Jalapeño liefert ihre ersten gemessenen Kennzahlen, die WebMCP Challenge bringt sechs Plattformen zusammen, Perplexity verlagert seinen Agenten lokal

Einundfünfzig Ankündigungen in vierundzwanzig Stunden, verteilt auf neun Bereiche: Der 25. August ist der ereignisreichste Tag der Woche. Vier Entwicklungen stechen hervor. OpenAI veröffentlicht die ersten gemessenen Ergebnisse von Jalapeño, seinem hauseigenen Inferenzchip, und startet im selben Atemzug einen zehntägigen Hackathon rund um WebMCP mit Chrome, Cloudflare, Shopify, Vercel, Render und Netlify. Perplexity verlagert den gesamten Computer-Agenten auf das Gerät des Nutzers. IBM öffnet Granite 4.2, seine erste Familie von Reasoning-Modellen. Und Anthropic vereinheitlicht das Gedächtnis von Claude zwischen Chat und Cowork, indem es es Datei für Datei lesbar und bearbeitbar macht. Der Rest — WeatherNext Cyclones im Einsatz beim National Hurricane Center, die Serie B von Stability AI, rund zwanzig Tool-Updates — folgt unten.

WebMCP: ein Standard, sein Produktsupport, seine interne Nutzung und ein Wettbewerb zum Anstoßen

25. August — OpenAI startet die WebMCP Challenge, einen zehntägigen Hackathon zu einem noch experimentellen offenen Standard, der die Art verändert, wie Agenten mit dem Web interagieren. Das Ziel ist konkret: Heute muss ein Agent, der auf einer Website eine Aufgabe erledigen soll, erraten, wie er sich durch eine für Augen und Maus konzipierte Oberfläche bewegt. WebMCP dreht die Logik um: Die Website stellt selbst strukturierte Werkzeuge bereit, die der Agent direkt aufruft.

Der Wettbewerb ist nicht das bemerkenswerteste Element der Ankündigung. Es ist die Abstimmung, die sie offenbart: Chrome (Google), Cloudflare, Shopify, Vercel, Render und Netlify schließen sich alle mit OpenAI auf demselben Standard zusammen. Die Jury trägt davon Spuren, mit Sarah Drasner (Distinguished Engineer, Chrome), Andrew Galloni (VP Research & Innovation, Cloudflare), Jude Gao (Next.js Core Team, Vercel), Ilya Grigorik (Distinguished Engineer, Shopify), Sean Roberts (VP of Applied AI, Netlify), Justin Rushing (Browser Agent Lead, OpenAI) und Alex Nahas, dem Erfinder von MCP-B.

The WebMCP Challenge is here. We’ve teamed up with @ChromiumDev, @CloudflareDev, @ShopifyDevs, @vercel, @render, and @Netlify for a 10-day hackathon. Up for grabs: $35,000 in cash prizes, Codex Micros, ChatGPT Pro subscriptions, and more prizes from our supporters.

🇩🇪 Die WebMCP Challenge ist gestartet. Wir haben uns mit @ChromiumDev, @CloudflareDev, @ShopifyDevs, @vercel, @render und @Netlify für einen zehntägigen Hackathon zusammengetan. Zu gewinnen gibt es 35.000 Dollar Preisgeld, Codex Micro, ChatGPT-Pro-Abonnements und weitere von unseren Partnern gestiftete Preise. — @OpenAIDevs auf X

Der Zeitplan ist eng und die Bewertungskriterien sind klar: Nützlichkeit, Originalität, Umsetzung, durchdachter Einsatz von WebMCP und Qualität der Mensch-Agent-Erfahrung. Anmeldungen und Einreichungen laufen über Devpost. OpenAI veröffentlicht außerdem agentennahe Demo-Apps, um Projekte anzustoßen — agentengesteuerte 3D-Modellierung, kollaboratives Schreiben, bei dem der Agent unter seiner eigenen Identität kommentiert, ein Generator für personalisierte Kreuzworträtsel, Wandernote zur Umwandlung von Reisetnotizen in eine Route und Datenexploration über DuckDB-Wasm im Browser. Es ist erlaubt, mit einer bestehenden Anwendung zu beginnen und WebMCP hinzuzufügen.

Element des Wettbewerbs	Angegebene Details
Angegebene Dauer	10 Tage
Öffnung der Einreichungen	25. August 2026, 12 Uhr PT
Abgabefrist	3. September 2026, 13 Uhr PT
Bekanntgabe der Gewinner	23. September 2026 (vorläufiges Datum)
Gesamtpreisgeld	35.000 Dollar
Preis pro Gewinner (Top 10)	3.000 Dollar, ein Jahr ChatGPT Pro, eine Codex-Micro-Tastatur, Goodies
Einreichungsplattform	Devpost

Der Produktbaustein, der den Standard im Alltag nutzbar macht, kommt am selben Tag: Der integrierte Browser der ChatGPT-Desktop-App und ChatGPT Sites können WebMCP nun konsumieren. Wenn ChatGPT oder Codex eine kompatible Website besucht, erkennt der Agent die von der Seite bereitgestellten Werkzeuge und nutzt sie automatisch, statt in der Oberfläche herumzutasten — dafür ist ein Update auf die neueste Version der Desktop-App erforderlich. Die andere Hälfte des Kreislaufs liegt auf der Produktionsseite: Es wird möglich, Codex zu bitten, eine mit WebMCP kompatible Anwendung zu erstellen und sie direkt auf Sites bereitzustellen. Bemerkenswert ist die Asymmetrie beim Support gegenüber Chrome, wo WebMCP weiterhin hinter einem experimentellen Flag oder einem Origin Trial steckt, während der Browser von ChatGPT es nativ beherrscht.

Bleibt der dritte Teil, der aufschlussreichste: OpenAI dokumentiert die eigene interne Nutzung. Ein Ingenieur des Unternehmens berichtet, wie er aufgehört hat, für jede Aufgabe eine Automatisierung zu schreiben, und stattdessen Runme gebaut hat, eine Open-Source-Web-Notebook-Anwendung, die für die Zusammenarbeit mit Codex gedacht ist. Dort schreibt er ein kurzes Ziel mit expliziten Anweisungen — eine frühere Ausführung prüfen, einen detaillierten Plan erstellen, vor Beginn auf Freigabe warten, die ausgeführten Befehle und ihre Interpretation dokumentieren — und Codex liest und aktualisiert das Notebook im Verlauf der Arbeit. Zwei Architekturentscheidungen verdienen Aufmerksamkeit. Zunächst die Persistenz: Die Notebooks werden in Google Drive gespeichert, und Runme erzeugt parallel einen begleitenden Markdown-Index *.index.md, den Drive indexieren kann, sodass ein Agent eine vergangene Ausführung als operativen Kontext wiederfinden kann. Dann die Bereitstellung der Fähigkeiten: Runme ist eine statisch bereitgestellte Client-Anwendung, und nur einen Server hinzuzufügen, um einen klassischen MCP-Endpunkt bereitzustellen, hätte zusätzliche Infrastruktur eingeführt und die Verarbeitung der Notebook-Daten verschoben. WebMCP erlaubt es der Anwendung, ihre Werkzeuge direkt aus dem Browser zu registrieren.

🔗 WebMCP Challenge · Support in ChatGPT Desktop und Sites · Codex, Runme und WebMCP bei OpenAI

Jalapeño: OpenAI veröffentlicht die ersten Kennzahlen seines Inferenzchips und bekennt sich zu seiner Compute-Strategie

25. August — OpenAI veröffentlicht die ersten gemessenen Ergebnisse von Jalapeño, dem ersten Inferenzchip, den das Unternehmen selbst entworfen hat. Das Interesse an der Ankündigung liegt nicht nur in den absoluten Gewinnen, sondern in der Art des Kompromisses, den sie angeblich aufhebt: Bestehende Inferenzsysteme müssen in der Regel zwischen Durchsatz und Latenz abwägen, während Jalapeño beides in einer einzigen Architektur verspricht.

Die Messungen stützen sich auf InferenceX, einen öffentlichen Benchmark von SemiAnalysis, der die vollständige Verarbeitung einer Anfrage simuliert. Getestet wurden drei offene Modelle — GPT-OSS 120B, DeepSeek R1 670B und Kimi K2.5 1T — gegen kommerzielle Systeme. Die Entscheidung, nach Watt statt nach Chip zu normalisieren, ist ausdrücklich und praktisch: Jalapeño verbraucht halb so viel wie die Systeme, mit denen sie verglichen wird. Jalapeño ist mit 700 W angegeben, und der gemessene Dauerverbrauch blieb bei den getesteten Lasten bei 550 W oder weniger, gegenüber 1.200 W beim GB200 und 1.400 W beim GB300.

Bewertetes Modell (Vergleichssystem)	Spitzendurchsatz pro kW	End-to-End-Latenz	Minimales TBT
GPT-OSS 120B (GB200, 1.200 W)	≈1,9x (85.448 vs 44.960)	≈1,7x (1,03 s vs 1,80 s)	≈2,7x (0,69 vs 1,87 ms)
DeepSeek R1 670B (GB300, 1.400 W)	≈1,7x (19.641 vs 11.781)	≈3,6x (1,65 s vs 5,99 s)	≈4,1x (1,43 vs 5,90 ms)
Kimi K2.5 1T (GB300, 1.400 W)	≈1,5x (18.195 vs 11.862)	≈3,4x (1,56 s vs 5,31 s)	≈3,8x (1,44 vs 5,48 ms)

Über alle drei Modelle hinweg gibt OpenAI 1,5- bis 1,9-mal mehr KI-Arbeit pro Watt beim Spitzendurchsatz und 1,7- bis 3,6-mal weniger End-to-End-Latenz als die Vergleichssysteme an, sowie bis zu 2,1- bis 4,1-mal mehr Leistung bei sehr interaktiven Lasten. Technisch entstehen die Gewinne durch eine Mitentwicklung von Chip, Speicher, Netzwerk, Software und System auf Rack-Ebene. Inferenz durchläuft zwei Phasen mit unterschiedlichen Engpässen: das Vorfüllen (prefill), das den Prompt verarbeitet und die Berechnung sättigt, und die Generierung (decode), die die Tokens einzeln erzeugt und vor allem von der Speicherbandbreite abhängt. Jalapeño versucht, Datenbewegungen zu minimieren; der Modellzustand — inklusive KV-Cache — kann explizit platziert und lokal gehalten werden, während das System je nach Phase die richtige Kombination aus Rechenleistung, Speicher und Netzwerk aktiviert.

Der für Entwickler interessanteste Punkt betrifft die Rolle von KI beim Design des Chips selbst. OpenAI gibt an, von der ersten Konzeption bis zum Tape-out in neun Monaten gekommen zu sein, indem die Schleifen aus Entwurf, Messung und Verifikation verkürzt wurden. Der Chip wurde als vorhersehbares Programmierziel sowohl für KI als auch für Menschen gedacht: Arbeit wird über lokale Tensoren beschrieben, Kommunikation ist explizit, Synchronisierung ist vorhersehbar. Mit Codex und GPT-Astra hat das Team in zwei Monaten drei Modelle mit offenen Gewichten nachgezogen, die im ursprünglichen Produktionsplan fehlten, und auf ausgewählten Attention- und Mixture-of-Experts-Blöcken von GPT-OSS laufen die von KI erzeugten Kerne 1,5- bis 1,8-mal schneller als von menschlichen Experten geschriebene Implementierungen. Die Nuance sollte erhalten bleiben: Diese Zahlen beziehen sich auf die ausgewählten Blöcke, nicht auf das vollständige Modell. Der Zeitplan bleibt vorsichtig — Produktionstauglichkeitsprüfung läuft, die Software muss reifen, der Einsatz in der OpenAI-Infrastruktur ist für Jahresende angekündigt, Gen 2 ist weit fortgeschritten in der Entwicklung und Gen 3 zeichnet sich ab.

Am selben Tag veröffentlicht Sarah Friar den Beitrag, der die wirtschaftliche Logik dahinter erklärt. Darin bekennt sie sich zu einem breiten Compute-Portfolio — Microsoft und NVIDIA als Fundament, ergänzt durch AWS, AMD, Broadcom, Cerebras, CoreWeave, Oracle, SB Energy und SoftBank — mit einem ebenso kommerziellen wie technischen Argument: Ein glaubwürdiger Auswahlspielraum zwischen Anbietern erlaubt es, jede Arbeitslast auf das beste Verhältnis von Leistung und Preis zu lenken und eine Preisdiziplin aufrechtzuerhalten. Eine konkrete Zahl begleitet die Aussage: Im Artificial Analysis Coding Agent Index erreicht GPT-5.6 Sol im maximalen Reasoning einen neuen Rekord und verbraucht dabei 54 % weniger Output-Tokens als ein anderes Spitzenmodell. Der Text bejaht schließlich das Jevons-Paradoxon — Intelligenz billiger zu machen reduziert ihren Verbrauch nicht, sondern erweitert den Bereich wirtschaftlich rentabler Einsätze. Auf Infrastrukturseite wird Project Camellia in Georgia mit einem geschlossenen Wasserkreislauf und Verpflichtungen vorgestellt, die einer jährlichen unabhängigen öffentlichen Prüfung unterliegen. OpenAI präzisiert, dass es die breit angelegte Bereitstellung von Beschleunigern von NVIDIA und seinen anderen Partnern sowohl fürs Training als auch für Inferenz fortsetzen wird.

🔗 Jalapeño — erste Ergebnisse · Der vollständige Stack hinter reichlich vorhandener Intelligenz

Perplexity Portable Computer: Alles läuft auf der Maschine, Benchmarks inklusive

25. August — Perplexity startet Portable Computer, eine Variante seines Computer-Agenten, die vollständig auf der Maschine des Nutzers ausgeführt wird. Der Schritt ist eher architektonisch als kosmetisch: Nicht nur das Modell läuft lokal, sondern die gesamte Orchestrierungskette — Orchestrator, Planer, Tool-Router, Scheduler, persistente Aufgabenwarteschlange und lokaler Suchindex.

Heute starten wir Portable Computer auf @NVIDIA DGX Spark.

Portable Computer is a fully local version of Perplexity Computer, where the entire runtime: orchestrator LLM, subagent LLM, agent harness all run on your local hardware. No cloud dependency.

🇩🇪 Heute starten wir Portable Computer auf dem @NVIDIA DGX Spark. Portable Computer ist eine vollständig lokale Version von Perplexity Computer, bei der die gesamte Ausführungsumgebung — das orchestrierende LLM, die LLMs der Sub-Agenten, das Agenten-Harness — auf deiner lokalen Hardware läuft. Keine Cloud-Abhängigkeit. — @perplexity_ai auf X

Die Ankündigung erfolgt gemeinsam mit NVIDIA und richtet sich zunächst an den DGX Spark — Plattform mit Grace Blackwell GB10, 20 Arm-Kernen, NVIDIA-GPU, 128 GB Unified Memory — mit einer angekündigten Ausweitung auf PCs mit RTX-GPUs. Zur Auswahl stehen zwei Modelle, Qwen 3.8 27B oder PPLX 27B, die von Perplexity nachtrainierte Version des Qwen-Modells, und NVIDIA Nemotron 3.5 Lightning, ein offenes 30B-Modell, soll dem Auswahlmenü hinzugefügt werden. Lokal verarbeitete Arbeit verbraucht keine Credits. Ein Wechsel in die Cloud bleibt möglich — aktuelle Informationen, Browser, verbundene Anwendungen oder eines der mehr als 15 Frontier-Modelle — ist jedoch an eine ausdrückliche Zustimmung des Nutzers gebunden. Die Konnektoren Google Drive, Gmail, Slack und GitHub funktionieren direkt vom Gerät aus, die Diktierfunktion läuft lokal über das NVIDIA Nemotron 3.5 ASR Model, ohne dass Audio die Maschine verlässt, und die Codeausführung erfolgt in einer isolierten Sandbox. Portable Computer ist Pro- und Max-Abonnenten mit einem DGX Spark vorbehalten, zunächst unter Linux, später unter Windows, mit einer Ein-Klick-Installation direkt aus der App.

Am selben Tag veröffentlicht das Engineering-Team die Zahlen, die diesen Start dokumentieren. Die These lautet, dass Modell und Harness gemeinsam entworfen werden müssen: Generische Harnesses setzen ein Frontier-Modell voraus, das lange Kontexte verarbeiten und über einen langen Planungshorizont arbeiten kann, was lokale Modelle nur schlecht leisten.

Gemessener Benchmark	Computer (Qwen 3.8 27B)	Pi	Hermes	Computer + PPLX 27B
Local Knowledge Work Bench (53 Aufgaben)	82,6 %	77,6 %	74,0 %	85,4 %
BrowseComp (1 266 Aufgaben)	66,7 %	50,2 %	43,9 %	—
ParseBench-100 (multimodale Dokumente)	65,1 %	13,9 %	34,6 %	—

Bei BrowseComp verbraucht Computer nebenbei 61 % weniger Zeit und 16 % weniger Tokens als Hermes sowie 51 % weniger Zeit und 70 % weniger Tokens als Pi. Vier Designentscheidungen erklären den Unterschied: ein minimalistischer Systemprompt, modularisierte Fähigkeiten, die im Verlauf der Trajektorie geladen und entladen werden, stark genutzte Konnektoren (Gmail, GitHub, Outlook, Google Calendar), die als kompakte Kommandozeilen-Tools statt als MCP-Server mit kontextfressenden Definitionen umgesetzt sind, und eine stets aktive, nicht konfigurierbare Sandbox — ist sie nicht verfügbar, deaktiviert sich das Harness vor jedem Tool-Aufruf, statt auf eine nicht isolierte Ausführung umzuschalten. Perplexity macht außerdem einen praxisrelevanten Befund geltend: Qwen 3.8 27B gibt zwar ein Kontextfenster von 260K Tokens an, beginnt empirisch aber oberhalb von 100K zu schwächeln.

Terminal Bench 2.1 (89 Aufgaben)	Score	API-Kosten pro Ausführung
Qwen 3.8 27B, 100 % lokal	59,6 %	etwa 0
Qwen 3.8 27B + Claude-Opus-5-Beratung	73,0 %	0,415 USD
Claude Opus 5 allein	82,4 %	0,65 USD

Der Mechanismus zur Eskalation zu einem Beratungsmodell (advisor) ist der interessanteste Teil des Berichts: Er holt rund drei Fünftel der Lücke zum Frontier-Modell für etwa zwei Drittel der Kosten zurück, und die Entscheidung bleibt beim Nutzer. Vor jedem Aufruf wählt das Harness den relevanten Kontext aus, wendet einen Klassifikator für personenbezogene Daten an und zeigt dem Nutzer, was das Gerät verlassen würde; das Beratungsmodell liefert nur Text zurück und hat keinen direkten Zugriff auf Dateien oder Tools. Das Nachtraining von PPLX 27B kombiniert schließlich ein Rejection Fine-Tuning mit Reinforcement Learning auf synthetischen Umgebungen, die in Docker-Containern ausgeführt werden, ohne jegliche echte Nutzerdaten. Ein technischer Bericht und die Freigabe des Bewertungs-Benchmarks als Open Source sind angekündigt.

🔗 Benchmarks des lokalen Harness · Portable Computer — Perplexity-Beitrag

Claude: ein einziger Speicher für Chat und Cowork, Datei für Datei lesbar

25. August — Anthropic beseitigt die Grenze zwischen zwei Speichern, die bislang nebeneinander existierten. Was Claude sich aus Ihren Unterhaltungen im Chat merkt, ist nun exakt dasselbe, worauf es in Claude Cowork zugreifen kann, und umgekehrt gilt das ebenfalls. Konkret beginnt Cowork bei einer Aufgabe in der Cloud mit dem im Laufe der Monate aufgebauten Kontext: den Prioritäten des Quartals, dem Fortschritt der Projekte, den Schreibvorlieben eines Gesprächspartners. Anthropic nennt bewusst alltagsnahe Beispiele — etwa einen Statusbericht für die eigene Führungskraft anzufordern, ohne erst erklären zu müssen, um wen es sich handelt oder wie diese Person Informationen gern erhält.

Die zweite Änderung ist subtiler, verändert aber das Verhalten im Alltag: Der Speicher aktualisiert sich während der Unterhaltung statt erst über eine nachträglich erzeugte Zusammenfassung. Wenn erwähnt wird, dass eine Frist auf September verschoben wurde, berücksichtigt die nächste Konversation das automatisch. Die Formulierung „Merke dir das“ bleibt verfügbar, um die Speicherung eines bestimmten Elements zu erzwingen, und der Speicher kann jederzeit pausiert oder zurückgesetzt werden.

Bei der Transparenz hat sich Anthropic für eine lesbare Darstellung statt für eine Blackbox entschieden: Alles, woran sich Claude erinnert, erscheint in Form kurzer, thematisch sortierter Dateien unter Einstellungen und dann Speicher. Jede einzelne kann gelesen, korrigiert oder gelöscht werden. Der praktische Nutzen ist unmittelbar — den alten Firmennamen in nur einer Datei zu korrigieren genügt, damit alle folgenden Unterhaltungen den richtigen verwenden.

Der Umgang mit sensiblen Themen ist auf Produktebene der interessanteste Teil der Entscheidung. Standardmäßig speichert Claude nichts zu Gesundheit, Herkunft, Ethnie, religiösen Überzeugungen, politischen Ansichten oder Geschlechtsidentität. Anthropic erkennt jedoch an, dass diese Grenze persönlich ist, und bietet eine optionale Einstellung an, um diese Themen einzuschließen — so kann sich Claude etwa an eine Glutenunverträglichkeit erinnern, wenn es Rezepte vorschlägt. Diese Einstellung wirkt nicht rückwirkend und kann jederzeit deaktiviert werden. Eine Kategorie bleibt unabhängig von der Einstellung ausgeschlossen: Ausweisnummern, strafrechtliche Vorgeschichten, Migrationsstatus und allgemein alles, was gegen die Nutzungsrichtlinie verstößt. Claude weist ausdrücklich darauf hin, wenn es eine solche Information nicht speichern kann — eine Designentscheidung, die sichtbare Ablehnung gegenüber stillem Filtern bevorzugt.

Speicheraspekt	Beschriebenes Verhalten
Umfang	Einziger geteilter Speicher für Chat und Claude Cowork
Zeitpunkt der Aktualisierung	Während der Konversation, statt wie zuvor nachträglich in einer Zusammenfassung
Speicherformat	Kurze, thematisch sortierte Dateien, lesbar und einzeln bearbeitbar
Sensible Themen	Standardmäßig nicht gespeichert, per Einstellung aktivierbar, ohne Rückwirkung
Dauerhafte Ausschlüsse	Ausweisnummern, strafrechtliche Vorgeschichten, Migrationsstatus
Free-, Pro- und Max-Tarife	Speicher standardmäßig aktiv im Web, auf dem Desktop und mobil
Team- und Enterprise-Tarife	Vom Administrator geöffnet, pro Nutzer deaktiviert bis zur Aktivierung

🔗 Claude-Speicher funktioniert überall · Ankündigung @claudeai

IBM öffnet Granite 4.2, seine erste Reasoning-Familie, und zwei 470M-ASR-Modelle

25. August — IBM veröffentlicht Granite 4.2, vorgestellt als seine erste Familie dichter, rein dekodierender Sprachmodelle, die ausdrücklich für Reasoning entwickelt wurden. Während frühere Generationen auf Effizienz und klassische Unternehmensaufgaben zielten, stellt diese Version das Reasoning ins Zentrum und macht es modular: Jedes Modell bietet drei Modi — thinking, non-thinking und low-effort —, die die Anwendung je nach akzeptiertem Latenz- und Token-Budget auswählt. Die drei Größen (3B, 8B, 30B) teilen sich dieselbe Architektur und denselben Pipeline-Aufbau, was den Wechsel zwischen ihnen integrationsseitig reibungslos macht.

Die Architektur bleibt klassisch: GQA-Attention mit 40 Köpfen für 8 KV-Köpfe, RoPE mit einem θ von 10 Millionen für das 131 072 Tokens umfassende Kontextfenster, SwiGLU-MLP, RMSNorm-Normalisierung, Training in bfloat16 auf einem von CoreWeave gehosteten NVIDIA-GB200-NVL72-Cluster. Das Vortraining beginnt bei Null auf rund 15 000 Milliarden Tokens, verteilt auf fünf Phasen. Was Granite 4.2 wirklich auszeichnet, ist das Post-Training: eine Pipeline aus spezialisierten Verstärkungsstufen statt eines einzigen Durchlaufs, in asynchronem GRPO mit getrunkener Importance-Sampling-Stichprobe, sodass sich die Hälften Generierung und Training der Schleife nie gegenseitig blockieren. Der Lehrplan umfasst drei RLVR-Durchläufe mit überprüfbaren Belohnungen, gezielte Verstärker für Instruktionsbefolgung und Code, zwei Software-Engineering-Stufen im 128K-Kontext, eine Terminal-Stufe, eine Recherche-Stufe und anschließend die RLHF-Ausrichtung. Der agentische Verstärkungsblock wird nur auf die Modelle 8B und 30B angewendet, was den Leistungsunterschied im agentischen Coding zwischen dem 3B und seinen großen Geschwistern erklärt.

Von IBM veröffentlichter Benchmark	3B Dense	8B Dense	30B Dense
SWE-Bench Verified	—	47,67	57,00
SWE-Bench Multilingual	—	30,78	41,89
Terminal-Bench 2.1	—	20,56	29,24
τ³-bench	45,78	58,06	62,00
AIME25	78,33	86,67	89,17
GPQA	54,80	64,14	66,41
LiveCodeBench v6	69,71	73,24	75,77
MMLU-Pro	67,84	74,04	77,60
RULER 128K	55,30	71,41	81,38

Die Veröffentlichung beschränkt sich nicht auf bfloat16-Gewichte: Vier quantisierte Varianten begleiten den Release für vLLM — dynamisches kanalweises FP8 ohne Kalibrierung, NVFP4 und MXFP4 via auf 2 000 SFT-Beispielen kalibriertem GPTQ — sowie vierzehn GGUF-Formate für llama.cpp, von Q2_K bis Q8_0. Zwölf Sprachen werden unterstützt, darunter Französisch, und drei agentische Coding-Harnesses sind vom ersten Tag an dokumentiert: OpenCode, Pi und OpenHands. Zur Datenqualität beschreibt IBM eine Pipeline, in der GPT-OSS-120B und Gemma 4 als Richter dienen, um SFT-Beispiele zu bewerten, bevor eine lokale und globale Deduplizierung per SHA-256-Hashing erfolgt.

Am selben Tag veröffentlicht IBM Granite Speech 5.0 Turbo CTC, zwei englische Sprachmodelle zur Spracherkennung mit 470 Millionen Parametern, die sich nur durch ihre Trainingsdaten und ihre Lizenz unterscheiden — Apache 2.0 für die Standardvariante, CC-BY-NC-SA-4.0 für die Variante, die auf zusätzlichen Daten trainiert wurde. Der architektonische Wandel ist bemerkenswert: Frühere Granite Speech kombinierten einen akustischen Encoder, einen Projector und ein LLM, diese hier sind reine Encoder. Der Stack schichtet 16 Conformer-Blöcke, wendet nach dem achten Block Self-Conditioning an, ersetzt die Skalarprodukt-Attention durch Chunkwise-Attention, um die quadratische Skalierung zu vermeiden, und optimiert direkt den CTC-Verlust. Die eigentliche Neuerung ist die Token-Rate: Subsampling-Operationen reduzieren den Strom von 100 Frames pro Sekunde am Ausgang des Log-Mel-Spektrogramms auf 12,5 pro Sekunde, was das „Turbo“ im Namen erklärt. Die Ergebnisse werden auf dem OpenASR Leaderboard und dem FFASR Leaderboard für Fernfeldaufnahmen berichtet, mit Pareto-Diagrammen für Geschwindigkeit/Genauigkeit statt einzelner Scores, sowie einer Demo für kontinuierliche Erkennung im Browser über WebGPU, beschränkt auf Chrome und Edge.

🔗 Granite 4.2 — technischer Überblick · Granite Speech 5.0 Turbo CTC

WeatherNext Cyclones, das erste KI-Modell, das in Echtzeit vom National Hurricane Center eingesetzt wird

25. August — Google AI stellt WeatherNext Cyclones vor, ein Modell zur Vorhersage tropischer Wirbelstürme aus Google DeepMind und Google Research. Die Ankündigung ist weniger wegen der reinen Leistung bemerkenswert als wegen dessen, was sie über den Übergang der Wetter-KI aus dem Labor in den operativen Einsatz erzählt.

Das angegriffene Problem ist strukturell. Bisher erforderte das Verfolgen eines Wirbelsturms einen Kompromiss: Physikbasierte Modelle, die auf Supercomputern laufen, erfassen die großen atmosphärischen Strukturen, die den Planeten umspülen, aber um die lokale und intensive Physik zu verstehen, die die Stärke eines Sturms bestimmt, musste man auf völlig andere regionale Modelle umschalten. WeatherNext Cyclones beseitigt dieses Hin und Her, indem es Verlauf, Intensität und Größe in einem einzigen Durchgang vorhersagt.

Der angekündigte Gewinn beträgt einen ganzen Tag an Vorwarnzeit gegenüber den früheren Systemen. Google formuliert den Vergleich anschaulich: Die Vorhersagen für drei Tage erreichen nun die Genauigkeit der früheren Vorhersagen für zwei Tage, ein Fortschritt, für den historisch ein Jahrzehnt methodischer Weiterentwicklungen nötig war. Der zweite Beitrag ist probabilistisch: Das Modell ist schnell genug, um bis zu 1.000 Simulationen pro Sturm zu erzeugen, wodurch die einzelne „wahrscheinlichste“ Zugbahn durch ein Spektrum von Szenarien ersetzt wird. Das macht die rasche Intensivierung besser lesbar, definiert als ein Anstieg der maximal anhaltenden Winde um mindestens 30 Knoten innerhalb von 24 Stunden. In diesem Jahr werden den Vorhersagenden über WeatherLab 1.000 probabilistische Vorhersagen pro Sturm bereitgestellt.

Das bedeutendste Element bleibt der reale Einsatz. Während der Hurrikansaison 2025 wurde WeatherNext Cyclones innerhalb des amerikanischen National Hurricane Center — zum ersten Mal, dass diese Institution KI-Modelle im Echtzeitbetrieb nutzt — auf die Probe gestellt. Meteorologen nutzten es, um die Vorhersage des Kategorie-5-Landfalls des Hurrikans Melissa in Jamaika zu erstellen und den lokalen Behörden zusätzliche Vorbereitungszeit zu verschaffen. Ein Artikel ist in Nature erschienen, und Google kündigt an, den Quellcode und die Modellgewichte als Open Source auf GitHub zu veröffentlichen.

Aspekt des Modells	Beitrag von WeatherNext Cyclones
Vorhergesagte Größen	Verlauf, Intensität und Größe in einem einzigen Durchgang
Vorhersagegewinn	Ein Tag; 3-Tage-Vorhersage = Genauigkeit der früheren 2-Tage-Vorhersage
Simulationen pro Sturm	Bis zu 1.000
Operativer Einsatz	U.S. National Hurricane Center, Hurrikansaison 2025
Dokumentierter Anwendungsfall	Landfall von Hurrikan Melissa als Kategorie 5 in Jamaika
Schwelle für Intensivierung	Mehr als 30 Knoten an maximal anhaltenden Winden in 24 Stunden
Bereitstellungsmodi	WeatherLab; Code und Gewichte als Open Source auf GitHub

🔗 Ankündigung @GoogleAI · Google-DeepMind-Beitrag

Stability AI schließt eine Series B über 76 Millionen Dollar mit EA, Sony Music, Universal und Warner ab

25. August — Stability AI kündigt den Abschluss seiner Series B an: 76 Millionen Dollar frisches Kapital, womit sich die Gesamtfinanzierung seit der Rückübernahme des Unternehmens durch Prem Akkaraju im Juni 2024 auf 232 Millionen Dollar beläuft, einschließlich zweier Eigenkapitalrunden und Wandelanleihen. Der Betrag bleibt im Branchenmaßstab bescheiden, aber die Zusammensetzung der Finanzierungsrunde ist das eigentliche Thema.

Vier Schwergewichte der Unterhaltungsbranche steigen ein: Electronic Arts für Videospiele, Sony Music Group, Universal Music Group und Warner Music Group für Musik. Die drei großen Major-Labels sind nun Aktionäre desselben Labors. Hinzu kommen AMD Ventures und Pacific Alliance Ventures. Diese Investoren fallen nicht vom Himmel: EA, Universal und Warner waren seit Herbst 2025 bereits strategische Partner von Stability AI. Die Runde verwandelt also bestehende Geschäftsvereinbarungen in Kapitalbeteiligungen.

Das andere Signal ist die Treue der Finanzinvestoren. Coatue, Greycroft, Kadmos Capital, Sean Parker und Eric Schmidt legen unter der neuen Führung zum zweiten Mal in Folge nach — was nach der turbulenten Phase, die Stability AI 2023 und 2024 durchlief, einer Bestätigung gleichkommt. Thomas Laffont, Mitgründer von Coatue, tritt dem Verwaltungsrat bei, in dem bereits James Cameron, Sean Parker, Dana Settle und Prem Akkaraju sitzen.

This unmatched group of investors is an affirmation of our vision where generative AI empowers every producer, musician, and storyteller. Stability is unique in the AI field because we are creative people making tools for creatives.

🇩🇪 Diese einzigartige Gruppe von Investoren bestätigt unsere Vision, nämlich eine generative KI, die jedem Produzenten, Musiker und Geschichtenerzähler Möglichkeiten eröffnet. Stability ist im Bereich KI einzigartig, weil wir Kreative sind, die Werkzeuge für Kreative bauen. — Prem Akkaraju, CEO von Stability AI, Mitteilung vom 25. August

Die vertretene Strategie ist die eines Nischenlabors: kein allgemeines Modell, sondern Werkzeuge für kreative Profis, gemeinsam mit Rechteinhabern statt gegen sie entwickelt. Genau das ist die Linie von Stable Audio 3.0, einer Familie von Modellen mit offenen Gewichten, die auf vollständig lizenzierten Daten trainiert wurde und am 18. August um ein Plugin für Audio-Workstations erweitert wurde. Das Geld soll Produktentwicklung, angewandte Forschung und den Bereich professionelle Dienstleistungen finanzieren.

🔗 Ankündigung @StabilityAI

ChatGPT für Unternehmen: Admin-Plugin, Erweiterung für mehrere Browser und Premium-Sitzplatz für 100 Dollar

25. August — Drei Ankündigungen von OpenAI zielen auf denselben Adressaten: Organisationen, die ChatGPT und Codex in großem Maßstab einsetzen.

Die substantiellste ist das Admin-Plugin für ChatGPT Work und Codex, das in einer Unterhaltung zusammenführt, wofür man bisher zwischen Analytics-Dashboards, Einstellungsbildschirmen und Berichten wechseln musste. Der Umfang deckt die täglichen Aufgaben ab: Adoption und Verbrauch von Credits verstehen, Mitglieder oder Gruppen nahe ihrer Grenzen erkennen, Zu- und Abgänge verwalten, effektive Berechtigungen prüfen und ein Zugriffsproblem diagnostizieren, Nutzungsgrenzen anpassen und Ausgabenanfragen anhand des tatsächlichen Verbrauchs abwägen. Der interessanteste Teil ist die Automatisierung ohne Code: Ausstehende Nutzungsanfragen können zur Freigabe in Slack oder Microsoft Teams weitergeleitet werden, also in dem Tool, das die Genehmiger bereits verwenden, und Anfragen auf Zugang zu einer Funktion können automatisch gewährt werden, wenn sie vordefinierte Kriterien erfüllen; Ausnahmen werden an einen Menschen zurückgegeben. Strukturell wichtig für die Sicherheit: Das Plugin arbeitet innerhalb der bestehenden Rolle und Berechtigungen des Nutzers und erweitert keinen Zugriff, wobei jede Anweisung auf eine unterstützte Lese- oder Schreibaktion mit strukturiertem Ergebnis abgebildet wird. OpenAI verweist auf den eigenen Einsatz — ein ChatGPT-Work-Agent in Slack bearbeitet interne IT-Anfragen, und die eingesetzten Workflows lösen etwa 45 % des Ticketvolumens, der Backlog ist beseitigt, obwohl das Supportvolumen sich ungefähr verdoppelt hatte.

Zweite Ankündigung: Die ChatGPT-Browsererweiterung verlässt den Chrome-Bereich und unterstützt Microsoft Edge, Brave, Opera und Vivaldi. Die Änderung ist wichtig für alle, die bewusst oder aus Unternehmensvorgaben einen alternativen Browser verwenden. Zwei Nutzungsarten werden hervorgehoben: den Kontext geöffneter Tabs in eine Aufgabe bringen über die Erwähnung @ tab in ChatGPT Desktop, sodass Codex auf Basis der bereits angezeigten Dokumentation oder des Tickets arbeitet; und den Agenten den Browser steuern lassen, um konkrete Webaufgaben auszuführen, wobei die Kündigung von Abonnements zu den genannten Beispielen gehört.

Dritte Ankündigung, knapper formuliert: Ein Premium-Sitzplatz für 100 Dollar ergänzt das Angebot ChatGPT Business, ausgerichtet auf kleine Unternehmen und Startups mit einem Plan, der als flexibel und mit der Teamgröße skalierbar beschrieben wird. Die Ankündigung erfolgte auf X ohne detaillierten Blogbeitrag, und die genaue Zusammensetzung des Sitzplatzes wird in der Nachricht nicht spezifiziert.

🔗 Admin-Plugin · Browsererweiterung für mehrere Browser · ChatGPT-Business-Premium-Sitzplatz

NVIDIA: Die Gamescom für RTX Spark und SANA, das die Latenz von MiniMax H3 um den Faktor 27 senkt

25. August — NVIDIA nutzt die Gamescom, die diese Woche in Köln stattfindet, um den Katalog von RTX Spark, seiner für diesen Herbst erwarteten Windows-PC-Plattform, zu erweitern. Electronic Arts, Embark Studios und Ubisoft schließen sich KRAFTON, NetEase, Riot Games und XBOX an, die sich bereits zur COMPUTEX im Mai verpflichtet hatten. Die genannten Titel decken verschiedene technische Anforderungen ab: EA SPORTS F1 25 und Apex Legends auf Seiten von EA, Anno 117: Pax Romana bei Ubisoft, ARC Raiders und THE FINALS bei Embark Studios.

Der konkretste Punkt betrifft den Anti-Cheat-Schutz. Ein Spiel zum Laufen zu bringen reicht nicht aus: Große Online-Titel sind auf Anti-Cheat-Systeme angewiesen, die auf jede Plattform portiert werden müssen, sonst bleibt das Spiel im Mehrspielermodus unspielbar. NVIDIA kündigt an, mit EA zusammenzuarbeiten, um EA Javelin Anticheat nativ auf RTX Spark zu bringen — genau die Art von Infrastrukturdetail, die über die tatsächliche Adoption einer neuen PC-Plattform entscheidet. Auf Render-Seite ist DLSS 4.5 Ray Reconstruction sofort verfügbar, mit einem Transformer-Modell der zweiten Generation, das klassische Entrauscher durch ein auf dem Supercomputer trainiertes Netzwerk ersetzt. Path Tracing kommt in CONTROL Resonant und 007 First Light, Gears of War: E-Day integriert RTX Mega Geometry, und NVIDIA-ACE-Technologien werden in Aniimo für Anfang 2027 angekündigt.

Die andere Facette desselben Akteurs ist am 24. August technischer. MiniMax berichtet über die Ergebnisse, die das NVIDIA-SANA-Team auf Sol Engine angewendet auf sein Videomodell H3 erzielt hat: Zehn Sekunden Video in 768p, erzeugt auf einem einzigen GB200, sinken von 414 Sekunden auf 14,93 Sekunden, also eine Beschleunigung um den Faktor 27,7. Die Methode beruht nicht auf Kernel-Optimierung, sondern auf einer Aufteilung der Generierung in zwei Durchgänge — ein grober Entwurf in niedriger Auflösung, von H3 in 4 Schritten erzeugt, dann ein Verfeinerungslauf in Zielauflösung, der LTX in 3 Schritten mit Sol-Attn anvertraut wird. Insgesamt sieben Schritte. Als zweiter Hebel werden teure VAE-Dekodierungen durch TAEH3 und TAEHV, schlankere Dekoder, ersetzt, während die Latents für den Verfeinerungslauf stabil bleiben.

Messgröße für MiniMax H3	Gemessener Wert
Gemessene Last	10 s Video in 768p, ein einzelner GB200
Latenz vorher	414 s
Latenz nachher	14,93 s
Beschleunigungsfaktor	27,7x
Generierungsschritte	4 (H3-Entwurf in niedriger Auflösung) + 3 (LTX)
Ersetzte Dekoder	TAEH3 und TAEHV als Ersatz für VAE-Dekodierungen
Projektierter Durchsatz pro Knoten	378.000 Videos pro Monat, mehr als 97 % GPU-Reserve

Der projektierte Durchsatz ist eine Schätzung von MiniMax, keine Produktionsmessung, und sollte auch so gelesen werden. Die Richtung ist jedoch klar: Bei fünfzehn Sekunden für zehn Sekunden Video verlässt die hochwertige Videogenerierung das asynchrone Batch-Rendering und bewegt sich in Richtung nahezu interaktiver Infrastruktur.

🔗 NVIDIA auf der Gamescom · SANA und Sol Engine auf H3

Offene chinesische Modelle werden zum Referenzpunkt der Forschung, und Qwen3.8-27B steigt in die Top 10 der Code Arena ein

25. August — Qwen veröffentlicht am selben Morgen zwei Ergebnisse, und das zweite erklärt das erste.

Das erste ist ein Ranking. Qwen3.8-27B steigt im Code Arena: WebDev-Ranking, das Modelle an der Generierung von Weboberflächen misst, auf den 9. Platz insgesamt mit 1595 Punkten. Es ist das einzige Modell seiner Größenklasse in den Top 10 und liegt nur sechs Plätze hinter Qwen3.8-Max, das deutlich größer ist. Arena betont, dass es die Pareto-Grenze des Rankings verschiebt, und liefert einen aussagekräftigen Referenzpunkt: Gemma 4-31B, von vergleichbarer Größe, aber im April erschienen, liegt auf Platz 80.

Bewertetes Modell	Rang in Code Arena: WebDev	Erreichte Punkte	Bemerkung zum Ranking
GLM-5.3 (Max)	8. insgesamt	1597	Erhebung vom 20. August, 2. unter den offenen Modellen
Qwen3.8-27B	9. insgesamt	1595	Einziges Modell seiner Größe in den Top 10
Qwen3.8-Max	Sechs Plätze vor dem 27B	n. a.	Deutlich größeres Modell derselben Familie
Gemma 4-31B	80. insgesamt	n. a.	Erschienen im April 2026

Das zweite Ergebnis ist eine Nutzungsanalyse. Nathan Lambert, der das Olmo-Projekt bei Ai2 mitgeleitet hat, ließ Codex 500.000 arXiv-Artikel zu KI und maschinellem Lernen, die seit der Veröffentlichung von ChatGPT erschienen sind, auswerten, um die tatsächlich in der Forschung verwendeten offenen Modelle zu identifizieren. Die Umkehr zeigt sich in zwei Zahlen: 2024 erwähnten etwa 30 % der Artikel ein amerikanisches offenes Modell gegenüber 10 % einem chinesischen; heute zitieren etwa 40 % ein chinesisches offenes LLM und nur 25 bis 30 % ein amerikanisches.

Modellfamilie	Anteil der Artikel, die ein LLM zitieren
OpenAI (geschlossene Modelle)	etwa 37 %
Qwen	etwa 33 %
Gemini, Claude	10 bis 15 %
Gemma, Mistral	5 bis 10 %
Olmo	etwa 1 %

Im Detail wird Qwen in einem Drittel der Artikel erwähnt, die überhaupt ein LLM zitieren. Llama erreichte seinen Höchststand um April 2025 bei 30 %, genau zum Zeitpunkt der Veröffentlichung von Llama 4, und geht seither zurück. Lambert nennt selbst eine wichtige Einschränkung: Veröffentlichungen hinken Modellveröffentlichungen hinterher, weil Forschung Zeit braucht — diese Zahlen beschreiben den Stand der laufenden Arbeiten und nicht die momentanen Präferenzen. Parallel dazu lässt sich ein grundlegender Trend erkennen, unabhängig vom Duell offen gegen geschlossen: Der Anteil der KI-Artikel, die ein LLM erwähnen, ist von 10,43 % im Januar 2023 auf über 50 % im Jahr 2026 gestiegen.

🔗 Qwen3.8-27B auf Code Arena · Qwen-Bericht zur arXiv-Analyse · Analyse @natolambert

Claude Code springt auf 2.1.245, und die Ausgabe von Claude im Web wird 4-mal flüssiger

Zwei Versionen von Claude Code sind im Zeitfenster erschienen, und ihr Inhalt zielt klar auf Einsätze in Organisationen. Im CHANGELOG stehen keine Daten, aber die Git-Historie ordnet sie ein: 2.1.243 erscheint im Commit vom 24. August um 23:40 UTC, 2.1.245 im Commit vom 25. August um 05:13 UTC.

Hinzugefügte Einstellung	Betroffene Version	Praktischer Nutzen
`modelPricing`	2.1.243	Vertragspreise in `/cost`, der Statusleiste und der Telemetrie
`modelPicker`	2.1.243	Sortierte und beschriftete Modellliste für `/model`
`promptCacheTtl` / `subagentPromptCacheTtl`	2.1.243	Ein-Stunden-Prompt-Cache für die Unterhaltung, 5 Min. für Subagents
Aufschlüsselung der Loops in `/usage`	2.1.243	`/loop`-Aufgaben erkennen, die aus dem Ruder laufen
Schlüssellose Verbindung über Console	2.1.243	Organisationen, die API-Schlüssel verbieten
glibc-2.44-Fix	2.1.245	Startabsturz auf Arch Linux, CachyOS und Fedora Rawhide

Die grundlegendste Einstellung ist modelPricing: Bislang rechneten die angezeigten Kosten mit dem öffentlichen Tarif, nun kann eine Organisation ihre vertraglichen Tarife pro Modell und ihren Rabattfaktor einpflegen, sodass die Zahlen direkt für die interne Verrechnung nutzbar werden. Das Duo promptCacheTtl und subagentPromptCacheTtl adressiert einen konkreten wirtschaftlichen Kompromiss für Nutzer mit API-Schlüssel: einen einstündigen Cache für die Hauptunterhaltung zu behalten, in der der Kontext stabil bleibt, während Subagents auf fünf Minuten gesetzt werden, da ihre Kontexte flüchtiger sind. Bei den Korrekturen bleiben entfernte MCP-Server im nicht interaktiven Modus nach einer Unterbrechung nicht mehr hängen, /resume beschränkt sich nicht mehr auf die fünfzig neuesten Sitzungen, und stumme Sitzungen von mehr als zehn Minuten laufen jetzt nach etwa drei Minuten ab, bevor ein erneuter Versuch und ein expliziter Fehler erfolgen.

Am 24. August kündigt Anthropic außerdem an, die Engine neu geschrieben zu haben, die die Antworten während ihrer Generierung auf Claude Web und Desktop anzeigt. Das Prinzip ist im UI-Rendering klassisch: nur das anzufassen, was sich noch verändert, statt die gesamte Antwort bei jedem neuen Fragment neu zu zeichnen. Bei einer langen Antwort ist der Effekt strukturell — die Renderkosten steigen nicht mehr mit der Länge des bereits angezeigten Textes. Die angekündigten Gewinne passen dazu: etwa 4-mal mehr Flüssigkeit, 9-mal weniger Blockierungen auf einem leistungsschwachen Laptop, ein 4,5-mal kürzerer schlimmster UI-Standstill und durchgehend gehaltene 120 Bilder pro Sekunde auf einem 120-Hz-MacBook. Das Interessante daran ist die Zielgruppe: Am meisten profitieren die bescheideneren Konfigurationen.

🔗 CHANGELOG Claude Code · 4-mal flüssigere Ausgabe, @ClaudeDevs

Code-Agenten werden industriell: Warp veröffentlicht das Format seiner Factories, Rohlik lässt 90 % seines Codes von Agenten schreiben

Am 24. August gegen Tagesende zeigt Warp die interne Mechanik von Warp Factories, seiner am 18. August angekündigten Cloud-Agentenplattform: das gewählte Konfigurationsformat und die Öffnung eines Early-Access-Zugangs. Der Ausgangspunkt ist klar benannt — Warp verlagert seine eigenen Agenten aus Qualitäts- und Kostengründen von lokalen Maschinen weg und musste Umgebungen, Harnesses und Sicherheitsberechtigungen als versionierten Code beschreiben.

Konfigurationselement	Gewählter Wert
Definitionsdatei	`factory.yaml`, `schemaVersion: v1alpha1`
Hauptschlüssel	`name`, `repositories` (`owner` / `name`), `agentDefaults.model`
Agentendefinition	`agents/<nom>/agent.md` mit `agentType` (`FOREMAN`, `REVIEW`…) und `model`
Auslöser	`automations/<nom>/automation.md` : `agent`, `triggers` (Anbieter, Ereignis)
Verfügbare Schnittstellen	CLI (`warp agent run-cloud`), REST-API, TypeScript-SDK, MCP-Server
Early Access	Bis zu 10.000 USD kostenlose Nutzung für qualifizierte Kunden

Die Trennung ist interessant: Die Agenten werden nicht in einem einzigen YAML beschrieben, sondern in eigenen Markdown-Dateien, sodass die Definition eines Agenten zu einem lesbaren und diffbaren Dokument wird. Warp wendet die Methode auf sich selbst an — seine interne Factory mit dem Namen „wilson“ deckt Repositories wie warp-server oder warp-terraform ab, deklariert seine Secrets und MCP-Server und ordnet seine Agenten nach Rollen (code-review, foreman, implementation, spec, triage) in 34 Zeilen. Die auf der Zugangsanfrageseite genannten Zahlen sind von außen nicht verifizierbare Verkaufsargumente: 200.000 Agentenausführungen pro Tag, mehr als 30 % der Pull Requests ohne Nacharbeit gemerged, 20 % geringere Kosten pro Pull Request.

Am 25. August veröffentlicht Cognition seinerseits eine deutlich besser dokumentierte Fallstudie als die vorige. Rohlik Group ist ein Online-Lebensmittelhändler aus Tschechien, in fünf Ländern vertreten, profitabel und im letzten Jahr mit mehr als 1,3 Milliarden Dollar Umsatz; er liefert einen wöchentlichen Warenkorb von 17.000 Produkten in weniger als einer Stunde oder in 15-Minuten-Zeitfenstern. Die Zahl, die den Artikel strukturiert: Rund 90 % des dortigen Codes werden heute von Agenten erzeugt, und die Engineering-Organisation beschreibt sich selbst als „agent-mostly“.

Das ist kein Ergebnis, das durch das bloße Anschließen eines Werkzeugs erreicht wurde. Rohlik sagt, vor einem Jahr begonnen zu haben, mit einer ersten Devin-Erfahrung, die als fehlerhaft empfunden wurde. Den Ausschlag gaben die auf Kundenseite geschaffenen Grundlagen: mehr als fünfzig interne und externe MCP-Integrationen, mit dem Grundsatz, dass jedes neue Tool für Agenten vom ersten Tag an zugänglich sein muss, eine semantische Schicht über dem Snowflake-Datenlager und eine Wissensbasis, die Agenten den Kontext gibt, den man einem neuen Kollegen vermitteln würde. Die Arbeit gelangt von dort zu Devin, wo sie entsteht — eine Slack-Konversation über einen Bug oder ein Linear-Spezifikationsdokument, das bis zum Pull Request durchlaufen wird. Die behaupteten Ergebnisse — verdoppelte Engineering-Durchsatzrate seit November, die Integration der AutoStore-Robotik in acht Monaten statt der branchenüblichen zwei bis drei Jahre, Prototyping von einem Monat auf einen Tag verkürzt — bleiben die eines vom Anbieter veröffentlichten Kundentexts. Der aussagekräftigste Effekt liegt woanders: Die besten Ingenieure verbringen inzwischen 80 % ihrer Zeit mit Code-Reviews, und etwa 30 % der Devin-Nutzung bei Rohlik entfallen auf Datenanalyse durch Fachanwender.

🔗 Factory.yaml-Format, @warpdotdev · Rohlik-Fallstudie, @cognition · Devin-Kundenseite

GitHub: vier Übungen zu agentischen Workflows und der Tab „Customize“ allgemein verfügbar

25. August — GitHub stellt vier neue Übungen auf seiner Lernplattform GitHub Skills online. Der Fokus ist ausdrücklich: Statt die agentischen Neuerungen des Jahres nur zu dokumentieren, lädt GitHub dazu ein, sie in einem Demo-Repository praktisch zu erproben, mit Anweisungen, die im Verlauf der Pull Requests geliefert werden.

Veröffentliche Übung	Inhalt der Übung
Agent Orchestration Build Your AI Dream Team	Benutzerdefinierte Agents in Copilot CLI: planen, entwerfen, bauen, validieren, übergeben
Agentic Workflows that Read the Room	`gh aw`-Erweiterung, agentischer Workflow in Markdown, Änderungen über Pull Requests eingereicht
Idea to Merge with the Copilot App	Von einer Sitzung bis zu einem gemergten Pull Request, vollständig in der GitHub-Copilot-App
Ship with Quality	Automatisierte Qualitätssignale, Testabdeckung, vorgeschriebene Prüfungen auf Pull Requests

Am bemerkenswertesten von den vier ist die erste: Es ist das erste Mal, dass GitHub einen geführten Ablauf zur Multi-Agenten-Orchestrierung in seiner CLI anbietet, ein Thema, das bislang nur in Prosa dokumentiert war. Die zweite führt die Erweiterung gh aw ein, mit einem wichtigen Punkt für die Sicherheit — die vom Workflow vorgeschlagenen Änderungen laufen über Pull Requests statt direkt angewendet zu werden, wodurch ein menschlicher Review-Punkt erhalten bleibt.

Am selben Tag erhält die GitHub-Copilot-App einen Tab Customize in allgemeiner Verfügbarkeit. Seine Funktion ist es, die vier in den letzten Monaten separat eingeführten Erweiterungsmechanismen in einer einzigen Oberfläche zu bündeln: MCP-Server, Plugins, Skills und Canvases. Eine Featured-Ansicht zeigt eine kuratierte Auswahl aus jeder Kategorie für Nutzer, die wissen, was sie tun wollen, aber nicht, welcher Erweiterungstyp dafür passt, und die MCP-Server erhalten eine eigene Navigation mit hervorgehobenen Optionen nach Popularität sowie einem Durchlauf nach Kategorien. Das Changelog veranschaulicht den Nutzen der Canvases mit einem konkreten Fall: ein Azure-DevOps-Canvas zum Sortieren von Issues, Priorisieren eines Backlogs, Zuweisen von Follow-ups und anschließendem Übergeben einer Aufgabe an Copilot, damit er recherchiert, implementiert oder die Review vorbereitet.

🔗 Vier GitHub-Skills-Übungen · Tab „Customize“ in allgemeiner Verfügbarkeit

Googles Entwickler-Tooling: Gemini CLI 0.57.0 und Antigravity 2.10.0

25. August — Google veröffentlicht die stabile Version 0.57.0 von Gemini CLI, eine Viertelstunde zuvor war bereits die Preview 0.58.0 erschienen. Der Inhalt dieser Version sagt weniger über neue Funktionen als über die Pflege des eigenen Tools aus: Von den 24 Einträgen im Changelog sind 13 mit [SSR Agent] Issue Fix präfixiert und verweisen auf oft alte Issue-Nummern von 19239 bis 28518. Diese Fixes beseitigen angesammelte Reibungen im Backlog — ein endloses Blockieren der Terminaloberfläche, dem Timeouts hinzugefügt werden, eine irreführende Admin-Fehlermeldung für Privatkonten, das Fehlen eines Abstands nach Autovervollständigungsvorschlägen, ein Terminal-Rendering, das bei Ausgaben aus externen Editoren nicht aktualisiert wurde. Mit anderen Worten: Google setzt einen Agenten auf die eigene technische Schuld an, und das Ergebnis landet direkt in der stabilen Version.

Veröffentlichte Version	Datum und Uhrzeit (UTC)	Veröffentlichungskanal	Schwerpunkte
v0.57.0	25. August, 18:37:14	Stable	13 `[SSR Agent]`-Fixes, Validierung von evals, kontextuelle Retries
v0.58.0-preview.0	25. August, 18:22:01	Preview	Docker-Isolation im macOS-Seatbelt-Profil, Sicherheitsprüfer

Auf der Funktionsseite liegt der Schwerpunkt auf Evaluierung, mit einem Validierungsbefehl für evals und einem Tool-Call-Formatter mit eingebetteten Fehlerzusammenfassungen. Auch die Zuverlässigkeit verbessert sich: Kapazitätsfehler lösen stille, kontextabhängige Retries aus, und das Abbrechen einer mehrstufigen Anfrage führt zu einem vollständigen Rollback statt zu einem Teilzustand. Für diejenigen, die die Release Notes suchen, sei erwähnt, dass die Datei docs/changelogs/index.md im Repository nicht über v0.54.0 vom 6. August hinaus aktualisiert wurde.

Vier Tage nach 2.9.1 und seinem Remote Control bringt Google Antigravity am 24. August 2.10.0 und schließt zwei Lücken, die bisher einen Wechsel aus dem Tool heraus erzwangen: ein integriertes Terminal und eine native Git-Versionskontrolle, beide direkt in der Seitenleiste untergebracht. Die Bündelung passt zur Produktentwicklung — Antigravity positioniert sich als Umgebung, in der man Agenten steuert, statt Code Zeile für Zeile zu bearbeiten; dafür muss man aber auch einen Befehl ausführen und einen Diff prüfen können, ohne das Fenster zu wechseln. Der Rest der Version erweitert, was an einen Agenten übergeben werden kann und was man von seiner Arbeit sieht: Audiodateien kommen zu den akzeptierten Anhängen hinzu, der interaktive Kommentar auf Bildern erlaubt es, ein Visuelles zu annotieren, um den Agenten zu lenken, und die angereicherten Laufzeitvorschauen der MCP-Tools machen sichtbar, was ein Tool-Server tatsächlich getan hat. Google beziffert die Version auf 13 Verbesserungen und 8 Fehlerbehebungen, mit gestaffelter Auslieferung.

🔗 Gemini CLI v0.57.0 · Changelog Antigravity

Anthropic finanziert 5 Millionen Dollar an unabhängigen Evaluierungen zum Wohlbefinden

25. August — Anthropic startet ein Förderprogramm über 5 Millionen Dollar, das unabhängige Forschung über den Einfluss von KI auf das Wohlbefinden ihrer Nutzer finanzieren soll. Die Geförderten erhalten direkte Finanzierung, Modellzugang und technischen Support, arbeiten jedoch völlig unabhängig: Ihre Evaluierungen werden Open Source veröffentlicht und können von der gesamten Branche wiederverwendet werden. Bewerbungen sind bis zum 21. September möglich, und Kandidaten, die zur Einreichung eines vollständigen Vorschlags ausgewählt werden, werden bis zum 5. Oktober benachrichtigt.

Das technische Argument erklärt, warum sich dieses Feld den üblichen Evaluierungsmethoden entzieht. Bei den meisten Modellverhaltensweisen genügt es, eine einzelne Antwort zu prüfen, um zu beurteilen, ob sie korrekt und angemessen ist. Wohlbefinden erfordert Kontext: Eine in Not befindliche Person erwähnt nicht zwangsläufig zu Beginn selbstschädigende Gedanken, und vernünftige Ratschläge zum Essensausgleich können potenziell gefährlich werden, wenn die Person Vorgeschichten mit Essstörungen gezeigt hat. Das Safeguards-Team veröffentlicht parallel fünf Kriterien der Strenge: klar angeben, was gemessen wird, Kliniker und Fachleute des jeweiligen Bereichs in das Design einbeziehen, sowohl Vorsichtsmaßnahmen als auch Schäden testen — also das Risiko übermäßiger Zustimmung ebenso wie das übermäßiger Ablehnung bewerten —, die reale Nutzung durch mehrstufige Szenarien abbilden und automatische Korrektoren gegen echte Experten validieren. Dieses dritte Kriterium, die Symmetrie zwischen Überkonformität und Überablehnung, unterscheidet diesen Ansatz von einer bloßen Verschärfung der Leitplanken.

🔗 Forschungsstipendien zum Wohlbefinden

Quantization-Aware Healing: ein 4-Bit-Modell, das sein ursprüngliches Vollpräzisionsmodell übertrifft

25. August — Die Standard-Pipeline, um ein großes Modell einsatzfähig zu machen, besteht aus drei Schritten: die Architektur komprimieren, das Ergebnis quantisieren und dann den Qualitätsverlust reparieren. Das dominierende Rezept für diesen letzten Schritt ist QAT (quantization-aware training), das Operationen zur Scheinquantisierung einfügt und erneut trainiert; eine Alternative, QAD, destilliert aus dem komprimierten Modell in Vollpräzision. In beiden Fällen kann der Schüler im besten Fall nur seinen komprimierten Lehrer einholen und übernimmt damit die durch die Komprimierung gesetzte Obergrenze.

Multiverse Computing schlägt eine Änderung mit nur einer Zeile vor: direkt aus dem ursprünglichen Modell zu destillieren, also aus dem Modell vor der Komprimierung. Die Quantisierung hört damit auf, ein verlustbehafteter Nachbearbeitungsschritt zu sein, und wird zu einem vollwertigen Lernschritt. Das Ergebnis ist kontraintuitiv — angewandt auf GPT-OSS 120B, komprimiert auf 60B und dann in MXFP4 quantisiert, erzeugt die Methode ein 4-Bit-Modell, das seine eigene bfloat16-Quelle auf sieben von neun Benchmarks erreicht oder übertrifft, mit den größten Gewinnen dort, wo die Komprimierung am meisten schadet: +7,4 Punkte auf AA-LCR bei Long-Context-Reasoning und +5,6 auf AIME 2025. Die beiden einzigen Rückgänge, bei MMLU-Pro und SciCode, bleiben unter anderthalb Punkten.

Der direkte Vergleich mit QAT bei identischer Pipeline ist vielleicht das in der Praxis nützlichste Ergebnis. Auf GPT-OSS 9B, in MXFP4 quantisiert, erreichen beide Methoden einen vergleichbaren Spitzenwert, 54,9 gegenüber 54,6, aber nicht zum gleichen Preis: QAH erreicht ihn in etwa hundert Schritten und hält ihn, während QAT dafür rund 700 Schritte benötigt und sich dann verschlechtert. Die konkrete Folge ist ein anderes Bereitstellungsrisiko — ein QAT-Checkpoint erfordert sorgfältige Überwachung des Early Stopping, ein QAH-Checkpoint deutlich weniger.

🔗 Quantization-Aware Healing

Gradio integriert gr.Workflow, einen graphbasierten Baukasten für KI-Pipelines

25. August — Hugging Face veröffentlicht einen Leitfaden zu gr.Workflow, einer inzwischen in Gradio integrierten Primitive. Der Ausgangspunkt ist einfach: Die meisten interessanten KI-Anwendungen sind kein einzelner Modellaufruf, sondern eine Kette — man erzeugt ein Bild, entfernt den Hintergrund, leitet daraus einen Voice-Over ab, fragt ein LLM nach einem Titel. Bisher verlangte es das Zusammensetzen und saubere Bereitstellen dieser Kette, sowohl die Logik als auch die Oberfläche zu schreiben. gr.Workflow vereint beides: Man beschreibt die Schritte als Graph typisierter Knoten, und der Graph wird selbst zur Oberfläche.

Der Nutzen für Entwickler geht über die visuelle Demonstration hinaus. Jede Ausgabe des Graphen erhält automatisch ihren eigenen REST-Endpunkt: Das im Beispiel genannte Media-Studio, das eine FLUX-Generierung, eine Freistellung, eine Sprachsynthese und ein LLM verknüpft, stellt drei getrennte Routen bereit (/sticker, /voiceover, /episode_title), die ohne Umweg über die Oberfläche aus Code aufgerufen werden können. Die Knoten können mit vier Welten sprechen — mit Modellen, die über die Inference Providers von Hugging Face gehostet werden, mit anderen öffentlichen Gradio-Spaces, die als Bausteine wiederverwendet werden, mit einer Zeile aus einem Datensatz des Hub und mit beliebigem Python. Der letzte Punkt öffnet die meisten Türen: Ein mit @spaces.GPU dekorierter Operator-Knoten reserviert für die Dauer seiner Ausführung ein ZeroGPU-GPU, wodurch eigene Gewichte ausgeführt werden können. Fünf tatsächlich in Spaces bereitgestellte Anwendungen begleiten den Leitfaden, darunter ein Datensatz-Profilierer und eine Demo, die ein Standbild mit Lightricks/LTX-Video animiert.

🔗 Leitfaden gr.Workflow

ElevenLabs startet Composer, einen Song-Editor Abschnitt für Abschnitt

25. August — ElevenLabs kündigt Composer an, einen Song-Editor, der Abschnitt für Abschnitt arbeitet. Das Prinzip bricht mit dem dominanten Generierungsmodus von Musikmodellen: Statt einen kompletten Track in einem Durchlauf zu erzeugen und alles neu zu starten, wenn ein Abschnitt nicht passt, erlaubt Composer, eine Strophe, einen Refrain oder eine Bridge isoliert zu überarbeiten. Vier Ausgangspunkte werden angeboten — Ihre eigenen Texte, ein vorhandener Track, den Sie mitbringen, eine leere Seite oder ein einfacher Prompt — und das Stück wird dann durch sukzessive Bearbeitungen aufgebaut.

Es ist ElevenLabs’ zweiter Schritt in Richtung Musik nach Eleven Music, und er kommt in einer für das Unternehmen ereignisreichen Woche, da das CLI v1 bereits am Vortag erschienen war. Die Positionierung passt zum Rest des Audio-Sektors: Suno hat am 13. August Studio 2.0 gestartet, Pika hat am 18. August seine Pika-Music-Reihe veröffentlicht, und Stability AI hat am selben Tag sein Plugin für Audio-Workstations ausgeliefert. Die feine Kontrolle über die Struktur des Stücks, statt der reinen Generierungsqualität, ist zum Wettbewerbsfeld geworden. Ein Vorbehalt allerdings: Zum Announcement gibt es keinen Blogbeitrag, und zu den Plänen für Composer, den Exportformaten oder dem API-Zugriff ist nichts verfügbar.

🔗 Ankündigung Composer, @ElevenLabs

LiveAvatar hebt jede Konkurrenzbegrenzung auf und fällt auf 0,01 USD pro Minute

25. August — HeyGen kündigt die Aufhebung der Konkurrenzbegrenzungen bei LiveAvatar, seinem Produkt für Echtzeit-Avatare, an. Die Formulierung betont die Art der Änderung: Die Limits werden nicht erhöht, sie verschwinden. Eine Sitzung oder zehntausend laufen über dieselbe API, ohne vorherige Quotenverhandlung. Zwei Parameter begleiten die Ankündigung — die Ausgabe bleibt in 1080p-Vollkörperdarstellung, und der Preis sinkt im großen Maßstab auf bis zu 0,01 USD pro Minute.

Dieses Preisniveau verändert die Art der denkbaren Anwendungsfälle: Bei einem Cent pro Minute wird ein Echtzeit-Avatar für großen Kundensupport, Schulungen oder interaktive Kioske praktikabel — Anwendungsfälle, bei denen bisher die Stückkosten über die Machbarkeit entschieden. Die Aufhebung der Konkurrenzgrenze ist der technisch interessante Punkt. Echtzeit-Avatar-Plattformen begrenzen gewöhnlich die Zahl gleichzeitiger Sitzungen, weil jede Sitzung fortlaufend GPU bindet; eine solche Obergrenze anzuheben setzt entweder eine große Kapazitätsreserve oder Effizienzgewinne im Modell voraus. HeyGen veröffentlicht einen Beitrag, der den Ansatz erklärt; die technischen Details waren zum Zeitpunkt des Scans noch nicht zugänglich.

🔗 Unbegrenzte Konkurrenz bei LiveAvatar

Grok 4.6 kommt in OpenCode Go

25. August — Grok 4.6 kommt zu OpenCode Go, dem Abonnementmodell des Open-Source-Codeagenten OpenCode. Die Ankündigung stammt am späten Abend von OpenCode, und der Account @grok greift sie eine halbe Stunde später auf. Der konkrete Punkt für Entwickler ist das Kontingent: 169 Anfragen pro 5-Stunden-Block für Nutzer des Go-Tarifs. Es handelt sich um eine gleitende Obergrenze, nicht um eine monatliche Abrechnung, was gut zum typischen burstartigen Einsatz in assistierten Codingsitzungen passt.

Diese Integration reiht sich in eine Serie von Öffnungen von Grok 4.6 für Drittanbieter-Tools ein: Das Modell kam am 14. August in GitHub Copilot, am 19. August auf Amazon Bedrock und am 21. August auf Googles Gemini Enterprise Agent Platform. xAI hatte OpenCode außerdem bereits im Mai 2026 mit den Abonnements SuperGrok und X Premium verbunden — der heutige Schritt betrifft also nicht den Zugang zu OpenCode an sich, sondern die Verfügbarkeit des Modells 4.6 im Go-Tarif, mit enthaltenem Kontingent statt eines selbst bereitzustellenden xAI-Abos.

🔗 Weiterleitung @grok · Ankündigung @opencode

Cohere veröffentlicht eine IDC-Studie zur Einführung souveräner KI im Jahr 2026

25. August — Cohere veröffentlicht die Ergebnisse eines von IDC in Auftrag gegebenen InfoBriefs zur Einführung souveräner KI in regulierten Branchen. Die Studie befragte zwischen April und Mai 2026 mehr als 500 leitende Entscheidungsträger aus Unternehmen mit mehr als einer Milliarde Dollar Umsatz in Kanada, den USA, dem Vereinigten Königreich und Deutschland.

Das bemerkenswerteste Ergebnis betrifft weniger die Einführung als die begriffliche Verwirrung. Jeder dritte Führungskraft fällt es schwer, souveräne KI mit eigenen Worten zu beschreiben, und nur 13 % geben an, darüber sehr weitreichend informiert zu sein. Unter denen, die eine Definition geben können, formulieren 52 % sie als lokale oder nationale Kontrolle, und 35 % verweisen auf digitale Unabhängigkeit. Die Kluft zieht sich auch durch die Hierarchie: IT-Verantwortliche zeigen eine doppelt so hohe Vertrautheit wie Fachbereichsverantwortliche.

Befragter Sektor	Datenabfluss und Compliance als Hauptsorge	Wettbewerbsvorteil als Treiber
Finanzdienstleistungen	82 %	21 %
Industrie	77 %	32 %
Telekommunikation	75 %	37 %
Gesundheitswesen	74 %	28 %
Energie	70 %	21 %

Bei den Motiven ist der Konsens klar und sektorübergreifend: Datenabfluss, Datenschutz und Compliance liegen in allen befragten Branchen vorn. Der Wettbewerbsvorteil erscheint als sekundärer, aber wachsender Treiber und wird in Kanada (35 %) und den USA (28 %) stärker hervorgehoben als in Deutschland (23 %) oder dem Vereinigten Königreich (18 %). Die Studie dient natürlich auch Cohere’s Positionierung, deren agentische Plattform North in der vom Kunden gewählten Infrastruktur und Jurisdiktion läuft; dennoch sind die Zahlen einer identifizierten Quelle zugeordnet. IDC prognostiziert außerdem, dass die CIOs multinationaler Unternehmen bis 2028 ihre Investitionen in modulare souveräne Cloud-Umgebungen und Datenlokalisierung um 65 % erhöhen werden.

🔗 State of Sovereign AI Adoption 2026

Kurznachrichten

Bain & Company tritt dem Claude Partner Network bei — Die Beratungsfirma wird Global Premier Partner, gestützt auf den Einsatz von Claude bei ihren 19.000 Mitarbeitenden; bereits über 7.000 aktive Nutzer in der Pilotphase, und mehr als zwei Drittel der Teilnehmenden haben Claude for Excel übernommen. 🔗 Anthropic-Beitrag
Amp erklärt, was Orbs sind — Notiz von Thorsten Ball als Reaktion auf die Verwirrung um den Namen: Ein Orb ist ein entfernter Agent, der sich über Web, Telefon oder CLI steuern lässt. Zwei nützliche Hinweise zu den Kosten: unbegrenzter Schlaf wird nicht berechnet, und die Zahl gleichzeitiger Orbs ist nicht begrenzt. 🔗 Amp-Notiz
Together AI öffnet Qwen3.8 27B für Fine-Tuning und dedizierte Inferenz — Das Modell wird sowohl für das Feintuning auf eigenen Daten als auch für die Dedicated Model Inference auf reservierter Hardware verfügbar. 🔗 Tweet @togethercompute
FINAL-Bench eröffnet FINCHAL, einen Finanzvorhersage-Wettbewerb für Agenten — Mit 2.000 Dollar dotiert, verlangt er Positionen statt Vorhersagen und veröffentlicht eine Luck Ceiling, um Können vom Zufall zu trennen. 🔗 FINAL-Bench-Beitrag
Au-Zone veröffentlicht den EdgeFirst Model Zoo — Vier YOLO-Familien für Detektion und Segmentierung, gemessen auf realer Embedded-Hardware; jede veröffentlichte Zahl verweist auf die Validierungssitzung, die sie erzeugt hat, im Gegensatz zur Intransparenz der von den Herstellern angegebenen TOPS. 🔗 EdgeFirst-Beitrag
Die intelligente Diktierfunktion von Gemini für macOS — In jedes Fenster des Desktops diktieren, mit automatischer Entfernung von Zögern und Berücksichtigung von Korrekturen mitten im Satz; die Stimme dient auch dazu, Dateien zusammenzufassen und Texte umzuschreiben. 🔗 blog.google-Leitfaden
Push-Regeln akzeptieren Pfadausnahmen — In öffentlicher Vorabversion können die Regeln Restrict file paths und Restrict file size bestimmte Pfade ausnehmen, etwa JAR-Dateien überall blockieren außer **/gradle/wrapper/*.jar. 🔗 GitHub-Changelog
Einen Benutzer aus einem Sicherheits-Hinweis blockieren — Die Aktion erfolgt über das Drei-Punkte-Menü der Beschreibung oder eines Kommentars in öffentlichen Repositories, ohne die Einstellungen erneut aufzurufen; der Hinweis bleibt unverändert. 🔗 GitHub-Changelog
Manus meldet starke Nachfrage nach Datenwiederherstellung — Wiederherstellungen, die nicht erfolgreich sind, müssen später am Tag erneut gestartet werden; ausdrückliche Anweisung, die Sicherungspakete intakt und unverändert zu lassen. 🔗 Tweet @ManusAI
Kling veröffentlicht drei Leitfäden zu seinem MCP-Server — Kling mit einem MCP-kompatiblen Assistenten verbinden, um eine validierte kreative Konfiguration erneut abzuspielen und Varianten in Serie zu erzeugen; zwei der drei Tutorials nennen Claude Code als Client. 🔗 Kling-Blog
Wan 3.0 kommt zu Runway und Replicate — Runway integriert es am 24. August mit mehreren Referenz-Eingaben in Bild, Video und Audio; Replicate folgt am 25. und hebt die nativen 30 Sekunden in einem einzigen Take mit synchronisiertem Audio hervor. 🔗 Tweet @runwayml
Runway kündigt neue Sprecher für seinen AI Summit an — Erweitertes Programm um Robotik, autonome Fahrzeuge, Marketing und Infrastruktur für die Veranstaltung im September in San Francisco. 🔗 Tweet @runwayml
MiniMax veröffentlicht einen Index der H3-Integrationen — Awesome MiniMax H3 Integrations sammelt, was rund um das offene Videomodell gebaut wird, darunter Setups, die auf 24 GB VRAM laufen. 🔗 Tweet @MiniMax_AI
Luma startet Dream Lab Weekly — Erste Folge einer Videoserie über die Kreativen von Luma und ihre wöchentliche Arbeit am Produkt. 🔗 Tweet @LumaLabsAI
NVIDIA sendet eine Nemotron-Labs-Session zum Routing offener Modelle — 55-minütiger Livestream mit dem Titel Get Started with Open Model Routing, eine Fortsetzung der Arbeit an Nemotron 3.5 Lightning und NeMo Switchyard. 🔗 Tweet @NVIDIAAI
Noch eine Woche für den Grok-Imagine-Wettbewerb zur Odyssee — Es gilt, eine Szene aus der Odyssee zu gestalten, die die Video- und Sprachfähigkeiten des Tools hervorhebt; Preisgelder von 100.000, 50.000 und 25.000 Dollar. 🔗 Tweet @grok
Bank für Limit-Resets für Plus- und Pro-Abonnenten — Statt auf das Reset-Fenster zu warten, nutzt der Nutzer einen zurückgelegten Reset; einen kostenlosen beim Start und weitere über Empfehlungen, mit gemeinsamen Workspace-Credits auf Business-Seite. 🔗 Changelog ChatGPT und Codex

Was das bedeutet

Silizium wird wieder zu einem Thema für Modelllabore. OpenAI veröffentlicht am selben Tag die ersten gemessenen Zahlen zu seinem eigenen Inferenzchip und den Beitrag, der seine Compute-Strategie darlegt. Das ist kein Zufall im Kalender: Ein Modellanbieter, der sein Silizium entwirft, es auf einem öffentlichen Drittanbieter-Benchmark misst und offen ein Portfolio von zehn Partnern trägt, verändert die Art des Wettbewerbs. Die Frage lautet nicht mehr „Welches Modell ist das beste?“, sondern „Zu welchen Kosten pro erfolgreich erledigter Aufgabe?“, und die Antwort entscheidet sich ebenso sehr im Rack wie in den Gewichten. Das vielleicht bedeutsamste Detail liegt woanders: Die KI wurde eingesetzt, um den Chip zu entwerfen und seine Kernel zu schreiben, mit einem Übergang in die Fertigung in neun Monaten und generierten Implementierungen, die die von menschlichen Experten auf den ausgewählten Blöcken übertreffen. Der Kreis schließt sich — die Modelle entwerfen die Hardware, auf der sie laufen werden.

Die KI kehrt auf das Gerät zurück, und die Zahlen beginnen mitzuziehen. Drei Signale am selben Tag weisen in dieselbe Richtung. Perplexity lässt seinen gesamten Agenten lokal auf einem DGX Spark laufen, ohne Credits zu verbrauchen, mit einer Cloud-Eskalation, die weiterhin eine Entscheidung des Nutzers bleibt. Multiverse Computing veröffentlicht eine Methode, bei der ein 4-Bit-Modell seine Quelle in voller Präzision erreicht oder übertrifft, wodurch das übliche Argument gegen aggressive Quantisierung entfällt. Au-Zone veröffentlicht Messungen von Vision auf eingebettetem Silizium und wirft den angekündigten TOPS vor, nichts darüber auszusagen, was ein bestimmtes Modell tatsächlich tun wird. Keines dieser drei Werke behauptet, mit dem Frontier gleichzuziehen: Die ehrliche Zahl von Perplexity liegt bei 59,6 % lokal gegenüber 82,4 % für Claude Opus 5 allein auf Terminal Bench 2.1. Aber die Eskalation zu einem Beratungsmodell holt drei Fünftel der Lücke für zwei Drittel der Kosten zurück, und genau dieser Kompromiss, mehr noch als die Parität, macht lokale Ausführung vertretbar.

Die Offenheit der Gewichte etabliert sich als Standardposition. Die von Qwen weitergeleitete Analyse von 500.000 arXiv-Artikeln dokumentiert eine bereits spürbare Umkehr: Offene chinesische Modelle sind von 10 % auf rund 40 % der Erwähnungen gestiegen, während offene US-Modelle bei 25 bis 30 % stagnieren. Qwen3.8-27B, das in die Top 10 der Code Arena einzieht und dabei das einzige seiner Größe ist, GLM-5.3, das GPT-5.6 Sol und Claude Fable 5 auf DeepSWE in mehreren Versuchen bei 2,1 bis 5,4-mal geringeren Kosten übertrifft, IBM, das Granite 4.2 mit vier quantisierten Varianten und vierzehn GGUF-Formaten vom ersten Tag an öffnet — dieselbe Logik wiederholt sich. Gewichte zu öffnen ist nicht mehr eine Geste des Aufholens, sondern eine Art, zur Standardinfrastruktur der anderen zu werden, mit der Nuance, die Nathan Lambert selbst formuliert: Veröffentlichungen hinken den Releases hinterher, und diese Kurven beschreiben laufende Arbeiten statt die Präferenzen des Augenblicks.

Und das Web bereitet sich darauf vor, von Agenten statt von Augen gelesen zu werden. Der WebMCP Challenge ist ein Wettbewerb mit einem Preisgeld von 35.000 Dollar, also wenig; was er zeigt, ist mehr wert. Chrome, Cloudflare, Shopify, Vercel, Render und Netlify schließen sich mit OpenAI auf einen Standard zusammen, der Websites dazu auffordert, strukturierte Werkzeuge bereitzustellen, statt Agenten eine Oberfläche erraten zu lassen. Am selben Tag kann ChatGPT Desktop WebMCP nativ nutzen, Codex kann eine kompatible Anwendung erzeugen und bereitstellen, und OpenAI dokumentiert seine interne Nutzung des Protokolls in einem Notizbuch-Tool. Diese Konvergenz knüpft an das an, was Rohlik seinerseits mit mehr als fünfzig MCP-Integrationen beschreibt, sowie an das Prinzip, dass jedes neue Tool Agenten vom ersten Tag an zugänglich sein muss. Die Schnittstellenschicht für Agenten hört auf, ein Forschungsthema zu sein, und wird zu einer Ingenieuranforderung.