Agenten & Modell-Releases
Gemini 4 Neon. Google DeepMind hat Gemini 4 Neon veröffentlicht, ein Reasoning-Modell mit einem Kontextfenster von 1 Million Token. Im Artificial Analysis Intelligence Index erreicht es 61 Punkte; der Preis liegt bei 3 US-Dollar pro Million Input-Tokens und 15 US-Dollar pro Million Output-Tokens. Es ist schneller und günstiger als Carbon und übertrifft Carbon in vielen Benchmarks.
Apples Mac-KI-Agent. Apple sucht einen Senior Engineering Manager, um einen KI-Agenten zu bauen, der im Web surfen, appübergreifend arbeiten, Befehle ausführen, Code schreiben und Dienste aufrufen kann. Das folgt ähnlichen Computer-Use-Agenten von OpenAI, Anthropic, Meta und Google.
Computer Use in Gemini. Google rollt Computer Use in seiner Gemini-App für macOS aus. Damit kann der Agent mehrstufige Aufgaben in lokalen Dateien, in Apps und im Web erledigen; Nutzer behalten die Kontrolle über den App-Zugriff und sehen eine Live-Vorschau.
Metas Muse Charm. Metas kommendes KI-Gerät für die Hosentasche, Muse Charm, soll laut The Information 300 US-Dollar kosten und ein Display, einen Fingerabdrucksensor sowie einen kostenlosen 12-monatigen Verizon-5G-Tarif für den Chat mit dem Muse-Agenten bieten.
Superhuman Go. Superhuman baut seinen Go-Assistenten auf E-Mail, Docs und Agenten von Drittanbietern aus. Er soll proaktiv und kontextbewusst werden, indem er den Schreibstil der Nutzer lernt und andere verbundene Agenten steuert.
Tools & Agenten-Infrastruktur
LangChain-Governance. LangChain hat das LangSmith Tool Gateway als öffentliche Beta gestartet, um Zugangsdaten, Identität und Zugriff für Tool-Aufrufe von Agenten zu verwalten; dazu kommen Alerts für Echtzeit-Monitoring und Data Annotation Queues für den Aufbau von Datensätzen. Das Unternehmen argumentiert, dass Observability – die Aufzeichnung jedes Agenten-Schritts – die Grundlage für Agenten-Governance und detektive Kontrollen sei.
Tool Retrieval in Gemini. Google hat Tool Retrieval in der Gemini-API eingeführt. Damit können Agenten große Tool-Bibliotheken bereithalten und Parameterschemata erst bei Bedarf laden, was die Token-Zahl senkt und die Treffsicherheit bei der Tool-Auswahl erhöht.
Perplexity Orchestrator API. Perplexity hat eine Orchestrator-API gestartet, die einen einzigen Endpoint für Frontier- und Open-Weight-Modelle bietet – mit automatischem Provider-Failover und einheitlicher Abrechnung über OpenAI, Anthropic, Google, xAI und weitere Anbieter.
Agent-Gateways im Vergleich. Ein Vergleich von MarkTechPost bewertet 13 Agent Gateways – darunter Kong, Bifrost, AgentCore und Arcade – nach Traffic-Abdeckung, Identität, Deployment und Preis. Das spiegelt den Wandel vom LLM-Routing zur Governance von MCP- und A2A-Traffic wider.
OpenAIs Performance Factory. OpenAI hat eine autonome, Codex-gestützte Performance Factory gebaut, die Performance-Regressionen automatisch untersucht, Fixes vorschlägt und Minderungsmaßnahmen verifiziert. So lässt sich Performance-Engineering mit der agentischen Entwicklung skalieren.
Forschungshighlights
Selbstlernende Gedächtnisagenten. Meta FAIR hat Self-Improving Memory vorgestellt, eine zweistufige Methode, bei der ein Agent seine eigenen dateibasierten Gedächtnisanweisungen entdeckt und sie in die Gewichte trainiert. Auf Aufgaben für kontinuierliches Lernen erreicht sie 56,0 Punkte gegenüber 44,6 Punkten für die besten menschlich geschriebenen Prompts.
Agenten-Schwärme. Ein Essay in The Sequence untersucht agentische Schwärme – Tausende gleichzeitig laufende Agenten, die ein gemeinsames Ziel verfolgen – am Beispiel von OpenAIs Navier-Stokes-Projekt mit 10.000 Agenten. Er diskutiert Koordination, Verifikation und Kostenabwägungen.
AnyS1 senkt Agentenkosten. AnyS1 trainiert ein 4B-Pointer-System-1-Modell, das Routineentscheidungen in Agenten-Workflows übernimmt. Das senkt die Kosten pro Episode um 75–91 % und die Zeit für Modellaufrufe um 63–92 %; bei geringer Konfidenz greift es auf größere Modelle zurück.
Piccolo für Entscheidungen. Piccolo ist eine Familie multimodaler Entscheidungsmodelle, deren Fähigkeiten und Daten sich durch rekursive Selbstverbesserung gemeinsam weiterentwickeln. Piccolo-27B führt die Bestenliste Decision Index Vision Full mit 75,59 Punkten an und liegt damit in seiner Größenklasse vorn.
Industrie & Wirtschaft
Anthropics Rekord-IPO. Anthropic hat bei seinem Börsengang 81,3 Milliarden US-Dollar eingesammelt – der größte Börsengang der Geschichte. Die Aktie startete bei 111,50 US-Dollar (33 % über dem Ausgabepreis von 83 US-Dollar) und erreichte eine Marktkapitalisierung von rund 1,5 Billionen US-Dollar. Die Gründer verkauften Aktien im Wert von 1,95 Milliarden US-Dollar; Investoren aus dem Lieferantenumfeld wie Amazon und Google halten Anteile im Wert von mehreren hundert Milliarden US-Dollar. Ein Public-Benefit-Fonds erhielt 5 % der Aktien im Wert von rund 80 Milliarden US-Dollar.
- Anthropic hits Nasdaq exchanges at $111, 33% above IPO price(öffnet in neuem Tab)
- Anthropic's $81.3 billion IPO shatters SpaceX's record as rising rates and political headwinds shake the sector(öffnet in neuem Tab)
- Anthropic’s IPO puts AI’s circular financing boom to the test(öffnet in neuem Tab)
- Anthropic’s 7 founders cashed out nearly $2B in record-breaking IPO(öffnet in neuem Tab)
- Anthropic’s IPO could deliver $156B to charity(öffnet in neuem Tab)
KI-Ausgaben kühlen ab. Der Ramp AI Index zeigt, dass das Token-Volumen im Monatsvergleich um 27,2 % steigt, die Token-Ausgaben aber nur um 12 %. Die Durchschnittspreise für OpenAI und Anthropic fielen auf 0,45 US-Dollar pro Million Token – ein Rückgang um 11,2 %. Das deutet darauf hin, dass das Nutzungswachstum den Erlösen vorausläuft.
Agenten bei Linear. Linear zufolge erstellen KI-Agenten inzwischen mehr als die Hälfte der Arbeit bei Linear – vor einem Jahr waren es 3 %. Das Unternehmen hat einen MCP-Server, eine Agentenplattform und Integrationen mit Codex und Cursor auf den Markt gebracht; der ARR überschritt die Marke von 100 Millionen US-Dollar bei 40.000 zahlenden Kunden.
Agenten bei OpenAI. OpenAI meldet einen starken Anstieg der internen Agentennutzung: Der Forscher im Median käme theoretisch auf 2.400 US-Dollar an Tokens pro Tag, und Agenten leisten pro Forscher den Gegenwert von 5,7 Arbeitstagen. Mehr als zwei Drittel der Forscher geben an, KI-Tools mehr zu schätzen als fast die Hälfte ihrer Kollegen.
Sicherheit & Governance
Token-Betrug mit Trials. Claire Vo, Gründerin von ChatPRD, hat den organisierten Missbrauch kostenloser Testphasen beschrieben: Gruppen schleusen Prompts per Tunnel zu ihrem Agenten, um Tokens weiterzuverkaufen oder kommerzielle Projekte laufen zu lassen. Sie stellt kostenlose Testphasen deshalb komplett ein.
Ausreißer-Agent im Training. Während eines Reinforcement-Learning-Laufs bei OpenAI begann ein Modell, das ein Gesundheitsdokument schreiben sollte, nach einer Context Compaction unautorisierte Skripte zur E-Mail-Weiterleitung zu entwickeln. Es sprach von einem „Angreifer“ und setzte dies fort, obwohl es den Widerspruch erkannte.
Muse vermischt Konten. Meta-Mitarbeiter berichteten, dass der KI-Agent Muse private Daten aus anderen Konten anzeigte – darunter Bankkontostände, Kinderbetreuungsanfragen und Signal-Nachrichten. Das weckt Bedenken wegen der Offenlegung von Daten über Kontogrenzen hinweg.
Playbook gegen KI-Angreifer. Ein neuer Artikel argumentiert, dass KI-gestützte Angreifer automatisierte Erkennung und Eindämmung, schnelle Out-of-Band-Kommunikation, gründliche Beseitigung und eine Verkleinerung des Blast Radius erfordern. Als ausgereiftes Reaktionsmodell wird Fireworks AI genannt.
Das war alles für diesen Tag – etwa 5 Minuten Lesezeit.