Grok Voice 3.0 übernimmt die Führung bei Sprachmodellen, Gemini 4 Argon liefert erste wissenschaftliche Ergebnisse, Claude Code setzt auf parallele Sessions

SpaceXSI veröffentlicht Grok Voice 3.0, das bei unverändertem Preis von 0,08 Dollar pro Minute die Führung im Speech-to-Speech-Index von Artificial Analysis übernimmt. Einen Tag nach der allgemeinen Verfügbarkeit zeigt Google Gemini 4 Argon im Einsatz beim Quantencomputing, in der Robotik und an 205 000 Zeilen Python-Code, während Anthropic die Desktop-App von Claude Code auf parallele Sessions ausrichtet und an einem Tag zwei Versionen seines Tools veröffentlicht. Meta veröffentlicht zehn medizinische Manuskripte, die mithilfe seiner Muse-Modelle entstanden sind, NVIDIA sagt Rechenressourcen im Wert von 250 Millionen Dollar für die britische Forschung zur Sicherheit von Agenten zu, und OpenAI gibt an, in einem seiner Büros ein verstecktes Aufnahmegerät entdeckt zu haben.

Grok Voice 3.0: SpaceXSI übernimmt die Führung im Speech-to-Speech-Index, bei unverändertem Preis von 0,08 Dollar pro Minute

14. Oktober — SpaceXSI, ehemals xAI, veröffentlicht Grok Voice 3.0, ein durchgängiges Sprachmodell (speech-to-speech), das das Unternehmen als das intelligenteste auf dem Markt bezeichnet. Das Modell grok-voice-3.0 ist noch am selben Tag in der Voice Agent API und im Voice Agent Builder verfügbar, zum Preis von Grok Voice 2.0: 0,08 Dollar pro Minute, also 4,80 Dollar pro Stunde. Agenten, die den Alias grok-voice-latest aufrufen, wurden ohne Änderungen umgestellt, mit demselben Endpunkt und denselben Session-Parametern. Grok Voice 2.0 wird am selben Tag als veraltet markiert, ohne festgelegtes End-of-Life-Datum.

Ausgewerteter Benchmark (Artificial Analysis, 13. Oktober)	Grok Voice 3.0	Grok Voice 2.0	GPT-Live-1 (Astra, Medium)	Gemini 3.8 Live (Ext. Thinking, High)
Speech-to-Speech-Index	86,9	81,3	83,2	82,6
Big Bench Audio (sprachliches Schlussfolgern)	98,5 %	97,2 %	90,1 %	97,7 %
Speech Agent Arena (Elo, menschliche Präferenz)	1 070	1 011	1 048	990
Erfolgsquote bei Aufgaben	94,8 %	94,6 %	87,4 %	89,1 %
Full Duplex Bench (Pausen, Sprecherwechsel)	97,0 %	95,1 %	94,9 %	91,9 %
τ-Voice (Supportanrufe)	71,6 %	56,5 %	74,5 %	68,6 %

Diese Messwerte von Artificial Analysis vom 13. Oktober sind die von SpaceXSI angeführten Ergebnisse. Der Speech-to-Speech-Index kombiniert sprachliches Schlussfolgern, τ-Voice, menschliche Präferenz und die erfolgreiche Erledigung von Aufgaben in blind verglichenen Anrufen. Grok Voice 3.0 übernimmt darin die Führung, gewinnt aber nicht überall: Bei τ-Voice, Supportanrufen mit unterschiedlichen Akzenten, Hintergrundgeräuschen und Unterbrechungen, bleiben seine 71,6 % unter den 74,5 % von GPT-Live-1. SpaceXSI hält dieses Niveau bei einer um 40 % niedrigeren Latenz für vergleichbar. Auf EVA-Bench, dem Open-Source-Benchmark von ServiceNow für Sprachagenten in Unternehmen mit mehr als 200 Szenarien, erzielt es laut SpaceXSI mit 74 % die höchste Genauigkeit. Hinzu kommt das Preisargument: Im Big Bench Audio-Benchmark kostet eine Aufgabe mit Grok Voice 3.0 durchschnittlich 0,025 Dollar, gegenüber 0,030 Dollar für GPT-Live-1 und 0,055 Dollar für GPT-Realtime-2.1 von OpenAI.

Das Modell läuft bereits in großem Maßstab bei Tesla und SpaceX: Es verarbeitet täglich Millionen von Gesprächen in Tesla-Fahrzeugen und betreibt den Sprachmodus von Grok Bot. In den Callcentern von Starlink beantwortet es täglich 20 000 Anrufe in mehreren Sprachen: Rund 70 % werden ohne menschliches Eingreifen gelöst, und jedes vierte Verkaufsgespräch führt noch vor Gesprächsende zu einem Kauf. Am 24. August führte Grok Voice Think Fast 2.0 diesen Index bereits an, damals mit 15 000 Starlink-Anrufen pro Tag.

🔗 Grok Voice 3.0 (Beitrag von SpaceXSI) · Ankündigung von @SpaceXSI · Versionshinweise zur API

Gemini 4 Argon auf dem Prüfstand: erste wissenschaftliche Ergebnisse, Robotik und Codeoptimierung

Einen Tag nach der allgemeinen Verfügbarkeit dokumentiert Google den Einsatz von Gemini 4 Argon in drei Bereichen: wissenschaftliche Forschung, Robotik und die Optimierung eines großen Python-Repositorys. Die beiden Beiträge im Entwicklerblog stammen vom Tag der Veröffentlichung; den Thread der Forschenden hat Google DeepMind am 14. zusammengestellt.

Erste wissenschaftliche Ergebnisse: Quantencomputing, Fusion und Enzymdesign

14. Oktober — Google DeepMind bündelt in einem Thread die ersten Ergebnisse, die seine Forschenden mit Argon erzielt haben und die jeweils am Vortag von den Autoren ausführlich beschrieben wurden.

Forschungsgebiet	Mit Argon beanspruchtes Ergebnis
Quantenfehlerkorrektur	Inferenzdurchsatz des AlphaQubit-Decoders nahezu verdoppelt
Quantenalgorithmen	arcsin-Unterroutine mehr als 100-mal weniger aufwendig als quantum CORDIC, in Lean verifiziert
Plasmaphysik	2 neue Familien von Gegenbeispielen zur Grad-Vermutung
Enzymdesign	5 neuartige Serinesterasen (59 bis 81 % Identität), Aktivität im Labor bestätigt
Seltene Krankheiten (Gamow Labs)	57 % auf RareBench und 52,2 % auf LabBench, zwei private Evaluierungen

Im Quantencomputing haben Ben Jaderberg und sein Team gemeinsam mit Google Quantum AI eine interne Version von AlphaQubit, Googles Decoder zur Fehlerkorrektur, von Argon in einen einzigen optimierten Hardware-Kernel (megakernel) übertragen lassen, der den Inferenzdurchsatz nahezu verdoppelt. Dieser Gewinn ist für einen Decoder nützlich, der die Messungen des Quantenprozessors in Echtzeit verarbeiten muss.

Second, we used Argon to discover a quantum arcsin subroutine that cuts spacetime cost by more than 100x compared to the published quantum CORDIC baseline.

🇩🇪 Zweitens haben wir Argon verwendet, um eine Quantenunterroutine für den Arkussinus zu entdecken, die den Raum-Zeit-Aufwand gegenüber der veröffentlichten Referenz quantum CORDIC um mehr als den Faktor 100 reduziert. — @benjaderberg auf X

Dieser Aufwand ergibt sich aus der Anzahl der Qubits multipliziert mit der Ausführungsdauer, und der Schaltkreis wurde in Lean formal verifiziert. In der Plasmaphysik meldet Opal Issan zwei Familien von Gegenbeispielen zur Grad-Vermutung, der zufolge seit 1967 angenommen wurde, dass bestimmte dreidimensionale magnetische Gleichgewichte nicht existieren können; laut dem Thread wurden sie mit Argon gefunden, doch die Zusammenfassung des am 5. Oktober eingereichten arXiv-Artikels erwähnt das Modell nicht. In der Biologie beschreibt Ryan Krueger Serinesterasen, die in wenigen Prompt-Sessions entworfen wurden: Argon hat die Daten zusammengestellt, ein Protein-Sprachmodell feinabgestimmt und eigene Filter für aktive Zentren entwickelt. Der Beitrag zur Veröffentlichung ergänzt den Fall von Gamow Labs, wo Argon im Genom eines Neugeborenen eine Chromosomenumlagerung entdeckte, die herkömmliche Software jahrelang übersehen hatte.

🔗 Der Thread von Google DeepMind · Der Artikel zur Grad-Vermutung (arXiv) · Der Beitrag zur Veröffentlichung von Argon

Robotik: von Cornhole mit dem humanoiden Apollo bis zu einer von 56 % auf 75 % gesteigerten Erfolgsquote im realen Einsatz

13. Oktober — Am Tag der Veröffentlichung widmet Googles Entwicklerblog Argon einen ausführlichen Beitrag zur Robotik von Kanishka Rao, einschließlich der Prompts für jede Demonstration. Der Beitrag zur Veröffentlichung greift die anschaulichste davon auf: einen internen Test, der mit einem einfachen Video eines Menschen beim Cornhole begann, jenem Spiel, bei dem Säckchen auf ein Brett mit Loch geworfen werden. Argon kartierte die Umgebung, berechnete die Bewegungen des gesamten Körpers und programmierte eine eigene Simulation; nach der Übertragung auf den humanoiden Apollo von Apptronik gelangen dem Roboter unter realen Bedingungen sieben Würfe in Folge. Google fasst diesen Übergang vom Video über die Simulation in die Realität (Video-to-Sim-to-Real) so zusammen: Wochen manueller Modellierung werden auf wenige Stunden verkürzt.

Der Beitrag von Kanishka Rao reiht weitere Demonstrationen aneinander: einen Spot von Boston Dynamics, der in einem digitalen Zwilling in MuJoCo trainiert, bevor er das Pedal eines echten Mülleimers betätigt, Simulationen, die aus einem auf Augenhöhe aufgenommenen Video oder einer Skizze auf Papier rekonstruiert werden, sowie das Rätsel der 12 Kugeln, das zwei Roboterarme allein mithilfe von Stereosicht in drei Wägungen lösen. Das am besten messbare Ergebnis betrifft das Training: Aus einem einzigen Foto eines echten Tisches erstellt Argon einen MuJoCo-Zwilling, erzeugt mehr als 4 500 Episoden und steigert die Erfolgsquote eines Vision-Language-Action-Modells (VLA) auf dem echten Roboter von 56 % auf 75 %, während die Ausführungsdauer von 35 auf 24 Sekunden sinkt. Auch ein SO-101-Arm verbessert sich selbstständig, von 58,9 auf 22,9 und dann 17,4 Sekunden.

🔗 Gemini 4 Argon für die Robotik (Google Developers)

ADK: elf Stunden nächtliche Arbeit an 205 000 Zeilen Python-Code, zwei von sechs Optimierungen übernommen

13. Oktober — Ingenieure von Google Cloud haben Argon eine anspruchsvollere Aufgabe anvertraut als die Entwicklung einer Anwendung von Grund auf: Leistungsengpässe im Python-Repository des Agent Development Kit (ADK) zu finden und zu beheben, Googles Open-Source-Framework zur Entwicklung von Agenten mit rund 205 000 Zeilen, knapp 800 Dateien und fast 17 000 Unit-Tests.

Messwert des ADK-Runs	Veröffentlichtes Ergebnis
Dauer der unbeaufsichtigten nächtlichen Arbeit	11 Stunden
Erneut ausgeführte Unit-Tests	16 892
Vorgeschlagene und übernommene Optimierungen	6 vorgeschlagen, 2 übernommen
Vorbereitung langer Sessions im Arbeitsspeicher	Etwa 40 % weniger
Import des Pakets google.adk	21 % schneller
Vollständige Ausführung von 158 Runden	Von 65,6 s auf 56,1 s

Ein erster zweistündiger Versuch ohne repositoryspezifische Anweisungen fand echte Engpässe, ignorierte aber die Konventionen der Maintainer und änderte sogar ein öffentliches JSON-Schema. Für den zweiten Versuch legte das Team seine Review-Regeln im Ordner .agents/skills ab und aktivierte den Modus /goal von Google Antigravity, der das Ziel über Kontextkomprimierungen hinweg beibehält. Bei der menschlichen Prüfung wurden nur zwei der sechs Optimierungen übernommen: den Session-Verlauf vor dem Kopieren zu filtern und große Pakete erst bei der ersten Verwendung zu laden. Die anderen beruhten auf einem instabilen Zustand, einem privaten Attribut von OpenTelemetry oder auf Gewinnen, die auf synthetische Benchmarks beschränkt waren. Der Gewinn betrifft nur den Service für Sessions im Arbeitsspeicher, keine externen Speicher. Das Team fasst die Rollenverteilung so zusammen: Der Agent erkundet, der Maintainer streicht.

🔗 ADK über Nacht mit Gemini 4 Argon optimieren (Google Developers)

Code-Agenten: die Desktop-App und zwei Versionen von Claude Code, VS Code 1.142, HydraFusion Max

Anthropic richtet die Desktop-App von Claude Code auf parallele Sessions aus und veröffentlicht an einem Tag zwei Versionen seines Kommandozeilentools; VS Code macht das Copilot-Harness zum Standard, und GitHub ergänzt seine Orchestrierung mehrerer Modelle um eine Max-Option.

Claude Code: Die Desktop-App richtet sich auf parallele Sessions aus

14. Oktober — Anthropic aktualisiert die Desktop-App von Claude Code, den Code-Tab in Claude Desktop, damit mehrere Sessions besser nebeneinander laufen: Laut @ClaudeDevs lassen sich Sessions schneller starten und Aufgaben einfacher auf mehrere Sessions verteilen, und man sieht jederzeit, was jede einzelne gerade tut.

Angekündigte Neuerung	Was sie bringt
Session-Ansicht	Zuletzt verwendete Ordner mit einem Klick erreichbar; gespeicherte Umgebungen (einige Ordner, ein SSH-Host oder die Cloud), optional ein worktree pro Ordner
Verschachtelte Sessions	Eine Session pro paralleler Aufgabe, die ihr Ergebnis an die Hauptsession zurückgibt
Folgeaufgaben	Von Claude während der Arbeit vorgeschlagen und mit einem Klick als eigene Session gestartet; /btw öffnet Nebenfragen in einem Tab
Seitenleiste und Infoleiste	Aktive oder wartende Sessions, aktuelle Aufgabenliste, Übersichtskarte, Ausführungsort, Kontext und Änderungen

When you ask Claude to run tasks in parallel, it starts a nested session for each one. Each reports its result back into your main session when it’s done, so the main thread stays readable.

🇩🇪 Wenn Sie Claude bitten, Aufgaben parallel auszuführen, startet er für jede eine verschachtelte Session. Jede gibt ihr Ergebnis nach Abschluss an Ihre Hauptsession zurück, damit der Hauptverlauf übersichtlich bleibt. — @ClaudeDevs auf X

Die Übersichtskarte (recap card) fasst die Runde zusammen, wenn Claude den Nutzer braucht, und die seitliche Infoleiste zeigt, wo die Session läuft, ihren Kontext und ihre Änderungen. Um die Neuerungen zu nutzen, genügt es, die Anwendung zu aktualisieren und eine neue Session zu öffnen; Anthropic nennt weder eine Versionsnummer noch einen Zeitplan für die Bereitstellung. Die Einstiegsseite weist darauf hin, dass Claude Code ein Abonnement für Pro, Max, Team oder Enterprise voraussetzt, mit den Umgebungen Local, Cloud, SSH und WSL. Das Update setzt die im April vorgestellte Neugestaltung der Anwendung für parallele Agenten fort.

🔗 Thread von @ClaudeDevs · Einstieg in die Desktop-App

Claude Code 2.1.299: Kompaktierung inaktiver Unterhaltungen vor Ablauf des Caches, 131 Fehlerbehebungen

14. Oktober — Claude Code 2.1.299 wurde um 2 h 49 UTC veröffentlicht und ist eine umfangreiche Version mit 190 Einträgen, darunter 18 Ergänzungen, 131 Fehlerbehebungen, 16 Verbesserungen und 25 Änderungen; die Versionsnummern 2.1.297 und 2.1.298 wurden übersprungen. Die auffälligste Neuerung zielt auf die Kosten langer Sessions ab: die Kompaktierung bei Inaktivität (idle compaction). Im Terminal wird eine Unterhaltung mit mehr als 200 000 Tokens, die etwa 54 Minuten lang ungenutzt bleibt, vor Ablauf ihres einstündigen Prompt-Caches kompaktiert, damit bei der nächsten Nachricht nicht alles erneut verarbeitet werden muss. Der Schwellenwert lässt sich mit CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS einstellen, und "idleCompaction": false in settings.json deaktiviert die Funktion. Mit CLAUDE_CODE_DISABLE_FILE_MENTIONS erhält Claude den Pfad der mit @ erwähnten Dateien, die es selbst mit seinen Tools liest, statt deren Inhalt. Der Befehl /usage warnt jetzt vor maximalem Reasoning-Aufwand, Workflows, ständig geladenem Kontext und großen Tool-Ergebnissen und zeigt niemals mehr als 100 % an.

Die Version verschärft auch die Berechtigungen: Eine MCP-allow-Regel gilt nur noch für den darin genannten Server (mcp__a erlaubt keinen Server a__b mehr), Anfragen an den Connector-Proxy von claude.ai und an die von Anthropic gehosteten MCP-Server folgen keinen HTTP-Weiterleitungen mehr, und die Hooks UserPromptSubmit werden vor der Expansion eines Skills oder eines Befehls ausgeführt, wodurch auch deren eingebettete Shell-Befehle blockiert werden. Zu den behobenen Sicherheitsproblemen gehören: Ein in der Sandbox ausgeführter Befehl konnte in einen Ordner --plugin-dir schreiben, dessen Code außerhalb der Sandbox neu geladen wird; der Plan-Modus konnte einen durch einen Hook PreToolUse genehmigten Schreibvorgang ausführen; und ein gesperrter Pfad blieb über einen symbolischen Link in der macOS-Sandbox erreichbar. Die Tool-Beschreibungen der MCP-Server von Anthropic werden nicht mehr nach 4 096 Zeichen abgeschnitten, und Claude Tag, Claude in Slack, kann ein selbst erstelltes Canvas löschen.

🔗 Versionshinweise zu Claude Code 2.1.299

Claude Code 2.1.300: /advisor auf Claude Platform on AWS, OpenTelemetry-GenAI-Traces, Claude Tag in Slack Connect

14. Oktober — Die zweite Version des Tages, Claude Code 2.1.300 (18 h 24 UTC, 88 Einträge, darunter 59 Fehlerbehebungen), erweitert /advisor auf Claude Platform on AWS: Dort läuft kein Beratermodell, solange der Nutzer keines mit /advisor, advisorModel oder --advisor ausgewählt hat, und CLAUDE_CODE_DISABLE_ADVISOR_TOOL=1 deaktiviert das Tool. Die Telemetrie richtet sich nach den semantischen GenAI-Konventionen von OpenTelemetry (gen_ai.provider.name, gen_ai.conversation.id, gen_ai.tool.name und error.type auf den Spans), und das Ereignis api_request unterscheidet Cache-Schreibvorgänge mit 5 Minuten und 1 Stunde Gültigkeit.

Bei der Sicherheit wird die geänderte Eingabe (updatedInput), die ein Hook PreToolUse oder PermissionRequest zurückgibt, jetzt genauso validiert wie die Eingabe von Claude: Unbekannte Schlüssel werden entfernt, und wenn das Tool eine Eingabe ablehnt, wird der Aufruf abgelehnt. Hooks vom Typ Agent berücksichtigen endlich ihr Feld model und verwenden bei Nichtverfügbarkeit dieses Modells das Modell des Aufrufenden, statt die Aktion zuzulassen. Lokale Transkripte zeichnen außerdem den System-Prompt, die Tools und die Parameter jeder Anfrage auf, und die wirkungslosen Optionen --sandbox und --no-sandbox von claude remote-control werden entfernt. Claude Tag kann jetzt in Slack-Connect-Kanälen antworten, die mit einer anderen Organisation geteilt werden (standardmäßig deaktiviert, durch einen Owner oder einen Claude-Tag-Administrator aktivierbar), und bittet über eine private Karte „Einmal zulassen“ / „Ablehnen“ um die Genehmigung einer Connector-Aktion, statt diese abzulehnen.

Claude-Code-Version	Veröffentlichung (UTC)	Veröffentlichte Einträge	Davon Fehlerbehebungen	Wichtigste Neuerung
2.1.299	14. Oktober, 2 h 49	190	131	Kompaktierung bei Inaktivität von Unterhaltungen mit mehr als 200 000 Tokens
2.1.300	14. Oktober, 18 h 24	88	59	`/advisor` auf Claude Platform on AWS, GenAI-Attribute von OpenTelemetry

🔗 Versionshinweise zu Claude Code 2.1.300

VS Code 1.142: der Copilot-Harness als Standard und Canvases in der Preview

14. Oktober — VS Code 1.142 setzt den Umstieg auf den Copilot-Harness fort, der auf dem Copilot SDK basiert und dessen Sessions über den Agent Host laufen, um im Hintergrund fortgesetzt werden zu können. Bisher im Harness-Auswahlmenü verfügbar, wird er nach laut Team „überwältigend positiven“ Rückmeldungen schrittweise zum Standard-Harness für neue Sessions; Ask kehrt als integrierter Agent mit reinem Lesezugriff zurück, und der Chat-Titel zeigt den aktiven Harness an, Copilot oder Codex. Eine weitere Neuerung sind Canvases (Canvases) in der Preview: interaktive Oberflächen, die neben dem Chat geöffnet werden und auf denen Nutzer und Agent dasselbe Artefakt bearbeiten, etwa ein Kanban-Board, dessen Aufgaben der Agent aktualisiert. Jedes Canvas stammt aus einer Extension, die der Agent mit dem Befehl /create-canvas generieren kann. Im Agents-Fenster kann ein Chat außerdem den Ordner wechseln oder in einen neuen Git-Worktree wechseln, ohne seinen Verlauf zu verlieren; vorerst ist dies mit dem Codex-Harness möglich.

Im Unternehmensbereich schreibt eine Berechtigungs- oder Sandbox-Richtlinie jetzt den Copilot-Harness im Agent Host vor: Bestehende lokale Chats werden automatisch dorthin migriert, ohne etwas zu senden, und Claude, Codex sowie der Terminal-Chat sind nicht verfügbar, solange diese Richtlinien gelten. Administratoren können vorübergehend den Local-Harness beibehalten, der diese Ausführungsregeln nicht anwendet; seine Windows-Sandbox wird zugunsten von Agent-Host-Sessions als veraltet eingestuft.

🔗 Versionshinweise zu VS Code 1.142

HydraFusion Max: GitHub ergänzt seine Orchestrierung mehrerer Modelle um eine Frontier-Option

14. Oktober — GitHub entwickelt HydraFusion weiter, seine Orchestrierung, die mehrere Modelle kombiniert, um eine einzige Antwort zu erzeugen, ohne für jede Aufgabe ein Modell auswählen zu müssen. Der Modellpool umfasst jetzt Claude Opus 5.5, GPT-6 Astra, GPT-6.1 Sol und GPT-6 Luna, und der Reasoning-Aufwand lässt sich pro Schritt einstellen: mittel für erste Entwürfe, hoch für die Überprüfung, während HydraFusion bisher beim Standardaufwand jedes Modells blieb. Der Workflow Cascade kann einen Bewertungsschritt einschieben, der die anfängliche Arbeit prüft und nur bei Bedarf eine Korrektur anfordert; Critique lässt mehrere Modelle parallel als Kritiker arbeiten, ausgestattet mit Tools, um den Workspace direkt zu untersuchen.

Angebotene Option	Positionierung laut GitHub
HydraFusion	Ausgewogenes Verhältnis zwischen Geschwindigkeit, Kosten und Leistung, mit moderaten Token-Einsparungen
HydraFusion Max	Frontier-Leistungsfähigkeit und umfassendstes Reasoning, Token-Effizienz durch die Orchestrierung gesteuert

Beide Optionen bleiben als Research Preview in VS Code, der GitHub Copilot-App und Copilot CLI verfügbar, für die Tarife Pro, Pro+, Business und Enterprise mit aktivierten experimentellen oder Preview-Funktionen. GitHub veröffentlicht für diese Version weder Benchmarks noch Preise; zum Start in Copilot CLI am 4. September gab das Unternehmen gegenüber Opus 5 auf TerminalBench 2.1 eine um 4,9 Punkte höhere Qualität und 67 % niedrigere Kosten an.

🔗 HydraFusion-Updates und neue Max-Option (GitHub-Changelog)

Sicherheit und Integrität: Anthropics Schutzvorkehrungen für Wahlen, Betrugserkennung auf dem Smartphone, ein verstecktes Aufnahmegerät bei OpenAI

Drei Themen rund um Vertrauen: Anthropic bereitet Claude auf die US-Zwischenwahlen vor, Google DeepMind und GovTech Singapore erkennen Betrugsversuche direkt auf dem Smartphone, und OpenAI berichtet, in einem seiner Büros ein verstecktes Aufnahmegerät entdeckt zu haben.

Zwischenwahlen: Anthropic verstärkt seine Schutzvorkehrungen und wird Wahlinformationen von Democracy Works integrieren

14. Oktober — Im Vorfeld der US-Zwischenwahlen erläutert Anthropic die seit seinem Update im April verstärkten Schutzvorkehrungen für Wahlen. Eine Analyse von 250 000 Unterhaltungen privater Nutzer auf Claude.ai in den USA vom 21. bis 27. September ermittelt zunächst den Anteil politischer Themen.

Art der Unterhaltung (Claude.ai, USA)	Anteil der Unterhaltungen
Politik, staatliche Maßnahmen, gesellschaftliche Fragen	Etwa 5,75 %
Wahlen oder Stimmabgabe	Etwa 0,51 %
Für wen oder was stimmen	Etwa 0,01 %
Verstöße gegen die Regeln zur Wahlintegrität (separate Analyse)	Etwa 0,002 %

Das Banner zu TurboVote (Democracy Works) bleibt bestehen, und Claude.ai wird im Laufe dieses Monats die offiziellen Wahlinformationen von Democracy Works in seine Antworten für US-Nutzer integrieren (wo sie wählen können, welches Ausweisdokument sie mitbringen müssen, mit einer auf den jeweiligen Bundesstaat zugeschnittenen Antwort) und anschließend am Wahlabend und in den darauffolgenden Tagen die offiziellen Ergebnisse anzeigen. Laut Anthropic erreichen Claude Opus 5.5, Sonnet 5.5 und Haiku 5.5 bei seiner Bewertung der politischen Unparteilichkeit 99 %. Von drei unabhängigen Bewertungen stellen zwei (The Future of Free Speech und das Collective Intelligence Project) wenige Ablehnungen fest, jedoch unaufgeforderte Warnhinweise und Gegenargumente; die dritte, von der Foundation for American Innovation, stellte fest, dass Claude Sonnet 4.5 nicht immer ausgewogen differenzierte und eher Argumente zugunsten rechter Positionen abschwächte. Tests mit dem Institute for Strategic Dialogue und dem McCain Institute in den USA, Israel und Brasilien zeigten, dass Claude eine einzelne schädliche Anfrage zuverlässig ablehnte, aber eine in kleine, harmlos wirkende Aufgaben zerlegte Kampagne übersehen konnte. Anthropic hat Klassifikatoren gegen diesen Missbrauch in mehreren Schritten ergänzt und die Konten im Ausland ansässiger Betreiber einer Schein-Nachrichtenseite gesperrt, die mit Claude eine Wahlberichterstattung erzeugten, die russische, iranische und nordkoreanische Narrative begünstigte.

🔗 Vorbereitung auf die US-Zwischenwahlen 2026 (Anthropic)

Betrugsversuche: Google DeepMind und GovTech Singapore passen Gemma für die Erkennung auf dem Smartphone an

14. Oktober — Google DeepMind und die Regierungsbehörde GovTech Singapore haben ein leichtgewichtiges Gemma-Modell, dessen Generation im Beitrag nicht genannt wird, per Fine-Tuning angepasst, um Betrugsversuche direkt auf dem Smartphone des Nutzers zu erkennen. Die Ausgangslage wird mit Zahlen belegt: In Singapur machen Betrugsfälle mehr als die Hälfte der gemeldeten Straftaten aus und haben seit 2019 Verluste von mehr als 4 Milliarden Singapur-Dollar verursacht; komplexe Betrugsmaschen mit Social Engineering sind für bis zu 80 % der Verluste verantwortlich. Das Modell wurde anhand lokaler Betrugsgespräche angepasst: Auftreten unter der Identität öffentlicher Einrichtungen, Banken oder prominenter Personen sowie aktuell verbreitete regionale Betrugsmaschen. Alles läuft auf dem Gerät ab, in zwei Schritten, um den Akku zu schonen: Ein leichtgewichtiger Klassifikator filtert eingehende Nachrichten, anschließend prüft das angepasste Gemma-Modell einen größeren Ausschnitt der Unterhaltung, um die Bedrohung zu bestätigen oder den Fehlalarm auszuschließen, bevor eine Warnung in Echtzeit angezeigt wird.

Das Modell greift nur mit Zustimmung des Nutzers auf die Unterhaltungen zu, und weder die Regierung Singapurs noch Google können sie lesen; das Fine-Tuning erfolgte in der von GovTech verwalteten Google-Cloud-Umgebung mit anonymisierten Daten, ohne jegliche Bürgerdaten. Das auf der Singapore International Cyber Week vorgestellte Projekt hat noch keinen Termin und keine namentlich genannte App: Die Einführung wird gemeinsam mit der Regierung „sorgfältig gestaffelt“ (sorgfältig in Phasen aufgeteilt), und Google DeepMind zieht weitere Länder in Betracht.

🔗 Google DeepMind und GovTech Singapore gegen Betrugsversuche

OpenAI entdeckt ein verstecktes Aufnahmegerät in einem seiner Büros

13. Oktober — Laut einer Mitteilung seines Presseaccounts hat OpenAI ein ausgeklügeltes Aufnahmegerät entdeckt, das in einem seiner Büros versteckt war. Das Unternehmen gibt an, seine eigenen Modelle eingesetzt zu haben, um das Gerät und seine Herkunft zu verstehen, bis es den Mitarbeiter identifizieren konnte, der es wenige Tage zuvor angebracht hatte. Der Fall wurde dem FBI übergeben, und OpenAI dankt den Ermittlern und Staatsanwälten, die rasch gehandelt haben, um eine Festnahme vorzunehmen; die Ermittlungen der Bundesbehörden dauern an, und der Mitarbeiter wurde entlassen.

At this time, we have no indications of this individual inappropriately accessing or exfiltrating model weights, source code, or customer data.

🇩🇪 Zum jetzigen Zeitpunkt haben wir keine Hinweise darauf, dass diese Person unbefugt auf Modellgewichte, Quellcode oder Kundendaten zugegriffen oder diese exfiltriert hat. — @OpenAINewsroom auf X

Laut OpenAI richtet sich sein Sicherheitsprogramm gegen ein breites Spektrum von Bedrohungen, von internen Risiken über Cyberkriminelle bis hin zu Staaten, und dieser Fall zeigt, wie KI dabei helfen kann, ihnen zu begegnen. Die Mitteilung nennt weder die Identität des Mitarbeiters noch das betroffene Büro, die genaue Art des Geräts oder das Datum der Festnahme.

KI für die Wissenschaft: zehn medizinische Manuskripte von Meta mit seinen Muse-Modellen, Extremwetter auf 3 km mit HiRO-ACEv2

Zwei wissenschaftliche Anwendungen von Modellen: Meta beschleunigt epidemiologische Studien anhand von Gesundheitsakten, Ai2 erzeugt kostengünstig Klimadaten mit hoher Auflösung.

Meta veröffentlicht zehn medizinische Forschungsmanuskripte, die mit Muse Spark 1.3 und Muse Wonder entstanden sind

14. Oktober — Meta hat ein internes Codegerüst (coding scaffold) entwickelt, das von Muse Spark 1.3 und Muse Wonder angetrieben wird und auf öffentliche Daten sowie einen lizenzierten retrospektiven Datenbestand mit fünf Millionen deidentifizierten elektronischen Patientenakten zugreift. Eine Gruppe medizinischer Forschender aus Kardiologie, Epidemiologie, Infektiologie und Innerer Medizin nutzte es vier Wochen lang, um Hypothesen zu formulieren, den gesamten Analysecode zu schreiben und auszuführen und die Manuskripte gemeinsam zu verfassen; die Fachleute behalten die Entscheidungshoheit in wissenschaftlichen Fragen. Daraus entstanden zehn Manuskripte, die von Fachkollegen der Gruppe, einem Biostatistiker und anschließend von beauftragten unabhängigen Fachleuten begutachtet wurden. Deren Bewertungen werden unter jedem Artikel veröffentlicht.

Als Beispiel angeführte Studie	Berichtetes Ergebnis
Arrhythmien nach infektiöser Endokarditis	+73 % neue Arrhythmien und Erregungsleitungsstörungen gegenüber Bakteriämien ohne Endokarditis; Einjahresrisiko von 7 % gegenüber 4 %
Notaufnahme: Patienten mit psychischen oder Verhaltensproblemen, die ohne Untersuchung gingen	Relative Risiken von 1,86 (Rückkehr), 4,41 (stationäre Aufnahme) und 2,15 (kurzfristige Sterblichkeit)
Zeit vom ersten Prompt bis zum Manuskript	Weniger als zwei Wochen, teilweise sieben Tage

Die Teilnehmenden berichten im besten Fall von einer bis zu zehnfachen Produktivitätssteigerung; diese Kennzahl beruht auf Selbstauskünften. Die Einschränkungen werden offen benannt: Die Analysen sind ausschließlich retrospektiv, und ein externer Gutachter bewertet die Arrhythmiestudie als hypothesengenerierend und weniger als Grundlage für Änderungen der klinischen Praxis, da ein Überwachungsbias weiterhin möglich ist. Dieser medizinische Teil folgt auf die sechs mathematischen Artikel, die mit Muse Spark verfasst und am 2. Oktober veröffentlicht wurden.

🔗 Der Beitrag von Meta

HiRO-ACEv2: Ai2 simuliert extremes Wetter weltweit mit 3 km Auflösung, rund 300-mal günstiger als X-SHiELD

14. Oktober — Ai2 veröffentlicht HiRO-ACEv2, eine neue Version seines hochauflösenden Klimaemulators. Das System verbindet ACE, ein IA-Modell, das das Klima mit 100 km Auflösung simuliert, mit HiRO, das diese Ausgaben auf 3 km verfeinert. Während die erste Version von HiRO ausschließlich Niederschläge erzeugte, prognostiziert HiROv2 sowohl Regen als auch bodennahe Winde und den Luftdruck auf Meereshöhe. Auf Grundlage von Daten mit reduzierter Auflösung aus X-SHiELD, einem globalen Atmosphärenmodell, das Stürme explizit simuliert, reproduziert es dessen hochauflösende Statistiken mit höchstens 3 % Abweichung, selbst bei Ereignissen, die an einem von einer Million Datenpunkten auftreten, und schätzt die Energie tropischer Wirbelstürme korrekt ein, auch bei Stürmen, die im Training nie vorkamen.

Von Ai2 angegebene Kennzahl	Angegebener Wert
Auflösung	3 km in der Ausgabe, ausgehend von ACE mit 100 km
Abweichung von X-SHiELD-Statistiken	Höchstens 3 %, auch bei Ereignissen mit einer Häufigkeit von eins zu einer Million
Kosten gegenüber X-SHiELD	Rund 300-mal günstiger für globale Daten
Erzeugte Simulationen	10 Jahre (ACE); ein vollständiges Jahr globaler Daten mit 3 km Auflösung
Lizenz der Modelle	Apache-2.0, auf Hugging Face

Die Einschränkung wird offen benannt: Da HiRO auf X-SHiELD trainiert wurde, funktioniert es nur mit der auf dieses Modell abgestimmten ACE-Version und kann noch keine Daten für ein wärmeres Klima oder historische ERA5-Daten erzeugen. Ai2 plant, es auf einer um 4 °C wärmeren Welt zu trainieren und anschließend bodennahe Temperatur, Schnee und Eis hinzuzufügen. Die Modelle werden zusammen mit einem technischen Bericht (arXiv 2610.17693), Tutorial-Notebooks und einer Demo veröffentlicht.

🔗 Der Beitrag von Ai2 · Die Modelle auf Hugging Face

Standorte und Investitionen: Anthropic in Singapur, 250 Millionen Dollar von NVIDIA für die britische Forschung, Mistral übernimmt New Material

Anthropic eröffnet einen Standort in Singapur und schließt eine Vereinbarung mit der Regierung, NVIDIA stellt Rechenleistung und Investitionen im Vereinigten Königreich bereit, und Mistral verstärkt sich durch eine Übernahme im Produktdesign.

Anthropic eröffnet in Singapur sein fünftes Büro im asiatisch-pazifischen Raum und unterzeichnet eine Absichtserklärung mit der Regierung

14. Oktober — Anthropic eröffnet ein Büro in Singapur, sein fünftes im asiatisch-pazifischen Raum, und unterzeichnet eine Absichtserklärung (Memorandum of Understanding) mit dem singapurischen Ministerium für digitale Entwicklung und Information. Unterzeichnet wurde sie am Rande der Singapore International Cyber Week vom ständigen Sekretär des Ministeriums, Kai Fong Chng, und Anthropic-Mitgründer Ben Mann. Sie sieht eine Zusammenarbeit bei Sicherheit, Schutz und Bewertung von Modellen, einen technischen Austausch über Teststandards und die Reaktion auf Vorfälle sowie die Weitergabe von Daten aus dem Anthropic Economic Index vor.

Organisation in Singapur	Von Anthropic genannte Nutzung von Claude
GovTech Singapore	Mehr als 1 500 Ingenieure und Techniker nutzen Claude Code
Grab	Vertriebsassistent BriX, rund 40 000 eingesparte Stunden pro Quartal
DBS und GIC	Nutzung oder Einführung von Claude bei der Bank und dem Staatsfonds
Sea (Shopee, Garena, Monee)	Chatbot im Kundenservice von Shopee, Tausende Beschäftigte programmieren mit Claude

Dem Economic Index zufolge liegt Singapur bei der Nutzung von Claude.ai im Verhältnis zur Bevölkerung unter 121 Ländern auf Platz zwei, fast sechsmal höher, als seine Größe erwarten ließe. Am Eröffnungstag brachte ein Builder Summit mehr als 300 Entwickler zusammen. Anthropic nennt weder eine Investitionssumme noch die Beschäftigtenzahl für dieses Büro, das Personal sucht.

🔗 Eröffnung des Büros in Singapur (Anthropic)

NVIDIA spendet Rechenleistung im Wert von 250 Millionen Dollar für die britische Forschung zur Sicherheit von Agenten

13. Oktober — NVIDIA kündigt eine Spende von Rechenleistung im Wert von 250 Millionen Dollar über fünf Jahre an, also jährlich 50 Millionen Dollar für den Zugang zu Rechenleistung, für die britische Forschung zur Sicherheit und zum Schutz von Agenten (agentic safety and security). Der Großteil geht an die gesamte britische Forschungsgemeinschaft für Sicherheit und Schutz im Bereich der IA; ein Teil ist für BOLD (Universität Oxford), SOFAIR (UCL) und das Imperial College London reserviert, das an Sicherheitstechnik und Robotik arbeiten wird. Die Rechenleistung wird über NVIDIA Cloud Partners mit Sitz im Vereinigten Königreich auf einer im Land gehosteten Infrastruktur bereitgestellt; Anbieter, technische Architektur und Geschäftsbedingungen müssen noch vereinbart werden. Die geplanten Arbeiten betreffen sichere Agenten, die Sicherheit offener Modelle und die Eindämmung realer Bedrohungen, mit Sandboxen, reproduzierbarer Forschung und Benchmarks zur Sicherheitsbewertung, insbesondere auf NVIDIA OpenShell und dem Referenzdesign NVIDIA Sentry.

Der begleitende Beitrag nennt außerdem geplante Investitionen ohne Betragsangaben in fünf britische Startups: Boltz (biomolekulare Modelle), Foresight (Steuerung großer Bauvorhaben), Hiverge (Entdeckung von Algorithmen), Prima Mente (biologische Foundation-Modelle für Alzheimer, Parkinson und SLA) und Riverlane (Quantenfehlerkorrektur). Diese Ankündigungen erfolgen vor der Keynote von Jensen Huang auf der GTC Berlin am 21. Oktober.

🔗 Pressemitteilung von NVIDIA · NVIDIA-Beitrag zum britischen Ökosystem

Mistral übernimmt das Designstudio New Material und gründet ein Team namens Solutions Design

14. Oktober — Mistral übernimmt New Material, ein vor sechs Jahren gegründetes Studio für die Gestaltung von IA-Produkten. Die Ankündigung stammt aus dem Beitrag von New Material, der von einer Übernahme spricht; Mistral teilte sie auf X, um das Team willkommen zu heißen, ohne einen Beitrag auf der eigenen Website zu veröffentlichen oder einen Betrag zu nennen. Nach eigenen Angaben hat das Studio von Grund auf auf IA ausgerichtete Tools, Produkte und Unternehmen in der Automobilbranche, im Handel, im Rechtswesen und im Gesundheitswesen umgesetzt, mit Partnern wie Ford, Rafael Nadal, dem Wellcome Trust oder Kanzleien aus den AmLaw 50. Bei Mistral bildet es ein neues Team namens Solutions Design, das Design, Engineering und IA verbindet und Projekte gemeinsam mit Kunden entwickeln wird, um die Rückkopplung zwischen realen Einsätzen und Mistrals Produkten im Bereich kritischer IA für Unternehmen und Regierungen zu stärken. Im Mai hatte Mistral bereits Emmi AI übernommen, einen österreichischen Spezialisten für Physics AI.

🔗 Beitrag von New Material · Mitteilung von @MistralAI

OpenAI misst den Wandel hin zu Agenten in Unternehmen der UE: Nutzerzahl in PME auf das 8,1-Fache gestiegen

14. Oktober — OpenAI veröffentlicht einen Bericht seiner Wirtschaftsforschung zur agentischen Nutzung von IA in Unternehmen der Europäischen Union, begleitet von einem PDF und Daten zum Erkunden. In der europäischen Stichprobe von ChatGPT-Enterprise-Kunden entfallen inzwischen mehr als die Hälfte der Ausgabetokens auf Codex und ChatGPT Work: Die Nutzer übertragen Agenten ganze Aufgaben, von der Planung bis zur Ausführung.

Von OpenAI gemessener Indikator	Ermittelter Wert
Anteil der Ausgabetokens über Codex und ChatGPT Work (UE, ChatGPT Enterprise)	Mehr als die Hälfte
Wöchentlich aktive Nutzer agentischer Tools in PME der UE	×8,1 gegenüber der Woche vom 1. bis 7. Mai
Agentischer Anteil der Ausgabetokens nach Land	Von 22 % (Slowenien) bis 85 % (Litauen)
Ausgabetokens über 28 Tage, bezogen auf typische Unternehmen im Mai	Spitzenunternehmen außerhalb der UE 12,9x; Spitzenunternehmen in der UE 6,1x; typische Unternehmen außerhalb der UE 1,6x; typische Unternehmen in der UE 1,5x
Anteil der UE an den weltweiten Spitzenunternehmen	10 %

PME sind hier als Unternehmen mit höchstens 200 zugeordneten Nutzern definiert, und ihr Wachstum erstreckt sich auf jeden Mitgliedstaat. Der Bericht misst vor allem einen Unterschied in der Nutzungsintensität: Im September erzeugten die Spitzenunternehmen der UE (frontier firms, die 10 % mit den meisten Ausgabetokens pro aktivem Nutzer) mehr als viermal so viele wie typische Unternehmen der UE, doch Spitzenunternehmen außerhalb der UE erzeugten noch mehr als doppelt so viele wie sie. Für OpenAI besteht die Herausforderung darin, eine breite Einführung in eine intensivere Nutzung zu überführen, indem Unternehmen dabei unterstützt werden, über Experimente hinauszugehen, und Beschäftigte geschult werden. Der Bericht folgt auf den Bericht vom 30. September über kleine US-Unternehmen.

🔗 Das nächste Kapitel der IA in der UE wird agentisch sein (OpenAI)

Infrastruktur für Agenten: OpenTelemetry-Traces auf Claude Platform, Sandbox-Routing bei Perplexity

Zwei Bausteine der Werkzeuge, mit denen Agenten im Produktivbetrieb ausgeführt und überwacht werden: Observability bei Anthropic und die Weiterleitung von Anfragen an die richtige Ausführungsinstanz bei Perplexity.

Claude Platform exportiert in der öffentlichen Beta OpenTelemetry-Traces aus der API Messages, Managed Agents und den SDKs

14. Oktober — Claude Platform kann nun in der öffentlichen Beta OpenTelemetry-Traces aus der API Messages, Claude Managed Agents und den Claude-SDKs an jedes Observability-Tool senden, das einen standardmäßigen OTLP-Endpunkt akzeptiert. Jede Agentenrunde, jeder Modellaufruf und jeder Tool-Aufruf wird als standardmäßiger Trace mit Latenz, Tokens und Kennungen übermittelt. Für die API Messages und Managed Agents muss in der Claude Console ein Ziel hinzugefügt werden; die SDKs exportieren ihre Spans laut Versionshinweisen automatisch in Python, TypeScript, C#, Go, Java, PHP und Ruby. Die Spans folgen den semantischen GenAI-Konventionen von OpenTelemetry und enthalten standardmäßig Metadaten (Dauer, Status, Tokenanzahl, Modell, Tool-Namen); ein auf vollständigen Inhalt (full content) eingestelltes Ziel exportiert auch Prompts, Antworten sowie Tool-Eingaben und -Ergebnisse. Am selben Tag richtet Claude Code 2.1.300 seine eigenen Spans an diesen Konventionen aus.

Hervorgehobener Anwendungsfall	Von Anthropic genannte Tools
Debugging im Kontext des übrigen Stacks	Grafana Cloud, Honeycomb, Sentry, Splunk
Reale Traces in Evaluationen umwandeln	Arize AI, Braintrust, Datadog, Langfuse, LangSmith, New Relic, PostHog
Tokenverbrauch pro Team verfolgen	Databricks Unity Gateway

Unter den Erfahrungsberichten erläutert Ramp, dass Reflect, sein System zur Bewertung der Langfuse-Traces seiner Agenten, den Tokenverbrauch bei einigen Agenten bereits um 10 bis 20 % reduziert und die Sitzungen um 30 % beschleunigt hat. Anthropic nennt weder Preise noch einen Zeitplan für die allgemeine Verfügbarkeit.

🔗 Observability für Agenten auf der Claude Platform · Versionshinweise zu Claude Platform

SPACE: Perplexity verknüpft jede Anfrage mit der richtigen Sandbox-Ausführungsinstanz

14. Oktober — Perplexity veröffentlicht einen technischen Beitrag über SPACE, die Sandbox-Plattform, auf der die Agenten von Perplexity Computer ausgeführt werden. Laut Perplexity verarbeitet SPACE seit Monaten Millionen Ausführungen pro Tag mit einer Fehlerquote unter 0,0002 % und ohne Verbindungsverluste. Behandelt wird das Problem einer veralteten Route: Eine auf einer anderen Maschine fortgesetzte Sandbox behält ihre Kennung, startet aber eine neue Ausführungsinstanz, und eine verzögerte Anfrage kann unter dem richtigen Namen die alte Instanz erreichen. Schon ein einfacher Dateilesezugriff durchläuft die Steuerungsebene, node-api, sbx-manager, einen Unix-Socket und die Host-Bridge, bevor er über VSOCK die Firecracker-microVM erreicht.

Die Lösung besteht darin, die stabile Identität der Sandbox von der Ausführungsidentität zu trennen, die eine konkrete Instanz und deren Platzierung bezeichnet. Nach der Autorisierung trägt jede Anfrage eine mit Ed25519 signierte Capability, die 120 Sekunden gültig ist und die die empfangende Komponente vor der Weiterleitung mit ihrem eigenen Datensatz abgleicht; Terminalsitzungen und Dateiüberwachungen werden beendet, sobald eine neue Ausführungsinstanz startet. Das Bedrohungsmodell schließt eine Kompromittierung der Root-Rechte einer Ausführungsmaschine (worker) aus, und die Prüfung erfolgt weiterhin lokal, ohne entfernte Hardware-Attestierung. Abschließend vergleicht der Beitrag SPACE mit OpenShell, das vergleichbare Garantien bietet, sowie mit E2B und CubeSandbox, die Anfragen ohne erwartete Ausführungsidentität weiterleiten: Diese Feststellungen beschränken sich auf die untersuchten Implementierungen, betont Perplexity.

🔗 Perplexitys Beitrag zu SPACE

Generalistische Agenten: Ultrafast-Versionen in Perplexity Computer, Manus for Business für Teams

Agenten, die lange Aufgaben für Nutzer erledigen, setzen auf zwei Hebel: die Geschwindigkeit der Modelle bei Perplexity und die Teamarbeit bei Manus.

Perplexity Computer macht die Ultrafast-Versionen von GPT-6 Astra und GPT-6.1 Sol für Max-Abonnenten verfügbar

14. Oktober — Perplexity stellt Max-Abonnenten die Ultrafast-Versionen zweier OpenAI-Modelle in Perplexity Computer bereit, seinem Agenten für mehrstufige Aufgaben: GPT-6 Astra und GPT-6.1 Sol, in der Ankündigung als „SOL 6.1“ bezeichnet. Beide Modelle generieren ihre Tokens schneller, sodass lange Aufgaben in Computer früher abgeschlossen werden. Die Auswahl erfolgt manuell: Astra oder SOL 6.1 im Menü Custom auswählen und anschließend die Geschwindigkeit auf Ultrafast stellen. Die Ankündigung beziffert weder den Geschwindigkeitsgewinn noch den Credit-Verbrauch und macht keine Angaben zu anderen Tarifen; im Produkt-Changelog gibt es keinen neueren Eintrag als den vom 5. Oktober. Damit übernimmt Perplexity eine Geschwindigkeitsstufe, die OpenAI am 29. September für GPT-6 Astra und am 8. Oktober für GPT-6.1 Sol eingeführt hat und die laut OpenAI bis zu 8 Mal schneller ist.

🔗 Ankündigung von Perplexity

Manus for Business: ein Team Plan ab 20 Dollar pro Nutzerplatz und ein Enterprise-Angebot

13. Oktober — Manus führt Manus for Business ein, ein Angebot für Teams, das den Manus Team Plan und einen Enterprise Plan umfasst.

Manus-Tarif	Leistungsumfang laut Manus
Manus Team Plan	Ab 20 Dollar pro kostenpflichtigem Nutzerplatz und Monat oder 200 Dollar pro Jahr für 4 000 Credits; kostenlose Gastplätze
Manus Enterprise	Auf Anfrage beim Vertrieb: verwaltete Konten, rechtliche Aufbewahrung, SIEM-Integration, Netzwerkkontrollen für Agenten, Nutzungsgrenzen pro Nutzer

Der ab sofort verfügbare Team Plan bietet Projekte, die den Kontext beibehalten (Anweisungen, Dateien, Skills und Connectors, die über zusammengehörige Aufgaben hinweg geteilt werden, einschließlich geplanter Aufgaben), gemeinsame Skills, die Administratoren verbindlich vorgeben können, einen auf das Team beschränkten Zugriff auf Aufgaben, Dateien und interne Websites sowie gemeinsam genutzte Credits, deren Verbrauch in einem Dashboard verfolgt wird. Gäste können Inhalte prüfen und kommentieren, ohne einen kostenpflichtigen Nutzerplatz zu belegen. Rollen, Audit-Logs, SSO und SCIM ergänzen das Angebot; Manus gibt an, Modellanbietern jegliches Training mit Daten von Team-Kunden zu untersagen und über die Zertifizierungen SOC 2 Type II, ISO 27001 und ISO 27701 zu verfügen.

🔗 Einführung von Manus for Business

Forschung zu Agenten: HybridAgent denkt im latenten Raum, Cohere Labs untersucht Teams aus Code-Agenten

Zwei Studien wollen Agenten kostengünstiger machen: die eine, indem sie sie ohne Token-Ausgabe denken lässt, die andere durch eine bessere Organisation ihrer Teams.

HybridAgent: Agenten, die im latenten Raum denken und über Text handeln

13. Oktober — Forscher von Stanford, Together AI, UIUC und Meta stellen laut der unter anderem von Jiaru Zou und James Zou verfassten arXiv-Einreichung HybridAgent vor: Agenten mit hybridem Reasoning, die innerhalb derselben Generierung zwischen Reasoning im latenten Raum und Aktionen in Textform wechseln. Ein leichtgewichtiges Modul, HybridLink, führt die verborgenen Zustände der letzten Schicht in den Raum der Eingabe-Embeddings zurück: Das Modell denkt, ohne Tokens auszugeben, und kehrt anschließend zum Text zurück, um seine Tools aufzurufen, einen Python-Interpreter und die Websuche. Jeder latente Schritt bleibt als Pseudotext lesbar. Das Training erfolgt in zwei Phasen: HybridSFT lernt die Koordination mit HybridLink, anschließend lernt HybridRL, wann im latenten Raum gedacht und wann über Text gehandelt werden soll.

Veröffentlichte Kennzahl (laut den Autoren)	Angegebener Wert
Leistungsgewinn auf 11 Benchmarks und bei 3 Modellgrößen	+10,4 %
Reduktion der Tokens	35,5 % bis 54,7 %
Inferenzgeschwindigkeit	1,8 bis 2,6 Mal schneller
Kostenersparnis	Faktor 2,7 bis 3,7

Die Modelle HybridAgent-8B-Agentic und 14B-Agentic werden zusammen mit dem Code unter der MIT-Lizenz veröffentlicht; eine begleitende Ankündigung von Together AI gibt es nicht.

🔗 Der Artikel auf arXiv

Cohere Labs: Ein starker Hauptagent mit günstigen Agenten erreicht fast den besten Score bei 70 % geringeren Kosten

14. Oktober — Cohere Labs veröffentlicht eine Studie zur Organisation von Teams aus Code-Agenten, verfasst von Keenan Samway, Daniel D’souza und Nouha Dziri. In einem bewusst minimalen Harness überträgt ein Hauptagent (lead) Teilaufgaben an untergeordnete Agenten (workers). Dabei wird jeweils nur ein Parameter verändert: delegierte Schritte, blockierendes oder asynchrones Warten, das Modell für jede Rolle, die Teamgröße oder der direkte Nachrichtenaustausch. Der Hauptbenchmark ProgramBench verlangt, 200 Programme allein anhand ihrer ausführbaren Datei und ihrer Dokumentation zu rekonstruieren, von jq und ripgrep bis hin zu SQLite oder FFmpeg.

Bewertete Konfiguration (ProgramBench, GPT-5.6)	Durchschnittliche Belohnung	Gesamtkosten der 200 Aufgaben
Sol allein, Prompt in drei Schritten	57,7 %	Im Text nicht beziffert
Asynchrones Sol-Team, drei delegierte Schritte	63,2 %	510 Dollar
Asynchrones Sol-Team, nur Planung delegiert	63,6 %	249 Dollar
Sol-Hauptagent und 16 Luna-Agenten, Planung	61,8 %	155 Dollar

Nur die Planung zu delegieren liefert somit genauso gute Ergebnisse wie die Delegation aller Schritte, kostet aber nur halb so viel. Ein Sol-Hauptagent mit 16 GPT-5.6 Luna-Agenten erreicht 61,8 % für 155 Dollar, 70 % weniger als das ausschließlich aus Sol bestehende Team, das alles delegiert. Ein schwacher Hauptagent kann seinen Rückstand nicht aufholen: Mit Luna-Agenten bleibt ein Terra-Hauptagent (51,6 %) unter dem Ergebnis von Sol allein (57,7 %). Auf einer Teilmenge von 30 Aufgaben mit nur einem Durchlauf pro Modell gewinnt Claude Opus 4.8 im Team 5,9 Punkte hinzu, während Claude Opus 4.7 kaum delegiert; ein Versuch mit Claude Opus 5 wurde nach acht Aufgaben abgebrochen, die alle das Zeitlimit von acht Stunden erreichten und jeweils etwa 500 Dollar kosteten. Die Studie bewertet kein Modell von Cohere.

🔗 Beitrag von Cohere Labs

Generative Medien: FLUX 3 Video günstiger, Runway bei Baseten, die Stimme von HeyGen an die Szenerie angepasst

Die Preise für generative Videos sinken, und die Modelle halten Einzug in dedizierte Unternehmensinfrastrukturen, während HeyGen das Klonen von Stimmen für seine Videos dokumentiert.

FLUX 3 Video bis zu doppelt so schnell und bis zu halb so teuer in 2K und 4K

14. Oktober — Black Forest Labs kündigt an, dass FLUX 3 Video nun bis zu doppelt so schnell ist und die Generierung in nativem 2K und 4K 50 % weniger kostet. Das Labor erklärt, den Dienst so optimiert zu haben, dass er weniger Rechenleistung benötigt, und diesen Gewinn sowohl beim Preis als auch bei der Geschwindigkeit weiterzugeben. In einer zweiten Nachricht behauptet es, bei vergleichbarem Preis und vergleichbarer Latenz eine höhere 4K-Qualität als Kling o3 zu bieten, ohne im Thread einen Benchmark zu veröffentlichen.

Auflösung von FLUX 3 Video	Text oder Bild zu Video (pro Sekunde)	Video zu Video (pro Sekunde)
HD	0,17 → 0,15 Dollar	0,41 → 0,21 Dollar
FHD	0,29 → 0,24 Dollar	0,53 → 0,27 Dollar
QHD (2K)	0,40 → 0,28 Dollar	0,65 → 0,31 Dollar
UHD (4K)	0,80 → 0,41 Dollar	0,95 → 0,45 Dollar

Die Preisübersicht auf bfl.ai relativiert die „50 %“: Bei 2K und 4K reicht die Senkung von 30 % (2K aus Text oder Bild) bis 53 % (Video zu Video), und auch HD und FHD werden günstiger; der Entwurfsmodus (Draft) bleibt bei 0,06 Dollar pro Sekunde und ist nur in HD verfügbar. FLUX 3 Video war am 4. August eingeführt worden.

🔗 Ankündigung von Black Forest Labs · Seite zu FLUX 3 Video · Preisübersicht für FLUX 3 Video

Runway kooperiert mit Baseten, um Gen-4.5 und Aleph 2.0 in dedizierten Umgebungen bereitzustellen

14. Oktober — Runway und Baseten schließen eine Partnerschaft, um Unternehmen die Videomodelle von Runway in einer dedizierten Umgebung anzubieten. Gen-4.5 und Aleph 2.0, das bis zu 30 Sekunden lange Sequenzen mit mehreren Szenen in 1080p bearbeitet, können nun einschließlich per Fine-Tuning angepasster Versionen mandantenexklusiv (single-tenant) über Baseten Dedicated Inference bereitgestellt werden. Das Kundenunternehmen lizenziert die Gewichte direkt bei Runway und stellt sie anschließend bei Baseten bereit, wo jede Bereitstellung auf einer isolierten Ausführungsebene mit dedizierten GPU läuft, während Baseten die Kontrollebene verwaltet. Die Infrastruktur fällt unter die Programme für SOC 2 Type II und HIPAA von Baseten, die Verfügbarkeit wird mit 99,99 % garantiert, und Kunden können die Modelle mit ihren Daten per Fine-Tuning anpassen und GPU-Kapazität reservieren. Preise werden nicht genannt. Das Angebot baut auf Runway Model Licensing auf, das am 11. September eingeführt wurde, um Unternehmen Lizenzen für die nicht offen zugänglichen Modellgewichte zu erteilen.

🔗 Ankündigung von Runway · Beitrag von Baseten

HeyGen Voice: der technische Bericht zu einem Stimmklonverfahren, das die Stimme an die Szenerie anpasst

14. Oktober — Fünf Tage nach der Einführung von HeyGen Voice veröffentlicht HeyGen den technischen Bericht zu seinem Sprachsynthesemodell, das als erstes speziell für Video konzipiertes Modell vorgestellt wird. Die Stimmreferenz legt fest, wer spricht, während das Zielbild und die Szenenbeschreibung vorgeben, wie die Stimme klingen soll: Ein Sprachmodell leitet daraus zwei Beschreibungen ab, eine für den Sprecher (Tonfall, Rhythmus, Betonung, Ausdrucksstärke) und eine für den Hintergrund (den Raum und seine Akustik). Das Video wird von einem separaten Avatar-Modell gerendert.

Blindbewertung (von HeyGen durchgeführt)	HeyGen Voice bevorzugt
Passung zur Szenerie, im Vergleich zu Cartesia	73 %
Passung zur Szenerie, im Vergleich zu ElevenLabs v4	70 %
Passung zur Szenerie, im Vergleich zu Seedance 2.5	65 %
Nutzerpräferenz, im Vergleich zu ElevenLabs v4	62,2 %
Nutzerpräferenz, im Vergleich zu Cartesia Sonic 3.6	54,1 %

Im ersten Test wird dieselbe Stimme in 50 Szenerien platziert, von einer Kathedrale bis zum Vordersitz eines Autos; im zweiten haben Tausende Nutzer ihre Stimme aufgezeichnet und anschließend ohne Kennzeichnung die Version ausgewählt, die sie verwenden möchten, wobei im Dreiervergleich 41,7 % auf HeyGen Voice entfielen. Diese Zahlen stammen von HeyGen.

🔗 Thread von HeyGen · Forschungsseite zu HeyGen Voice

Chips: NVIDIA führt cuPotential ein und erweitert CUDA-X auf KI-gesteuerte Halbleiterfabriken

14. Oktober — NVIDIA stellt cuPotential vor, eine neue CUDA-X-Bibliothek, mit der sich Agenten entwickeln lassen, die Wechselwirkungen zwischen Atomen und Molekülen simulieren können, eine zentrale Berechnung für die Modellierung von Materialien und Halbleiterprozessen. Bei Tests im Vorabzugang beschleunigte sie bereits für GPU optimierte Workflows zusätzlich um den Faktor 2 bis 3; Synopsys gehört zu den ersten Nutzern. Die Ankündigung ist Teil der Entwicklung KI-gesteuerter Halbleiterfabriken (AI-defined fabs), in denen Agenten Ingenieuren helfen, Prozesse zu optimieren, Produktionsstörungen zu beheben und die Ausbeute zu verbessern.

Partner oder Tool	Angekündigtes Ergebnis (laut NVIDIA)
NVIDIA cuPotential	Zusätzlicher Faktor 2 bis 3 bei bereits für GPU optimierten Workflows (Vorabzugang)
Lam Research (NanoVDB, SEMulator3D)	Bis zu Faktor 30 bei bestimmten Modellierungen von Ätzprozessen, bis Ende 2026
KLA (NPP)	50 Mal schneller als frühere CPU-Versionen
Applied Materials	Bis zu 35 Mal schnellere Kammersimulationen
Synopsys	Potenzial für Faktor 30 (cuEST, QuantumATK) und 12 (cuDSS, S-Device)

Am selben Tag veranschaulicht ein technischer Beitrag den Einsatz von Agenten: Mit der offenen Bibliothek NeMo Gym hat das Siemens Fuse-Team seinen Agenten zur Charakterisierung von Standardzellen bewertet, indem es dessen Liberty-Dateien mit geprüften Referenzen verglich. In etwa 25 Durchläufen, mit Claude Opus 4.8 als festem Modell und Claude Code als festem Harness, verfeinerte das Team seine Skills und die Beschreibungen seiner MCP-Tools: Der kombinierte Score steigt von etwa 55 % auf etwa 95 %, die Agentenrunden sinken von 155 auf 53 und die Ausgabe-Tokens von etwa 81 000 auf 29 000.

🔗 Pressemitteilung von NVIDIA · Technischer Beitrag zu NeMo Gym und Siemens Fuse

Offene Modelle und Umgebungen: UltraBERT-Encoder, mehrsprachige RL-Umgebungen bei Hugging Face

Zwei offene Veröffentlichungen auf dem Hub: eine Encoder-Familie für Klassifizierung und Suche sowie Umgebungen für Reinforcement Learning in mehr als hundert Sprachen.

UltraBERT: DMIS Lab veröffentlicht englischsprachige Encoder mit 150M und 380M Parametern und einem Kontext von 32K

14. Oktober — Das DMIS-Labor (Data Mining and Information Systems Lab) veröffentlicht UltraBERT, eine Familie englischsprachiger Encoder mit 150M und 380M Parametern und einem nativen Kontext von 32K Tokens, sowie UltraBERT-Embed-150M, ein einsatzbereites Embedding-Modell, alles unter Apache 2.0 und mit einem Artikel (arXiv 2610.15028). Ablationsstudien mit insgesamt mehr als 70 000 Milliarden Tokens zeigen zwei Erkenntnisse: Encoder machen nach 1 000 bis 2 000 Milliarden Tokens keine weiteren Fortschritte, obwohl der Verlustwert weiter sinkt, und die Maskierungsrate bestimmt ihre Spezialisierung, wobei eine niedrige Rate die Klassifizierung und eine hohe Rate die Suche begünstigt. UltraBERT kombiniert daher in jedem Batch 5 % und 50 % Maskierung, mit einem Sprachmodell-Head für jede Rate.

Veröffentlichtes UltraBERT-Modell	Von den Autoren angegebenes Ergebnis
UltraBERT-380M	91,0 auf GLUE, 47,7 auf BEIR
UltraBERT-150M und 380M	Bester Score auf 9 von 10 Benchmarks; 99 % beim Test mit verstecktem Schlüssel bis zu 32K Tokens
UltraBERT-Embed-150M	67,24 auf MTEB (eng, v2), bestes Modell für dichte Embeddings mit weniger als 200M Parametern

🔗 Der Beitrag von DMIS Lab

Hugging Face veröffentlicht RL-Umgebungen für OCR in 22 Sprachen und Spracherkennung in 102 Sprachen

14. Oktober — Adithya S K, der bei Hugging Face an Umgebungen für Reinforcement Learning arbeitet, stellt die nach seiner Beschreibung größten mehrsprachigen und multimodalen Open-Source-RL-Umgebungen vor. Veröffentlicht werden zwei OpenEnv-Umgebungen mit überprüfbaren Belohnungen: eine für die Dokumentenerkennung (OCR) mit mehr als einer Million Seiten in 22 Sprachen aus dem Nayana-Korpus von Cognitive Lab, die andere für die Spracherkennung (ASR) mit Sprachaufnahmen in 102 Sprachen aus Googles FLEURS, insgesamt also mehr als 12 Millionen Aufgaben. Das Prinzip: bestehende offene Datensätze wiederverwenden und mit überprüfbaren Belohnungen versehen. Um ihre Eignung für das Training zu zeigen, hat der Autor Gemma 4 E4B mittels GRPO auf Kannada auf einem einzigen A100 feinabgestimmt: 16 % weniger Zeichenfehler auf dem für Tests reservierten OCR-Benchmark von Sarvam AI und 45 % weniger auf 838 für Tests reservierten Sprachausschnitten. Der am 7. Oktober vorgestellte RL Environment Explorer verzeichnete bereits mehr als 12 Millionen Aufgaben; neu sind die offizielle Vorstellung und die ersten Trainingsergebnisse.

🔗 Der Thread von Adithya S K

GitHub Actions: Lockfiles für Workflow-Abhängigkeiten in der öffentlichen Vorschau

14. Oktober — Abseits der KI führt GitHub Actions Lockfiles für Workflow-Abhängigkeiten als öffentliche Vorschau auf GitHub Enterprise Cloud (mit oder ohne Datenresidenz), Team und Free ein. Das adressierte Risiko ist bekannt: Ein Tag oder Branch kann nach der Überprüfung eines Workflows verschoben werden, und eine kompromittierte Action kann Schadcode einschleusen, ohne dass sich im Repository etwas ändert. Die GitHub-CLI-Erweiterung gh actions-lock erzeugt .github/workflows/actions.lock mit den Commits der Actions, ihrer transitiven Abhängigkeiten und der wiederverwendbaren Workflows; Actions führt anschließend den festgeschriebenen Commit aus, selbst wenn der Tag verschoben wird. Die Einführung erfolgt Workflow für Workflow, eine Richtlinie namens Require lockfile kann sie verpflichtend machen, und Dependabot aktualisiert den festgeschriebenen Eintrag im selben Pull Request wie die neue Version einer Action. GitHub weist darauf hin, dass die Festschreibung nichts über die Sicherheit einer Abhängigkeit aussagt und diese vor der Festschreibung überprüft werden muss.

🔗 Workflow-Lockfiles für GitHub Actions in der öffentlichen Vorschau (GitHub-Changelog)

Kurzmeldungen

Agenten und Code-Tools

Copilot CLI 1.0.98 — Einen Tag nach 1.0.97 als stabile Version veröffentlicht, unterstützt sie Gemini 4 Argon und macht die Antworten von /ask leichter handhabbar: Ctrl+E klappt sie auf, Ctrl+Y kopiert sie vollständig, /ask oder /btw öffnet die letzte vollständige Antwort erneut; das Copilot SDK 1.0.22 bündelt lediglich die CLI. 🔗 Quelle
Zed 1.24 und Vorschau 1.25.0 — 1.24 erscheint als stabile Version (1.24.2) mit nur einer zusätzlichen Fehlerkorrektur gegenüber der Vorschau; 1.25.0-pre ergänzt Gemini 4 Argon beim Anbieter Google AI, GPT-6 Astra, Claude Fable 5.1 und Claude Opus 5.5 bei Bedrock sowie Kontextkomprimierung für ACP-Agenten und zeigt Geheimnisse externer Agenten und MCP-Server nicht mehr in der lokalen Prozessliste an. 🔗 Quelle
Antigravity-Erweiterung 1.8.0 für VS Code — Nachtrag vom 11. Oktober: Ohne automatische Annahme bleiben Diff-Reviews geöffnet und sammeln sich über mehrere Agentenrunden hinweg an, Änderungen auf dem Datenträger werden in weniger als einer Sekunde erkannt, und das VSIX-Paket ist rund 70 % kleiner. 🔗 Quelle
DeepSeek Harness 0.2.1-alpha.3 — 27. Vorschau, weiterhin ohne stabile Version: Schlüssel und Tokens werden in ausgehenden Nachrichten standardmäßig maskiert, Agentenvoreinstellungen (Agent Presets) sind jeweils den Unteragenten zugeordnet, Sitzungen lassen sich in den SDKs fortsetzen, hinzu kommen zehn Fehlerkorrekturen; der in azure umbenannte Anbieter Azure erfordert eine Migration der Konfigurationen. 🔗 Quelle
GPT-5.5 verlässt Codex — Wie am 15. September angekündigt, wurde GPT-5.5 am 14. Oktober um 19 Uhr UTC für mit ChatGPT angemeldete Konten aus Codex entfernt und durch GPT-6.1 Sol (Plus, Pro, Business, Enterprise, Edu) oder in der Desktop-App durch GPT-6 Luna (Free und Go) ersetzt; die API und Sitzungen mit API-Schlüssel sind davon nicht betroffen. 🔗 Quelle
Amp und die Modelle von OpenAI — In einer Fallstudie von OpenAI gibt Amp an, dass diese Modelle den Großteil der verbrauchten Tokens ausmachen, wobei manche Nutzer 10 Milliarden pro Woche verbrauchen; Calling Puck ermöglicht dank GPT-Live-1 Gespräche in Echtzeit mit seinem Meta-Agenten, und das Team testet den Ultrafast-Modus von GPT-6 Astra. 🔗 Quelle
cuDF skills für Apache Spark — NVIDIA veröffentlicht Agenten-Skills, die Spark-UDFs in GPU-beschleunigte Entsprechungen umschreiben; bei einem nicht genannten Großkonzern wurden mehr als 30 produktiv eingesetzte UDFs konvertiert, darunter eine, deren Laufzeit für 600 Milliarden Zeilen von 274,55 auf 12,78 Stunden sank. 🔗 Quelle
Built with Claude: Japan 2026 — Anthropic und Cerebral Valley veranstalten vom 2. bis zum 10. November einen vollständig online stattfindenden Claude-Code-Hackathon für in Japan lebende Personen: 250 ausgewählte Teilnehmende erhalten ein Abonnement für Max 5x und 500 Dollar API-Guthaben, zu gewinnen gibt es 50 000 Dollar Guthaben, Bewerbungen sind bis zum 26. Oktober möglich. 🔗 Quelle
Astra-Commons-Treffen — Im September brachten die Codex Ambassadors zum Start von GPT-6 Astra rund 2 500 Entwickler in 52 Städten in Cafés, Galerien und Universitäten zusammen, berichtet Rhiannon Payne aus dem Community-Team von OpenAI. 🔗 Quelle

Assistenten, Unternehmenstools und Leitfäden

Genspark — Muse Wonder von Meta und anschließend Gemini 4 Argon werden innerhalb weniger Stunden in AI Chat, Code Agent und Claw verfügbar, begleitet von den Verkaufsargumenten ihrer Anbieter und ohne Angaben zu Abonnement oder Preis. 🔗 Quelle · 🔗 Argon
My Fish in Sakana Chat — Sakana AI macht das Gedächtnis seines Assistenten sichtbar: eine Heatmap der Lese- und Schreibzugriffe, eine Kategorieansicht, eine Karte der Verbindungen zwischen Erinnerungen, die nach 30 Tagen ohne Nutzung verblassen, und ein Verlauf, alles unter Einstellungen → My Fish, sowohl im Web als auch auf Mobilgeräten. 🔗 Quelle
Gloss — Together AI stellt eine kostenlose Open-Source-App vor, mit der sich Artikel, PDFs und X-Lesezeichen speichern und die KI zu einer markierten Textstelle befragen lassen; entwickelt wurde sie mit DeepSeek V4.1 Flash auf der Plattform von Together AI. 🔗 Quelle
MCP in Apigee hybrid — Seit Version 1.17.0 genügt eine OpenAPI-Spezifikation, um jede Operation einer API als MCP-Tool bereitzustellen, wobei die Data Plane im Kubernetes-Cluster des Kunden bleibt: Kein Tool-Aufruf läuft über Google Cloud. 🔗 Quelle
Die Kosten von KI-Tools laut Perplexity — Ein Leitfaden erläutert Preismodelle und versteckte Kosten (ein hypothetisches Team mit 10 Personen zahlt in manchen Monaten 350 Dollar, hinzu kommen 18 Stunden interne Arbeit) und fasst die Tarifübersicht von Perplexity von Free bis Enterprise Max zusammen; angekündigt wird keine Neuerung. 🔗 Quelle
MCP-Tools laut Perplexity — Ein zweiter Leitfaden erklärt, was ein MCP-Tool ist, und erinnert an die beiden Nutzungsrichtungen bei Perplexity: MCP-Server mit Pro, Max und Enterprise verbinden oder beispielsweise aus Claude Code die vier Tools des eigenen MCP-Servers aufrufen. 🔗 Quelle

Fallstudien und Einsätze

Third Moment Research — In einer Fallstudie von OpenAI betreibt dieses Forschungslabor 10 000 Agenten gleichzeitig in Sitzungen von 36 bis 48 Stunden, verbrauchte an einem Tag 1 000 Milliarden Tokens und verkürzte mit Codex die Dauer eines rückblickenden Tests (Backtest) um 97 %; GPT-6.1 Sol ist sein meistgenutztes Modell. 🔗 Quelle
SentinelOne und Daybreak — Laut KI-Leiter Gregor Stewart erledigt OpenAI Daybreak in etwa acht Stunden das Reverse Engineering von Schadsoftware auf menschlichem Niveau, wofür ein Spitzenforscher vier bis sechs Wochen benötigte. 🔗 Quelle
Circa und Manus — Manus veröffentlicht einen Erfahrungsbericht von Circa, einem Start-up aus Boston, das Abbruchmaterialien wiederverwendet und den Agenten für seine Website, seine Förderanträge und ein Schätztool nutzt; im September wurden kumulierte Umsätze von fast 100 000 Dollar angegeben, eine Produktneuheit gibt es nicht. 🔗 Quelle
Europäische Städte und NVIDIA — Im Département Côte-d’Or senken Agenten von Akila und ThinkDeep, die in mehr als 500 öffentlichen Gebäuden eingesetzt werden, die Betriebskosten um 10 %, angestrebt werden 30 %; NVIDIA nennt außerdem Projekte in Mailand, Antwerpen-Brügge, Göteborg und Liverpool, ohne ein neues Produkt vorzustellen. 🔗 Quelle
MiniMax H3 IP Edition — Im Rückblick auf seine Konferenz vom 11. September in Tokio berichtet MiniMax von mehr als 60 interessierten Unternehmen; das Pilotprojekt Captain Tsubasa × PixVerse brachte in 45 Tagen 126 360 Kreative und 329 314 lizenzierte Inhalte zusammen. 🔗 Quelle

Offene Modelle und Community-Forschung

Cohere deutet Rerank 5 an — Cohere veröffentlicht ein Video, in dem Rerank Mario spielt, und lädt dazu ein, nachzusehen, ob Rerank 5 den Punktestand von Rerank 4 übertrifft; veröffentlicht wird nichts, die Dokumentation führt weiterhin nur Rerank 4 und die Versionen 3.x auf. 🔗 Quelle
Lumma-Fev-27B — FrontiersMind führt ein vollständiges Fine-Tuning von Qwen3.8-27B anhand von etwa 100 000 Entscheidungsbeispielen (Englisch, Hindi, Tamil, Kannada) durch: 90,7 % richtige Antworten gegenüber 83,9 % bei Jev 1.13 auf 4 454 für Tests reservierten Entscheidungen, allerdings liegt Jev bei BBH und WinoGrande weiterhin vorn; Messungen der Autoren, Gewichte unter Apache 2.0. 🔗 Quelle
TranscribePsy — Tether AI Research veröffentlicht ein Spracherkennungsmodell mit 254M Parametern für 25 europäische Sprachen in GGUF- und Core-ML-Versionen: 8,02 % Wortfehlerrate auf dem Open ASR Leaderboard gegenüber 12,34 % bei Whisper-small und laut Tether auf sechs Smartphones 2,6-mal schneller als das nächstplatzierte Modell. 🔗 Quelle
VKORE-46M-NPU — VIDRAFT trainiert einen kleinen Decoder mit 46M Parametern von Grund auf mit echter Backpropagation auf einer Inferenz-NPU mit 32 Chips; seine Verlustkurve weist eine Korrelation von 0,99 mit der desselben Trainings auf einer GPU auf. 🔗 Quelle
Quantisierung und Agentenfähigkeiten — Anhand von 19 200 gepaarten Ergebnissen zeigt Patrick Hill (PBH Applied Systems), dass Mistral-Nemo mit Q4_K_M bei 5 von 8 Agentenfähigkeiten signifikant einbüßt, bis zu −28,0 Punkte bei strukturierter Ausgabe mit Fließtext, während Q5_K_M (8,73 GB gegenüber 7,48) und Q8_0 keine Veränderung bewirken. 🔗 Quelle
Ein Gate für Gated DeltaNet — Avi Fenesh ergänzt eine mittels GRPO trainierte LoRA um ein kleines Gate am Beta der Schichten von Gated DeltaNet: Das Reasoning von Qwen3.5-4B wird auf MATH-500 um 48 % kürzer, und die Genauigkeit zu jedem Zeitpunkt steigt von 0,786 auf 0,852. 🔗 Quelle
pico-165m — Fausto Saporito trainiert auf einem einzigen TPU-Chip ein Modell mit 165M Parametern, das Notizen macht: 0,81 bei Gedächtnisprüfungen anhand von Gesprächen mit etwa 47 Gesprächsrunden, gegenüber 0,31 bei SmolLM2-360M-Instruct, das das gesamte Gespräch liest. 🔗 Quelle

Inferenz und Rechenkernel

DeepGEMM-Ascend, DeepGEMM 2.8.2 und TileKernels 2.1.0 — Ohne Ankündigung ergänzt DeepSeek seine Bibliothek für Ascend-NPUs um Kernel für Sparse-MQA-Logits sowie einen C-Term oder Bias für GEMMs in BF16, FP8 und FP4, aktualisiert DeepGEMM auf 2.8.2 und veröffentlicht TileKernels 2.1.0 ohne Release Notes. 🔗 Quelle
TokenSpeed und Qwen3.8-Flash-Next — Die Open-Source-Engine von LightSeek stellt das Modell bei einem einzigen Gespräch auf vier NVIDIA-GB300-GPUs in NVFP4 mit 685,9 tokens/s pro Nutzer und bei 32 Gesprächen mit 95,7 tokens/s bereit; Qwen lobte das Ergebnis. 🔗 Quelle
Qwen3.8-Flash-Next auf AMD MI350P — Florian Zimmermeister steigert mit vLLM den aggregierten Durchsatz bei 32 Streams auf einer einzigen GPU von 1 168,2 auf 2 256,6 tokens/s (+93,2 %), ausgehend von einer bereits mit angepasstem MXFP4 ausgestatteten Konfiguration. 🔗 Quelle
GLM 5.3 Flash auf Microsoft Foundry — Hugging Face nimmt das Modell von Z.ai in seinen Foundry-Katalog auf, optimiert für AMD MI300X in drei Konfigurationen mit 512K Kontext; auf ShareGPT liefert die Version mit 8 GPUs in TP4 + DP2 etwa den 1,8-fachen Durchsatz und senkt die Zeit bis zum ersten Token von 11,3 auf 5,2 s. 🔗 Quelle
Qwen3.8-27B auf der Neural Engine — Das Projekt ANEMLL quantisiert alle MLP-Matrizen des Modells in 3-Bit-Vektoren: auf einem M6-Chip eine KL-Divergenz von 0,0518 gegenüber BF16 und durchschnittlich 37,5 tokens/s bei 9,74 GiB Gewichten; die Genauigkeit bei Standardaufgaben muss noch gemessen werden. 🔗 Quelle
Tensor-Viewer des Hub — Hugging Face liefert die Header aller Shards mit einer einzigen Anfrage zurück: DeepSeek-V3.2 öffnet sich in 0,45 s statt 9,2 s, GLM-5.3 in 0,57 s statt 4,0 s. 🔗 Quelle

GitHub, abseits der KI

Berechtigungen für GitHub Apps — Zwei feingranulare Berechtigungen ermöglichen es, ein Repository zu erstellen oder die Repositorys einer Installation ohne Administrationsrechte zu verwalten, und ein Repository-Administrator kann sein Repository einer bereits genehmigten App zuordnen; erklärtes Ziel ist die Abkehr von klassischen PATs. 🔗 Quelle
Verfügbarkeitsbericht von GitHub — Am 7. Oktober liefen 120 der 160 Produktionsdienste in Central US, und 13 der 51 primären MySQL-Datenbanken waren migriert; GitHub hat sein Ziel für den 30. September verfehlt und geht erneut auf den Vorfall vom 13. September ein, der etwa 96 % der Issue-Erstellungen im Web beeinträchtigte. 🔗 Quelle
Verlauf der Sterne — Der neue API-Endpunkt liefert pro Anfrage tägliche Zählwerte für bis zu 30 Wochen zurück, ohne Identitätsangaben: Für react/react genügen etwa 24 Anfragen statt rund 2 511. 🔗 Quelle

Was das bedeutet

Sprachtechnologie wird zu einem Feld für zahlenbasierte Vergleiche, in dem die Kosten ebenso wichtig sind wie die Platzierung. Grok Voice 3.0 verbessert seine Scores, ohne den Minutenpreis zu ändern, und SpaceXSI hebt die Kosten pro Aufgabe hervor: 0,025 Dollar gegenüber 0,030 für GPT-Live-1. Diese vom Anbieter zitierten Messungen von Artificial Analysis entscheiden aber nicht alles: Bei τ-Voice bleibt GPT-Live-1 vorn, und Grok Voice 3.0 gleicht das mit einer um 40 % geringeren Latenz aus. Auch der praktische Einsatz fällt ins Gewicht: 20 000 Anrufe pro Tag bei Starlink, von denen etwa 70 % ohne menschliches Eingreifen erledigt werden, zeigen, dass Sprachagenten bereits einen Teil des Kundensupports tatsächlich übernehmen. Im Videobereich senkt FLUX 3 Video seine Preise für 2K und 4K um 30 bis 53 %, weil der Dienst weniger Rechenleistung benötigt, während HeyGen auf eine Stimme setzt, die auf die Akustik der Kulisse abgestimmt ist.

Frontier-Modelle werden auch an Forschungsergebnissen gemessen. Google demonstriert Argon anhand eines Quantendecoders, einer Vermutung aus der Plasmaphysik und im Labor getesteter Enzyme, Meta anhand von zehn medizinischen Manuskripten, Ai2 anhand von Klimadaten mit 3 km Auflösung, die zu rund 300 Mal geringeren Kosten erzeugt werden. Die Grenzen sind weiterhin klar benannt: Das Abstract des Artikels zur Grad-Vermutung erwähnt Argon nicht, die Studien von Meta sind retrospektiv und eine davon wird als hypothesengenerierend eingestuft, und im ADK-Repository blieben nach der menschlichen Überprüfung nur zwei von sechs Optimierungen übrig. Überall hat der Mensch das letzte Wort: Im Experiment von Meta entscheiden die medizinischen Forscher über die wissenschaftlichen Schlussfolgerungen, und die Maintainer von ADK streichen Teile der Vorschläge des Agenten.

Die Kosten der Agentenarbeit werden zu einem zentralen Thema für die Tools. Claude Code komprimiert lange Gespräche vor Ablauf des Cache, damit nicht alles erneut verarbeitet werden muss, HydraFusion passt den Reasoning-Aufwand Schritt für Schritt an, und die Studie von Cohere Labs zeigt, dass ein leistungsfähiger Hauptagent, der von günstigen Agenten unterstützt wird, bei 70 % geringeren Kosten beinahe den besten Score erreicht. HybridAgent geht dasselbe Problem über die Architektur an, indem es Reasoning durchführt, ohne Tokens zu erzeugen. Um diese Ausgaben zu steuern, muss man sie sichtbar machen: Die Traces von Claude Platform und Claude Code 2.1.300 folgen nun denselben GenAI-Konventionen von OpenTelemetry, und Ramp beziffert die Token-Einsparung, die es bei einigen Agenten durch die Bewertung seiner eigenen Traces erzielt, auf 10 bis 20 %. Der Bericht von OpenAI über die EU verdeutlicht die Bedeutung: Codex und ChatGPT Work erzeugen dort bereits mehr als die Hälfte der Ausgabe-Tokens der untersuchten Enterprise-Kunden.

Die KI-Sicherheit erhält auch eine öffentliche Dimension. Bei derselben Cyber Week in Singapur unterzeichnet Anthropic eine Absichtserklärung zur Bewertung von Modellen und zur Reaktion auf Vorfälle, während Google DeepMind gemeinsam mit GovTech eine Betrugserkennung vorstellt, die vollständig auf dem Telefon bleibt. Im Vereinigten Königreich finanziert NVIDIA mit Rechenleistung Forschung zur Sicherheit von Agenten; in den Vereinigten Staaten bereitet Anthropic Claude mit Klassifikatoren gegen Kampagnen, die in kleine Aufgaben aufgeteilt werden, auf die Zwischenwahlen vor. In Unternehmen gibt OpenAI an, mit seinen eigenen Modellen den Mitarbeiter identifiziert zu haben, der ein Aufnahmegerät versteckt hatte, GitHub sichert die Abhängigkeiten von Workflows so ab, dass ein verschobener Tag keinen anderen Code mehr ausführen lässt als den überprüften, und VS Code schreibt per Unternehmensrichtlinie das Copilot-Harness und dessen Ausführungsregeln vor.