Meta gibt Muse Spark Open mit seinen 816 Milliarden Parametern frei, NVIDIA startet Nemotron 3.5 Super VL, Cohere will AISLE übernehmen

Meta veröffentlicht die Gewichte von Muse Spark Open, einem multimodalen Mixture-of-Experts-Modell mit 816 Milliarden Parametern, das es als das leistungsfähigste offene US-amerikanische Modell bezeichnet und das noch am selben Tag von NVIDIA, Hugging Face und sieben API-Anbietern unterstützt wird. NVIDIA gibt außerdem Nemotron 3.5 Super VL frei, ein Modell mit 120 Milliarden Parametern für Agenten, während Cohere eine Absichtserklärung zur Übernahme von AISLE, einem Spezialisten für die autonome Entdeckung von Schwachstellen, unterzeichnet und Cohere Cyber gründet. Perplexity veröffentlicht SPACE, die Sandbox von Computer, als Open Source, Black Forest Labs gibt die Gewichte von FLUX 3 Image Klein frei, und Cognition startet Devin Oncall, einen Rufbereitschaftsagenten, der Vorfälle in der Produktion untersucht.

Muse Spark Open: Meta gibt ein multimodales MoE mit 816 Milliarden Parametern frei, NVIDIA und Hugging Face folgen noch am selben Tag

15. Oktober — Meta veröffentlicht die Gewichte von Muse Spark Open, einem multimodalen Mixture-of-Experts-Modell (mixture-of-experts, MoE) mit 816 Milliarden Parametern, von denen 42 Milliarden pro Token aktiv sind, und einem Kontextfenster von einer Million Tokens. Das Modell liest Text, Bilder, Video und Audio und antwortet in Textform; Meta hat es für Code und agentische Arbeit trainiert. Innerhalb der Muse-Familie wird es zum großen offenen Modell oberhalb von Muse Glimmer, dem kleinen dichten Modell mit 30 Milliarden Parametern, das im August veröffentlicht wurde, und erscheint drei Tage nach Muse Wonder, das geschlossen blieb.

Today we’re releasing Muse Spark Open, the most capable US open-weight model to date. Built for coding and agentic work, it excels at long-horizon tasks, complex software engineering, and multi-step reasoning.

🇩🇪 Wir veröffentlichen heute Muse Spark Open, das bislang leistungsfähigste US-amerikanische Modell mit offenen Gewichten. Es wurde für Code und agentische Arbeit entwickelt und zeichnet sich bei langwierigen Aufgaben, komplexer Softwareentwicklung und mehrstufigem Schlussfolgern aus. — @AIatMeta auf X

Der Superlativ ist eng auszulegen. In der Tabelle der Modellkarte auf Hugging Face, in der das Modell mit der Einstellung xhigh gemessen wird, liegt Muse Spark Open in acht Zeilen der vollständigen Tabelle vorn, darunter bei der Nutzung von MCP-Tools und bei JobBench. Die großen offenen chinesischen Modelle bleiben jedoch im Index von Artificial Analysis (45 für GLM 5.3, 44 für Kimi K3 gegenüber 39) und bei Code vorn. Von den drei anderen US-amerikanischen Modellen in der Tabelle, Inkling von Thinking Machines, Nemotron 3 Ultra von NVIDIA und Beam von Reflection AI, übertrifft es bei den Fähigkeiten nur Beam, und zwar auf GPQA Diamond (90,5 gegenüber 89,0) und Terminal-Bench 2.1 (80,1 gegenüber 76,4).

Benchmark (Modellkarte auf Hugging Face)	Wert von Muse Spark Open (xhigh)	Bester Konkurrent in der Tabelle
MCP-Atlas	89,2	84,5 (Qwen3.8-2.4T-A95B)
JobBench	61,8	61,4 (GLM 5.3)
HLE-Diamond (ohne Tools)	26,1	22,2 (Kimi K3)
Artificial Analysis Index	39	45 (GLM 5.3)
OSWorld Verified	80,4	84,8 (Kimi K3)
DeepSWE 1.1	60	68 (Kimi K3)
Terminal-Bench 2.1 (Terminus 2)	76,4	85,0 (Kimi K3)
StrongREJECT v2 (niedriger = besser)	0,5	62,9 (GLM 5.3)

Da alle Experten im Speicher bleiben, benötigt man den Speicher eines Modells mit 816 Milliarden Parametern für die Geschwindigkeit eines Modells mit 42 Milliarden. Die BF16-Gewichte sind etwa 1,5 TB groß (Repository Muse-Spark-Open-816B-A42B auf Hugging Face, nach Ausfüllen eines Formulars zugänglich), und eine NVFP4-Version passt auf einen einzigen B200-Knoten. Meta betont dennoch die lokale Ausführung: Das Modell ist mit MLX für zwei miteinander verbundene Mac Studio M5 Ultra optimiert, die jeweils bis zu 512 GB Unified Memory bieten. Hugging Face hat eine bescheidenere Konfiguration getestet, auf einem einzigen Mac M3 Ultra mit 512 GB: Eine 2-Bit-Version unter llama.cpp belegt 304 GB und erzeugt 18 Tokens pro Sekunde.

Die Gewichte werden unter der Muse Model License mit eingeschränkten kommerziellen Nutzungsbedingungen veröffentlicht, die laut Meta vielen Entwicklern eine kostenlose Nutzung des Modells erlaubt. Sieben Anbieter stellen es ab dem ersten Tag bereit: Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter und Together AI. Meta gibt an, ein speziell auf offene Gewichte zugeschnittenes Sicherheits-Post-Training ergänzt und die Veröffentlichungsschwellen seines am 2. Oktober aktualisierten Meta Superintelligence Scaling Framework erreicht zu haben. Bei StrongREJECT v2, wo ein niedriger Wert besser ist, erreicht das Modell 0,5 gegenüber 62,9 bis 86,4 bei den anderen getesteten Modellen. Bei FORTRESS erzielt es den besten Wert für das durchschnittliche Risiko (5,8 gegenüber 21,6 bis 28,2), aber den höchsten Wert für übermäßige Ablehnungen in der Tabelle (17,4 gegenüber 2,7 bis 13,3).

NVIDIA begleitet die Veröffentlichung mit einem technischen Beitrag: Muse Spark Open wurde auf GB300-NVL72-Racks trainiert, und die von Meta erstellten NVFP4-Checkpoints sind für Blackwell Ultra optimiert. Bei agentischen Workloads gibt NVIDIA bis zu 50 000 Tokens pro Sekunde pro GPU und bis zu 600 Tokens pro Sekunde pro Nutzer an und veröffentlicht Anleitungen für die Bereitstellung mit SGLang, vLLM, TensorRT LLM und Dynamo, einen NIM sowie für das Post-Training mit NeMo AutoModel.

Der Rest des Ökosystems folgte im Laufe des Tages: Transformers und TRL integrieren es (siehe unten), mlx-lm 0.32.0 ergänzt die NVFP4-Version, Unsloth kündigt eine 2-Bit-Version an, die in etwa 256 GB passt, und Meta liefert für SGLang Helion-Kernel, die auf Kernel-Ebene bis zu 3,95-mal so schnell sind. In seinem Beitrag führt Hugging Face sogar ein Fine-Tuning des vollständigen Modells auf 64 H100-GPUs durch, wobei die durchschnittliche Genauigkeit pro Token von 72 auf 84 % steigt.

🔗 Der Beitrag von Meta · Die Modellkarte (Hugging Face) · Der Beitrag von Hugging Face · Der technische Beitrag von NVIDIA

Nemotron 3.5 Super VL: NVIDIA gibt ein multimodales Modell mit 120 Milliarden Parametern für Agenten frei, Perplexity integriert es noch am selben Tag

15. Oktober — NVIDIA veröffentlicht Nemotron 3.5 Super VL, ein offenes Mixture-of-Experts-Modell mit 120 Milliarden Parametern, von denen 12 Milliarden pro Token aktiv sind. Es verbindet Schlussfolgern, das Befolgen von Anweisungen und Tool-Aufrufe mit dem Verständnis von Text, Bildern, Dokumenten und Video für Agenten, die lange Aufgabenfolgen abarbeiten: Dasselbe Modell liest eine Webseite, ein Diagramm oder ein PDF und handelt anschließend, ohne den Kontext von einem Textmodell an ein Vision-Modell weiterreichen zu müssen. Laut NVIDIA erreicht es bei multimodalen agentischen Aufgaben eine Genauigkeit, die mit der seines größten Reasoning-Modells vergleichbar ist, bei etwa einem Fünftel der Parameter.

Von NVIDIA angegebene Evaluierung	Wert von Nemotron 3.5 Super VL	Vergleichswert
Hermes Bench	63,44 %	56,33 % (Nemotron 3 Ultra)
LangChain-Verhaltensevaluierungen	87,05 %	84,3 % (Nemotron 3 Ultra)
CharXiv (Lesen von Diagrammen)	80,8 % (84 % mit Python-Code)	63 % (Nemotron 3 Nano Omni)

NVIDIA hebt vor allem die Effizienz hervor: auf einer einzigen GPU ein bis zu 5-mal so hoher Durchsatz wie bei anderen offenen Modellen seiner Größe bei Agentenaufgaben, mehr als 600 Tokens pro Sekunde bei den agentischen Aufgaben des Index von Artificial Analysis über Baseten und 10 000 bis zu 4-mal so schnell erledigte Code-Aufgaben bei weiterhin guter Genauigkeit auf SWE-Bench Pro. Das aus Nemotron 3 Ultra destillierte Modell übertrifft dieses bei den beiden Harness-Evaluierungen in der Tabelle. Beim Serving beschleunigt das spekulative Decoding mit LiLiCorr die Generierung auf DGX Spark um bis zu den Faktor 2,3, und Dynamo bedient auf 16 B200-GPUs bis zu 8-mal so viele Nutzer mit jeweils 50 Tokens pro Sekunde, bei einer um 85 % geringeren Latenz bis zum ersten Token.

Die Veröffentlichung ist umfassend: Basisgewichte, Gewichte nach dem Post-Training und in NVFP4 quantisierte Gewichte, Anleitungen, Reinforcement-Learning-Umgebungen in NeMo Gym und offene Datensätze, darunter 40 Vision-Language-Datensätze und ein Korpus von etwa 2 800 Milliarden Tokens in 22 indischen Sprachen, der mit dem IIT Madras und dessen Labor AI4Bharat zusammengestellt wurde. Das Modell hat im Training etwa 26 000 Milliarden Tokens verarbeitet. Es ist auf Hugging Face, OpenRouter, ModelScope und als NIM-Microservice verfügbar, ohne angekündigte Preise; NVIDIA nennt Anpassungen bei Scale AI für Skydance mit laut Ankündigung um den Faktor 40 gesenkten Inferenzkosten sowie bei Ramp, AI21 und Alice.

Perplexity hat es noch am selben Tag für seine Pro- und Max-Abonnenten sowie in seiner Agent API ergänzt. Laut API-Changelog kostet perplexity/nemotron-3.5-super-120b-a12b 0,20 Dollar pro Million Eingabe-Tokens (0,04 Dollar im Cache) und 0,50 Dollar für die Ausgabe, mit 1 048 576 Tokens Kontext und bis zu 131 072 generierten Tokens, als Ersatz für Nemotron 3 Ultra. Eine kleine Unstimmigkeit: Dieser Eintrag beschreibt ein Modell mit reiner Texteingabe, während der Tweet von Perplexity die VL-Version ankündigt, die auch Bilder liest.

Am selben Tag erscheint das am 13. Oktober angekündigte Nemotron 3.5 Bolt 74B-A9B 24GB auf Hugging Face: Es ist nativ auf 2 Bit quantisiert, um in 24 GB zu passen, richtet sich an die ab dem 16. Oktober verfügbaren RTX-Spark-Laptops und läuft mit llama.cpp, Ollama, LM Studio, Unsloth und vLLM. NVIDIA stuft es auf PinchBench als bestes offenes Modell seiner Kategorie ein; Bolt E4B 4GB folgt am 23. Oktober.

🔗 Ankündigung von NVIDIA · Technischer Beitrag von NVIDIA · Ankündigung von Perplexity · Changelog der Perplexity-API

Cybersicherheit: Cohere will AISLE übernehmen und gründet Cohere Cyber, GitHub macht AI Scan und agentisches Autofix allgemein verfügbar

Am selben Tag setzen zwei Akteure KI für die Suche nach Schwachstellen und deren Behebung ein: Cohere kauft das Fachwissen ein, GitHub macht die Funktionen in seinem code scanning allgemein verfügbar.

15. Oktober — Cohere will AISLE übernehmen, ein junges Unternehmen, das autonome Systeme entwickelt, die bislang unbekannte Schwachstellen in kritischer Software entdecken, validieren und bei deren Behebung helfen können. Die beiden Unternehmen haben eine Absichtserklärung (Letter of Intent) unterzeichnet: Die Transaktion ist noch nicht abgeschlossen, und weder ihr Wert noch ihr Zeitplan wurden veröffentlicht. Nach dem Abschluss wird der Sitz von AISLE in Prag zum Prager Büro von Cohere.

Veröffentlichte Kennzahl zu AISLE	Angegebener Wert
Gründungsjahr	2024
Neue Schwachstellen mit zugewiesener CVE	Mehr als 500, in mehr als 100 Codebasen
OpenSSL, Sicherheitsveröffentlichung im Januar	Alle 12 veröffentlichten Schwachstellen
curl, neueste Version	18 der 24 CVE
CVE mit hohem oder kritischem Schweregrad	Mehr als 200 (laut Aidan Gomez)

Aisle is the state-of-the-art in defensive cyber, having found 200+ High/Critical CVEs in critical software like curl, FFmpeg, FreeBSD, Wireshark.

🇩🇪 Aisle steht an der Spitze der Cyberabwehr und hat mehr als 200 CVE mit hohem oder kritischem Schweregrad in kritischer Software wie curl, FFmpeg, FreeBSD und Wireshark gefunden. — @aidangomez auf X

Im selben Thread behauptet Aidan Gomez, der Leiter von Cohere, AISLE habe besser abgeschnitten als Glasswing (Mythos) von Anthropic und Daybreak von OpenAI, mit 29 neuen CVE in curl, während Mythos keine gefunden haben soll; diese Zahl stimmt nicht mit den „18 der 24 CVE“ überein, die in den Beiträgen der beiden Unternehmen genannt werden.

Das Gründungsteam von AISLE übernimmt Führungspositionen. Ondrej Vlcek, CEO von AISLE, wird Senior Vice President von Cohere Cyber, einer neuen Einheit, die den Kunden von Cohere Cybersicherheitslösungen bereitstellen soll; Jaya Baloo wird weltweiter Chief Information Security Officer von Cohere; Stanislav Fort, CTO und Chief Scientist von AISLE, wird Vice President AI Security und wird mit Ivan Zhang, dem CTO von Cohere, zusammenarbeiten, um Sicherheitsforschung mit der Entwicklung und dem Training der Modelle zu verbinden.

Cohere sieht darin nach Reliant AI und Aleph Alpha einen weiteren Schritt seiner Europastrategie: Das Unternehmen plant eine „substanzielle“ und langfristige Investition in Prag, das zu seinem weltweiten Zentrum für KI-Cybersicherheit werden soll und laut Aidan Gomez nur eine kurze Fahrt von seinem neuen Hauptsitz in Berlin entfernt liegt. Das Ziel ist zweifach: die Arbeit von AISLE an der Sicherheit von Open-Source-Software fortzusetzen und Betreibern kritischer Infrastrukturen die vollständig private Analyse ihrer Software zu ermöglichen, auch in abgeschotteten Umgebungen (air-gapped). Beide Beiträge ergänzen ein Argument mit Blick auf die Modelle: Schwierige, aber überprüfbare Sicherheitsprobleme können dazu dienen, künftige Modelle von Cohere zu evaluieren und zu verbessern.

🔗 Der Beitrag von Cohere · Der Beitrag von AISLE

GitHub: AI Scan für Pull Requests und agentisches Autofix für Warnmeldungen werden allgemein verfügbar

15. Oktober — GitHub macht zwei KI-gestützte Komponenten seines Code Scanning allgemein verfügbar: Die eine findet Schwachstellen in Pull Requests, die andere behebt Warnmeldungen.

AI Scan für Pull Requests ergänzt CodeQL dort, wo der Analyzer bisher nicht zum Einsatz kommt: bei PHP, Shell/Bash, Terraform-Konfigurationen (HCL), Dockerfiles, JSP auf Java-Seite oder Blazor auf C#-Seite. Es startet automatisch bei jedem Pull Request, sobald Code Scanning und die AI Scan-Einstellung des Repositorys aktiviert sind. Seine Ergebnisse erscheinen neben denen von CodeQL, gekennzeichnet mit „AI“, teilweise mit einer Erläuterung des Risikos und einem vorgeschlagenen Fix. Sie bleiben Hinweise: Sie lassen den Check nicht fehlschlagen und können einen Merge nicht blockieren. Pull Requests aus Forks und von Dependabot werden nicht analysiert.

Das agentische Autofix (agentic autofix) übernimmt dagegen eine Copilot zugewiesene Warnmeldung: Es untersucht die betroffenen Dateien, schlägt einen Fix vor, führt CodeQL erneut aus, um zu prüfen, ob die Warnmeldung tatsächlich geschlossen wurde, wiederholt den Vorgang bei Bedarf und öffnet anschließend einen Pull Request als Entwurf. Man kann ihm eine Warnmeldung aus dem Standardbranch oder bis zu 25 Warnmeldungen zur Behebung in einem einzigen Pull Request zuweisen. Alternativ lässt sich die REST-API nutzen, indem die Warnmeldung copilot-swe-agent[bot] zugewiesen wird. Nach der Aktivierung ersetzt es die kostenlose Option Generate Fix.

Allgemein verfügbare GitHub-Komponente	Tarife und Voraussetzungen	Abrechnungsmodell
AI Scan für Pull Requests	Öffentliche Repositorys; Code Security oder Advanced Security für private und interne Repositorys einer Organisation, ohne Copilot-Lizenz	Code Security AI Credits
Agentisches Autofix für Warnmeldungen	Code Security oder Advanced Security auf GitHub Enterprise Cloud, einschließlich Datenresidenz; Richtlinie Agentic autofix und Copilot-Zahlungsmethode erforderlich	AI Credits aus dem Code Security-Budget und GitHub Actions-Minuten

Die beiden Veröffentlichungen schließen eine Reihe ab, über die hier seit September berichtet wurde: die API zur Aktivierung von AI Scan am 10. September, die Vorschau des agentischen Autofix mit Copilot Memory am 25. September und die AI Scan-Metriken in der security overview am 13. Oktober.

🔗 AI Scan für Pull Requests (GitHub-Changelog) · Agentic autofix für Code Scanning-Warnmeldungen (GitHub-Changelog)

SPACE: Perplexity veröffentlicht die Sandbox von Computer als Open Source unter Apache 2.0

15. Oktober — Perplexity veröffentlicht SPACE (Sandboxed Platform for Agentic Code Execution) als Open Source, die Sandbox-Plattform (sandboxes), auf der jede Aufgabe von Perplexity Computer ausgeführt wird. Am Vortag hatte Perplexity erläutert, wie SPACE jede Anfrage zur passenden Sandbox-Ausführung weiterleitet. Nun ist der Code selbst auf GitHub unter Apache 2.0 verfügbar. Jede Agentenaufgabe läuft dort in ihrer eigenen Firecracker-microVM. Zugangsdaten und ausgehender Datenverkehr werden von außerhalb der virtuellen Maschine kontrolliert.

Das Sicherheitsprinzip beruht auf einer Idee: Die Sandbox gilt als nicht vertrauenswürdig. Die Agenten von Computer führen darin Befehle aus, installieren Pakete und rufen externe Dienste mit Root-Zugriff auf. Der Host bleibt jedoch außerhalb ihrer Reichweite, und ein eigenes Gateway für jede Sandbox setzt bei jeder Verbindung die Richtlinie für ausgehenden Datenverkehr durch. Die Agenten greifen auf erlaubte Dienste zu, ohne dass die Zugangsdaten in ihrer Arbeitsumgebung gespeichert werden. Eine Sandbox bleibt auch über die Anfrage hinaus bestehen, die sie erstellt hat: Sie lässt sich pausieren, duplizieren (fork) oder in einem Snapshot von Arbeitsspeicher und Datenträger einfrieren und später fortsetzen.

SPACE-Element	Von Perplexity angegebener Wert
Sprache und Lizenz des Repositorys	Rust, Apache 2.0
Isolation	Eine Firecracker-microVM pro Agentenaufgabe
Umfang im Produktivbetrieb	Millionen erstellter Sandboxes pro Tag, für alle Computer-Sitzungen seit Juli
Erstellung im Vergleich zum bisherigen Anbieter	Drei- bis fünfmal schneller, bei demselben produktiven Datenverkehr
Escaping SPACE, Part I	Kein Ausbruch auf den Host bei 108 Versuchen
Versionsplan	0.8.0 als öffentliche Basis, danach 0.9.0 und 1.0.0

Die Evaluierung Escaping SPACE hatte im September keinen Ausbruch aus der virtuellen Maschine auf den Host festgestellt, wohl aber Umgehungen der Netzwerkbeschränkungen. Diese wurden behoben, und die identifizierten Methoden waren laut dem Beitrag bei den folgenden Tests nicht mehr erfolgreich. Das in Rust geschriebene Repository lässt sich lokal auf einem Kubernetes-Testcluster (Kind) installieren, bietet Pools vorgewärmter Sandboxes (warm pools) und eine Kompatibilitätsschicht zur E2B-API, die mit deren Python-SDK getestet wurde. 0.9.0 wird die letzte Version mit inkompatiblen Änderungen vor einer 1.0 mit stabilen Schnittstellenverträgen sein.

CoreWeave und Akamai haben SPACE auf ihren Plattformen getestet und in Betrieb genommen und arbeiten daran, es ihren Kunden anzubieten. Crusoe wird es in sein Angebot Managed AI Services aufnehmen. Perplexity stellt SPACE als erste Komponente seiner Plattform zur Ausführung von Agenten (Agentic Runtime Platform) vor und öffnet sie, um das Sicherheitsniveau agentischer Produkte anzuheben.

🔗 Der Beitrag von Perplexity · Der Thread von @perplexity_ai · Das SPACE-Repository (GitHub)

Generative Medien: FLUX 3 Image Klein mit offenen Gewichten auf einer handelsüblichen GPU, Kling 4.0 für alle, Instant Soundtracks von ElevenLabs

15. Oktober — Black Forest Labs veröffentlicht FLUX 3 Image Klein, ein Bildmodell mit offenen Gewichten und 5,6 Milliarden Parametern, das als reiner Generator auf einer einzigen handelsüblichen GPU läuft. Dasselbe Modell erzeugt Bilder aus Text und bearbeitet Bilder anhand einer oder mehrerer Referenzen, bis zu 10 Bildern. Es übernimmt die wichtigsten Funktionen von FLUX 3 Image, das am 1. Oktober erschienen ist: native 4K-Generierung, pixelgenaue Bearbeitung und Begrenzungsrahmen (bounding boxes), die im Prompt die Position eines Elements festlegen oder eine Bearbeitung auf einen Bereich beschränken.

Laut den internen Evaluierungen von BFL belegt Klein bei Text-zu-Bild, der Arbeit mit mehreren Referenzen und der Bildbearbeitung den ersten Platz gegenüber den größeren offenen Modellen Qwen-Image 2.1 (7B) und Krea 2 (12,9B). Es liegt auch über den beiden geschlossenen Modellen im Vergleich, Ideogram V4.5 und FLUX.2 [pro]. Gegenüber seinem Vorgänger FLUX.2 [klein] 9B gewinnt es 91 Elo-Punkte bei Text-zu-Bild und 70 bei der Bearbeitung, mit 38 % weniger Parametern.

Getestete Konfiguration	Angekündigtes Ergebnis
Gewichte in BF16 / in FP8	11,2 Go / 5,6 Go
INT8-Version auf GeForce RTX (ComfyUI oder Diffusers)	Läuft mit 8 Go VRAM
RTX 5090, destillierte Version in INT8 (NVIDIA-Messung)	Etwa 4 s pro Bild mit 1 Megapixel
RTX 4070, destillierte Version in INT8 (NVIDIA-Messung)	Weniger als 9 s pro Bild mit 1 Megapixel
H100, destillierte Version in Diffusers	Etwa 2 s pro Bild mit 1024 × 1024 Pixeln
GB300, destillierte Version in NVFP4	Weniger als 0,6 s pro Bild mit 1 Megapixel

Hugging Face hat es noch am selben Tag in Diffusers integriert, mit zwei Checkpoints: der destillierten Version mit 16 Schritten und ohne CFG sowie der Basisversion mit 50 Schritten, die für das Fine-Tuning vorgesehen ist. Hinzu kommen NVFP4- und FP8-Gewichte, der Textencoder Qwen3-VL und Skripte für das LoRA-Fine-Tuning. In NVFP4 erreicht die Speicherspitze nach der Inferenz auf einer RTX 6000 15,3 Gio. ComfyUI, TensorRT-LLM, SGLang Diffusion und vLLM-Omni unterstützen es ebenfalls ab der Veröffentlichung. Die Versionen FP8, INT8 und NVFP4 wurden gemeinsam mit NVIDIA entwickelt.

Die Gewichte werden unter der Lizenz FLUX Kommunity veröffentlicht. Diese ist für die kommerzielle Nutzung durch Privatpersonen und Unternehmen mit weniger als 5 Millionen Dollar Jahresumsatz sowie für die Forschung kostenlos. Darüber hinaus benötigt man eine Lizenz für Self-Hosting oder muss die API nutzen. Die API von BFL bietet flux-3-image-klein ab 0,009 Dollar pro 1K-Bild an. Es ist nach FLUX 3 Action das zweite offene Modell der FLUX 3-Familie, und BFL kündigt weitere an.

🔗 Der Beitrag von Black Forest Labs · Die Ankündigung von @bfl_ai · FLUX 3 Image Klein in Diffusers (Hugging Face)

Kling 4.0 wird vollständig verfügbar, mit Zugriff über MCP und die Kommandozeile

15. Oktober — Kling AI macht Kling 4.0 nach dem am 30. September gestarteten Early Access für alle verfügbar. Das Videomodell lässt sich über eine überarbeitete Kreativoberfläche auf kling.ai und erstmals auch über MCP und die Kommandozeile (CLI) nutzen. Damit kann es in toolgestützte Produktionsabläufe eingebunden werden. Zwei Funktionen sind ohne konkreten Termin für demnächst angekündigt: eine 10-Bit-HDR-Videoausgabe in 4K und 1080p sowie API-Zugriff für Unternehmen und Entwickler. Die am 28. September vorgestellten Eigenschaften bleiben maßgeblich: Clips von 3 bis 30 Sekunden, bis zu 4K, Stereo-Audio, 10 Keyframes, 15 Referenzen und Prompts mit 8 000 Tokens. Die Ankündigung nennt weder Preise noch Benchmarks.

🔗 Ankündigung von Kling AI · Versionshinweise von Kling

Instant Soundtracks: ElevenLabs komponiert synchronisierte Musik und Soundeffekte anhand eines Videos

15. Oktober — ElevenLabs führt Instant Soundtracks in ElevenCreative ein: Man lädt ein Video hoch, und das Modell komponiert eigene Musik, erkennt Momente, die einen Soundeffekt erfordern, und platziert jeden Effekt am richtigen Zeitstempel, etwa ein auf das abschließende Logo eines Werbespots abgestimmtes „Whoosh“. Das Tool richtet sich an kurze Formate, stimmt sich genauer auf Schnitte und Übergänge ab, wechselt die musikalische Stimmung von Szene zu Szene und kann den Originalton als Referenz für Genre, Tempo und Instrumentierung verwenden. Die Effekte werden auf separaten Spuren bereitgestellt, die sich vor dem Export bearbeiten lassen.

Parameter der ElevenCreative Studio-API	Funktion des Parameters
`add_sfx`	Fügt synchronisierte Soundeffekte hinzu
`separate_tracks`	Gibt Musik und Effekte als separate Dateien zurück (.ZIP)
`use_audio_as_reference`	Verwendet den Originalton als musikalische Referenz

Instant Soundtracks ist in ElevenCreative, ElevenMusic und über die API verfügbar. Diese akzeptiert pro Anfrage bis zu 10 Videos, 200 Mo und insgesamt 10 Minuten Videomaterial. ElevenLabs nennt keine Preise.

🔗 Ankündigung von ElevenLabs

Coding-Agents: Cognition startet Devin Oncall, Claude Code 2.1.301 und Code Review, Delta 0.20, Antigravity CLI 1.3.6, Codex bei OpenAI, das MX Keypad

15. Oktober — Cognition startet Devin Oncall, das ab sofort allgemein verfügbar ist: Devin untersucht automatisch Warnmeldungen und Bugreports und hilft dem Team anschließend, Produktionsstörungen zu diagnostizieren und zu beheben. Es lässt sich von Anfang an unter anderem mit Datadog, Dynatrace und Sentry verbinden und bearbeitet laut Cognition bereits täglich Tausende Warnmeldungen aus dem Produktivbetrieb bei einigen der größten Unternehmen der Welt. Seine Architektur ist modellunabhängig: Cognition wählt für jede Bereitschaftsaufgabe das leistungsfähigste Modell aus.

Evaluierter Agent und Modell	End-to-End-Erfolgsquote (SREGym-Lite)	Herkunft des Ergebnisses
Devin Oncall + Claude Opus 5.5	100 % (in 2 min 21 s)	Interne Evaluierung von Cognition
Devin Oncall + GPT-6 Astra	100 %	Interne Evaluierung von Cognition
Devin Oncall + GPT-6.1 Sol	94,1 %	Interne Evaluierung von Cognition
Devin Oncall + Claude Fable 5.1	85,3 %	Interne Evaluierung von Cognition
CloudThinker + Claude Opus 5	76,5 %	Öffentliche SREGym-Rangliste
Codex + GPT-5.6 Sol	76,5 %	Öffentliche SREGym-Rangliste
Claude Code + Claude Sonnet 5	45,1 %	Öffentliche SREGym-Rangliste

SREGym-Lite umfasst 17 Ausfälle aus realen Vorfällen: Der Agent muss die Grundursache finden und anschließend das laufende System reparieren, beides innerhalb desselben Durchlaufs. Die Ergebnisse von Devin Oncall stammen aus der internen Evaluierung von Cognition, die der anderen Agenten aus der öffentlichen SREGym-Rangliste mit Stand vom 15. Oktober, in der CloudThinker mit GPT-6 Astra ebenfalls 100 % erreicht. Damit ist der Benchmark ausgereizt: Laut Cognition erzielen dort bereits Modelle der Mittelklasse die Höchstpunktzahl, während die vorherige Generation nicht über 50 bis 60 % hinauskam.

Der Beitrag beschreibt vor allem die Tools rund um das Modell. Ein Review-Agent arbeitet parallel zur Untersuchung, um voreilige Schlussfolgerungen zu vermeiden: eine Korrelation, die als Ursache betrachtet wird, widersprüchliche Telemetrie, die verworfen wird, oder ein Auslöser, der mit der Ursache verwechselt wird. Drei Gedächtnisebenen sammeln Unternehmenswissen: ein eigenes Gedächtnis für jeden Responder, Skills, die durch regelmäßige Indexierung der Umgebung erzeugt werden, und ein organisationsweites Gedächtnis, das mit jeder Untersuchung wächst. Die als neue Generation von Auto-Triage vorgestellten Responders überwachen einen Strom von Warnmeldungen und vermeiden etwa 60 % der Untersuchungen, indem sie bereits bekannte Probleme erkennen. Das spart mehr als die Hälfte der Kosten herkömmlicher Automatisierungen. Der Modus Incidents bringt Devin in den Krisenkanal, mit einem laufend aktualisierten Incident-Dokument und untergeordneten Devins, die direkte Fragen der Ingenieure bearbeiten.

Drei Kunden veranschaulichen den Start. Bei Reducto eröffnete Devin selbstständig einen Incident, lange bevor die Warnmeldungen im Produktivbetrieb ausgelöst wurden. Bei RV Tech, dem Gemeinschaftsunternehmen von Rivian und Volkswagen, extrahiert es Fahrzeugkennungen und Zeitstempel aus Kundenberichten, ruft Logs ab und übernimmt die erste Sichtung. Bei AngelList identifiziert es die richtige Grundursache 3,5-mal häufiger als das interne Tool Sky und hat die Hälfte der Vorfälle allein bearbeitet, sodass Sky eingestellt wurde. Preise werden nicht genannt: Die Seite von Devin Oncall bietet den Einstieg oder die Buchung einer Demo an. Die Veröffentlichung knüpft an den Wechsel der Gründer von TierZero, einem Spezialisten für KI-gestütztes SRE, zu Cognition im Juli an.

🔗 Der Beitrag von Cognition · Der Thread von @cognition · Die Seite von Devin Oncall

Claude Code 2.1.301: begrenzte Wartezeit bei Nutzungslimits im unbeaufsichtigten Modus, 37 Fehlerbehebungen

15. Oktober — Claude Code 2.1.301 wurde um 19:22 Uhr UTC veröffentlicht und umfasst 51 Einträge, darunter 8 Neuerungen, 37 Fehlerbehebungen, 4 Verbesserungen und 2 Änderungen. Im Mittelpunkt steht der unbeaufsichtigte Einsatz. Die neue Variable CLAUDE_CODE_RETRY_WATCHDOG_MAX_USAGE_LIMIT_WAIT_MS ermöglicht es dem automatischen Wiederholungsmodus (CLAUDE_CODE_RETRY_WATCHDOG), eine Anfrage abzubrechen, wenn das erreichte Nutzungslimit erst zu spät zurückgesetzt wird, anstatt zu warten. Für die Observability enthalten die OpenTelemetry-Ereignisse tool_decision nun classifier_verdict und permission_mode, um eine Entscheidung des Klassifikators im Auto-Modus von einer Berechtigungsregel zu unterscheiden, sowie classifier_category, die integrierte Regel, die eine Blockierung ausgelöst hat (mit OTEL_LOG_TOOL_DETAILS=1).

Mehrere Fehlerbehebungen verbessern die Zuverlässigkeit: Der Alias fable (und best) gibt keinen Fehler mehr zurück, wenn das neueste Fable für die Organisation nicht freigeschaltet ist; Claude Code versucht es dann einmal mit dem vorherigen Fable. Beim Verlassen einer Sitzung wird ein von einem Hook WorktreeCreate erstellter Worktree, der nicht gepushte Commits enthalten kann, nicht mehr ohne Nachfrage gelöscht. Grep und Glob melden einen Fehler, statt „keine Treffer“ anzuzeigen, wenn die Suche fehlschlägt. Beim Wechsel zu einem Modell mit kleinerem Kontextfenster wird eine zu lange Konversation zunächst vom vorherigen Modell zusammengefasst. In VS Code zeigen die Antworten LaTeX-Formeln an, und der Hinweis auf das Nutzungslimit bietet Pro- und Max-Abonnenten einen Link „Mehr Nutzung erhalten“.

🔗 Versionshinweise zu Claude Code 2.1.301

Code Review von Claude Code verlässt die Research Preview für Team und Enterprise

15. Oktober — Sieben Monate nach dem Start als Research Preview am 9. März wird Code Review, der Dienst von Claude Code zur automatischen Prüfung von GitHub-Pull-Requests, für Organisationen mit Claude Team und Enterprise verfügbar. Laut Anthropic werden die meisten Reviews etwa dreimal schneller abgeschlossen als während der Preview. Die kurzen Befunde beschreiben das Problem, seinen Auslöser und die Behebung. Ein Administrator wählt für jedes Repository eine Stufe: Quick, Standard (Voreinstellung) oder Deep.

Kernpunkt von Code Review	Von Anthropic veröffentlichte Details
Dauer eines Reviews	Etwa 6 bis 10 Minuten, gegenüber rund zwanzig während der Preview
Abrechnung der Reviews	Verbrauchte Tokens, abgezogen vom Nutzungsguthaben außerhalb der im Tarif enthaltenen Nutzung, mit einer monatlichen Obergrenze
Startguthaben	Mindestens 10 000 Dollar für berechtigte Enterprise-Organisationen, bis zum 15. Januar 2027 zu beantragen, 30 Tage gültig
Derzeitige Ausschlüsse	Zero Data Retention, HIPAA-Konfiguration und vorerst kundenseitig verwaltete Schlüssel (CMEK)

Das Prinzip bleibt gleich: Die Befunde erscheinen als nach Schweregrad geordnete Inline-Kommentare, zusammen mit einem Check Run, der niemals fehlschlägt. Ein Review genehmigt oder blockiert keinen Pull Request; die Entscheidung über den Merge bleibt beim Team.

🔗 Code Review ist jetzt allgemein verfügbar (Claude) · Dokumentation zu Code Review

Delta 0.20: Sub-Agenten werden zu steuerbaren Unterthreads, Agenten erhalten Zugriff auf MCP-Server

14. Oktober — Delta, die Mehrbenutzer-Programmierumgebung der Zed-Entwickler, erscheint in Version 0.20 (18 Neuerungen, 14 Verbesserungen und 29 Fehlerbehebungen, gefolgt von einer Fehlerbehebung in 0.20.1 am selben Tag). Sub-Agenten werden zu gewöhnlichen Unterthreads, die man einsehen, neu ausrichten und selbst fortsetzen kann; außerdem lassen sich Unterthreads nun verschachteln. Die Einstellung Enable Sub-agents heißt jetzt Delegation und bietet drei Optionen (Off, Only When Asked, Max). Agenten erhalten Zugriff auf MCP-Server, die unter Settings → MCP verbunden werden können. Ein aus einem Unterthread gestartetes Review oder Land umfasst auch die von übergeordneten Threads übernommenen Änderungen. Die Version ergänzt Gemini 4 Argon mit eigenem Google-Schlüssel, einen Befehl /create-skill und delta org-Befehle zur Verwaltung einer Organisation über das Terminal.

Am 15. Oktober erläutert ein auf einem Vortrag von Conrad Irwin beruhender Beitrag DeltaDB, die Kollaborationsschicht, die jeden Tastendruck an den Server und die Mitwirkenden übermittelt: CRDTs nach dem Vorbild von diamond-types, wobei jede Änderung an einer Git-Version oder an früheren Änderungen verankert wird. Da für jedes Zeichen bekannt ist, durch welche Änderung es entstanden ist, kann Delta ihm den Autor, den Agenten und sogar den Prompt zuordnen.

🔗 Versionshinweise zu Delta · DeltaDB: Die Zukunft der Versionskontrolle

Antigravity CLI 1.3.6: Claude 5.5 über Google-Cloud-Anmeldedaten, nach dem Auto-Modus und /compact in 1.3.5

14. Oktober — Die Antigravity CLI, das Agententool für die Kommandozeile, das Google als Nachfolger von Gemini CLI vorstellt, veröffentlicht eine Version nach der anderen: Seit 1.3.1, die hier am 8. Oktober behandelt wurde, sind fünf weitere erschienen. Version 1.3.6 ergänzt Claude Opus 5.5 und Claude Sonnet 5.5 für Nutzer, die mit den Standardanmeldedaten von Google Cloud (Application Default Credentials, AGY_ADC_AUTH) angemeldet sind: Die Claude-Modelle erscheinen in /model nur, wenn das Google-Cloud-Projekt Zugriff darauf hat. Außerdem beendet sie endlose Hänger: Wenn 5 Minuten lang keine Daten vom Modell eintreffen, wird die Anfrage abgebrochen und automatisch neu gestartet.

Die auffälligste Neuerung stammt aus 1.3.5: ein Auto-Modus, der Dateiänderungen und als sicher eingestufte Befehle selbstständig genehmigt, vor einer irreversiblen Aktion aber weiterhin nachfragt. Befehle, die die Sandbox des Terminals verlassen würden, werden zunächst von einem separaten Agenten geprüft. Version 1.3.6 beschleunigt diese Prüfung, lässt die Formatierungs- und Lint-Befehle des Projekts passieren und blockiert Befehle, die sensible Daten versenden würden. Der Modus lässt sich mit --mode auto, über /config oder mit Umschalt+Tab unter Linux und macOS aktivieren (Windows folgt später). Version 1.3.5 ergänzt außerdem /compact, das die Konversation auf Wunsch zusammenfasst, um Platz im Kontextfenster freizugeben.

Version der Antigravity CLI	Datum des Changelogs	Verbesserungen und Fehlerbehebungen	Wichtigster Punkt der Version
1.3.6	14. Oktober	3 + 10	Claude Opus 5.5 und Sonnet 5.5 über ADC, Neustart nach 5 Minuten Stillstand
1.3.5	13. Oktober	5 + 1	Auto-Modus, `/compact`, Hervorhebung und Einklappen in `/diff`
1.3.4	12. Oktober	4 + 10	`agy plugin list --json`, Modellauswahl ohne `--effort`
1.3.3	9. Oktober	6 + 15	MCP-Tools stets geladen, verstärkte Sandbox
1.3.2	7. Oktober	6 + 4	`/plugin` und offizieller Plugin-Marktplatz

🔗 Changelog von Antigravity

Codex bei OpenAI: Das Team Core Experimentation führt mit GPT-6 Astra und GPT-6.1 Sol mehr als 1 400 Wartungs-PRs zusammen

14. Oktober — Im Blog OpenAI Developers berichtet ein Ingenieur des Teams Core Experimentation, das die unternehmensweit genutzte Experimentiersoftware wartet, wie die GPT-6-Modelle in Codex die Wartung seiner Repositories übernommen haben. Ausgangspunkt war ein kurzer, bewusst vager Prompt mit der Aufforderung, toten Code aufzuspüren und zu entfernen. GPT-5.6 Sol führte die Aufgabe nicht zu Ende. GPT-6 Astra zog alte PRs, Slack-Threads, interne Tracking-Tools und Profiling-Tabellen aus dem Produktionsbetrieb heran und begründete anschließend jede Löschung. Fünf Ingenieure entwickelten daraufhin zwei Wochen lang neben ihren anderen Aufgaben Varianten dieses Prompts: mehr als 1 400 zusammengeführte Pull Requests, mehr als 800 000 entfernte Zeilen und das Container-Image eines Dienstes von 3,31 auf 1,72 Go verkleinert (-48 %).

Modell und Reasoning-Aufwand	API-Kosten der Aufgabe	Übernommene Befunde	Kosten pro Befund
GPT-6 Astra Ultra	109,06 Dollar	142	0,77 Dollar
GPT-6.1 Sol Ultra	15,12 Dollar	131	0,12 Dollar
GPT-6.1 Sol Medium	5,27 Dollar	86	0,06 Dollar

Bei derselben Bereinigungsaufgabe in mehr als 6 000 Dateien und 1 Million Zeilen Python, TypeScript, Go und Rust findet GPT-6.1 Sol mit dem Aufwand Ultra somit 92 % der Befunde von GPT-6 Astra Ultra zu 14 % der API-Kosten. Der Unterschied liegt vor allem bei konstanten Feature Flags (feature flags), die als Abhängigkeiten anderer Flags verwendet werden: Astra erkennt sie, Sol übersieht sie. Rund dreißig Optimierungs-PRs senkten außerdem die mediane CI-Laufzeit von etwa 10 auf 4,5 Minuten. Der Autor räumt ein, dass manche Vorschläge mehr Komplexität hinzufügten, als sie Nutzen brachten, und empfiehlt, klein anzufangen.

🔗 Softwarewartung mit der GPT-6-Familie (OpenAI Developers)

MX Keypad: GitHub und Logitech steuern die GitHub-Copilot-App über ein programmierbares Tastenfeld

15. Oktober — In einem Beitrag über „Ambient Intelligence“ stellt Martin Woodward, VP of Developer Relations bei GitHub, das Ergebnis von 18 Monaten Zusammenarbeit mit Logitech vor: Das MX Keypad, ein programmierbares Tastenfeld, lässt sich in die GitHub-Copilot-App integrieren. Eine Taste kann einen parametrisierten Prompt absenden, eine Copilot-Sitzung öffnen oder fortsetzen, einen IDE-Befehl aufrufen oder eine mehrstufige Sequenz starten. Der Beitrag ordnet das Gerät in eine Vision mit drei Ebenen ein: Die Modalität (Text, Sprache, physische Bedienelemente) erfasst die Absicht, der Harness plant und handelt, die Kontrollebene ermöglicht dem Entwickler, Vorgänge zu prüfen, neu auszurichten und zu genehmigen. Der Autor bleibt zurückhaltend: Die Nutzungserfahrung stehe „noch am Anfang“ (noch am Anfang), und nicht alle Entwickler bräuchten ein weiteres Gerät. Über einen Link lässt sich das MX Keypad mit drei kostenlosen Monaten GitHub Copilot Pro+ ausprobieren; einen Preis oder ein Verfügbarkeitsdatum nennt der Beitrag nicht.

🔗 Die nächste Entwicklerschnittstelle ist Ambient Intelligence (GitHub Blog)

Modellsicherheit: METR erhält bei Anthropic Mitarbeiterzugang, IPI Black setzt 300 000 Dollar gegen Prompt Injection aus

Zwei Initiativen vom selben Tag lassen die Sicherheit von Modellen durch Dritte auf die Probe stellen: ein bei Anthropic angesiedeltes Team unabhängiger Evaluatoren und ein öffentlicher Wettbewerb für Angriffe auf Agenten.

METR erhält bei Anthropic einen mit Mitarbeitern vergleichbaren Zugang

15. Oktober — Anthropic hat begonnen, ein Team von METR, der gemeinnützigen Organisation zur Bewertung führender KI-Modelle, mit einem „mit Mitarbeitern vergleichbaren Zugang“ (mitarbeiterähnlicher Zugang) aufzunehmen. Sechs Personen von METR erhalten Unternehmenshardware, Büroräume und Zugriff auf interne Tools und Systeme, der ungefähr dem der Risikobewertungsteams von Anthropic entspricht. Ausgenommen bleiben lediglich Kundendaten, Informationen, die dem anwaltlichen Berufsgeheimnis unterliegen, und die Modellarchitekturen. METR wird seine Risikoanalysen veröffentlichen, und Anthropic kann dem nicht widersprechen: Das Unternehmen darf nur die Schwärzung von Informationen aus eng gefassten, im Voraus festgelegten Kategorien verlangen. METR bleibt es freigestellt, öffentlich zu erklären, ob diese Schwärzungen aus seiner Sicht gerechtfertigt sind.

Zugangsstufe der Evaluatoren	Informationszugang	Veröffentlichungsrecht	Von Anthropic genannter Evaluator
Stufe 1	Gezielte Untersuchungen, Zugang nach Entscheidung von Anthropic	Mit Genehmigung von Anthropic	SecureBio
Stufe 2	Mehr Informationen	Ohne Genehmigung, Schwärzung bestimmter Kategorien möglich	Keiner genannt
Stufe 3	Mit Mitarbeitern vergleichbar	Wie bei Stufe 2	METR

Anthropic bereitet außerdem eine Partnerschaft mit Accenture und Faculty vor (Modellevaluierung und Red-Teaming, Alignment-Evaluierungen, Tests der Schutzmechanismen) und führt erste Gespräche mit weiteren Organisationen, darunter Hugging Face. Das Unternehmen vergleicht dieses Verfahren mit der Bankenaufsicht, bei der dauerhaft vor Ort tätige Prüfer in den größten Banken arbeiten, und sieht es als Fortsetzung seiner Unterzeichnung des White House Accord on Super Intelligence. Mit diesem Abkommen verpflichten sich Unternehmen zur Zusammenarbeit mit unabhängigen externen Evaluatoren.

🔗 Neuigkeiten zu unabhängigen Evaluatoren (Anthropic)

IPI Black: Gray Swan startet einen mit 300 000 Dollar dotierten Wettbewerb für indirekte Prompt Injection

15. Oktober — Gray Swan startet IPI Black (Indirect Prompt Injection: Black), einen öffentlichen Wettbewerb für indirekte Prompt Injection mit einem Preisgeld von 300 000 Dollar, unterstützt von Anthropic, Meta, Google DeepMind, Reflection AI, OpenAI, Amazon, Thinking Machines und dem AI Security Institute. Die Teilnehmer benötigen keine Vorkenntnisse und greifen Agenten in simulierten Umgebungen mit realistischen Tools (Gmail, Slack, GitHub, X) an. Beispielsweise sollen sie den Schreibagenten eines Social-Media-Verantwortlichen dazu bringen, schädliche Inhalte auf den offiziellen Konten seines Unternehmens zu veröffentlichen. Im White-Box-Modus sieht man die Antworten des Agenten und verfeinert seinen Angriff; im Black-Box-Modus sendet man seine Payload, ohne etwas zu sehen.

Der Wettbewerb findet in drei jeweils einwöchigen Wellen statt, die am 15., 22. und 29. Oktober beginnen. Jede hat eigene Ranglisten, auf die sich 100 000 Dollar für White-Box- und Black-Box-Angriffe verteilen. Die erste Welle bietet zehn Szenarien, sechs im White-Box- und vier im Black-Box-Modus: von der Offenlegung einer Kennung in einem GitHub-Issue-Kommentar bis zu einer gefälschten Whistleblower-Meldung. Die gesammelten Angriffe fließen in den Benchmark ein, mit dem die Partnerlabore die Robustheit ihrer Modelle messen. Boris Cherny, der Entwickler von Claude Code, hat den Wettbewerb geteilt: Seiner Ansicht nach haben die Claude-Modelle in den letzten Jahren beim Schutz vor Prompt Injection große Fortschritte gemacht. Da Agenten immer mehr Aufgaben übernehmen, werde es jedoch dringend nötig, das Problem branchenweit zu lösen.

🔗 Der Thread von Gray Swan · Die Wettbewerbsseite · Der Beitrag von Boris Cherny

Neue Modelle: Timestral für Zeitreihen, Step 5 Preview von StepFun, Apertus 1.5 und Jev 1.14

Vier Veröffentlichungen unterschiedlicher Art: eine Familie von Prognosemodellen bei Mistral, ein großes offenes MoE bei StepFun, vollständig offene Modelle aus der Schweiz und ein Entscheidungsmodell bei TypeSafe.

Timestral: Mistral veröffentlicht seine erste Familie von Foundation Models für Zeitreihen

15. Oktober — Mistral veröffentlicht Timestral, seine erste Familie von Foundation Models für Zeitreihen (time-series foundation models), in vier Größen mit derselben Architektur und demselben Trainingsverfahren: 5M, 28M, 123M und 209M Parameter. Die Modelle erstellen probabilistische (21 Quantile) und multivariate Prognosen, berücksichtigen Kovariablen, die nur aus der Vergangenheit bekannt sind oder bereits im Voraus vorliegen (Produktionskalender, geplante Stillstände, Wettervorhersagen), einschließlich kategorialer Variablen wie dem Zustand einer Maschine, und verarbeiten historische Daten von bis zu 32 768 Zeitschritten.

Benchmark und Metrik (niedriger = besser)	Timestral-209M	t0-gamma	TimesFM-3	Chronos-2
GIFT-Eval, MASE	0,658	0,661	0,667	0,698
GIFT-Eval, CRPS	0,446	0,452	0,456	0,485
TIME, MASE	0,626	0,637	0,640	0,662
TIME, CRPS	0,522	0,534	0,536	0,556

Laut Mistral belegt das 209M bei GIFT-Eval, TIME und fev-bench unter den ohne Anpassung eingesetzten vortrainierten Modellen (zero-shot) den ersten Platz, mit einem einzigen Checkpoint und ohne Ensemble, und übertrifft den bisherigen Stand der Technik mit zwei Dritteln von dessen Parameterzahl; die Abstände an der Spitze bleiben gering, und bereits das kleine 28M schlägt das etwa viermal größere Chronos-2 bei GIFT-Eval und TIME. Timestral benötigt keine GPU: Auf einem Serverprozessor mit 8 Threads dauert die Vorhersage eines Tages anhand von drei Wochen historischer Daten in 15-Minuten-Schritten mit dem 5M 10 ms und mit dem 209M 140 ms. Die Gewichte stehen auf Hugging Face unter einer „modifizierten MIT-Lizenz“, die Unternehmen mit mehr als 20 Millionen Dollar konsolidiertem Monatsumsatz ausschließt, der Code auf GitHub unter Apache-2.0, und die Dokumentation bezeichnet Timestral 1.0 als öffentliche Vorabversion; Mistral Forge ermöglicht das Fine-Tuning mit proprietären Daten sowie einen Betrieb ohne Netzwerkverbindung.

🔗 Vorstellung von Timestral (Mistral) · Timestral-209M auf Hugging Face

Step 5 Preview: StepFun veröffentlicht ein offenes MoE mit 600 Milliarden Parametern für Agentenaufgaben von bis zu 24 Stunden, laut NVIDIA

15. Oktober — NVIDIA begrüßt die Veröffentlichung von Step 5 Preview, das sein Account @NVIDIAAI als StepFuns bisher größte Veröffentlichung mit offenen Gewichten vorstellt: ein Mixture of Experts mit 600 Milliarden Parametern, ausgelegt auf Agentenaufgaben, die bis zu 24 Stunden dauern können. NVIDIA nennt knapp 8 000 Tokens pro Sekunde und GPU auf GB300 in NVFP4, mit einem auf Hugging Face veröffentlichten NVFP4-Checkpoint, Bereitstellungsanleitungen für SGLang und vLLM, Post-Training mit NeMo AutoModel und einem NIM, das sich mit einem einzigen Befehl starten lässt. NVIDIAs Beitrag nennt weder einen Benchmark noch eine Lizenz.

🔗 Der Beitrag von @NVIDIAAI

Apertus 1.5: Swiss AI stellt vollständig offene 8B- und 70B-Modelle mit Bild, Audio und 262 144 Tokens Kontext vor

15. Oktober — Die Schweizer Initiative Swiss AI veröffentlicht die Versionshinweise und den technischen Bericht zu Apertus 1.5, ihrer Familie vollständig offener Modelle. Die 8B- und 70B-Gewichte waren bereits seit dem 24. Juli unter Apache 2.0 online; mit dem Bericht werden auch die Zwischen-Checkpoints (Base, SFT, RLVR, DPO), die Datenmischungen und die Evaluationsberichte veröffentlicht, damit andere Forschende die Auswirkungen jeder Trainingsphase untersuchen können.

Apertus-1.5-Modell	Zusätzlich vortrainierte Tokens	Tokens insgesamt
8B	4 000 Milliarden	19 000 Milliarden
70B	2 000 Milliarden	17 000 Milliarden

Bild und Audio werden über den Tokenizer verarbeitet, ohne separaten Encoder: Ein Bild mit 512 × 512 Pixeln wird zu 1 024 Tokens, eine Sekunde Audio zu 40 Tokens, sodass das Training genauso schnell läuft wie bei reinem Text; die Modelle verstehen Bild und Audio, erzeugen aber nur Text, und Audio bleibt experimentell. Außerdem erhalten sie einen optionalen Denkmodus und einen viermal so langen Kontext von 262 144 Tokens. Die Autoren räumen ein, weiterhin hinter den besten offenen Modellen zu liegen, sehen das 8B aber beim Befolgen von Anweisungen und bei der Mehrsprachigkeit vor anderen Modellen seiner Größe, ohne im Beitrag konkrete Werte zu nennen. Die Ergebnisse werden im Format Every Eval Ever veröffentlicht, das auf die Einhaltung des europäischen AI Act ausgelegt ist.

🔗 Versionshinweise zu Apertus 1.5 (Hugging Face)

Jev 1.14: TypeSafe stellt Bilder, Box-Fragen und einen viermal so langen Kontext als Vorabversion bereit

14. Oktober — TypeSafe kündigt Jev 1.14 an, eine neue Version seines Entscheidungsmodells, die ohne Zahlenbelege als „neu und verbessert“ vorgestellt wird. Sie bringt drei experimentelle Funktionen mit: Bilder, die sich überall dort einfügen lassen, wo bisher Text stand, und auch für das aktuelle Jev verfügbar werden; einen neuen System-One-Fragetyp namens Box, der den Begrenzungsrahmen eines Objekts in einem Bild als vier Ränder zurückgibt, ausgedrückt als Bruchteile der Bildbreite und -höhe; und einen viermal so langen Kontext, wobei TypeSafe weiterhin empfiehlt, ihn zu begrenzen. Diese Funktionen bleiben in der Vorabversion, sind laut TypeSafe noch nicht produktionsreif und werden mit dem Header TypeSafe-Danger-Zone-Images: true aktiviert; Box-Fragen erfordern Jev 1.14, das mit jev-preview oder jev-1.14.0 aufgerufen wird. Zed begrüßte die Veröffentlichung und zitierte Wes Bos, der die Kosten einer Frage zu einem Bild mit 850 × 850 Pixeln auf 0,000096936 Dollar beziffert, also etwa 10 000 Bilder für einen Dollar: eine Berechnung von Wes Bos, kein von TypeSafe veröffentlichter Preis.

🔗 Die Ankündigung von TypeSafe · Die Dokumentation zu Box

KI für die Wissenschaft: CERN und Mistral streben ein Large Physics Model an, Sakana AI stellt The Agentic Scientist vor, OpenAI finanziert Mathematiker

Drei Wege, KI für die Forschung einzusetzen: ein Foundation Model für die Collider-Physik, angeleitete Coding-Agenten für Forschungsarbeiten von Anfang bis Ende und Fördermittel, damit Mathematiker die von KI erzeugten Ergebnisse überprüfen.

CERN und Mistral entwickeln gemeinsam ein Large Physics Model

15. Oktober — CERN und Mistral haben eine Absichtserklärung (statement of intent) für eine langfristige strategische Partnerschaft zu Foundation Models für wissenschaftliche Entdeckungen unterzeichnet. Im Mittelpunkt des Projekts steht ein einziges vortrainiertes Large Physics Model, das CERN als erstes Foundation Model für die Collider-Physik vorstellt und das mit Milliarden simulierter Proton-Proton-Kollisionen am Large Hadron Collider (LHC) trainiert wird. Es soll mehrere Aufgaben gleichzeitig erfüllen: Kollisionen rekonstruieren, Teilchen identifizieren, unerwartete Signale erkennen und künftige Detektordesigns bewerten, während die Analyse heute eine Kette spezialisierter Algorithmen durchläuft. CERN hat bereits rund ein Exabyte (eine Million Terabyte) experimenteller LHC-Daten gespeichert, und die Zahl der Kollisionen soll sich mit dem für etwa 2030 erwarteten High-Luminosity LHC (HL-LHC) verzehnfachen. Die Mitteilung zitiert Enrica Porcari, Chief Information Officer des CERN, und Johannes Brandstetter, Vice-President of AI for Engineering bei Mistral, nennt aber weder einen Betrag noch einen Zeitplan oder Rechenressourcen.

🔗 Die Mitteilung des CERN · Der Thread von @MistralAI

The Agentic Scientist: Sakana AI leitet Coding-Agenten an, um Forschungsarbeiten von Anfang bis Ende durchzuführen

15. Oktober — Sakana AI stellt The Agentic Scientist vor, die neue Generation seines AI Scientist, jenes Projekts, das seit 2024 untersucht, wie weit eine KI eigenständig forschen kann. Ausgangspunkt ist eine Beobachtung:

Coding agents such as Codex and Claude Code now carry out long software tasks on their own. Handing them a research problem, however, tends to produce a strong hyperparameter optimizer rather than a scientist: scores go up, but ideas stay narrow, and the reasons for the gain are rarely examined.

🇩🇪 Coding-Agenten wie Codex und Claude Code erledigen inzwischen eigenständig langwierige Softwareaufgaben. Ihnen ein Forschungsproblem anzuvertrauen, bringt jedoch eher einen hervorragenden Hyperparameter-Optimierer als einen Wissenschaftler hervor: Die Werte steigen, doch die Ideen bleiben eng begrenzt, und die Gründe für die Verbesserung werden selten untersucht. — @SakanaAILabs auf X

Die Antwort ist ein Gerüst um bestehende Coding-Agenten (Codex, Claude Code, OpenCode, Pi): Parallel arbeitende Agenten testen Hypothesen anhand von Bewertungsrastern, die vor jedem Experiment festgelegt werden, teilen ihre Erfolge und Misserfolge in einem gemeinsamen Gedächtnis, und anschließend führt das System Baselines, Ablationen, eine versiegelte Abschlussevaluation und Analysen bis hin zur Ausarbeitung des Artikels durch. Sakana AI hat es bei 5 Themen mit 9 Modellen (4 GPT, 4 Claude, 1 DeepSeek) und 4 Harnesses evaluiert, also mit 14 Modell-Harness-Kombinationen und 70 Forschungskampagnen: Neuere Modelle erzeugen bessere Artikel, und die Wahl des Harness ist weniger entscheidend als die des Modells. Eine Entwicklungsversion hat gemeinsam mit Forschenden einen Artikel über Error Diffusion verfasst, eine biologisch inspirierte Lernregel, der für einen Vortrag auf der ALIFE 2026 angenommen wurde; beim Abrufen von Fakten aus langen Dokumenten (Doc-to-LoRA) steigert das System die Genauigkeit von 52 % auf 98 %, ohne das Modell erneut zu trainieren. Der Code ist unter Apache 2.0 offen verfügbar; Sakana AI weist darauf hin, dass Menschen weiterhin die Fragen auswählen und die Aussagen überprüfen müssen und dass die Agenten mit sämtlichen Berechtigungen laufen, weshalb Docker empfohlen wird.

🔗 Der Beitrag von Sakana AI · Der Artikel auf arXiv · Das Repository AI-Scientist-v3

OpenAI zahlt 5 Millionen Dollar an eine Initiative der Simons Foundation für Mathematiker

15. Oktober — OpenAI kündigt einen Beitrag von 5 Millionen Dollar zu einer neuen Initiative der Simons Foundation an, die Mathematikern helfen soll, KI-generierte Ergebnisse zu prüfen, zu verstehen und weiterzuentwickeln, einschließlich der kürzlich von OpenAI veröffentlichten Ergebnisse. Am 6. Oktober hatte das Unternehmen 722 Manuskripte mit mathematischen Ergebnissen eines unveröffentlichten internen Modells veröffentlicht und dabei darauf hingewiesen, dass einige nicht formalisierte Ergebnisse Fehler enthalten könnten. Die Mittel werden von der Stiftung verwaltet und vergeben und sollen Workshops, Konferenzen und Sonderprogramme finanzieren; außerdem stellt OpenAI den von der Simons Foundation geförderten Forschenden Zugang zu seinen Modellen und Rechenressourcen zur Verfügung. Der Beitrag zitiert eine Mitteilung der Simons Foundation, die insgesamt 15 Millionen Dollar für Workshops und Initiativen bereitstellt und den von ihr geförderten Forschenden im Rahmen neuer Partnerschaften mit Anthropic und OpenAI kostenlose Rechenressourcen anbietet. Die Ankündigung erfolgte in einem einfachen Beitrag auf X und nennt weder den Namen der Initiative noch ihren Zeitplan.

🔗 Die Ankündigung von OpenAI · Die 722 Manuskripte vom 6. Oktober (OpenAI)

Claude Opus 5.5: Der Schnellmodus verlässt die Research Preview, für 8 und 40 Dollar pro Million Tokens

15. Oktober — Der Schnellmodus (fast mode) von Claude Opus 5.5 verlässt auf Claude Platform die Research Preview, ohne Warteliste. Es handelt sich um dasselbe Modell mit denselben Gewichten, das mit bis zu 2,5-mal so vielen Ausgabe-Tokens pro Sekunde bereitgestellt und zum doppelten Standardtarif von Opus 5.5 abgerechnet wird. Anfragen benötigen den Beta-Header fast-mode-2026-02-01 nicht mehr (Anfragen, die ihn weiterhin senden, werden weiterhin akzeptiert), und jede Nutzungsstufe verfügt nun über ein standardmäßiges Rate Limit für diesen Modus, das vom Rate Limit für Opus bei Standardgeschwindigkeit getrennt ist.

Claude-Modell im Schnellmodus	Status am 15. Oktober	Preis pro Million Tokens (Eingabe / Ausgabe)
Opus 5.5	Verfügbar, ohne Warteliste oder Beta-Header	8 / 40 Dollar (4 / 20 bei Standardgeschwindigkeit)
Opus 5	Research Preview, Beta-Header erforderlich	10 / 50 Dollar
Opus 4.8	Research Preview, Beta-Header erforderlich	10 / 50 Dollar

Die Verbesserung betrifft den Ausgabedurchsatz, nicht die Zeit bis zum ersten Token, und ein Geschwindigkeitswechsel macht den Prompt-Cache ungültig; mit der Batch API bleibt der Modus nicht verfügbar. Er wird auch in Microsoft Foundry für auf Azure gehostete Bereitstellungen angeboten, was inzwischen die Dokumentation bestätigt; Google Cloud soll laut @ClaudeDevs folgen, während der Modus auf Amazon Bedrock und Claude Platform on AWS weiterhin nicht verfügbar ist. In Claude Code ändert sich nichts: Der Schnellmodus verbraucht weiterhin zusätzliches Nutzungsguthaben.

🔗 Ankündigung von @ClaudeDevs · Dokumentation des Schnellmodus

Hugging-Face-Bibliotheken: Transformers 5.20.0 und TRL 1.16.0 integrieren Muse Spark Open

Die beiden führenden Bibliotheken von Hugging Face erscheinen am Tag der Veröffentlichung von Muse Spark Open und unterstützen es, jeweils mit eigenen Neuerungen.

Transformers 5.20.0: Sieben neue Modelle und Quantisierung beim Export

15. Oktober — Hugging Face veröffentlicht Transformers 5.20.0, eine Version, die von der Einführung von Muse Spark Open geprägt ist und das Modell bereits am Tag seiner Veröffentlichung unterstützt. Sechs weitere Modelle werden in die Bibliothek aufgenommen.

Zu Transformers hinzugefügtes Modell	Herausgeber des Modells	Technische Besonderheit
Muse Spark Open	Meta	Multimodales MoE, 816 Milliarden Parameter, davon 42 Milliarden aktiv
Ling 3.0 Flash	InclusionAI	Hybrides MoE, fünf Kimi-Delta-Attention-Schichten pro MLA-Schicht
Kolibri 1	Aleph Alpha	Deutsch-englisches Reasoning-MoE, 6 von 384 Experten pro Token
MiniCPM-V 4.7	OpenBMB	M-RoPE-Canvas-Positionen für Bilder und Videos
UnlimitedOcr	Baidu	OCR mit 3 Milliarden Parametern, konstanter KV-Cache
UltraBERT	DMIS Lab	Encoder mit 150M und 380M Parametern, Kontext von 32K Tokens
MOSS-Transcribe-Diarize	OpenMOSS	0,9 Milliarden Parameter, Transkription und Diarisierung in mehr als 50 Sprachen

Bei den Werkzeugen können die Exporter nun während des Exports nach ONNX, OpenVINO oder ExecuTorch quantisieren, und Checkpoints aus FSDP-Trainings in Kombination mit Tensorparallelismus lassen sich in einer anderen Konfiguration neu laden. Hugging Face warnt allerdings vor einer derzeit in Behebung befindlichen Geschwindigkeitsregression bei der Inferenz mit Expertenparallelismus sowie vor mehreren Breaking Changes, darunter der Entfernung veralteter Cache-Methoden.

🔗 Versionshinweise zu Transformers 5.20.0

TRL 1.16.0: Training auf AWS Trainium und bis zu 3,1-mal schnelleres AsyncGRPO

15. Oktober — TRL 1.16.0 öffnet die Trainingsbibliothek von Hugging Face für die Trainium-Chips von AWS: Eine neue Standardeinstellung verhindert, dass Trainium bei jeder neuen Sequenzlänge neu kompiliert. Dadurch halbiert sich die Dauer eines kleinen Testtrainings: 20 SFT-Schritte mit Qwen3-0.6B auf Trainium2 dauern 130 statt 260 Sekunden. Die andere Neuerung betrifft das Reinforcement Learning von Agenten: In generierten Trajektorien (Rollouts) mit mehreren Gesprächsrunden oder Generierungen wiederholt sich derselbe Gesprächsanfang von Zeile zu Zeile. AsyncGRPO organisiert ihn nun in einem Präfixbaum, um ihn nur einmal zu berechnen. Bei Qwen3-1.7B mit 32K Tokens pro Trajektorie steigt die Geschwindigkeit um den Faktor 3,10, und der maximale Speicherbedarf sinkt von 35,2 auf 13,5 GiB; ohne gemeinsames Präfix beträgt der Mehraufwand etwa 1 %. Die Version unterstützt außerdem Muse Spark Open, das sich mit LoRA auf 64 H100-GPUs feintunen lässt (14,2 Sekunden pro Schritt, 40,2 GB pro GPU), sowie AMD-GPUs in den asynchronen Trainern.

🔗 Versionshinweise zu TRL 1.16.0

GPT-Live-1.1: neue Stimmen und natürlichere Akzente in ChatGPT, Codex und den dots

15. Oktober — OpenAI aktualisiert sein Sprachmodell. GPT-Live-1.1 und seine kleinere Variante GPT-Live-1.1 Quip, die als Mini-Version des Modells vorgestellt wird, werden im Sprachmodus von ChatGPT, Codex und den dots eingeführt. Die dots sind die am 29. September gestarteten dauerhaft aktiven Agenten. Die Modelle bieten natürlichere Akzente über verschiedene Sprachen hinweg. Das Modell variiert auch die kurzen Sätze stärker, die es beim Start einer Suche ausspricht: OpenAI fasst die Verbesserung mit „weniger checking…“ zusammen.

Sechs Sprachen erhalten neue Live-Stimmen: Französisch, Deutsch, Hindi, Japanisch, Koreanisch und mexikanisches Spanisch. Hinzu kommt eine englische Stimme namens Bubbie; die verfügbaren Stimmen können je nach Region und Konto variieren und lassen sich unter Settings > Voice auswählen. Das Update wird ab dem 15. Oktober für alle Nutzer ausgerollt und soll „bald“ in der API verfügbar sein, in der GPT-Live-1 seit dem 10. September für 0,05 Dollar pro Minute angeboten wird. OpenAI veröffentlicht weder Benchmarks noch Angaben zur Verteilung von GPT-Live-1.1 und Quip auf die Tarife.

🔗 Ankündigung von OpenAI · Versionshinweise zu ChatGPT

Universal Cart: Google startet in den USA einen gemeinsamen Warenkorb für Google Search und die Gemini-App

15. Oktober — Google führt Universal Cart in den USA ein. Dieser „intelligente“ Warenkorb, der im Mai auf der Google I/O erstmals vorgestellt wurde, wird sowohl in Google Search einschließlich AI Mode als auch in der Gemini-App ausgerollt: Ein auf einer dieser Oberflächen hinzugefügtes Produkt bleibt unabhängig vom Händler im selben Warenkorb. Der Blogbeitrag nennt als Beispiel eine in AI Mode hinzugefügte Tasche sowie einen Pullover und einen Lipgloss, die in der Gemini-App ergänzt werden und später gemeinsam im Warenkorb zu finden sind.

Funktion von Universal Cart	Nutzen laut Google
Händlerübergreifender Warenkorb	Ein gemeinsamer Warenkorb über verschiedene Google-Oberflächen hinweg
Preis- und Bestandsbenachrichtigungen	Preissenkungen und erneute Verfügbarkeit bei mehr als 60 Milliarden Produkteinträgen im Shopping Graph
Einbindung von Google Wallet	Vorteile hinterlegter Karten zur Auswahl der Zahlungsmethode, passende Gutscheincodes
Bezahlung der Einkäufe	Google Pay direkt aus dem Warenkorb (Universal Commerce Protocol) oder Weiterleitung zur Händlerwebsite

Die direkte Bezahlung funktioniert bei Nike, Sephora, Target, Ulta Beauty, Walmart, Wayfair und zahlreichen Shopify-Händlern; in allen Fällen bleibt der Händler der Verkäufer und kümmert sich um Bestätigungen und Kundenservice. Google zählt das Tool zu den Funktionen, bei denen Käufer die Kontrolle behalten, neben seinen Arbeiten an agentischen Fähigkeiten, die für sie handeln. Für andere Länder wird kein Termin genannt.

🔗 Universal Cart (Google-Blog)

Manus Automations: wiederkehrende Aufgaben nach Zeitplan oder per Trigger starten

15. Oktober — Manus startet Automations und versetzt damit wiederkehrende Arbeit „auf Autopilot“: Nutzer beschreiben, wann eine Aufgabe beginnen und wie das Ergebnis aussehen soll. Es gibt drei Startmöglichkeiten: einen Zeitplan, etwa jeden Werktag um 8 Uhr; einen Trigger aus einer verbundenen Anwendung, beispielsweise eine in Gmail eingehende Rechnung; und, als Beta, eine erweiterte Automatisierung, die mehrere vom Nutzer beschriebene Quellen und Bedingungen kombiniert. Die Funktion erweitert die Scheduled Tasks 2.0 vom Mai und die ereignisgesteuerten Automatisierungen, die am 28. September mit Manus 2.0 angekündigt wurden. Der Thread nennt weder den erforderlichen Tarif noch die Kosten in Credits.

🔗 Ankündigung von Manus

Kurzmeldungen

Agenten und Coding-Tools

Versionshinweise zu Devin vom 14. Oktober — Am Tag vor dem Start von Devin Oncall ergänzt Devin Splunk, Elastic, Dynatrace, Chronosphere und Google Cloud Monitoring als Observability-Plugins, eine Rolle namens Review manager zur Verwaltung von Review-Regeln ohne Administratorrechte sowie den Export von Code-Scan-Ergebnissen im Format SARIF 2.1.0 zusätzlich zu CSV. 🔗 Quelle
Warp und seine Softwarefabriken — In zwei Beiträgen zur Arbeitsmethodik ohne neue Funktion erklärt Warp-Gründer Zach Lloyd, die Kosten pro PR seines Teams innerhalb von sechs Wochen von 80 auf 20 Dollar gesenkt zu haben, bei weniger Rollbacks und einem gegenüber dem Vormonat um 40 % höheren PR-Durchsatz. 🔗 Quelle
Qwen Code v0.25.2 — Zwei Tage nach der Vorversion vom 13. Oktober erscheint die stabile Version mit 68 Pull Requests, die in der Vorversion fehlten. Dazu gehören 11 Funktionen (Drag-and-drop von Dateien in Web Shell, Prüfung von Nachrichten der MCP Apps vor dem Senden, Abbrechen von Workflow-Aufgaben und Persistenz in 32 Tabellen für den Managed Agent) sowie 38 Fehlerbehebungen. 🔗 Quelle
Copilot CLI 1.0.99 als Vorversion — Zwei Vorversionen an einem Tag, ohne stabile Version: Die Sandbox erlaubt standardmäßig den Zugriff auf das lokale Netzwerk, /share öffnet ein Vollbildmenü, Plugins aus vertrauenswürdigen Repositories werden automatisch installiert, und verifizierte Skills und Plugins lassen sich über einen GitHub-Link installieren. 🔗 Quelle
Antigravity SDK 0.1.22 — Ergänzt die Orchestrierung dynamischer Workflows und im Speicher definierte Skills: Als Nachtrag zum 11. Oktober bietet das Python-SDK in der Beta typisierte Bausteine (phase, agent, parallel, pipeline) zum Schreiben von Agenten-Workflows, ohne Datei deklarierte Skills (InlineSkill) und eine Obergrenze für Ausgabe-Tokens pro Schritt auch jenseits von 64k Tokens. 🔗 Quelle
google/adk-recipes — Als neu strukturierter Nachfolger von adk-samples richtet sich das Beispiel-Repository für Googles Agent Development Kit nun an Coding-Assistenten: Jedes Rezept enthält eine manifest.yaml und eine AGENTS.md, das erste branchenspezifische Plugin zielt auf den Einzelhandel ab, und Horizon dient als Referenz-Harness für Agenten, die über mehrere Tage arbeiten. 🔗 Quelle
DeepSeek Harness 0.2.1-alpha.4 — Die 28. Vorversion, weiterhin ohne stabile Version: Bei benutzerdefinierten APIs lässt sich der Reasoning-Aufwand direkt in der Oberfläche für jedes Modell einzeln einstellen, und Plugins können aus benutzerdefinierten Indizes installiert werden; am selben Tag wechselt FlashMLA zur stabilen Binärschnittstelle von CPython und LibTorch. 🔗 Quelle
Drei Modelle verlassen Copilot am 16. November — Claude Opus 4.8 und Claude Opus 5 sollen durch Claude Opus 5.5 ersetzt werden, GPT-5.6 Terra durch GPT-6.1 Sol oder GPT-6 Luna; Einzelabonnenten mit Jahrestarif behalten Claude Opus 4.8, und in Business und Enterprise werden die Ersatzmodelle automatisch aktiviert. 🔗 Quelle

Assistenten, Unternehmen und Leitfäden

Genspark in Messengern — Nutzer schreiben @genspark_ai in iMessage, WhatsApp, Slack oder LINE, um ein PDF zusammenfassen oder eine Präsentation erstellen zu lassen. Das Ergebnis erscheint in derselben Unterhaltung; Tarif und Preis werden nicht genannt. 🔗 Quelle
Kimi Work 3.2.17 und ein drittes Tutorial — Drei Tage nach Version 3.2.16 zeigen Unterhaltungen Bilder an, und per Fernsteuerung lässt sich der Modus Agent Swarm auswählen; Moonshot AI veröffentlicht außerdem ein drittes Einführungsvideo zur Automatisierung von Workflows, ohne eine Funktion als neu vorzustellen. 🔗 Versionshinweise · 🔗 Tutorial
Stipendien von Anthropic — Bewerbungen für die STEM Fellows und ein neues Stipendium, Conceptual Reasoning Fellows (Philosophie, Kognitionswissenschaften, Wirtschaftswissenschaften, öffentliche Politik, Recht), sind bis zum 28. Oktober möglich: vier Monate in Vollzeit vom 12. Januar bis zum 8. Mai 2027, vergütet mit 100 000 bis 167 000 Dollar; eine US-Arbeitserlaubnis ist erforderlich. 🔗 Quelle
Compliance API von Claude Enterprise — Die API liefert Administratoren in der Beta die persönlichen Anweisungen, die jedes Mitglied in claude.ai und in Cowork gespeichert hat; am Vortag wurden geplante Bereitstellungen von Managed Agents auf Claude Platform on AWS verfügbar. 🔗 Quelle
Block und OpenAI Daybreak — In einer OpenAI-Fallstudie vom 14. Oktober berichtet das Sicherheitsteam von Block (Square, Cash App, Afterpay), bei simulierten Angriffsübungen die Zeit von einer gemeldeten Schwachstelle bis zu einem vorgeschlagenen Fix auf 18 Minuten verkürzt und rund 600 Analystenstunden pro Quartal eingespart zu haben. 🔗 Quelle
AI for Educators auf brasilianischem Portugiesisch — Zum Tag der Lehrkräfte veröffentlicht OpenAI diese Version seines kostenlosen Kurses auf OpenAI Academy, der sich an Lehrkräfte von der Grundschule bis zur Hochschule richtet, und verweist auf den Study Mode von ChatGPT. 🔗 Quelle
Superwhisper Meetings — Superwhisper startet ein Tool zum Aufzeichnen von Meetings und Erstellen von Notizen, das es als erstes vollständig lokal arbeitendes Angebot dieser Art vorstellt, angetrieben von Tiny Aya und Cohere Transcribe; Preise und Plattformen werden nicht genannt. 🔗 Quelle
Drei Leitfäden von Cohere — Ohne neues Produkt oder neue Kennzahlen veröffentlicht Cohere Beiträge zum KI-Einsatz bei Energie- und Versorgungsunternehmen rund um North, zur wachsenden Zahl von Agenten in Unternehmen mit der Idee, einen neuen Agenten gegen den bereits eingesetzten antreten zu lassen, und zur Messung des Return on Investment. 🔗 Versorgungsunternehmen · 🔗 Agenten · 🔗 ROI
Perplexitys Leitfaden zur Forschung — Ein Leitfaden zeichnet 12 grundlegende KI-Veröffentlichungen und sechs neuere Arbeiten nach, vergleicht Tools zur unterstützten Recherche und schlägt ein Vorgehen in sieben Schritten vor; es gibt keine neue Funktion. 🔗 Quelle

Generative Medien

Suno — Zwei Funktionen zur Zusammenarbeit: gemeinsame Arbeitsbereiche mit Lese- oder Bearbeitungsrechten ausschließlich für eingeladene Personen (Pro und Premier) sowie benutzerdefinierte Modelle, die mit Mitwirkenden geteilt und mit doppelt so vielen Eingaben angepasst werden können (Premier). 🔗 Quelle
Eleven v4 im Blindtest — ElevenLabs erklärt, dass Zuhörer Eleven v4 in jedem der in acht Sprachen durchgeführten Blindtests als ausdrucksstärker als andere Sprachmodelle bewertet hätten, ohne im Text die Wettbewerber zu nennen oder Bewertungen anzugeben. 🔗 Quelle
Shot Coverage von Luma — Die Funktion erzeugt aus einer einzigen Videoeinstellung mehrere bewegte Kameraperspektiven, die sich beim Schnitt verwenden lassen; die Ankündigung nennt weder Modell noch Preis noch Starttermin. 🔗 Quelle
HeyGen und Jan Hotovec — HeyGen stellt Jan Hotovec vor, der mit Zerebralparese lebt und mit Fameplay und Nolimi einen Avatar mit seinem Aussehen und seiner Stimme erstellt hat, um sein Leben in eigenen Worten zu erzählen. 🔗 Quelle

Forschung, Rechenleistung und Infrastruktur

NVIDIA und die AI in Science Enablers Initiative — Beim AI in Science Summit in Dublin schließt sich NVIDIA der Initiative der Europäischen Kommission an und bringt offene Modelle, einen Hub mit frei verfügbaren Lehrmaterialien des Deep Learning Institute und Zugang zu Rechenleistung über nationale AI factories ein; ein Betrag wird nicht genannt. 🔗 Quelle
NVIDIA in den nordischen Ländern — Vor der GTC Berlin zieht NVIDIA Bilanz seines nordischen Ökosystems: der Supercomputer Sferical One (1 152 GB300-GPUs), 1 Gigawatt an geplanter KI-Cloud-Kapazität bis Ende 2027 und ein Stockholm AI Lab mit der Stiftung Norrsken im Jahr 2027; die Keynote der GTC Berlin ist für den 21. Oktober angesetzt. 🔗 Quelle
BERT-Tokenisierung 50-mal schneller — Simon Brandeis von Hugging Face erklärt, wie die künftige Version 1.0 von tokenizers den BERT-Tokenizer durch die gesonderte Verarbeitung von ASCII-Zeichen etwa 50-mal schneller macht als Version 0.23; die Änderungen befinden sich noch im Review. 🔗 Quelle

GitHub, abseits von KI

Ende der Push-E-Mails — GitHub versendet keine E-Mail-Benachrichtigungen mehr zu Push-Ereignissen in Repositories, die für Spam genutzt werden konnten, und verweist auf einen GitHub-Actions-Workflow mit eigenem SMTP-Server. 🔗 Quelle
Lizenzen für GitHub Code Quality — Ein CSV-Bericht listet in GitHub Team und Enterprise Cloud alle aktiven Committer, die eine Lizenz verbrauchen, sowie die über 90 Tage betroffenen Repositories auf, um Lizenzen zu erkennen, die freigegeben werden können. 🔗 Quelle

Was das bedeutet

Offene Modelle stoßen in neue Größenordnungen vor, und ihr Ökosystem zieht inzwischen vom ersten Tag an mit. Muse Spark Open startet mit sieben API-Anbietern, von Meta erzeugten NVFP4-Gewichten und sofortiger Unterstützung in Transformers, TRL, mlx-lm und Unsloth; Nemotron 3.5 Super VL veröffentlicht Gewichte, Daten und Trainingsrezepte; FLUX 3 Image Klein wird bereits am Veröffentlichungstag in Diffusers und ComfyUI integriert. Doch „offen“ steht für sehr unterschiedliche Bedingungen: Die Muse Model License schränkt die kommerzielle Nutzung ein, die FLUX Kommunity-Lizenz ist nur bei einem Jahresumsatz unter 5 Millionen Dollar kostenlos, und die Lizenz für die Gewichte von Timestral schließt Unternehmen mit einem Monatsumsatz von über 20 Millionen Dollar aus, während Apertus 1.5 seine Gewichte unter Apache 2.0 zusammen mit seinen Trainingsdaten veröffentlicht. Metas Superlativ erinnert schließlich daran, dass der Wettlauf auch zwischen Ländern stattfindet: Muse Spark Open präsentiert sich als bestes offenes US-Modell, doch GLM 5.3 und Kimi K3 liegen im Index von Artificial Analysis und bei Code-Aufgaben weiterhin vor ihm.

Die Cybersicherheit entwickelt sich zu einem Bereich, in dem IA Sicherheitslücken in großem Umfang findet und behebt. Cohere kauft mit AISLE ein Know-how ein, das nach eigenen Angaben zur Entdeckung von mehr als 500 bislang unbekannten Schwachstellen beigetragen hat. GitHub macht einen AI Scan für Sprachen allgemein verfügbar, die CodeQL nicht abdeckt, sowie einen autofix, der CodeQL erneut ausführt, um seinen eigenen Fix zu überprüfen. Block gibt an, bei simulierten Angriffsübungen die Zeit von einer Sicherheitslücke bis zu einem vorgeschlagenen Fix auf 18 Minuten zu verkürzen. Diese Werkzeuge bleiben unter menschlicher Kontrolle: Die Ergebnisse des AI Scan dienen als Hinweise, autofix öffnet einen Pull Request als Entwurf, und Code Review von Claude Code genehmigt oder blockiert keinen Merge. Die andere Seite ist die Isolation der Agenten selbst: Das inzwischen offene SPACE hält Zugangsdaten und ausgehenden Datenverkehr außerhalb der virtuellen Maschine, und IPI Black bezahlt Angreifer, um die Widerstandsfähigkeit der Agenten gegen indirekte Prompt Injection zu messen.

Vertrauen entsteht auch durch den Blick von außen. Indem Anthropic sechs Personen von METR einen mit dem eines Mitarbeiters vergleichbaren Zugang gewährt, ohne Vetorecht bei ihren Veröffentlichungen, geht das Unternehmen über punktuelle Audits hinaus und vergleicht das Verfahren mit den dauerhaft vor Ort eingesetzten Prüfern großer Banken. Derselbe Anspruch auf Überprüfung zieht sich durch die Forschung: Sakana AI legt die Bewertungsraster vor jedem Experiment fest, damit sich Coding-Agenten nicht darauf beschränken, einen Score zu optimieren. OpenAI finanziert über die Simons Foundation Mathematiker, die nach den 722 Manuskripten vom 6. Oktober die von IA erzeugten Ergebnisse prüfen sollen. CERN und Mistral formulieren das weitreichendste Ziel: ein Large Physics Model, das mit Milliarden simulierter Kollisionen trainiert wird, allerdings ohne Angaben zu Budget oder Zeitplan.

Bei den Werkzeugen wird die Abwägung zwischen Kosten, Geschwindigkeit und Qualität explizit. Bei OpenAI findet GPT-6.1 Sol auf der Effort-Stufe Ultra 92 % der Befunde von GPT-6 Astra Ultra zu 14 % der Kosten; der schnelle Modus von Opus 5.5 bietet den 2,5-fachen Durchsatz zum doppelten Preis; Code Review rechnet die verbrauchten Tokens bis zu einer monatlichen Obergrenze ab. Agenten übernehmen zunehmend auch unbeaufsichtigte Aufgaben: Devin Oncall übernimmt Bereitschaftsdienste, Claude Code 2.1.301 wartet nicht länger auf eine weit entfernte Nutzungsgrenze und protokolliert jede Entscheidung seines Klassifikators, und der Auto-Modus der Antigravity CLI überträgt einem separaten Agenten die Prüfung von Befehlen, die die Sandbox verlassen würden. Die Benchmarks können kaum mithalten: Auf SREGym-Lite erreichen Devin Oncall und CloudThinker mit GPT-6 Astra beide 100 %.