Frontier-Modelle & Big Labs
OpenAI forciert RSI. OpenAI gibt an, das Ziel eines „automatisierten Forschungspraktikanten“ erreicht zu haben. Interne Code-Agenten beschleunigen die Forschung. Einige Pläne wurden um sechs Monate vorgezogen. In einem Essay stellt OpenAI-Chefwissenschaftler Jakub Pachocki rekursive Selbstverbesserung als zentral für AGI dar. Das Unternehmen bringt den im Juli verzeichneten Anstieg der KI-Ausgaben pro Forscher mit dem später als GPT-6 Astra veröffentlichten Modell in Verbindung.
Figma-Sicherheitsagenten. Figma hat KI-Agenten auf Basis der Panther SIEM entwickelt, um Alerts über AWS, Okta, GitHub, GCP und osquery hinweg zu untersuchen. Komplexe Alarme lassen sich so 70 Prozent schneller bearbeiten, Bereitschaftsalarme gehen um 20 Prozent zurück – die menschliche Prüfung bleibt bestehen.
Googles Mantis-Framework. Google hat Mantis als Open-Source-Projekt veröffentlicht. Das agentische Framework zur Schwachstellenanalyse kombiniert Kritik- und Bewertungsagenten mit der Reproduktion in einer Sandbox. So sollen Fehlalarme und halluzinierte Schwachstellen beim Code-Scanning reduziert werden.
Lokale Inferenz & Hardware
LayerStoRm streamt Experten. LayerStoRm ist eine experimentelle, unter MIT-Lizenz veröffentlichte Engine, die MoE-Experten kontinuierlich vom Host-RAM auf die GPUs streamt. Damit läuft ein quantisiertes GLM-5.3-Flash-Modell (186 GiB) mit 24,5 Token/s auf 96 GB VRAM – inklusive Prefix-Caching für agentisches Coding.
Systeme mit Radeon Pro R9700. Rund um AMDs Radeon AI Pro R9700 werden die Community-Systeme allmählich ausgereift: Ein Dual-R9700-Rechner mit 64 GB DDR5 lässt Qwen 3.8 27B FP8/MXFP4 und Flash Next unter vLLM laufen. Daneben diskutieren Nutzer 4xR9700-Systeme zum Offloading von DeepSeek V4 Flash und Qwen 3.8 Flash.
Lokales Cache-Tuning. Ein neues Open-Source-Tool prüft unter Last, wie viel vom angegebenen KV-Cache tatsächlich erhalten bleibt. Es zeigt: Dedupe- und Boundfix-Patches können bis zu 146 Prozent der Kapazität erhalten. Außerdem berichten Nutzer, dass ein f16-Cache auf älteren GPUs die MTP-Akzeptanz gegenüber Q8 verbessert.
Benchmarks & Evaluierung
Struggle Bench. Ein neuer „Struggle Bench“ gibt einem Modell einen Server, eine Wohnung und ein Bankkonto. Er misst, wie viele Monate das Modell die Miete bezahlen und ohne Cyberkriminalität am Laufen bleiben kann – ein Test für echte Autonomie und Überlebensfähigkeit.
Auswertungstool lm-eval-ledger. lm-eval-ledger führt Benchmarks aus und speichert alle Ergebnisse in SQLite. Über eine Web-App lässt sich einsehen und vergleichen, wie die Modelle auf jede einzelne Frage geantwortet haben – statt nur auf Kennzahlen zu schauen.
Tiefgehende Coding-Benchmarks. Program-Bench, SRE-Bench und Code Migration bringen Agenten dazu, Binärdateien anhand von Dokumentation zu rekonstruieren, echte Binärdateien ohne Quellcode zu verstehen und Programme in einer anderen Sprache neu zu implementieren. Damit wird ein tiefes Verständnis für Softwareentwicklung getestet.
Recht & Urheberrecht
Seattle Times & Newsday klagen. Die Seattle Times und Newsday haben OpenAI und Microsoft wegen Urheberrechtsverletzung verklagt. Sie fordern die Vernichtung von KI-Modellen, die mit ihren Inhalten trainiert wurden. Damit schließen sie sich fast 400 Lokalzeitungen an, die ähnliche Ansprüche erheben.
Streit um Anthropic-Vergleich. Autoren berichten, dass Verlage und Agenturen bei Anthropics 1,5-Milliarden-Dollar-Urheberrechtsvergleich mehr als ihren Anteil verlangen. Außerdem gibt es Streit über zurückgefallene Rechte, bei denen die Autoren eigentlich die volle Zahlung erhalten sollten.
Sicherheit & Guardrails
Abliteration-Service. Das US-Startup Abliteration.ai bietet per API Zugriff auf abliterierte Open-Weight-Modelle wie GLM-5.3 an – für Red Teaming und Malware-Analyse. Da die Ablehnungen entfernt wurden, senkt das die Hürde für Missbrauch.
Unzensierte Qwen-Varianten. Ein Vergleich von acht abliterierten Qwen-3.8-27B-Varianten zeigt: orcarouter erreicht den höchsten HarmBench-ASR-Wert, apostate kommt den Basisfähigkeiten am nächsten. Allerdings haben einige Releases Eigenheiten – ihnen fehlen etwa Vision und MTP.
Debatte um KI-Psychose. Forschende argumentieren, dass sich einschmeichelnde Chatbots Wahnvorstellungen in einer „Echokammer des Einzelnen“ verstärken können, und fordern, eine „KI-assoziierte Psychose“ anzuerkennen. Ob sie als eigenständige Diagnose verdient, bleibt umstritten.
Modellveröffentlichungen & Forschung
Spark-X2.5-Kompaktmodelle. XHToken hat die kompakten Modelle Spark-X2.5-4B und 1.7B veröffentlicht. Sie sind effizient, besitzen ein natives Kontextfenster von 1 Million Token und unterstützen mehr als 200 Sprachen. Ein llama.cpp-Pull-Request ergänzt die Unterstützung.
WeatherNext 3 und Satellitendaten. Das WeatherNext 3 von Google und DeepMind verzichtet auf physikalische Simulationen und lernt stattdessen direkt aus Echtzeit-Satellitendaten. Es erzeugt stündliche Vorhersagen mit 5-km-Auflösung und verbessert die Genauigkeit bei Niederschlägen um bis zu 50 Prozent.
Metas Echtzeit-Audiomodell. Meta hat Muse Voice Transcribe veröffentlicht, ein Echtzeitmodell, das Audio in 80-Millisekunden-Segmente zerlegt, Sprache transkribiert und bis zu 20 Sprecher unterscheidet. Es unterstützt über 70 Sprachen und kostet 0,18 US-Dollar pro Stunde.
Googles Musikmodell Lyria 3.5. Google hat Lyria 3.5 in Gemini und die APIs integriert. Das Musikmodell erzeugt Musik mit ausdrucksstarkem Gesang; trainiert wurde es ausschließlich mit lizenzierten Daten.
Das war alles für heute - etwa 5 Minuten Lesezeit.