Anthropic öffnet den Model Hardware Standard, OpenAI vereint eine kollektive Cyberabwehr, GLM-5.3 erscheint mit offenen Gewichten

Siebenundvierzig Meldungen aus neun Bereichen wurden für den 27. August ausgewählt. Drei davon stechen hervor. Anthropic eröffnet die erste Phase einer Forschungsvorschau (research preview) des Model Hardware Standard, einer Spezifikation, die es Agenten ermöglicht, Laborinstrumente zu steuern und deren Integration von mehreren Wochen auf wenige Stunden verkürzt. OpenAI veröffentlicht gemeinsam mit Organisationen wie Anthropic, AWS, Google, Microsoft und Oracle einen Aufruf zu einer kollektiven Cyberabwehr. Und Ai2 installiert AutoDiscovery in einem aktiven Onkologiezentrum und veröffentlicht am selben Tag eine im Labor bestätigte Entdeckung zu Brustkrebs. Der Rest — GLM-5.3 Flash bei Together AI und die angekündigte Öffnung der Gewichte von GLM-5.3, Gemini Omni 1.1 Flash, Cohere Parse, die erste an AWS gelieferte Vera-CPU sowie rund zwanzig Aktualisierungen von Entwicklungswerkzeugen — folgt weiter unten.

Anthropic öffnet den Model Hardware Standard und 10.000 Claude-Plätze für Wissenschaftler

27. August — Anthropic startet die erste Phase einer Forschungsvorschau des Model Hardware Standard (MHS), einer gemeinsamen Spezifikation, die es KI-Agenten ermöglicht, physische Geräte zu steuern. Der Zugang bleibt vorerst einer ersten Gruppe von Forschungslaboren und fortschrittlichen Industrieunternehmen vorbehalten. Der Standard entstand aus einer Zusammenarbeit zwischen Alek Kemeny vom Team Beneficial Deployments bei Anthropic und Arco Bast, einem Postdoktoranden am HHMI Janelia Research Campus, der Experimente zur Bildgebung des Gehirns an einem Versuchsaufbau durchführte, der Laser, Fokussiermotoren und Kameras ohne gemeinsame Schnittstelle kombinierte.

Das adressierte Problem ist banal und kostspielig: Jedes Gerät stellt seine eigene Programmierschnittstelle bereit, und es gab keine standardisierte Möglichkeit, sie miteinander kommunizieren zu lassen. MHS führt einen Treiber ein, der auf bewusst minimalen primitiven Operationen wie „read“ (beispielsweise „get temperature“) und „write“ (beispielsweise „set temperature“) beruht und jedes Gerät in einem gemeinsamen Format auffindbar macht. In natürlicher Sprache verfasste Tags beschreiben, was der Code nicht ausdrückt — beispielsweise das Gewicht eines Roboterarms —, und der Treiber leitet daraus eine Referenzdatei ab, die auflistet, was das Gerät misst, was einstellbar ist und welche Sicherheitsgrenzen gelten. Drei Steuerungsmechanismen bestehen nebeneinander: MCP, die Kommandozeilenschnittstelle und als API bereitgestellte Codedateien.

Die Ergebnisse der Partner verdeutlichen den Nutzen. Genentech automatisierte den BCA-Proteinassay durch die Koordination von Liquid Handler, Roboterarm und Plattenlesegerät. An der Carnegie Mellon University laufen Dosis-Wirkungs-Kurven mittels serieller Verdünnung etwa dreimal schneller, wobei ein Agent vier über drei Computer verteilte Gerätefamilien mit inkompatiblen Schnittstellen orchestriert. QuEra Computing ließ einen Agenten eine Steuerung entwickeln, die bei den Lasern eines Quantencomputers in 99,3 % der Fälle ohne menschliches Eingreifen die Frequenzsperre wiederherstellt. Auf Ökosystemseite wird AWS MHS über seine Bibliothek Strands Robots unterstützen, und Hugging Face sowie Raspberry Pi werden an der nächsten Phase teilnehmen, Letzteres nach erfolgreichen Tests seines Camera MHS Driver.

Anthropic räumt die Grenzen ein: Claude erschließt sich die physische Welt über Text und Bilder, sein räumliches Denkvermögen bleibt begrenzt und erfordert fachkundige Aufsicht. Bei Genentech mussten die Forscher ihm verständlich machen, dass Fehler durch das Aufschäumen von Proben physische Fehlfunktionen und keine Softwarefehler waren. Der Standard soll später als Open Source veröffentlicht werden.

Am selben Tag stellt Anthropic Wissenschaftlern weltweit über einen neuen Claude-Team-Tarif für Forscher 10.000 Claude-Plätze zur Verfügung. Standard-Plätze sind kostenlos, Premium-Plätze — mit verfünffachten Nutzungslimits — kosten ein Jahr lang 15 Dollar pro Monat, was das offizielle Konto als Rabatt von 80 % bezeichnet. Der Zugang setzt eine Überprüfung des Status als leitender Forscher an einer akademischen Einrichtung oder einer gemeinnützigen Organisation voraus. Das bislang auf die Biowissenschaften ausgerichtete Programm AI for Science wird auf weitere Disziplinen ausgeweitet und auf Gutschriften von bis zu 50.000 Dollar pro Projekt erhöht. Eine Einschränkung bleibt bestehen: Forscher in Biologie und Chemie sind weiterhin auf Modelle der Opus-Klasse beschränkt, da die Claude-Fable-Modelle Anfragen zur professionellen Biologie und Medikamentenentwicklung weiterhin blockieren.

Gemessener Aspekt	Angegebener Wert
Integrationszeit vor MHS	Wochen bis Monate
Integrationszeit mit MHS	Stunden bis Minuten
Beschleunigung bei Dosis-Wirkungs-Tests (Carnegie Mellon)	Etwa 3x
Wiederherstellung der Lasersperre ohne Menschen (QuEra)	99,3 %
Vereinheitlichte Herstellerprogramme (HHMI Janelia)	7
Für Wissenschaftler bereitgestellte Claude-Plätze	10.000, für ein Jahr
Premium-Platz (Limits x5)	15 Dollar pro Monat, 80 % Rabatt
Gutschriften für AI for Science	Bis zu 50.000 Dollar pro Projekt

Connecting AI to hardware requires days or weeks of bespoke integration, with no standard way for agents to operate equipment safely. MHS cuts integration to hours or minutes, provides an interface that makes devices discoverable, and enables agents to operate them safely.

🇩🇪 Die Verbindung von KI mit Hardware erfordert Tage oder Wochen maßgeschneiderter Integration, ohne dass es eine standardisierte Möglichkeit gibt, mit der Agenten Geräte sicher steuern können. MHS verkürzt die Integration auf Stunden oder Minuten, stellt eine Schnittstelle bereit, die Geräte auffindbar macht, und ermöglicht Agenten deren sichere Steuerung. — @AnthropicAI auf X

🔗 Model Hardware Standard · Unterstützung für Wissenschaftler ausweiten

Ai2 installiert AutoDiscovery in einem Onkologiezentrum und veröffentlicht eine bestätigte Entdeckung zu Brustkrebs

27. August — Ai2 führt AutoDiscovery aus dem Bereich öffentlicher Datensätze heraus und installiert es in einer aktiven Einrichtung: Das Paul G. Allen Research Center des Providence Swedish Cancer Institute wird die Plattform mit seinen eigenen Forschungs- und klinischen Daten einsetzen. Die Ankündigung geht mit dem Ergebnis einher, das sie begründet: einer durch das Werkzeug erzielten und anschließend unabhängig bestätigten wissenschaftlichen Erkenntnis.

Die Arbeit konzentrierte sich auf The Cancer Genome Atlas, einen der am intensivsten untersuchten Datensätze des Fachgebiets. AutoDiscovery erzeugt und bewertet mithilfe großer Sprachmodelle Hypothesen und priorisiert Beobachtungen, die angesichts etablierter Erwartungen überraschend und zugleich von einer Analyse zur nächsten reproduzierbar sind. In diesen Daten brachte die Plattform ein unerwartetes Signal zum Vorschein: Das invasive lobuläre Karzinom, ein Brustkrebs-Subtyp, der lange als immunologisch kalt (immune cold) und damit als unempfindlich gegenüber Immuntherapie galt, weist tatsächlich eine stärkere Immunaktivität auf als bislang angenommen.

Die folgenden Schritte verleihen der Ankündigung ihr Gewicht. Die Forscher bestätigten die Beobachtung anhand eines unabhängigen Patientendatensatzes und anschließend im Labor durch die Analyse von Tumorproben, wobei Immunfluoreszenzbilder T-Lymphozyten zeigten, die den Tumor umgaben. Die aus dieser Arbeit hervorgegangene Publikation „Surprisal-based large language models reveal immunologic insights in breast cancer“ wurde am selben Tag von einem gemeinsamen Team unter der Leitung von Dr. Kelly Paulson (PARC) und Dr. Sasha Stanton (Earle A. Chiles Research Institute) mit Bodhisattwa Majumder, Senior Researcher bei Ai2, veröffentlicht. Laut Ai2 legt das Ergebnis nahe, dass eine ganze Patientinnengruppe — etwa 15 % der jährlich in den Vereinigten Staaten diagnostizierten Brustkrebsfälle — im Hinblick auf eine Immuntherapie neu bewertet werden sollte.

Die lokale Bereitstellung bildet den zweiten Teil: Providence installiert AutoDiscovery in seiner eigenen Cloud-Umgebung, sodass die geschützten Daten innerhalb der Einrichtung verbleiben; das Team für computergestützte Forschung des PARC übernimmt Installation, Betrieb und Betreuung. Ai2 betont die Ausrichtung: Die Plattform ist nicht für den autonomen Betrieb konzipiert, sondern soll von Forschern gesteuert werden, die entscheiden, welche Ansätze weiterverfolgt werden.

🔗 Partnerschaft zwischen Ai2 und Providence Swedish

OpenAI ruft gemeinsam mit Anthropic, AWS, Google, Microsoft und Oracle zu einer kollektiven Cyberabwehr auf

27. August — OpenAI veröffentlicht gemeinsam mit Organisationen wie Anthropic, AWS, Google, Microsoft und Oracle einen Beitrag mit dem Titel „A call for collective action on cyber defense“ — da die offizielle Mitteilung das Wort „including“ verwendet, ist die Liste nicht vollständig. Ausgangspunkt des Textes ist eine zeitliche Einschätzung: Die kommenden Monate bieten ein begrenztes Zeitfenster, in dem Verteidiger einen Vorsprung gewinnen können, bevor KI-gestützte Angriffe deutlich verbreiteter und ausgefeilter werden, während sich die Modelle weltweit weiterentwickeln. Die genannten Ziele sind keineswegs abstrakt: Krankenhäuser, Wasseraufbereitungsanlagen und die Infrastruktur, die das Internet am Laufen hält.

Das zentrale Argument lautet, dass die aktuellen Fortschritte den Verteidigern bereits Mittel an die Hand geben, um über Jahre angesammelte Schwachstellen zu beheben — alte Bugs, übermäßige Berechtigungen, Fehlkonfigurationen, nicht gepatchte Software, schwache Authentifizierung und technische Schulden von Altsystemen —, während die Sicherheitsteams kritischer Infrastrukturen historisch unterfinanziert waren.

Drei Prinzipien bilden die Grundlage des Vorschlags: anzuerkennen, dass der sicherheitspolitische Status quo nicht ausreichen wird, mehr Verteidiger mit einer im Bereich Cybersicherheit leistungsfähigen KI auszustatten und eine kollektive Reaktion zu mobilisieren, ausgehend von der Feststellung, dass kein einzelnes Unternehmen diese Zukunft kontrollieren sollte. Darauf folgen vier Listen mit gezielten Forderungen. Jede Organisation soll Cyberabwehr als Führungspriorität behandeln, ihre riskantesten Schwachstellen beheben und die Anforderungen an alles erhöhen, was sie einkauft, entwickelt und bereitstellt, einschließlich KI-generierten Codes. Cybersicherheitsunternehmen werden aufgefordert, ihre Abwehrmaßnahmen fortlaufend gegen die Fähigkeiten von Frontier-Modellen zu testen und ihre Fortschritte anhand der Zahl geschützter Organisationen statt anhand von Aktivitätskennzahlen zu messen. Regierungen sollen die Cyberabwehr finanzieren und dabei mit essenziellen Diensten beginnen, denen es an Budget und Personal fehlt. Frontier-KI-Labore schließlich sollen einen verantwortungsvollen Zugang zu Modellen ermöglichen und agentische Identitäten rückverfolgbar und verantwortlich machen.

Dieser letzte Punkt verknüpft den Beitrag mit den Ereignissen des Vortags: dem Untersuchungsbericht zum Vorfall bei Hugging Face, bei dem ein internes Forschungsmodell unbeabsichtigt Internetzugang erhalten und Produktions-Worker kompromittiert hatte. Die Rückverfolgbarkeit von Agenten erscheint dort somit als Selbstverpflichtung und nicht bloß als an andere gerichtete Empfehlung.

We have a limited window to strengthen cyber defenses, and together with organizations including @AnthropicAI, @awscloud, @Google, @Microsoft, and @Oracle, we’re calling for a global effort to give defenders the tools, resources, and support to protect the infrastructure we all depend on. If we act decisively, we can turn today’s AI advances into lasting improvements in security and make our digital world safer for everyone.

🇩🇪 Uns steht nur ein begrenztes Zeitfenster zur Verfügung, um die Cyberabwehr zu stärken, und gemeinsam mit Organisationen wie @AnthropicAI, @awscloud, @Google, @Microsoft und @Oracle rufen wir zu weltweiten Anstrengungen auf, um Verteidigern die Werkzeuge, Ressourcen und Unterstützung bereitzustellen, die sie zum Schutz der Infrastruktur benötigen, von der wir alle abhängen. Wenn wir entschlossen handeln, können wir die heutigen Fortschritte bei der KI in dauerhafte Sicherheitsverbesserungen umwandeln und unsere digitale Welt für alle sicherer machen. — @OpenAI auf X

🔗 Aufruf zu kollektivem Handeln bei der Cyberabwehr

Claude Cowork erhält einen eigenen Browser

26. August — Claude Cowork integriert einen eigenen Browser in die Desktop-Anwendung. Sobald eine Aufgabe eine Website betrifft, öffnet sich im Seitenbereich ein Browser, in dem Claude navigiert, Seiten liest, klickt und Formulare ausfüllt. Die Idee besteht darin, den Webteil einer Arbeit zu delegieren, ohne die aktuelle Tätigkeit unterbrechen zu müssen: etwa Zahlen aus einem Dashboard zu extrahieren oder ein Lieferantenportal zu durchlaufen, für das kein Connector existiert.

Die Trennung steht im Mittelpunkt der Ankündigung. Der integrierte Browser gehört Claude, nicht dem Benutzer: Claude sieht weder Tabs noch Lesezeichen oder Passwörter. Um bei seinen Diensten angemeldet zu bleiben, werden Sitzungen Website für Website importiert — unter macOS aus Chrome, Edge oder Firefox und unter Windows und Linux aus Firefox. Banking-, Messaging- und Single-Sign-on-Websites (SSO) bleiben außen vor, sofern sie nicht ausdrücklich einbezogen werden.

Anthropic zieht eine klare Nutzungsgrenze zur Erweiterung Claude in Chrome, die am selben Tag allgemein verfügbar wurde. Der integrierte Browser dient dazu, eine Webaufgabe zu übertragen, während man seine Arbeit fortsetzt; Claude in Chrome dient zur Nutzung der bereits geöffneten Seite mit den bereits angemeldeten Konten. Ist die Erweiterung installiert, bleibt sie die Standardoption; die Einstellung lässt sich unter Settings → Cowork → Preferred browser und auf Administratorseite unter Organization settings → Cowork → Built-in browser ändern.

Bei der Sicherheit gibt die Ankündigung keine absoluten Versprechen. Der integrierte Browser birgt dieselben Risiken durch Prompt Injection wie jeder Agent, der in einem Browser agiert, wenn in einer Seite verborgene Anweisungen versuchen, Claude zweckzuentfremden. Er verwendet dieselben Schutzmechanismen wie Claude in Chrome, darunter Kontrollen, die Claudes Aktionen mit der erteilten Aufgabe vergleichen. Anthropic schreibt, dass diese Maßnahmen das Risiko erheblich reduzieren, ohne es zu beseitigen, und empfiehlt, zunächst mit vertrauenswürdigen Websites zu beginnen.

Aspekt der Bereitstellung	Einzelheiten
Betroffene Tarife	Pro, Max, Team; Enterprise nach Aktivierung durch Administratoren
Unterstützte Plattformen	macOS, Windows, Linux (in der Beta)
Zeitplan der Bereitstellung	Im Laufe der Woche nach der Ankündigung, standardmäßig aktiviert
Import von Anmeldungen	Chrome, Edge, Firefox unter macOS; Firefox unter Windows und Linux
Standardmäßig ausgeschlossene Websites	Banking, Messaging, Single Sign-on

🔗 Der integrierte Browser von Cowork

GLM-5.3 Flash kommt zu Together AI, und Z.ai kündigt die Veröffentlichung der Gewichte von GLM-5.3 an

27. August — Together AI stellt GLM-5.3 Flash online, das erste nativ multimodale Modell der GLM-5-Reihe von Z.ai, dessen Gewichte öffentlich verfügbar sind. Das Datenblatt ist ungewöhnlich detailliert: eine Mixture-of-Experts-Architektur mit 320 Milliarden Parametern, davon 18 Milliarden aktiv, 45 Schichten und einem Kontextfenster von einer Million Tokens. Der von Z.ai hervorgehobene Vergleich bezieht sich auf die eigene Modellfamilie — bei vergleichbarer Gesamtgröße halbiert das Modell die Anzahl der aktiven Parameter und die Tiefe von GLM-4.5 nahezu.

Die Architektur ist das eigentliche Thema. Das Modell kombiniert lineare Attention, die lokale Abhängigkeiten durch Zustandsmodellierung erfasst, mit Sparse Attention, die über einen leichtgewichtigen Indexer auf den globalen Kontext zugreift. IndexPool komprimiert außerdem vier Schlüssel-Vektoren des Indexers durch gewichtetes Pooling zu einem einzigen. Das von Z.ai im Vergleich zu GLM-5.3 ausgewiesene Ergebnis: dreimal weniger Attention-Rechenaufwand und ein 4,4-mal kleinerer KV-Cache im Kontextfenster von einer Million Tokens. Diese Einsparung rechtfertigt die Preispositionierung von 0,15 Dollar pro Million Eingabe-Tokens und 0,50 Dollar pro Million Ausgabe-Tokens, gegenüber 1,40 beziehungsweise 4,40 Dollar für GLM-5.2 beim selben Anbieter. Das Modell war vor seiner Veröffentlichung anonym unter dem Namen Ox Alpha als Vorschau verfügbar.

Multimodalität ist hier kein peripherer Zusatz, sondern Bestandteil des Coding-Zyklus: Das Modell untersucht seine eigenen auf dem Bildschirm gerenderten Ausgaben und verfeinert sie iterativ. Das Training folgt derselben Logik, mit Reinforcement Learning (reinforcement learning) anhand von Umgebungsfeedback für Frontend-Code und agentischer Verifizierung, die bei grafischen Benutzeroberflächen auf realen User Journeys basiert.

Am selben Tag kündigt Z.ai in einer sehr kurzen Nachricht an, dass die Gewichte von GLM-5.3 — dem Hauptmodell, das seit dem 18. August über die API zugänglich ist — am folgenden Tag veröffentlicht werden. Eine Hugging-Face-Modellkarte zai-org/GLM-5.3 ist bereits vorhanden, jedoch mit „Bevorstehende Veröffentlichung“ gekennzeichnet. Die Veröffentlichung war zwei Wochen zuvor durch einen Artikel mit dem Titel „GLM-5.3 für die offene Veröffentlichung vorbereiten: Ein verantwortungsvoller Weg zur Cyberabwehr“ vorbereitet worden. Das Labor veröffentlicht somit innerhalb von weniger als 24 Stunden eine schnelle Variante und öffnet die Gewichte des Hauptmodells.

Evaluierter Benchmark	GLM-5.3 Flash	GLM-5.2
Terminal Bench 2.1	84,3	81,0
DeepSWE v1.1	63,4	46,2
Toolathlon Verified	78,4	59,9
AutomationBench	48,8	26,2
Humanity’s Last Exam (mit Tools)	55,3	—
GDPval-AA v2 Elo (Artificial Analysis)	1773	—

Together-AI-Preis (Dollar pro Million Tokens)	GLM-5.3 Flash	GLM-5.2
Eingabe	0,15	1,40
Zwischengespeicherte Eingabe	0,03	0,26
Ausgabe	0,50	4,40

GLM-5.3 Flash has arrived. @Zai_org’s first natively multimodal GLM-5 model packs 320B parameters, 18B active, 1M context, and hybrid attention.

On DeepSWE, it nearly MATCHES Luna’s performance while getting more than TWICE as much work done for the same budget.

🇩🇪 GLM-5.3 Flash ist da. Das erste nativ multimodale GLM-5-Modell von Z.ai verfügt über 320 Milliarden Parameter, davon 18 Milliarden aktiv, einen Kontext von einer Million Tokens und hybride Attention. Bei DeepSWE erreicht es beinahe die Leistung von Luna und bewältigt zugleich bei gleichem Budget mehr als doppelt so viel Arbeit. — @togethercompute auf X

🔗 Modellkarte bei Together AI · Ankündigung von @Zai_org zu den Gewichten

Gemini Omni 1.1 Flash: 10 Sekunden Kontext zur Verlängerung einer Aufnahme, 360p-Entwürfe und 4K-Ausgabe

27. August — Google veröffentlicht Gemini Omni 1.1 Flash, eine Aktualisierung seines multimodalen Modells zur Generierung und Bearbeitung von Videos, vorgestellt von Anish Nangia und Alisa Fortin, Product Managers bei Google DeepMind.

Die wesentlichste Änderung betrifft die Szenenerweiterung. Bisher bedeutete die Verlängerung eines generierten Videos, das Modell lediglich ab der letzten Sekunde fortfahren zu lassen, was zu Kohärenzbrüchen führte, sobald die Szene Figuren oder eine komplexe Umgebung enthielt. Omni 1.1 analysiert nun bis zu 10 Sekunden des vorherigen Kontexts, in Blöcken von 10 Sekunden, bis zu einer Gesamtdauer von 40 Sekunden.

Der zweite Schwerpunkt ist die Kontrolle des Bildausschnitts: Durch die Festlegung des ersten und letzten Frames wird das Modell angewiesen, das dazwischenliegende Video zwischen zwei Keyframes zu generieren, was auf komplexe Kamerabewegungen und nahtlose Loops abzielt. Der dritte Schwerpunkt ist wirtschaftlicher Natur: Eine Entwurfsauflösung von 360p soll bis zu 60 % schneller und zu einem Drittel der Kosten des standardmäßigen 720p arbeiten — die Geschwindigkeitsmessung basiert laut Google auf dem Vergleich des Systemdurchsatzes bei beiden Auflösungen. Die Pipeline endet mit einem Upscaling (upscaling) auf 1080p oder 4K. Hinzu kommt eine bis zu 3 Sekunden lange Videoreferenz in der multimodalen Eingabe, um die Konsistenz einer Figur zu wahren oder eine Bewegung nachzubilden.

Das Modell ist in Google AI Studio, über die API der Gemini Enterprise Agent Platform und in Google Flow für alle Abonnenten von Google AI Plus, Pro und Ultra verfügbar. Google nennt Adobe, das es in Firefly integriert hat, sowie Figma Weave, GMI Cloud und Runway als Kunden. Der offizielle Artikel enthält eine Preistabelle, die jedoch ausschließlich als Bild ohne textliche Entsprechung veröffentlicht wurde; daher werden hier keine Preise wiedergegeben.

Am selben Tag stellt Pika das Modell in seinem über dev.pika.art zugänglichen API Club bereit, einschließlich Videoerweiterung, Unterstützung für erste und letzte Frames, bis zu drei Referenzvideos und einer Ausgabe mit bis zu 4K. Das Studio setzt damit eine bewährte Praxis fort: Modelle von Drittanbietern unmittelbar nach ihrer Verfügbarkeit zu bündeln, wie zuvor bei Seedance 2.5 und anschließend bei Wan 3.0.

Modellfähigkeit	Angekündigter Wert
Kontext für die Erweiterung	Bis zu 10 s, gegenüber 1 s bei den vorherigen Modellen
Erweiterungsschritt	10 s, bis zu insgesamt 40 s
360p-Entwurf — Geschwindigkeit	Bis zu 60 % schneller als 720p
360p-Entwurf — Kosten	Ein Drittel der Kosten von standardmäßigem 720p
Upscaling	1080p oder 4K
Multimodale Videoreferenz	Bis zu 3 s Video
Modellkennung in der API	`gemini-omni-1.1-flash`

🔗 Ankündigung von Google · Nachricht von @pika_labs

H3 Max: fal trainiert MiniMax H3 nach und generiert 5 Sekunden Video in weniger als 3 Sekunden

26. August — fal Research veröffentlicht H3 Max, ein Videomodell, das auf Grundlage der offenen Gewichte von MiniMax H3 nachtrainiert wurde. Die Besonderheit der Arbeit besteht darin, dass es sich nicht nur um ein Nachtraining handelt: Das Inference-Team von fal hat den Ausführungs-Stack parallel zum Modell mitentwickelt, sodass sich Entscheidungen zu Training und Bereitstellung gegenseitig beeinflussen.

Zur Qualität führte fal direkte Studien zur menschlichen Präferenz gegenüber zwölf führenden Videomodellen durch, darunter der offizielle Endpunkt von MiniMax H3, Gemini Omni Flash, Wan 3.0, Seedance 2.5, Kling 3 und Veo 3.1. Die Testpersonen verglichen drei separate Dimensionen — Gesamtpräferenz, Prompt-Treue und Ästhetik —, die anhand bayesscher Elo-Wertungen mit 95-%-Konfidenzintervallen zusammengeführt wurden. H3 Max belegt in allen drei Dimensionen den ersten Platz und gewinnt die Mehrheit der Duelle gegen jedes der getesteten Modelle, einschließlich des ursprünglichen H3. Auch Artificial Analysis und Design Arena führen es in ihren unabhängigen Ranglisten auf dem ersten Platz.

Bei der Geschwindigkeit generiert H3 Max ein fünfsekündiges Video in etwa 3 Sekunden. Das entspricht ungefähr dem 35-Fachen des Durchsatzes des offiziellen MiniMax-H3-Endpunkts und ist im Durchschnitt 15-mal schneller als Modelle mit vergleichbarer Qualität. fal betont die Methode: Eine Optimierung wurde nur beibehalten, wenn das daraus resultierende Modell seine Position in den internen Qualitätsbewertungen behauptete. Training und Bereitstellung wurden vollständig auf NVIDIA-GB200-NVL72-Systemen durchgeführt.

Das im Artikel von fal zitierte MiniMax-H3-Team bestätigt das Ergebnis: Ihm zufolge verbindet H3 Max eine Videoqualität auf dem neuesten Stand der Technik mit einem Geschwindigkeitssprung um eine Größenordnung, wodurch hochwertige Videogenerierung für ein deutlich breiteres Spektrum realer Anwendungen praktikabel wird. Das ist das Argument für offene Gewichte in der Praxis: Ein von einem Drittanbieter durchgeführtes Nachtraining offenbart das tatsächliche Potenzial eines guten Basismodells.

Von fal veröffentlichte Messgröße	Wert
Fünfsekündiges Video	In etwa 3 Sekunden generiert
Durchsatz gegenüber dem offiziellen H3-Endpunkt	Etwa 35x
Geschwindigkeit gegenüber Modellen ähnlicher Qualität	Im Durchschnitt 15x
Verglichene Videomodelle	12
Platzierung bei der menschlichen Präferenz	1. in allen drei Dimensionen
Einführungsrabatt	50 % in der ersten Woche

🔗 Vorstellung von H3 Max durch fal

Cohere Parse: 1,50 Dollar pro 1.000 Seiten und 79,2 bei ParseBench

27. August — Cohere veröffentlicht Parse zur allgemeinen Verfügbarkeit, ein Vision-Language-Modell (vision language model) für die Verarbeitung großer Mengen von Unternehmensdokumenten. Es wandelt komplexe multimodale Dateien in maschinenlesbare strukturierte Daten um und liefert sauberes Markdown, das für die Dokumentenindexierung, RAG und agentisches Retrieval ausgelegt ist. Über die Zeichenerkennung hinaus identifiziert Parse Tabellen, Formulare, Diagramme und eingebettete Bilder und gibt Begrenzungsrahmen (bounding boxes) für Tabellen und Bilder zurück. Es verarbeitet neun große Weltsprachen.

Das Hauptargument ist der Preis: 1,50 Dollar je 1.000 Seiten über die Cohere API. Für kontinuierliche Workloads bewirbt das Unternehmen Model Vault, seine mandantenexklusive Inference-Plattform, mit 23 % Einsparungen bei 50 % GPU-Auslastung und bis zu 61 % bei voller stündlicher Auslastung. Das als Beispiel angeführte Rechenszenario — ein Kreditorenbuchhaltungs-Workflow, der etwa 13 Millionen Seiten pro Monat verarbeitet — ergibt gegenüber der API monatliche Einsparungen von rund 12.000 Dollar und gegenüber einem Hyperscaler-Angebot für 10 Dollar je 1.000 Seiten jährlich rund 1,47 Millionen Dollar.

Beim Durchsatz gibt Cohere 4,5 Seiten pro Sekunde an, entsprechend 36 Seiten pro Sekunde auf einem Knoten mit 8 H100-GPUs — etwa das 1,4-Fache des Durchsatzes von dots.mocr und das 2,2-Fache von Chandra OCR 2 in derselben Konfiguration. Der Vergleich umfasst ausschließlich über vLLM bereitgestellte Open-Source-Modelle.

Cohere räumt zwei methodische Einschränkungen ein. Die Dimensionen Layout und Chart von ParseBench sind aus dem Vergleich ausgeschlossen, da das Modell Markdown in Lesereihenfolge erzeugen soll und Diagramme als visuelle Elemente behandelt, die durch Metadaten beschrieben werden; die Extraktion numerischer Datenreihen ist für die nächste Version angekündigt. Zudem verwenden alle veröffentlichten Bewertungen die ParseBench-Regeln vom August 2026, die einen Fehler bei der Erkennung von Fettdruck und Überschriften beheben, der zuvor die Bewertungen für semantische Formatierung aufgebläht hatte. Die Wettbewerber wurden nach denselben Regeln neu bewertet. Parse ist über die Cohere API, Model Vault, Microsoft Foundry und AWS SageMaker unter der Kennung parse-v5.0 verfügbar und kann in einer privaten Cloud oder On-Premises bereitgestellt werden.

Bewertetes Modell	Durchschnitt	Tabellen	Inhaltstreue	Semantische Formatierung
GPT-5.5	84,4	89,3	87,5	76,5
Opus 4.8	84,3	89,7	89,0	74,1
Gemini 3.5 Flash	81,8	87,6	84,7	73,2
Cohere Parse	79,2	87,0	86,6	64,0
LlamaParse (Cost Effective)	78,3	81,4	90,9	62,7
Mistral OCR 4	74,5	73,9	89,5	60,1
Databricks AI Parse	72,4	83,7	88,3	45,3
Google Document AI	57,3	55,1	83,7	33,0
AWS Textract	53,3	82,3	74,8	2,8

🔗 Ankündigung von Cohere Parse

NVIDIA liefert die erste Vera-CPU an AWS und erweitert NVLink Fusion um NVHBM-Speicher

27. August — NVIDIA hat seinen Artikel über die Vera-CPU um einen wichtigen Meilenstein ergänzt: AWS erhielt seinen ersten Vera-CPU-Server und seinen ersten Vera-Rubin-GPU-Server, die Ian Buck, Vice President Hyperscale und HPC bei NVIDIA, am AWS-Hauptsitz in Seattle persönlich an Willem Visser und Supreeth Sheshardi, Vice Presidents von Amazon EC2, übergab. Die Übergabe begleitet eine am Vortag, dem 26. August, erfolgte Ankündigung: AWS und NVIDIA bauen ihre seit sechzehn Jahren bestehende Zusammenarbeit mit einem Plan für 2 Millionen zusätzliche GPUs und die Portierung der Vera-CPU-basierten Infrastruktur auf AWS aus. AWS ist nicht der erste Empfänger — Buck hatte zuvor Vera-Systeme an Oracle Cloud Infrastructure sowie an Anthropic, OpenAI und SpaceXAI geliefert.

Das technische Argument beruht auf einer Beobachtung: Ein Agent läuft nicht ausschließlich auf GPUs. Jede Ausführungs-Sandbox, jeder Tool-Aufruf, jede Orchestrierungsschicht und jeder Abruf in einem langen Kontext beansprucht die CPU. Vera verfügt über 88 von NVIDIA entwickelte Olympus-Kerne, eine Speicherbandbreite von 1,2 TB/s und verspricht bei agentischen Workloads eine bis zu 1,8-fache Leistung pro Kern. NVIDIA beruft sich auf Daten von OpenRouter, denen zufolge diese Workloads 15-mal mehr Tokens verbrauchen als eine einfache Chat-Anfrage. Unter den Cloud-Anbietern ist Oracle Cloud Infrastructure der erste, der Vera im Hyperscale-Maßstab einsetzt; ab 2026 sind Hunderttausende CPUs vorgesehen. Der Genauigkeit halber sei darauf hingewiesen: Der Artikel ist eine Neuveröffentlichung, dessen ursprüngliche Fassung vom 18. Mai 2026 stammt; nur der AWS-Teil bezieht sich auf den aktuellen Tag.

Am 26. August erweiterte NVIDIA außerdem NVLink Fusion um NVHBM, eine Technologie für Speicher mit hoher Bandbreite, die für die kundenspezifischen Chips seiner Partner bestimmt ist. Die architektonische Änderung ist präzise: Klassische HBM-Architekturen platzieren den Speichercontroller auf dem XPU-Chip, wo er Siliziumfläche belegt, die für Berechnungen genutzt werden könnte; NVHBM verlagert diesen von NVIDIA entwickelten Controller in den Basischip des 3D-HBM-Stapels. Annapurna Labs, Amazons Silizium-Tochtergesellschaft, ist der erste Partner, der an NVHBM arbeitet, zusätzlich zu einer bereits angekündigten Verpflichtung, NVLink Fusion ab Trainium4 auf seinen Trainium-Chips zu unterstützen.

Gemessenes Merkmal	Angegebener Wert
Kerne der Vera-CPU	88 von NVIDIA entwickelte Olympus-Kerne
Speicherbandbreite von Vera	1,2 TB/s
Leistung pro Kern bei agentischen Workloads	Bis zu 1,8x
Bei AWS geplante zusätzliche GPUs	2 Millionen
NVHBM-Bandbreite gegenüber standardmäßigem HBM4E	Bis zu +30 %
HBM-Verbrauch mit NVHBM	-15 %
Freigegebene Fläche auf dem XPU-Rechenchip	Bis zu +25 %

🔗 Auslieferung der Vera-CPU · NVLink Fusion und NVHBM

Google DeepMind führt die erste Doppelblindbewertung eines Frontier-Modells durch

27. August — Google DeepMind veröffentlicht den Bericht über ein Pilotprojekt, das das Unternehmen als erste Doppelblindbewertung eines proprietären KI-Modells der Frontier-Klasse bezeichnet. Die Ankündigung stammt von William Isaac, Sol Messing und Kristian Lum und ist als angehefteter Beitrag des Laborkontos hervorgehoben.

Das behandelte Problem ist die Benchmark-Kontamination. Der Artikel verwendet eine Analogie aus dem Schulbereich: Wenn ein Schüler die Prüfungsfragen im Voraus gesehen hat, sagt sein perfektes Ergebnis nichts mehr aus. Bei Sprachmodellen ist diese Frage struktureller Natur, da öffentliche Evaluierungsdatensätze letztlich in Trainingskorpora gelangen. Google weist darauf hin, dass Protokolle ohne Protokollierung und vertragliche Garantien die Vertraulichkeit externer Test-Prompts seit Langem gewährleisten, die Ergänzung um technische und kryptografische Garantien jedoch eine grundlegende Veränderung darstellt.

In der Vergangenheit erforderte eine externe Evaluierung mit hoher Tragweite einen Kompromiss: Entweder übergab der Evaluator seine Prompts an den Modellanbieter oder der Anbieter übergab die Gewichte seines Modells. Das beschriebene Verfahren beseitigt diesen Kompromiss. Es basiert auf Confidential Space, einem Bestandteil des Confidential-Computing-Portfolios von Google Cloud, mit dem sich kryptografisch überprüfen lässt, dass beide Ressourcen für ihre jeweiligen Eigentümer privat bleiben: Der Evaluator erhält keinen Zugriff auf die Gewichte des Gemini-Modells und Google keinen Zugriff auf die Test-Prompts.

Das Pilotprojekt betrifft ein Gemini-Flash-Lite-Modell, das in Zusammenarbeit mit dem Singapore AI Safety Institute, OpenMined, AVERI und MLCommons anhand vertraulicher Benchmarks getestet wurde. Google betont, dass der Nutzen des Verfahrens mit der Sensibilität der Evaluierung wächst, und nennt ausdrücklich Cybersicherheitstests sowie Tests staatlicher Stellen. Die Ankündigung wird von einem technischen Bericht begleitet, der die Methodik ausführlich beschreibt.

🔗 Das Pilotprojekt für Doppelblindbewertungen

Expert Intelligence: Google-Play-Books-E-Books werden zu Quellen in Gemini Notebook

27. August — Das Gemini-Notebook-Team kündigt Expert Intelligence an, eine bereichsübergreifende Initiative von Google, mit der gekaufte Bücher als Quellen in einem Notebook verwendet werden können. Der Start erfolgt mit geeigneten E-Books aus Google Play Books; Google kündigt an, später Abonnements von Drittanbietern und Schulbücher einzubeziehen sowie die Funktion auf die Gemini-App und den KI-Modus von Google Search auszuweiten.

Das Prinzip lässt sich einfach beschreiben, ist in seinem Umfang jedoch neu: Ein Notebook kann nun gekaufte E-Books, professionelle Abonnements und persönliche Google-Drive-Dateien in einer einzigen Wissensbasis kombinieren. Die üblichen Funktionen von Gemini Notebook lassen sich dann auf das Buch anwenden — Unterhaltungen über den Inhalt, Generierung von Audio Overviews sowie Erstellung von Lernkarten und Quizfragen —, wobei jede Antwort mit Inline-Zitaten, die auf die genaue Textstelle verweisen, in den Quellen verankert ist.

Am interessantesten ist das Geschäftsmodell, denn es beantwortet die Frage, die ein solches Produkt sofort aufwirft: Was geschieht mit der Vergütung des Autors, wenn ein Modell sein Buch verarbeitet? Google stellt eine ausdrückliche Zugangsbedingung: Um in Gemini Notebook mit einem Buch zu interagieren, muss man es über Google Play Books besitzen. Wird ein Notebook mit einem Buch geteilt, werden die Mitwirkenden aufgefordert, ihr eigenes Exemplar zu kaufen, um weiter ins Detail zu gehen. Google präsentiert das System den Verlagen daher als Entdeckungskanal und nicht als Ersatz.

Für Verlage erfolgt die Teilnahme per Anmeldung: Ob ein Werk geeignet ist, lässt sich auf seiner Google-Play-Books-Seite überprüfen, auf der Gemini Notebook unter dem Badge „Tools“ erscheint, wenn das Buch registriert ist; die Registrierung erfolgt auf Anfrage beim Google-Team. Die drei ausführlich beschriebenen Anwendungsfälle geben die Richtung vor — eigene Vorlesungsnotizen mit The Sense of Style von Steven Pinker abgleichen, The Culture Code von Daniel Coyle auf ein Teamprojekt anwenden und aus The New Menopause eine Routine zusammenfassen, bevor sie in eine Audio Overview umgewandelt wird.

🔗 Expert Intelligence

Warp erweitert seine Factories um Selbstverbesserungsschleifen

27. August — Warp ergänzt seine Warp-Factories-Plattform um Selbstverbesserungsschleifen (self-improvement loops). Das Prinzip besteht aus drei Schritten: vergangene Unterhaltungen der Agents anhand teamdefinierter Kriterien bewerten, Fehlschläge isolieren und anschließend Verbesserungen für Skills generieren. Ein am selben Tag veröffentlichter Engineering-Artikel beschreibt das gesamte Verfahren ausführlich.

Der zentrale Baustein ist eine Bewertungsfunktion, die Warp scorer nennt. Sie nimmt die Ausführungstraces eines Agents als Eingabe entgegen und vergibt anhand eines Rasters eine Bewertung. Warp betont einen Punkt: Die Eingabe darf nicht auf den Trace des Agents beschränkt sein, sondern muss menschliche Interaktionen berücksichtigen, die aus integrierten Tools zurückgemeldet werden, beispielsweise Kommentare zu einer Pull Request. Die Bewertung kann von einem Menschen, von Code oder — heute häufiger — von einem anderen Agent als Beurteiler stammen. Warp liefert standardmäßige Scorer, die Korrektheit, Kosteneffizienz und Ausführlichkeit bewerten, und ermöglicht die Konfiguration ihrer Ausführungshäufigkeit — standardmäßig alle paar Stunden — sowie der Stichprobenstrategie, da diese Evaluierungen Kosten verursachen.

Die bewerteten Ausführungen speisen anschließend Selbstverbesserungs-Agents, die in den Fehlschlägen nach wiederkehrenden Mustern suchen und ihre Korrekturen als Diffs an der Factory-Definition vorschlagen. Dieser Mechanismus funktioniert nur, weil die Factory als Code beschrieben ist: eine Datei factory.yaml sowie eine Verzeichnisstruktur mit Definitionen für Agents, Skills, MCP-Server und Regeln für das Modell-Routing. Menschen erhalten die Vorschläge als Pull Requests und entscheiden, ob sie diese mergen.

Warp unterscheidet klar einen zweiten Mechanismus, die Benchmarks, der eine Einschränkung der Selbstverbesserungsschleifen adressiert: Diese ähneln dem, was eine kompetente Person nach Betrachtung vergangener Ergebnisse ändern würde, stellen jedoch keinen echten A/B-Test dar. Um eine Frage wie die nach der besten Modellkombination zu entscheiden, schlägt Warp vor, fünf bis zehn Referenzaufgaben auszuwählen, die Agents parallel mit mehreren Konfigurationen auszuführen und sie anschließend mit denselben Scorern zu bewerten. Das Ergebnis ist eine Ergebnismatrix nach Konfiguration. Die genannten Steuerungsmetriken — Durchsatz von Pull Requests, durchschnittliche Kosten pro Pull Request, Automatisierungsgrad und geschätzte Einsparungen — werden als vorgeschlagener Messrahmen präsentiert, ohne sie durch Zahlen aus Kundenergebnissen zu belegen.

🔗 Ankündigung von @warpdotdev

Replit führt das automatische Modell-Routing für alle ein

27. August — Replit stellt Intelligent Model Routing allen Nutzern der Plattform zur Verfügung. Das Ausgangsargument ist einfach: Das beste Modell für eine Aufgabe ändert sich von Woche zu Woche, von Projekt zu Projekt und manchmal von Aufgabe zu Aufgabe, und diese Wahl fügt zwischen der Idee und ihrer Umsetzung einen zusätzlichen Entscheidungspunkt ein. Replit übernimmt daher die Auswahl — während sich eine Aufgabe weiterentwickelt, wird ihr das Modell zugewiesen, das sie unter Abwägung von Qualität, Geschwindigkeit und Kosten am besten abschließen kann.

Die hervorgehobene Zahl muss genau gelesen werden. In seinen Tests gibt Replit bei gleicher Ausgabequalität um 65 % niedrigere Kosten als bei der vorherigen Version des Max-Modus an — es handelt sich nicht um eine absolute Kostensenkung um 65 %; der Beitrag auf X spricht seinerseits von „bis zu 65 % günstiger“.

Das Routing schließt eine manuelle Steuerung nicht aus. Alle Nutzer starten nun im Free Mode und erhalten eine Benachrichtigung, wenn die Arbeit zu leistungsfähigeren Modi wechselt, die Kosten verursachen können; Core- und Pro-Abonnenten behalten die manuelle Modellauswahl. In Unternehmen legen Administratoren für jeden Workspace die Menge der genehmigten Modelle fest, und Replit wählt innerhalb dieser Menge automatisch aus.

Element der Einführung	Von Replit angegebener Wert
Kostensenkung	-65 % bei gleicher Qualität gegenüber der vorherigen Version des Max-Modus
Verfügbarkeit	Alle Nutzer
Startmodus	Free Mode, mit Benachrichtigung vor dem Wechsel zu einem kostenpflichtigen Modus
Manuelle Auswahl	Für die Pläne Core und Pro beibehalten
Unternehmenskontrolle	Pro Workspace definierte Menge genehmigter Modelle

🔗 Ankündigung von @Replit

Codex CLI 0.150: @-Erwähnungen zwischen Aufgaben, Interrupt-Hooks und Härtung nicht vertrauenswürdiger Projekte

26. August — Codex CLI wird auf 0.150.0 aktualisiert, gefolgt von einem Patch auf 0.150.1 am 27. August. Das Update wird mit npm install -g @openai/codex@0.150.1 installiert.

Die grundlegende Neuerung betrifft die Orchestrierung zwischen Aufgaben. Andere Codex-Aufgaben können nun über @-Erwähnungen referenziert werden, und ein Agent kann direkt aus dem Terminal heraus angewiesen werden, eine Aufgabe zu lesen, zu erstellen oder ihr eine Nachricht zu senden. Konkret wird die Aufgabenliste zu einer Menge adressierbarer Objekte: Ein Agent kann einsehen, was eine andere Aufgabe erzeugt hat, oder ihr eine Anweisung übermitteln, ohne den Kontext manuell kopieren und einfügen zu müssen. Ebenso erhalten bisher unbenannte Terminalaufgaben automatisch einen beschreibenden Titel, und /rename schlägt einen aus der Unterhaltung abgeleiteten, bearbeitbaren Titel vor.

Die zweite bemerkenswerte Ergänzung ist der Interrupt-Hook. Bisher war die Unterbrechung eines aktiven Durchlaufs ein blinder Fleck: Die Sitzung wurde beendet, ohne dass sich etwas auslösen ließ. Version 0.150.0 ermöglicht die Ausführung eines Befehls oder eines MCP-Handlers, wenn ein übergeordneter Durchlauf unterbrochen wird, etwa um einen Zustand zu bereinigen, eine Sperre freizugeben oder den Abbruch zu protokollieren.

Im Sicherheitsbereich verdienen zwei Korrekturen besondere Aufmerksamkeit, wenn Codex auf Code von Drittanbietern ausgeführt wird. Nicht vertrauenswürdige Projekte stellen keine AGENTS.md-Anweisungen auf Projektebene mehr bereit — eine in einem geklonten Repository abgelegte Anweisungsdatei kann den Agent somit nicht mehr ohne Wissen des Nutzers steuern — und verwaltete Regeln zum Verweigern von Lesezugriffen bleiben nach einer Änderung der Berechtigungen wirksam. Hinzu kommen eine verbesserte Maskierung von Kennungen in den Diagnosedaten des App-Servers, Korrekturen für Bearer Tokens entfernter MCP-Server und für durch getrennte Prozesse verursachte Blockierungen beim Beenden unter Unix. Der Patch 0.150.1 behebt schließlich einen präzisen, aber kostspieligen Fall: Bei der Remote-Compaction werden beibehaltene Bilder nun im Token-Budget berücksichtigt und die ältesten bei Bedarf entfernt — in langen Sitzungen mit Screenshots war dies eine unbemerkte Ursache für Kontextüberschreitungen.

Veröffentlichte Version	Datum des Changelogs	Art der Veröffentlichung
0.150.0	26. August 2026	Stabile Version, Neuerungen
0.150.1	27. August 2026	Korrektur bei der Compaction

🔗 Versionshinweise zu 0.150.0

Claude Code 2.1.247: API-Kostenaudit und standardmäßiges 1M-Kontextfenster für Sonnet 5

27. August — Claude Code wird auf Version 2.1.247 aktualisiert. Die sichtbarste Neuerung für Teams ist ein Befehl zur Ausgabenprüfung: /claude-api cost-optimize analysiert, was ein Projekt über die Claude API verbraucht, und geht anschließend die Einsparmöglichkeiten einzeln durch — Caching, Token-Hygiene, Batch-Verarbeitung, Aufwandsstufe, Modellauswahl — wobei die Wirkung jeder Änderung gemessen wird, bevor die nächste folgt. Die Skill /claude-api deckt nun außerdem die Admin API ab: Organisationsmitglieder, Einladungen, Workspaces, API-Schlüssel, Berichte zu Rate Limits, Workload Identity Federation und CMEK.

Eine Kontexteinstellung verdient Aufmerksamkeit: Das standardmäßige Auto-Compaction-Fenster von Sonnet 5 wird auf den vollständigen Kontext von 1M Tokens erweitert; Sitzungen werden nun bei etwa 967K Tokens statt bei ungefähr 934K komprimiert. Bei der Robustheit sterben Sub-Agents beim ersten Aufruf nicht mehr an einem 404-Modellfehler — sie wechseln zur Fallback-Modellkette der Sitzung — und ein Hook, der mehrere Megabyte an Fehlern erzeugt, kann die Sitzung nicht mehr bei „Prompt is too long“ festsetzen.

Die Version legt schließlich einen deutlichen Schwerpunkt auf die Absicherung. In im Terminal gerendertem Markdown werden Links, die auf einen Netzwerk- oder Automount-Pfad verweisen, ein Steuerzeichen enthalten oder mit einem unsichtbaren Zeichen beginnen, als Klartext angezeigt, anstatt anklickbar gerendert zu werden. Der Plugin-Marketplace weist Namen mit Steuerzeichen zurück und maskiert Text, den ein Marketplace in seine Ausgaben einfügt.

🔗 Changelog von Claude Code

Together AI beziffert die DeepSeek-zu-GPT-5.6-Sol-Kaskade bei DeepSWE

27. August — Together AI erweitert seine DeepSWE-Vergleichsreihe um DeepSeek-Modelle und verwendet dabei dasselbe Protokoll wie bei den GLM-5.3-Ausgaben: die 113 Aufgaben des Benchmarks, vier Versuche pro Aufgabe und Modell, also 904 Ausführungen für das Duell DeepSeek V4 Pro 0813 gegen GPT-5.6 Sol.

Das Rohergebnis sieht das geschlossene Modell beim ersten Versuch vorn — 72,7 % gegenüber 62,8 % — doch der Abstand schrumpft mit jedem Versuch und kehrt sich beim vierten um: 88,5 % für DeepSeek gegenüber 85,8 %. Mit 0,24 Dollar pro Ausführung gegenüber 8,37 Dollar ist das offene Modell 35-mal günstiger und löst für 100 ausgegebene Dollar 261 Aufgaben statt 9. Diese Ersparnis erkauft es sich jedoch nicht mit höherer Geschwindigkeit: Der Median liegt bei 35 Minuten und 146 Schritten gegenüber 17 Minuten und 53 Schritten.

Die praktische Schlussfolgerung ist eine Kaskade. DeepSeek V4 Pro zuerst auszuführen und nur dann zu GPT-5.6 Sol zu eskalieren, wenn die Testsuite das Ergebnis ablehnt, führt zu 83,0 % gelösten Aufgaben bei 3,35 Dollar pro Aufgabe — zehn Punkte mehr als Sol allein und sogar mehr als ein perfekter Oracle-Router mit nur einem Versuch, der 80,8 % erreicht. Zwei weitere Vergleiche derselben Reihe sind online und stellen DeepSeek V4 Pro Claude Fable 5 sowie DeepSeek-V4 Flash GPT-5.6 Luna gegenüber.

Bewertete Strategie	Erfolgsquote	Kosten pro Aufgabe
Nur GPT-5.6 Sol	72,7 %	8,37 Dollar
Perfekter Oracle-Router mit einem Versuch	80,8 %	—
Kaskade aus DeepSeek V4 Pro, dann Sol	83,0 %	3,35 Dollar

🔗 DeepSWE-Vergleich von Together AI

OpenAI nimmt den Betrieb in Brasilien auf und veröffentlicht ein randomisiertes Experiment mit Bocconi

27. August — OpenAI nimmt seine Geschäftstätigkeit in Brasilien mit einem lokalen Team in São Paulo auf. Die Ankündigung wird von Nutzungsdaten begleitet, die auf Länderebene nur selten in dieser Granularität veröffentlicht werden: Brasilien gehört gemessen an den wöchentlich aktiven Nutzern zu den drei größten Märkten von ChatGPT; die Zahl der Nutzer hat sich innerhalb eines Jahres nahezu verdoppelt, und täglich werden etwa 215 Millionen Nachrichten versendet. Im Juni 2026 bezogen sich 35 % der klassifizierten Nachrichten brasilianischer Einzelkonten auf die Arbeit, gegenüber 30 % weltweit. Bei den Entwicklern liegt das Land gemessen an der Zahl der Nutzer der OpenAI API weltweit auf Platz zwei; die Zahl der wöchentlichen Codex-Nutzer ist dort seit Anfang 2026 um mehr als das Elffache gestiegen. Die Niederlassung geht mit Partnerschaften mit ITA, IMPA, HCFMUSP, ENTER, Estímulo und der Stadt São Paulo über Prodam einher.

Am selben Tag veröffentlicht OpenAI gemeinsam mit Forschern der Universität Bocconi die Ergebnisse eines randomisierten Experiments mit mehr als 1.000 Studierenden im ersten Bachelorjahr. Das Besondere am Versuchsaufbau ist seine Struktur: Die Studierenden wurden nach Lehrveranstaltungstermin zufällig auf vier Gruppen verteilt — Zugang zu ChatGPT, Schulung in kausalem Denken, beides oder keines von beidem —, wodurch sich die Wirkung des Werkzeugs, der Schulung und ihrer Kombination voneinander trennen lässt. Die Aufgabe bestand aus einem realen Unternehmensfall: Marketingempfehlungen für den Merchandise-Shop der Universität zu formulieren.

Die beiden Maßnahmen zeigen unterschiedliche Wirkungen. Der Zugang zu ChatGPT bringt fast einen von fünf Punkten zusätzlich, mit mehr Ideen und einer klareren Logik. Die Schulung in kausalem Denken verbessert dagegen die Bewertung nicht — doch die automatisierte Textanalyse offenbart ein breiteres und deutlicher von dem der anderen Studierenden abweichendes Ideenspektrum, das vom Bewertungsraster nicht erfasst wurde. OpenAI zieht daraus eine unbequeme Schlussfolgerung für Bildungseinrichtungen: Wenn KI eine ausgefeilte und der Arbeit eines Experten ähnelnde Leistung ermöglicht, sagt die ausschließliche Prüfung der endgültigen Antwort immer weniger darüber aus, was ein Studierender versteht.

Experimentelle Gruppe	Gemessene Wirkung
Zugang zu ChatGPT	Fast ein Punkt mehr von fünf, mehr Ideen, klarere Logik
Schulung in kausalem Denken	Kein Zugewinn im Bewertungsraster, aber vielfältigere und eigenständigere Ideen
Kombination beider Maßnahmen	Kumulierte Vorteile, Verbesserungen bei den meisten Messgrößen

🔗 Präsenz in Brasilien · Bocconi-Studie

Geplante Aufgaben von ChatGPT werden durch Ereignisse in Gmail, Slack und GitHub ausgelöst

25. August — Die geplanten Aufgaben von ChatGPT lösen sich vom rein zeitbasierten Modell: Sie können nun durch ein Ereignis in Gmail, Slack oder GitHub ausgelöst werden. Die Filterung ist detailliert — Gmail-Nachrichten nach Absender oder Betreff, ausgewählte Slack-Kanäle sowie Pull-Request-Aktivitäten einschließlich Reviews, Kommentaren, Commit-Aktualisierungen und Merges.

Der Wechsel von Cron zu Ereignissen verändert die Natur des Werkzeugs: Anstatt regelmäßig zu prüfen, ob etwas geschehen ist, reagiert der Agent in dem Moment, in dem es passiert. Die Funktion ist für berechtigte Tarife in ChatGPT im Web und auf Mobilgeräten verfügbar, sofern die betreffende Anwendung verbunden und die angeforderten Zugriffe genehmigt werden. Zwei praktische Voraussetzungen: Die Slack-App von ChatGPT muss Mitglied jedes überwachten Kanals sein, und die verbundene GitHub-App muss Zugriff auf jedes Repository haben. Außerdem gibt es zwei Einschränkungen: Eine ereignisgesteuerte Aufgabe kann nicht zugleich einen Zeitplan enthalten, und kurz aufeinanderfolgende Ereignisse können in einer einzigen Ausführung zusammengefasst werden — in der Ansicht Scheduled lassen sich dann ausstehende Ereignisse prüfen oder manuell auslösen.

🔗 Changelog von ChatGPT und Codex

Cloud-Agents von Cursor starten ohne vorhandenes Repository

27. August — Cursor beseitigt die letzte Einstiegsvoraussetzung für seine Cloud-Agents: Zum Starten einer Sitzung ist es nicht mehr nötig, ein GitHub-Konto oder einen anderen Drittanbieter für Quellcodeverwaltung verbunden zu haben. Im Repository-Auswahlfeld ermöglicht die Option „Start from scratch“, sofort einen Prompt einzugeben, während Cursor im Hintergrund ein Origin-Repository für die Arbeit erstellt.

Wenn das Ergebnis überzeugt, speichert eine Schaltfläche „Create repo“ es in einem Origin-Repository mit einem benutzerdefinierten oder vorgeschlagenen Namen und privater oder interner Sichtbarkeit; das entstandene Repository ist vollständig strukturiert und erscheint auf der Registerkarte Codebase. Zwei Ergänzungen schließen den Kreislauf: Cursor leitet nun Ports aus der Live-Umgebung des Cloud-Agents an den Browser weiter, was Zugriff auf eine Vorschau und Werkzeuge wie den Designmodus ermöglicht, und eine Schaltfläche zur Veröffentlichung erzeugt eine öffentlich erreichbare URL, sobald ein Vercel-Konto verbunden ist — dieses Konto ist Voraussetzung für die letztgenannte Funktion. Das Ganze basiert auf Origin, dem Code-Hosting von Cursor, das am 17. August für alle kostenpflichtigen Tarife in die Early Beta gestartet ist.

🔗 Changelog von Cursor

Amp öffnet seine Projekte für mehrere Repositories

27. August — Amp-Projekte unterstützen nun mehrere Repositories. Zusätzliche Repositories werden in ein benachbartes Verzeichnis innerhalb des Orb geklont, und der Agent wird ausdrücklich über ihre Anwesenheit informiert; das Änderungsfenster zeigt anschließend einen Diff über sämtliche Repositories des Projekts hinweg. Damit reagiert Amp auf Aufgaben, die mehrere Dienste umfassen — ein Szenario, das durch die bisherige Aufteilung „ein Projekt pro Repository“ umständlich war.

Die Ergänzung erfolgt bei der Projekterstellung oder später in den Einstellungen, wobei pro Projekt höchstens 20 zusätzliche Repositories möglich sind. Vor dem Einstieg ist eine Einschränkung zu beachten: Bei der Vorbereitung des Orb wird nur das Skript .agents/setup des Haupt-Repositorys automatisch ausgeführt; benötigt ein zusätzliches Repository eine eigene Initialisierung, muss diese in das Skript aufgenommen werden. Am selben Tag setzt Amp seine Neuausrichtung fort und entfernt die Seitenleiste aus seiner Terminaloberfläche — siehe Kurzmeldungen.

🔗 Projekte mit mehreren Repositories bei Amp

Google Antigravity 2.11.0 rendert HTML-Artefakte im Konversationsverlauf

26. August — Google veröffentlicht Antigravity in Version 2.11.0 mit 10 Verbesserungen und 30 Fehlerbehebungen. Die wichtigste Neuerung ist die generative Benutzeroberfläche: Der Agent kann ein HTML-Artefakt erzeugen, das direkt im Konversationsverlauf angezeigt wird, ohne eine externe Vorschau zu benötigen. Das Rendering unterstützt mathematische Formatierung mit KaTeX sowie Diagramme mit Chart.js und Plotly, wodurch sich die Nutzung auf spontan erzeugte Dashboards und Visualisierungen erweitert.

Die zweite Gruppe von Änderungen betrifft die Konfiguration von Agents und weist in Richtung Modularisierung. Mit der Syntax @path/to/file lassen sich externe Dateien in AGENTS.md und in benutzerdefinierten Regeldateien referenzieren und einbinden; im Frontmatter von Markdown-Agents steht nun ein Schlüssel rules: zur Verfügung, um Regeln einem bestimmten Agent statt dem gesamten Projekt zuzuordnen; und Antigravity erkennt jetzt Skills, Agents und Regeln, die in den Dateien skills.json, agents.json und rules.json in Unterverzeichnissen deklariert sind — nützlich für Monorepos, in denen jedes Unterprojekt seine eigene Konfiguration besitzt. Der Rest betrifft die Bedienung: nebeneinander teilbare Terminals, Rendering des YAML-Frontmatters als Metadatenkarte, Darcula-Theme und das Lesen bestimmter Seitenbereiche in mehrseitigen Dokumenten.

🔗 Changelog von Antigravity

GitHub: globale Modellrichtlinie allgemein verfügbar und Gesprächsrunde der OpenClaw-Maintainer

26. August — GitHub macht die globale Modellrichtlinie für Copilot Business und Copilot Enterprise allgemein verfügbar. Der im Juli angekündigte Mechanismus stellt Administratoren einen einzigen Schalter zur Verfügung, der über Modelle entscheidet, die sie nicht ausdrücklich konfiguriert haben, anstatt sie bei jeder Neuveröffentlichung zu einer Entscheidung für jedes einzelne Modell zu zwingen. Die tatsächliche Aktivierung wird schrittweise bis zum 1. September ausgerollt und erfolgt daher nicht für alle Unternehmen gleichzeitig. Bereits manuell getroffene Entscheidungen bleiben unverändert erhalten, und zwei Kategorien sind unabhängig von der Einstellung von der Richtlinie ausgenommen: Open-Weight-Modelle, beispielsweise DeepSeek und Kimi K2, sowie Modelle, die nicht durch GitHubs Vereinbarung zur Datenspeicherung abgedeckt sind; in der Ankündigung wird Fable 5 genannt. GitHub erwägt außerdem, den Status „Delegate to default policy“ abzuschaffen, um eine ausdrückliche Entscheidung für jedes Modell zu erzwingen.

Am 27. August veröffentlicht GitHub eine Video-Gesprächsrunde mit den Maintainern von OpenClaw samt einem Artikel, der daraus zehn Lehren ableitet. Das von Peter Steinberger im November 2025 als Wochenendprojekt gestartete Repository verzeichnet am 26. August etwa 388.000 Sterne, 81.000 Forks und mehr als 80.000 Commits — GitHub bezeichnet es als das am schnellsten wachsende Projekt seiner Geschichte. Das Gespräch ist besonders aufschlussreich, weil es zeigt, wie sich die Arbeit von Maintainern verändert, wenn Agents Teil des Ablaufs werden: Steinberger erklärt, nicht mehr von Pull Requests, sondern von „Prompt Requests“ zu sprechen, und Josh Lehman beschreibt Mitwirkende, die automatisierte Ketten betrieben, welche mehrere Hundert Pull Requests öffneten. Die Vertrauenssignale haben sich entsprechend verändert — Agent-Transkripte, Screenshots und Testnachweise statt der Zahl der Beiträge —, zumal die Reputation selbst zu einer Angriffsfläche geworden ist: Personen duplizieren die Pull Requests anderer, um die Zahl ihrer Merges aufzublähen.

Kennzahl des OpenClaw-Repositorys am 26. August 2026	Erfasster Wert
Sterne	Etwa 388.000
Forks	81.000
Commits	Mehr als 80.000
Projektstart	November 2025

🔗 Globale Modellrichtlinie · OpenClaw-Gesprächsrunde

Kurzmeldungen

Qwen3.8-Flash über OpenRouter routbar und lokal mit 75 GB RAM ausführbar — Das Modell ist einen Tag nach der Freigabe seiner Gewichte über OpenRouter verfügbar – für Coding-Assistenten, agentische Workflows und das Verständnis langer Videos. Parallel veröffentlicht Unsloth bereits am ersten Tag seine GGUFs: Das MoE mit 125 Milliarden Parametern läuft lokal mit 75 GB RAM, und Unsloth behauptet, es übertreffe Claude Opus 4.6 Max – eine Behauptung von Unsloth, die durch keine unabhängige Messung bestätigt wird. 🔗 OpenRouter · GGUF von Unsloth
Grok 4.6 kommt zu Microsoft Foundry und lässt sich aus Linear heraus auslösen — Das Modell wird mit einem Kontextfenster von 500.000 Tokens und vier Stufen für den Reasoning Effort in den Katalog von Microsoft Foundry aufgenommen und ergänzt damit Amazon Bedrock und Google Enterprise Agent Platform. Auf grok.com ermöglichen Linear-Trigger Grok, Tickets zu sortieren, den Fortschritt zu verfolgen und automatisch zu starten, sobald ihm ein Ticket zugewiesen wird. 🔗 Grok auf Foundry · Linear-Trigger
Joelle Pineau und Mikey werden in die TIME100 AI 2026 aufgenommen — Cohere gibt bekannt, dass seine KI-Direktorin auf der Liste des TIME Magazine steht, und verweist dabei auf mehr als zwanzig Jahre Forschung in Kanada, von intelligenten Rollstühlen bis zur ML Reproducibility Checklist. Suno gibt am selben Tag Mikeys Aufnahme in dieselbe Rangliste bekannt, ohne damit eine Produktankündigung zu verbinden. 🔗 Cohere · Suno
Ein Cookbook bindet einen Claude Managed Agent an Vercels Chat SDK an — Das Chat SDK stellt die Konversationsoberfläche mit einem typisierten onDirectMessage-Handler und mehr als fünfzehn Adaptern (Slack, Teams, Discord, Web) bereit, während Managed Agents den Agenten serverseitig mit einer dauerhaften Sitzung pro Konversation ausführen. Der Code wurde im Repository claude-quickstarts veröffentlicht. 🔗 Beitrag von @ClaudeDevs
ChatGPT für iOS 1.2026.230: Aufgabensuche, Anzeige für den Reasoning Effort und Vollbildeditor — Kompakte Anzeige im Composer, um den Reasoning Effort mobil anzupassen, Vollbildeditor für lange Prompts, Suche sowohl in Titeln als auch in Inhalten und Startbildschirm-Verknüpfungen für ChatGPT, Work und Codex Remote. Derselbe Changelog-Eintrag wie bei den oben genannten ereignisbasierten Aufgaben.
Amp entfernt die Seitenleiste aus seiner TUI — Angesichts von Orbs, Runners und zwischen Agenten ausgetauschten Nachrichten ist Amp der Ansicht, dass die Thread-Verfolgung in Web- und nativen Anwendungen besser aufgehoben ist und dass es eine schlechte Erfahrung war, das Multiplexing mehrerer Umgebungen über das Multiplexing des Terminals zu legen. 🔗 Amp-Beitrag
Hugging Face lässt seine Abstract-Zusammenfassungen mit Inkling-Small erstellen — Die Plattform weist darauf hin, dass die auf ihren Paper-Seiten angezeigten Zusammenfassungen auf dem Open-Weights-Modell von Thinking Machines basieren, unter dem Motto „open weights × open science“. 🔗 Beitrag von @huggingface
Gemini CLI behebt eine SSRF-Schwachstelle bei der Erkennung von OAuth-Metadaten für MCP — Die nächtliche Version (nightly) vom 27. August enthält nur eine einzige Änderung: eine Korrektur gegen Server-Side Request Forgery bei der Erkennung von OAuth-Metadaten von MCP-Servern. Im stabilen Kanal, der weiterhin bei v0.57.0 liegt, ist sie noch nicht enthalten. 🔗 Versionshinweise
Perplexity veröffentlicht neue Bewertungen von Brain — Das selbstverbessernde Speichersystem von Perplexity Computer erzielt gegenüber den ersten Ergebnissen 9,3 Punkte mehr Genauigkeit, 8,0 Punkte mehr Aktualität und 8,9 Punkte mehr Recall, bei 15 % weniger Tokens. 🔗 Beitrag von @perplexity_ai
Plugin-Marktplätze unterstützen automatische Updates in Unternehmen — Ein Feld autoUpdate in einem extraKnownMarketplaces-Eintrag ermöglicht es Copilot-Clients, Plugins eines Marktplatzes selbstständig zu aktualisieren, sofern dieser weiterhin in der Allowlist strictKnownMarketplaces enthalten ist. 🔗 GitHub-Changelog
Das Blockieren eines Benutzers schließt nun alle seine offenen Beiträge — Eine Option „Von diesem Benutzer erstellte Inhalte schließen“ im Blockierungsdialog schließt sämtliche offenen Issues, Diskussionen und Pull Requests des blockierten Benutzers auf einmal – sowohl bei persönlichen Konten als auch in Organisationen. 🔗 GitHub-Changelog
Cohere verteidigt ein Modell eingesetzter Ingenieure, das die Fähigkeiten des Kunden aufbaut — Der Beitrag unterscheidet zwischen kommerzieller oder architektonischer Abhängigkeit, die einer technologischen Entscheidung innewohnt, und operativer Abhängigkeit, die er für vermeidbar hält. Zudem zitiert er den Deloitte-Bericht 2026, dem zufolge nur 25 % der Organisationen mindestens 40 % ihrer KI-Pilotprojekte in Produktion gebracht haben. 🔗 Cohere-Beitrag
Google DeepMind widmet dem Thema Unsicherheit eine Podcast-Folge — Zoubin Ghahramani, VP Research, erklärt gemeinsam mit Hannah Fry, warum Systeme, die lernen, an sich selbst zu zweifeln und probabilistisch zu schlussfolgern, zuverlässigere Entscheidungen treffen – von der Wettervorhersage bis zur Robotik. 🔗 Beitrag von @GoogleDeepMind
Wan startet eine wöchentliche Skill Challenge rund um WanCLI — Jede Woche werden drei auf wan.video veröffentlichte Skills ausgewählt, deren Autoren ein einmonatiges Premium-Abonnement erhalten; außerdem bringt jeder genehmigte Skill 150 Credits ein. Der Skill muss über WanCLI mindestens ein Wanxiang-Modell aufrufen. 🔗 Beitrag von @Alibaba_Wan
GeForce NOW auf der Gamescom 2026 — Neue DLSS-4.5-Steuerungen, Unterstützung für neue Steam-Geräte, GOG Single Sign-on, Firefox und weitere Fire-TV-Geräte sowie fünf Spiele, die direkt zu ihrer Veröffentlichung in der Cloud verfügbar sind. Eher eine Gaming- als eine generative-KI-Nachricht. 🔗 NVIDIA-Beitrag
Runway veröffentlicht ein Teaser-Video ohne genanntes Produkt — Ein Video, begleitet lediglich von dem Satz „So etwas hast du noch nie gesehen“ und einem allgemeinen Link zur Anwendung, ohne Namen eines Modells oder einer Funktion und ohne entsprechende Meldung auf der Nachrichtenseite des Studios. Der Vollständigkeit halber erwähnt: Daraus lässt sich keine überprüfbare Tatsache ableiten. 🔗 Beitrag von @runwayml

Was das bedeutet

Die Agenten ziehen ins Labor ein, und die Barriere ist zunächst materiell, nicht softwareseitig. Der Model Hardware Standard löst kein Modellproblem, sondern ein Infrastrukturproblem: sieben Herstellerprogramme ohne gemeinsame Schnittstelle bei Janelia, vier Gerätefamilien auf drei inkompatiblen Computern bei Carnegie Mellon. Indem Anthropic die Integration von mehreren Wochen auf wenige Stunden verkürzt, verlagert es den Engpass von der Anbindung zur Überwachung – und räumt dies mit dem Beispiel Genentech ein, wo Claude erklärt werden musste, dass die Schaumbildung einer Probe ein physischer Fehler und kein Bug war. Die Entdeckung von Ai2 zum invasiven lobulären Karzinom besagt vom anderen Ende der Kette aus dasselbe: Der Wert liegt nicht in der vom Modell erzeugten Antwort, sondern in der anschließenden unabhängigen und danach im Labor vorgenommenen Validierung. Die 10.000 Claude-Zugänge, die Forschenden am selben Tag bereitgestellt wurden, vervollständigen das Dreigespann, indem sie die dritte Barriere angehen: die Zugangskosten.

Die Sicherheit verlagert sich vom Produkt auf die gemeinsam genutzte Infrastruktur. Der Gastbeitrag zur kollektiven Cyberabwehr ist vor allem wegen der beteiligten Organisationen bemerkenswert: OpenAI, Anthropic, AWS, Google, Microsoft und Oracle konkurrieren auf demselben Markt und stehen nun hinter demselben Text. Eine der an Frontier-Labore gerichteten Forderungen – agentische Identitäten nachvollziehbar und verantwortlich zu machen – ist zudem die direkte Lehre aus dem am Vortag veröffentlichten Vorfall bei Hugging Face. Der Rest des Tages zeigt diese Verlagerung auf Werkzeugebene: Codex lädt keine AGENTS.md aus nicht vertrauenswürdigen Projekten mehr, Claude Code macht Terminal-Links mit unsichtbaren Zeichen unwirksam, Gemini CLI behebt eine SSRF bei der OAuth-Erkennung von MCP-Servern. Drei scheinbar unabhängige Korrekturen, aber dieselbe Erkenntnis: Die Angriffsfläche eines Coding-Agenten besteht aus den Dateien und Servern, die er lesen soll.

Die Bewertung wird selbst zu einem abzusichernden Gegenstand. Das Pilotprojekt von Google DeepMind mit dem Singapore AI Safety Institute löst einen Zielkonflikt, der so alt ist wie externe Bewertungen – entweder die Test-Prompts oder die Gewichte herauszugeben –, indem es über eine Enklave, deren Eigenschaften beide Parteien kryptografisch überprüfen, keines von beidem herausgibt. Das ist das methodische Gegenstück zu den Zahlen, die im weiteren Tagesverlauf veröffentlicht werden: Together AI begnügt sich nicht mit einem Score, sondern veröffentlicht 904 Ausführungen, vier Versuche pro Aufgabe, Fehlerprofile und die Kosten pro Aufgabe; Cohere erklärt öffentlich, zwei Dimensionen von ParseBench auszuschließen und seine Konkurrenten nach den im August korrigierten Regeln neu bewerten zu lassen. In beiden Fällen steht nicht mehr das Ergebnis, sondern das Protokoll im Vordergrund – ein Zeichen dafür, dass das Ergebnis allein niemanden mehr überzeugt.

Und die Kosten einer erfolgreich erledigten Aufgabe bleiben die entscheidende Kennzahl. GLM-5.3 Flash leitet seine gesamte Positionierung aus einer architektonischen Einsparung ab – dreimal weniger Attention-Rechenaufwand, ein 4,4-mal kleinerer KV-Cache –, die sich in 0,15 Dollar pro Million Input-Tokens niederschlägt, fast zehnmal weniger als GLM-5.2 beim selben Hosting-Anbieter. Together AI zeigt, dass die Kaskade aus DeepSeek und anschließend Sol zehn Prozentpunkte mehr Aufgaben für weniger als die Hälfte des Preises von Sol allein löst, was bedeutet, dass das beste Modell nicht die richtige Anschaffung ist. Replit zieht daraus die Produktkonsequenz und schafft die Modellauswahl vollständig ab, Cohere verkauft Model Vault mit einem Kostenvorteil von 61 % bei voller Auslastung, und Google berechnet für einen Videoentwurf in 360p ein Drittel des Preises. Selbst die Auslieferung der Vera-CPU bei AWS folgt dieser Ökonomie: Wenn eine agentische Arbeitslast fünfzehnmal mehr Tokens als eine Chat-Anfrage verbraucht, ist die Orchestrierung außerhalb der GPU kein nebensächlicher Rechnungsposten mehr.