Google DeepMind kündigt Gemini 4 Carbon an, GitHub Universe 2026 schließt Copilot in Enterprise ein, NVIDIA veröffentlicht Nemotron 3.5 Transcribe

ai-powered-markdown-translator

Artikel mit gpt-6.1-sol aus dem Französischen ins Deutsche übersetzt.

Projekt auf GitHub ansehen ↗

Google DeepMind kündigt Gemini 4 Carbon an, sein leistungsstärkstes Modell, das den Artificial Analysis Intelligence Index v5.0 anführt und Spitzenleistungen in der Cybersicherheit erreicht, zunächst aber einer Gruppe von Fachleuten für Cyberabwehr aus dem Fairwind Program vorbehalten ist. GitHub eröffnet seine Konferenz Universe 2026 mit rund dreißig Ankündigungen: Copilot Fusion ist allgemein verfügbar, Copilot wird in GitHub Enterprise aufgenommen, hinzu kommen ein einheitliches Cloud-Erlebnis, Copilot Memory, Automatisierungen, die aus ihren Ergebnissen lernen, und ein Octoverse-Bericht, dem zufolge inzwischen mehr als 40 % der Pull Requests mit einem Agenten beginnen. NVIDIA veröffentlicht Nemotron 3.5 Transcribe, ein offenes Transkriptionsmodell für 40 Sprachen, und das von David Gross geleitete Komitee erläutert, wie es den Beweis von OpenAI zur Quanten-Yang-Mills-Theorie prüfen wird.

---

Google DeepMind kündigt Gemini 4 Carbon an, sein leistungsstärkstes Modell, das zunächst Fachleuten für Cyberabwehr aus dem Fairwind Program vorbehalten ist

28. Oktober — Zwei Wochen nach der allgemeinen Verfügbarkeit von Gemini 4 Argon kündigt Google DeepMind Gemini 4 Carbon an. Koray Kavukcuoglu, Senior Vice President von Google DeepMind und Googles Chefarchitekt für KI (Chief AI Architect), stellt es als Googles leistungsstärkstes Modell vor, mit Spitzenleistungen in der Cybersicherheit und bei langfristigen Aufgaben (long horizon). Carbon belegt mit 59 den ersten Platz im Artificial Analysis Intelligence Index v5.0, vor Claude Opus 5.5 (58) und GPT-6 Astra (57), und den vierten Platz in WebDev Arena (1 768, +89 Elo-Punkte).

Cybersicherheit ist das Hauptargument. Carbon erreicht 88,2 % auf SEC-bench Pro, bei dem Schwachstellen gefunden werden müssen, 54,8 % auf ExploitGym, das ihre Ausnutzbarkeit prüft, und 71,0 % auf CWE-bench von Collinear, bei dem ihre grundlegenden Ursachen behoben werden müssen; Google weist darauf hin, dass diese externen Ergebnisse ohne Schutzmechanismen gemessen wurden. Intern hat sich die Erfolgsquote bei der Erzeugung sicheren Codes gegenüber Argon mehr als verdoppelt, das Chrome-Team berichtet von mehr als 10-mal besseren Patches als denen des großen Frontier-Modells eines anderen, nicht genannten Labors, und Wiz sieht Carbon bei seinen Benchmarks für Web-Penetrationstests an der Spitze.

Die folgenden Zahlen wurden aus der im Beitrag als Bild veröffentlichten Tabelle mit 17 Zeilen übernommen. Carbon wird darin nur in zwei Zeilen übertroffen: bei FrontierSWE 2, wo GPT-6 Astra und Claude Opus 5.5 vor ihm liegen, und bei der Offline-Teilmenge von OSWorld-2.1, die Claude Opus 5.5 anführt.

Benchmark (Tabelle von Google)	Gemini 4 Carbon	Gemini 4 Argon	GPT-6 Astra	Claude Opus 5.5
AA Intelligence Index v5.0	59	50	57	58
Terminal-Bench 4.0 (AA)	65,2 %	57,1 %	59,1 %	59,6 %
FrontierSWE 2	61,2 %	55,0 %	65,5 %	62,3 %
OSWorld-2.1 (offline)	81,5 %	74,7 %	80,9 %	87,2 %
GraphWalks (256k bis 1M)	96,2 %	84,2 %	71,8 %	66,8 %
Vending-Bench 2 (Saldo in Dollar)	16 484	13 718	15 515	9 235
SEC-bench Pro	88,2 %	83,4 %	85,4 %	—
ExploitGym	54,8 %	42,0 %	42,4 %	34,5 %
CWE-bench	71,0 %	68,0 %	68,0 %	67,0 %

Google betont auch das Verhalten des Modells während langer Sitzungen: Intern arbeitete Carbon „tagelang“ an Entwicklungsaufgaben, etwa an der Suche nach den grundlegenden Ursachen subtiler Bugs in großen Codebasen. Die Rate erfolgreichen Schummelns sinkt auf Terminal-Bench 4.0 auf 0,0 %, Warnungen vor schwerwiegendem Misalignment gehen in den internen Programmierumgebungen um fast 80 % zurück, und unbelegte Behauptungen sind etwa halb so häufig wie bei Argon. Beim Benchmark von Gray Swan für indirekte Prompt Injection war kein Angriff erfolgreich, gegenüber 0,7 % bei Argon.

Carbon ist noch weder über die API noch in der Gemini-App verfügbar. Wie bei Argon Ende September stellt Google es zunächst ab dieser Woche einem Teil der Fachleute für Cyberabwehr zur Verfügung und öffnet den Zugang anschließend schrittweise für weitere vertrauenswürdige Partner über das Fairwind Program; parallel nimmt es am freiwilligen Verfahren der US-Regierung zur Prüfung von Modellen vor ihrer Veröffentlichung teil. Entwickler, Unternehmen und die breite Öffentlichkeit erhalten „so bald wie möglich“ Zugang, ohne konkreten Termin. Der Preis steht bereits fest: während der Einführungsphase wie bei Argon 2 Dollar pro Million Eingabe-Tokens und 10 Dollar für die Ausgabe, mit 95 % Rabatt auf zwischengespeicherte Eingabe-Tokens, danach 4 und 20 Dollar, ohne angekündigten Umstellungstermin.

Announcing Gemini 4 Carbon, our strongest model with state-of-the-art cybersecurity and long horizon capabilities. Carbon represents a step up across most benchmarks, delivering strong frontier performance in autonomous coding and cyber defense. We’re first making Carbon available to a subset of trusted cyber defenders in our Fairwind program. We’ll expand access as soon as possible.

🇩🇪 Wir kündigen Gemini 4 Carbon an, unser leistungsstärkstes Modell mit führenden Fähigkeiten in der Cybersicherheit und bei langfristigen Aufgaben. Carbon erzielt bei den meisten Benchmarks Fortschritte und bietet Spitzenleistungen beim autonomen Programmieren und in der Cyberabwehr. Wir stellen Carbon zunächst einem Teil der vertrauenswürdigen Fachleute für Cyberabwehr aus unserem Fairwind-Programm zur Verfügung. Wir werden den Zugang so bald wie möglich erweitern. — @GoogleAI auf X

🔗 Der Beitrag von Google DeepMind

---

GitHub Universe 2026: GitHub positioniert sich als agentisches System für die Softwarebereitstellung und beziffert den Ausbau seiner Infrastruktur

28. Oktober — GitHub eröffnet seine Konferenz Universe 2026 in San Francisco mit einem Beitrag von Jay Parikh, der die Richtung vorgibt: vom Assistenten, der Code schreibt, zu einem „System für die Softwarebereitstellung“, in dem der Entwickler die Richtung vorgibt und für das verantwortlich bleibt, was in Produktion geht, während Agenten implementieren und überprüfen. Geliefert wird nicht mehr Code, sondern abgeschlossene Arbeit: eine Funktion, ein Patch, eine Sicherheitskorrektur. Drei Schwerpunkte prägen diese Strategie: Geschwindigkeit, Intelligenz (der Kontext der Plattform und kontinuierliches Lernen) sowie Qualität mit standardmäßig sicherem Arbeiten.

Der Beitrag dient als Übersicht über die Ankündigungen des Tages, die in den folgenden Abschnitten erläutert werden: Copilot Fusion, Projekte in der GitHub Copilot-App, nahtlos fortsetzbare Sitzungen vom Smartphone bis zu VS Code, Automatisierungen, die aus ihren Ergebnissen lernen, die Max-Stufe von Copilot code review und die Aufnahme von Copilot in GitHub Enterprise. Bei der Infrastruktur beziffert GitHub, was seit Jahresbeginn hinzugekommen ist:

Seit Anfang 2026 hinzugefügte Infrastruktur	Von GitHub angekündigter Umfang
CPU-Kerne	4 Millionen
Schneller Speicher	160 Po
Netzwerkkapazität	50 Tb/s

Die Umstellung auf eine Bereitstellung über mehrere Regionen in Azure soll Anfang nächsten Jahres abgeschlossen sein, und die neue Git-Architektur basiert auf vereinfachten Primitiven, von der Rechenleistung entkoppeltem Speicher und auf ein Minimum reduzierter Koordination. Jay Parikh stellt außerdem eine These auf: Die gesamte bisher geschriebene Software werde weniger als 1 % der Software der kommenden fünf Jahre ausmachen, eher eine Meinung als ein Messwert.

🔗 Der Beitrag von Jay Parikh

Copilot erzeugt und bearbeitet Bilder mit GPT Image 2.5 Flare, als öffentliche Vorschau

28. Oktober — Copilot erzeugt und bearbeitet jetzt in natürlicher Sprache beschriebene Bilder, als öffentliche Vorschau für die Tarife Pro, Pro+, Business und Enterprise in VS Code, der GitHub Copilot-App und Copilot CLI. Das gewählte Reasoning-Modell ruft ein von OpenAIs GPT Image 2.5 Flare angetriebenes Generierungstool auf, zeigt die Vorschau im Gespräch an und speichert das Bild direkt im Projekt. Die Generierung wird getrennt vom Chat-Modell in Bild-Tokens abgerechnet, die vom KI-Guthaben des Tarifs abgezogen werden. Organisations- oder Unternehmensinhaber können sie über die Modellrichtlinien abschalten, und ein standardmäßig deaktiviertes Wasserzeichen „Mit KI erstellt“ lässt sich optional aktivieren.

🔗 Das Changelog von GitHub

GitHub Design veröffentlicht Replica, ein KI-Tool für Prototypen unter MIT-Lizenz

28. Oktober — GitHub Design veröffentlicht Replica als Open Source unter MIT-Lizenz, ein Tool, das Ideen in interaktive Prototypen umwandelt. Im Unterschied zu allgemeinen Tools stützt es sich auf das Design System des Teams, dessen Komponenten, Muster und Dokumentation: Die Designer legen die Vorgaben fest, anschließend beschreiben Designer, Produktmanager und Entwickler in der GitHub Copilot-App in natürlicher Sprache den zu erprobenden Prototyp und verfeinern ihn. Über einen optionalen, selbst gehosteten Replica Hub lassen sich die Prototypen veröffentlichen, um Feedback vom Team einzuholen. Das Tool ist ab sofort verfügbar.

🔗 Das Changelog von GitHub

---

Octoverse 2026: 17,9 Milliarden Pushes und mehr als 40 % der Pull Requests von einem Agenten gestartet

28. Oktober — GitHubs Jahresbericht Octoverse 2026 beschreibt ein Jahr der Beschleunigung durch Agenten. Innerhalb von zwölf Monaten haben Entwickler 17,9 Milliarden Mal Code gepusht, häufiger als 2024 und 2025 zusammen; die Zahl der Commits erreicht 34,3 Milliarden, mehr als das Dreifache des Werts von vor zwei Jahren, und 1,3 Milliarden Pull Requests wurden zusammengeführt, durchschnittlich 3,5 Millionen pro Tag. GitHub zählt mehr als 225 Millionen Entwickler, davon 38,3 Millionen in den USA und 32 Millionen in Indien; Frankreich liegt mit 4,75 Millionen auf Platz zehn.

Kennzahl aus Octoverse 2026	Veröffentlichter Wert
Pushes innerhalb von zwölf Monaten	17,9 Milliarden
Commits	34,3 Milliarden
Zusammengeführte Pull Requests	1,3 Milliarden (3,5 Millionen pro Tag)
Entwickler auf GitHub	mehr als 225 Millionen
Von einem Agenten gestartete Pull Requests	mehr als 40 % im September (17 % im März)
Aktive Copilot-Nutzer im agentischen Modus	55 % (35 % vor einem Jahr)
Unterschiedliche in Copilot verwendete Modelle	47 im September (29 im Mai)
GitHub Actions-Jobs	1 440 pro Sekunde

Der Anteil der Agenten steigt schnell: Im September begannen mehr als 40 % der Pull Requests mit einem ersten Entwurf eines Agenten, gegenüber 17 % im März. Das entspricht 110 Millionen Pull Requests, etwa dem Sechsfachen des Volumens vom März. Diese Pull Requests wurden in 90 % der Fälle innerhalb von zwei Wochen zusammengeführt, gegenüber etwa 86 % ohne erkannten Agenteneinsatz, und die in diesem Jahr erstellten Repositories mit einer Konfigurationsdatei für Agenten erhalten im Durchschnitt 8-mal so viele Commits. Der Cloud Agent von Copilot, dem eine ganze Aufgabe übertragen wird, legt im Jahresvergleich um 230 % zu, gegenüber 85 % beim Chat im Agent-Modus.

Entwickler setzen auch auf immer mehr Modelle: Auf keines der 47 im September verwendeten Modelle entfallen mehr als 25 % der Anfragen, und 61 % der Nutzer, die ihr Modell selbst auswählen, verwenden mehrere, gegenüber 50 % vier Monate zuvor. Bei den Programmiersprachen bleibt TypeScript vor Python und JavaScript auf Platz eins. Die Rangliste der Repositories von Softwareanbietern mit dem größten Zuwachs an Mitwirkenden wird von Programmieragenten angeführt: anthropics/claude-code, openai/codex, anomalyco/opencode, microsoft/vscode und github/copilot-cli.

🔗 Der Bericht Octoverse 2026

---

GitHub Enterprise enthält jetzt Copilot für jeden lizenzierten Nutzer, mit Copilot Standalone für 10 Dollar

28. Oktober — GitHub ändert das Geschäftsmodell von Copilot für Unternehmen. Kunden, die sich an ein Vertriebsteam von GitHub oder Microsoft wenden, können Copilot nun für jeden lizenzierten Nutzer als Bestandteil von GitHub Enterprise erhalten, ohne separates Abonnement; das Angebot ist ab sofort für GitHub Enterprise Cloud verfügbar. Bisher mussten zwei Dinge verwaltet werden: die Zahl der Copilot-Lizenzplätze und der KI-Verbrauch. Mit dem enthaltenen Copilot bleibt nur noch das KI-Budget des Unternehmens.

Dieser Zugang bietet dieselben Funktionen und Modelle wie Copilot Enterprise, allerdings ohne monatliches KI-Guthaben pro Lizenzplatz: Jede Anfrage wird ab der ersten vom Unternehmensbudget abgezogen, unter Anwendung der bestehenden Richtlinien, Warnmeldungen und Zuordnungen. Die Grundfunktionen bleiben auch ohne Budget verfügbar:

Copilot-Funktion	Wenn das KI-Budget aufgebraucht ist
Codevervollständigung und next edit suggestions	Funktionieren weiterhin
Copilot Chat, Copilot code review und Copilot in der Cloud	Benötigen Budget
Zugang zum Copilot-Lizenzplatz	Wird niemals entzogen

Mitglieder des Unternehmenskontos ohne GitHub Enterprise-Lizenz erhalten denselben Zugang mit Copilot Standalone für 10 Dollar pro Nutzer und Monat. Die Selbstbedienungsoption ist noch nicht verfügbar: Sie wird schrittweise eingeführt, wobei Termine „in den kommenden Wochen“ angekündigt werden sollen, und bestehende Selbstbedienungsabonnements bleiben unverändert. Copilot Business und Copilot Enterprise werden weiterhin sowohl neuen als auch bestehenden Unternehmenskunden angeboten.

🔗 Das Changelog von GitHub

---

GitHub Copilot Fusion wird allgemein verfügbar und ersetzt die manuelle Modellauswahl

28. Oktober — Copilot Fusion wird in allen Copilot-Tarifen allgemein verfügbar: in VS Code, der GitHub Copilot App, Copilot CLI und den JetBrains-IDEs. Weitere Clients sind für „bald“ angekündigt. Statt ein Modell auszuwählen, wählt der Entwickler Copilot Fusion und anschließend eine Aufwandsstufe: Standard für alltägliche Programmieraufgaben, High für schwierige Aufgaben und Max für besonders anspruchsvolle Aufgaben. Fusion entscheidet dann für jede Anfrage, ob ein einzelnes Modell die Aufgabe übernimmt (Single) oder mehrere Modelle nacheinander eingesetzt werden: als Kaskade (Cascade: Ein effizientes Modell erstellt einen Entwurf, eine Qualitätsprüfung akzeptiert ihn oder eskaliert an ein leistungsfähigeres Modell) oder mit einer Kritikrunde (Critique: Ein Modell erstellt einen Entwurf, ein anderes prüft ihn, das erste überarbeitet ihn).

Fusion vereint die Orchestrierung mehrerer Modelle aus Project HydraFusion, einer im September gestarteten und am 14. Oktober erweiterten Forschungs-Preview, mit der automatischen Modellauswahl von Copilot. Laut Octoverse hat HydraFusion während seiner Preview knapp 60 000 Sitzungen geroutet; wer auto, HydraFusion oder HydraFusion Max verwendet hat, wird automatisch auf die entsprechende Fusion-Stufe umgestellt. GitHub führt ein externes Ergebnis an:

Artificial Analysis Coding Agent Index	Copilot Fusion Max, laut GitHub
Erzielter Score	60, mit zwei Punkten Abstand zu Claude Code mit Opus 5.5 Max
Durchschnittliche API-Kosten pro Aufgabe	etwa halb so hoch
Verbrauchte Tokens	etwa die Hälfte
Zeit pro Aufgabe	etwa 40 % weniger

In Unternehmen greift Fusion nur auf Modelle zurück, die durch die Richtlinien zugelassen sind. Ein Administrator kann ein Modell aus Fusion ausschließen, ohne es den Nutzern zu entziehen, und Fusion auf jeder Aufwandsstufe als Standardmodell festlegen. Jedes aufgerufene Modell wird zu seinem Standardtarif abgerechnet, mit einem vorübergehenden Rabatt von 30 % auf die Modellkosten bei kostenpflichtigen Tarifen. AT&T berichtet von einer besseren Token-Effizienz mit Fusion Standard, nennt jedoch keine Zahlen.

🔗 Das Changelog zu Copilot Fusion

Copilot Fusion routet experimentell an lokale Modelle, MAI Code 1.1 Flash und Qwen3.8 Flash Next

28. Oktober — GitHub erweitert Copilot Fusion um lokale Modelle, als experimentelle Preview per Opt-in. Auf der Stufe Standard wählt Fusion in Copilot CLI, der Copilot App und VS Code für jede Anfrage zwischen einem auf dem Rechner ausgeführten Modell und einem Cloud-Modell. Unter Windows werden Download und Einrichtung von MAI Code 1.1 Flash über den Windows ML Provider verwaltet. Unter Windows, macOS und Linux akzeptiert Copilot CLI auch ein lokales Modell, das über einen OpenAI-kompatiblen Server bereitgestellt wird, etwa MAI Code 1.1 Flash oder Qwen3.8 Flash Next; ein vom Nutzer eingebrachtes Modell (BYOK) kommt nicht automatisch für Fusion infrage. GitHub weist darauf hin, dass die Sitzung dadurch nicht offline wird: Die Routing-Entscheidungen werden weiterhin in der Cloud getroffen, und lokale Modelle können andere Sicherheitsvorkehrungen haben.

🔗 Das Changelog von GitHub

Copilot für JetBrains erhält Fusion und macht lokale Sandboxes und next edit suggestions allgemein verfügbar

28. Oktober — Das GitHub Copilot Plugin für die JetBrains-IDEs holt zu den anderen Clients auf. Copilot Fusion ersetzt dort die Option Auto, mit seinen drei Aufwandsstufen, einer schrittweisen Einführung für alle Nutzer und einem auf die ersten 30 Tage begrenzten Rabatt von 30 %. Lokale Sandboxes, die den Zugriff von Agentenbefehlen auf das Dateisystem, das Netzwerk und Zugangsdaten gemäß den Richtlinien des Entwicklers oder der Organisation einschränken, werden ebenso wie next edit suggestions allgemein verfügbar. Das Agent Harness von Microsoft Copilot wird zur Standardauswahl, sofern es verfügbar ist. Eine Seitenleiste bündelt die Sitzungen, und beim Bewegen des Mauszeigers über einen Agenten-Turn werden dessen Dauer und Token-Verbrauch pro Modell angezeigt.

🔗 Das Changelog von GitHub

---

Copilot wird zu einem einheitlichen Cloud-Erlebnis mit Cloud-Sandboxes und einem Actions-Rechenkontingent in Dollar

28. Oktober — GitHub vereint seine Copilot-Oberflächen in einem einzigen Cloud-Erlebnis, das in kostenpflichtigen Tarifen allgemein verfügbar ist und ab dem 28. Oktober schrittweise eingeführt wird. Eine Aufgabe, die auf github.com, GitHub Mobile, Copilot CLI, der Copilot App, VS Code, Slack oder Microsoft Teams gestartet wird, wird zu einer einzigen Sitzung, die überall in derselben Liste erscheint und auf jeder anderen Oberfläche fortgesetzt werden kann: auf dem Telefon per Sprache oder Bild beschrieben, im Web fortgeführt und in VS Code abgeschlossen. Nutzer von Copilot Free behalten Copilot Chat auf github.com und auf Mobilgeräten.

Jede Sitzung läuft standardmäßig in einer von GitHub verwalteten Cloud-Sandbox, ohne Begrenzung der Gesamtlaufzeit auf eine Stunde. Beim Beenden wird ein Snapshot erstellt, damit sie andernorts fortgesetzt werden kann. Cloud-Sitzungen verfügen über Bash, GitHub CLI, Codesuche, Konnektoren, MCP-Server und Skills; die Befehle /rubber-duck und /context kommen ins Web und auf Mobilgeräte. GitHub Mission Control steuert lokale Sitzungen vom Telefon aus, und mit der Option --environment-host lässt sich der eigene Rechner oder eine VM als Umgebung registrieren. Unternehmen behalten über die Richtlinie „Copilot in the cloud“ die Kontrolle: Sitzungen sind standardmäßig auf eine Organisation oder persönliche Repositorys beschränkt, SSO ist erforderlich.

Die grundlegendste Änderung betrifft die Abrechnung:

Änderung bei der Abrechnung	Von GitHub angekündigtes Detail
Enthaltenes Actions-Kontingent	Ein Dollar-Guthaben statt einer Anzahl von Minuten auf Standard-Runnern
Vom Guthaben abgedeckte Nutzung	Gehostete Standard-Runner, Cloud-Sandboxes und bei Team und Enterprise Cloud auch larger runners
Abrechnung der Sandboxes	Ab November 2026, zunächst aus dem Guthaben
Betroffene Tarife	GitHub Free, Pro, Free for organizations, Team und Enterprise Cloud

Jedes Produkt behält seinen veröffentlichten Preis; nur die Berechnung des enthaltenen Kontingents ändert sich.

🔗 Das Changelog von GitHub

Die GitHub Copilot App startet Projects als öffentliche Preview zur Steuerung von Agenten über mehrere Repositorys hinweg

28. Oktober — Die GitHub Copilot App erhält Projects als öffentliche Preview. Ein Projekt bündelt ein Ziel, dessen Kontext (Repositorys, Entwürfe, Slack-Threads, Besprechungsnotizen), die Agenten und ihre Ergebnisse für Arbeiten, die über ein Repository oder eine Sitzung hinausgehen: eine auf mehrere Repositorys verteilte Funktion oder einen Einführungsplan, der Spezifikationen und Entwürfe einbezieht, ohne den Code anzufassen. Copilot startet im Hintergrund so viele Agenten wie nötig in parallelen Sitzungen und liefert Pull Requests zur Prüfung zurück. Projektautomatisierungen übernehmen wiederkehrende Aufgaben, etwa ein Werbevideo für jede ausgelieferte Funktion. Die App bezieht außerdem Kontext aus Slack und Figma und generiert Bilder im Chat. Die Steuerung von Desktop-Anwendungen (computer use) bleibt unter macOS und Windows in der öffentlichen Preview, wie bereits seit dem 1. Oktober.

🔗 Das Changelog von GitHub

VS Code 1.144 und Copilot: Agent Host, durchgängige Sitzungen bis aufs Telefon und offenes AHP-Protokoll

28. Oktober — VS Code 1.144, am Tag der Universe veröffentlicht, richtet den Editor auf diese durchgängigen Sitzungen aus. Eine über das Agents-Fenster in der Cloud gestartete Sitzung findet sich in der Copilot App, auf GitHub Mobile, auf github.com oder in der CLI wieder, ebenso wie eine Sitzung, die in einer Direktnachricht auf Slack oder Teams gestartet wurde. Lokal entkoppelt der Agent Host die Sitzungen von den Fenstern: Der Agent arbeitet nach dem Schließen des Ordners weiter, kann über Remote SSH oder dev tunnels auf einem anderen Rechner laufen und lässt sich über GitHub Mobile steuern, während er auf dem Entwicklungsrechner arbeitet.

Das auf dem Microsoft Copilot SDK basierende Copilot Harness wird zur Standardauswahl für neue Sitzungen. GitHub öffnet das Agent Host Protocol (AHP), damit Clients von Drittanbietern an denselben Sitzungen teilnehmen können, mit Bibliotheken für TypeScript, Rust, Go, Kotlin und Swift. VS Code ergänzt außerdem den parallelen Vergleich von Modellen und Harnesses mit einem Bewertungsmodell und einer Zusammenfassung (Preview), die experimentelle Computersteuerung (computer use), einen Marktplatz für Anpassungen (Customization Marketplace: Skills, MCP-Server, Plugins) und Copilot-Konnektoren als Preview.

🔗 Das Changelog von GitHub · Die Versionshinweise zu VS Code 1.144

Agent Merge überwacht und repariert Pull Requests direkt auf GitHub in der Cloud

28. Oktober — Agent Merge, bereits in der Copilot App und in VS Code vorhanden, kommt auf die Pull-Request-Seite. Eine Option „Watch and fix“ im Merge-Bereich beauftragt Copilot damit, den Pull Request zu überwachen und fehlgeschlagene Actions-Workflows, Merge-Konflikte oder beides selbstständig in einer Cloud-Entwicklungsumgebung zu beheben. In Kombination mit automatischem Zusammenführen (auto-merge) hält Copilot den Pull Request bereit, und GitHub führt ihn zusammen, sobald alle Bedingungen erfüllt sind. Die Option lässt sich in den Copilot-Einstellungen standardmäßig für alle eigenen Pull Requests aktivieren. Sie ist kostenpflichtigen Tarifen vorbehalten und unterliegt den Richtlinien der Organisation und des Unternehmens.

🔗 Das Changelog von GitHub

---

Copilot Memory wird allgemein verfügbar, Copilot Dreaming startet als Preview und die Codesuche geht über das lokale Repository hinaus

28. Oktober — GitHub bündelt unter dem Namen „GitHub intelligence“ drei Kontextbausteine aus dem Datengraphen der Plattform. Der erste, Copilot Memory, wird nach fast einem Jahr mit Preview-Versionen in kostenpflichtigen Tarifen allgemein verfügbar. Copilot merkt sich persönliche Präferenzen (etwa Pull-Request-Beschreibungen mit einer Zusammenfassung zu beginnen) und Konventionen eines Repositorys (den richtigen Testbefehl) und verwendet sie über Sitzungen und Clients hinweg wieder: in der App, der CLI, VS Code, dem cloud agent, Copilot code review, Slack, Teams und auf Mobilgeräten. Persönliche Erinnerungen lassen sich in den Copilot-Einstellungen verwalten. GitHub nennt ein Ergebnis mit klar begrenztem Geltungsbereich: Von den während der öffentlichen Preview untersuchten Copilot-CLI-Sitzungen, in denen der Agent den Speicher genutzt hatte, zeigten 93 % eine bessere Einhaltung der Entwicklerpräferenzen und 42 % effizientere Arbeitsabläufe, was auf die Erinnerungen zurückgeführt wurde.

Der zweite Baustein, Copilot Dreaming, startet als öffentliche Preview per Opt-in. Copilot „träumt“ über vergangene Arbeit, um spätere Sitzungen zu verbessern, mit drei Arten von Träumen: Es ordnet den persönlichen Speicher, schlägt Aktualisierungen der Skills und Anweisungsdateien des Repositorys vor und wandelt akzeptierte Rückmeldungen aus Code-Reviews in Vorgaben für Copilot code review um. Änderungen an versionierten Dateien werden dem Team als Pull Request vorgelegt, und jede Ausführung verbraucht IA-Credits.

Der dritte Baustein erweitert die Codesuche von Copilot über die lokale Kopie hinaus: Code, Konfigurationen, Schemata und Dokumentation in verknüpften Repositorys und Abhängigkeiten, ohne Klonen, per exakter Textsuche, Symbolen, regulären Ausdrücken, Filtern oder semantischer Suche. Der Befehl /research nutzt dies beispielsweise, um vor der Planung einer Migration zu verstehen, wie mehrere Dienste erneute Zahlungsversuche handhaben.

Baustein von GitHub intelligence	Status am 28. Oktober
Copilot Memory	Allgemein verfügbar in kostenpflichtigen Tarifen
Copilot Dreaming	Öffentliche Preview per Opt-in, Ausführungen werden in IA-Credits abgerechnet
Codesuche über das Repository hinaus	Verknüpfte Repositorys und Abhängigkeiten, ohne lokalen Klon, von /research genutzt

🔗 Das Changelog von GitHub

---

Copilot Automations werden teilbar, verbessern sich selbst und erhalten 24 Trigger, 20 Tools und Credit-Limits

28. Oktober — Copilot Automations, jene Workflows, die einen Prompt, Trigger und zugelassene Tools kombinieren, um Copilot in der Cloud arbeiten zu lassen, machen mehrere Schritte auf einmal: nach den zeitgesteuerten oder ereignisbasierten Automatisierungen vom 2. Juni und dem Auslösen per Kommentar vom 3. August.

Zunächst werden sie teilbar. Eine geteilte Automatisierung gehört dem Repository: Sie ist für alle mit Lesezugriff sichtbar und mit Schreibzugriff bearbeitbar, handelt unter der Identität von Copilot, rechnet ihre IA-Credits dem Eigentümer des Repositorys zu und läuft weiter, wenn ihr Autor das Team verlässt, samt Änderungsverlauf. Ihr Typ, persönlich oder geteilt, lässt sich nach der Erstellung nicht mehr ändern.

Anschließend lernen sie aus ihren Ergebnissen. Eine Triage-Automatisierung beobachtet, ob die von ihr gesetzten Labels korrigiert werden, eine Review-Automatisierung, ob ihre Kommentare akzeptiert werden. Eine zweite, wöchentlich ausgeführte Automatisierung analysiert diese Signale und schlägt Änderungen am Prompt, an den Tools oder an den Triggern vor, die erst nach menschlicher Freigabe angewendet werden.

Neuerung bei Copilot Automations	Angekündigtes Detail
Zusätzliche GitHub-Trigger	24 Ereignisse: Issues, Pull Requests, Discussions, Warnungen zu Code Scanning, Secrets und Dependabot
Externes Auslösen	REST-API, beispielsweise aus Jira, Sentry oder PagerDuty
Verkettung	Eine Automatisierung kann je nach Erfolg oder Fehlschlag eine weitere starten
Zusätzliche GitHub-Tools	20, darunter das Zusammenführen von Pull Requests und das erneute Starten von Workflows, dazu benutzerdefinierte MCP-Server
Limits für IA-Credits	Pro Ausführung, pro Tag, pro Woche oder pro Monat

In VS Code 1.144 lassen sich Cloud-Automatisierungen über den Tab Automations im Agents-Fenster erstellen und verwalten. Sie laufen auch bei ausgeschaltetem Rechner. Sie sind in den Tarifen Pro, Pro+, Max, Business und Enterprise verfügbar.

🔗 Das Changelog zu den neuen Tools und Triggern · Geteilte Automatisierungen · Selbstverbesserung

GitHub Agentic Workflows wird allgemein verfügbar

28. Oktober — GitHub Agentic Workflows, das Open-Source-Projekt von GitHub Next, das Coding-Agenten in GitHub Actions ausführt, wird auf github.com für Free, Team und Enterprise allgemein verfügbar, nach einer technischen Preview im Februar und einer öffentlichen Preview im Juni. Eine Reasoning-Aufgabe wird in Markdown beschrieben (Issue-Triage, Analyse von CI-Fehlern, Aktualisierung der Dokumentation, Schreiben von Tests); das Tool kompiliert sie in standardmäßiges Actions-YAML, das von Copilot oder einem anderen Coding-Agenten ausgeführt wird. Die standardmäßig verwendete Engine, Copilot CLI, erfordert eine Copilot-Lizenz.

Die Sicherheit bleibt zentral: standardmäßig nur Lesezugriff, ein isolierter Container hinter der Agent Workflow Firewall, validierte Ausgaben und ein eigener Job zur Bedrohungserkennung vor jeder Änderung. Die allgemein verfügbare Version ergänzt selbst gehostete ARC-Runner, die Budgetprognose gh aw forecast, die den experimentellen Status verlässt, einen Modellrouter, die Auswahl des Anbieters pro Workflow und eine Isolation in Micro-VMs. Accenture berichtet, dass 91 % der Commits eines Teams von der KI geschrieben wurden und die Zahl der Produktionsfehler von etwa 11 000 auf weniger als 1 000 pro Tag sank; diese Zahlen stammen vom Kunden.

🔗 Das Changelog von GitHub

GitHub öffnet 26 verifizierte MCP-Konnektoren für Copilot, die nur einmal verbunden werden müssen

28. Oktober — Die von GitHub verifizierten MCP-Server, Konnektoren genannt, starten schrittweise als öffentliche Preview in allen Copilot-Tarifen. Man wählt einen Dienst aus, meldet sich einmal an und nutzt die Verbindung überall: in der Copilot-App, in Copilot CLI (Befehl /mcp, Registerkarte Connectors), in VS Code, in Cloud-Sitzungen und in GitHub Mobile, ohne einen Server installieren oder Zugangsdaten verwalten zu müssen. Zum Start stehen 26 Dienste zur Verfügung, darunter Slack, Figma, Notion, Sentry, Linear, Atlassian Rovo, Cloudflare, Vercel und Work IQ. Diese Verbindungen können auch geplante Automatisierungen in der App versorgen. In Business und Enterprise muss die Richtlinie Editor preview features aktiviert sein; einige Dienste erfordern außerdem eine Aktivierung auf ihrer Seite, etwa der MCP-Zugriff von Slack.

🔗 Das Changelog von GitHub

---

Sicherheit und Code-Review im Zeitalter der Agenten: AI Scan, Sicherheitserweiterung der Copilot-App, Copilot code review Max, Agent Habitat von Replit und SB-Box von Genspark

Am selben Tag erweitert GitHub seine Sicherheitswerkzeuge auf von KI geschriebenen Code und auf Anwendungen, die KI einbetten, während Replit und Genspark erläutern, wie sie Agenten isolieren.

GitHub erweitert seine Sicherheit auf KI: AI Scan für Repositories, Erkennung von Schwachstellen in KI-Anwendungen und Push Protection per Klassifikator

28. Oktober — GitHub ergänzt drei KI-gestützte Sicherheitsbausteine, alle als öffentliche Preview. AI Scan, seit dem 15. Oktober für Pull Requests allgemein verfügbar, wird auf das gesamte Repository ausgeweitet: Ein agentischer Scanner untersucht innerhalb eines festen Zeitbudgets den Code mit dem höchsten Risiko im letzten Commit des Standard-Branches, auch in Sprachen, die CodeQL nicht abdeckt. Dabei ignoriert er bereits von CodeQL gemeldete Probleme. Seine Warnungen erscheinen in der Code-Scanning-Liste und lassen sich mit dem agentischen Autofix beheben. Eine Copilot-Lizenz ist nicht erforderlich; abgerechnet wird in Code Security AI credits.

Code Scanning erkennt nun außerdem in Pull Requests die für KI-Anwendungen typischen Schwachstellen: indirekte Prompt Injection, Offenlegung sensibler Informationen und übermäßige Handlungsautonomie (excessive agency), mit einer Lizenz für GitHub Advanced Security. Schließlich stützt sich Push Protection auf einen gemeinsam mit Microsoft Applied Sciences entwickelten Klassifikator, der die Verwendung eines Secrets im umgebenden Code beurteilt, um auch Secrets ohne bekanntes Format zu blockieren: In den ersten Ergebnissen hat er die Zahl der Pushes, bei denen ein Secret abgefangen wurde, mehr als verdoppelt.

🔗 AI Scan für Repositories · Code Scanning für KI-Anwendungen · Push Protection per Klassifikator

Eine Sicherheitserweiterung bringt Code-Scanning-Warnungen und /security-review in die GitHub-Copilot-App

28. Oktober — Die GitHub-Copilot-App erhält die Erweiterung GitHub security als öffentliche Preview, um Code-Scanning-Warnungen direkt in der App zu bearbeiten. Sie listet die offenen Warnungen des Repositories nach Schweregrad auf; man wählt eine oder mehrere aus und bittet Copilot, sie zu erklären (Explain) oder zu beheben (Fix). Die Änderungen bleiben dabei in der lokalen Arbeitskopie, ohne Commit oder Push. Der Befehl /security-review analysiert die aktuellen Änderungen vor dem Öffnen eines Pull Requests. Die Erweiterung wird mit copilot plugin install github-security@awesome-copilot als Plugin installiert; Explain, Fix und /security-review verbrauchen KI-Credits, das Anzeigen und Verwerfen von Warnungen hingegen nicht. Sie funktioniert auf github.com und auf GitHub Enterprise Cloud mit Datenresidenz, aber nicht auf GitHub Enterprise Server.

🔗 Das Changelog von GitHub

Copilot code review ergänzt die Stufe Max mit mehreren Modellen und macht seine Genehmigungen allgemein verfügbar

28. Oktober — Copilot code review erhält neben Lite und Balanced eine dritte Aufwandsstufe, Max, als öffentliche Preview. Sie ist für riskante Änderungen gedacht, etwa an einer Authentifizierungslogik oder einer von mehreren Diensten gemeinsam genutzten Bibliothek. Dafür arbeiten mehrere unabhängige Review-Agenten mit Modellen unterschiedlicher Anbieter. Anschließend führt ein Aggregationsagent ihre Befunde zusammen, entscheidet bei Meinungsverschiedenheiten und prüft die Richtigkeit, bevor er ein einziges Review erstellt. Laut dem Keynote-Beitrag erzielt Max bei Problemen mit hohem Schweregrad den besten F1-Score auf ReviewBench, ohne dass der Wert veröffentlicht wird. Die Stufe benötigt mehr Zeit und verbraucht mehr KI-Credits als die beiden anderen.

Parallel werden die Genehmigungen von Copilot allgemein verfügbar: Ist die Funktion aktiviert, zählt die Genehmigung von Copilot wie die eines Menschen zu den erforderlichen Genehmigungen des Repositories, und jeder neue Commit hebt sie auf. Standardmäßig sind sie deaktiviert und lassen sich pro Unternehmen, Organisation oder Repository einschalten, wobei die betroffenen Dateipfade eingeschränkt werden können.

🔗 Das Changelog von GitHub

Replit veröffentlicht seine Sicherheitsarchitektur Agent Habitat mit einer Reifegradskala über 11 Dimensionen

28. Oktober — Replit veröffentlicht das Whitepaper Agent Habitat Architecture, das eine Sicherheitsarchitektur für die Arbeitsumgebung von Agenten und eine Skala zu ihrer Bewertung vorschlägt. Der Ausgangspunkt ist ausdrücklich formuliert: Die Schutzmaßnahmen müssen auch dann greifen, wenn der Agent nicht kooperiert, vom vorgesehenen Verhalten abweicht, durch gelesene Inhalte manipuliert wird oder nach einer Schwachstelle sucht. Die Architektur trennt vertrauenswürdige, teilweise vertrauenswürdige und nicht vertrauenswürdige Zonen und macht einen Vermittler für Zugangsdaten (credential broker) zum einzigen Weg nach außen: Der Agent sieht niemals die tatsächlichen Secrets. Dazu kommen zwölf Prinzipien, darunter Berechtigungen, die sich während einer Ausführung nur weiter einschränken lassen, und eine menschliche Genehmigung für jede unumkehrbare Aktion.

Die Reifegradskala umfasst 11 Dimensionen, von der Sandbox-Isolation bis zur Workload-Identität, die jeweils von 0 bis 3 bewertet werden und entsprechende Nachweise erfordern: Stufe 1 schützt vor Unfällen, Stufe 2 vor Prompt Injection, Stufe 3 vor einem Agenten, der aktiv auszubrechen versucht. Ein System ist dabei nur so gut wie seine niedrigste Einzelbewertung. Im begleitenden Beitrag kündigt CTO Luis Héctor Chávez ohne Termin pro Aufgabe einstellbare Richtlinien für Agentenaktionen an, einen Security Agent, der auch Beiträge zu Unternehmens-Codebasen abdeckt, sowie eine Erkennung verdächtiger Aktivitäten auf Grundlage der eBPF-Überwachung von Sandboxen. Preise werden nicht veröffentlicht.

🔗 Das Whitepaper von Replit · Der Beitrag des CTO

Genspark öffnet SB-Box, seine Sandboxen in virtuellen Maschinen für Agenten, als Beta

28. Oktober — Genspark öffnet seine Sandbox-Infrastruktur, auf der die eigenen Agenten laufen, unter dem Namen SB-Box als Beta für Entwickler. Jede Sandbox ist eine vollständige virtuelle Maschine mit eigenem Kernel, kein Prozess oder Container. Nach 10 bis 15 Minuten Inaktivität wird sie eingefroren, wobei Prozesse, Arbeitsspeicher und Festplatte erhalten bleiben und nur noch die Festplatte berechnet wird; der nächste Befehl oder eine HTTP-Anfrage an einen ihrer Ports weckt sie wieder auf. Jedes Einfrieren erzeugt eine Version, die geklont oder wiederhergestellt werden kann, und die Laufzeit wird niemals begrenzt: Allein das verbleibende Credit-Guthaben setzt die Grenze.

SB-Box-Messgröße (Genspark-Plattform)	Angegebener Wert
Start einer Maschine mit 4 Go (Median)	0,35 s
Start (90. und 99. Perzentil)	0,43 s und 0,70 s
Fortsetzen nach dem Einfrieren (Median)	0,8 s
Aufbewahrung des Arbeitsspeichers nach dem Einfrieren	14 Tage

SB-Box lässt sich über das CLI gsk oder eine REST-API steuern und über eine SKILL.md-Datei in einen Coding-Agenten integrieren, mit opencode als Demonstrationsbeispiel; in Claude Code übernimmt das CLI die Sitzungs-ID automatisch. Ein Kostenbeispiel von Genspark: 41 Minuten tatsächliche Laufzeit auf einer Maschine mit 2 vCPU und 4 Go ergeben 56 Rechen-Credits für die Woche, eine Festplatte mit 20 Go kostet zusätzlich 24 Credits pro Tag.

🔗 Der Thread von Genspark · Die Seite von SB-Box

---

NVIDIA veröffentlicht Nemotron 3.5 Transcribe, ein offenes Modell für Transkription, Sprecherzuordnung und Übersetzung in 40 Sprachen

28. Oktober — NVIDIA veröffentlicht Nemotron 3.5 Transcribe, ein offenes Modell, das in einem einzigen Checkpoint Transkription in 40 Sprachen, Übersetzung aus 31 Sprachen ins Englische und umgekehrt, Sprecherzuordnung (Diarisierung) in 13 Sprachen für bis zu acht Stimmen, Zeitstempel, Spracherkennung, Fragen zum Audio und die Schwärzung personenbezogener Daten vereint. Es verarbeitet aufgezeichnete Dateien mit bis zu einer Stunde Länge, kein Streaming, und lässt sich durch Anweisungen in natürlicher Sprache steuern: Namen der Sprecher hinzufügen, übersetzen, medizinische Schreibweisen beachten.

Das Modell ist ein hybrides Mixture-of-Experts-Modell aus Mamba-2–Transformer. NVIDIA kündigt es als „30B“ mit etwa 4B aktiven Parametern an; die Modellkarte auf Hugging Face nennt insgesamt 34B, davon 4,3B aktive Parameter, einschließlich des Audio-Encoders. Es wird in BF16, FP8 und NVFP4 bereitgestellt, passt auf eine einzelne H100 mit 80 Go und erscheint unter der Lizenz OpenMDW-1.1, die laut Modellkarte die kommerzielle Nutzung erlaubt. Es ist auf Hugging Face und ModelScope veröffentlicht, mit einer Online-Demo.

Benchmark (Modellkarte)	Nemotron 3.5 Transcribe	Bester genannter Konkurrent
Open ASR Englisch, 9 öffentliche Datensätze (durchschnittliche WER)	4,71	4,94 (Qwen3-ASR-1.7B)
Open ASR long format (durchschnittliche WER)	10,98	13,37 (Parakeet-TDT-0.6B-v3)
Open ASR mehrsprachig, 7 Sprachen (durchschnittliche WER)	4,62	6,49 (Qwen3-ASR-1.7B)
Mehrere Sprecher, vollständige Sitzungen (cpWER)	15,80	16,83 (DiCoW v3.3 + DiariZen)
Artificial Analysis (WER, NVIDIA-Thread)	2,81 %	2,77 % (Voxtral Small, 24B)

Die Zahlen für Englisch unterscheiden sich je nach Quelle: Der NVIDIA-Thread meldet mit einer durchschnittlichen WER von 5,33 % den ersten Platz unter den offenen Modellen auf dem Open ASR Leaderboard von Hugging Face, während die Modellkarte 4,71 auf neun öffentlichen Datensätzen angibt, gemessen am 12. Oktober. Bei der Sprecherzuordnung belegt das Modell den ersten Platz im Vergleich von VoiceArena mit 14 Systemen sowie in der Rangliste für mehrsprachige Diarisierung von David AI mit 21 Sprachen.

On @ArtificialAnlys , Nemotron 3.5 Transcribe achieves a 2.81% word error rate with ~4B active parameters. Voxtral Small scores 2.77% with 24B. Nearly the same transcription accuracy, with about one-sixth the active parameters.

🇩🇪 Auf Artificial Analysis erreicht Nemotron 3.5 Transcribe eine Wortfehlerrate von 2,81 % mit etwa 4B aktiven Parametern. Voxtral Small erzielt 2,77 % mit 24B. Eine nahezu identische Transkriptionsgenauigkeit mit etwa einem Sechstel der aktiven Parameter. — @NVIDIAAI auf X

Beim Durchsatz nennt die Modellkarte bis zu 2 238 Sekunden transkribiertes Audio pro Sekunde auf einer RTX PRO 6000 Blackwell Server Edition, allerdings mit der optimierten Implementierung des NIM Nemotron Transcribe: Diese Optimierungen sind noch nicht in der Open-Source-Version enthalten, deren vLLM-Integration etwa doppelt so langsam ist. Quantisierte Versionen für RTX Spark, DGX Spark und Jetson AGX Thor sind für die nächste Zeit angekündigt. NVIDIA ergänzt das Modell schließlich um die mehrsprachigen Daten Granary v2, die seit Mitte September auf dem Hub verfügbar sind, eine wiederverwendbare Kuratierungspipeline und die Fine-Tuning-Rezepte von NeMo Speech: In einem medizinischen Anwendungsfall reduziert das Fine-Tuning die Fehlerrate gegenüber der besten Anweisung um 45,8 %.

🔗 Der Thread von NVIDIA · Der Beitrag auf Hugging Face · Die Modellkarte

ElevenLabs stellt Cue vor, sein Modell für zeichengenaues Forced Alignment, das Scribe antreibt

28. Oktober — ElevenLabs stellt Cue vor, ein Modell für erzwungene Ausrichtung (forced alignment), das jedes Zeichen einer Transkription auf der Zeitachse des Audios positioniert. Es ist der unsichtbare Baustein, der einen Untertitel im richtigen Moment einblendet, eine synchronisierte Dialogzeile ausrichtet oder Liedtext mit Musik abgleicht. Cue arbeitet bereits im Hintergrund aller Scribe-Transkriptionen von ElevenLabs und lässt sich eigenständig über die Forced Alignment API nutzen; es verarbeitet eine ganze Aufnahme in einem Durchgang, ohne sie in Ausschnitte von 30 Sekunden zu zerlegen.

Messgröße (laut ElevenLabs)	Cue	Andere getestete Alignment-Modelle
Durchschnittlicher Fehler, vollständige Aufnahmen	179 ms	283 ms bis über 6 000 ms
Durchschnittlicher Fehler, Englisch mit Störgeräuschen	57 ms	65 bis 920 ms
Alignment einer Stunde Audio	etwa 0,5 s auf der Produktions-GPU	knapp 2 s (Qwen3-ForcedAligner)
Lieder: Wörter mit einer Abweichung unter 0,3 s	92,7 %	82,0 % (bester Konkurrent)

Der Beitrag nennt an einer Stelle 29 Benchmark-Sprachen und an einer anderen mehr als 90.

🔗 Der Beitrag von ElevenLabs

HeyGen veröffentlicht Voice STS, das eine aufgezeichnete Sprechdarbietung auf die Stimme eines Avatars überträgt

28. Oktober — HeyGen ergänzt HeyGen Voice um einen Sprache-zu-Sprache-Modus (speech-to-speech, STS). Statt einen Text von einer synthetischen Stimme vorlesen zu lassen, nimmt der Nutzer seine Dialogzeile einmal auf, und HeyGen Voice STS gibt sie mit der Stimme seines Avatars wieder, einschließlich Pausen, Betonungen und Flüstern. Der Modus ist auf der Entwicklerplattform für Instant-Stimmen zu 0,12 Dollar pro Minute erzeugtem Audio verfügbar, sekundengenau abgerechnet, über das Modell heygen-voice-sts-0: Quellausschnitte von bis zu 300 Sekunden, WAV-Ausgabe mit derselben Länge. Er ergänzt HeyGen Voice, das am 14. Oktober vorgestellt wurde, und Voice Turbo, das am 21. gestartet ist.

🔗 Die Ankündigung von HeyGen · Die Modellseite

Suno startet einen MCP-Server als Beta, um Songs aus Claude, ChatGPT, Gemini oder Cursor heraus zu erstellen

28. Oktober — Suno startet Suno MCP als Beta, einen MCP-Server, mit dem sich Musik erstellen lässt, ohne den Assistenten zu verlassen. Sobald Suno als Konnektor in Claude, ChatGPT, Gemini, Claude Code oder Cursor hinzugefügt wurde, beschreibt man das Stück in Alltagssprache: Die KI schreibt Liedtext und Stilvorgaben, Suno produziert den Song, den man mit weiteren Prompts überarbeitet. Der Server übernimmt die wichtigsten Funktionen von Suno: von einer Sprachnotiz oder einem Loop ausgehen, Coverversionen, Verlängerungen und Mischungen (mashups) eigener Stücke erstellen und mit der eigenen Suno-Stimme singen. Es gibt keinen API-Schlüssel: Die Verbindung läuft über das Suno-Konto, verbraucht dessen Credits und speichert die Songs in dessen Bibliothek. Der frühzeitige Zugang lässt sich über ein Formular beantragen; Suno nennt weder einen Termin für die allgemeine Verfügbarkeit noch einen gesonderten Preis.

🔗 Die Ankündigung von Suno · Die Seite zu Suno MCP

---

KI und wissenschaftliche Forschung: das Komitee für OpenAIs Yang-Mills-Beweis, Anthropics AI for Science und Meta an fünf Universitäten

Drei Ankündigungen des Tages betreffen die Forschung: die Überprüfung eines von KI erarbeiteten Ergebnisses aus der mathematischen Physik sowie den Zugang zu Modellen von Anthropic und Meta für Forschungslabore.

Das Komitee von David Gross erläutert die Prüfung von OpenAIs Beweis zur Existenz der Quanten-Yang-Mills-Theorie

28. Oktober — Zwei Tage nach OpenAIs Beitrag zur Existenz der Quanten-Yang-Mills-Theorie stellt sich das mit der Prüfung des Beweises beauftragte Komitee in einer vom KITP (Kavli Institute for Theoretical Physics, University of California in Santa Barbara) veröffentlichten Erklärung vor. Unter dem Vorsitz von David Gross gehören ihm Michael R. Douglas, Arthur Jaffe, Igor R. Klebanov und Nikita Nekrasov an. OpenAI bat David Gross am 16. Oktober, den Beweis in Obhut zu nehmen und seine Verbreitung zu organisieren; das Komitee erklärt, im Dienst der akademischen Gemeinschaft zu handeln und „keinerlei Verantwortung gegenüber OpenAI“ zu haben.

Inhaltlich „scheint“ der Beweis, der die Existenz der Theorie einschließlich der Kopplung an Fermionen betrifft, „ein wichtiger Schritt“ hin zu einer strengen mathematischen Fundierung der Quantenfeldtheorie zu sein. Das Komitee ergänzt jedoch sofort, dass Confinement und die Massenlücke „weiterhin sehr wichtige offene Herausforderungen bleiben“: Die Frage der Massenlücke ist nicht entschieden. OpenAI stellt eine Formalisierung in Lean bereit; das Komitee wird zunächst prüfen, ob Definitionen und Aussage den Standards der Physik und Mathematik entsprechen, anschließend den Lean-Beweis veröffentlichen und danach seine vollständige Bewertung zusammen mit den 1 147 Seiten der vom Modell erzeugten Beweise vorlegen.

This is an experiment in how the academic community can deal with the rapid development of new knowledge by AI. We intend to proceed very carefully.

🇩🇪 Dies ist ein Experiment dazu, wie die akademische Gemeinschaft mit der raschen Entwicklung neuer Erkenntnisse durch KI umgehen kann. Wir beabsichtigen, mit großer Vorsicht vorzugehen. — Erklärung der Yang-Mills Working Group (KITP)

🔗 Die Erklärung auf der Website des KITP

Anthropics Programm AI for Science wird auf 20 Stiftungen, Institutionen und Forschungsprojekte ausgeweitet

28. Oktober — Anthropic erweitert sein im Mai 2025 gestartetes Programm AI for Science, das wissenschaftlichen Projekten kostenlose Claude-Credits bereitstellt, auf 20 Partner weltweit. Das Programm erreicht damit eine neue Größenordnung: Es unterstützt nun ganze Organisationen und nicht mehr nur einzelne Forschende. Ein Betrag wird nicht veröffentlicht.

Rolle der Partner	Organisationen
Förderer, die Credits weiterverteilen	Sloan Foundation, Simons Foundation, Schmidt Sciences, Open Source for Science Fund, National Science Foundation, CAS
Institutionen, die sie intern nutzen	Space Telescope Science Institute, Wellcome Sanger Institute, Francis Crick Institute, Imperial College London, EMBL, Gladstone Institutes
Direkt finanzierte Projekte	FlyWire, LEAP, AstroPath, gnomAD, Tau Ceti, Centre for Population Genomics

Zu den Projekten gehören FlyWire (Princeton), das das vollständige Konnektom der erwachsenen Fruchtfliege kartiert, gnomAD (Broad Institute), das genetische Variationen von mehr als 800 000 Menschen im Hinblick auf seltene Krankheiten untersucht, und Tau Ceti, das eine automatisch formalisierte mathematische Bibliothek in Lean aufbaut. Mehrere Projekte werden öffentliche Güter hervorbringen: offene Datensätze, Open-Source-Software, Standards und gemeinsam nutzbare Bibliotheken.

🔗 Der Beitrag von Anthropic

Meta unterstützt die Forschung an fünf US-Universitäten mit seinen Modellen Muse, SAM, DINO, V-JEPA und SeamlessM4T

28. Oktober — Meta kündigt die Unterstützung von Forschungsprojekten an fünf US-Universitäten an: Caltech (erweiterte Partnerschaft), der medizinischen Fakultät der Ohio State University, der Louisiana State University, der Indiana University und UTHealth Houston. Je nach Einrichtung kombiniert diese Unterstützung den Zugang zu Metas Modellen, die Zusammenarbeit mit seinen Forschenden und die Finanzierung bestimmter Projekte; ein Betrag wird nicht veröffentlicht. Die Teams werden mit der Muse-Familie (Muse Spark Open, Muse Wonder, Muse Spark, Muse Glimmer), den Vision-Modellen SAM, V-JEPA und DINO sowie dem Übersetzungsmodell SeamlessM4T arbeiten.

Am Caltech entwickelt Tony Yue Yu MathDB Frontier, einen Benchmark auf Grundlage von mehr als 86 900 offenen Problemen auf Forschungsniveau, und Anima Anandkumar entwickelt TorchLean, ein Lean-4-Framework für formal überprüfbare wissenschaftliche Artefakte. Die medizinischen Projekte laufen überwiegend mit Modellen mit offenen Gewichten, die an den Universitäten ausgeführt werden. Meta betont, dass ihm Patientendaten weder übermittelt werden noch zugänglich sind. UTHealth Houston hat etwa Muse Glimmer lokal bereitgestellt und Pilotversuche mit 65 Glioblastomfällen gestartet, die Meta als Validierung des Workflows und nicht als klinische Ergebnisse beschreibt.

🔗 Der Beitrag von Meta · Der Thread von Meta

---

KI in Behörden und Unternehmen: Claude mit 40 % Rabatt für den öffentlichen Sektor der USA, OpenAI und ServiceNow, Retell

Bei der Einführung senkt Anthropic seine Preise für den gesamten öffentlichen Sektor der USA, OpenAI erweitert seine Partnerschaft mit ServiceNow, und Retell beziffert seine Nutzung der Modelle von OpenAI.

Anthropic erweitert seine Partnerschaft mit der GSA und gewährt allen US-Verwaltungen 40 % Rabatt auf Claude

27. Oktober — Anthropic erweitert seine Partnerschaft mit der General Services Administration (GSA), der Beschaffungsbehörde der US-Bundesregierung. Die neue OneGov-Vereinbarung gewährt 40 % Rabatt auf Claude Enterprise, Claude for Government und die Claude API; laut Anthropic gilt der Rabatt erstmals für sämtliche Produktangebote, ab heute beim Direktkauf und in den kommenden Monaten auch über Cloud-Anbieter. Er gilt sowohl für die Bundesebene als auch für Bundesstaaten, Kommunen sowie Stammes- und Territorialregierungen, ohne Mindestausgabenverpflichtung. Anthropic schätzt die Einsparungen für den Staat auf 1 Milliarde Dollar. Die Vereinbarung folgt sechs Wochen nach OpenAIs OneGov 2.0, das die ChatGPT-Lizenz für 0 Dollar anbot.

Von Anthropic veröffentlichte Kennzahl	Angegebener Wert
US-Organisationen des öffentlichen Sektors als Kunden	etwa 500
Wöchentlich aktive Nutzer von Claude for Government	seit Februar etwa 8-mal so viele
Nutzung in zivilen Bundesbehörden	innerhalb eines Jahres etwa 20-mal so hoch
Claude-Code-Pilotprojekt in Utah	34 Entwickler aus 10 Behörden, 71 % mit mehr als 20 eingesparten Stunden

Bei der Compliance ist Claude for Government (FedRAMP High) seit dem 30. September verfügbar, während Claude Enterprise über das Programm FedRAMP 20x das Zulassungsverfahren für FedRAMP Moderate durchläuft. Ein Unterstützungsprogramm für Behörden soll in den nächsten Wochen folgen.

🔗 Der Beitrag von Anthropic

OpenAI und ServiceNow erweitern ihre Partnerschaft von ChatGPT auf Codex und Cybersicherheit

28. Oktober — Nach einer ersten Partnerschaft im Januar gehen OpenAI und ServiceNow einen Schritt weiter. Eine neue Integration bringt ServiceNow in ChatGPT: Ein IT-Team kann ähnliche Vorfälle finden, das Risiko einer Änderung bewerten und einen Datensatz aktualisieren, ohne das Tool zu wechseln. Jeder Kunde verbindet seine eigene Instanz und wählt die freigeschalteten Funktionen aus; die Action Fabric von ServiceNow setzt die bestehenden Geschäftsregeln und Berechtigungen durch. ServiceNow plant außerdem, allen Beschäftigten Zugang zu ChatGPT Work und Codex zu geben. Der Beitrag nennt weder einen Betrag noch Nutzungszahlen.

Bereich der Partnerschaft	Angekündigter Zeitplan
ServiceNow-MCP-Plugin im Marktplatz von OpenAI	Ab heute verfügbar, erweiterte Funktionen bis Ende 2026
Sprachfunktion von OpenAI in der Super Intelligence Control Tower	Erstes Quartal 2027
Gemeinsame Cybersicherheitslösung	Frühzeitiger Zugang im Januar 2027, allgemeine Verfügbarkeit im zweiten Quartal
Codex in der AI Workflow Factory von ServiceNow	2027

🔗 Der Beitrag von OpenAI

Retell verarbeitet mit den Modellen von OpenAI mehr als 100 Millionen Anrufe pro Monat

27. Oktober — In einer von OpenAI veröffentlichten Fallstudie erklärt Retell AI, das Sprachagenten für Kontaktzentren bereitstellt, die Zahl der Anrufe sei von 30 Millionen pro Monat Anfang 2026 auf mehr als 100 Millionen im September gestiegen, bei mehr als 4 000 Unternehmenskunden. Die Modelle von OpenAI erzeugen die Antworten für 80 % dieser Anrufe, und Retell hat mehr als 1 000 Milliarden Tokens verbraucht. Im eigenen Benchmark vCX, der auf schwierigen Gesprächen aus dem produktiven Betrieb basiert, liegt GPT-6 Astra bei der Befolgung von Anweisungen vorn (89,7 %), während GPT-5.6 Luna mit einer medianen Latenz von 497 ms bis zum ersten Satz gegenüber 883 ms bei Astra am schnellsten bleibt. Der Kunde Anker meldet eine Lösungsquote von 80,4 % der Anfragen, und Retell gibt einen auf das Jahr hochgerechneten Umsatz von 1,6 Millionen Dollar pro Beschäftigten an.

🔗 Die Fallstudie von OpenAI

---

Assistenten: API-Guthaben für ChatGPT-Abonnenten, Textnachrichten mit dem eigenen dot, Sprachmodus von Perplexity und Artefakte von Claude for Legal

Assistenten für Privatpersonen und berufliche Nutzer erschließen neue Einsatzmöglichkeiten: Guthaben für den Wechsel von ChatGPT zur API, Textnachrichten, Sprachsteuerung mehrerer Agenten und sofort einsetzbare Werkzeuge für Juristen.

OpenAI bietet ChatGPT-Pro- und Business-Abonnenten bis zu 500 Dollar API-Guthaben pro Monat

28. Oktober — OpenAI verbindet die ChatGPT-Abonnements mit seiner Entwicklerplattform: Berechtigte Pro- und Business-Abonnenten können jeden Monat kostenloses API-Guthaben beantragen, das einer API-Organisation gutgeschrieben wird, deren Inhaber sie sind, um Anwendungen und Agenten zu entwickeln. Die Aktivierung erfolgt über den Abrechnungsbereich von ChatGPT oder über die API Platform, mit derselben E-Mail-Adresse auf beiden Seiten.

Berechtigtes ChatGPT-Abonnement	API-Guthaben pro Monat
Pro, Tarif für 100 Dollar	100 Dollar
Pro, Tarif für 200 Dollar	200 Dollar
Pro, Tarif für 500 Dollar	500 Dollar
Business, bezahlter Standard-Nutzerplatz	20 Dollar pro Nutzerplatz, gemeinsam nutzbar
Business, bezahlter Premium-Nutzerplatz	100 Dollar pro Nutzerplatz, gemeinsam nutzbar
Obergrenze eines Business-Workspace	500 Dollar pro Monat, 6 000 Dollar pro Jahr bei jährlicher Abrechnung

Das Guthaben deckt Responses und Chat Completions, Agents, Decisions, GPT-Live und Realtime, Bilder sowie integrierte Tools ab, jedoch nicht die Nutzung von Codex per API-Schlüssel. Es erhöht auch keine Limits von ChatGPT oder von Codex bei verbundenem Konto. Es verfällt am Ende jedes Abrechnungszyklus ohne Übertrag und wird vor gekauftem Guthaben verbraucht. Das Abonnement muss bezahlt und seit mindestens 7 Tagen aktiv sein; Plus, Enterprise und Edu sind ausgeschlossen, das Angebot hängt von der Kohorte und dem Land ab, und OpenAI weist darauf hin, dass es geändert oder eingestellt werden kann.

🔗 Der Hilfeartikel von OpenAI · Das API-Changelog

ChatGPT ermöglicht Nachrichten an den eigenen dot per iMessage oder RCS, als Beta für Pro-Abonnenten in den USA

28. Oktober — Die auf dem DevDay am 29. September eingeführten dots von ChatGPT verlassen die App: Man kann ihnen nun Textnachrichten schreiben, per iMessage auf dem iPhone oder RCS auf Android. Laut den Release Notes wird die Funktion als Beta für Pro-Abonnenten in den USA ausgerollt. Man überträgt dem dot per Text, Foto oder Sprachnotiz eine Aufgabe oder etwas, das er beobachten soll. Er meldet sich selbstständig wieder, wenn eine Information dies rechtfertigt, und nutzt dabei dieselbe Erinnerung und dieselben Plugins wie in der App. Der dot kann nur seinem Besitzer schreiben, der als Einziger an ihn schreiben kann, und hat keinen Zugriff auf andere Unterhaltungen auf dem Telefon. Die Nachrichten laufen über Linq, einen Drittanbieter, mit dem OpenAI nach eigenen Angaben umfassende Penetrationstests durchgeführt hat, unterstützt durch seine leistungsfähigsten Modelle und externe Sicherheitsfirmen.

🔗 Die Release Notes von ChatGPT · Die Ankündigung von ChatGPT

Perplexity aktualisiert seinen Sprachmodus, der mit OpenAIs gpt-live-1 mehrere Computer-Sitzungen und Projects steuert

28. Oktober — Perplexity führt eine neue Version seines Sprachmodus für alle Pro- und Max-Abonnenten im Web und in der Mac-App ein. Das Update wurde vom Konto @AskPerplexity angekündigt und anschließend von @perplexity_ai erneut geteilt. Es ermöglicht, in einer einzigen Sprachunterhaltung mehrere Computer-Sitzungen gleichzeitig zu führen, neue Aufgaben zu starten sowie Projects zu erstellen oder zu verwalten. Es basiert auf gpt-live-1, dem Echtzeit-Sprachmodell von OpenAI, das seit dem 10. September über dessen API verfügbar ist. Aravind Srinivas fasst die Idee so zusammen: mit seinem Computer sprechen, um Workflows parallel voranzubringen. Sprachfunktionen sind bei Perplexity keine Premiere, da der Sprachmodus von Comet seit Februar allen offensteht und Computer seit März Sprachanweisungen akzeptiert; neu ist die Steuerung mehrerer Sitzungen und der Projects. Perplexity nennt weder unterstützte Sprachen noch Nutzungslimits oder die Kosten in Credits.

🔗 Die Ankündigung von Perplexity

Claude for Legal ergänzt eine Galerie mit einsatzbereiten Artefakten für die juristische Arbeit

28. Oktober — Anthropic ergänzt Claude for Legal, das seit Mai in Claude Enterprise angeboten wird, um eine Artefaktgalerie: interaktive Tools (Tracking-Tools, Dashboards), die Rechtsabteilungen mit eigenen Dokumenten und Konnektoren anpassen und anschließend im Unternehmen oder mit Mandanten teilen können, mit Datenschutzeinstellungen und einer Abschottung zwischen Teams (ethical walls). Jedes Artefakt öffnet sich mit einem Beispiel, und jede Antwort verweist auf ihre Quelle.

Die Galerie deckt sechs Aufgaben ab: Prüfung von Quellenangaben (Cite check), Vergleich einer Vorschrift zwischen Rechtsordnungen, Übersicht offener Fälle, Abweichungen von Klauseln gegenüber den Unternehmensvorgaben, Beobachtung bevorstehender Vorschriften und tabellarische Prüfung mehrerer Verträge. Hinzu kommen Artefakte von Partnern (Goodwin, Harvey, Foley & Lardner, PwC; Legora und Orrick angekündigt) sowie neun Artefakte für den Zugang zum Recht, darunter fünf von Organisationen, die durch Claude-Guthaben unterstützt werden. Seit Mai wurden mehr als 60 juristische Konnektoren hinzugefügt, darunter Bloomberg Law und Filevine, und Anthropic eröffnet eine Warteliste für sein Legal Ambassadors Program.

🔗 Der Artikel von Anthropic

---

Code-Agenten außerhalb von Copilot: Gemini CLI, Antigravity 2.28.0, Kimi Code 2.4.0, DeepSeek Harness und Replits Benchmark ViBench 2.0

Außerhalb von GitHub importieren die heutigen Code-Agenten die Sitzungen ihrer Konkurrenten oder delegieren Aufgaben an sie, und Replit veröffentlicht einen Benchmark, bei dem der Agent ein vollständiges Produkt entwickelt.

Gemini CLI konzentriert sich wieder auf Unternehmen mit Gemini Code Assist und verweist auf Antigravity CLI und Gemini API CLI

28. Oktober — Die README von Gemini CLI schlägt einen anderen Ton an. Die über Nacht zusammengeführte PR 29995 ersetzt die drei bisherigen Warnhinweise, darunter die am 16. Oktober hinzugefügten, durch einen einzigen Kasten mit der Aufforderung „Vor der Installation lesen“, der das Tool als Unternehmen mit Code Assist vorbehalten darstellt: Lizenzen für Gemini Code Assist Standard und Enterprise, Code Assist for GitHub auf Google Cloud sowie ältere kostenpflichtige Schlüssel für die Gemini API und Vertex AI. Nutzer des kostenlosen Angebots und der Abonnements Google AI Pro und Ultra werden seit dem 18. Juni weiterhin an Antigravity CLI verwiesen.

Der Text ergänzt zwei Warnhinweise: Gemini CLI ist weder für die Gemini-4-Serie einschließlich Argon noch für nachfolgende Generationen optimiert und soll nicht zur Bewertung von Gemini-Modellen verwendet werden, da sein Harness nicht repräsentative Ergebnisse liefert. Anschließend verweist eine Tabelle auf das passende Tool:

Kommandozeilentool	Von der README empfohlene Nutzung
Antigravity CLI (agy)	Programmieren mit Gemini 4 Argon und nachfolgenden Modellen, kostenloses Angebot, Google AI Pro und Ultra
Gemini API CLI (gemini-api)	Direkter Zugriff eines Agenten (agy, Claude Code, Codex), eines Skripts oder einer CI auf Modelle und Medien
Gemini CLI (gemini)	Organisationen mit Gemini Code Assist

Gemini API CLI, eine noch experimentelle Go-Binärdatei, die seit dem 23. Oktober in Version 0.4.4 vorliegt, wurde hier bisher noch nie vorgestellt: Die README beschreibt sie als zustandslose API-CLI, die kein Code-Harness ist. Bei den Versionen übernimmt die nächtliche Version (nightly) vom 28. Oktober lediglich die vier Fehlerbehebungen der am Vortag veröffentlichten Vorabversion v0.67.0.

🔗 Die PR 29995 · Das Repository von Gemini API CLI

Antigravity 2.28.0 ergänzt einen integrierten Browser, einen PDF-Viewer und Anhänge aller Dateitypen

26. Oktober — Nachtrag: Die Anwendung Antigravity 2.28.0 (19 Verbesserungen, 15 Fehlerbehebungen) integriert einen Webbrowser. Seiten öffnen sich in einem Tab der Seitenleiste, die verbreitert wurde, um mobile Layouts zu vermeiden. Links aus einer Unterhaltung werden dort standardmäßig geöffnet, und die Adressleiste zeigt den Verbindungsstatus sowie das Zertifikat der Website an. PDFs öffnen sich in einem integrierten Viewer, und Dateien aller Typen (Videos, Designdateien, Programme) bis zu 20 Mo lassen sich anhängen; der Agent liest sie an ihrem Speicherort. Die Version hebt außerdem geänderte Wörter und Zeichen in Diffs hervor, ermöglicht das erneute Öffnen eines geschlossenen Tabs und übergibt die Nachricht des Nutzers an Hooks. Zu den Fehlerbehebungen gehört, dass Unternehmenskonten unter macOS und Windows nach einem Neustart nicht mehr abgemeldet werden. Die CLI 1.4.0 und das SDK 0.1.22 bleiben unverändert.

🔗 Der Changelog von Antigravity

Kimi Code 2.4.0 importiert Sitzungen aus Claude Code und Codex und wechselt nicht mehr selbstständig in den Plan-Modus

28. Oktober — Moonshot AI veröffentlicht Kimi Code 2.4.0 (7 kleinere Änderungen, 26 Fehlerbehebungen), ohne Ankündigung auf X. Die sichtbarste Neuerung richtet sich an Nutzer, die das Tool wechseln: /import-sessions oder kimi import-sessions importiert die Sitzungen aus Claude Code und Codex der letzten 15 oder 30 Tage. Der Plan-Modus startet nur noch auf Wunsch des Nutzers, und kein Plan wird ohne vorherige Prüfung ausgeführt, auch nicht im Modus Never Ask oder bei nicht interaktiver Ausführung (kimi -p). Bei der Komponente Tower steigt die standardmäßige Parallelitätsgrenze von 16 auf 256 Agenten, wobei bei jedem Start ein Modell ausgewählt wird. Inaktive Web- und Desktop-Sitzungen werden nach 30 Minuten aus dem Speicher entladen. Für Integratoren ändert sich die Server-API: Genehmigungen und Fragen laufen über ein einheitliches Nachrichtenformat interaction, und die bisherigen Endpoints werden entfernt.

🔗 Die Versionshinweise zu Kimi Code 2.4.0

DeepSeek veröffentlicht Harness 0.2.2-alpha.2, das Aufgaben an die lokalen CLIs von Codex oder Claude delegieren kann, sowie 0.2.1-rc.4

28. Oktober — DeepSeek veröffentlicht zwei Vorabversionen seiner Agentenumgebung DeepSeek Harness, die 33. und 34. Vorabversion, weiterhin ohne stabile Version. 0.2.1-rc.4 behebt nur einen Fehler: Im ACP-Modus vermischten sich Diagnosemeldungen mit der Standardausgabe. 0.2.2-alpha.2 eröffnet die nächste Versionsreihe mit mehreren experimentellen Funktionen: dem Plugin subagent_oar, das unabhängige Aufgaben an die auf dem Rechner installierten CLIs von Codex oder Claude delegiert, Sitzungen in getrennten Git-Worktrees mit dem Status und den Diffs der zugehörigen Pull Requests sowie einem Statistikbereich, der für jeden Durchlauf Kontext, Cache, Modell und die in jedem Tool verbrachte Zeit aufschlüsselt. Die Oberfläche ist in sechs Sprachen übersetzt, darunter Französisch. Plugins von Drittanbietern werden bei fehlgeschlagenen Updates auf die vorherige Version zurückgesetzt, und die Grenze pro Bild steigt auf 50 Mio.

🔗 Die Vorabversion 0.2.2-alpha.2 · Die Vorabversion 0.2.1-rc.4

Replit veröffentlicht ViBench 2.0, einen Benchmark, bei dem Agenten ein vollständiges Produkt Funktion für Funktion entwickeln

28. Oktober — Replit veröffentlicht ViBench 2.0, einen Benchmark für langfristige Entwicklung (long-horizon), der in den Specialized Intelligence Index (SII) von Fireworks integriert ist. Statt einer klar definierten Aufgabe in einer bestehenden Codebasis beginnt der Agent mit einem leeren Projekt, erstellt anhand einer kurzen Spezifikation eine erste Version und ergänzt dann seinen eigenen Code um bis zu 18 Funktionen, für Produkte, die von Uber, GitHub oder Google Docs inspiriert sind. Der Benchmark umfasst 17 Produkte, 241 Funktionsanforderungen und 544 Testpläne; 8 Produkte sind auf GitHub öffentlich, 9 bleiben geheim.

Bewertetes Modell	Erfolgreiche Builds (pass@1)	Kosten pro Build
GPT-6.1 Sol	65 %	etwa 12 Dollar
GPT-6 Astra	60 %	etwa 90 Dollar
Claude Opus 5.5	49 %	—
DeepSeek V4.1 Flash	keine, aber 77 % der Testpläne erfolgreich	etwa 2,50 Dollar

Die ersten drei bestehen mehr als 90 % ihrer Testpläne, während die übrigen Modelle höchstens rund 20 % erfolgreiche Builds erreichen; kein offenes Modell liefert einen vollständigen Build. Bei den acht öffentlichen Produkten schafft GPT-6.1 Terra 47 % der Builds für etwa die Hälfte der Kosten von GPT-6.1 Sol. Rund drei Viertel der Fehlschläge der besten Modelle sind auf Wechselwirkungen zwischen Funktionen zurückzuführen. Opus 5.5 dient als Prüfer; Replit hat ihn mit 34 absichtlich eingebauten Bugs und einer erneuten Prüfung durch GPT-6.1 Sol getestet, der 99,2 % der 477 von Opus als erfolgreich bewerteten Fälle bestätigte.

🔗 Der Beitrag von Replit

---

Plattformen für Entwickler: Responses API von Mistral und Connected Apps Platform von Google

Zwei Plattformen öffnen sich für Entwickler: Mistral übernimmt das Antwortformat von OpenAI zum Aufbau von Agenten, und Google bietet eine zentrale Anlaufstelle zur Veröffentlichung von Anwendungen in Search und Gemini.

Mistral startet die Responses API als öffentliche Vorabversion zum Aufbau von Agenten

28. Oktober — Mistral stellt seine Responses API als öffentliche Vorabversion bereit, die für den Aufbau von Agenten konzipiert ist. Jede Antwort trennt den Modelltext, das Reasoning und die Tool-Aufrufe in einzelne Elemente, sodass die Anwendung diese Schritte nicht wie bei Chat Completions selbst auseinanderhalten muss. Sie funktioniert mit allen von Mistral gehosteten Chat-Modellen, einschließlich Mistral Large 4. Die Dokumentation stellt klar, dass es sich um das Format OpenAI Responses handelt: Eine bestehende Responses-Integration lässt sich daher auf Mistral übertragen. Die API ist zustandslos (stateless): Die Anwendung speichert den Verlauf und sendet ihn bei jeder Anfrage erneut mit.

Funktion der Vorabversion	Details laut Dokumentation
Unterstützte Eingaben	Text, Bilder (URL oder base64), Dateien (URL, base64, Kennung)
Strukturierte Ausgaben	JSON-Modus und JSON Schema über text.format
Tools	Clientseitig ausgeführte Funktionen, einschließlich Namespaces
Reasoning	reasoning.effort und Reasoning im Klartext je nach Modell
Token-Zählung	POST /v1/responses/input_tokens

Die API lässt sich mit den Python- und TypeScript-SDKs von Mistral (client.responses.create) nutzen; ein gesonderter Preis wurde nicht angekündigt. Zur Ankündigung, die in einem Thread auf X und auf einer Dokumentationsseite erfolgte, gibt es keinen Blogbeitrag.

🔗 Der Thread von Mistral · Die Dokumentation

Google startet die Connected Apps Platform als Vorabversion zur Veröffentlichung von Anwendungen in Search und der Gemini-App

28. Oktober — Google öffnet die Connected Apps Platform als Vorabversion, eine zentrale Anlaufstelle, über die Entwickler ihre Dienste sowohl an Google Search als auch an die Gemini-App anbinden können. Die Integration erfolgt über einen in der Cloud gehosteten MCP-Server oder über Android MCP mittels der AppFunctions-APIs. Anschließend wird die Anwendung in der Google Connected Console registriert, getestet und eingereicht. Dort wählt der Entwickler vor der Prüfung eine Veröffentlichung in Search, in Gemini oder in beiden aus. Nach der Veröffentlichung erfasst die Konsole Traffic, Latenz und Fehlerraten, und der Entwickler steuert seinen Markenauftritt (verifizierte Logos, authentifizierte Konten). Der Zugang wird schrittweise geöffnet; weitere Entwickler, Märkte und Google-Produkte sollen „in den kommenden Monaten“ folgen. Google gibt mehr als 50 Connected Apps an: Adobe, Experian, Localiza und Peloton sind bereits in Gemini verfügbar und kommen in den nächsten Wochen zu Search; außerdem ist eine Integration von Calm angekündigt.

🔗 Der Beitrag von Google

---

Kurzmeldungen

Agenten und Code-Tools

• Microsoft Copilot SDK — Das GitHub Copilot SDK wird zum Microsoft Copilot SDK, der Schnittstelle des gemeinsamen Agent Harness für Microsoft- und GitHub-Produkte, mit einer schrittweisen Migration ohne Handlungsbedarf; Copilot CLI 1.0.105 wird als stabile Version veröffentlicht, mit keiner weiteren Neuerung außer der bereits behandelten Korrektur bei der Auswahl von Fusion High oder Max. 🔗 Quelle
• Artefakte in Issues — GitHub Issues unterstützen in einer öffentlichen Preview Artefakte (Pläne in Markdown, Links, interaktive HTML-Visualisierungen) mit Versionsverlauf; Artefakte aus einer Sitzung der GitHub-App werden automatisch mit dem jeweiligen Issue verknüpft, und mit dem Befehl gh issue artifact können Agenten sie verwalten. 🔗 Quelle
• Die Antigravity-Erweiterungen für VS Code und Visual Studio ergänzen Code-Kommentare für den Agenten und Terminal-Kontext — Nachtrag zum 25. Oktober: Mit der VS-Code-Erweiterung 1.10.0 lässt sich eine Zeile oder ein Diff für den Agenten kommentieren, und die Visual-Studio-Erweiterung 1.0.261026.0 fügt dem Chat mit @terminal bis zu 8 KB Terminal-Ausgabe hinzu. 🔗 Quelle
• Zed 1.26 und Preview 1.27 — Version 1.26 wird als stabile Version veröffentlicht (integriertes Pyrefly, Debugging von WebAssembly-Quellen); die Preview 1.27 entfernt die Wiederherstellungspunkte des Agenten, die ihn in großen Git-Repositorys verlangsamten oder blockierten, und setzt nun macOS 12 voraus. 🔗 Quelle
• Persönliche Orbs bei Amp — Sechs Tage nach ihrer Einführung lassen sich die selbst gehosteten Orbs von Amp über die persönlichen Einstellungen hinzufügen, ohne Workspace oder Administratorrechte; darauf erstellte Threads tragen die Kennzeichnung Personal. 🔗 Quelle
• Qwen Code v0.26.3 — Die stabile Version übernimmt die Preview vom Vortag mit rund dreißig neuen Einträgen, darunter ein pro Sitzung persistenter Workflow-Modus; außerdem setzt die CLI für die Modellkennungen qwen4 standardmäßig einen Kontext von 1M Tokens an, ohne weitere Angaben zu einem solchen Modell. 🔗 Quelle
• Runway Dev in Codex — Runway Dev wird zu einem Plugin für Codex: Laut Runway genügt eine Installation, damit Codex die Runway-API selbstständig in eine Anwendung integriert; den MCP-Server von Runway Dev gab es bereits seit September. 🔗 Quelle
• Bricklane mit Manus entwickelt — Manus stellt Bricklane vor, das einen für einen Kunden bedeutsamen Ort in ein maßgeschneidertes Klemmbausteinmodell verwandelt (566 Teile und 13 Schritte für Villa de Verano); laut Manus hat der Agent die Website, die Zahlungsabwicklung, die Domain, das Video und die Werbung erstellt. Keine Produktneuheit. 🔗 Quelle

GitHub abseits von KI

• Dependabot und Erreichbarkeit — In einer kostenlosen Preview auf GitHub Enterprise Cloud zeigt CodeQL für JavaScript und TypeScript an, ob der Code die verwundbare Funktion einer Abhängigkeit tatsächlich aufruft, ohne jemals selbstständig eine Warnmeldung zu schließen. 🔗 Quelle
• Public monitoring — Die Überwachung von Unternehmens-Secrets, die irgendwo im öffentlichen Bereich von github.com offengelegt werden, ist nun allgemein verfügbar, ohne Aufpreis für Kunden von GitHub Secret Protection. 🔗 Quelle
• Linux-Runner auf AWS — GitHub Actions verteilt bestimmte Linux-Jobs mit 2 und 4 Kernen auf Azure und AWS, automatisch für Free, Pro und Team sowie nach Aktivierung für Enterprise Cloud; GitHub empfiehlt, die Listen zulässiger IP-Adressen zu aktualisieren. 🔗 Quelle
• Lockfiles für Workflows — Lockfiles für Abhängigkeiten von GitHub-Actions-Workflows sind auf Enterprise Cloud, Team und Free nun allgemein verfügbar, ohne neue Funktionen seit der Preview vom 14. Oktober. 🔗 Quelle
• Rolle Moderate — GitHub kündigte die allgemeine Verfügbarkeit einer Rolle Moderate an, mit der sich Issues ohne Zugriff auf den Code bearbeiten, übertragen, ausblenden und sperren lassen, korrigierte dies aber noch am selben Tag: Sie ist noch nicht verfügbar und soll in den kommenden Wochen erscheinen. 🔗 Quelle
• Limits für Pull Requests — Maintainer, die die Zahl der Pull Requests von Mitwirkenden ohne Schreibrechte begrenzen, können ausreichend alte Konten oder solche ausnehmen, deren Pull Requests bereits im Repository gemergt wurden. 🔗 Quelle

Modelle, API und offene Forschung

• DeepSeek V4.1 Flash und GLM 5.3 Flash bei Mistral — Die Mistral-API bietet DeepSeek V4.1 Flash 1017 unverändert als öffentliche Preview mit 1M Tokens Kontext zu 0,30 Dollar pro Million Input-Tokens und 1,20 Dollar pro Million Output-Tokens an und überführt GLM 5.3 Flash bei unverändertem Preis in die allgemeine Verfügbarkeit, jeweils aus Europa und den USA. 🔗 Quelle
• Voxtral Mini Transcribe 3 — Mistral verweist auf dessen zweiten Platz unter neun Modellen bei der Diarization-Fehlerrate in der Rangliste Diarization + ASR von Voice Arena, vor dem größeren Modell derselben Familie. 🔗 Quelle
• Benutzerdefinierte Moderation bei SpaceXSI — Die Release Notes der API dokumentieren nun offiziell das Array guidelines, mit dem Grok angewiesen wird, Inhalte der Kategorien nsfw, violence oder profanity abzulehnen; es war bereits am 17. und 23. Oktober in den SDKs aufgetaucht. 🔗 Quelle
• Particle-1 — Particle, ein neues von Suhail vorgestelltes Unternehmen, veröffentlicht über seine API ein nachtrainiertes DeepSeek V4.1 Flash, das bei gleichem Preis durchschnittlich etwa 45 % weniger Tokens verbraucht; Aravind Srinivas sagt, er habe vor dem Start mit dem Team zusammengearbeitet, ohne dass eine Integration in Perplexity angekündigt wurde. 🔗 Quelle
• RAG-Tutorial von Perplexity — Perplexity veröffentlicht ein Tutorial in sieben Schritten, um mit Python, ChromaDB, seinem Embedding-Modell pplx-embed-v1-0.6b und GPT-5.6 Luna über die Agent API ein RAG für die Kommandozeile zu erstellen; keine Produktneuheit. 🔗 Quelle
• olmOCR 2 in Archiven — Ai2 stellt zwei Anwendungen seines offenen Modells zur Texterkennung vor: einen Historiker, der es lokal auf Tausenden von Archivfotos ausführt, und das Team CENTURIA, das es mit 57 Erfassungsbögen zu römischer Keramik feinabgestimmt und den Transkriptionsfehler von 15,58 % auf 1,11 % gesenkt hat. 🔗 Quelle
• Project Pyrite — Laut einem Community-Beitrag schrumpft ein MoE mit 31,8 Milliarden Parametern, llm-jp-4-32b-a3b-base, von 59,06 auf 9,81 GiB und läuft auf einem Mac M2 Pro mit 16 GB mit 34 bis 49 Tokens pro Sekunde, ohne die Wiederholungsschleifen einer einheitlichen 2-Bit-Quantisierung. 🔗 Quelle
• My Name is Riemann — OpenPeerAI veröffentlicht als Preview ein Modell mit 13,1 Milliarden Parametern, das auf AMD-Hardware durch schrittweises Vergrößern eines Modells mit 163 Millionen Parametern entstanden ist; die Autoren haben keinen allgemeinen Benchmark durchgeführt und weisen selbst auf Fehler im Korpus hin. 🔗 Quelle
• L2Loop — Yuxuan Zong schlägt vor, bestimmte quantisierte Layer erneut auszuführen, solange sie in den L2-Cache der GPU passen: Auf einer RTX 5080 kostet dieser zweite Durchlauf laut dem Autor etwa halb so viel wie ein zusätzlicher Layer und senkt den Loss bei gleicher Parameterzahl um 0,05 bis 0,08. 🔗 Quelle
• EEG-Datensätze — Eine Bestandsaufnahme der Community auf dem Hugging Face Hub findet 368 Datensätze mit Hirnsignalen, davon 146 ohne Lizenzkennzeichnung, was ihre Wiederverwendung erschwert. 🔗 Quelle

Infrastruktur

• Automatische Reparatur bei Together AI — Together AI erläutert die bereits Anfang des Jahres eingeführte automatische Reparatur der Knoten seiner GPU Clusters: Zustandsprüfungen, möglichst schonende Reparaturen mit Nachweisen, eine bis auf den Xid-Fehlercode konfigurierbare Zustimmung und das Abwarten laufender Aufgaben, standardmäßig 2 Stunden. 🔗 Quelle
• CUDA 13.4 und Mission Control 2.5 — NVIDIA erläutert das MPS-Timesharing mit garantiertem Speicher in CUDA 13.4, das unter Kubernetes durch den Open-Source-Operator gpu-fractioning automatisiert wird, sowie Mission Control 2.5, das die autonome Wiederherstellung auf Kubernetes-Workloads von Run:ai ausweitet. 🔗 CUDA 13.4 · 🔗 Mission Control 2.5

Bild, Video und Stimme

• Kling und Minibots — Kling wird zum exklusiven Technologiepartner von Minibots, einem für 2027 geplanten Animationsfilm von Evolutionary Films, bei dem Tony Bancroft, Co-Regisseur von Mulan, das Charakterdesign übernimmt; ein erster Einblick wurde mit Kling 4.0 erstellt. 🔗 Quelle
• Kling 4.0 auf Pika — Pika integriert Kling 4.0: durchgehende Aufnahmen von 3 bis 30 Sekunden mit Stereoton und synchronisierten Dialogen, bis zu 10 Keyframes oder 15 Referenzen, in 720p oder 1080p. 🔗 Quelle
• Mini-Apps von Luma — Luma bündelt acht Mini-Apps in Luma Agents, darunter Light Transfer, Virtual Try-On und Background Swap, die jeweils ein einzelnes Element eines Bildes verändern, verfügbar ab dem Plus-Tarif für 30 Dollar pro Monat. 🔗 Quelle
• ElevenLabs und die Asociación ELA — ElevenLabs arbeitet mit der wichtigsten spanischen Vereinigung zur Bekämpfung von ALS zusammen, um Erkrankten in ganz Spanien seine Stimmwiederherstellung kostenlos anzubieten. 🔗 Quelle

Produkte und Unternehmen

• Immersive Erkundungen in Gemini — Der Studierenden-Hub der Gemini-App bietet interaktive Szenen, die sich Schicht für Schicht erkunden lassen, von der Seidenstraße bis zur Physik von Blitzen, für alle in sechs Sprachen, darunter Französisch; eine Audiokommentierung ist ohne Termin angekündigt. 🔗 Quelle
• Eine Stunde Audio in Gemini Notebook — Die mobile App von Gemini Notebook zeichnet bis zu eine Stunde Audio live auf, die sofort als Quelle eines Notebooks nutzbar ist, für alle iOS- und Android-Nutzer. 🔗 Quelle
• Smart reports, Umfragen und gemeinsame Budgets in Claude Enterprise — Drei Verwaltungstools werden allgemein verfügbar: die seit September als Beta verfügbaren Smart reports, die zeigen, wofür ein Team Claude nutzt und was das kostet, integrierte Umfragen und gemeinsame Gruppenbudgets mit Warnmeldungen bei 50, 75, 95 und 100 %. 🔗 Quelle
• IDC Quanta in Claude — Das Marktforschungsunternehmen IDC bindet seine Plattform Quanta für seine Kunden über einen MCP-Connector an Claude an, in der App, in Cowork und in den Office-Add-ins, mit Quellenangabe von IDC; intern habe es ein Code-Review von fünf Tagen auf etwa 30 Minuten verkürzt. 🔗 Quelle
• Legora und OpenAI — In einer Fallstudie von OpenAI senkt das schwedische Legal-Tech-Unternehmen Legora den Aufwand für die Prüfung von Vertraulichkeitsvereinbarungen von rund 20 % auf weniger als 1 % der Kapazität seines Rechtsteams; bei einem Kunden aus den Fortune 100 sinkt die Bearbeitungszeit für Verträge um 90 %. 🔗 Quelle
• Die Zukunft des Unternehmens — Zweiter Essay in OpenAIs Reihe über die künftige Wirtschaft: Zwei Autoren, die in eigenem Namen schreiben, stellen sich KI im Organigramm unter, neben oder zwischen den Beschäftigten vor; weder Produkt noch Zahlen. 🔗 Quelle

---

Was das bedeutet

Gemini 4 Carbon bestätigt ein Muster, das sich etabliert: Das leistungsfähigste Modell eines Labors wird zuerst den Verteidigern zur Verfügung gestellt. Wie Argon Ende September durchläuft Carbon das Fairwind Program und die freiwilligen Tests der US-Regierung, bevor es in der API verfügbar wird, und Google veröffentlicht Ergebnisse offensiver Tests ohne Schutzvorkehrungen, 54,8 % auf ExploitGym, neben Verhaltenskennzahlen: erfolgreiches Schummeln bei 0,0 % auf Terminal-Bench 4.0, kein erfolgreicher Angriff durch indirekte Prompt Injection bei Gray Swan. Der Preis steht vor dem Zugang fest, der Termin nicht. Am selben Tag erreicht die Codesicherheit eine neue Dimension: GitHub stellt einen agentischen Scanner für ganze Repositorys bereit und erkennt Schwachstellen, die für KI-Anwendungen spezifisch sind, während Replit eine Skala zur Bewertung der Umgebung eines Agenten vorschlägt, ausgehend von der Annahme, dass der Agent möglicherweise nicht kooperiert.

Auf der Universe verkauft GitHub kein Modell mehr, sondern ein System. Fusion nimmt dem Entwickler die Modellwahl ab, mit einem bezifferten Argument: zwei Punkte Abstand zu Claude Code mit Opus 5.5 Max auf dem Artificial Analysis Coding Agent Index, zu etwa dem halben Preis. Copilot Memory und Dreaming sammeln sitzungsübergreifend Kontext, und die Automatisierungen lernen aus ihren Ergebnissen. Die Abrechnung folgt dieser Entwicklung: Copilot ist ohne separate Nutzerlizenz in GitHub Enterprise enthalten, ein in Dollar bemessenes Actions-Kontingent wird mit den Sandboxes geteilt, und pro Automatisierung gelten Credit-Obergrenzen. Octoverse zeigt das Ausmaß des Wandels: Mehr als 40 % der Pull Requests beginnen mit einem Agenten, und die Repositorys von Claude Code und Codex gehören zu denen mit dem größten Zuwachs an Mitwirkenden.

Auch die Agenten wechseln zunehmend von einem Tool zum anderen. Kimi Code importiert Sitzungen von Claude Code und Codex, DeepSeek Harness delegiert Aufgaben an deren CLIs, Fusion kann an lokal ausgeführtes Qwen3.8 Flash Next routen, Mistral übernimmt das Format OpenAI Responses, und Gemini CLI verweist selbst auf Antigravity CLI und Gemini API CLI. MCP wird zum gemeinsamen Anschluss: 26 verifizierte Connectoren bei GitHub, Suno in Claude oder ChatGPT, ServiceNow im Marketplace von OpenAI, Search und Gemini über die Connected Apps Platform. ViBench 2.0 verdeutlicht die aktuelle Grenze: Wenn ein Agent ein vollständiges Produkt entwickelt, kommt kein offenes Modell ans Ziel, und die besten scheitern vor allem am Zusammenspiel von Funktionen.

In der Forschung ordnet die Erklärung des Komitees von David Gross das Ergebnis von OpenAI angemessen ein: ein wichtiger Schritt hin zu einer mathematisch rigorosen Quantenfeldtheorie, doch Confinement und Massenlücke bleiben ungelöst, und vor der Überprüfung der Lean-Formalisierung wird nichts veröffentlicht. Anthropic und Meta öffnen ihre Modelle für ganze Institutionen, ohne Beträge zu nennen. Im Bereich Stimme veröffentlicht NVIDIA ein offenes Modell, das Voxtral Small fast erreicht und dabei nur etwa 4 Milliarden Parameter aktiviert, ElevenLabs verbessert die unsichtbare Komponente, die Wörter am Ton ausrichtet, und HeyGen rechnet die Übertragung einer stimmlichen Darbietung auf einen Avatar pro Minute ab.

---

Quellen

• Blogbeitrag von Google DeepMind zu Gemini 4 Carbon
• Ankündigung von Gemini 4 Carbon auf X (@GoogleAI)
• Blogbeitrag von Jay Parikh zu GitHub Universe 2026
• Bildgenerierung in Copilot (GitHub)
• Replica (GitHub)
• Octoverse-Bericht 2026
• Copilot in GitHub Enterprise enthalten
• Copilot Fusion (GitHub)
• Copilot Fusion und lokale Modelle (GitHub)
• Copilot in JetBrains (GitHub)
• Cloud-Erlebnis von Copilot (GitHub)
• GitHub Copilot App auf der Universe (GitHub)
• Copilot in VS Code auf der Universe (GitHub)
• Versionshinweise zu VS Code 1.144
• Agent Merge (GitHub)
• GitHub intelligence: Copilot Memory, Dreaming und Codesuche
• Neue Tools und Trigger für Copilot Automations
• Gemeinsam genutzte Automatisierungen (GitHub)
• Automatisierungen, die sich selbst verbessern (GitHub)
• GitHub Agentic Workflows allgemein verfügbar
• Verifizierte MCP-Konnektoren für Copilot (GitHub)
• AI Scan für Repositorys (GitHub)
• Code scanning für IA-Anwendungen (GitHub)
• Push protection mittels Klassifikator (GitHub)
• Sicherheitserweiterung der Copilot App (GitHub)
• Copilot code review Max und Genehmigungen (GitHub)
• Whitepaper zur Agent Habitat Architecture (Replit)
• Blogbeitrag des CTO von Replit zur Sicherheit von Agenten
• Ankündigung von SB-Box (Genspark)
• Vorstellungsseite von SB-Box
• Ankündigung von Nemotron 3.5 Transcribe (NVIDIA)
• Nemotron 3.5 Transcribe auf Artificial Analysis (NVIDIA)
• Blogbeitrag von NVIDIA auf Hugging Face
• Modellkarte von Nemotron 3.5 Transcribe
• Cue (ElevenLabs)
• Ankündigung von HeyGen Voice STS
• Seite von HeyGen Voice
• Ankündigung von Suno MCP
• Seite von Suno MCP
• Erklärung der Yang-Mills Working Group (PDF)
• Erklärung auf der Website des KITP
• AI for Science (Anthropic)
• Unterstützung der universitären Forschung durch Meta
• Ankündigung von Meta auf X
• Partnerschaft von Anthropic mit der GSA
• OpenAI und ServiceNow
• Retell und OpenAI
• API-Guthaben für ChatGPT-Abonnenten (OpenAI-Hilfe)
• Changelog der OpenAI API
• Versionshinweise zu ChatGPT
• Ankündigung von Textnachrichten mit dot-Sound (@ChatGPT)
• Sprachmodus von Perplexity (@AskPerplexity)
• Artefakte von Claude for Legal (Anthropic)
• PR 29995 von Gemini CLI
• Gemini API CLI
• Changelog von Antigravity
• Kimi Code 2.4.0
• DeepSeek Harness 0.2.2-alpha.2
• DeepSeek Harness 0.2.1-rc.4
• ViBench 2.0 (Replit)
• Responses API von Mistral auf X
• Dokumentation der Responses API von Mistral
• Connected Apps Platform (Google)
• Microsoft Copilot SDK (GitHub)
• Artefakte in Issues (GitHub)
• Zed 1.27.0-pre
• Persönliche Orbs (Amp)
• Qwen Code v0.26.3
• Runway Dev in Codex
• Bricklane (Manus)
• Dependabot und Erreichbarkeit (GitHub)
• Public monitoring allgemein verfügbar (GitHub)
• Multicloud-Runner für GitHub Actions
• Lockdateien für GitHub Actions Workflows
• Rolle Moderate (GitHub)
• Ausnahmen von den Limits für Pull Requests (GitHub)
• DeepSeek V4.1 Flash 1017 über die Mistral API
• Voxtral Mini Transcribe 3 auf Voice Arena (Mistral)
• Versionshinweise zur SpaceXSI API
• Particle-1
• RAG-Tutorial von Perplexity
• olmOCR 2 und Archive (Ai2)
• Project Pyrite
• My Name is Riemann (OpenPeerAI)
• L2Loop
• EEG-Datensätze auf Hugging Face
• Automatische Reparatur von GPU Clusters (Together AI)
• CUDA 13.4 und gemeinsame GPU-Nutzung (NVIDIA)
• Mission Control 2.5 (NVIDIA)
• Kling und Minibots
• Kling 4.0 auf Pika
• Mini-Apps von Luma
• ElevenLabs und die Asociación ELA
• Immersive Erkundungen in Gemini (Google)
• Audioaufnahme in Gemini Notebook
• Smart reports, Umfragen und gemeinsame Budgets (Anthropic)
• IDC Quanta in Claude (Anthropic)
• Legora und OpenAI
• The future of the firm (OpenAI)