen

13. November — Auf seinem Engineering-Blog veröffentlicht Anthropic einen Leitfaden zur Konzeption, Durchführung und Darstellung von Sicherheitsbewertungen, laut seinem Tweet mit zehn Empfehlungen. Der Ausgangspunkt: Die Aussage, ein Modell sei „sicherer als sein Vorgänger“, ist nur so aussagekräftig wie die Bewertung, mit der dies gemessen wird. KI-Bewertungen lassen sich leicht umgehen und nur schwer reproduzieren. Der Beitrag orientiert sich an den Reformen der Psychologie nach ihrer Replikationskrise, darunter die Präregistrierung (preregistration) von Hypothesen vor der Sichtung der Daten.

Anthropic bevorzugt gegenüber der Verweigerungsrate den Anteil angemessener Antworten, gemessen anhand von Gesprächen über mehrere Runden, bei denen eine einzige fehlerhafte Runde zum Scheitern führt: Ein Claude-Modell übernimmt die Rolle eines simulierten Nutzers, den ein Experte beschrieben hat. Ein automatischer Bewerter, der anhand menschlicher Kennzeichnungen validiert wurde, bewertet jedes Gesprächsprotokoll. Nach internen Vorfällen wurden zahlreiche Bewertungen mit Internetzugang vorübergehend ausgesetzt.

Von Anthropic genannte Messgröße	Veröffentlichter Wert
Unbedenkliche Antworten, Tests mit einer Runde über die API	94 % bis 98 % für alle aktuellen Modelle (gesättigt)
Liebesbetrug auf claude.ai	Opus 5: 98 %, Opus 5.5: 94 % (Unterschied nicht signifikant)
Unterschied zwischen API und claude.ai bei Fable 5.1	Bis zu 34 Punkte
Suizid und Selbstverletzung, neuer System-Prompt	60 % über die API, 94 % auf claude.ai
Mindeststichprobengröße	100 Beispiele über mehrere Runden, 1 000 bei einer Runde

🔗 Zuverlässige Sicherheitsbewertungen entwickeln (Anthropic) · Ankündigung von @AnthropicAI

XYBench: Assistenten erkennen selten die eigentliche Frage hinter einer schlecht formulierten Anfrage

13. November — Ai2 veröffentlicht gemeinsam mit Carnegie Mellon, NVIDIA und Johns Hopkins XYBench (Auszeichnung für den besten Ressourcenbeitrag auf der EMNLP 2026). Der Benchmark untersucht das „XY-Problem“: Jemand möchte ein Ziel X erreichen, nimmt an, dass eine Methode Y funktionieren wird, und bittet um Hilfe bei Y. Seine 8 115 Fragen reichen von Programmierung (Stack Overflow) bis zu Kochen und Heimwerken (WikiHow). Die fünf getesteten Modelle aus früheren Generationen schlagen häufig eine Lösung für das eigentliche Problem vor, konzentrieren sich aber weiterhin auf die wörtliche Anfrage.

Bewertetes Modell (Stack-Overflow-Fragen)	Lösung für das eigentliche Ziel	Auf das Ziel ausgerichtete Antwort	Fehlannahme benannt
Beste menschliche Antwort	67 %	55 %	79 %
GPT-5	71 %	41 %	60 %
Qwen3.5-9B	64 %	41 %	60 %
DeepSeek-V4 Pro	66 %	35 %	55 %
Gemini 3.1 Pro	62 %	40 %	54 %
Claude Sonnet 4.6	59 %	36 %	47 %

Wenn die Modelle zwischen zwei Antworten wählen sollen, bevorzugen sie in 71 bis 84 % der Fälle diejenige, die das eigentliche Ziel behandelt. Selbst schreiben sie jedoch nur in 35 bis 41 % der Fälle solche Antworten: Eine gute Antwort erkennen zu können, reicht nicht aus, um sie auch zu erzeugen.

🔗 XYBench (Ai2) · Ankündigung von @allen_ai

Prompt-Injection: IBM veröffentlicht LLMON und zwei Vorabversionen von Granite 4.1, die besser dagegen gewappnet sind

12. November — IBM stellt LLMON vor, eine für Sprachmodelle entwickelte Auszeichnungssprache. Im Verlauf einer langen Aufgabe vermischen sich im Kontext eines Modells System-Prompt, Gespräch, abgerufene Dokumente, Tool-Antworten, Ausgabevorgaben und Gedankengänge – laut IBM ohne explizite Struktur oder in Formaten wie JSON, die nicht für Modelle gemacht sind. LLMON kennzeichnet jedes dieser Elemente, damit das Modell weiß, was es gerade liest. Das soll ihm helfen, in seinen Kontext eingeschleuste Anweisungen nicht zu befolgen.

IBM veröffentlicht zwei experimentelle Vorabversionen auf Basis der Granite-4.1-Basismodelle, granite-4.1-3b-LLMON-preview und granite-4.1-8b-LLMON-preview, die darauf trainiert wurden, mit LLMON ausgezeichneten Text zu lesen und zu erzeugen. Auf seinem Prompt-Injection-Benchmark wehren sie laut IBM 47 % mehr Angriffe ab als das beste getestete Frontier-Modell und 95 % mehr als das beste Open-Source-Modell. Bei allgemeinen Benchmarks bleiben sie dabei auf dem Niveau von Granite 4.1 Instruct. Es handelt sich um Messungen des Anbieters auf seinem eigenen Benchmark.

🔗 LLMON, eine für LLMs entwickelte Auszeichnungssprache, jetzt in Granite (Hugging Face)

PARDIG und SatWeave: Google DeepMind veröffentlicht die Datensätze hinter WeatherNext 3

13. November — Google DeepMind stellt die beiden Datensätze frei zur Verfügung, auf denen WeatherNext 3 basiert, sein im September veröffentlichtes globales Wettermodell. SatWeave fügt Bilder geostationärer Satelliten (GOES, Meteosat, Himawari) zu einem weltweiten Mosaik mit 17 Kanälen zusammen, das stündlich aktualisiert wird. Dadurch kann WeatherNext 3 jede Stunde eine neue globale Vorhersage erstellen, während andere Modelle von Analysen ausgehen, die alle sechs Stunden aktualisiert werden.

PARDIG schätzt alle 15 Minuten die Niederschläge auf der gesamten Erde mit einer Auflösung von etwa 10 km. Es lernt anhand von Messungen des Weltraumradars der NASA-Mission GPM statt ausschließlich anhand bodengestützter Instrumente, um auch dort nützlich zu bleiben, wo es weder Radar noch Regenmesser gibt. Beim Vergleich mit drei Radarnetzen (USA, Europa, Japan) und mehr als 36 000 Stationen verbessert es die stündliche Erkennung leichter bis mäßiger Regenfälle gegenüber IMERG-Final, dem Referenzprodukt der NASA, um mehr als 30 %.

Offener Datensatz	Inhalt und Häufigkeit	Verfügbares Archiv
SatWeave	Geostationäres Mosaik mit 17 Kanälen, stündlich	Mehr als zehn Jahre
PARDIG	Weltweite Niederschläge alle 15 Minuten, etwa 10 km	1999 bis 2026

Live-Datenströme und Archive sind auf Google Cloud Storage verfügbar, PARDIG außerdem in Google Earth Engine.

🔗 Wir öffnen die Datensätze hinter unseren KI-Wettermodellen (Google DeepMind) · Thread von @GoogleDeepMind

Generatives Audio: Suno Bridge in Ableton Live, Stable Audio mit Generate und Sampler überarbeitet

Suno Bridge: Suno-Spuren in einer Ableton-Live-12-Session erzeugen

13. November — Suno veröffentlicht Suno Bridge, eine eigenständige Anwendung in der Beta, die seine Musikmodelle in die Produktionssoftware des Nutzers bringt. Zum Start funktioniert sie ausschließlich mit Ableton Live 12 auf dem Mac; weitere Systeme und DAWs sind geplant, ohne Zeitplan. Bridge läuft neben Ableton Live und synchronisiert sich mit der geöffneten Session. Deren Dateien werden zu Suno hochgeladen, damit es den musikalischen Kontext versteht. Prompts erzeugen neue Instrumental- oder Gesangsparts, abgestimmt auf Tempo, Tonart, Stil, Harmonie und Groove der Session, innerhalb der mit den Markern der Arrangement View gewählten Schleife (zum Beispiel 8 Takte, vom 9. bis zum 16.). Das Ergebnis landet direkt auf der Timeline. Bridge ist ohne gesonderten Preis in allen Premier-Abonnements enthalten.

🔗 Suno Bridge: Deine DAW, mit Suno-Unterstützung · Ankündigung von @suno

Stable Audio: ein gemeinsamer Arbeitsbereich, Generate für Musikstücke und Sampler für Kits

12. November — Stability AI kündigt eine Überarbeitung von Stable Audio an, die in den Versionshinweisen für November beschrieben wird (die Seite trägt in ihren Metadaten das Datum 4. November, angekündigt wurde sie am 12.). Die Website bündelt Projekte und Sounds nun in einem gemeinsamen Arbeitsbereich mit einer Startseite und einer Bibliothek für alle Anwendungen.

Anwendung von Stable Audio	Was sie erzeugt
Generate	Musikstück oder Soundeffekt aus Text oder „paints“ für Genres, Stile und Instrumente; Lens zum Zuschneiden, Ersetzen oder Verlängern
Sampler	Bis zu 8 Variationen pro Prompt oder ein Kit mit 8 Sounds, Sequencer mit 8 Instrumenten und 16 Schritten, Patterns mit bis zu 32 Takten, Export als ZIP
Sessions (Labs, Beta)	Vollständiger Mix oder 8 bearbeitbare Spuren, mit einem per Chat gesteuerten Produzenten

Stability stellt weder ein neues Modell noch einen Preis vor.

🔗 Versionshinweise für November von Stable Audio · Ankündigung von @stableaudio

Cohere schließt die Übernahme von AISLE ab und holt das Team von cubic für einen Geschäftsbereich für sichere Programmierung an Bord

13. November — Cohere gibt bekannt, die Übernahme von AISLE abgeschlossen zu haben, einem Unternehmen, das autonome Systeme zur Erkennung und Behebung von Sicherheitslücken entwickelt. Dies erfolgt einen Monat nach der Absichtserklärung vom 15. Oktober. Im selben Beitrag begrüßt das Unternehmen das Team von cubic, einer von Paul Sanglé-Ferrière gegründeten und geleiteten Plattform für KI-gestützte Code-Reviews. Das Team wird den Geschäftsbereich „sichere Programmierung“ (secure coding vertical) aufbauen. Laut Cohere steigt mit AISLE und cubic die Zahl seiner strategischen Fusionen und Übernahmen in diesem Jahr auf vier, neben Aleph Alpha und Reliant AI. Ein Kaufpreis wird nicht genannt.

Die Mitgründer von AISLE übernehmen Führungspositionen: Ondrej Vlcek wird Senior Vice President von Cohere Cyber, dem neuen Cybersicherheitsbereich für Unternehmen, Regierungen und Betreiber kritischer Infrastrukturen; Jaya Baloo ist, wie am Vortag angekündigt, die Verantwortliche für die Sicherheit der Informationssysteme; Stanislav Fort wird Vice President AI Security. Cohere plant langfristige Investitionen in Prag, das als sein künftiges weltweites Zentrum für KI-gestützte Cybersicherheit vorgestellt wird. Die Code-Review-Agenten von cubic laufen vor Ort und in isolierten Umgebungen (air-gapped). Laut Cohere gehören sie auf Code-Review-Benchmarks zu den besten, Zahlen werden jedoch nicht genannt.

🔗 Cohere erweitert seine souveräne KI-Plattform mit AISLE und cubic

Perplexity: Teammates kommen für Max-Abonnenten in die Mac-App

13. November — Perplexity macht Teammates, seine am 5. November im Web gestarteten persönlichen Agenten für längerfristige Aufgaben, in seiner Mac-App verfügbar, weiterhin für Max-Abonnenten. Laut Ankündigung arbeiten sie allein oder mit anderen Teammates zusammen, etwa an Qualitätssicherung, Kundenservice, Recherche oder Wachstumsmarketing.

Die Produktseite war zum Zeitpunkt unserer Erhebung noch nicht aktualisiert: Sie nennt eine Verfügbarkeit im Web und auf iOS, anschließend „bald“ auf Desktop und Android. Die iOS-Version war zum Start nicht angekündigt worden, und ihr Erscheinungsdatum bleibt unbekannt. Das Preismodell bleibt unverändert: Während eines Aktionszeitraums sind Teammates kostenlos, anschließend verbrauchen sie die in Max enthaltenen Credits. Am Vorabend zeigte Perplexity außerdem, dass der Browser-Agent von Computer und den Teammates seine Arbeit nun live anzeigt und dem Nutzer erlaubt, wieder die Kontrolle zu übernehmen.

🔗 Ankündigung von @perplexity_ai · Produktseite der Teammates

Google AI Studio: Pro- und Ultra-Abonnenten können ihr Google-Cloud-Guthaben direkt im Tool abrufen

13. November — Abonnenten von Google AI Pro und Ultra erhielten bereits über das Google Developer Program monatliches Google-Cloud-Guthaben. Um es abzurufen, mussten sie jedoch mehrere Websites durchlaufen. Nun lässt es sich direkt in Google AI Studio verwalten: Das Erstellen des Developer-Program-Profils, das Verknüpfen eines Abrechnungskontos, das Abrufen des Guthabens und die Kontrolle des Guthabenstands sind in einem einzigen Ablauf zusammengefasst. Die folgenden Gutschriften werden automatisch angewendet.

Jede monatliche Gutschrift bleibt 12 Monate gültig, und die Gutschriften summieren sich. Guthaben, das als Nächstes verfällt, wird zuerst verbraucht. Damit lassen sich die Gemini API und die Modelle der kostenpflichtigen Stufe bezahlen, wenn das Kontingent des Abonnements aufgebraucht ist. Es gelten zwei Bedingungen: eine Vorauszahlung von mindestens 5 Dollar auf die Cloud-Abrechnung, und nur der Hauptinhaber des Abonnements kann das Guthaben nutzen, keine Familienmitglieder. Die Höhe hängt von der Abonnementstufe ab und wird im Beitrag nicht genannt.

🔗 Google-Cloud-Guthaben in Google AI Studio abrufen (blog.google)

Praxis-1 auf dem SO-101-Arm: Runway veröffentlicht den zwei Tage zuvor angekündigten Checkpoint

13. November — Zwei Tage nach der Veröffentlichung von Praxis-1 mit offenen Gewichten, über die am 11. November berichtet wurde, veröffentlicht Runway die Version für den SO-101, den kostengünstigen Open-Source-Roboterarm, der bei Hobbyanwendern und Forschern weit verbreitet ist. Die README vom 11. November hatte diesen Checkpoint als „demnächst verfügbar“ angekündigt: praxis-1-so101 (Apache-2.0-Lizenz) und seine NVFP4-Variante sind nun auf Hugging Face verfügbar, zusammen mit dem Code für den Testaufbau (Server, LeRobot-Client) im GitHub-Repository. Laut Runway läuft das Modell in NVFP4 auf einer einzigen RTX 5090.

Für das Fine-Tuning griff Runway auf Daten der LeRobot-Community zurück: 3 956 öffentliche SO-100- und SO-101-Datensätze von 1 783 Mitwirkenden, insgesamt etwa 1 260 Stunden. Das Fine-Tuning erfolgte anhand von etwa 1 070 Stunden aus 3 814 Datensätzen. Das Modell steuert die fünf Gelenke und den Greifer mit 15 Hz, mit oder ohne Kamera am Handgelenk. Runway nennt keine Erfolgsquote für diesen Arm, sondern zeigt lediglich Videos (ein Handtuch falten, einen Teller abwischen). Das Repository erhielt außerdem Inferenzoptimierungen und Unterstützung für Jetson Thor, die NVIDIA zugeschrieben werden.

🔗 Ankündigung von @runwayml · praxis-1-so101 auf Hugging Face · Technischer Bericht zu Praxis-1

Kurzmeldungen

Code-Agenten und CLI

Copilot CLI 1.0.111 — Die am 13. November als stabil veröffentlichte Version akzeptiert reguläre Ausdrücke in den vom Unternehmen vorgegebenen Berechtigungsregeln für Shell, Bash und PowerShell und verhindert, dass sich ein dynamischer Workflow unbegrenzt selbst kopiert. Die Vorabversion 1.0.112-0 verwendet standardmäßig das für jedes Modell empfohlene Kontextfenster; im SDK erhalten Sitzungen mit Claude Haiku 5.5 standardmäßig 936K Prompt-Tokens statt 100K, was laut den Versionshinweisen höhere Kosten verursachen kann. 🔗 Quelle
Qwen Code v0.27.3 — 113 Einträge ohne Breaking Changes: ein DingTalk-Kanal ausschließlich zum Senden von Benachrichtigungen, GitLab als Repository-Kanal in der Web Shell, /pr zum Verknüpfen einer Sitzung mit einem Pull Request; der auto-edit-Modus berücksichtigt nun permissions.ask, und git commit --amend verlangt im AUTO-Modus eine Genehmigung. 🔗 Quelle
Kimi Code 2.6.1 und 2.6.2 — Zwei Korrekturversionen: Das erneute Öffnen langer Sitzungen dauert nicht mehr mehrere Sekunden, Sitzungen bleiben nicht mehr hängen, statt komprimiert zu werden, das Swarm-Panel ist repariert, und /feedback akzeptiert keine reinen Textantworten mehr. 🔗 Quelle
Gemini CLI — Weiterhin keine neue Version seit v0.68.0 vom 10. November, und der nächtliche Build schlägt noch immer fehl. Drei in den Hauptbranch übernommene Korrekturen sorgen endlich dafür, dass gemini-3.8-flash in gemini models list erscheint; im Repository gibt es keine Spur von Gemini 4 Hydrogen. 🔗 Quelle
DeepSeek Harness 0.2.2-rc.3 — Diese 39. Vorabversion, weiterhin ohne stabile Version, ergänzt ein experimentelles Plugin, das Gespräche aus der DeepSeek-App oder -Website in einen Workspace importiert, um sie dort fortzusetzen, und korrigiert die Aktualisierung der Windows-App. 🔗 Quelle
Delta 0.26 und Zed — Delta erstellt nun Threads aus seiner Webversion und vom Smartphone aus, ermöglicht die Anpassung seiner Tastenkürzel und zeigt eine Vorschau für das Zusammenführen eines Worktree; Zed kündigt ohne Termin an, dass Agenten von einer Codezeile zu dem Thread zurückverfolgen können, in dem sie geschrieben wurde, und zeigt eine auf DeltaDB gestützte Hervorhebung der Urheberschaft. 🔗 Quelle
Performance Agent von Replit — Der Agent sucht über den Tab Monitoring bereits vor der Veröffentlichung nach Engpässen im Code und in den Logs, im Rahmen eines kostenpflichtigen Tarifs; in Enterprise lässt sich ein Projekt nun mit ausgewählten Viewers teilen. 🔗 Quelle
Codex auf Durable Objects — Cloudflare kündigt an, dass Codex auf seinen Durable Objects „wie auf einem Laptop“ laufen kann; der von OpenAI Developers erneut geteilte Tweet vom 11. November zeigt lediglich einen Code-Screenshot, ohne Blogbeitrag oder Preisangabe. 🔗 Quelle
GitHub Agentic Workflows 1.2.3 — Diese Vorabversion leitet Workflows ohne festgelegtes Modell standardmäßig im kostenorientierten Modus an Copilot weiter, ersetzt ihre Integrationen für Jira, Linear und Azure DevOps durch deklarative Konnektoren und verhindert das Zusammenführen von PRs, die geschützte Dateien betreffen. 🔗 Quelle

SDK, API und Plattformen

Agents SDK JS 0.22.0 — Die stabile Version fasst Typen strenger, wodurch bestehender TypeScript-Code inkompatibel werden könnte, und setzt den Reasoning-Aufwand für Tools und Handoffs über Chat Completions mit gpt-6-sol und gpt-6-luna standardmäßig auf none. 🔗 Quelle
Python SDK 3.51.0 und Node SDK 7.57.0 von OpenAI — Sie bereiten die Lebensdauer des Prompt-Cache für Agentensitzungen, die SVG-Ausgabe bei der Bildbearbeitung, Sicherheitskennungen für Live-Sitzungen und externe Schlüssel aus OCI Vault vor, die im Changelog der API noch fehlen. 🔗 Quelle
Gemini 4 Hydrogen in der Agent API von Perplexity — 1,50 Dollar pro Million Eingabe-Tokens, 0,075 Dollar für gecachte Eingaben und 7,50 Dollar für Ausgaben, einschließlich Reasoning; Gemini 3.6, 3.7 und 3.8 Flash verschwinden aus der Dokumentation, ohne angekündigte Entfernung aus der API. 🔗 Quelle
AI Scan von GitHub über die REST API — In der öffentlichen Vorabversion lässt sich AI Scan für Repositories über die Einstellung repository_scan auf Organisations- und Repository-Ebene aktivieren oder deaktivieren; die Aktivierung startet keinen Scan, jede Analyse verbraucht KI-Credits von Code Security. 🔗 Quelle
GitHub Copilot-App und GitHub Enterprise Server — GHES-Konten lassen sich ab Version 1.2.0 im Rahmen der allgemeinen Verfügbarkeit zur App hinzufügen, für Repositories, Issues und Pull Requests; keine Cloud-Sitzungen für GHES. 🔗 Quelle

Assistenten und Agenten

Grok Bot in Besprechungen — SpaceXSI ermöglicht die Teilnahme von Grok Bot an Besprechungen in den Tarifen Super, Ultra, Team und Enterprise sowie in gleichwertigen älteren Tarifen; der Beitrag zu Grok Bot 1.0 nannte nur Team, Enterprise und Ultra. 🔗 Quelle
Browser-Agent von Perplexity — Der Agent von Computer und den Teammates zeigt seine Arbeit nun live; Nutzer können die Steuerung übernehmen, sich selbst bei einer Website anmelden und ihm anschließend die Kontrolle zurückgeben. 🔗 Quelle
Side chat von Manus — Neben der laufenden Aufgabe lässt sich eine zusätzliche Unterhaltung mit deren Kontext öffnen, um Fragen zu stellen, ohne den Hauptthread zu überladen; weder Tarif noch Credits werden angegeben. 🔗 Quelle

Anleitungen und Anwendungsfälle

Dauerhaft aktive Agenten — Eine Anleitung auf claude.com beschreibt fünf Bausteine (Ereignis-Posteingang, Timer, Speicher in dauerhaften Dateien, Berechtigungen, Postausgang); in einem nicht genannten Code-Benchmark kostet Opus 5.5 pro gelöster Aufgabe 78 % weniger als Opus 5, gegenüber 40 % bei typischen Workloads. 🔗 Quelle
Claude Tag in acht Startups — Bei NavigateAI läuft Claude Tag in etwa 90 Kanälen und hat seit Juni rund 223 PRs geöffnet, von denen 134 zusammengeführt wurden; die Anleitung erinnert daran, dass die Beta auf Team und Enterprise beschränkt ist, ohne ZDR, CMEK und HIPAA. 🔗 Quelle
Anleitung zu Agent Skills — Der GitHub Blog erklärt, wie man einen Skill einmalig in einem versionierten Verzeichnis rund um eine SKILL.md-Datei schreibt und mit mehreren Agenten ausführt, und erinnert daran, dass er weder Tools noch Berechtigungen gewährt. 🔗 Quelle
Gondola und Codex — Laut dieser von OpenAI veröffentlichten Fallstudie ist die monatliche Leistung des Engineering-Teams um etwa 25 % gestiegen, und der Umsatz hat sich laut Gondola innerhalb eines Jahres mehr als verdoppelt, ohne dass die Personalkosten gestiegen sind. 🔗 Quelle
Perplexitys Leitfaden zu Suchmaschinen — Er unterscheidet crawlerbasierte Suchmaschinen, Metasuchmaschinen und KI-Antwortmaschinen und nennt die StatCounter-Marktanteile vom Oktober 2026 (Google bei 91,05 %), ohne Produktneuheit. 🔗 Quelle

Bilder, Video und Audio

Seedance 2.5 Flash auf Runway — Diese Variante des Videomodells von ByteDance wird als schneller und günstiger vorgestellt, ohne Zahlen zu Geschwindigkeit, Kosten oder Auflösung. 🔗 Quelle
Pika H3 Flex in der API von Reactor — Referenzbilder, Steuerung des ersten und letzten Bildes sowie vom Nutzer bereitgestelltes Audio für einen Musikclip oder einen Dialog; keine Preisangabe. 🔗 Quelle
MiniMax H3-Image auf Picsart und HyperFrames Studio — Picsart kündigt die Generierung und Bearbeitung in 4K in etwa zehn Sekunden an; HyperFrames Studio, das Tool von HeyGen, Bilder mit 16 Megapixeln und bis zu 16 Referenzbildern. 🔗 Quelle
Redraw in Genspark Media Studio — Man übermalt den zu korrigierenden Bereich eines Bildes und beschreibt, was ihn ersetzen soll, während der Rest erhalten bleibt; weder Einführungstermin noch Kosten in Credits. 🔗 Quelle
Organisator von Luma — Der Agent von Luma gruppiert und beschriftet ein Kreativboard nach Produkt, Konzept, Kampagne oder Kanal, mit bis zu 10 000 Elementen, ohne etwas ohne Zustimmung zu verschieben. 🔗 Quelle
Forward Deployed Creatives von ElevenLabs — Produzenten und Kreativstrategen arbeiten mit Markenteams in ElevenCreative zusammen oder liefern fertige Werbespots, in drei Paketen, ohne öffentliche Preisangaben. 🔗 Quelle
ElevenMusic bei Stimmverlust — Menschen mit dauerhaftem Stimmverlust erhalten kostenlosen Zugang zu ElevenMusic; NYU Langone Health schließt sich 1 Million Voices an, dem Programm zur Wiederherstellung der Stimme, das nach eigenen Angaben mehr als 11 000 Menschen geholfen hat, und Wounded Warrior Project wird Partner des Programms Impact. 🔗 Quelle
SOFIA for Business — Ein auf ElevenAgents aufgebauter Sprachagent macht die Interviews der Initiative Inspiring Female Founders von Oxford Saïd durchsuchbar und führt selbst neue Interviews. 🔗 Quelle

Offene Modelle, Forschung und Robotik

TRL v1.18.0 — AsyncGRPOTrainer, der die an vLLM ausgelagerte Generierung vom Training trennt, wird zu einem stabilen Trainer, der aus trl importiert werden kann; der bisherige experimentelle Pfad wird bis v2.0.0 weiterhin akzeptiert. 🔗 Quelle
North Micro Vision in llama.cpp — Anlässlich von v1.0.0 teilt Cohere mit, dass sein kleinstes Vision-Language-Modell nun von llama.cpp unterstützt wird, ohne Datum oder Link zur Änderung. 🔗 Quelle
Demo von Déjà View — NVIDIA veröffentlicht auf Hugging Face eine interaktive Demo ohne Code zu seinem am 11. November vorgestellten Modell zur 3D-Rekonstruktion mit 117 Millionen Parametern. 🔗 Quelle
FLUX-mimic — Das Startup mimic und BMW Group stellen ein auf FLUX 3 aufgebautes Video-Action-Modell für die Automobilmontage vor: 77,5 % Erfolgsquote mit 2 Stunden an Demonstrationen bei einer Aufgabe zum Einräumen von Teilen, 95 % mit 8 Stunden. 🔗 Quelle
OpenMed — Zwei Extraktionsmodelle mit 73,9 Millionen Parametern für Medikamente und Anatomie unter der Lizenz Apache-2.0; bei 200 zuvor ungesehenen PubMed-Abstracts steigt der F1 von 45,09 auf 66,81 und von 26,20 auf 61,74. 🔗 Quelle
TiHon-TTS — Eine vietnamesische Sprachsynthese mit 100 118 Parametern (402 Ko) läuft laut ihrem Autor auf einem x86-Kern 40-mal schneller als Echtzeit und kann auf einem Cortex-M-Mikrocontroller ausgeführt werden. 🔗 Quelle
YOLO26 auf NXP i.MX 95 — Mit seiner Software EdgeFirst steigert Au-Zone die Leistung auf dem NPU mit 2 TOPS laut eigenen Messungen von etwa 40 auf 84 Bilder pro Sekunde, bei 7 zusätzlichen mAP-Punkten. 🔗 Quelle
s1d1-bench — Ein offener Benchmark vergleicht einen mehrsprachigen Prompt-Router mit drei lokalen LLM-Bewertern: laut Autor eine Übereinstimmung von 0,807 (QWK), gegenüber 0,774 zwischen den Bewertern und 0,278 für den BERT-Router von RouteLLM. 🔗 Quelle

Ökosystem

Black Forest Labs in der AI 100 — Nach Synthesia ist das Labor hinter FLUX in der ersten Rangliste privater KI-Unternehmen von Newcomer und Bessemer vertreten, ohne Angabe einer Platzierung. 🔗 Quelle

Was das bedeutet

Bezahlen oder lesen: OpenAI und Google geben ihren Assistenten am selben Tag Zugriff auf das Geld der Nutzer, mit zwei gegensätzlichen Vertrauensmodellen. ChatGPT Wallet lässt einen Agenten einen Kauf abschließen, doch jede Zahlung durchläuft eine biometrische Prüfung und verwendet einen Ersatz-Token, sodass weder der Agent noch der Händler die Karte sehen; die vollständige Delegation mit Obergrenzen ist ohne Termin angekündigt. Gemini liest die mit Google Wallet verknüpften Konten und darf keinerlei Aktionen ausführen. Am Vortag hatte auch Replit Agent begonnen, mit Link und Visa einzukaufen. Nun müssen noch die Händler nachziehen: OpenAI veröffentlicht eine Anleitung, damit Websites signierte Agenten erkennen und Betrugspräventionstools deren Käufe akzeptieren.

Code-Agenten übertragen einem Programm, was sie bisher Schritt für Schritt erledigt haben. Code Mode lässt Claude JavaScript schreiben, das seine Tools nacheinander aufruft, und die Dynamic Workflows von Antigravity tun dasselbe in Python, um Subagenten zu orchestrieren. Der Gewinn geht zulasten der Transparenz: In Claude Code beurteilt der Klassifikator des Auto-Modus den Code vor der Ausführung, ohne die unterwegs berechneten Werte zu sehen, und die Dokumentation verweist für sensible Aufrufe auf Regeln und Hooks. Die anderen Versionen des Tages verschärfen die Kontrollen: Bash-Befehle aus der Sandbox durchlaufen in Claude Code 2.1.325 wieder die Berechtigungsprüfung, codex exec ignoriert die Konfiguration eines nicht genehmigten Projekts ohne --trust, und Antigravity CLI 1.5.8 schließt Umgehungsmöglichkeiten seines Proxys und seiner Regeln unter Windows.

Die offenen Tools geben sich Regeln für Stabilität und Governance. llama.cpp verspricht, dass ein Bruch seiner C-API über eine neue Hauptversion erfolgt, SGLang vereint acht Industrieunternehmen in einem Konsortium, in dem die Maintainer die Kontrolle über den Code behalten, und Transformers bietet eine einheitliche Exportschnittstelle für vier Laufzeitumgebungen. DeepSeek geht auf der Diensteseite in dieselbe Richtung: Es verkauft nicht mehr nur ein Modell, sondern die Bausteine seiner Anwendung, von der Suche bis zur Sprachausgabe, mit einem Demo-Client unter MIT-Lizenz.

Auch die Messungen selbst werden hinterfragt. Anthropic hält seine Sicherheitstests mit nur einer Interaktionsrunde für gesättigt, da alle neueren Modelle 94 bis 98 % erreichen, und zeigt, dass dasselbe Modell zwischen der API und claude.ai einen Unterschied von 34 Punkten aufweisen kann. XYBench misst einen weiteren blinden Fleck: Die Modelle erkennen in 71 bis 84 % der Fälle die Antwort, die das eigentliche Ziel behandelt, schreiben sie aber nur in 35 bis 41 % der Fälle selbst. Die von IBM bei Prompt Injection oder von Transformers beim Export angekündigten Verbesserungen stammen von den Anbietern und wurden auf deren eigenen Benchmarks gemessen, und Runway veröffentlicht keine Erfolgsquote für den SO-101: Anthropics Empfehlung, die Unsicherheit zu veröffentlichen, gilt auch für sie.