Claude Code v2.1.198 mit Chrome GA und automatischem PR-Draft, GitHub Models am 30. Juli entfernt, Devin Security Remediation-Programm

Die Version 2.1.198 von Claude Code erreicht einen Meilenstein mit der allgemeinen Verfügbarkeit von Claude in Chrome und der automatischen Erstellung von PR-Drafts durch Hintergrundagenten in Worktrees. GitHub bestätigt gleichzeitig die endgültige Schließung von GitHub Models am 30. Juli 2026 und positioniert Copilot als einzigen KI-Einstiegspunkt auf der Plattform. Der Tag wird ergänzt durch Cognitions Enterprise-Programm zur Behebung von Schwachstellen, den Benchmark ParallelKernelBench von Together AI für Multi-GPU-Kernel, eine SynthID-Bilanz von Google DeepMind mit bisher beispiellosen Kooperationen mit OpenAI, NVIDIA und Apple sowie mehrere GitHub-Copilot-Updates.

Claude Code v2.1.198 — Chrome GA und automatischer PR-Draft

1. Juli — Die Version 2.1.198 von Claude Code führt die Erweiterung Claude in Chrome in die allgemeine Verfügbarkeit (generally available) über, die es dem Agenten ermöglicht, direkt mit den in Chrome geöffneten Webseiten über die Claude-Code-Oberfläche zu interagieren. Die Erweiterung, die seit mehreren Wochen in Beta verfügbar ist, verlässt die experimentelle Phase.

Die zweite grundlegende Neuerung betrifft Hintergrundagenten: Solche, die von claude agents in einem worktree gestartet werden, erstellen nun automatisch einen Commit, pushen den Code und öffnen am Ende ihrer Arbeit einen PR draft, ohne zur Bestätigung zu unterbrechen. Diese Änderung reduziert manuelle Hin- und Her-Schritte in agentischen Entwicklungs-Workflows.

Funktionalität	Detail
Claude in Chrome GA	Die Chrome-Erweiterung wechselt von Beta zur allgemeinen Verfügbarkeit
Automatischer PR-Draft	Hintergrundagenten committen, pushen und eröffnen einen PR draft ohne manuelles Eingreifen
Skill `/dataviz`	Neuer Skill für das Design von Grafiken und Dashboards, mit ausführbarem Farbpaletten-Validator
AWS Gateway	`anthropicAws` (Claude Platform auf AWS) als Upstream-Anbieter hinzugefügt; Fehler „Modell nicht gefunden“ lösen automatisch die Failover-Kette aus
Explore erbt das Modell	Der integrierte Explore-Agent erbt das Sitzungsmodell (auf Opus begrenzt) statt auf Haiku zu laufen
Extended thinking geerbt	Subagenten und die Kontextkomprimierung erben die Konfiguration für erweitertes Denken (extended thinking) der Sitzung

Zu den bemerkenswerten Korrekturen gehören: vorübergehende Netzwerkfehler (ECONNRESET) lösen nun einen erneuten Versuch mit exponentiellem Warten (backoff) aus, statt den Durchlauf abzubrechen; das AWS/Mantle-STS-Token erneuert sich automatisch über awsAuthRefresh; die bedingten Regeln .claude/rules/ werden auch über symbolische Pfade (symlink) korrekt geladen. Die Version 2.1.199, die am 2. Juli auf npm veröffentlicht wurde, wird im npm-Register erwähnt, aber ihr Changelog wurde zum Zeitpunkt des Scans noch nicht aktualisiert.

🔗 Claude-Code-Changelog

GitHub Models am 30. Juli 2026 endgültig entfernt

1. Juli — GitHub bestätigt die endgültige Schließung von GitHub Models am 30. Juli 2026. Der Playground, der Modells-Katalog, die Inferenz-API und der BYOK-Modus (bring your own key) werden für alle Kunden entfernt — einschließlich bestehender aktiver Nutzer, die weiterhin auf den Dienst zugegriffen hatten.

Die Schließung für neue Kunden war bereits im Juni 2026 angekündigt worden. GitHub plant zwei Vorab-Brownouts am 16. Juli und 23. Juli, um den Übergang vorzubereiten. Nach dem 30. Juli wird jede Anfrage an die GitHub-Models-Inferenz-API einen Fehler zurückgeben.

Alternative	Anwendungsfall
Azure AI Foundry	Modellkatalog von Drittanbietern für Teams, die direkten Zugriff auf Modelle unabhängig von Copilot behalten möchten
GitHub Copilot	In GitHub integrierter Modellzugriff, automatische Auswahl pro Aufgabe, Abrechnung über KI-Credits

GitHub Models war als Testumgebung für KI-Modelle direkt aus der GitHub-Oberfläche gestartet worden. Seine Entfernung markiert eine strategische Neuausrichtung: GitHub bündelt den Modellzugang unter GitHub Copilot, das nun auch Open-Weight-Modelle integriert (Kimi K2.7 seit dem 1. Juli), eine automatische Auswahl nach Aufgabentyp und eine granulare Kontrolle der Credits.

Teams, die die GitHub-Models-Inferenz-API verwenden, müssen vor dem 30. Juli migrieren, andernfalls kommt es zu einer Dienstunterbrechung. Die Brownouts am 16. und 23. Juli ermöglichen es, die Belastbarkeit der Pipelines vor der endgültigen Schließung zu testen.

🔗 Changelog — GitHub Models entfernt

Devin Security Vulnerability Remediation Program

2. Juli — Cognition startet das Devin Security Vulnerability Remediation Program, ein sechs Wochen langes Enterprise-Begleitprogramm zur Beseitigung von Rückständen bei Anwendungs-Schwachstellen. Es stützt sich auf Devin Security Swarm (am Vortag angekündigt) als Motor für die kontinuierliche Erkennung von Schwachstellen.

Das Programm ruht auf zwei Säulen. Die erste zielt auf den Abbau des Backlogs: Devin nimmt die Berichte vorhandener Scanner auf (Snyk, SonarQube, Checkmarx, Semgrep, Wiz, Veracode), validiert die Schwachstellen und reicht PRs zur Korrektur ein. Die zweite Säule, die kontinuierliche Remediation, überlässt Devin Security Swarm die Erkennung der Schwachstellen, die statische Scan-Tools übersehen — Geschäftslogik, verkettete Authentifizierungs-Bypässe, Ausnutzungspfade über mehrere Services hinweg.

Woche	Aktivität
1-2	Inventur, Umfang, Devin-Konfiguration, Mapping der Workflows
3-4	Remediation im großen Maßstab für priorisierte Repositories
5-6	Auswertung der Ergebnisse, Planung der erweiterten Bereitstellung

Das Programm ist ausschließlich für Enterprise-Kunden reserviert, die Devin Cloud in großem Maßstab einsetzen. Berechtigte Teams können sich über ihren Cognition-Account-Manager anmelden.

🔗 Cognition — Devin Security Vulnerability Remediation Program

ParallelKernelBench — Frontier-LLMs schwächeln bei Multi-GPU-Kernels

2. Juli — Together AI veröffentlicht ParallelKernelBench, einen Open-Source-Benchmark mit 87 Problemen, die aus realen Codebases extrahiert wurden (Megatron-LM, DeepSpeed, TensorRT-LLM, NeMo-RL), um die Fähigkeit von LLMs zu bewerten, leistungsfähige Multi-GPU-CUDA-Kernels zu erzeugen — Tensor Parallel, Expert Parallel, FSDP/ZeRO, NVLink-Kommunikation. Die aktuellen Frontier-Modelle lösen weniger als ein Drittel der Aufgaben.

Modell	pass@3	fast1@3 (korrekt UND schneller als die Referenz)
GPT-5.5	36/87	27/87
Claude Opus 4.7	31/87	20/87
Gemini 3 Pro	30/87	19/87
DeepSeek V4 Pro	3/87	1/87

Der Hauptengpass ist die NVLink-Kommunikation und die fortgeschrittenen Mechanismen (TMA, NVLS), die in aktuellen Modellgenerationen praktisch fehlen. Im agentischen Modus (Gemini 3 Pro mit Terminalzugriff) steigt der Score auf 35/87 korrekt und 26 schneller als die PyTorch+NCCL-Referenz. Einige generierte Kernels übertreffen vorhandene öffentliche Implementierungen, darunter ein NeMo-Kernel (Gemini 3 Pro) ohne bekannte optimierte Entsprechung.

🔗 Together AI — ParallelKernelBench

SynthID: 100 Milliarden markierte Assets, Text-Code als Open Source

1. Juli — Google DeepMind teilte über @GoogleAI eine Reifegradbilanz von SynthID, seiner digitalen Wasserzeichentechnologie für KI-generierte Inhalte. Mehr als 100 Milliarden Bilder und Videos tragen nun das SynthID-Wasserzeichen, hinzu kommen 60 000 Jahre markierter Audioinhalte. Mehr als 50 Millionen Überprüfungen wurden von Nutzern über Google Search, die Gemini-Erweiterung für Chrome und die Gemini-App durchgeführt.

Google übernimmt den offenen Standard C2PA (Content Authenticity Initiative) in all seinen generativen Tools: In der Gemini-App erstellte Bilder und Videos enthalten nun sowohl das SynthID-Wasserzeichen als auch C2PA-Metadaten. Der Wasserzeichen-Code für Text wird als Open Source veröffentlicht.

Besonderer Punkt: Google kündigt Kooperationen mit OpenAI, NVIDIA und Apple an, um SynthID auf die generativen Medien dieser Akteure auszuweiten. Es ist das erste Mal, dass Google öffentlich konkrete Partnerschaften mit diesen drei Unternehmen zur Herkunft von KI-Inhalten kommuniziert.

🔗 Tweet @GoogleAI — SynthID

GitHub — Neue Copilot-Funktionen

Inklusive KI-Credit-Pools für Cost Centers

2. Juli — GitHub-Cost-Centers können nun den Anteil der inkludierten KI-Credits (monatlicher Pool) begrenzen, der pro Abteilung verbraucht wird. Diese Funktion ist von den am 30. Juni eingeführten Benutzerbudgets getrennt, die nur die zusätzliche Abrechnungsphase verwalten.

GitHub berechnet die Obergrenze automatisch anhand der dem Cost Center zugewiesenen Lizenzen. Wenn die Obergrenze erreicht ist, sind zwei Verhaltensweisen konfigurierbar: Nutzung blockieren oder auf Zusatzabrechnung umschalten. Verfügbar über die REST-API (grafische Oberfläche folgt) für Copilot Business und Copilot Enterprise auf GitHub Enterprise Cloud.

🔗 Changelog — Cost Centers

Issue Fields in allgemeiner Verfügbarkeit

2. Juli — Strukturierte Issue-Felder (Priorität, Aufwand, Startdatum, Zieldatum) werden für alle GitHub-Organisationen (Free, Team, Enterprise) allgemein verfügbar. Über 40 000 Organisationen nutzten sie bereits seit der öffentlichen Vorabversion im Mai. Feldwerte werden nun direkt in den Issue-Listen der Repositories angezeigt, und öffentliche Projekte profitieren von Sichtbarkeitskontrollen.

Die bemerkenswerteste Integration: Der GitHub-MCP-Server stellt diese Felder Copilot zum Lesen und Schreiben bereit und öffnet damit den Weg für agentische Workflows, die Issues mit strukturierten Metadaten aus dem Copilot-Chat oder -Agenten erstellen und aktualisieren.

🔗 Changelog — Issue Fields GA

Synthesia — Sprechen, Hören, Sehen: die drei Ebenen interaktiver Video-Avatare

2. Juli — Synthesia veröffentlicht einen Forschungsartikel, der eine neue Modellkategorie definiert: die Interactive Avatar Models (interaktive Video-Avatar-Modelle). Diese Modelle unterscheiden sich von klassischen Videogenerierungssystemen durch ihre Fähigkeit, einen Dialog in Echtzeit zu führen, mit einer ausreichend niedrigen Latenz, um die Interaktion natürlich wirken zu lassen.

Der Artikel strukturiert die Fähigkeiten in drei fortschreitende Stufen:

Stufe	Fähigkeit
Sprechen (Talk)	Erzeugung von Videorede aus Text
Hören (Listen)	Verständnis und Reaktionsfähigkeit auf den Menschen
Sehen (See)	Visuelles Verständnis des Gesprächskontexts

Dies ist der erste veröffentlichte konzeptionelle Rahmen eines großen Akteurs im Avatar-Bereich, um diese Kategorie zu formalisieren — was Synthesia als Forschungslabor zusätzlich zu seiner Rolle als kommerzielle Plattform positioniert, in einem Markt mit starker Konkurrenz durch HeyGen und Microsoft Azure AI Avatar.

🔗 Synthesia-Blog

Fable 5 kehrt als Orchestrator in Perplexity Computer zurück

2. Juli — Perplexity kündigte über @perplexityai an, dass Claude Fable 5 wieder als Orchestrator-Modell (_orchestrator model) in Perplexity Computer, seinem Desktop-Automatisierungsprodukt, verfügbar ist. Die Ankündigung folgt auf die weltweite Wiederherstellung von Fable 5 durch Anthropic am 1. Juli. Der Tweet erzielte 55 529 Aufrufe und 943 „Gefällt mir“-Angaben.

Perplexity Computer ermöglicht es Nutzern, Automatisierungsaufgaben an einen KI-Agenten zu delegieren, der den Desktop bedient. Die Wiedereinbindung von Fable 5 als Orchestrator stärkt die Denk- und Planungsfähigkeiten des Systems, nachdem es im Juni 2026 aufgrund der US-Exportkontrollen entfernt worden war.

🔗 Tweet @perplexity_ai

Kurzmeldungen

Amp — unbegrenztes Lesen von Threads und Agenten in Orbs — Amp kann nun Threads beliebiger Größe lesen (bis zu 271 dokumentierte Runden) und veröffentlicht einen technischen Beitrag über die Orbs-Architektur, um Agenten auf remote headless Maschinen auszuführen. 🔗 Amp Chronicle
C++-Skill für Copilot CLI — Der Microsoft-C++-Sprachserver ist als Copilot-CLI-Plugin verfügbar, mit einem Skill, der die Datei compile_commands.json für CMake und MSBuild automatisch generiert und pflegt. Installation: /plugin install cpp-language-server@copilot-plugins. 🔗 Changelog

Was das bedeutet

Agentische Tools überschreiten eine Schwelle der Autonomie. Claude Code v2.1.198 veranschaulicht eine klare Entwicklung: Agents halten nicht mehr an, um bei technischen Schritten um Bestätigung zu bitten — sie erstellen Commits, pushen den Code, öffnen Draft-PRs und benachrichtigen am Ende. Das Programm Devin Security Remediation treibt dieselbe Logik auf der Sicherheitsseite voran: Devin nimmt bestehende Scanner-Berichte auf, validiert Schwachstellen und reicht PRs ohne Konfiguration pro Repository ein. Amp ergänzt dieses Bild mit seinen Orbs, die Agents auf remote headless Maschinen ausführen. Diese drei Ankündigungen desselben Tages laufen auf ein Modell hinaus, in dem der Agent den Workflow von Anfang bis Ende steuert, während der Mensch das Endergebnis statt jedes Zwischenschritts validiert.

Infrastruktur und Benchmarks offenbaren strukturelle Lücken. Der Rückzug von GitHub Models signalisiert, dass der Markt keine generischen Zugriffsschichten auf Modelle trägt: GitHub positioniert sich neu in Richtung Copilot (native Integration, Kontrolle über Credits, automatische Auswahl je nach Aufgabe). ParallelKernelBench zieht eine ergänzende Bilanz zu den aktuellen Grenzen von LLMs: Selbst die besten Frontier-Modelle (GPT-5.5: 27/87, Claude Opus 4.7: 20/87) tun sich schwer damit, leistungsfähige Multi-GPU-CUDA-Kernels zu erzeugen, ein Bereich, in dem die NVLink-Kommunikation weiterhin ein ungelöstes Nadelöhr ist. Die beiden Cost-Center-Mechanismen von GitHub (Benutzerbudgets vom 30. Juni + enthaltene Credit-Pools vom 2. Juli) zeigen parallel, dass die Steuerung von KI-Ausgaben im Unternehmen ebenso kritisch wird wie die Modellleistung.

SynthID und industrieübergreifende Provenienz: ein beispielloser Momentum. Die SynthID-Bilanz — 100 Milliarden wasserzeichenmarkierte Assets, C2PA-Adoption, Open-Source-Textcode — geht über Zahlen hinaus und signalisiert einen Wendepunkt: Google kündigt erstmals konkrete Kooperationen mit OpenAI, NVIDIA und Apple beim Wasserzeichen von KI-Inhalten an. Dass direkte Konkurrenten sich bei der Provenienz generierter Medien abstimmen, in einem Kontext zunehmenden Regulierungsdrucks, zeigt, dass dieses Thema den Bereich jedes einzelnen Unternehmens verlassen hat und zu einer gemeinsamen Vertrauensinfrastruktur geworden ist.