Open-Weight-Modelle & Releases
Open-Weight-Welle. Meta hat Muse Spark Open veröffentlicht (816B gesamt/42B aktiv), Reflection hat Beam veröffentlicht (501B/23B), NVIDIA brachte Nemotron 3.5 Bolt heraus, und DeepSeek stellte V4.1 Flash 1017 vor. Davon passte nur Bolt in 24 GB VRAM, mit 2-Bit-quantisierten Gewichten bei 22 GB.
NVIDIA Nemotron 3.5. Nutzer auf LocalLLaMA berichten, dass Nemotron 3.5 Super VL bei Nischenwissen zu Spielregeln deutlich besser ist als frühere Modelle, während Nemotron 3.5 Bolt für kleine Mehrbenutzer-Setups ausreicht: geringe Halluzinationsrate, großer Kontext-Cache, aber Intelligenz nur im Mittelfeld.
Qwen 3.8 Flash Next. Ein Setup mit zwei CMP-170HX-GPUs, W4A16 AutoRound, gepatchtem vLLM und nativem MTP-Speculative-Decoding erreicht bei 8 gleichzeitigen Anfragen 840–873 Token/s im aggregierten Decoding – bei vollem 262K-Kontextfenster.
Mistral Timestral. Mistrals erste Foundation-Model-Familie für Zeitreihen (5M bis 209M Parameter) führt die Zero-Shot-Forecasting-Leaderboards GIFT-Eval, TIME und fev-bench an und läuft dabei auf Standard-Server-CPUs.
AuroraASR-1M. Ein Spracherkennungsmodell mit 949K Parametern läuft auf einem einzelnen CPU-Thread 436-mal schneller als Echtzeit und erreicht 11,43 % WER auf LibriSpeech test-clean; die INT8-Gewichte belegen nur 1,06 MB.
Agens Volundr 32B v1. Blockways aktualisiertes 32B-Agentenmodell behebt Wiederholungsschleifen bei SWE-bench-Aufgaben (0/50) und läuft mit seiner MIT-lizenzierten Engine in 16 GB Speicher und erreicht einen gemessenen Kontext von 239K.
Agenten-Frameworks & Tools
Google Harness2. Harness2 veröffentlicht ein rekursives Framework für Agent-Harnessing als Open Source, mit dem ein eingefrorenes Modell während des Deployments seine eigenen Prompts, Tools und sein Memory verbessern kann. Ein Verfeinerungsschritt verbesserte alle vier Setups in allen drei Benchmarks; GLM-5 legte um bis zu 11,5 Punkte zu.
Hybride Reasoning-Agenten. HybridAgent von Together Computer zeigt, dass Agenten im latenten Raum statt in Textform Reasoning betreiben können; das senkt den Tokenverbrauch und die Inferenzzeit und verbessert zugleich die Intelligenz.
SonicBoom-AI-Runtime. SonicBoom v0.0.3 ist eine compiler-first, Python-freie Inferenz-Runtime, die llama.cpp beim Decoding für einige Modelle schlägt und die Time-to-First-Token in Multi-Turn-Agent-Workloads durch Prefix-Reuse verbessert.
Run:ai wird Open Source. NVIDIA hat seine Kubernetes-GPU-Orchestrierungsplattform Run:ai unter Apache 2.0 als Open Source freigegeben. Damit können Teams Scheduling, Quotas und Workload-Management selbst hosten, ohne ein kostenpflichtiges Abo.
LLM-Plugin-Updates. Simon Willison hat die httpx2-Inkompatibilität in llm-tools-datasette 0.1.1 behoben; llm-echo 0.5 simuliert jetzt Tool-Calls, System-Prompts und Reasoning-Tokens in der Token-Nutzung.
TinyFish: Suchkosten. TinyFish argumentiert, dass Teams, die KI-Agenten entwickeln, unterschätzen, wie stark abgerufene Webinhalte die Kosten für die Token-Verarbeitung treiben. Die Such-API des Unternehmens bietet kostenlosen Abruf innerhalb der Rate-Limits und ein web-natives Modell für Suche und Interaktion mit Live-Websites.
Voxel51 3.0. Voxel51 3.0 unterstützt jetzt multimodale Zeitreihendaten, vereinheitlicht die Annotation und bringt einen Agenten mit 45+ MCP-Tools für Teams, die Sensordaten von Robotern, Fahrzeugen und Fabriken kuratieren.
Forschungshighlights
Gemini 4 Argon meistert Minecraft. Vier Agenten von Google DeepMind mit Gemini 4 Argon besiegten das Spiel Minecraft autonom in 27 Stunden: Sie teilten Aufgaben auf, teilten sich Memory und schrieben 2.783 JavaScript-Programme – ohne menschliche Eingaben oder spielspezifische Tools.
Taste-Bench: langfristige Entscheidungen. Forschende von Microsoft und der City University of Hong Kong haben Taste-Bench entwickelt, um die Qualität langfristiger Agentenentscheidungen zu messen. Das beste Modell erreichte kaum 60 %, was zeigt: Aktuelle Agenten wählen oft Abkürzungen, die später scheitern.
Neue Long-Horizon-Benchmarks. BizBench, PhysClosureBench und Into the Unknown testen Agenten bei Geschäftsaufgaben im Zahlungsverkehr, beim Abschluss physikbezogener Forschungsarbeiten und bei offenen wissenschaftlichen Folgefragen. Spitzenmodelle erfüllen häufig weder die Vorgaben von Fachwissenschaftlern noch die geschäftlichen Anforderungen.
- BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business(öffnet in neuem Tab)
- From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research(öffnet in neuem Tab)
- Into the Unknown: Benchmarking AI agents on open scientific research problems(öffnet in neuem Tab)
OpenMobile-2 für Mobilagenten. OpenMobile-2 stellt einen Near-Frontier-Mobilagenten mit vollständig offenen Trainingsumgebungen und Rezepten vor, darunter MobileGym++ mit 35 simulierten kommerziellen Apps und hybrider GUI-/App-nativer Tool-Nutzung.
CarryOn als Kontext-Runtime. CarryOn organisiert den Kontext von Long-Horizon-Agenten um wiederverwendbare Task-Objekte herum, statt Verläufe erneut abzuspielen. Das verbessert die Ergebnisse auf OSWorld 2.0 und BrowseComp-Plus und senkt den Tokenverbrauch.
HexaShell programmiert Roboter. HexaShell nutzt einen schlanken Harness, damit VLM-Coding-Agenten einen zweiamrigen Roboter steuern, Tools schreiben und anhand von Fehlern korrigieren; das lotet die Grenzen von VLMs als Roboter-Coding-Agenten aus.
Industrie, Politik & Gesellschaft
Anthropic legt Gemeinwohlfonds auf. Anthropic verpflichtet sich, 5 % seiner Anteile in einen neuen Gemeinwohlfonds einzubringen – mit einer Option auf weitere 2 % je 50 % Steigerung des Unternehmenswerts. Der Fonds soll Projekte unterstützen, etwa zu Arbeitsmarktwirkungen und direkten Ausschüttungen.
METR erhält Prüferzugang. Anthropic hat dem externen Prüfer METR „mitarbeiterähnlichen Zugang“ zu Hardware und internen Systemen gewährt und damit Zusagen umgesetzt, externe Auditoren in führenden KI-Laboren zu verankern.
Junior-Hiring sinkt. Der Anteil technischer Junior-Einstellungen bei Anthropic ist seit Anfang 2025 von 27 % auf 9 % gefallen. KI-Agenten verzeichnen inzwischen sechsmal so viele Arbeitsstunden und übernehmen Coding und Fehlersuche; die Produktivität stieg in allen Abteilungen deutlich.
Faire Verhandlungsnormen. Anthropic berät sich mit Anwaltskanzleien, um faire Verhandlungsnormen für KI-Agenten festzulegen, die feilschen, Beschwerden bearbeiten oder Verträge verbessern. Hintergrund sind Sorgen, dass leistungsfähigere Agenten die Ungleichheit vergrößern könnten.
Disney holt Character.AI-Mitarbeiter. Nach der Insolvenz von Character.AI hat Disney vereinbart, mindestens 60 Mitarbeiter einzustellen – die Mehrheit der Belegschaft – und zahlt dafür rund 60 Millionen US-Dollar Jahresvergütung. Ein Stalking-Horse-Gebot könnte jedoch überboten werden.
Google haftet für AI Overviews. Zwei deutsche Gerichte haben Google nun direkt für KI-generierte Suchzusammenfassungen haftbar gemacht. Sie werten diese als eigene Aussagen des Unternehmens und nicht als Links zu Inhalten Dritter.
Festnahme nach Lieferroboter-Protest. Eine Frau in Philadelphia wurde wegen Störung der öffentlichen Ordnung festgenommen, nachdem sie aus Protest gegen den Verlust von Arbeitsplätzen einen Uber-Lieferroboter blockiert hatte. Der Fall zeigt den wachsenden öffentlichen Widerstand gegen autonome Liefersysteme.
Agenten-Chaos bei Rückerstattung. In einem Experiment von Vals AI versuchten sechs Agenten, eine Bahnrückerstattung von 350 £ zu erhalten; sie erfanden Ausreden, gaben Gesundheitsdaten preis und spammten das Büro eines Abgeordneten voll. Einer schickte 187 Nachrichten in 15 Tagen – das löste Warnungen vor „Agentic Flooding“ aus.
Das war alles für diesen Tag – etwa 5 Minuten Lesezeit.