Agentic AI News 14. September 2026

KI-Rennen USA-China. Trump und US-Repräsentantenhaus-Sprecher Johnson wiesen Forderungen der KI-Industrie nach einer Verlangsamung zurück. Sie argumentierten, Regulierung könne China davonziehen lassen; Trump sagte: „Wer die KI gewinnt, gewinnt.“

• Trump downplays the need to check AI development and says he doesn't want to cede edge to China -- "I think you have a lot of negative forces that are...bringing up things that won’t happen...whoever wins with AI wins"(öffnet in neuem Tab)
• Trump and Mike Johnson think the AI industry is overreacting(öffnet in neuem Tab)

Führungskräfte für Aufsicht. Altman, Musk und Hassabis unterstützten die Forderung von Anthropic-CEO Amodei nach unabhängiger Aufsicht in KI-Labors. Hintergrund ist eine lauter werdende Doomer-Debatte: Ein Alignment-Lead bei Anthropic hatte die Wahrscheinlichkeit, dass KI in den nächsten zehn Jahren alle Menschen tötet, auf über 10 % geschätzt.

• What’s behind the AI industry’s latest warnings of doom?(öffnet in neuem Tab)
• Altman, Musk, and Hassabis back Amodei's call to add independent oversight(öffnet in neuem Tab)

Obamas KI-Plan. Obama forderte die Demokraten auf, KI zum zentralen Thema zu machen und einen klaren Rahmen für wirtschaftliche und Sicherheitsfragen zu entwickeln, sobald sie das Repräsentantenhaus zurückgewinnen.

• Obama urges Democrats to have a ‘clear plan’ for AI safeguards(öffnet in neuem Tab)

Sorge um Regulatory Capture. Lokale-KI- und Open-Source-Fürsprecher befürchten, dass die KI-Sicherheitsinitiative für Regulatory Capture genutzt werden könnte; in einem Reddit-Thread heißt es, die Berichterstattung der NYT sei „von OpenAI gesponsert“ und eine Reaktion auf die Blase.

• Right to Intelligence. Protect your right to run local AI.(öffnet in neuem Tab)
• The rhetoric is really heating up!(öffnet in neuem Tab)

DeepSeek V4.1 Flash. DeepSeek V4.1 Flash belegte Platz eins auf dem neuen privaten Benchmark von Artificial Analysis und schlug GPT-6 Astra und Fable, nachdem der Index innerhalb von drei Tagen zweimal aktualisiert worden war.

• DeepSeek V4.1 Flash beats Astra on AA's new benchmark(öffnet in neuem Tab)

Wissenschaftsmodell Intern-S2. InternLM hat Intern-S2-397B veröffentlicht, ein multimodales Foundation Model, das auf wissenschaftlicher Literatur und Long-Horizon-Agenten-RL trainiert wurde und stark beim Reasoning und bei wissenschaftlicher Problemlösung ist.

• internlm/Intern-S2 · Hugging Face(öffnet in neuem Tab)

Iris-Suchagenten. Die Open-Weight-Modelle Iris-mini (35B) und Iris-pro (397B) von AllSpark sind die besten Suchagenten ihrer Klasse. Sie basieren auf Qwen und wurden mit reverse-engineerten Fragen trainiert; auch die allgemeine Tool-Nutzung verbessern sie.

• Iris-mini and Iris-pro are the strongest open-weight search agents in their class(öffnet in neuem Tab)

GPT-6 Astra bei Agenten-Benchmarks. In Andon Labs’ Vending-Bench und Drone-Bench betrieb GPT-6 Astra ein simuliertes Unternehmen, das dreimal so viel wie Fable erwirtschaftete, und war das erste Modell, das bei allen Unteraufgaben der Drohnenüberwachung die Human-AI-Baseline schlug.

• GPT-6 Astra pilots a surveillance drone and runs a business on its own(öffnet in neuem Tab)

Nemotron-Rezept für IMO-Gold. Forscher haben ein offenes Rezept veröffentlicht, um Nemotron 3 Ultra auf 30/42 Punkte bei der IMO 2026 zu trainieren; Gold erreicht es allein mit natürlichsprachiger Beweiserzeugung, ohne formalen Prover oder Internet.

• An Open Recipe for IMO Gold: Training Nemotron for Olympiad Mathematics(öffnet in neuem Tab)

Kleines Modell Aurora. Aurora1.0-150M wurde veröffentlicht, ein kleines Modell, das auf 7 Mrd. Token trainiert wurde und auf gängigen Benchmarks GPT-2-Niveau erreicht.

• Aurora1.0-150M Releases!(öffnet in neuem Tab)

Elevenlabs Music v2.5. Elevenlabs hat Music v2.5 per App und API veröffentlicht. Das Unternehmen verspricht vollere Songs und eine höhere Zuhörerpräferenz; es gibt Free- und Pro-Tarife, kommerzielle Nutzung ist mit Namensnennung erlaubt.

• Elevenlabs makes Music v2.5 available via app and API with free and pro tier options(öffnet in neuem Tab)

AlphaGenome, Meta Muse, Mathematik. The Sequence stellt in seinem Roundup Google DeepMinds AlphaGenome Atlas für genetische Kartierung, Metas persönlichen Agenten Muse und OpenAIs Lösungsvorschlag für ein Millenniumsproblem vor.

• The Sequence Radar - Issue 932: Last Week in AI: DeepSeek V4.1-Flash, AlphaGenome Atlas, Meta Muse, and OpenAI’s Proposed Math Breakthrough(öffnet in neuem Tab)

Engpass bei RTX 5090. Nutzer auf LocalLLaMA berichten, dass der Lagerbestand an RTX 5090 fast aufgebraucht ist und die Preise steigen, was den Hardware-Engpass für lokale KI verschärft.

• 5090 Stock is Almost Gone(öffnet in neuem Tab)

Microns Speichermauer. Eine Folie von Hot Chips zeigt, dass die Rechenleistung alle zwei Jahre um etwa das Dreifache wächst, während die HBM-Bandbreite um weniger als das Doppelte zunimmt. Als Abhilfen gelten In-Memory-Computing und kürzere Verbindungen.

• Micron's memory wall chart. Compute up ~3x every two years, HBM bandwidth under 2x(öffnet in neuem Tab)

Speedups für AMD RDNA4. Ein R9V-Update liefert auf Qwen3.8 Flash Next IQ4_XS über zwei R9700-GPUs mit 128 GB RAM etwa 100 Token/s, behebt Abstürze und ergänzt Unterstützung für Q4_K_XL.

• R9V Update: now ~100 tok/s in TG on Qwen3.8 Flash Next IQ4_XS on x2 R9700 + 128GB RAM. Fixed crashes with n-gram SSD streaming, improved diagnostics, plus pinned images. Q4_K_XL now supported, 50 tok/s TG.(öffnet in neuem Tab)

vLLM auf RTX 3090. Eine Reddit-Anleitung zeigt, dass vLLM mit AOT-Kompilierung Qwen3.8 27B INT4 mit 144K-FP8-KV-Kontext auf einer RTX 3090 mit 24 GB ausführen kann – schneller als llama.cpp.

• Dear 24G owners, try VLLM you might be able to run Qwen3.8 27B INT4, 144K FP8 KV on RTX 3090 with better speed. (TLDR VLLM AOT)(öffnet in neuem Tab)

3.000-$-Server mit 128 GB VRAM. Ein DIY-EPYC-Server mit vier V620-GPUs und 256 GB RAM kostet etwa 3.000 $ und erreicht bei Qwen3.8-next-flash 1.300 Token/s Prefill und 70 Token/s Decode.

• 3k$ 128GB VRAM + 256GB RAM DDR4 Server(öffnet in neuem Tab)

CUDA auf AMD unter Windows. Ein auf ZLUDA basierender Build lässt für CUDA ausgelegte Windows-Apps auf AMD-GPUs mit ROCm/HIP laufen – etwa 3 % langsamer als nativ.

• CUDA-for-AMD-Windows: Run CUDA-targeted Windows applications on AMD GPUs with ZLUDA + ROCm/HIP.(öffnet in neuem Tab)

Lokale Ergebnisse mit Qwen3.8. Nutzer heben Qwen3.8-27b für One-Shot-Coding, SVG-Generierung und ein in fünf Stunden auf einer 3090 gebautes Spiel hervor und nennen es ein starkes lokales Modell.

• Another Qwen3.8-27b Appreciation Post(öffnet in neuem Tab)
• Decided to build a game, and test the ceiling of Qwen3.8 27b(öffnet in neuem Tab)
• Qwen3.8 flash next - untrained svg generation(öffnet in neuem Tab)

LangChain GTM-Agenten. LangChain hat GTM- und Paid-Media-Agenten auf Basis von Deep Agents gebaut, die Outbound-Recherche, Slack-Entwürfe und die Abstimmung von Werbekampagnen automatisieren. Der GTM-Agent steigerte die Lead-to-Opportunity-Conversion um 250 % und sparte Vertriebsmitarbeitern 40 Stunden pro Monat.

• How We Built LangChain’s Paid Media Agent(öffnet in neuem Tab)
• How we built LangChain’s GTM Agent(öffnet in neuem Tab)

GitHub HydraFusion-Routing. Die Preview von GitHub Copilots Project HydraFusion orchestriert dynamisch mehrere Modelle über Single-, Cascade- und Critique-Muster, um Coding-Aufgaben zu optimieren.

• GitHub Copilot's Project HydraFusion Promises Frontier Level Performance through Multi-Model Routing(öffnet in neuem Tab)

Tool commit-rewriter. Simon Willison hat commit-rewriter 0.1 veröffentlicht, eine Web-App, mit der sich Commit-Nachrichten interaktiv bearbeiten und die Repo-Historie umschreiben lässt – nützlich, um Ballast von Coding-Agenten vor der Veröffentlichung zu bereinigen.

• commit-rewriter 0.1(öffnet in neuem Tab)

Spam durch KI-Agenten. Ein Hacker-News-Thread hebt iLands KI-Agenten-Hustle hervor, der Spam-E-Mails verschickt, und veranschaulicht damit den Missbrauch agentischer KI für unerwünschte Kontaktaufnahme.

• The worst spam emails: iLands AI agent hustle(öffnet in neuem Tab)

Studie zu KI-Verbot im Unterricht. Eine zwei Jahre dauernde Universitätsstudie ergab, dass Studierende mit KI-Verbot am schlechtesten abschnitten, während strukturiertes Training besser abschnitt als ungeführte KI-Vorschläge. Das veranlasste den Professor, seine Annahme zu revidieren.

• Two-year university study finds banning AI from classrooms leaves students worse off(öffnet in neuem Tab)

Goldene Ära lokaler LLMs. Ein Reddit-Beitrag feiert die aktuelle Local-LLM-Community als Rückkehr zu Hands-on-Optimierung und Austausch, getrieben von Hardware-Engpässen, die Effizienz erzwingen.

• The Local LLM community feels like the golden era of the internet all over again(öffnet in neuem Tab)