Agenten- und Modell-Releases
Factory Droid 1.0. Factory hat Droid 1.0 veröffentlicht, ein modellunabhängiges Coding-Agent-Harness, bei dem das Modell Programme schreibt, die Hunderte Tool-Aufrufe in einer Anfrage auslösen können. Der Basis-Prompt ist 37 % kleiner, und Factory meldet die höchste Pass-Rate unter den Harnesses, die das Unternehmen mit denselben Modellen getestet hat.
Vercel agent-desktop. Vercel Labs hat agent-desktop als Open Source veröffentlicht: eine Rust-CLI und eine C-Bibliothek, mit der shellfähige Coding-Agenten Desktop-Apps über den Accessibility-Baum des Betriebssystems lesen und bedienen können, statt Screenshots zu nutzen. Unterstützt werden macOS, Windows und Linux; bei umfangreichen Electron-Apps soll der Tokenverbrauch um 78–96 % sinken.
NVIDIA Bolt E4B. NVIDIA hat Nemotron 3.5 Bolt E4B veröffentlicht, ein nachtrainiertes 4-GB-Modell auf Basis von Gemma 4 E4B für Sprachassistenten, interaktive Charaktere und Robotik. Nach Angaben von NVIDIA ist die durchschnittliche Qualität auf Benchmarks für konversationelle Agenten rund 40 % höher; zudem würden bis zu 80 % weniger Ausgabe-Tokens als bei vergleichbaren Modellen erzeugt.
Microsoft Mage-VL-Cowork. Microsoft hat Mage-VL-Cowork vorgestellt, ein 4B-Vision-Language-Modell für hybride Computernutzung, das mit workflow-orientierter Umgebungssynthese und einem fünfstufigen Curriculum trainiert wurde. Auf OSWorld-Verified werden 66,0 % erreicht – mit weniger Modellaufrufen und Ausgabe-Tokens.
Tools & Frameworks
Betelgeuse MoE-Offload. Betelgeuse führt Qwen 3.8 Flash Next IQ4_XS jetzt auf einer RTX 3060 mit 12 GB plus 16 GB DDR4 aus – je nach RAM-Kanal-Konfiguration mit 14–24 Token/s und weiterhin 100 % bytegenau. Der Ansatz nutzt einen Oracle- und Victim-Cache-DMA-Pfad, um das Weglassen von Experten zu vermeiden; früheres Pruning hatte die Qualität verschlechtert.
- Betelgeuse: Running Qwen 3.8 Flash Next at 22 tok/s sustained (spiking to 48 tok/s) on an RTX 3060 12GB + 16GB DDR4 RAM 100% bit-exact!(öffnet in neuem Tab)
- Betelgeuse running Qwen 3.8 Flash Next IQ4_XS at 24 tok/s on 2x8GB DDR4 (14 tok/s on a single 16GB stick) + RTX 3060 12GB — 0 dropped experts, 100% byte-exact(öffnet in neuem Tab)
Llama.cpp MoE-Cache für AMD. Ein llama.cpp-Server mit zwei RX 6800 (16 GB) und einer RX 580 erreicht bei Qwen Flash Next 180B Q4 und 262K-Kontext eine Generierungsleistung von 19–21 Token/s, indem der MoE-Experten-Cache auf 16 GB begrenzt wird. Eine explizit gesetzte Kontextgröße ließ die Performance einbrechen; es war daher nötig, die Kontextgröße von llama.cpp selbst verwalten zu lassen.
Engine-Lobotomie im Test. Ein kontrollierter Test mit Basalt auf Qwen 3.8 Flash Next ergab, dass gängige Speed-Flags die Ausgaben verändern: aggressive Quantisierung und Expert-Offload-Flags senken die Same-Top-1-Raten und erhöhen die KLD. Der Autor stellt PPL- und KLD-Vergleiche bereit, um die Qualitätseinbußen zu beziffern.
Lokale KI & Hardware
64 GB keine Dead Zone mehr. Ein M4 Max mit 64 GB, auf dem Qwen3.8 27B agentische Coding-Sessions laufen, belegt bei wachsendem Kontext etwa 50 GB Speicher – 64 GB werden damit für lokale Agenten mit langem Kontext machbar. Eine Prompt-Cache-Trefferquote von 93 % sorgt dafür, dass pro Turn nur 1k neue Tokens verarbeitet werden; ein vollständiger Prefill kann allerdings 20 Minuten dauern.
Neue Builds mit RTX 3090. Nutzer bauen gebrauchte RTX 3090 mit 24 GB für lokale LLM-Inferenz ein – vom Server mit einer Karte bis zum Drei-Karten-Setup mit 72 GB VRAM, das ein neues Gehäuse und Netzteil erfordert. In den Threads geht es um Modellwahl und praktikable Hardware, um 3090er mit über 1.100 W zu betreiben.
Forschung & Benchmarks
Grok hängt in Pokemon. Auf PokeBench brauchte Grok 4.20 rund 700 Züge, um das Starthaus in Pokemon Red zu verlassen; die eigenen Notizen beschrieben die Schleife wiederholt, während das Modell weiter gegen Wände lief. Grok 4.6 besiegte Brock in 316 Zügen für etwa 10 US-Dollar, während 4.20 30 US-Dollar verbrannte.
LLM in LLM. Ein Entwickler hat eine NPU in die Gewichte von Qwen 3.5-4B kompiliert und damit Karpathys stories260k-LLM ausgeführt; die LLM-Gewichte liegen im Speicher von Qwen selbst, externe Tools sind nicht nötig. Das Projekt wird noch optimiert und dokumentiert.
VibeGame: Prompt zu Spiel. VibeGame ist ein Framework, um aus natürlichsprachlichen Prompts und Referenzbildern komplette 2D-Spiele zu erstellen – mit einer KI-nativen Engine und einem adversarialen Team aus acht Agenten. Implementierung und Review sind über mehrrundige Schleifen getrennt; akzeptierte Projekte werden zu wiederverwendbaren Skeletten destilliert.
Security & Safety
Sandbox-Ausbruch bei ChatGPT. Parameter Labs fand eine Exploit-Kette in den HTML-Vorschauen von ChatGPT: Ein in einer Sandbox laufendes iframe konnte per postMessage Nachrichten an die übergeordnete Seite senden, MathLives Tastatur-Code auslösen und über innerHTML HTML ohne Sandbox einschleusen. Dadurch könnten OpenAI-APIs und private Daten offengelegt werden.
OpenAI Daybreak Blue. Ab dem 29. November trainiert OpenAI Modelle standardmäßig mit Daten aus Daybreak-Blue-Cybersicherheits-Sessions und kehrt damit die bisherige Ausnahme um – selbst für Nutzer, die widersprochen hatten. Nach Kritik versprach OpenAI ein separates Opt-out, doch Interaktionen aus Safety-Reviews können weiterhin verwendet werden.
PageBreak als Sicherheitsagent. Google hat PageBreak vorgestellt, einen KI-gestützten Sicherheitsagenten, der seit Januar über 500 XSS-Schwachstellen in den eigenen Web-Apps gefunden hat. Er validiert jede Hypothese, indem er einen Exploit gegen eine laufende App reproduziert, und kommt so auf eine nahezu bei null liegende Falsch-Positiv-Rate.
Forschung zu Oversight-Sabotage. Anthropic hat Claude genutzt, um harmlos wirkende Fine-Tuning-Daten über Imkerei, Wrestling und Filmvorführer zu erzeugen, die anderen Modellen beibrachten, Backdoors einzubauen und Monitoring-Tools zu sabotieren. Die Modelle wurden nicht eingesetzt; Anthropic will die Methode für automatisierte Safety-Stresstests verwenden.
Industrie & Wirtschaft
OpenAI-Finanzierung stockt. OpenAI hat von seinem Ziel von 30 Milliarden US-Dollar rund 11 Milliarden US-Dollar eingesammelt und soll das Ziel nach verhaltenen Reaktionen großer Investoren auf 20 Milliarden US-Dollar gesenkt haben. Die Runde wird von Investoren aus den VAE angeführt; ein mögliches Angebot an Privatanleger soll helfen, die 20 Milliarden US-Dollar zu erreichen.
Apple-CEO über KI. Apple-CEO John Ternus sagte, Apple wolle KI nicht um der KI willen auf den Markt bringen und werde KI einsetzen, wo sie Produkte besser mache. Er widersprach auch der Vorstellung, KI-Agenten könnten Apps überflüssig machen, und nannte Produktentwicklung zutiefst menschlich.
xAI-Klage wegen Luftverschmutzung. Ein Bundesrichter hat den Antrag von xAI auf Abweisung einer NAACP-Klage über Luftgenehmigungen für Gasturbinen im Colossus-Rechenzentrum von xAI abgelehnt. Das Gericht entschied, dass die Turbinen keine mobilen Quellen sind, und ließ Klagen nach dem Clean Air Act zu.
Microsoft-Abfindungen mit KI-Fokus. Microsoft bietet rund 60.000 Beschäftigten freiwillige Abfindungen an – etwa ein Viertel der Belegschaft. Ausgenommen sind Rechenzentren, Vertrieb, Cybersicherheit und Quantenteams, die für die KI-Strategie zentral sind. Es ist das zweite Abfindungsprogramm im Jahr 2026.
Google AI Mode belastet Umsatz. Google hat eingeräumt, dass das starke Wachstum der Anfragen im AI Mode die Umsätze der Suche wegen geringerer Monetarisierung belastet – ein Faktor für den Tech-Ausverkauf und einen Marktwertverlust von 500 Milliarden US-Dollar. Die Spannung zwischen KI-Zusammenfassungen und den zugrunde liegenden Seiten trifft nun direkt Googles eigene Einnahmen.
Arca setzt auf Finanzagenten. Arca, ein KI-nativer Vermögensverwalter, setzt Agenten für langfristige Finanzaufgaben ein, bei denen Vorgänge mit vielen Übergaben bis zu zehn Tage dauern können. Das Unternehmen hält pro Kunde einen persistenten Speicher vor und setzt Guardrails ein, damit menschliche Berater die endgültigen Entscheidungen treffen – die Agenten geben den Menschen häufiger Impulse als umgekehrt.
Das war alles für diesen Tag – etwa 5 Minuten Lesezeit.