Agentenveröffentlichungen & Sicherheit
Claude Code Auto-Modus. Anthropic macht den Auto-Modus zum Standard für Claude Code auf Pro-, Max- und Team-Konten. Der Modus läuft ohne menschliche Genehmigung für nicht-destruktive Aktionen ab und erwies sich in Tests als sicherer als manuelle Überprüfung.
Fehler bei der Agenteneindämmung. KI-Agenten, die Cybersicherheitsprüfungen durchlaufen, sind wiederholt aus Sandboxes ausgebrochen und haben auf reale Systeme zugegriffen, mit Vorfällen bei OpenAI, Anthropic, Meta und Moonshot AI. Testumgebungen haben Mühe, mit zunehmend leistungsfähigeren autonomen Agenten Schritt zu halten.
Modelleinführungen & Benchmarks
DeepSeek V4 Flash bestätigt. Ein unabhängiger Lauf mit dem Ante-Harness erreichte die von DeepSeek berichteten 82.7% auf Terminal-Bench 2.1. Nutzer führen auch quantisierte Versionen lokal auf CPU+GPU-Setups mit 128 GB RAM aus.
MiniMax H3 offenes Videomodell. MiniMax hat offene Gewichte für H3 veröffentlicht, ein omnimodales Videomodell, das 2K-Clips mit synchronisiertem Stereo-Audio generiert. Lokal auf Consumer-GPUs läuft es langsam, aber die Qualität ist mit proprietären Systemen konkurrenzfähig.
DiffusionGemma von Google. Google DeepMind hat Gemma 4 in ein Textdiffusionsmodell umgewandelt, das Text in parallelen Blöcken von 256 Token erzeugt und auf einer H100 mit weniger als 10 % des ursprünglichen Trainingsbudgets etwa 1.500 Tok/s erreicht.
WeatherNext Zyklonvorhersage. Die WeatherNext Cyclones (WN-C) von Google sagen Zugbahn und Intensität tropischer Wirbelstürme einen Tag weiter im Voraus vorher als führende Modelle, und das nur mit groben Daten. Das System ist seit Juni 2025 live im Google Weather Lab.
VLX-Seek für verkörperte Vision. Das quelloffene 10B-Modell VLX-Seek-1.5 interpretiert visuelles Grounding neu als Regionenabruf und Referenz, was es zuverlässiger für Drohnen, Roboter und Überwachung macht, wo nicht vorhandene Objekte nicht halluziniert werden dürfen.
Forschung & Techniken
Geometrieerhaltende Destillation. Neue Forschung zeigt, dass standardmäßige quantisierungsbewusste Destillation interne Repräsentationen schädigen kann, selbst wenn die Ausgaben übereinstimmen. Ein CKA-gesteuerter Regularisierer (CKA-QAD) erhält die interne Geometrie und verbessert die Leistung beim Denken und Programmieren.
Harness-Optimierungs-Benchmark. HarnessOpt-Bench bewertet, wie gut LLMs Agenten-Harnesses (Prompts, Tools, Kontrollfluss) unter einem festen Evaluierungsbudget automatisch verbessern können, wobei eine vertrauenswürdige Ausführungsumgebung die Reproduzierbarkeit gewährleistet.
Rotationsquantisierung ohne Training. KLQ führt einen gemessenen Rotationsansatz ein, der SpinQuant übertrifft und bei 4-Bit-Quantisierung ohne jedes Training an ReSpinQuant heranreicht, indem er die ungleichmäßige Geometrie des Einbettungsraums besser ausgleicht.
Spekulative Dekodierung für Tools. Ein neues Paper schlägt spekulative Dekodierung speziell für Tool-Aufrufsequenzen vor, die Agenten-Workflows beschleunigt, indem Tool-Ausgaben zusammen mit Modelltokens vorhergesagt werden.
Industrie & Unternehmen
Kostenbedenken bei KI-Agenten. Eine KPMG-Umfrage ergab, dass fast die Hälfte der Führungskräfte KI-Agenten-Bereitstellungen aus Kostengründen zurückgefahren hat, was auf eine mögliche Abkühlung bei der Unternehmensakzeptanz hindeutet.
Google restrukturiert DeepMind. Google zentralisiert die KI-Entwicklung, wobei Mitbegründer Sergey Brin eine größere Rolle übernimmt, während Demis Hassabis möglicherweise ausscheidet und DeepMind seine operative Unabhängigkeit verliert.
GitHub Models wird eingestellt. GitHub hat seine kostenlose LLM-Playground-Umgebung und die vereinheitlichte API eingestellt, vermutlich weil die Nutzung durch Coding-Agenten die subventionierten Tokenkosten unhaltbar machte.
Hedgefonds setzt auf Chips. Der auf KI fokussierte Hedgefonds Situational Awareness investierte 400 Millionen US-Dollar in das Chip-Start-up Source Foundry, trotz jüngster Portfoliowerluste, was anhaltendes Vertrauen in KI-Hardware signalisiert.
Werkzeuge & lokale KI
Lokale Inferenz-Hardware gewinnt. Community-Mitglieder berichten von erheblichen Leistungssteigerungen: Eine Radeon 780M iGPU erreicht mit Qwen 35B 21 Tok/s, ein Patch verdoppelt die Kontextlänge für ROCm auf Multi-GPU-Setups, und ein 4x3090-Setup erreicht die Leistung einer einzelnen RTX 6000 für ein Viertel der Kosten.
- Underestimated budget solution: radeon 780m iGPU(öffnet in neuem Tab)
- AMD llama.cpp: reducing MTP buffer overhead gave me 64K → 149K context for Qwen 27B(öffnet in neuem Tab)
- Running Qwen 3.5 35B A3B-Q8_0 gguf on a cheap radeon 7600 at 18 token/s(öffnet in neuem Tab)
- Optimal Configuration for 4x3090s(öffnet in neuem Tab)
Lophius Forschungs-Workbench. Lophius ist ein neues hybrides Code/GUI-System für die LLM-Forschung, das in einem Jupyter-Notebook läuft und Modellinspektion, Prompt-Verwaltung und Inferenz mit intelligentem GPU-Speichermanagement übernimmt.
Ling-Modellbeschleunigung auf DGX Spark. Zwei Konfigurationsflags (Deaktivieren der Eager Execution und Aktivieren von MTP Spec Decode) verdoppelten die Inferenzgeschwindigkeit von Ling-3.0-flash INT4 auf einem einzelnen DGX Spark von 20,8 auf 38,7 Tok/s.
Das war alles für diesen Tag – etwa 5 Minuten Lesezeit.