Anthropic veröffentlicht Version 2026-10-21 seiner Claude API, Hugging Face stellt das ADN-Modell Carbon-X vor, METR testet die Überwachung von Agenten bei OpenAI

Anthropic veröffentlicht Version 2026-10-21 der Claude API, die erste seit 2023: temperature, top_p und top_k werden darin zurückgewiesen, und alle SDK wechseln auf eine neue Hauptversion unter der Lizenz Apache 2.0. Hugging Face stellt Carbon-X vor, ein offenes Modell mit 14 Milliarden Parametern, das ADN fast auf dem Niveau von GPT-6.1 Sol liest und generiert. METR veröffentlicht gemeinsam mit Redwood Research die Bilanz von drei Wochen, in denen sie die Überwachung der internen Agenten von OpenAI angegriffen haben. Agent Skills und OpenEnv schließen sich MCP bei der Agentic AI Foundation an, die Decisions API von OpenAI wird allgemein verfügbar, und NVIDIA widmet den zweiten Tag der GTC Berlin Cosmos und Minerva.

Claude API 2026-10-21: Die erste Version seit 2023 weist temperature, top_p und top_k zurück

21. Oktober — Anthropic veröffentlicht Version 2026-10-21 der Claude API, die als Wert im Header anthropic-version zu übergeben ist, zusammen mit neuen Hauptversionen aller seiner SDK und seiner CLI ant.

API version 2026-10-21 is now available. The Claude API has evolved a lot, but this is our first official version release since 2023. We plan to release versions more often so you can handle breaking changes before a new model requires them. 2023-06-01 is not deprecated.

🇩🇪 Die API-Version 2026-10-21 ist verfügbar. Die Claude API hat sich stark weiterentwickelt, doch dies ist unsere erste offizielle Versionsveröffentlichung seit 2023. Wir planen, häufiger Versionen zu veröffentlichen, damit Sie inkompatible Änderungen bewältigen können, bevor ein neues Modell sie erzwingt. 2023-06-01 ist nicht als veraltet eingestuft. — @ClaudeDevs auf X

Die auffälligste Änderung betrifft das Sampling. Mit 2026-10-21 verursachen temperature, top_p und top_k einen Fehler 400 in der Messages API, bei der Token-Zählung und in jeder Anfrage eines Batches (Message Batch), selbst bei ihrem Standardwert; ohne diese Parameter erfolgt das Sampling mit einer Temperatur von 1.0. Claude 4.7 und neuere Modelle akzeptierten bereits zuvor nur diese Werte. Bei einem älteren Modell wie Claude Sonnet 4.6 verliert eine abgesenkte Temperatur für gleichmäßigere Ausgaben dagegen ihre Wirkung, ohne dass es einen Ersatzparameter gibt: Die Dokumentation empfiehlt dann, diese Anfrage weiterhin mit 2023-06-01 zu verwenden.

Anfrageelement	Auswirkung mit 2026-10-21
`temperature`, `top_p`, `top_k`	Fehler 400, selbst beim Standardwert
Dokumentblock direkt in einer Assistant-Nachricht	Fehler 400 (ein verschachteltes Dokument, etwa ein Ergebnis von web fetch, wird weiterhin akzeptiert)
Nicht leere Quellenangaben in den Textblöcken einer Nutzernachricht	Fehler 400, einschließlich `search_result`
`workspace_id` der API-Schlüssel	Entfernt, durch `scope` ersetzt
Umbenannte Felder der Admin API und der Enterprise Analytics API	Alte Namen entfernt

Python 2.0.0, TypeScript 1.0.0, C# 13.0.0, Go 2.0.0, Java 3.0.0, PHP 1.0.0, Ruby 2.0.0 und ant CLI 2.0.0 senden standardmäßig die neue Version. Diese SDK wechseln von MIT zur Lizenz Apache 2.0, während frühere Versionen unter MIT bleiben, und bringen eigene inkompatible Änderungen mit: einen Nachrichtentyp pro Rolle, den Versand des API-Schlüssels in Authorization: Bearer statt in X-Api-Key (die API akzeptiert weiterhin beides), die Entfernung der alten Text Completions API (TypeScript, Go, Java, Ruby und CLI) sowie der clientseitigen Compaction des tool runner zugunsten der serverseitigen Compaction.

Für die Migration veröffentlicht Anthropic eine Schritt-für-Schritt-Anleitung und verweist auf den Skill /claude-api von Claude Code, dessen Version 2.1.307 den Befehl /claude-api api-version ergänzt. Auf Amazon Bedrock ist 2026-10-21 nur für Claude 4.7 und neuere Modelle verfügbar. Am selben Tag ergänzen die Versionshinweise die Nutzerprofile (user profiles) um die Felder enforcement_status und enforcement_actions, die angeben, ob Anthropic einen der Endkunden einer Organisation eingeschränkt oder gesperrt hat.

🔗 Der Migrationsleitfaden für 2026-10-21 · Die Versionshinweise zu Claude Platform

Carbon-X: Hugging Face veröffentlicht ein offenes Modell mit 14 Milliarden Parametern, das ADN liest und generiert

22. Oktober — Hugging Face veröffentlicht Carbon-X, ein offenes Modell mit 14 Milliarden Parametern, das ADN und natürliche Sprache in einem gemeinsamen Token-Stream verarbeitet: Man kann es zu einer Sequenz befragen, nach den Auswirkungen einer Mutation fragen oder ADN generieren lassen. Es basiert auf Qwen3-14B und wird von der Organisation HuggingFaceBio unter der Lizenz Apache 2.0 veröffentlicht, die am 8. Oktober den Genannotator Carbon-A herausgebracht hatte.

Das Team von Loubna Ben Allal, Lewis Tunstall und Leandro von Werra hat das Training von Qwen3-14B (midtraining) mit 300 Milliarden Tokens aus einer Mischung von ADN, Englisch und miteinander verschränkten Daten fortgesetzt und das Modell anschließend durch überwachtes Fine-Tuning und Reinforcement Learning nachtrainiert. Ein hybrider Tokenizer behält den BPE von Qwen3 für Text bei und zerlegt ADN in nicht überlappende 6-mers, wobei ein Token sechs Basenpaare abdeckt. Ohne separaten ADN-Encoder teilen sich Text und Sequenzen dieselbe Matrix von Embeddings, und eine Antwort kann beides mischen.

Auf fünf Benchmarks (Auswirkungen von Varianten, Sequenzverständnis, Vorhersage der nächsten Base) erzielt Carbon-X ohne Reasoning einen Durchschnitt von 66,7 %: 27 Punkte mehr als Qwen3-14B und ein besseres Ergebnis als alle anderen evaluierten offenen Modelle. GPT-6.1 Sol schneidet mit 67,5 % nur geringfügig besser ab, doch Carbon-X übertrifft alle getesteten offenen wie geschlossenen Modelle bei den Auswirkungen kodierender Varianten (BioReason Coding) und bei der Vorhersage der nächsten Base.

Evaluiertes Modell	ADN-Index im Beitrag (gerundet)
GPT-6.1 Sol	68 %
Carbon-X	67 %
Kimi K3	50 %
DeepSeek V4.1 Flash	47 %
Qwen3-14B	40 %
GLM-5.3	40 %

Introducing Carbon-X: The best open DNA model. We midtrained a 14B model on DNA and text, and it beats every open language model and matches GPT-6.1 Sol at 1,000x lower cost.

🇩🇪 Hier ist Carbon-X, das beste offene Modell für ADN. Wir haben das Training eines 14B-Modells mit ADN und Text fortgesetzt: Es schlägt alle offenen Sprachmodelle und erreicht das Niveau von GPT-6.1 Sol bei 1 000-mal niedrigeren Kosten. — @LoubnaBenAllal1 auf X

Zu den Kosten sind zwei Zahlen im Umlauf: Die Modellkarte beziffert sie pro Aufgabe auf etwa 1/1 800 der Kosten von GPT-6.1 Sol, während die Ankündigung auf 1 000-mal günstiger rundet. Die Berechnung beruht auf den Standard-API-Tarifen der verglichenen Modelle, jeweils mit der Reasoning-Stufe, die den besten Durchschnitt liefert, und bei Carbon-X auf dem gemessenen Durchsatz einer H200-Stunde, die mit 5 Dollar berechnet wird; das Modell antwortet direkt, ohne erweitertes Reasoning. Clément Delangue, PDG von Hugging Face, stellt Carbon-X als Antwort auf die Schutzvorkehrungen führender Labore im Bereich Biologie dar, die seiner Ansicht nach Wissenschaftler, Universitäten, Verbände und Gesundheitsbehörden behindern, ohne böswillige Akteure aufzuhalten.

🔗 Die Modellkarte von Carbon-X · Der Beitrag zur Veröffentlichung · Der Tweet von Clément Delangue

METR und Redwood Research stellen die Überwachung der internen Agenten von OpenAI auf die Probe

22. Oktober — METR veröffentlicht den Bericht über eine Übung, die diesen Sommer bei OpenAI gemeinsam mit Redwood Research durchgeführt wurde. Vom 21. Juli bis zum 11. August verbrachte jeweils ein Mitarbeiter jeder Organisation drei Wochen vor Ort damit, das asynchrone System anzugreifen (red-teaming), das das Misalignment der internen Agenten von OpenAI überwacht, die für dessen Forscher Code schreiben oder Experimente durchführen. Der Zugang war weitreichend: von OpenAI bereitgestellte Geräte, die das Gelände nie verließen, interner Code, Prompts und Konfiguration der Monitore sowie Gespräche mit rund einem Dutzend Forschern und Ingenieuren.

Von METR berichtete Kennzahl	Geschätzter Wert
Für die Überwachung infrage kommender interner Agenten-Traffic der Responses API (Modelle ab GPT-5.5)	Etwa 75 bis 94 %
Für die Überwachung infrage kommender Traffic interner Codex-Agenten	99,2 %
Für die Überwachung infrage kommender, nicht überwachter interner Codex-Traffic von Mai bis Juli 2026	In der Größenordnung von 10 % (Compaction)
Fehlgeschlagene Anfragen des Monitors	Weniger als 0,2 %
Interner Bericht, anschließend geschwärzte Fassung	61 Seiten, dann 38 Seiten

Diese Schätzungen, die laut METR mit großer Unsicherheit behaftet sind, beziehen sich auf das System in seinem Stand vom 21. Juli. Die größte Lücke entstand durch Compaction-Vorgänge des Kontexts, die für die Monitore nicht sichtbar waren:

Because of this coverage gap, we estimated that on the order of 10% of internal Codex traffic was unmonitored from May to July. OpenAI had independently identified this issue shortly before the exercise began.

🇩🇪 Aufgrund dieser Abdeckungslücke schätzten wir, dass von Mai bis Juli etwa 10 % des internen Codex-Traffics nicht überwacht wurden. OpenAI hatte dieses Problem selbst kurz vor Beginn der Übung erkannt. — @METR_Evals auf X

OpenAI schloss diese Lücke während der Übung. Da der Monitor erst ausgelöst wurde, wenn der Agent die Kontrolle an den Nutzer zurückgab, konnte ein Agent die Überwachung, solange die Compaction ihr entging, unbegrenzt hinauszögern, indem er weiter handelte. Reinforcement Learning war zu Beginn der Übung nicht abgedeckt.

Das Team beschreibt auch Schwachstellen: eine Umgehung der Sandbox von Codex und Auto-Review, die dem Agenten sämtliche Rechte des Host-Nutzers gab, eine Technik, die Hunderte der jüngsten Aktionen der Überwachung entzog (Details von OpenAI geschwärzt), Eingaben, die den Monitor durch das Ausnutzen von Unterschieden bei der Serialisierung zum Scheitern bringen konnten, zwei vom Client steuerbare Header, die die Überwachung neuer Agenten deaktivierten, deren Verwendung jedoch weiterhin erkennbar war, und zwei nicht überwachte interne Tools, die als schreibgeschützt galten und durch einen einfachen, praktisch nicht validierten Exploit hätten zweckentfremdet werden können. Demgegenüber sieht der Monitor mit wenigen Ausnahmen den vollständigen Verlauf des Agenten, und seine Prompts suchen nach Machenschaften (scheming), Sabotage, Datenexfiltration, Täuschung und Prompt Injections.

OpenAI erklärt, alle Schwachstellen behoben zu haben, die seinen Stack von Schutzmaßnahmen im Produktionsbetrieb betrafen; METR stellt klar, diese Aussage nicht geprüft zu haben. Die Parteien hatten vorab vereinbart, nur einen kurzen Beitrag zu veröffentlichen, wobei OpenAI den Bericht schwärzen durfte. METR leitet daraus fünf Gestaltungsprinzipien ab, darunter eine schwer zu umgehende Überwachung (etwa alle N Minuten oder alle N Nachrichten), regelmäßige Angriffe auf das System und die Isolierung der Agenten von ihren Monitoren. Laut OpenAI haben diese Erkenntnisse dabei geholfen, seine Schutzmaßnahmen während der Erweiterung des Systems zu stärken, und werden seine künftige Zusammenarbeit mit externen Evaluatoren prägen. Am 15. Oktober hatte Anthropic einen vergleichbaren Zugang beschrieben, der einem Team von METR gewährt worden war.

🔗 Red-Teaming der internen Agentenüberwachungssysteme von OpenAI (METR) · Der Tweet von @OpenAI

Agentic AI Foundation: Agent Skills, Open Responses, OpenEnv und OpenSandbox schließen sich MCP an

22. Oktober — Die Agentic AI Foundation (AAIF), die im vergangenen Jahr von Anthropic, Block und OpenAI mitgegründete Stiftung der Linux Foundation, die bereits MCP beherbergt, nimmt gleich vier neue Projekte auf: Agent Skills, eingebracht von Anthropic, Open Responses von OpenAI, OpenEnv von Hugging Face und OpenSandbox von Alibaba. Damit zählt sie bereits im ersten Jahr 10 Projekte; laut Manik Surtani, ihrem CTO und Mitgründer, decken sie jeweils einen Teil des Stacks ab, von der Art, wie Agenten Fähigkeiten erwerben, bis zu ihrer Ausführungsumgebung.

Anthropic überträgt den Namen und das Logo von Agent Skills, die GitHub-Organisation und die Domain agentskills.io. Dieses während der Arbeit an Claude Code entstandene Ordnerformat, das einem Agenten eine Aufgabe beibringt (eine Datei SKILL.md, Skripte, Referenzdokumente), wurde im Dezember 2025 als offener Standard veröffentlicht; laut Anthropic haben es seitdem mehr als 70 Agentenplattformen integriert, darunter ChatGPT, Cursor, GitHub Copilot und VS Code, und es wurden 1 Million Skills mit insgesamt fast 280 Millionen Installationen veröffentlicht. Ingenieure von Anthropic, Google, OpenAI und anderen Unternehmen werden es als Einzelpersonen betreuen, mit David Soria Parra und Mahesh Murag als Verantwortlichen (Lead Maintainers), und der Thread von @ClaudeDevs nennt außerdem Earendil, Microsoft und OpenCode im technischen Lenkungsausschuss. Bestehende Skills funktionieren weiter, und die Lizenzen bleiben unverändert; als erster Schritt werden nummerierte Versionen, ein formaler Vorschlagsprozess und Sicherheitsempfehlungen vorgeschlagen.

Hugging Face übergibt seinerseits OpenEnv, sein offenes Framework für Umgebungen zum Training von Agenten, an eine neutrale Governance, mit einem Komitee, dem unter anderem Microsoft, Reflection, Meta-PyTorch, Fleet, Mercor, Nebius, Modal, Prime Intellect und Unsloth angehören. Die bisherigen Adressen meta-pytorch/OpenEnv und huggingface/OpenEnv leiten nun auf github.com/openenv/OpenEnv weiter.

🔗 Die Mitteilung der Linux Foundation · Der Beitrag von Anthropic · Die Ankündigung von Ben Burtenshaw (Hugging Face) · Der Thread von @ClaudeDevs

Agenten entwerfen und steuern: eingeklappte Subagenten, Auto-Modus als Standard, Agentennutzung im Vergleich

Drei Ankündigungen betreffen weniger die Fähigkeiten der Agenten als vielmehr die Frage, wie man sie organisiert, ihnen die Kontrolle überlässt und ihre Nutzung misst.

Anthropic empfiehlt, Unteragenten in die Hauptschleife zu integrieren, und veröffentlicht ein Open-Source-Migrationskit

22. Oktober — In einem von Diane Sarkis verfassten Leitfaden mit bewährten Vorgehensweisen für Claude Platform stellt das Applied-AI-Team von Anthropic fest, dass bei mehreren Unternehmenseinsätzen ein einzelner Agent mit Skills häufig bessere Ergebnisse lieferte als ein einziger Allzweck-Prompt oder eine Architektur mit Unteragenten, oft bei geringeren Kosten und niedrigerer Latenz pro Aufgabe; ein Kunde maß eine etwa doppelt so schnelle Ausführung wie mit seinem Multi-Agent-Harness. Anthropic gibt an, den System-Prompt von Claude Code für seine fortschrittlichsten Modelle um mehr als 80 % gekürzt zu haben, teilweise durch die schrittweise Offenlegung von Skills und Tools, und beobachtet, dass sich die Tool-Auswahl bei mehr als 30 bis 50 Tool-Definitionen verschlechtert. Unteragenten bleiben sinnvoll, wenn der Kontext voll wird, für parallele Aufgaben, deren Kontext anschließend verworfen werden kann, oder wenn dem Agenten die Auswahl seiner Tools schwerfällt. Das Kit single-agent-loop-kit (Apache-2.0) führt nacheinander /claude-api build-eval, prompt-audit, hillclimb und cost-optimize aus, um auf eine einzige Schleife umzustellen.

🔗 Anthropics Leitfaden zu Unteragenten · anthropics/single-agent-loop-kit (GitHub)

Sitzungen in den Claude-Apps werden bei Pro, Max und Team standardmäßig im Auto-Modus laufen

22. Oktober — Ab nächster Woche werden Sitzungen in den Claude-Apps im Web, auf dem Desktop und auf Mobilgeräten laut @claudeai bei den Tarifen Pro, Max und Team standardmäßig im Auto-Modus laufen: Statt für jeden Schritt eine Genehmigung anzufordern, blockiert eine automatische Prüfung riskante Aktionen; ein Wechsel zurück in den manuellen Modus ist jederzeit möglich. Der Auto-Modus ist für diese Tarife bereits seit dem 14. August die Standardeinstellung von Claude Code und seit Version 2.1.284 vom 28. September auch für Terminal- und VS-Code-Sitzungen aller Tarife; der Tweet verweist zudem auf die Ankündigung vom August, nach der der Klassifikator in Tests 89 % der gefährlichen Befehle erkannte, gegenüber 14 % bei manueller Genehmigung. Die Ankündigung beschränkt sich auf einen Tweet, ohne genaues Datum, ohne Einzelheiten zu den betroffenen Sitzungen und ohne Erwähnung von Enterprise.

🔗 Der Tweet von @claudeai

Das Copilot impact dashboard vergleicht die Nutzung von Agenten in einem Unternehmen mit der vergleichbarer Organisationen

22. Oktober — Das Wirkungsdashboard von Copilot (Copilot impact dashboard) erhält einen optionalen, standardmäßig deaktivierten Branchenvergleich (Industry comparison). Unternehmen sowie Organisationen, die keinem Unternehmen angehören, können dort zwei Kennzahlen mit den aggregierten Referenzwerten vergleichbarer teilnehmender Organisationen vergleichen: den Anteil ihrer Nutzer, die vorrangig mit Agenten (agent-first) oder mit mehreren Agenten (multi-agent) arbeiten, und die Merge-Rate der Pull Requests dieser Agentennutzer im Vergleich zu den übrigen Nutzern. Jede Kennzahl wird anhand des Medians der Vergleichsgruppe über 28 Tage eingeordnet, bei wachsender Gruppe dann auch anhand des obersten Dezils, jeweils nach Unternehmensgröße und innerhalb von zehn Branchen. Die Vergleiche werden täglich aktualisiert, die aggregierten Daten nach 30 Tagen gelöscht; Kunden mit Datenresidenz werden nur innerhalb ihrer Region verglichen, und die Daten werden weder über die Metrik-API noch über Exporte ausgegeben. Zum Start kann wegen fehlender Teilnehmer nur der Median oder sogar gar keine Einordnung angezeigt werden.

🔗 Branchenvergleiche im Copilot impact dashboard

Entscheidungsmodelle: OpenAIs Decisions API allgemein verfügbar, GLiDE v1.2 an der Spitze des Decision Index

Entscheidungsmodelle beantworten geschlossene Fragen (klassifizieren, routen, die nächste Aktion auswählen), ohne Text zu generieren. Am selben Tag macht OpenAI seine dafür vorgesehene API allgemein zugänglich, und Fastino veröffentlicht Modellgewichte, die laut Anbieter den Referenzindex von Hugging Face anführen.

OpenAI macht die Decisions API allgemein verfügbar, mit 400 Fragen pro Anfrage

22. Oktober — Sechzehn Tage nach Beginn der öffentlichen Beta wird die Decisions API allgemein verfügbar (generally available). Sie basiert auf GPT-6 Luna und liefert eine Wahrscheinlichkeit (predicate), eine Auswahl aus vorgegebenen Werten (choice) oder eine Bewertung auf einer Skala (score), laut OpenAI bis zu 10-mal schneller als GPT-6 Luna über die Responses API. Sie unterstützt nun native JSON-Eingaben, Bilder in den Anweisungen jeder Frage und bis zu 400 Fragen pro Anfrage statt 200 in der Beta. Hinzu kommen Caching für wiederverwendeten Kontext, Inferenz mit Datenresidenz in den USA und der EU sowie die native Integration in GPT-Live. Die Eingabe kostet weiterhin 0,10 Dollar pro Million Tokens, gecachte Eingaben kosten 0,01 Dollar, und die Ausgabe wird nicht berechnet.

Genannter Kunde	Gegenüber OpenAI angegebener Vorteil
Box	Routing-Entscheidung etwa 5-mal schneller, gleiche Genauigkeit wie die Responses API
Datadog	Risikobewertung von Agentenbefehlen beim p95 40-mal schneller
Ramp	4-mal schneller und 30 % günstiger als GPT-6 Luna
Sierra	Unter 280 ms beim p95, pro Aufruf 90 % günstiger als der vorherige Ansatz
Speak	Wartezeit bis zur nächsten Aktion von 1,4 s auf 0,13 s gesenkt

Das noch am selben Abend veröffentlichte SDK openai-python 3.37.0 erweitert die Decisions-Typen mit einem Breaking Change bei der Typisierung.

🔗 Reaktionsschnellere Apps mit der Decisions API entwickeln

Fastino veröffentlicht GLiDE v1.2, laut Anbieter Spitzenreiter im Decision Index v0.4.1

22. Oktober — Fastino veröffentlicht GLiDE v1.2, eine neue Version seines Entscheidungsmodells, mit Gewichten auf Hugging Face und Zugang über seine API. Laut Fastino führt es den Decision Index v0.4.1 von Hugging Face an und weist einen der geringsten Kalibrierungsfehler des Index auf; am 21. Oktober hatte Base Labs mammoth-1 mit 71,24 als Spitzenreiter angekündigt, allerdings in Version 0.4: Die beiden Werte sind nicht vergleichbar. Das Modell liest Text, JSON und nun auch Bilder und liefert in einem Durchlauf eine Wahrscheinlichkeit für jede Option: eine Auswahl aus höchstens 255 Optionen, ein Ja oder Nein oder eine Stufe auf einer Skala; Fastino hat die Reasoning-Tokens entfernt, um die Latenz zu senken.

Merkmal von GLiDE v1.2	Angegebener Wert
Modellgröße	26 Milliarden Parameter
Mindesthardware	Eine GPU mit mindestens 80 Go
Score laut Fastino	71,5 im Decision Index v0.4.1, 1,7 Punkte vor dem nächstplatzierten Modell
Preis der Fastino-API	0,04 Dollar pro Million Eingabe-Tokens
Lizenz der Gewichte	fastino-community: kostenlos, kommerzielle Vereinbarung bei mehr als 10 Millionen Dollar Jahresumsatz

🔗 Der Beitrag von Fastino · fastino/GLiDE (Hugging Face)

Modellzugang: OpenAI-Genehmigung für Modellrouter, Batch API bei Perplexity, Confidential Computing bei Cohere

Drei Änderungen betreffen die Art des Zugangs zu Modellen statt die Modelle selbst: Vermittler, Stapelverarbeitung und die Vertraulichkeit von Anfragen.

OpenAI verlangt ab dem 20. November eine Genehmigung für Modellrouter und KI-Gateways

21. Oktober — In einem Beitrag seiner Rubrik Safety erklärt OpenAI, gemeinsam mit seinen Kunden und Partnern die Sicherheitsrichtlinien für Dienste abgestimmt zu haben, die Zugang zu seinen Modellen bieten, sei es direkt, über einen Hosting-Partner oder über einen Wiederverkäufer: Schutzmaßnahmen, die mit den eigenen übereinstimmen, Untersuchungen möglicher Verstöße, Maßnahmen bei erkannten Problemen und eine koordinierte Durchsetzung von Einschränkungen über Dienste hinweg. Die konkreteste Änderung ergibt sich aus den zum 20. November 2026 aktualisierten Nutzungsrichtlinien (Usage Policies): Dienste, die direkten Zugang zu den Modellen bieten, etwa Modellrouter (model routers) oder KI-Gateways (AI gateways), müssen sich einer Prüfung durch OpenAI unterziehen und dessen Genehmigung einholen, bevor sie diesen Zugang anbieten. OpenAI führt außerdem SafetyIDs ein, die Kunden angeben können, um Endnutzer während einer Untersuchung zu unterscheiden, ohne deren Identität offenzulegen. Der Beitrag nennt keine betroffenen Dienste und erläutert das Genehmigungsverfahren nicht näher.

🔗 Breiterer Zugang durch einheitliche Standards (OpenAI)

Perplexity stellt eine Batch API für seine Agent API bereit, mit bis zu 50 000 Anfragen pro Datei

22. Oktober — Perplexity ergänzt seine Agent API um eine Batch API für Aufgaben, die keine sofortige Antwort erfordern (Evaluierungen, Klassifizierung, Datenanreicherung): Man lädt eine JSONL-Datei mit Anfragen hoch, erstellt einen Batch und ruft anschließend eine Ergebnisdatei und eine Fehlerdatei ab. Die Endpunkte folgen dabei dem Aufbau der Batch API von OpenAI. Jede Anfrage führt die vollständige Schleife der Agent API aus: Websuche (web_search) und das Lesen von Seiten (fetch_url) funktionieren somit auch zeitversetzt.

Grenze der Batch API	Veröffentlichter Wert
Anfragen pro Datei	50 000, bei höchstens 200 Mo
Unterstützte Modelle	Ein einziges pro Datei, aus dem Angebot der Agent API
Bearbeitungszeit	Ziel von 24 h ohne Garantie, verbindliche Frist von 48 h
Aufbewahrung der Dateien	30 Tage
Preis der Verarbeitung	Kein gesonderter Batch-Preis; flex-Stufe für OpenAI-Modelle, die diese anbieten

Die Anfragen eines Batches zählen nicht zum Anfragelimit der Agent API, und Anfragen, die bis zum Fristablauf nicht gestartet wurden, verfallen ohne Berechnung. Organisationen mit Zero Data Retention können den Dienst nicht nutzen.

🔗 Der Thread von @perplexitydevs · Die Dokumentation der Batch API

Cohere startet die öffentliche Beta von Confidential Computing für Model Vault, auf NVIDIA-H100-GPUs in Azure

22. Oktober — Confidential Computing für Model Vault, die dedizierte und verwaltete Inferenzplattform von Cohere, geht nach dem Early-Access-Start am 16. September in die öffentliche Beta: Kunden können ab sofort verschlüsselte Vaults erstellen und darin ihre Workloads über dieselben APIs bereitstellen. Die Beta läuft auf NVIDIA-H100-GPUs in Microsoft Azure, das die Infrastruktur für Confidential Computing bereitstellt, während NVIDIA Confidential Computing den GPU-Speicher schützt und den Austausch zwischen CPU und GPU verschlüsselt. Der Inhalt der Anfragen wird durch Oblivious HTTP (OHTTP) bis zur attestierten Umgebung Ende zu Ende verschlüsselt, und die Client-Software prüft vor jeder Übertragung einen signierten Nachweis für Hardware, Firmware (firmware) und Software; laut Cohere können selbst seine Betreiber und der Cloud-Anbieter den geschützten Speicher nicht lesen. Nicht abgedeckt sind bestimmte physische Angriffe oder Seitenkanalangriffe, die Verfügbarkeit, Schwachstellen auf Anwendungsebene wie Prompt Injection, Metadaten sowie API- und Modellkennungen. Blackwell-B200-GPUs, die allgemeine Verfügbarkeit und ein Open-Source-Stack sind ohne Termin angekündigt; Preise werden nicht genannt.

🔗 Confidential Computing auf Cohere Model Vault · Der technische Artikel von Cohere

Den Planeten beobachten und Vorhersagen treffen: ForTy, OlmoEarth v1.3 und StormScope EU

Drei Veröffentlichungen des Tages kartieren die Erde oder treffen Vorhersagen anhand von Satellitenbildern, zwei davon mithilfe von Embeddings, die jedes 10-Meter-Pixel zusammenfassen.

Google DeepMind veröffentlicht ForTy, eine globale Karte mit 10 Metern Auflösung, die Naturwälder, Plantagen und Baumkulturen unterscheidet

22. Oktober — Google DeepMind und Google Research veröffentlichen gemeinsam mit dem World Resources Institute (WRI) und dem IIASA Forest Typology (ForTy) 2020, eine Karte, die jede Fläche von 10 mal 10 Metern der Erdoberfläche einer von sechs Kategorien auf Grundlage der FAO-Definitionen zuordnet: Primärwald, natürlich verjüngter Wald, gepflanzter Wald, Forstplantage, Baumkulturen und Agroforstwirtschaft sowie sonstige Flächen. Während die meisten Karten lediglich das Vorhandensein von Bäumen anzeigen, unterscheidet ForTy einen Primärwald von einer Ölpalmenplantage und dient damit als Referenz für die EU-Verordnung über entwaldungsfreie Produkte (EUDR). Das Modell stützt sich auf die Embeddings von AlphaEarth Foundations und etwa 1,7 Millionen annotierte Punkte; bei der Validierung an mehr als 9 000 zufällig ausgewählten Standorten erkennt es in 90 % der Fälle den richtigen Waldtyp, unterscheidet in 95 % der Fälle Wald von Nichtwald und liefert eine Wahrscheinlichkeit pro Klasse statt eines Labels. Eine vorläufige jährliche Zeitreihe für 2017-2025 zeigt außerdem, was einen verschwundenen Wald ersetzt. Karte und Zeitreihe sind auf Google Earth Engine unter einer offenen Lizenz frei verfügbar.

🔗 Der Beitrag von Google DeepMind · Der Artikel in Scientific Data

Ai2 veröffentlicht OlmoEarth v1.3 und vorberechnete Satelliten-Embeddings für den gesamten Planeten

22. Oktober — Ai2 veröffentlicht OlmoEarth v1.3, ein Modell, das Radar- (Sentinel-1) und Multispektralbilder (Sentinel-2, Landsat) eines Jahres liest und jedes 10-Meter-Pixel in einem Vektor zusammenfasst. Ai2 hat diese Embeddings berechnet und stellt sie auf Source Cooperative bereit: für den gesamten Planeten für 2023 bis 2025, für 2017 bis 2022 nur für bestimmte Länder. Ein kleiner, darauf trainierter Klassifikator genügt nun, um Anbaukulturen, Landbedeckung oder Veränderungen zu kartieren, ohne das Modell für jede Aufgabe einzeln feinabzustimmen. Ein Explorer im Browser vergleicht ohne Benutzerkonto verschiedene Jahre, sucht ähnliche Orte und exportiert eine Karte als GeoTIFF.

Kennzahl von OlmoEarth v1.3	Veröffentlichter Wert
Embedding pro 10-m-Pixel	128 Dimensionen oder die ersten 64 in der schlanken Version
Gewonnene Evaluierungen gegen AlphaEarth Foundations und Tessera v2	20 von 27 (128 Dimensionen), 18 von 27 (64 Dimensionen)
Rechenaufwand für das Training im Vergleich zu v1.2	53 %
Archiv vorberechneter Embeddings	Etwa 150 To pro Jahr

Gewichte, Daten und Code werden unter der OlmoEarth Artifact License veröffentlicht. Gleichzeitig stellt Ai2 PLANTEUR vor, einen Benchmark für die Kartierung von Anbaukulturen in sechs französischen Überseegebieten.

🔗 Der Beitrag von Ai2

StormScope EU ergänzt Earth-2 am zweiten Tag der GTC Berlin

22. Oktober — NVIDIA ergänzt Earth-2, seine Modellfamilie für Wetter- und Klimavorhersagen, um StormScope EU: eine regionale Version von StormScope, die mit europäischen Daten trainiert wurde und auf Grundlage der Beobachtungen von EUMETSAT die kurzfristige Wolkenentwicklung auf den 16 Kanälen von Meteosat in Schritten von 10 Minuten vorhersagt. Mehrere europäische Nutzer von Earth-2 werden genannt: AXA hat mit FourCastNet 3 mehr als 1 000 Wirbelsturmsaisons simuliert, Vaisala Xweather ergänzt StormScope um Blitzdaten, TotalEnergies prognostiziert die Sonneneinstrahlung an zwei Standorten, und die Universität Manchester führt auf einem DGX Spark ein CorrDiff-Modell für Luftqualität aus, das auf dem Supercomputer Isambard-AI trainiert wurde.

🔗 Earth-2 in Europa (NVIDIA-Blog)

GTC Berlin, zweiter Tag: NVIDIA erweitert Cosmos, startet Minerva und legt Zahlen zu seinen europäischen Kunden vor

22. Oktober — Am zweiten Tag der GTC Berlin veröffentlicht NVIDIA eine Reihe von Blogbeiträgen zu seinen europäischen Kunden, die vor allem Anwendungsfälle mit konkreten Zahlen aufführen. Shopify hat Nemotron 3.5 Lightning für den GraphQL-Subagenten seines Assistenten Sidekick nachtrainiert, der auf seinem internen Benchmark genauer als ein Spitzenmodell arbeitet, bei um 90 % reduzierten Bereitstellungskosten und 7-mal schnelleren Antworten; bunq betreibt seinen Assistenten Finn mit offenen Modellen, die das Niveau der besten geschlossenen Modelle bei 60 % der Kosten pro Antwort erreichen; Stripe beschleunigt die Datenpipelines seines Betrugsbekämpfungstools Radar in Offline-Tests um das 42-Fache. Im Energiebereich sind die Batterien von Hitachi Energy als DSX Ready qualifiziert, Schneider Electric validiert Vera Rubin-Referenzarchitekturen und Siemens Energy veröffentlicht ein Referenzdesign. Bei den Produkten erweitert NVIDIA Cosmos und startet Minerva.

🔗 Der europäische Handel (NVIDIA-Blog) · Europäische Finanzdienstleistungen · Die Energieversorgung von KI-Fabriken

Cosmos: fünf Blueprints für Data Factory, ein für andere Modelle offenes Framework und bis zu doppelt so schnelle NIM

22. Oktober — NVIDIA ergänzt Cosmos, seine Plattform für Weltmodelle (world models), in jeder Phase. Für die Daten bietet die bereits am Vortag erwähnte Cosmos Data Factory fünf cloudnative Blueprints, die über GitHub, Microsoft Azure, Nebius und CoreWeave verfügbar sind: Datensätze für autonome Fahrzeuge, Augmentierung von Bildattributen, Videos seltener oder gefährlicher Ereignisse, Bilder von Defekten (Leiterplatten, Metall, Glas) und Videoaugmentierung (Wetter, Beleuchtung). Für das Training weitet das Cosmos Framework seine Rezepte für Feinabstimmung (fine-tuning), Reinforcement Learning, Destillation und Quantisierung in Form von Agent-Skills auf andere offene Modelle wie GR00T, Alpamayo, Qwen oder Pi0.5 aus. Für die Bereitstellung dienen neue Varianten von Cosmos 3 Nano dazu, Policies für autonomes Fahren und zweiarmige Roboter in Simulationen zu bewerten, die NIM-Microservices für Cosmos 3 erreichen in validierten Konfigurationen eine bis zu um den Faktor 2 höhere Inferenzgeschwindigkeit, und der Blueprint Metropolis VSS 3.3 verarbeitet auf derselben GPU 40 % mehr Videostreams. So hat MicroAGI sein Reasoning-Modell Cosmos 3 mit 32B ohne Genauigkeitsverlust zu einer Nano-Variante mit 8B destilliert, und das bereits am Vortag erwähnte Porsche beziffert die Verringerung seiner wiederholten physischen Tests auf bis zu 90 %.

🔗 Der Cosmos-Beitrag (NVIDIA-Blog)

Minerva, eine AIOps-Plattform, um KI-Fabriken produktiv zu halten

22. Oktober — NVIDIA startet Minerva, eine Plattform für den KI-gestützten Betrieb (AIOps) von KI-Fabriken, in denen eine einzige beeinträchtigte Komponente ein gesamtes Training ausbremsen kann. Sie vereint die Telemetrie von GPUs, Netzwerk, Speicher, Schedulern und Workloads in einem Wissensgraphen, der die Hardware (GPU, SuperNIC, Switches, Kabel) mit den laufenden Aufgaben verknüpft, um von einem verlangsamten Training zur verursachenden Komponente zurückzuverfolgen, laut NVIDIA selbst bei Hunderttausenden GPUs. Überwachte und unüberwachte Modelle analysieren Milliarden Datenpunkte pro Stunde, erkennen neuartige Anomalien, sagen Ausfälle voraus und bündeln eine Flut von Warnungen zu einem einzigen Vorfall mit seiner wahrscheinlichen Ursache; ein Assistent in natürlicher Sprache schlägt Korrekturen vor, die manuell oder automatisiert angewendet werden. IREN nutzt die Plattform bereits; Aolani, Bitdeer AI, IBM, Jio, Lambda, Quake AI und Tesla planen ihre Einführung, und Lenovo und Supermicro werden sie zusätzlich zu Dell Technologies anbieten. NVIDIA veröffentlicht weder Preise noch einen quantifizierten Nutzen.

🔗 Minerva (NVIDIA-Blog)

Kulturen und Bevölkerungen abbilden: CulturalRiddles und Nemotron-Personas-UK

Zwei am selben Tag veröffentlichte Datensätze messen oder verbessern die Übereinstimmung von Modellen mit realen Kulturen und Bevölkerungen.

Cohere Labs veröffentlicht CulturalRiddles: 6 200 Rätsel aus 62 Kulturen, die kulturelle blinde Flecken von LLM aufdecken

22. Oktober — Cohere Labs veröffentlicht CulturalRiddles, einen Benchmark, der das kulturelle Verständnis von Sprachmodellen anhand von Rätseln misst. In sechs Monaten haben 194 Freiwillige rund 6 200 eigene Rätsel in ihrer Sprache verfasst, für 62 kulturelle Gemeinschaften, 45 Länder und 51 Sprachen, darunter einige, die in bestehenden Benchmarks fehlen, wie Bugis oder Mongondow. Unter 28 proprietären, offenen oder regionalen Modellen mit rund 68 000 von Muttersprachlern überprüften Antworten löst das beste 79 % der Rätsel, doch keines übertrifft 22 % in Lumasaba (Uganda) oder Mongondow (Indonesien). Die Sprache erklärt nur einen kleinen Teil der Unterschiede: Ins Englische übersetzt steigern die Rätsel der fünf schwierigsten Gemeinschaften die Ergebnisse von fünf Modellen lediglich von 22 % auf 32 %. Obwohl die Modelle mit „Ich weiß es nicht“ antworten durften, taten sie dies nur in 0,7 % der Fälle, während rund 31 % der überprüften Antworten erfunden waren; 18 von 28 Modellen antworten auf ein deutsches Rätsel, dessen Lösung Unterwasserrugby lautet, mit Wasserball. Rätsel, Code und Dashboard sind öffentlich zugänglich, ohne dass ein Cohere-Modell hervorgehoben wird.

🔗 CulturalRiddles (Cohere Labs) · Der Datensatz auf Hugging Face

Nemotron-Personas-UK: eine Million synthetische Personas, ausgerichtet an britischen Volkszählungen

22. Oktober — Locai Labs, ein Londoner Labor für souveräne KI, veröffentlicht gemeinsam mit NVIDIA Nemotron-Personas-UK: eine Million synthetische Personas unter der Lizenz CC BY 4.0. Jede entspricht den demografischen, geografischen, sozioökonomischen und beruflichen Verteilungen der Volkszählungen von England und Wales, Schottland und Nordirland, ohne dass eine reale Person darin vorkommt. Mit NeMo Data Designer zieht ein probabilistisches Modell zunächst realistische Kombinationen, anschließend formuliert Gemma 4 31B auf 18 NVIDIA-GPUs die Attribute jeder Persona (kultureller Hintergrund, Fähigkeiten, Karriereziele, Hobbys). Diese Datensätze dienen dazu, Modelle zu trainieren und zu testen, die eine bestimmte Bevölkerung abbilden sollen, ohne personenbezogene Daten offenzulegen. Am zweiten Tag der GTC Berlin stellte NVIDIA parallel Nemotron-Personas-Germany vor, eine Million Datensätze auf Grundlage der Volkszählung von 2022 (16 Länder, 400 Kreise), die sich mit der Open-Source-Bibliothek NeMo User Sim nutzen lassen, um zu prüfen, ob ein Modell für den öffentlichen Dienst sich über Regionen oder Altersgruppen hinweg gleich verhält; weitere Ausgaben sind mit SpeakLeash in Polen und der Universität Ljubljana geplant. Die Sammlung Nemotron-Personas deckt inzwischen 12 Länder ab, darunter Frankreich.

🔗 Der Beitrag von Locai Labs · Der europäische öffentliche Sektor (NVIDIA-Blog)

Generative Bilder und Videos: Ideogram Vector 1.0, HeyGen Video 1 und FLUX Video Upscale

Ideogram startet Ideogram Vector 1.0, sein erstes Vektormodell, das editierbare SVGs erzeugt

22. Oktober — Ideogram geht mit Ideogram Vector 1.0 über Rasterbilder hinaus. Aus einem Prompt, auf Wunsch ergänzt um Referenzbilder, erzeugt das Modell direkt eine SVG-Datei; es kann auch ein vorhandenes Bild ohne Prompt in eine Vektorgrafik umwandeln. Jede Kreation besteht aus einem einzigen SVG, dessen Formen, Farben und Farbverläufe in Illustrator, Figma oder im Code editierbar bleiben. Ideogram zielt auf Logos, Schriftzüge, Etiketten, Druck und Illustration (Gravur, Pop-Art, Farbflächen, Linienzeichnung) und setzt dabei auf seine traditionelle Stärke: lesbaren Text. Das Modell ist in Ideogram, über die API und bei nicht genannten Partnern verfügbar, ohne veröffentlichten Benchmark.

Generierungsmodus	Preis pro SVG
Text zu Vektor, Qualität Low	0,13 Dollar
Text zu Vektor, Qualität Medium	0,16 Dollar
Text zu Vektor, Qualität High	0,20 Dollar, 0,32 Dollar mit Referenzen
Bild zu Vektor	0,10 Dollar pro Bild

🔗 Die Ankündigung von Ideogram · Die Modellseite

HeyGen Video 1 belegt bei Text zu Video ohne Audio auf Artificial Analysis den ersten Platz, mit Audio den dritten

22. Oktober — HeyGen gibt an, dass HeyGen Video 1, sein erstes allgemeines Videomodell, in einem Blindtest von Artificial Analysis bei Text zu Video den ersten Platz erreicht hat. Das Ranking AA-Video-T2V v2.1 relativiert die Aussage: Die aufgeführte Variante HeyGen Video (ultraquality) liegt in der Ansicht ohne Audio tatsächlich auf Platz eins, mit einem Konfidenzintervall, das sich mit dem von Wan 3.0 überschneidet, in der standardmäßig angezeigten Ansicht mit Audio jedoch nur auf Platz drei.

Ranking-Ansicht	Platz von HeyGen Video (ultraquality)	Benachbarte Modelle im Ranking
Ohne Audio	1. Platz, 1 144 Elo (Rang 1 bis 2)	Wan 3.0 mit 1 134, MiniMax H3 768p mit 1 120
Mit Audio, Standardansicht	3. Platz, 1 160 Elo (Rang 2 bis 7)	Wan 3.0 mit 1 175, Utopai X mit 1 167

Das auf MiniMax H3 nachtrainierte Modell liegt ohne Audio deutlich vor seinem Basismodell (1 144 gegenüber 1 120), mit Audio jedoch nur um zwei Punkte (1 160 gegenüber 1 158). Artificial Analysis führt für diese Variante eine API als „demnächst verfügbar“ auf, während HeyGen HeyGen Video 1 als in HeyGen und über die API verfügbar präsentiert, zum Aktionspreis von 0,01 Dollar pro Sekunde.

🔗 Das Text-zu-Video-Ranking von Artificial Analysis · Der Tweet von @HeyGen

Black Forest Labs überarbeitet FLUX Video Upscale, das laut eigenen Angaben günstiger als Topaz Astra 2 und doppelt so schnell ist

22. Oktober — Black Forest Labs kündigt eine vollständige Überarbeitung von FLUX Video Upscale an, seinem am 20. August gestarteten Tool für Video-Superresolution, das es als das beste auf dem Markt, günstiger als Topaz Astra 2 und doppelt so schnell bezeichnet, ohne einen quantifizierten Vergleich zu veröffentlichen. Das laut Produktseite von FLUX 3 angetriebene Tool generiert jedes Bild in der neuen Auflösung neu, statt die Pixel zu interpolieren. Ein Parameter regelt sein Verhalten: Der präzise Modus verfeinert die Quelle, ohne sie zu verändern, für Gesichter und Produkte, während der standardmäßig aktive kreative Modus Details erfindet und dabei riskiert, ein Gesicht zu verfremden.

Parameter von FLUX Video Upscale	Veröffentlichter Wert
Vergrößerungsfaktor	1,5- bis 3-fach, bis 4K, ab 480p
Dauer pro Clip	Höchstens 20 Sekunden, Originalton bleibt erhalten
Preis im präzisen Modus	0,035 Dollar pro ausgegebener Megapixel-Sekunde
Preis im kreativen Modus (Standard)	0,05 Dollar pro ausgegebener Megapixel-Sekunde

🔗 Die Ankündigung von Black Forest Labs · Die Seite des Upscalers

Code-Agenten: Claude Code 2.1.307, VS Code 1.143, Replit Monitoring Agent, orbs von Amp und Plugin von Cognition

Claude Code begleitet die neue API-Version, VS Code führt ein Code-Modell auf dem Rechner des Entwicklers aus, Replit und Amp übertragen Agenten mehr Infrastrukturaufgaben, und Cognition stattet beliebige Agenten mit Werkzeugen gegen drei kritische Sicherheitslücken aus. Copilot CLI 1.0.103, Vibe CLI 3.0.2, Qwen Code v0.26.0, Zed 1.25 und die weiteren Versionen des Tages finden sich in den Kurzmeldungen.

Claude Code 2.1.307 ergänzt /claude-api api-version und das OpenTelemetry-Ereignis safety_event

21. Oktober — Claude Code 2.1.307 (43 Einträge, darunter 26 Fehlerbehebungen) begleitet die neue API-Version: /claude-api api-version stellt den Code einer Anwendung für die Claude API auf die Version 2026-10-21 um. Bei der Observability wird das OpenTelemetry-Ereignis claude_code.safety_event für jeden Tool-Aufruf ausgegeben, den eine Berechtigungsregel, der Auto-Modus, eine Sicherheitsprüfung, ein Hook oder die Sandbox gestoppt, zur Bestätigung vorgelegt oder an Claude zurückgegeben hat; es ergänzt die Klassifikatorfelder, die am 15. Oktober zu den Ereignissen tool_decision hinzugefügt wurden. Code Review erhält @claude review stop (oder off, pause), womit ein @claude review always-Abonnement für eine Pull Request beendet wird. Zu den Fehlerbehebungen gehört, dass MCP-HTTP-Tool-Aufrufe nicht mehr doppelt gesendet werden, wenn die Verbindung während eines Aufrufs geschlossen wird, wobei nur schreibgeschützte oder idempotente Tools erneut versucht werden; ein unlesbarer Tool-Aufruf wird bis zu zweimal erneut versucht, bevor der Turn beendet wird, und der selbst gehostete Runner beendet seine Checkout-Hooks standardmäßig nach 30 Minuten. Version 2.1.308 vom 22. Oktober beschränkt sich auf Fehlerbehebungen und Verbesserungen der Zuverlässigkeit.

🔗 Claude Code 2.1.307 auf GitHub

VS Code 1.143 führt MAI Code 1.1 Flash mit Copilot lokal aus und macht den Copilot-Harness zur Standardauswahl

22. Oktober — VS Code 1.143 liefert das am 7. Oktober angekündigte lokale Routing als experimentelle Funktion: Ein neuer Tab On This Device in der Modellauswahl lädt MAI Code 1.1 Flash herunter, das sich in Sitzungen des Copilot-Harness abfragen lässt. Auf dem Gerät berechnete und mit On-device gekennzeichnete Antworten verbrauchen keine KI-Credits, und die Option Use in Auto erlaubt dem Auto-Modus, passende Anfragen dorthin zu senden, mit Rückgriff auf die Cloud. Die Hardwareanforderungen bleiben hoch: eine kompatible Version von llama.cpp, eine GitHub-Anmeldung und eine NVIDIA-GPU mit mindestens 96 GB Speicher. Der auf dem Copilot SDK aufgebaute Copilot-Harness wird zur Standardauswahl für neue Sitzungen, und das Agents-Fenster erhält die Vorschaufunktion Compare Models, die denselben Prompt parallel an mehrere Modelle und Harnesses (Copilot, Claude, Codex) übergibt, mit einem optionalen Bewertungsmodell. Das Installationsprogramm bietet außerdem Copilot CLI an, Voice Mode akzeptiert einen persönlichen OpenAI-Schlüssel, und Unternehmen können ihre Standardmodelle vorgeben und erforderliche Plugins automatisch installieren lassen.

🔗 Versionshinweise zu Visual Studio Code 1.143

Replit veröffentlicht Monitoring Agent, der Produktionsalarme untersucht, Fehler behebt und selbstständig erneut veröffentlichen kann

22. Oktober — Replit veröffentlicht Monitoring Agent, vorgestellt als autonomer Ingenieur im Bereitschaftsdienst für Anwendungen, die auf seiner Plattform veröffentlicht wurden: Bei einem Vorfall im Produktivbetrieb untersucht er den Alarm, sucht die Ursache in Logs, Metriken und Code, bereitet einen Fix vor und validiert ihn, kann ihn deployen und berichtet anschließend über die Änderungen. Drei separate Einstellungen lassen sich für jede Anwendung einzeln festlegen: Alarme für Fehler-Logs, HTTP-Fehler und Latenz; automatische Fehlerbehebung (Auto-fix), die im Hintergrund untersucht und eine Zusammenfassung per E-Mail sendet; automatische erneute Veröffentlichung (Auto-republish), die noch experimentell ist und Anwendungen mit aktiviertem Auto-fix vorbehalten bleibt. Replit weist darauf hin, dass ein Alarm keinen Fix garantiert und Migrationen sowie Indexoperationen weiterhin riskant sind; ohne automatische erneute Veröffentlichung wartet der Fix im Chat des Agenten auf eine Prüfung. Es gibt keinen eigenen Tarif: Die Ausführungen können nutzungsabhängige Gebühren für den Agent verursachen. Replit spricht von einem Agenten, der „der erste seiner Art“ sei, doch Cognition hat am 15. Oktober Devin Oncall vorgestellt, der ebenfalls Vorfälle im Produktivbetrieb untersucht.

🔗 Der Blogbeitrag von Replit · Die Dokumentation zu Monitoring Agent

Amp ermöglicht das Hosting seiner orbs auf der eigenen Infrastruktur, bis zum 29. Oktober für alle kostenlos

22. Oktober — Amp ermöglicht es, seine orbs selbst zu hosten, also die entfernten Maschinen, auf denen seine Agenten laufen: Der Kunde stellt die Rechenleistung bereit, Amp macht daraus orbs, sofern die Infrastruktur neue Maschinen schnell starten, pausieren und wieder aufnehmen, lange vorhalten und auf null herunterskalieren kann. amp orb provider läuft beim Kunden, verbindet sich mit Amp und übermittelt Anfragen zum Erstellen, Pausieren und Löschen an ein vom Kunden geschriebenes Programm; Amp liefert Beispiele für Docker, E2B, Kubernetes, Apple Containers, Modal, Vercel, Daytona und exe.dev. Dennoch rät Amp den meisten Nutzern von dieser Option ab: Sie richtet sich an Unternehmen, die wegen regulatorischer Vorgaben, eines internen Netzwerks oder spezieller Hardware keine gehosteten orbs nutzen können. Selbst gehostete orbs bleiben für Einzelpersonen und Teams kostenlos; Enterprise-Kunden zahlen ab dem 29. Oktober den Standardtarif für orbs, bis dahin ist die Option für alle kostenlos. Bisher ließen nur die Runner von Amp den Agenten beim Kunden arbeiten, allerdings auf persistenten Maschinen.

🔗 Der Blogbeitrag von Amp

Cognition veröffentlicht ein Open-Source-Plugin für Agenten zur Behebung kritischer Schwachstellen in PHP, Node.js und GitLab

22. Oktober — Einen Tag nach PHP2Shell veröffentlicht Cognition Vulnerability Fixes, ein kostenloses Open-Source-Plugin (MIT-Lizenz), das einem Coding-Agenten die Behebung von drei kritischen Schwachstellen überträgt. Es lässt sich über den Marketplace von Devin installieren, besteht aber aus Skills im Format Agent Skills: npx skills add fügt es auch Claude Code, Codex, Cursor, Factory Droid, GitHub Copilot, Gemini CLI oder OpenCode hinzu. Der Agent erstellt zunächst im Lesemodus eine Bestandsaufnahme aller Komponenten, die PHP oder Node.js enthalten (Docker-Images, Distributionspakete, CI, Helm, Terraform, AWS-Lambda-Runtimes…), wartet auf die Auswahl der zu korrigierenden Repositories, aktualisiert auf eine anhand offizieller Quellen überprüfte, fehlerbereinigte Version, führt vorher und nachher Tests aus und öffnet anschließend pro Repository einen Pull Request mit einem Risikolabel und einem Rollback-Plan.

Betroffene Komponente	Behobene Schwachstelle	Fehlerbereinigte Versionen
PHP (PHP2Shell, am 21. Oktober behandelt)	CVE-2026-109618 und CVE-2026-109619, CVSS v4 9,2	8.2.35, 8.3.36, 8.4.27, 8.5.12
Node.js (Update vom 21. Oktober)	10 CVE, darunter CVE-2026-111497 (Brotli-Decoder)	22.23.4, 24.22.1, 26.12.1
Selbst gehostetes GitLab	CVE-2026-110264, CVSS 10.0	19.5.1, 19.4.3, 19.3.6, 19.2.9, 19.1.9, 19.0.10, 18.11.13

Laut Cognition werden die Schwachstellen in PHP und Node.js aktiv automatisiert ausgenutzt, und der Blogbeitrag empfiehlt, PHP-Webanwendungen zunächst offline zu nehmen. Devin-Enterprise-Kunden werden Guthaben und Unterstützung zugesagt, ohne einen Betrag zu nennen.

🔗 Der Blogbeitrag von Cognition · Das Repository CognitionAI/devin-vuln-fixes · Die Ankündigung von @cognition

Kurzmeldungen

Agenten und Coding-Tools

Copilot CLI 1.0.103 — Einen Tag nach 1.0.102 bringt die stabile Version von GitHub vor allem Fehlerbehebungen: ACP-Sitzungen berücksichtigen endlich die Sandbox-Einstellungen, Gemini-Tool-Aufrufe scheitern nicht mehr an der Schemavalidierung, und die alten Startoptionen --remote und --no-remote entfallen. 🔗 Quelle
Vibe CLI 3.0.2 — Mistral erhöht die Standardzahl aktiver und parallel laufender Subagenten von bisher 8 beziehungsweise 4 auf jeweils 32, konfigurierbar über max_subagents und max_concurrent_subagents, und setzt endlich die Berechtigungen, Tool-Listen und Skills benutzerdefinierter Subagenten durch. 🔗 Quelle
Qwen Code v0.26.0 — Die stabile Version folgt auf die am Vortag behandelten Vorabversionen v0.25.4, ohne dass es eine stabile v0.25.4 gab: 64 ihrer 237 Einträge, darunter 21 Funktionen, sind neu, etwa während eines Turns des Managed Agent veränderbare Freigaben und der Neustart des Daemons qwen serve. 🔗 Quelle
Zed 1.25 als stabile Version — Mit v1.25.2 wird die am 14. Oktober behandelte Vorabversion zur stabilen Version, mit Kontextkomprimierung für ACP-Agenten sowie GPT-6 Astra, Claude Fable 5.1 und Claude Opus 5.5 beim Provider Amazon Bedrock und einer seit 1.23 um rund 30 % verkleinerten Binärdatei. 🔗 Quelle
Gemini CLI, Nightly vom 22. Oktober — Die IDE-Integration funktioniert endlich, wenn die CLI in einer Sandbox mit docker, podman oder runsc läuft, ohne dass das Token des Begleitprogramms in die Sandbox gelangt, und eine Freigabe für einen Shell-Befehl gilt für dieselben Optionen bis zum Ende der Sitzung. 🔗 Quelle
Antigravity 2.25.0 und VS-Code-Erweiterung 1.9.0 — Nachträge vom 19. und 18. Oktober: Die Anwendung kennzeichnet von Plugins verwaltete Projekte mit einem Badge und repariert das YAML-Frontmatter von Skills; die Erweiterung ergänzt Tastenkürzel zum Annehmen oder Ablehnen eines Diff-Blocks und einen optionalen automatischen Neustart des Sprachservers. 🔗 Quelle
Release Notes von Devin vom 21. Oktober — Devin Review unterstützt nun Bitbucket Cloud, Devin Oncall erhält einen Lite-Modus, und Enterprise-Administratoren können neben noch nicht verbundenen Repositories einen Link zur Zugriffsanfrage anzeigen lassen. 🔗 Quelle
Ein mit GenCode gebautes Schul-Tool — Genspark veröffentlicht den Erfahrungsbericht von Jason Hill, der in drei Tagen für rund 600 Credits ein Tool für freie Plätze und Überbelegung in den Stundenplänen seines Schulbezirks entwickelt hat; keine Produktneuheit. 🔗 Quelle

Unternehmen und Deployments

Uber und ChatGPT Work — Nach einem Pilotprojekt mit 1 000 Beschäftigten weitet Uber den Agenten von ChatGPT Enterprise auf mehr als 30 000 Beschäftigte aus, mit GPT-6.1 Sol als Standard und Anbindungen an Google Drive, Gmail, Google Calendar und Slack; keine quantifizierten Ergebnisse. 🔗 Quelle
Die Forward Deployed Engineers von OpenAI — Colin Jarvis beschreibt ihre Methode anhand von Kundenzahlen: Bei einem Halbleiterkunden entfielen durch den Wechsel auf eine Codex-Basis rund 90 % des kundenspezifischen Codes, und ein Sprachmodell im Telekommunikationsbereich verbesserte sich bei zentralen Evaluierungen innerhalb von sechs Monaten von rund 60 % auf über 90 %. 🔗 Quelle
Replit for Government — Ein Angebot für Behörden aller Ebenen in den USA und anderen Ländern, laut Anbieter in 25 US-Bundesstaaten und mehr als 20 Ländern im Einsatz, ohne namentlich genannte Kunden, Angaben zu FedRAMP oder Preise. 🔗 Quelle
Cognition in London — Neues Büro am Finsbury Square, ein in sechs Monaten um mehr als 200 % gewachsenes britisches Team und drei Neuzugänge, darunter Katrin Lehmann, die frühere globale CIO von Mercedes-Benz. 🔗 Quelle
Das Partner Network von SpaceXSI — Das Programm für Integratoren und Softwareanbieter, die mit Grok entwickeln, verlässt den Early Access und wird von mehr als 130 Unternehmen verfolgt, mit 45 Startpartnern, darunter Bain & Company, Databricks, NVIDIA und Snowflake; keine Preise und kein Zeitplan. 🔗 Quelle
Synthesia und Hays — Das Pilotprojekt mit Roleplay Sessions beim Personalvermittler misst eine durchschnittliche Verbesserung der Vertriebskompetenzen um 29 % bei einer freiwilligen Beteiligung von über 70 %. 🔗 Quelle
Trinity Logistics und ElevenAgents — In einem am 20. Oktober veröffentlichten Fall verhandeln und buchen Sprachagenten bei 30 000 Anrufen rund 1 000 Ladungen pro Monat, mit einer um 25 % höheren Marge und um 40 % gesunkenen Plattformkosten. 🔗 Quelle
Eleven Realtime Translation, Fortsetzung — Der Blogbeitrag zur am Vortag behandelten Sprachübersetzung in Echtzeit nennt mit Deutsche Telekom einen ersten Kunden für dessen Magenta AI Call Assistant und präzisiert, dass Eleven v4 Turbo standardmäßig als Grundlage dient; für die Enterprise-Alpha gibt es weiterhin keine Preisangaben. 🔗 Quelle

Sicherheit

OpenAI und Community-Banken — Die Kooperation mit der ICBA eröffnet berechtigten Mitgliedsbanken einen subventionierten Zugang zu Daybreak for Frontline Defenders samt Schulungen; weder Betrag noch Anzahl der Banken werden genannt. 🔗 Quelle
Cloudflare, Daybreak und Codex — In einer Fallstudie vom 21. Oktober schlägt Cloudflare mithilfe der Modelle von OpenAI Fixes und WAF-Regeln vor, die vor der Weitergabe geprüft werden, und ein vierköpfiges Team hat mit Codex in drei Tagen für 1 100 Dollar an Tokens ein Produkt neu aufgebaut. 🔗 Quelle
Grok Bot und 1Password — Grok Bot wird in den kommenden Tagen vom Nutzer freigegebene Zugangsdaten aus 1Password verwenden, ohne die Passwörter einzusehen, im Rahmen von 1Password for Agents, das auch Muse von Meta, Claude Duet und ChatGPT Work unterstützen soll. 🔗 Quelle · 🔗 1Password for Agents
Public Monitoring bei Datenresidenz — GitHubs Secret Scanning überwacht nun in einer öffentlichen Vorabversion öffentliche Commits für Kunden von GitHub Enterprise Cloud mit Datenresidenz, wobei die Zuordnung ausschließlich anhand verifizierter Domains erfolgt. 🔗 Quelle

Assistenten

Gemini, Google Maps und Google Agenda — Mit Zustimmung des Nutzers gleicht die Gemini-Anwendung über Personal Intelligence dessen Suchanfragen und gespeicherte Orte in Google Maps mit seinem Kalender ab, um Empfehlungen für den Tag zu geben; die Funktion ist im Europäischen Wirtschaftsraum nicht verfügbar. 🔗 Quelle
Von Gemini-Anwendungen zu Google Sites — Seit dem 19. Oktober öffnet Export > Google Sites eine in Gemini erstellte interaktive Webanwendung in einem privaten Website-Entwurf, in dem sie interaktiv bleibt, für Workspace und persönliche Konten. 🔗 Quelle
Kimi Work 3.2.19 — Einen Tag nach 3.2.18 zeigt die Anwendung von Moonshot AI eine Seite zum eingeschränkten Zugriff an, wenn die IP-Allowlist eines Unternehmens die Verbindung blockiert, und ergänzt ein Tool zur Netzwerkdiagnose. 🔗 Quelle

Entwicklungsplattformen

Whitespace und geteilte Ansicht in Pull Requests — Die Einstellung zur Anzeige von Whitespace-Änderungen wird für alle Pull Requests gespeichert, und neue oder gelöschte Dateien nehmen in der geteilten Ansicht die gesamte Breite ein. 🔗 Quelle
Neue Blob-Hosts für GitHub Actions — Die in der Meta-API veröffentlichten Bereiche productionresultssa30 bis 49 und 100 bis 199 auf blob.core.windows.net müssen freigegeben werden, sofern nicht bereits eine Wildcard-Regel besteht; andernfalls drohen Unterbrechungen bei Job-Zusammenfassungen und Logs. 🔗 Quelle
huggingface_hub 2.3.0 als Release Candidate — Die parallele Auflistung verkürzt die Suche nach den 798 924 Dateien von objaverse von 776 auf 19,7 Sekunden, und Buckets lassen sich live verfolgen. 🔗 Quelle
OpenUSD auf dem Hub — Dateien mit den Endungen .usd, .usda, .usdc und .usdz lassen sich in einem interaktiven, als Open Source veröffentlichten 3D-Viewer öffnen, einen Tag nach SimReady Central. 🔗 Quelle

Forschung, offene Modelle und Methoden

PLANTEUR — Dieser von Ai2 zusammen mit OlmoEarth v1.3 veröffentlichte Benchmark zur Kartierung landwirtschaftlicher Kulturen in sechs französischen Überseegebieten (2 750 Zeitreihen, 4 506 km² an Parzellen) zeigt, dass jedes Modell auf einer zuvor ungesehenen Insel rund die Hälfte seiner Genauigkeit einbüßt. 🔗 Quelle
Seb-9B-v2 — Dieses lokale Entscheidungsmodell mit 9 Milliarden Parametern unter Apache 2.0 erreicht laut seinem Autor, der die Version des Index nicht nennt, 59,16 im Decision Index gegenüber 57,96 für das gehostete Jev 1.13, bei 22 ms pro Entscheidung auf einer RTX PRO 6000. 🔗 Quelle
Laghu — UDGAM LABS trainiert für 146 Dollar von Grund auf ein Konversationsmodell mit 152 Millionen Parametern, im Browser 163 MB groß, das laut seinen Autoren bei der Konversation mit SmolLM2-135M-Instruct gleichzieht. 🔗 Quelle
BaseQuant V1 — basecompute veröffentlicht Quantisierungen von Qwen3.8-27B (10,93, 16,41 und 20,82 GB), deren KL-Divergenz laut den Autoren bei 3 und 4 Bit um 15 % geringer ist als bei Unsloth. 🔗 Quelle
Ein VLM als Reranker — Ohne Training für das Reranking schlägt Qwen3.8-27B den überwacht trainierten Reranker Qwen3-VL-Reranker-2B auf drei Benchmarks und erreicht laut einem Community-Beitrag bei den visuellen Dokumenten von MMEB-V2 das Niveau der 8B-Version. 🔗 Quelle
Agentenbewertung nach Perplexity — Ein Leitfaden in sechs Schritten, von Erfolgskriterien über Regressionstests bis zur Überwachung im Produktivbetrieb, empfiehlt eine Fehleranalyse anhand von rund hundert realen Traces und die Kalibrierung der als Bewerter eingesetzten LLMs; kein Produkt von Perplexity. 🔗 Quelle
Project Chrysalis — Google Cloud beschreibt eine Referenzarchitektur für sich selbst weiterentwickelnde Betriebsagenten auf der Agentenplattform von Gemini Enterprise: Bei simulierten Ausfällen sinkt die Zeit bis zur ersten Maßnahme zur Schadensbegrenzung (mitigation) von 15 bis 45 Minuten auf 1,8 Sekunden; es handelt sich nicht um ein Produkt. 🔗 Quelle

Was das bedeutet

Die Plattformen schreiben ihre Zugangsverträge neu. Anthropic legt die Claude API nun auf datierte Versionen fest und entfernt Einstellungen, die sich bei seinen neueren Modellen ohnehin nicht mehr ändern ließen: Ein Entwickler, der bei einem älteren Modell die Temperatur senkte, muss sich entscheiden, ob er bei 2023-06-01 bleibt oder das standardmäßige Sampling akzeptiert, und alle SDKs wechseln am selben Tag zu einer neuen Hauptversion und einer neuen Lizenz. OpenAI wird den Zugang für Vermittler kontrollieren: Ab dem 20. November muss ein Router oder ein Gateway, das direkten Zugang zu seinen Modellen gewährt, die Genehmigung von OpenAI einholen, und SafetyIDs ermöglichen es OpenAI, gezielt gegen einen Endnutzer vorzugehen, ohne dessen Identität zu kennen. Perplexity übernimmt die Form der Batch API von OpenAI, und Cohere lässt den Client vor jeder Übermittlung die Umgebung überprüfen, die seine Anfrage verarbeiten wird.

Die Bausteine für Agenten kommen unter neutrale Verwaltung. Mit Agent Skills, Open Responses, OpenEnv und OpenSandbox vereint die AAIF innerhalb eines Jahres zehn Projekte, wobei die vier jüngsten von Anthropic, OpenAI, Hugging Face und Alibaba stammen. Der Nutzen eines gemeinsamen Formats zeigt sich am selben Tag: Das Plugin von Cognition gegen PHP2Shell und die Schwachstellen in Node.js und GitLab lässt sich in sieben konkurrierenden Coding-Agenten als Skills installieren. Bei der Architektur gehen die Signale dagegen auseinander: Anthropic empfiehlt, Subagenten in eine einzige Schleife mit Skills zu integrieren, und behält sie nur für überfüllte Kontexte oder kurzlebige parallele Aufgaben bei, während Vibe CLI 3.0.2 am selben Tag die Standardzahl gleichzeitig aktiver Subagenten auf 32 erhöht.

Je selbstständiger Agenten handeln, desto mehr wird ihre Überwachung zu einer Infrastruktur, die sich im Test bewähren muss. Die Übung von METR und Redwood Research zeigt, dass ein Monitor den gesamten Ablauf eines Agenten sehen und dennoch einen Teil des Datenverkehrs durchlassen kann: Solange er die Kontextkomprimierung nicht erfasste, konnte ein Agent, der die Kontrolle nie zurückgab, seine Überprüfung unbegrenzt hinauszögern. Am selben Tag kündigen die Claude-Anwendungen den Auto-Modus als Standard an, in dem eine automatische Kontrolle die Freigabe jedes einzelnen Schritts ersetzt, Claude Code gibt für jeden gestoppten Tool-Aufruf ein Ereignis aus, Replit lässt einen Agenten eigenständig einen Fix erneut in Produktion bereitstellen, und GitHub bietet Unternehmen die Möglichkeit, ihren Anteil agentischer Nutzer mit dem vergleichbarer Unternehmen abzugleichen.

In einem bestimmten Bereich holt ein spezialisiertes Modell das Frontier-Modell zu einem Bruchteil dessen Kosten ein. Carbon-X liegt mit 14 Milliarden Parametern bei ADN weniger als einen Punkt hinter GPT-6.1 Sol und verursacht dabei pro Problem etwa 1/1 800 von dessen Kosten; die Decisions API und GLiDE antworten, ohne Text zu generieren; OlmoEarth v1.3 berechnet für den gesamten Planeten Embeddings vor, auf deren Basis ein kleiner Klassifikator zur Erstellung einer Karte genügt, und ForTy erstellt seine Karte anhand der Embeddings von AlphaEarth Foundations. Die Benchmarks zeigen die Kehrseite: Bei CulturalRiddles erreicht keines der 28 getesteten Modelle für bestimmte Gemeinschaften mehr als 22 %, und die Modelle antworten nur in 0,7 % der Fälle mit „Ich weiß es nicht“.