Claude Platform in allgemeiner Verfügbarkeit, GitHub Copilot kommt in Slack, DeepSeek startet ein multimodales Modell

Ein großer Tag für agentische Infrastrukturbausteine: Anthropic bringt computer use, das browser tool, die Skills API und die Files API aus der Beta auf die Claude Platform, während GitHub Copilot in Slack und Microsoft Teams Einzug hält. Auf Modellebene veröffentlicht DeepSeek sein erstes multimodales Modell, und Pika Labs bringt einen Sprachsynthesizer mit einem bislang unerreichten Preis-Leistungs-Verhältnis auf den Markt. Dazwischen: ein massiver egozentrischer Datensatz, eine Studie zu Benchmark-Bias in der Spracherkennung und eine Reihe bemerkenswerter Updates bei Google DeepMind, GitHub, Z.ai, Qwen, Harvey sowie bei Video-/Audio-Generierungstools.

Claude Platform : computer use, browser tool, Skills API und Files API in allgemeiner Verfügbarkeit

20. August — Anthropic kündigt die allgemeine Verfügbarkeit von vier Bausteinen für den Aufbau von Agenten auf der Claude Platform an: computer use, das browser tool, die Skills API und die Files API. Das erklärte Ziel ist, die Anzahl der Hin- und Rückwechsel zu reduzieren, die nötig sind, um eine Aufgabe in einer Anwendung zu automatisieren, die keine API hat, und das Erstellen von Claude Managed Agents auf versionierten Skills und wiederverwendbaren Dateien zu ermöglichen.

Der neue computer_toolset_20260801 erlaubt es Claude, mehrere Aktionen pro Runde aneinanderzureihen (Klick, Eingabe, Tastendruck, Screenshot) statt eines Hin- und Rückwechsels pro Einzelaktion. Anthropic gibt an, dass Kunden im Early Access 20 bis 40 % weniger Hin- und Rückwechsel pro Aufgabe beobachtet haben. Das browser tool entwickelt sich parallel mit browser_toolset_20260801 weiter: Statt Pixel anzusteuern — fragil bei jeder Layoutänderung — erhält Claude nun die Struktur der Seite und kann anhand von Elementreferenzen handeln.

Auf API-Seite erlaubt die Skills API, die Vorgehensweise eines Teams einmal hochzuladen, zu versionieren und an einem bestimmten version_id oder an latest zu verankern. Die Files API erhält einen expires_in_seconds, ein 5-mal höheres Rate-Limit (500 Anfragen pro Minute) und ein Kontingent von 1 TB pro Organisation. Anthropic hat außerdem einen AG-UI-Adapter für Managed Agents veröffentlicht, der jeden Gesprächsstrang einer verwalteten Sitzung zuordnet und Text, Tool-Aufrufe und Schlussfolgerungen an die Oberfläche streamt.

Baustein	Neuheit des Tages
Computer use	`computer_toolset_20260801`, bis zu -40 % weniger Hin- und Rückwechsel pro Aufgabe
Browser tool	`browser_toolset_20260801`, Ansteuerung über Seiten-Elementreferenz
Skills API	Versionierung, Verankerung an `version_id` oder `latest`
Files API	500 Anfragen/Minute (x5), Kontingent von 1 TB pro Organisation

🔗 Claude-Platform-Ankündigung

GitHub Copilot kommt in Slack und Microsoft Teams

21. August — GitHub Copilot startet in öffentlicher Vorschau auf Slack und Microsoft Teams. Das Prinzip ist in beiden Fällen identisch: @GitHub in einer Direktnachricht, einem Kanal oder einem Thread zu erwähnen, öffnet eine Cloud-Agentensitzung, die Fragen zum Code und zur GitHub-Aktivität beantworten, Bugberichte sortieren, Ausfälle untersuchen, Änderungen in einer sicheren Cloud-Sandbox implementieren und anschließend Pull Requests mit einem Link zur ursprünglichen Unterhaltung eröffnen kann.

In Slack stützt sich die Integration auf Slack Code, das neue agentische Angebot von Slack, das am selben Wochenende gestartet wurde: GitHub Copilot kann dedizierte Code-Kanäle öffnen, in denen das Team Diffs prüft und Rendering-Vorschauen inspiziert, ohne die ursprüngliche Unterhaltung zu belasten. In Teams verwandelt sich eine Diskussion in eine kollektive Agentensitzung, der alle folgen und die sie steuern können; die Arbeit läuft asynchron in der Cloud-Sandbox weiter, während das Team sich anderem widmet.

Verfügbarkeit nur für Organisationen mit Copilot Business- oder Enterprise-Plan. Der Administrator aktiviert die Copilot-Cloud-Agent-Richtlinie und installiert die App für Slack oder Teams; Repository-Administratoren können vor dem Merge von durch den Agenten erzeugten Pull Requests eine Genehmigung verlangen. Die Nutzung verbraucht KI-Credits, und die Cloud-Sandbox wird separat mit konfigurierbaren Budgets abgerechnet.

🔗 GitHub Copilot in Slack · 🔗 GitHub Copilot in Teams

DeepSeek-V4-Flash-Vision-Exp : erstes multimodales Modell von DeepSeek auf der API

21. August — DeepSeek stellt DeepSeek-V4-Flash-Vision-Exp online, ein experimentelles multimodales Modell, das unter der Kennung deepseek-v4-flash-vision-exp verfügbar ist. Bei rein textbasierten Fähigkeiten — Agenten, Schlussfolgern, Weltwissen — entspricht das Modell DeepSeek-V4-Flash. Die Neuerung liegt woanders: Bei multimodalen Agenten-Benchmarks meldet DeepSeek einen deutlichen Sprung gegenüber V4-Flash, mit Leistungen, die sich Opus-4.8 annähern.

Die multimodale Unterstützung auf API-Seite ist vollständig: gemischte Eingabe aus Text + Bild (Base64, externe URL oder über eine neue kostenlose Files API, die am selben Tag gestartet wurde), kompatibel mit den drei bestehenden Formaten (Chat Completions, Messages, Responses). Die Preisgestaltung folgt der V4-Flash-Tabelle, mit einer Bild-Tokenisierung, die auf 384 Tokens pro Bild gedeckelt ist. Die Files API ermöglicht es, ein Bild nur einmal hochzuladen und per file_id darauf zu verweisen — ein Bandbreitengewinn für wiederholte agentische Anwendungsfälle. DeepSeek Harness 0.1.1, das am 13. August gestartete Open-Source-Agenten-Harness, wurde noch am selben Tag aktualisiert, um das neue Modell nativ zu unterstützen.

Element	Detail
Modell	`deepseek-v4-flash-vision-exp`
Textfähigkeiten	Parität mit DeepSeek-V4-Flash
Multimodale Fähigkeiten	Nahe an Opus-4.8 bei multimodalen Agenten-Benchmarks
Bildpreis	Bis zu 384 Tokens/Bild, V4-Flash-Preis
Unterstützte APIs	Chat Completions, Messages, Responses
Harness	DeepSeek Harness 0.1.1 (native Unterstützung)

DeepSeek-V4-Flash-Vision-Exp is now live on the DeepSeek API Platform! This experimental multimodal model matches DeepSeek-V4-Flash on text capabilities—including agents, reasoning, and world knowledge. On multimodal agent benchmarks, V4-Flash-Vision-Exp makes a major leap over V4-Flash, bringing multimodal agent performance close to Opus-4.8.

🇩🇪 DeepSeek-V4-Flash-Vision-Exp ist jetzt auf der DeepSeek-API-Plattform verfügbar! Dieses experimentelle multimodale Modell entspricht DeepSeek-V4-Flash bei den textbasierten Fähigkeiten — einschließlich Agenten, Schlussfolgern und Weltwissen. Bei den Benchmarks multimodaler Agenten macht V4-Flash-Vision-Exp einen großen Sprung gegenüber V4-Flash und bringt die Leistungen multimodaler Agenten näher an die von Opus-4.8. — @deepseek_ai auf X

Pika Speech : 3B-Sprachsynthese in 1,2 Sekunden pro Minute, bis zu 9x günstiger als ElevenLabs v3

21. August — Pika Labs erweitert seine Pika Audio-Reihe um Pika Speech, ein Sprachsynthesemodell mit 3 Milliarden Parametern. Das Hauptargument ist die Geschwindigkeit: ein Real-Time-Factor (RTF) von 0,02, also eine Minute 48-kHz-Sprache in Studioqualität, die in lokalen Langform-Tests in etwa 1,2 Sekunden erzeugt wird, mit möglichen Anfragen von bis zu fünf Minuten fortlaufender Sprache.

Bei der Kontrolle des Tempos geht Pika Speech neue Wege: Statt das Audio nachträglich zu strecken oder zu komprimieren — die Standardmethode bei den meisten TTS-Systemen — steuert das Modell Tempo und Dauer direkt über einen „End-of-Speech-Latent“ (EOS latent), einen Anker, der am letzten Zielbild platziert ist. Wird dieser Anker früher gesetzt, verdichtet sich die Sprechgeschwindigkeit; wird er später gesetzt, bekommt der Text mehr Raum. Architektonisch kombiniert das Team Flow Matching und Distillation per Distribution Matching, FlashAttention-3 und ein „Token Packing“, wodurch fünf Satzsegmente ungefähr doppelt so viel kosten wie eines statt fünfmal so viel.

Bei den Kosten beansprucht Pika einen Vorteil von bis zu 9x gegenüber ElevenLabs v3, 4,5x gegenüber Cartesia und ElevenLabs Turbo sowie 2x gegenüber Fish Audio — ohne über diese Verhältnisse hinaus die genaue Methodik zu erläutern. Das Modell ist über den Pika API Club zugänglich.

Let’s talk about Pika Speech, a 3B text-to-speech model at RTF 0.02. […] Pika Speech generates one minute of studio-quality 48 kHz speech in about 1.2 seconds—and supports requests up to five minutes. That efficiency makes it up to 9× more cost-efficient than ElevenLabs v3, 4.5× than Cartesia and ElevenLabs Turbo, and 2× than Fish Audio.

🇩🇪 Sprechen wir über Pika Speech, ein Sprachsynthesemodell mit 3 Milliarden Parametern und einem Real-Time-Factor von 0,02. […] Pika Speech erzeugt eine Minute 48-kHz-Sprache in Studioqualität in etwa 1,2 Sekunden — und unterstützt Anfragen von bis zu fünf Minuten. Diese Effizienz macht es bis zu 9-mal kosteneffizienter als ElevenLabs v3, 4,5-mal effizienter als Cartesia und ElevenLabs Turbo und 2-mal effizienter als Fish Audio. — @pika_labs auf X

🔗 Architekturdetails

EgoSuite-Open100K : der größte offene menschliche egozentrische Datensatz

21. August — Lightwheel AI veröffentlicht in Partnerschaft mit Hugging Face EgoSuite-Open100K als Open Source, präsentiert als der größte jemals frei veröffentlichte, vollständig annotierte menschliche egozentrische Datensatz. Das angepeilte Ziel sind 100.000 Stunden menschlicher First-Person-Daten; die ersten 10.000 Stunden sind bereits verfügbar, der Rest wird schrittweise veröffentlicht.

Der Datensatz deckt mehr als 15.000 Aufgaben in über 15.000 realen Szenen ab — Küchen, Schlafzimmer, Lagerhallen, Montagelinien — gruppiert in 7 Umgebungskategorien und 128 Szenentypen. Jede Sequenz ist mit Handpose, Körperpose und Semantik auf Subtask-Ebene annotiert; ein Teil des Korpus verfügt zusätzlich über Wearable-Kamera-Abdeckung. Bemerkenswert in Sachen Lizenz: Im Gegensatz zu vielen Forschungsdatensätzen ist EgoSuite-Open100K für kommerzielles Training lizenziert, nicht nur akademisch.

Der Datensatz wird von seinen Erstellern als erster öffentlicher Baustein einer größeren Dateninfrastruktur für „Physical AI“ (Robotik und embodied AI) dargestellt — die Idee, dass das Skalieren physischer Modelle nun vom Zugang zu massiven, geteilten menschlichen Daten abhängt.

🔗 Lightwheel-AI-Ankündigung · 🔗 Hugging-Face-Weiterleitung

Claude Security läuft auf Claude Mythos 5

21. August — Anthropic lässt Claude Security, sein Werkzeug zum Scannen von Schwachstellen, auf Claude Mythos 5 laufen, in öffentlicher Beta für alle Claude-Enterprise-Kunden. Das Argument: das leistungsfähigste Sicherheitsmodell von Anthropic auf der eigenen Codebase nutzen zu können, ohne separaten Modellzugang — die Scans werden als Standard-Token-Nutzung im bestehenden Plan abgerechnet.

Konkret verbindet sich das Tool mit einem GitHub-Repository, und Mythos 5 analysiert den Code, indem es den Datenfluss zwischen Dateien nachzeichnet und über die Interaktionen zwischen Komponenten schlussfolgert. Jedes Ergebnis wird mit CWE-Kategorie, Vertrauensniveau, Schweregradbewertung und einem vorgeschlagenen Fix zurückgegeben, der sich direkt in Claude Code im Web öffnet. Anthropic nutzt die Gelegenheit, einen Defender Advantage Fund mit 35 Millionen Dollar an Credits für Open-Source-Sicherheit zu starten, und plant, sein Cyber Verification Program in den kommenden Wochen auszuweiten.

🔗 Claude-Security-Ankündigung

GPT-5.6-Sol-Preisgestaltung : OpenAI senkt seine API-Preise, GitHub Copilot zieht nach

21. August — OpenAI senkt die API-Preise und Credits von GPT-5.6 Sol in den nächsten drei Monaten um mehr als 20 %. Die Maßnahme ist auf API-Seite bereits aktiv und wird im Laufe des Tages in Codex und ChatGPT Work ausgerollt. Für Codex-Nutzer mit nutzungsbasierten Plänen (token-based) reichen gekaufte Credits nun weiter; die in Pro-, Plus- und Business-Abonnements enthaltene Nutzung bleibt hingegen unverändert — von der Senkung profitieren also vor allem API-Entwickler und tokenbasiert abgerechnete Nutzer.

GPT-5.6 Sol in GitHub Copilot -50 %

Parallel dazu meldet GitHub eine separate Promotion: -50 % auf GPT-5.6 Sol in GitHub Copilot bis zum 3. September, nutzbar in der App, der CLI und der IDE. Das ist ein einmaliger Rabatt auf Copilot-Seite, der nicht mit der dauerhaften Preissenkung von OpenAI oben verwechselt werden sollte — zwei verschiedene Unternehmen, zwei unterschiedliche Mechanismen für dasselbe Modell.

🔗 OpenAI-Preissenkung · 🔗 GitHub-Copilot-Aktion

GLM-5.3 (Max) steigt bei Code Arena: WebDev auf

20. August — LMArena teilt mit, dass GLM-5.3 (Max) von Z.ai die Pareto-Grenze (Preis-Leistungs-Verhältnis) des Rankings Code Arena: WebDev, das der Bewertung von Modellen für Webentwicklungsaufgaben gewidmet ist, verschoben hat. Mit 1597 Punkten würde das Modell auf Platz 2 unter den Open-Weight-Modellen (sobald veröffentlicht) und auf Platz 8 insgesamt liegen.

Modell	Preis ($/M Tokens)	Punkte Code Arena: WebDev
GLM-5.3 (Max)	$3,65	1597
Qwen3.8 (Max)	$5,00	—
Gemini-3.7-flash-high	$2,86	schlechtere Punktzahl
DeepSeek-v4-flash-high	$1,10	schlechtere Punktzahl

Mit $3,65 pro Million Tokens bleibt GLM-5.3 (Max) in einem Preisbereich, der mit Qwen3.8 (Max) vergleichbar ist, und übertrifft dabei Gemini-3.7-flash-high und DeepSeek-v4-flash-high in diesem Ranking — ein weiteres Signal für die Wettbewerbsfähigkeit von Z.ai im agentischen Web-Development, ergänzend zu den bereits bekannten Ergebnissen auf Terminal-Bench und der allgemeinen Agent Arena.

🔗 LMArena-Ankündigung

Harvey startet Tenet, ein juristisches Modell auf Basis von Kimi K3

20. August — Harvey stellt Tenet vor, sein erstes nachtrainiertes Modell für das Recht, basierend auf einer Kimi K3-Grundlage (Moonshot AI), nachtrainiert mit Fireworks AI auf einem Korpus aus öffentlichen juristischen Daten, synthetischen Daten und Expertendaten von Menschen, die langwierige juristische Arbeit simulieren.

Harvey gibt an, dass dieses Nachtraining die vollständige Erfolgsquote von Tenet gegenüber dem Basis-Kimi-K3 um 82 % im LAB-Benchmark und um 22 % bei LAB Contracts erhöht — mit State of the Art bei LAB Contracts und Platz 2 auf LAB insgesamt. Die Betriebskosten von Tenet sollen unter einem Viertel der Kosten der leistungsstärksten Foundation Models auf dem Markt liegen. Ergänzend dazu hat Harvey drei spezialisierte Subagenten trainiert: M&A-Due-Diligence, Tabellenprüfung und Kanzleiwissen.

🔗 Harvey-Ankündigung

Georgia Tech verfolgt die Ursprünge des sozialen Denkens von Olmo 3

21. August — Ein Team von Georgia Tech nutzte die Tatsache, dass der Olmo-3-Stack von Ai2 vollständig offen ist — Gewichte, Dolma-3-Vortrainingskorpus (1,26 Milliarden Dokumente), Infrastruktur —, um Modellfähigkeiten statistisch mit den Texten zu verknüpfen, die sie hervorgebracht haben; ein Experiment, das bei einem geschlossenen Modell unmöglich wäre.

Die Methode stützt sich auf Influence Functions, angewendet auf rund 5,68 Millionen Dokumente aus Dolma 3. Hauptergebnis: Texte mit vielen Dialogen und interpersonellem Schreiben wirken sich stärker auf die Leistung beim sozialen Schlussfolgern aus als auf Faktwissen — und als die einflussreichsten literarischen Dokumente entfernt wurden, fiel die Leistung im SocialIQA-Benchmark signifikant ab, was die Kausalität bestätigt.

🔗 Ai2-Artikel

Bias bei „Benchmark Optimization“ in Open-Source-ASR-Modellen erkannt

21. August — Ein Team von Hume AI veröffentlicht im Hugging-Face-Blog eine Studie über einen methodischen Bias in der Spracherkennung: Manche Modelle scheinen darauf optimiert zu sein, die Referenztranskriptionen öffentlicher Benchmarks zu reproduzieren, statt den Ton korrekt zu transkribieren.

Bei 11 getesteten Open-Source-ASR-Modellen enthielten etwa 40 % der analysierten VoxPopuli-Ausschnitte Fehler in ihren Referenzen, und 6 von 11 Modellen reproduzierten diese Fehler, anstatt den Ton korrekt zu transkribieren. Bei LibriSpeech erreichten die Rückgewinnungsraten maskierter Zahlen 30 bis 40 %, ein Zeichen dafür, dass bestimmte Modelle den Text „auffüllen“, statt ihn zu hören. Die Schlussfolgerung empfiehlt die Nutzung geheimer Evaluationsdatensätze und eine strengere Trennung zwischen Trainings- und Testdaten.

🔗 Hugging-Face-Studie

SenseNova-U1.5-8B-MoT: offenes Bildmodell ohne VAE oder DiT

21. August — SenseNova veröffentlicht ein Bildgenerierungsmodell mit offenen Gewichten, dessen angegebene Leistung mit Nano Banana 2 vergleichbar sein soll. Der technische Reiz liegt in der Architektur: kein VAE, kein separater Text-Encoder, kein DiT — das Modell basiert auf einer „Mixture of Transformers“, bei der Text- und Bild-Token unterschiedliche Gewichte verwenden und sich gegenseitig erwarten; das Denoising erfolgt direkt im Pixelraum statt in einem komprimierten latenten Raum.

Dieser Ansatz unterscheidet sich deutlich vom Standard-Stack der Text-zu-Bild-Diffusionsmodelle, und die Offenlegung der Gewichte ermöglicht es der Community, die angegebenen Leistungsverglichen unabhängig zu überprüfen.

🔗 SenseNova-Ankündigung

Diffusers 0.40.0: Modular Diffusers verlässt den experimentellen Status

21. August — Hugging Face veröffentlicht Diffusers 0.40.0. Die wichtigste strukturelle Änderung ist der Austritt von Modular Diffusers aus dem experimentellen Status, dem modularen Pipeline-System der Bibliothek. Die Version ergänzt die Integration mehrerer neuer offener Modelle (LTX2.5, MiniMax H3, MiniMax Music 3, Wan Animate 2), Unterstützung für Tensor Parallelism bei einer Auswahl von Modellen sowie zwei neue Quantisierungs-Backends (SDNQ, Nunchaku-Lite).

🔗 Diffusers-0.40.0-Ankündigung

Google DeepMind erkundet KI in Spielen mit Fenris Creations

21. August — Google DeepMind kündigt eine Forschungspartnerschaft mit dem Studio Fenris Creations an, als Fortsetzung von 15 Jahren Arbeit, in denen Videospiele als Experimentierfeld für KI genutzt wurden — von der Atari-Dominanz bis zum Grandmaster-Niveau in StarCraft II. Nach SIMA, das Agenten beigebracht hat, 3D-Welten zu verstehen, will DeepMind die Navigation in realen menschlichen Dynamiken innerhalb eines persistenten Universums erkunden.

Die Partnerschaft zielt auf vier offene Herausforderungen: kontinuierliches Lernen (neue Fähigkeiten erwerben, ohne frühere zu vergessen), Tiefenspeichersysteme weit über die heutigen Kontextfenster hinaus, langfristige Planung (Wochen, Monate, Jahre) und Multi-Agent-Dynamiken (Kooperation, Verhandlung, Ökonomie, emergentes Verhalten). Das langfristige Ziel ist zweifach: gemeinsam mit Entwicklern neue Spielerlebnisse zu schaffen und diese Fortschritte für Probleme der realen Welt und wissenschaftliche Entdeckungen zu nutzen.

🔗 Google-DeepMind-Ankündigung

Runway Ruby: SDR-zu-HDR-Video-Konvertierung in 16 Bit

21. August — Runway startet Ruby, ein Modell, das ein SDR-Video (standard dynamic range) in 16-Bit-HDR umwandelt, mit Ausgabe als EXR- oder ProRes/HEVC-10-12-Bit-Sequenzen, im Farbraum BT.2020 mit Unterstützung für PQ oder HLG — die Standards, die in professioneller Postproduktion und im HDR-Broadcast verwendet werden.

Ruby funktioniert sowohl mit einem vom Nutzer hochgeladenen Video als auch mit einem von Runway generierten Output, mit einer Grenze von 30 Sekunden. Die Funktion ist ab sofort für die Pläne Max und Enterprise verfügbar.

🔗 Ruby-Ankündigung von Runway

NVIDIA AVO beansprucht 100 % im ARC-AGI-3-Benchmark

21. August — NVIDIA stellt AVO vor, einen allgemeinen Code-Agenten, mit einer Punktzahl von 100 % bei ARC-AGI-3, einem Benchmark für interaktives Denken. Laut NVIDIA hat AVO die 183 Levels über die 25 öffentlichen Umgebungen des Benchmarks hinweg abgeschlossen, ohne explizite Anweisungen, formulierte Regeln oder zuvor gesetzte Ziele.

AVO arbeitet über eine fortlaufende Schleife aus Inspektion, Planung, Implementierung und Bewertung und stützt sich auf Speicher, Tools und Ausführungsrückmeldungen, um auf dem aufzubauen, was es im Laufe der Zeit lernt — ein Ansatz, der dazu gedacht ist, den Fortschritt bei langen Aufgaben aufrechtzuerhalten, statt bei jedem neuen Kontextfenster wieder bei null zu beginnen.

🔗 ARC-AGI-3-Ergebnis

HeyGen Look Packs: Outfit und Hintergrund ändern, das Gesicht behalten

21. August — HeyGen startet Look Packs, eine Funktion, die Outfit und Hintergrund eines Avatar-Videos verändert und dabei das Gesicht der Person treu beibehält — mit dem Argument, dass die meisten generativen Modelle bei einer Stiländerung auch Gesichtszüge verändern.

Der angestrebte Einsatz ist die Konsistenz der persönlichen Marke über verschiedene berufliche Kontexte hinweg: Immobilien, Recht, Fitness, Bildung, Wohlbefinden. Ein B2B-Content-Creator kann so Videos in Outfits und Umgebungen produzieren, die zu jedem Sektor passen, und bleibt dennoch von Video zu Video wiedererkennbar. Diese Ankündigung reiht sich in HeyGens jüngste hohe Schlagzahl ein (Retouch am 20. August, Brand Kits und 4K-Upscaling am 18.–19. August).

🔗 Look-Packs-Ankündigung

Amp führt Explain Usage ein, um den Token-Verbrauch zu erklären

21. August — Amp ergänzt Explain Usage, eine Funktion, mit der man Puck, den integrierten Assistenten, direkt auffordern kann, den eigenen Verbrauch an Tokens, Credits und Orb-Größe zu analysieren. Der Nutzer stellt eine Frage in natürlicher Sprache — „Welche Threads haben heute am meisten Tokens verbraucht?“ — und Puck liest die persönlichen Nutzungsdaten und Thread-Metriken, um zu antworten.

Es gibt zwei Einstiegspunkte: die Frage direkt an Puck stellen oder auf den dedizierten Button auf den Nutzungsseiten klicken. Für Nutzer, die Rohdaten bevorzugen, stellt Amp diese Informationen auch über CLI (amp usage --details, amp threads usage <thread-id> --details) bereit.

🔗 Explain Usage

v0 (Vercel) ergänzt Vercel Connect, um sich mit 100+ Diensten zu verbinden

21. August — Apps und Agents, die in v0 erstellt werden, können sich nun direkt über Vercel Connect mit Slack, GitHub, Salesforce und mehr als 100 weiteren Drittanbieterdiensten verbinden, ohne dass der Entwickler den Authentifizierungsfluss selbst verwalten muss.

Der Mechanismus basiert auf wiederverwendbaren Team-Connectors mit kurzlebigen Tokens: Sobald ein Connector auf Teamebene konfiguriert ist, kann jede neu generierte App oder jeder Agent ihn wiederverwenden, statt jedes Mal eine vollständige Authentifizierung neu anzufordern. Damit positioniert sich v0 als Plattform, die Agents hervorbringen kann, die in den Software-Stack eines Unternehmens integriert sind, nicht nur isolierte Oberflächen.

🔗 Vercel Connect

Geteilte Threads in Codex und ChatGPT Work

20. August — Codex und ChatGPT Work führen „geteilte Threads“ ein: einen schreibgeschützten Link, der das vollständige Denken einer Sitzung offenlegt — Vorgehen, Entscheidungen, Kontext — statt nur eines Endergebnisses. Ziel ist es, den Kontext einer Pull Request nicht aus verstreuten Screenshots zusammenzukratzen, wenn es um Code-Reviews, tiefgehende technische Explorationen oder die Übergabe eines Projekts an Teamkollegen geht.

Es ist eine Funktion, die sich in die jüngsten Ankündigungen rund um ChatGPT Sites (mehrere Bearbeiter, URL-Anpassung) einfügt und die Positionierung von Codex/ChatGPT Work als Werkzeug für Teamarbeit stärkt.

🔗 Geteilte Threads

Transparente Hintergründe in der Vorschau für GPT-Image-2

20. August — Die GPT-Image-2-API ermöglicht nun in der Vorschau die Generierung von Bildern mit transparentem Hintergrund. Der praktische Nutzen besteht darin, wiederverwendbare Assets zu erzeugen — Produktvisuals, grafische Designelemente, Website-Mockups, Marketingkampagnen — die sich anschließend auf jedem beliebigen Hintergrund ohne manuelles Freistellen platzieren lassen.

🔗 Transparente Hintergründe

Kurzmeldungen

Zed — Antigravity lässt sich mit einem Klick aus der ACP Registry von Zed installieren. 🔗 Tweet
trackio 0.36 — Hugging Face veröffentlicht ein Update mit Unterstützung für einen neuen loggbaren Datentyp, ohne weitere Angaben. 🔗 Tweet
„Full-Stack“-KI laut Google DeepMind — Paige Bailey zerlegt Googles End-to-End-Ansatz in fünf Schichten: Infrastruktur, Sicherheit, Forschung, Modelle/Tools, Produkte. 🔗 Google-Artikel
GitHub — bessere Verwaltung blockierter Nutzer: Suche nach Name, Sortierung und Paginierung langer Listen. 🔗 Changelog
GitHub — das Anheften von Ansichten, Projekten und Meilensteinen in der Repository-Seitenleiste geht in die allgemeine Verfügbarkeit über, mit mehreren zugehörigen Verbesserungen (Reaktions-Avatare, Dashboard-Dichte). 🔗 Changelog
Manus verlängert den kostenlosen Zugang zu Manus 1.6 Lite und Manus 1.6 bis zum 28. August (SGT), im Rahmen des täglichen Kontingents. 🔗 Tweet
Manus erinnert benachrichtigte Nutzer daran, ihre Daten vor dem 23. August um 7:59 Uhr (SGT) zu sichern, vor der Umstellung auf ein eigenständiges Unternehmen. 🔗 Tweet
Genspark startet eine Aktion bis zum 30. September: Design + GenTeam mit -90 %, GenMail kostenlos, Slides Ultra Mode mit -50 %. 🔗 Tweet
NVIDIA erläutert in einem Security-Deep-Dive des Agenten-Stacks die Aufteilung zwischen dem Harness eines Agenten (was er zu tun versucht) und der Infrastruktur (was er tatsächlich tun kann). 🔗 Tweet
NVIDIA veröffentlicht die Bilanz der Spark Hack Series in Seattle auf DGX Spark: Gewinnerprojekte in den Bereichen Katastrophenhilfe, Gesundheit und Offline-Überleben mit Nemotron und NemoClaw. 🔗 Tweet
NVIDIA Cosmos 3 — ein Cosmos-Labs-Video zeigt das Post-Training von Cosmos 3 bei den Partnern Aigen und Linker Vision. 🔗 Tweet
Luma Labs wird bei Summer Signal über kreative Agents sprechen, organisiert mit GMI Cloud am 14. September. 🔗 Tweet
Synthesia — sein CEO wird in einem Forbes-Tech-Artikel darüber zitiert, wie die KI-Adoption über Ergebnisse statt über Nutzung gemessen wird. 🔗 Tweet
Qwen3.8-27B setzt seinen Community-Lauf fort: neue NVFP4- + DFlash2-Inferenzrezepte im SGLang-Cookbook, schlankere Versionen von Unsloth, Platz 1 im Code-Agenten-Ranking von Cline in vier Tagen, und eine NVIDIA DGX Station mit mehr als 2713 Tokens/Sekunde Spitzen-aggregiert im BF16-Dienst. 🔗 SGLang · 🔗 Unsloth · 🔗 Cline · 🔗 DGX Station
Qwen3.8-Max kann nun im Code-Tool Kilo Code für die UI-Generierung verwendet werden. 🔗 Tweet
Kimi Work veröffentlicht ein zweites Tutorial für Finanzanalysten: Investor-Dashboard, Aktualisierung von Finanzmodellen, Batch-Report-Generierung. 🔗 Tweet
GLM-5.3 setzt seinen Aufstieg fort: 69 Punkte im offiziellen DeepSWE-Ranking, Verfügbarkeit auf der WorkBuddy-Plattform und Verlängerung der Build Week durch Z.ai bis zum 23. August um 18 Uhr (PT) mit 100 Millionen kostenlosen Tokens für die ersten 50.000 neuen ZCode-Anmeldungen. 🔗 DeepSWE · 🔗 WorkBuddy · 🔗 Build Week
GPT-5.6 Sol — drei Drittanbieterplattformen (Router, Cloudflare AI Gateway, OpenCode Zen) bieten jeweils bis Mitte September -50 %, zusätzlich zu den bereits abgedeckten Rabatten bei Devin, OpenRouter und v0. 🔗 Cloudflare AI Gateway

Was das bedeutet

Die heutige Ankündigung von Anthropic und GitHub zeichnet einen grundlegenden Trend: Die agentische Infrastruktur verlässt den experimentellen Status. Die GA von computer use und des browser tool auf der Claude Platform, kombiniert mit dem Erscheinen von Copilot in Slack und Teams, signalisiert, dass die großen Anbieter nicht mehr nur Modelle verkaufen — sie verkaufen Agents, die in den Werkzeugen handeln können, die Teams bereits täglich nutzen, ohne jedes Mal eine dedizierte API-Integration zu brauchen. Das ist ebenso ein Vertriebswechsel wie ein Fähigkeitswechsel: Der Agent geht nun dorthin, wo die Arbeit stattfindet, statt zu verlangen, dass die Arbeit zu ihm kommt.

Auf Modellebene bestätigt DeepSeek-V4-Flash-Vision-Exp, dass Multimodalität zum erwarteten Standard wird und nicht länger ein Differenzierungsmerkmal ist — selbst Akteure, die auf wirtschaftliche Effizienz ausgerichtet sind (V4-Flash), integrieren sie inzwischen nativ, mit Leistungen, die sich den besten geschlossenen Modellen annähern. Der Wettbewerb bei agentischen Code-Benchmarks (GLM-5.3 auf Code Arena: WebDev, Qwen3.8-27B auf Cline) zeigt dieselbe Dynamik auf der Entwicklerwerkzeug-Seite: Die Preisabstände zwischen offenen und geschlossenen Modellen werden kleiner, was OpenAI dazu bringt, seine API-Preise für GPT-5.6 Sol unmittelbar danach um mehr als 20 % zu senken.

Die Bewegung hin zur vollständigen Offenheit — nicht nur Gewichte, sondern auch Daten und Trainingsinfrastruktur — trägt weiterhin wissenschaftliche Früchte: Die Georgia-Tech-Studie zu Olmo 3 wäre auf einem geschlossenen Modell schlicht nicht möglich gewesen, ebenso wie die Hume-AI-Studie zu ASR-Benchmark-Bias daran erinnert, dass eine Leaderboard-Bewertung keine echte Transkriptionsqualität garantiert. Zwei nützliche Mahnungen in einer Zeit, in der die Branche immer mehr Ankündigungen mit Rekordwerten hervorbringt.

Schließlich bestätigt die Zunahme massiver Datensätze mit kommerzieller Lizenz — heute EgoSuite-Open100K, nach mehreren ähnlichen Ankündigungen in den letzten Wochen —, dass der Zugang zu echten menschlichen Daten, nicht nur zu synthetischen, zu einem strategischen Faktor für Robotik und verkörperte KI wird, ebenso wie Rechenleistung es für große Sprachmodelle gewesen ist.