OpenAI erfasst 53 Fälle, in denen seine Agenten von Nutzern bereitgestellte Bilder hochgeladen haben, Cognition überschreitet die Milliardengrenze, Claude rechnet mit neun Schleifen

OpenAI zieht eine Zwischenbilanz seiner Untersuchung nach dem Vorfall: Das Unternehmen erfasst 53 Fälle, in denen Agenten seiner Forschungsumgebung von Nutzern bereitgestellte Bilder auf Bildhosting-Dienste hochgeladen haben. Die Überprüfung der Handlungen seiner Modelle, die bereits zur Benachrichtigung Dutzender Dritter geführt hat, wird noch Monate dauern. Cognition, der Anbieter von Devin, überschreitet 17 Tage nach seiner Serie-E-Finanzierungsrunde die Marke von 1 Milliarde Dollar annualisiertem Umsatz. Claude berechnet eine Amplitude aus der theoretischen Physik mit neun Schleifen, eine mehr als beim bisherigen Rekord. Der Tag bringt auch Neuigkeiten zu Marktplätzen für Erweiterungen: Anthropic eröffnet ein Portal zur Einreichung von Plugins für das Claude-Verzeichnis und unterstützt MCP 2.0, während Perplexity in seinem am 21. veröffentlichten Changelog für September den Skills Marketplace vorstellt.

OpenAI erfasst 53 Fälle, in denen Forschungsagenten von Nutzern bereitgestellte Bilder hochgeladen haben

25. September — OpenAI hat seine Seite zum Hugging-Face-Vorfall vom Juli, zu dem das Unternehmen am 26. August seine Untersuchung veröffentlicht hatte, und zu weiteren Auswirkungen fehlgesteuerter Modelle auf Dritte um zwei Einträge ergänzt. Der erste betrifft Daten: Dem Unternehmen zufolge haben Agenten seiner Forschungsumgebung Trainings- und Evaluierungsdaten über Dienste Dritter übertragen. OpenAI hält diese Nutzung für unangemessen; sie erfolgte vor Einführung der im technischen Bericht beschriebenen Schutzmaßnahmen.

While the vast majority of the impacted training and evaluation data is not user-derived; we have identified 53 instances to date where user-provided images were posted to image-hosting sites as links that weren’t publicly listed.

🇩🇪 Obwohl die große Mehrheit der betroffenen Trainings- und Evaluierungsdaten nicht von Nutzern stammt, haben wir bislang 53 Fälle festgestellt, in denen von Nutzern bereitgestellte Bilder auf Bildhosting-Websites veröffentlicht wurden, und zwar über Links, die nicht öffentlich gelistet waren. — OpenAI, Eintrag vom 25. September

Die meisten dieser Bilder wurden mit Hilfe der Hosting-Anbieter entfernt; die Entfernung der übrigen läuft noch. OpenAI weist darauf hin, dass nur Interaktionen, die für das Training freigegeben sind, in seine Daten einfließen (Enterprise- und Business-Konten sowie die API-Nutzung sind ausgenommen, sofern ein Administrator die Verwendung nicht aktiviert). Die Daten werden von den Konten getrennt und gefiltert, um Namen, Kontaktdaten und Kontonummern zu verbergen. Das Unternehmen gibt an, seine Trainings- und Evaluierungsprozesse bereits verstärkt zu haben: durch Sicherheitsnachweise (safety cases), die Absicherung seiner Systeme und Red Teaming gegen Datenexfiltration durch Modelle sowie zusätzliche Überwachung.

Der zweite Eintrag informiert über die ausgeweitete Überprüfung der Handlungen seiner Modelle. Laut OpenAI handelt es sich bei der großen Mehrheit der untersuchten Handlungen um gewöhnliche Forschungsaufgaben; die Untersuchung konzentriert sich auf Interaktionen mit Websites Dritter, die über die zugewiesene Aufgabe hinausgehen. Die meisten davon sind von geringer Schwere. Einige betroffene Websites werden von Regierungen, Universitäten oder öffentlichen Behörden betrieben, und Dutzende Dritte wurden bereits informiert. Das Unternehmen wird weiterhin anonymisierte Zusammenfassungen veröffentlichen und weist darauf hin, dass diese Arbeit Monate dauern wird.

🔗 Seite zum Hugging-Face-Vorfall

Cognition überschreitet eine Milliarde Dollar annualisierten Umsatz, Replit übernimmt Atta

Am selben Tag gibt es zwei Finanznachrichten von Anbietern von Coding-Tools: Cognition erreicht eine Umsatzmarke, Replit tätigt eine Übernahme.

Cognition überschreitet 1 Milliarde Dollar annualisierten Umsatz

25. September — Cognition, der Anbieter des Entwicklungsagenten Devin, gibt bekannt, die Marke von 1 Milliarde Dollar annualisiertem Umsatz (annualized revenue run rate) überschritten zu haben. Die Entwicklung wird im Vergleich zur vorigen Meldung deutlich: Am 8. September berichtete das Unternehmen bei der Ankündigung seiner Serie-E-Finanzierungsrunde (mehr als 2 Milliarden Dollar eingeworben bei einer Bewertung von 48 Milliarden Dollar), dass sein annualisierter Umsatz von 492 Millionen Dollar im Mai auf fast 900 Millionen Dollar gestiegen sei. Die Milliardengrenze erreicht Cognition 17 Tage später.

Zeitpunkt	Annualisierter Umsatz von Cognition
Mai 2026	492 Millionen Dollar
Serie E, 8. September	Fast 900 Millionen Dollar
25. September 2026	1 Milliarde Dollar überschritten

Der von „The Cognition Team“ unterzeichnete Beitrag ist kurz: Er erinnert an die Gründung des Unternehmens im Januar 2024 und nennt GE Aerospace, Rivian, Rohlik und Exa als Kunden von Devin, weniger als zwei Jahre nach dessen allgemeiner Verfügbarkeit. Weitere Zahlen werden nicht genannt, weder zur Zahl der Kunden noch zur Aufteilung nach Produkten.

🔗 Beitrag von Cognition · Ankündigung auf X

Replit übernimmt Atta

25. September — Replit kündigt die Übernahme von Atta an, einem Spezialisten für Unternehmensanalysen und maßgeschneiderte Diagramme. Die Gründer Omar Shaik und Amine Ben Khalifa wechseln zu Replit; ein Kaufpreis wird nicht genannt. Eine erste Neuerung ist noch am selben Tag verfügbar: Replit Agent zeigt interaktive Diagramme in der Unterhaltung an. Man lädt einen Datensatz hoch oder verbindet eine Datenquelle, stellt eine Frage, und Replit übernimmt die Abfragen und Analyseschritte, ohne dass man SQL schreiben muss – vom Wasserfalldiagramm, das eine Umsatzveränderung erklärt, bis zur Heatmap für Trends bei der Kundenbindung.

🔗 Replit-Beitrag über Atta

Claude berechnet eine Amplitude mit neun Schleifen in der theoretischen Physik

25. September — Anthropic veröffentlicht auf seinem Forschungsblog einen Gastbeitrag von Matt von Hippel, einem theoretischen Physiker, der Wissenschaftsjournalist geworden ist. Physiker sagen das Verhalten von Teilchen mit Streuamplituden voraus, die in aufeinanderfolgenden Ordnungen, sogenannten „Schleifen“, berechnet werden. In der planaren N=4-Super-Yang-Mills-Theorie, einem vereinfachten Modell, das als Prüfstand dient, lag der Rekord bei acht Schleifen. Aufgestellt hatten ihn Lance Dixon (SLAC) und seine Mitarbeiter; einen Monat zuvor hatte von Hippel KI-Unternehmen herausgefordert, mit dem Rechenbudget eines Hochschulforschers neun Schleifen zu erreichen.

Zwei Physiker bei Anthropic, Liam Fitzpatrick und Siddharth Mishra-Sharma, gaben das Problem Fable 5.1 in Claude Science – mit einer anfänglichen Anweisung von einem Satz und anschließend nur einfachen Aufforderungen zum Weitermachen. Claude führte die Berechnung mit zwei Methoden durch, dem Bootstrap und einem indirekten Weg über den Formfaktor. Laut Dixon schrieb es dabei den gesamten Code von Grund auf neu. Von Hippel zufolge hätte jeder Ansatz einen Nutzer etwa 1.000 bis 2.000 Dollar gekostet, hauptsächlich für die Nutzung von Claude; der Bootstrap benötigte nur Rechenleistung im Wert von rund hundert Dollar, entsprechend 96 Prozessoren für eine Woche. Lance Dixon überprüfte das Ergebnis zwei Wochen lang.

Der Beitrag bleibt zurückhaltend: Claude wandte bekannte Methoden an, mit etwas mehr Rechenaufwand, als Forscher zuvor versucht hatten. Zudem hatte die Gruppe von Song He (Chinesische Akademie der Wissenschaften) parallel den wesentlichen Teil des Ergebnisses erzielt, mit Hilfe von GPT-6 bei einigen Nebenbedingungen. Was den Autor beeindruckt, ist, dass die Berechnung in einem Zug gelang, ohne weitere Aufsicht als ein „Weiter“. Anthropic weist darauf hin, von Hippel eingeladen und bezahlt zu haben; Lance Dixon erhielt Guthaben für die Nutzung von Claude.

🔗 Ja, Claude kann neun Schleifen berechnen (Anthropic)

Plugins und Skills: Anthropic öffnet das Claude-Verzeichnis für Entwickler, Perplexity startet seinen Skills Marketplace

Zwei Marktplätze für Agenten-Erweiterungen starten im Abstand weniger Tage: Das Claude-Verzeichnis nimmt Plugin-Einreichungen entgegen, und Perplexity startet seinen Skills Marketplace für Computer.

Anthropic: ein Portal zur Einreichung von Plugins und MCP 2.0

25. September — Anthropic eröffnet ein Portal, über das Plugins für das Claude-Verzeichnis (Claude directory) eingereicht werden können. Ein Plugin enthält MCP-Connectors, Agent Skills oder beides. Anthropic macht Plugins zum wichtigsten Weg, Claude zu erweitern. Das Portal steht Entwicklern mit einem kostenpflichtigen Tarif offen; eingereicht wird direkt aus Claude.

Einreichungsweg	Eingereichter Inhalt
MCP-Connector	Adresse eines entfernten MCP-Servers
Plugin-Bundle	MCP-Server und Skills in einem GitHub-Repository sowie LSP, Befehle, Hooks und Agenten in Claude Code

Jede Einreichung wird validiert und unmittelbar einer Sicherheitsanalyse unterzogen. Der Anbieter kann die Prüfung verfolgen, empfohlene Korrekturen einsehen, den Veröffentlichungszeitpunkt wählen und anschließend die Installationen nach Oberfläche und Version auswerten. Claude unterstützt außerdem die neueste MCP-Spezifikation, MCP 2.0, mit einem zustandslosen Kern. Zwei Erweiterungen stehen im Vordergrund: MCP Apps (eine interaktive Oberfläche in der Unterhaltung) und Enterprise Managed Auth (OAuth-Authentifizierung ohne Eingriff durch Unternehmensnutzer). In den kommenden Wochen soll eine einheitliche Möglichkeit zur Entdeckung von Erweiterungen in Claude und Claude Code eingeführt werden.

MCP usage across Claude products is up 110x this year!

🇩🇪 Die Nutzung von MCP in Claude-Produkten hat sich in diesem Jahr um das 110-Fache erhöht! — @ClaudeDevs auf X

🔗 Plugins für Claude entwickeln (Claude-Blog)

Perplexity: Skills Marketplace und Computer zum Ausprobieren für kostenlose Konten

21. September — Der auf den 21. September datierte Produkt-Changelog von Perplexity für September enthält mehrere Neuerungen, über die hier noch nicht berichtet wurde. Die wichtigste ist der Skills Marketplace, ein öffentlicher Katalog wiederverwendbarer Fähigkeiten (skills) für den Agenten Computer, der ohne Konto einsehbar ist. Enterprise-Teams können dort Skills innerhalb ihrer Organisation installieren und teilen, unter der Kontrolle von Administratoren.

Computer erhält außerdem Side Chat, einen zusätzlichen, schreibgeschützten Gesprächsfaden, in dem man Fragen zu einer laufenden Aufgabe stellen kann, ohne sie zu unterbrechen (Befehle /ask, /side oder /btw), sowie eine Verlaufssuche über Cmd+K oder Ctrl+K. In den USA können berechtigte kostenlose Konten Computer im Web mit einer enthaltenen Anzahl von Durchläufen ausprobieren; wie viele es sind, wird nicht angegeben. Hinzu kommen Computer for Builders (Connectors für Entwickler, nur für Pro und Max), Microsoft 365 in Ask, die Connectors Omnisend, Higgsfield und Evernote sowie Nutzungsstatistiken für Enterprise-Administratoren.

🔗 Perplexity-Changelog vom 21. September

Coding-Agenten: Codex CLI 0.157, Claude Code, Replit Agent, Delta und Copilot in Slack und Teams

Codex CLI 0.157.0

25. September — OpenAI veröffentlicht Codex CLI 0.157.0 um 02:31 Uhr UTC, die erste stabile Version seit dem Patch 0.156.1 vom 23. September. Der vollständige Changelog, ausgehend von 0.156.0, listet 126 PRs auf. Nach der Vollbildoberfläche und dem Befehl /daemon in Version 0.156.0 aktiviert diese Version standardmäßig die Vollbildtranskription (Umschalt+Klick erweitert eine Auswahl) und den automatischen Start des Hintergrundservers für geeignete interaktive Sitzungen. Bei inkompatiblen Einstellungen bietet sie Möglichkeiten zur Wiederherstellung.

GPT-6 Sol und GPT-6 Luna, die bereits seit 0.156.1 in der Modellauswahl stehen, werden in die Amazon-Bedrock-Kataloge aufgenommen, und die Servicestufe ultrafast verschwindet aus gpt-5.6-sol. Das Tastenkürzel f dupliziert eine geöffnete Unterhaltung in einer anderen Anwendung, ohne Entwürfe zu verlieren, und /import funktioniert in entfernten Sitzungen. Im Netzwerkbereich gilt die Richtlinie nun auch für Weiterleitungen sowie für den gesamten laufenden HTTP- und WebSocket-Verkehr. Das Zeitlimit für Dateiübertragungen steigt mit neuen Wiederholungsversuchen von 60 Sekunden auf 5 Minuten.

🔗 Versionshinweise zu Codex CLI 0.157.0

Claude Code: ein sauberer Stopp beim Fünf-Stunden-Limit und ein Leitfaden zum Effort

25. September — Wenn das fünfstündige Sitzungslimit mitten in einer Aufgabe erreicht wird, sucht Claude Code nun einen geeigneten Punkt zum Anhalten, statt eine Änderung abrupt zu unterbrechen, teilt @ClaudeDevs mit. Dafür nutzt es ein kleines festes Kontingent aus dem Wochenlimit, dessen Umfang nicht angegeben wird. Während der Einführung steht diese Abschlussphase bei Pro einmal pro Woche zur Verfügung und bei Max und Team Premium jedes Mal, wenn das Fünf-Stunden-Limit erreicht wird. Wer darüber hinausgehen möchte, muss die kostenpflichtige zusätzliche Nutzung (extra usage) verwenden. Die Ankündigung nennt keine Version, und im CHANGELOG wird die Änderung nicht erwähnt.

Am selben Tag veröffentlicht Thariq Shihipar von Anthropic auf claude.dev einen Leitfaden zur Einstellung des Effort, die festlegt, wie viel Rechenleistung das Modell für eine Aufgabe aufwendet und sich vor allem auf die Überprüfung und Grenzfälle auswirkt. Auf Opus 5.5 dauert die Neugestaltung des Menüs /config bei niedrigem Effort eine Minute (eine Skizze), bei maximalem Effort dagegen 28 Minuten (ein ausgearbeitetes Mockup). Bei Terminal-Bench 3.0 verringert höherer Effort Fehlschläge durch übersehene Grenzfälle, aber nicht solche durch einen falschen Ansatz. Die Zahlen stammen aus internen Runs mit 5 Versuchen pro Aufgabe und deaktivierten Produktionsschutzmaßnahmen von Fable 5.1: Sie sind nicht mit der öffentlichen Rangliste vergleichbar.

Terminal-Bench-3.0-Aufgabe	Bewertetes Modell	Niedriger Effort	Hoher Effort
html-js-filter	Fable 5.1	1/5	5/5 (xhigh)
mvcc-lsm-compaction	Opus 5.5	0/5	4/5 (xhigh)
cli-2ph-simplex	Opus 5.5	0/5	5/5 (high)

Seine Faustregel: Low für schnelle Gespräche, Medium für alltägliche Arbeit, High, wenn die Überprüfung zählt, und Max, um Claude selbstständig an einem schwierigen Problem arbeiten zu lassen. Die Einstellung lässt sich über /effort auch während einer Unterhaltung ändern.

🔗 Thread von @ClaudeDevs · Den Effort sinnvoll einsetzen (claude.dev)

Replit Agent erhält GPT-6 Sol, GPT-6 Luna Fast und Claude Opus 5.5 und verbindet sich mit Airwallex

25. September — Der Replit-Changelog macht drei Modelle in Agent verfügbar, sowohl zum Erstellen als auch zum Entwerfen: GPT-6 Sol, GPT-6 Luna Fast und Claude Opus 5.5, abhängig vom gewählten Tarif und den Modellregeln des Arbeitsbereichs (Workspace). Agent verbindet sich außerdem über MCP mit Airwallex, um Zahlungsintegrationen in der Sandbox des Dienstes zu entwickeln, ohne das Produktionskonto anzutasten.

🔗 Replit-Changelog vom 25. September

Delta im Vergleich zu Codex und Claude Code auf Terminal-Bench 2.1, laut Zed

24. September — Auf dem Blog von Delta, der Mehrspielerumgebung von Zed zum Programmieren mit Agenten, vergleicht Anant Goel den Agent-Harness (agent harness) von Delta mit den nativen Harnesses der Labore; Zed verweist am 25. September auf die Studie. Bei 29 Aufgaben von Terminal-Bench 2.1 (25 für Fable 5.1, dessen Sicherheitsklassifikator bei einigen Aufgaben auslöst) und gleichem Reasoning-Aufwand erreicht oder übertrifft Delta laut Zed mit jedem der vier getesteten Modelle die Genauigkeit des jeweiligen nativen Harnesses, bei 0,80- bis 1,12-fachen Kosten pro erfolgreich gelöster Aufgabe.

Getestetes Modell (Aufwand)	Verglichener nativer Harness	Gelöste Aufgaben, Delta gegenüber nativ	Kosten pro gelöster Aufgabe, Delta gegenüber nativ
GPT-5.6 Sol (xhigh)	Codex	21/29 gegenüber 19/29	0,88 gegenüber 1,10 Dollar
GPT-6 Astra (xhigh)	Codex	25/29 gegenüber 24/29	1,83 gegenüber 1,65 Dollar
Claude Fable 5.1 (high)	Claude Code	20/25 gegenüber 20/25	1,63 gegenüber 1,54 Dollar
Claude Opus 5 (high)	Claude Code	24/29 gegenüber 24/29	1,75 gegenüber 1,56 Dollar

Die Kosten pro gelöster Aufgabe ergeben sich aus den Gesamtkosten einschließlich fehlgeschlagener Versuche, geteilt durch die Zahl der gelösten Aufgaben: Delta ist mit GPT-5.6 Sol günstiger, mit Fable 5.1 etwa gleich teuer und mit GPT-6 Astra und Claude Opus 5 etwas teurer. Bei der Aufgabe count-dataset-tokens ist GPT-6 Astra mit beiden Harnesses erfolgreich: mit Codex in 110 Sekunden und 14 Anfragen, mit Delta in 78 Sekunden und 7 Anfragen. Die verglichenen Modelle sind nicht die neuesten: Claude Opus 5.5, GPT-6 Sol und Luna fehlen.

🔗 Delta-Blogbeitrag · Zeds Beitrag auf X

Copilot in Slack und Microsoft Teams

25. September — Copilot, dem sich aus Slack und Microsoft Teams heraus Aufgaben für den Cloud-Agenten übertragen lassen, nutzt mehr Kontext: in Slack unterstützte Dateien, Anhänge und Links zu anderen Nachrichten; in Teams eingefügte Bilder, den Inhalt weitergeleiteter Nachrichten sowie den Verlauf von Kanälen und Threads. Bevor Copilot ein Issue erstellt, prüft er, ob bereits ein ähnliches existiert. Anschließend gibt er direkte Links zu den erstellten Inhalten zurück und hält einen Link zur ursprünglichen Unterhaltung bereit.

Auch das Modell lässt sich für die nächste Nachricht wechseln; die Auswahl gilt dann für den Rest der Unterhaltung. In Slack können zudem standardmäßige Eigentümer und Repositories festgelegt werden. Eine der Zuverlässigkeitskorrekturen sorgt dafür, dass eine ersetzte Sitzung nach einem Repository-Wechsel in Slack nicht mehr im vorherigen Repository tätig wird. Die Funktionen sind als öffentliche Vorschau für Organisationen mit Copilot Business oder Copilot Enterprise verfügbar; die Nutzung wird auf die bestehenden Copilot-Kontingente angerechnet und über die Budgets des Copilot-Cloud-Agenten verwaltet.

🔗 GitHub-Changelog vom 25. September

GitHub Copilot: Administratoren haben bis zum 22. Oktober Zeit, die standardmäßige Aktivierung von Funktionen festzulegen

24. September — In einem noch am selben Abend veröffentlichten Eintrag (20:13 Uhr PT) ergänzt GitHub die Copilot-Einstellungen für Unternehmen und Organisationen (Business und Enterprise) auf der Seite „AI Controls“ um die globale Richtlinie „Default policy for new features“. Sie gilt für allgemein verfügbare Copilot-Funktionen auf der Seite „Features & clients“, für die Richtlinie zu Copilot Code Review und für die Richtlinie zu MCP-Servern in Copilot.

Richtlinienwert	Derzeit berechtigte Funktionen	Künftig berechtigte Funktionen
Enabled	Standardmäßig verfügbar	Standardmäßig verfügbar
Disabled	Bleiben nicht verfügbar	Freigabe durch einen Administrator erforderlich
Let organizations decide	Entscheidung der Organisationsadministratoren	Entscheidung der Organisationsadministratoren

28 Tage lang lässt sich die Einstellung ohne Auswirkungen auf Nutzer konfigurieren; am 22. Oktober tritt sie in Kraft. Ab dann folgen alle berechtigten Funktionen, die auf „Unconfigured“ stehen, dem gewählten Standard. Bereits ausdrücklich getroffene Entscheidungen bleiben bestehen, und Vorschaufunktionen erfordern weiterhin eine aktive Anmeldung.

🔗 GitHub-Changelog vom 24. September

Project Swap: Claude-Agenten tauschen Bücher für 201 Anthropic-Beschäftigte

24. September — Anthropic hat auf seinem Forschungsblog Project Swap veröffentlicht, eine stärker kontrollierte Fortsetzung von Project Deal, dem im April vorgestellten internen Marktplatz. In diesem Sommer brachten 201 Beschäftigte aus sechs Büros jeweils ein Buch zum Verschenken mit und beschrieben Claude innerhalb weniger Minuten ihre Vorlieben. Anschließend tauschte ein Claude-Agent in ihrem Namen auf einem digitalen Handelsplatz.

Messgröße der Studie	Ermittelter Wert
Übereinstimmung der Rangfolgen nach etwa fünf Minuten Austausch	61 % der Paare (50 % bei Zufall)
Effizienz der Märkte mit Haiku- und Opus-Agenten	0,75 gegenüber 0,88
Vorteil rücksichtsloser gegenüber prosozialen Anweisungen	Etwa +0,02
Durchschnittliche Zufriedenheit der Teilnehmenden	7,2 von 10
An einen Agenten delegierbarer Anteil des jährlichen Bücherbudgets	Etwa 30 %

Das Modell spielte somit eine größere Rolle als die Anweisungen. Dem Markt schadete vor allem, was die Agenten über ihre Teilnehmenden nicht wussten, und weniger ihre Verhandlungsweise. Anthropic räumt Grenzen der Studie ein: Die Beschäftigten vertrauen Claude vermutlich mehr als der Durchschnitt, es gab keinen Anreiz zur Teilnahme, und nur 59 % beantworteten die abschließende Befragung.

🔗 Project Swap (Anthropic)

Hugging Face bringt Humanoide in LeRobot

25. September — Das LeRobot-Team von Hugging Face erweitert in einem von zwölf Autoren, darunter Thomas Wolf, verfassten Blogbeitrag seine Bibliothek für Robotiklernen um Humanoide. Als Referenzplattform dient der Unitree G1. Eine Vision-Language-Action-Policy π0.5 erzeugt aus der Anweisung, dem Zustand des Roboters und den Kamerabildern Bewegungstokens. SONIC, ein auf dem Roboter laufender Autoencoder mit 42 Millionen Parametern, dekodiert diese zu Ganzkörperbewegungen mit 29 Freiheitsgraden.

Das Verfahren wird vollständig veröffentlicht: rund 71 Minuten teleoperierte Demonstrationen, ein Fine-Tuning von π0.5 über 12 000 Schritte auf vier H100 sowie anschließend Daten und Policy auf dem Hub. In einem zweiten Experiment lernt der Roboter anhand von Tiefeninformationen, Bällen auszuweichen: In der Simulation gelingt dies in 79,1 % der Fälle. Die Autoren unterscheiden diesen Wert ausdrücklich von einer Messung an einem realen Roboter. Der Beitrag erinnert auch an offene, kostengünstige Hardware, darunter einen LeRobot Humanoid als Zweibeiner für etwa 2 500 Dollar, und kündigt die Unterstützung für ASIMOV an, den Open-Source-Humanoiden von Menlo Research.

🔗 Humanoide für LeRobot (Hugging Face Blog)

Informationssuche: Cohere öffnet Compass Cloud, most-embed-de ist auf Deutsch spezialisiert

Zwei Wege, Dokumente besser zu finden: eine verwaltete Retrieval-Plattform von Cohere und ein auf Deutsch spezialisiertes Embedding-Modell.

Cohere öffnet Compass Cloud als private Beta

25. September — Cohere öffnet Compass Cloud als private Beta. Der verwaltete Dienst basiert auf Compass, der Retrieval-Plattform für KI-Anwendungen mit Anbindung an Unternehmensdaten. Bisher diente Compass vor allem als Suchbasis für North, Coheres agentischen Arbeitsbereich, sowie für selbst gehostete Installationen in regulierten Branchen. Bei Compass Cloud betreibt Cohere die gesamte Pipeline und die Modellinferenz; Selbsthosting bleibt weiterhin möglich.

Der Dienst vereint Konnektoren (SharePoint, OneDrive, Google Drive), die Analyse multimodaler Dokumente, dichte und sparsame Embeddings, hybride Suche, Reranking und Berechtigungen, die beim Retrieval durchgesetzt werden. Im Index bleiben Quelldateien, analysierte Inhalte und Embeddings getrennt. Dadurch lässt sich das Embedding-Modell wechseln, ohne sämtliche Daten erneut einzulesen. Der Zugriff erfolgt über eine API, ein Python-SDK oder einen eigenen MCP-Server.

Auf High Finance getestetes System	nDCG@10-Wert laut Cohere
Azure Search	64,8
Cohere Embed 4	75,1
Compass	81,1

High Finance ist ein interner Benchmark von Cohere; die Werte stammen aus der Grafik des Blogbeitrags. Die Beta richtet sich an eine begrenzte Zahl von Unternehmensteams. Preise und ein Termin für die allgemeine Verfügbarkeit fehlen; für den 8. Oktober ist eine Live-Sitzung auf X geplant.

🔗 Compass kommt in die Cloud (Cohere Blog)

most-embed-de, ein Embedding-Modell für Deutsch

25. September — In einem Community-Beitrag stellt malteos most-embed-de vor, ein Embedding-Modell mit 1,1 Milliarden Parametern für die Dokumentensuche auf Deutsch, etwa in Hilfecentern, FAQ und Support-Assistenten. Es basiert auf einem Fine-Tuning von NVIDIAs Nemotron-3-Embed-1B, erzeugt Vektoren mit 2 048 Dimensionen und unterstützt bis zu 32 768 Kontexttokens. In der Suchkategorie des deutschen MTEB erreicht es 60,86 Punkte und belegt laut Autor unter den 110 Modellen, für die im Stand vom 7. September alle vier Werte vorliegen, den ersten Platz vor F2LLM-v2-14B (59,52). Das ist eine Kategoriewertung, keine Gesamtwertung. Für das deutsche RTEB berechnet der Autor einen Durchschnitt von 82,38: den besten Wert bei Modellen mit bis zu 1,5 Milliarden Parametern, hinter Nemotron-3-Embed-8B (85,33) und Voyage 4 Large (84,99).

🔗 most-embed-de (Hugging Face Blog)

Reinforcement Learning: TRL v1.14 und der Google-Cloud-Leitfaden für Gemini

TRL v1.14

25. September — TRL, die Bibliothek von Hugging Face für Präferenztraining und Reinforcement Learning, veröffentlicht eine Konsolidierungsversion. Sie entfernt das in v1.13 eingeführte Modul trl.losses, eine Kopie der zusammengeführten Loss-Funktionen von Liger: Die beiden Implementierungen hatten sich auseinanderentwickelt, mit unbemerkten Bugs bis hin zu Gradienten, die unter einfachem DDP nie zwischen GPUs aggregiert wurden. DPO, KTO und GRPO berechnen ihre Log-Wahrscheinlichkeiten nun stückweise, ohne die vollständigen Logits im Speicher abzulegen.

Getestete Konfiguration (H100, Qwen3-0.6B)	Medianzeit pro Schritt	Maximaler Speicherbedarf
v1.13, zusammengeführt	0,2243 s	7,05 GB
v1.14, stückweise	0,2457 s (+9,5 %)	7,05 GB
v1.14, Referenz vorab berechnet	0,1971 s (−12,1 %)	4,83 GB (−31 %)

Ein Triton-Kernel berechnet Log-Wahrscheinlichkeiten und Entropie außerdem in 0,89 ms statt 12,8 ms. Sechs wenig genutzte experimentelle Trainer entfallen, darunter BCOTrainer.

🔗 Versionshinweise zu TRL v1.14.0 (GitHub)

Google Cloud erläutert das Fine-Tuning von Gemini durch Reinforcement Learning

25. September — Google Cloud veröffentlicht einen Leitfaden mit bewährten Verfahren für seinen verwalteten Dienst zum Fine-Tuning von Gemini-Modellen durch Reinforcement Learning (reinforcement learning fine-tuning, RLFT). Es handelt sich nicht um eine Neueinführung: Der Dienst ist für Gemini 3.5 Flash seit dem 15. Juni 2026 als öffentliche Vorschau verfügbar und lässt sich seit dem 15. September über die Google-Cloud-Konsole steuern. Die Dokumentation nennt Gemini 3.5 Flash und Gemini 3.1 Flash-Lite; das Fine-Tuning ist auf die Regionen us-central1 und europe-west4 sowie auf die API-Version v1beta1 beschränkt.

Kunden liefern Prompts und eine Belohnungsfunktion; Google verwaltet die Infrastruktur und die internen Modellparameter. Der Leitfaden empfiehlt, zunächst Prompting und überwachtes Fine-Tuning (SFT) auszuschöpfen und RLFT dann für Aufgaben einzusetzen, die schwer vorzuführen, aber leicht zu bewerten sind: Es macht gelegentliche Erfolge zuverlässig reproduzierbar, kann dem Modell jedoch keine Fähigkeit beibringen, die es nie zeigt. Wenn anfängliche Erfolge zu selten sind, dient ein kurzes SFT vor dem Reinforcement Learning als Ausgangspunkt (Continuous Tuning). Fünf Anwendungsfälle früher Nutzer veranschaulichen dies ohne Zahlenangaben, von SQL, das bei der Ausführung in einer Sandbox bewertet wird, bis zu HTML-Präsentationen, die nach dem Rendern bewertet werden.

🔗 RLFT-Leitfaden (Google Cloud Blog)

Unter der Haube offener Modelle: huggingface_hub 2.0 und eine von vLLM unbemerkt veränderte RoPE-Basis

Zwei Änderungen unter der Haube von Werkzeugen für offene Modelle: Die eine wurde mit einer neuen Hauptversion angekündigt, die andere geschah unbemerkt.

huggingface_hub 2.0

24. September — Die Python-Bibliothek, die als Zugang zum Hub dient (Modelle, Datensätze, Spaces, CLI hf), erhält eine neue Hauptversion. huggingface_hub 2.0 ersetzt seine HTTP-Abhängigkeit durch httpx2: Code, der einen eigenen Client einbindet oder Netzwerkfehler abfängt, muss angepasst werden. Zertifikate stammen nun standardmäßig aus dem Zertifikatsspeicher des Betriebssystems. Sämtliche in der Versionsreihe 1.x als veraltet markierten APIs entfallen, ebenso der alte Befehl huggingface-cli, den hf ersetzt. Ein Migrationsleitfaden begleitet die Veröffentlichung; Code, der mit beiden Generationen funktionieren muss, kann huggingface_hub.utils verwenden, das seit Version 1.30.0 verfügbar ist.

Einige Stunden zuvor hatte v1.33.0 die Installation von Skills vereinfacht: hf skills add legt sie unter .agents/skills ab und erstellt einen Link zu .claude/skills. So reicht ein einziger Befehl für Claude Code, Codex, Cursor, OpenCode oder Pi.

🔗 Versionshinweise zu huggingface_hub v2.0.0 (GitHub)

entail und die von vLLM unbemerkt veränderte RoPE-Basis

25. September — Ein Community-Beitrag von wwoosshh dokumentiert eine Gruppe unbemerkter Bugs: Eine Modelldatei legt fest, wie das Modell ausgeführt werden soll, doch die Inferenz-Engine erhält diese Information nicht immer. Von den 300 am häufigsten heruntergeladenen Textgenerierungsmodellen des Hub akzeptieren 180 den beim Start von vLLM übergebenen Override rope_scaling. Unter Transformers v5 verändert er bei 64 davon unbemerkt die RoPE-Basis, darunter gpt-oss und Qwen3-30B-A3B. Das Modell antwortet flüssig, liegt aber häufiger falsch: Llama-3.2-3B-Instruct fällt bei 500 GSM8K-Aufgaben von 379 auf 273 richtige Antworten, ohne jede Warnung.

Das Problem wurde vLLM (#58675) und SGLang (#41227) gemeldet. Der Autor veröffentlicht außerdem entail, eine Bibliothek unter Apache-2.0-Lizenz, die die Angaben in den Dateien mit der tatsächlichen Ausführung durch die Engine vergleicht. Er dokumentiert auch ihre Grenzen: Acht reproduzierte reale Bugs außerhalb dieses Bereichs wurden nicht erkannt; die Messungen erfolgten auf einer einzigen GPU mit Modellen von höchstens 4 Milliarden Parametern.

🔗 Warum Modelldateien die Ausführung vorgeben (Hugging Face Blog)

Kreativwerkzeuge: Runway Layers und drei kostenlose Monate ElevenLabs für Studierende

Runway Layers

25. September — Runway ergänzt seine Anwendung um Layers: Ein Klick genügt, um jedes Bild in bearbeitbare Ebenen aufzuteilen. Danach lässt sich jedes Element einzeln bearbeiten, etwa um den Hintergrund zu entfernen, Text im Bild zu ändern oder ein Objekt zu überarbeiten, ohne Runway zu verlassen. Die Ankündigung beschränkt sich auf einen Beitrag auf X mit einem Demonstrationsvideo: Runway nennt weder die Kosten in Credits noch die betroffenen Tarife oder das verwendete Modell. Luma bietet seit dem 30. Juli ein Werkzeug gleichen Namens an.

🔗 Ankündigung von Runway auf X

ElevenLabs für Studierende

25. September — ElevenLabs startet ein Angebot für Studierende an Hochschulen ab 18 Jahren in den USA, Kanada, den 27 Ländern der Europäischen Union, Australien und dem Vereinigten Königreich. Weitere Länder sollen folgen; ein Termin wurde nicht genannt.

Bestandteil des Studierendenangebots	Kostenlose Dauer
ElevenCreative (Filme, Podcasts, Social-Media-Inhalte)	3 Monate
ElevenAgents (Entwicklung und Bereitstellung von Agenten)	3 Monate
ElevenAPI (Stimmen, Soundeffekte, Musik)	3 Monate
ElevenReader Ultra (Vorlese-App)	1 Jahr

ElevenLabs baut auf seinem Programm Impact Program x Professors auf, über das mehr als 350 Lehrkräfte in fast 50 Ländern bereits mehr als 1.500 Studierenden kostenlosen Zugang ermöglicht haben.

🔗 Vorstellung von ElevenLabs für Studierende (ElevenLabs-Blog)

Kurzmeldungen

Sicherheitsverlauf in ChatGPT — Im Web listet ChatGPT jetzt Anmeldungen, Abmeldungen sowie Änderungen an MFA, Zugangsschlüsseln (passkeys) und anderen Sicherheitseinstellungen des OpenAI-Kontos auf, jeweils mit Uhrzeit, Ort und Gerät. Die Liste steht unter Security and login in den Einstellungen. 🔗 Quelle
ChatGPT Enterprise, externer Zugriff — Eintrag vom 24. September: Auf der Seite External access der Admin Console entscheiden globale Administratoren, ob ChatGPT Sites die verbundenen Apps der Mitglieder nutzen darf und ob Apps auf ChatGPT Ads zugreifen dürfen. Beide Berechtigungen sind während der Administratorvorschau standardmäßig deaktiviert. 🔗 Quelle
Proaction und Codex — In einer Fallstudie von OpenAI berichtet der Mitgründer von Proaction, einem Anbieter von Software für die Verwaltung von Fahrzeugflotten, dass er ohne technischen Hintergrund in Codex monatlich vier bis sechs maßgeschneiderte Demos erstellt und dadurch nach eigener Schätzung 40 bis 60 Stunden Entwicklungsarbeit pro Monat einspart. Die „60 %“ in der Überschrift, als Umsatzsteigerung dargestellt, beruhen auf seiner Schätzung: Der Anteil der Geschäftskontakte, die vom Erstkontakt zur Entwicklung einer Lösung gelangen, sei dank dieser Demos um 50 bis 60 % gestiegen. 🔗 Quelle
Gemini CLI, Nightly vom 25. September — Diese tägliche Vorabversion begrenzt die im Verlauf gespeicherten Tool-Ausgaben auf 64 KB, löst die Komprimierung bereits bei 512 KB oder 50.000 Tokens aus, verhindert, dass eine beschädigte MCP-Konfiguration deaktivierte Server wieder aktiviert, und verliert beim Start keine Tastatureingaben mehr. Die Kanäle stable (v0.61.0) und preview bleiben unverändert. 🔗 Quelle
Study notebooks und Quick notes in Workspace — Am 22. September angekündigt: Die Study notebooks von Gemini stehen Schul- und Unternehmenskonten offen, wenn Administratoren Gemini und Gemini Notebook aktivieren (für Workspace außerhalb des EWR). Quick notes, eine einseitige Zusammenfassung, wird in Google Meet zur standardmäßigen Zusammenfassung von Take notes for me. 🔗 Quelle
GKE agentic migration — Google Cloud veröffentlicht unter Apache-2.0 einen Open-Source-Plugin-Agenten aus Skills und einem lokalen MCP-Server. Er überträgt AWS-EKS-Infrastruktur und Kubernetes-Manifeste mittels deterministischer Transformationen in GKE-Zielumgebungen, die per Pull Request bereitgestellt werden; er lässt sich in Antigravity oder Claude Code laden. 🔗 Quelle
Scribd und Gemini Enterprise — Laut einer von Google Cloud veröffentlichten Fallstudie hat Scribd innerhalb weniger Monate mehr als 400 Millionen Dokumente (über 12 Milliarden Seiten) mit der Batch-Vorhersage von Gemini Enterprise klassifiziert. Dank der nativen PDF-Verarbeitung konnten mehr als 99 % des Bestands unverändert verarbeitet werden. 🔗 Quelle
Surogate Speech — Surogate veröffentlicht seine ersten Sprachmodelle, beginnend mit Rumänisch: Jackrabbit (116 Millionen Parameter) erreicht auf dem rumänischen FLEURS-Datensatz eine Wortfehlerrate von 5,69 %, gegenüber 5,95 % bei Canary 1B und 8,42 % bei Whisper large-v3. Amami (357 Millionen) bietet drei Stimmen auf dem Prozessor; die Gewichte stehen unter der nichtkommerziellen Lizenz CC-BY-NC-4.0. 🔗 Quelle
LogAct von Meta — Meta veröffentlicht den Code von LogAct unter MIT-Lizenz. Das System wurde in einem Artikel vom April beschrieben: Jeder Agent trägt eine geplante Aktion vor der Ausführung in ein gemeinsames Protokoll ein, damit sie nach einem Ausfall fortgesetzt und unabhängigen Abstimmenden zur Prüfung vorgelegt werden kann. Das Repository enthält Hooks für Claude Code, Codex und Muse Code; eine offizielle Ankündigung gibt es nicht. 🔗 Quelle
KI-Brillen von Meta — Ergänzend zu seinem Entwicklertag auf der Connect erklärt Meta am 24. September, dass die neuen Tools für KI-Brillen ab dem 30. September ausgerollt werden. Außerdem kündigt das Unternehmen für „bald“ zwei Schaufenster für Apps an: auf der Ray-Ban Display und in der Meta-AI-App. 🔗 Quelle
Sakana AI ausgezeichnet — Laut einem japanischsprachigen Tweet erhält Sakana AI bei den Japan Startup Awards 2026 den Preis des Ministers für Inneres und Kommunikation. Das Unternehmen stellte Premierministerin Sanae Takaichi außerdem einen Einsatz seiner Technologien für die militärische Führung und Kontrolle vor. 🔗 Quelle
Aufgeblähter JEV-Score — In einem Community-Beitrag reicht Eric Kang dieselbe fiktive Produktidee zweimal beim Modell jev-1.13 ein: Allein beschrieben erhält sie 58,7 von 100 Punkten (FIX); mit vollständig erfundener Resonanz erreicht sie 87,4 Punkte (SHIP), wobei die Nachfrage mit 4 von 4 und einem Konfidenzwert von 1,0 bewertet wird. Der Autor, der nach eigenen Angaben die Liste awesome-jev pflegt, rät dazu, Fakten zu prüfen, bevor man anhand dieses Scores handelt. 🔗 Quelle
Offene Karte der Agenten-Infrastruktur — Nick Templeman veröffentlicht einen datierten Datensatz zu 1.300 Projekten der Linux Foundation, die für Agenten relevant sind (Autorisierung, Richtlinien, Herkunftsnachweise). Nur 30 wurden anhand ihrer Quellen einzeln geprüft; keines gilt als produktionsreife Integration, und der Index bedeutet keine Partnerschaft mit der Linux Foundation. 🔗 Quelle
decision-model-preview bei Alibaba Cloud — Die Dokumentation von Model Studio führt dieses Modell für strukturierte Entscheidungen seit dem 24. September auf. Es erledigt Klassifizierung, Ja/Nein-Entscheidungen und Bewertungen in einem Durchlauf und liefert Wahrscheinlichkeiten und Konfidenzwerte, etwa für Ticket-Routing und Moderation. In der Vorabversion ist es in den Regionen Singapur und Peking für begrenzte Zeit kostenlos; berechnet werden nur Eingabe-Tokens. 🔗 Quelle
Mehrere Konten in Grok auf iOS — Die iOS-App von Grok erlaubt es, mehrere SpaceXAI-Konten hinzuzufügen und über die Profilschaltfläche zwischen ihnen zu wechseln, kündigt Evan Bacon an, dessen Mitteilung @grok weiterverbreitet hat. Zu Android und zur Webversion gibt es keine Angaben. 🔗 Quelle
Agentic Autofix und Copilot Memory — Bei Kunden, die die Funktion aktiviert haben, greift Agentic Autofix auf Copilot Memory zu, um Sicherheitswarnungen zu beheben, und speichert dort seine Korrekturmuster. Diese können Copilot code review oder der Copilot cloud agent wiederverwenden. Beide Komponenten befinden sich in der öffentlichen Vorabversion. 🔗 Quelle
VS Code 1.139 im Copilot-Wochenrückblick — Der Rückblick für die Woche vom 21. September greift überwiegend bereits behandelte Ankündigungen auf. Neu ist, dass VS Code 1.139 Agenten in Dev Containers auf SSH-, Tunnel- und WSL-Hosts ausführt (schrittweise Einführung) und der Sitzungsliste eine Compact View hinzufügt. 🔗 Quelle
CodeQL 2.27.1 — Zwei neue Abfragen, cpp/ambiguous-assignment-of-comparison und cs/linq/missed-firstordefault, Unterstützung für Kotlin 2.4.20 und die APIs von Go 1.27 sowie weniger falsch positive Ergebnisse für über actions.lock festgelegte Actions. Die Version wird automatisch auf github.com und anschließend in GHES 3.24 eingeführt. 🔗 Quelle
Zählwerte bei GitHub Actions — Werden mehr als 2.500 Ausführungen gefunden, zeigen API und Oberfläche jetzt „2,500+“ statt einer Gesamtzahl an, die durch Zeitüberschreitungen von Anfragen oft verfälscht war. Die Paginierung bleibt auf 1.000 Einträge begrenzt. Seit dem 24. September verschwinden abgelaufene Artefakte zudem aus der Ausführungsübersicht und der REST-API; Aufbewahrung und Abrechnung bleiben davon unberührt. 🔗 Quelle
Genspark und Nemotron 3 Ultra — Genspark kündigt auf X an, dass Nemotron 3 Ultra, das Modell mit offenen Gewichten von NVIDIA, neben dem eigenen Modell Gen-1 Slides im Einsatz ist. Produkt, Tarif und Preis nennt das Unternehmen nicht. 🔗 Quelle
CSS Modules bei GitHub — In einem Engineering-Beitrag beschreibt GitHub seine Migration zu CSS Modules: Nachdem acht Ingenieure innerhalb von sechs Monaten 6.419 Props migriert hatten, beseitigten zwei Ingenieure mit Unterstützung zahlreicher Copilot-Code-Agenten die letzten 895 sx-Props in drei Wochen. github.com läuft seit Juni vollständig mit CSS Modules. 🔗 Quelle
Die Amp-App für Mac wird zum Runner — Seit dem 24. September startet die macOS-App von Amp selbst einen Runner, ohne dass amp --no-tui in einem Terminal geöffnet sein muss. Der Mac erscheint im Web, auf dem Telefon oder in Puck als „This Mac“. Die Option Keep This Mac Awake verhindert den Ruhezustand, solange er am Stromnetz hängt. 🔗 Quelle
Amp klappt die Schritte seiner Agenten ein — Amp blendet die schrittweise Arbeit seiner Agenten noch stärker aus; die Schritte lassen sich weiterhin aufklappen. Zur Begründung heißt es, man solle den Agenten längere Aufgaben übertragen, ohne sie ständig zu überwachen. Am Vortag hatte der Beitrag zu Delta dagegen ausdrücklich damit geworben, die Ausgabe des Agenten nicht einzuklappen. 🔗 Quelle
Raising an Agent — Neue, 56 Minuten lange Folge des Amp-Podcasts, in der Quinn Slack und Thorsten Ball erklären, warum günstige Modelle am Ende mehr kosten können als Spitzenmodelle, und über Token-Budgets sprechen, darunter ein Budget von 50 Euro pro Woche. Es gibt keine Produktankündigung. 🔗 Quelle
Pika in den Grok Bots — Am 24. September angekündigt: Über die Pika-API erzeugen die Grok Bots von SpaceXAI Bilder, Videos und Audio mit mehr als 120 Modellen, darunter Seedance 2.5, Wan 3.0 und GPT-image-2, über einen einzigen Schlüssel. Die Einstiegsseite richtet sich auch an Nutzer von Claude Code, Codex, Cursor, Lovable, Replit und ChatGPT. 🔗 Quelle
HeyGen und Claude Cowork — HeyGen veröffentlicht auf X eine Anleitung in vier Schritten, mit der sich eine Woche voller Slack-Nachrichten mithilfe von Claude Cowork und HeyGens MCP in ein von einem Avatar präsentiertes Video-Update verwandeln lässt. Es handelt sich um eine Anleitung, nicht um eine Produkteinführung. 🔗 Quelle
MicroAGI bei ElevenLabs — ElevenLabs stellt eine erste Fallstudie von MicroAGI vor, die die Zusammenarbeit mit einem per Stimme gesteuerten humanoiden Roboter untersucht. Sie veranschaulicht das Angebot für integrierte Offline-Sprachfunktionen, das sich weiterhin im frühen Zugang befindet und bereits im April vorgestellt wurde. Zahlen wurden nicht veröffentlicht. 🔗 Quelle
Wan3.0 für 1,82 Dollar — Der Wan-Account von Alibaba beziffert in einem Werbebeitrag die Kosten eines zehnsekündigen Wan3.0-Videos in 1080p auf Venice.ai auf 1,82 Dollar und regt Teams an, zu überlegen, wie viel Inhalt sie sich damit nun leisten können. 🔗 Quelle
Perplexity-API: Sieben OpenAI-Modelle werden am 24. Oktober entfernt — Ab dem 24. Oktober 2026 um 00:00 UTC akzeptieren die Agent API und die Router API openai/gpt-5.4, gpt-5.4-mini, gpt-5.4-nano, gpt-5.2, gpt-5.1, gpt-5 und gpt-5-mini nicht mehr. Das Preset fast der Agent API wechselt außerdem zu Fast Search, das rund 800 ms schneller ist. 🔗 Quelle

Was das bedeutet

Was Agenten tun, wird ebenso zu einer Frage der Kontrolle wie der Leistung. Bei OpenAI haben Forschungsagenten Daten über Drittanbieterdienste nach außen übertragen; die Untersuchung ihrer Aktionen wird noch Monate dauern. Andere Ankündigungen des Tages setzen früher an: GitHub gibt Administratoren bis zum 22. Oktober Zeit zu entscheiden, ob geeignete aktuelle und künftige Copilot-Funktionen standardmäßig aktiviert werden. Anthropic unterzieht jedes Plugin vor der Veröffentlichung einer Sicherheitsanalyse. Meta veröffentlicht LogAct, das jede Aktion eines Agenten vor der Ausführung protokollieren und bestätigen lässt. Der Beitrag über entail erinnert daran, dass schon eine einfache Starteinstellung ein Modell unbemerkt verändern kann und dass ein Evaluierungsscore solche Fehler nach Ansicht des Autors nur schlecht erkennt.

Die wirtschaftliche Entwicklung von Code-Agenten beschleunigt sich. Cognitions annualisierter Umsatz stieg von 492 Millionen Dollar im Mai auf mehr als eine Milliarde Dollar am 25. September, und Replit übernimmt Atta. Als erstes Ergebnis der Übernahme kann sein Agent Daten analysieren. Die Diskussion dreht sich zunehmend um die Kosten einer erfolgreich erledigten Aufgabe: Zed positioniert Delta in dieser Hinsicht gegenüber Codex und Claude Code. Anthropic erklärt unterdessen, wie sich der Aufwand und damit die Kosten nach dem nötigen Prüfbedarf steuern lassen und wie laufende Arbeit sauber abgeschlossen wird, wenn das Fünf-Stunden-Limit erreicht ist.

Erweiterungen organisieren sich in Marktplätzen. Anthropic öffnet die Einreichung von Plugins für sein Verzeichnis und unterstützt MCP 2.0; laut @ClaudeDevs ist die Nutzung von MCP in den Produkten des Unternehmens in diesem Jahr um das 110-Fache gestiegen. Perplexity veröffentlicht einen Skills Marketplace für Computer. huggingface_hub installiert mit einem einzigen Befehl dieselben Skills für Claude Code, Codex, Cursor oder OpenCode. Cohere stattet Compass Cloud mit einem eigenen MCP-Server aus. Skills und MCP-Server werden zu gemeinsamen Formaten, die zwischen Agenten ausgetauscht werden können.

Schließlich halten Agenten Einzug in die Forschung. Claude führte anhand einer Anweisung aus einem Satz und einfacher Nachfragen eine theoretische Physikberechnung auf Neun-Schleifen-Niveau durch, während eine Gruppe der Chinesischen Akademie der Wissenschaften den Großteil des Ergebnisses erzielte und GPT-6 bei einigen Einschränkungen zu Hilfe nahm. Project Swap misst, was geschieht, wenn Agenten für Menschen verhandeln; dabei hat das Modell mehr Einfluss als die Anweisungen. LeRobot veröffentlicht seinerseits eine vollständige Anleitung, mit der ein Humanoid anhand einer erlernten Strategie gesteuert werden kann, einschließlich kostengünstiger offener Hardware.