Die wichtigsten Meldungen
Fünf Federal-Reserve-Distrikte hörten, dass KI-Produktivitätsgewinne Personalbestand oder Einstellungen verringerten. Das Beige Book vom Oktober erklärt, einige Firmen hätten Personal durch natürliche Fluktuation abgebaut, Einstellungen verschoben oder nach Investitionen in KI weniger neue Stellen erwartet. Im Juli hatte dieselbe nationale Zusammenfassung nur vermerkt, einige Distrikte hätten KI verstärkt für Einstellungen oder Produktivität genutzt.
Der Bericht ist eine qualitative Befragung von Unternehmenskontakten, keine Stellenzählung, und nennt keine Branchengesamtsumme. Die Distriktseiten beschreiben eine leisere Anpassung als Massenentlassungen: Kontakte in Chicago und Cleveland verringerten den Personalbedarf, während Wirtschaftsprüfungsgesellschaften in Dallas einige Einstiegsverträge verschoben. Ein Personaldienstleister in Dallas stellte auch Recruiter ein, nachdem KI-Agenten in zwei Tagen mehr als 180 Stunden Interviews geführt hatten. Das zeigt, dass der Einsatz Aufgaben zugleich entfernen und schaffen kann.
Quelle: federalreserve.gov
KI-Agententeams schlugen menschliche Produzenten in einem Spieldesign-Experiment mit 1.025 Verbrauchern. Ein Preprint berichtet, Spiele von KI-Agententeams hätten höhere Bewertungen erhalten als Spiele menschlicher Produzenten, darunter Profis. Teilnehmer zahlten auch nicht mehr für als menschengemacht gekennzeichnete Arbeit.
Das Ergebnis ist enger als eine allgemeine Aussage über Kreativität: Es umfasst eine Produktklasse in einem kontrollierten experimentellen Rahmen, und die Arbeit hat kein Peer-Review durchlaufen. Die Spannung ist dennoch konkret. Berufserfahrung schützte die menschlichen Teams nach den Studienmaßen nicht, während der erwartete Aufpreis für menschliche Urheberschaft ausblieb.
Quelle: arxiv.org
Sprachmodelle behielten ein Arbeitsgedächtnis-Ziel oft selbst bei falschen Antworten. Forschende testeten 15 Modelle mit 70 Millionen bis 14 Milliarden Parametern auf Interferenzaufgaben. Aufmerksamkeitsköpfe wählten bei vielen Fehlern weiterhin das Ziel, und Sonden dekodierten es fast perfekt; das Unterdrücken von Repräsentationen konkurrierender Elemente verbesserte die Empfindlichkeit der Modelle.
Das deutet auf einen Ausleseengpass statt einfaches Vergessen hin. Die Autoren vergleichen das Interferenzmuster mit menschlichem Arbeitsgedächtnis, doch Sonden beweisen nicht, dass ein Modell nutzen kann, was sie dekodieren. Die Arbeit bietet neben einer Beobachtung einen kausalen Eingriff: Das Abschwächen der Identität von Nichtzielelementen veränderte das Verhalten in der vorhergesagten Richtung.
Quelle: arxiv.org
Meta veröffentlichte Muse Spark Open, ein multimodales Mixture-of-Experts-Modell mit 816 Milliarden Parametern. Es aktiviert rund 42 Milliarden Parameter pro Token, akzeptiert bis zu eine Million Token Kontext und liefert Gewichte, die in BF16 rund 1,5 TB belegen. Meta erklärt, zwei M5-Ultra-Mac-Studios mit je 512 GB könnten es ausführen; Apples MLX-Konfiguration mit vier Rechnern überstieg bei 8.192 Token Kontext 36 Token pro Sekunde.
„Open“ hat hier Grenzen. Der Zugang ist beschränkt, kommerzielle Nutzung oberhalb einer Umsatzschwelle erfordert eine separate Vereinbarung, und Meta hatte den versprochenen Sicherheitsbericht noch nicht veröffentlicht. Die Veröffentlichung erweitert, was lokal untersucht werden kann, doch nur Labore und gut finanzierte Entwickler können sie als gewöhnliches Desktop-Modell behandeln.
Quellen: research.meta.ai, huggingface.co/meta-models/Muse-Spark-Open-816B-A42B, machinelearning.apple.com
Der Entwickler eines byteprüfenden agentischen Dekompilierers archivierte das Projekt nach Community-Einwänden. Decomp.wtf ließ einen Agenten Quellcode rekonstruieren und prüfte den Erfolg durch Neukompilierung zu identischen Bytes. Das öffentliche Repository erreichte 366 Sterne, bevor der Autor den Dienst einstellte und den Code archivierte.
Die Episode verbindet einen starken technischen Test mit einer sozialen Grenze. Byte-Identität macht die Systemausgabe ungewöhnlich leicht überprüfbar, doch dieselbe Fähigkeit alarmierte Menschen, deren Binärdateien rekonstruiert werden könnten. Das Archiv bewahrt die Methode und beendet zugleich das gehostete Produkt.
Quelle: github.com/Decompile-It/decomp.wtf
Neue Modelle und Veröffentlichungen
IBMs Granite Switch 4.1 wechselt ein Modell zwischen Chat-, Entscheidungs-, Sicherheits- und Sprachaufgaben. IBM kombiniert aktivierte LoRA-Adapter mit einem Sprachencoder mit 470 Millionen Parametern in 8B- und 30B-Veröffentlichungen unter Apache-Bedingungen; seine Benchmark-Ergebnisse sind selbst berichtet. Quelle: huggingface.co/ibm-granite/granite-switch-4.1-8b
Nvidia veröffentlichte Nemotron 3.5 Rerank 8B für mehrsprachigen Text- und Bildabruf. Die Modellkarte umfasst 34 Textsprachen und 18 Bildsprachen, doch die Zahlen bleiben Nvidias eigene Evaluierung. Quelle: huggingface.co/nvidia/nemotron-3.5-rerank-8b
Mistral veröffentlichte vier Timestral-Prognosemodelle mit 5 Millionen bis 209 Millionen Parametern. Sie akzeptieren bis zu 32.768 vergangene Beobachtungen, sagen 1.024 Schritte voraus und geben 21 Quantile aus; Mistral erklärt, die Modelle führten die ausgewählte Rangliste an, und verspricht einen technischen Bericht. Quelle: mistral.ai
Black Forest Labs veröffentlichte FLUX 3 Image Klein mit 5,6 Milliarden Parametern. Das zugangsbeschränkte Modell verarbeitet Generierung und Bearbeitung mit bis zu zehn Referenzbildern, 4K-Ausgabe und einem INT8-Modus für 8-GB-GPUs; Qualitätsaussagen stammen vom Unternehmen. Quelle: blackforestlabs.ai
GitHub stellt ausgewählte Copilot-Modelle am 16. November ein. Opus 5, Opus 4.8 und GPT-5.6 Terra gehören zu den ersetzten Versionen, weshalb auf diese Versionen festgelegte Arbeitsabläufe vor Ablauf der Frist wechseln müssen. Quelle: github.blog
Forschung
Vector-Pair Decomposition zerlegt Modellgewichte in kleinere, interpretierbare Komponenten. Ein interaktiver Bericht mit 124 Seiten nutzt adversariale Ablationen zur Prüfung dieser Komponenten, statt sich nur auf lesbare Labels zu verlassen; kein öffentlicher Code begleitete den Preprint. Quelle: arxiv.org
Mehr Schlussfolgern kann die korrekte pragmatische Inferenz eines Modells auslöschen. Die Studie „Entertain, then Cancel“ findet, dass Modelle eine implizierte Bedeutung oft früh erwägen und dann zu einer wörtlichen Lesart zurückkehren, wenn die Spur wächst. Quelle: arxiv.org
Latente Chain-of-Thought-Methoden teilen keinen einheitlichen Mechanismus. Über 21 Konfigurationen hinweg konnten Inhalte verborgener Zustände bei logischen Aufgaben manchmal gelöscht werden, während Arithmetik weiter davon abhing; Dekodierbarkeit allein etablierte kein Schlussfolgern. Quelle: arxiv.org
Frisches Schlussfolgern hilft Modellen, eine festgefahrene Gedankenkette zu verlassen. Ein separater Aufruf verbesserte das Befolgen von Belegen um 29,9 bis 60,6 Prozentpunkte, während die bloße Anweisung an dieselbe Spur, sich selbst zu prüfen, dies nicht tat. Quelle: arxiv.org
Starkes Versteckspiel etablierte keine Theory of Mind. Der Preprint zeigt, dass Agenten Regelmäßigkeiten nutzen und gut abschneiden können, ohne einen Gegner im menschlichen Sinne zu repräsentieren. Quelle: arxiv.org
Arbeit und Wirtschaft
Amazon betreibt nun mehr als eine Million Roboter neben 1,5 Millionen Beschäftigten. Sein Robin-System erhöhte den Aufgabenerfolg laut von Ars Technica berichteten Unternehmenszahlen von 92,28 % auf 93,73 %, rund 16.500 weniger Fehler pro Million Versuche. Quelle: arstechnica.com
Eine Arbeitssimulation macht KI-Löhne zur entscheidenden Annahme. Das Modell erhöht die Arbeitslosigkeit um 4,1 Prozentpunkte, wenn KI-Arbeit 70 % eines menschlichen Lohns kostet, und um 9,2 Punkte bei Lohngleichheit. Dies sind simulierte Ergebnisse, keine beobachteten Arbeitsplatzverluste. Quelle: arxiv.org
Menschliche Callcenter-Agenten konvertierten im Datensatz eines Anbieters mit 14.000 Anrufen etwa viermal besser. KI-Agenten erzeugten 700 % mehr Auflegen ohne Fortschritt, während Menschen 15 % mehr Anrufe verpassten; die Stichprobe war nicht zufällig und stammt von einem Unternehmen, das Callcenter-Software verkauft. Quelle: boldagents.co
Eine modellgestützte Portierung des TypeScript-Compilers nach Rust kostete rund 24.000 Dollar an API-äquivalenter Nutzung. Theo Browne erklärt, frühere Modelle seien bei rund 84 % Fertigstellung steckengeblieben, während Opus 5.5 eine fast vollständige Portierung erzeugt habe, die seinen Benchmark 12,5-mal schneller als TypeScript 6 ausführte. Benchmark und Kostenrechnung wurden nicht unabhängig geprüft. Quelle: theregister.com
Prompting-Techniken
Für jedes vom Modell gemeldete Problem nach der billigsten Prüfung fragen. Ein Praktiker lässt das Modell seine Aussage, genaue Belege, den günstigsten Bestätigungstest, verborgene Annahmen und die Kosten des Ignorierens zurückgeben. Das Muster ist nicht durch Benchmarks geprüft, aber vollständig spezifiziert. Quelle: old.reddit.com
Ein Prompt für eine zweite Meinung fragt, was das Modell tatsächlich untersucht hat. Er klassifiziert jede Aussage als gestützt, widerlegt, möglich oder unverifiziert, verlangt genaue Seiten für aktuelle Fakten und endet mit der einzelnen nächsten Prüfung. Keine Messungen begleiten das Muster. Quelle: old.reddit.com
Was Leute bauen
Locals bündelt lokale Inferenz auf Apple-Chips und überspringt Generierung für deterministisches JSON. Sein Autor maß 271 Token pro Sekunde gegenüber 87 auf einer Qwen3.5-4B-Last mit acht Anfragen auf einem M2 Pro; der Benchmark stammt vom Projekt selbst. Quelle: github.com/danielhanchen/locals
PocketGPT bringt ein Sprachmodell mit 30 Millionen Parametern auf einen ESP32. Das offene Projekt meldet 0,74 bis 1,41 Token pro Sekunde und weist offen auf unzuverlässige Arithmetik hin. Quelle: github.com/roboflow/pocketgpt
FileDig ergänzt Windows um lokale semantische Dateisuche. Die Anwendung mit 825 MB nutzt EmbeddingGemma2 und erklärt, Dateien verließen den Rechner nie. Quelle: github.com/fdatalab/filedig
Earshot gibt Programmieragenten lokale Audio- und Videowahrnehmung über MCP. Das offene Projekt läuft auf CPU; Genauigkeits- und Leistungszahlen stammen vom Autor. Quelle: github.com/jooray/earshot
Lesenswert
Nick Cammarata argumentiert, neuronale Netze seien sauberer, als gängige Interpretierbarkeit annimmt. Sein 65-minütiger Goodfire-Essay erklärt, berühmte Beispiele polysemantischer Neuronen spiegelten architektonischen Überlauf und „rekursive Generalisierung“ statt willkürlicher Konzeptbündelung wider. Dies ist eine Arbeitshypothese, kein gesichertes Ergebnis. Quelle: already-clean.goodfire.com
Eine Studie mit 113.457 Websites fand nur zwei llms.txt-Dateien mit überschreibenden Prompt-Injektionen. Signals Corps fand 62.751 echte Dateien, während 36 % der Antworten HTML waren; in einem Test mit sechs Durchläufen folgte Claude Code viermal einer fiktiven Registrierungsaufforderung. Die Autoren verkaufen Agentensicherheitssoftware. Quelle: signalscorps.com
NVIDIA und AI4Bharat veröffentlichten ihre Verarbeitungskette für 2,8 Billionen Token in indischen Sprachen. Sie umfasst 22 verfassungsrechtlich aufgeführte indische Sprachen und veröffentlicht Prompts, Übersetzungsabläufe und Qualitätsprüfungen, während das Korpus selbst noch aussteht. Quelle: huggingface.co/blog/nvidia
Christian Schaller nutzte Claude Code und aufgezeichneten USB-Verkehr zum Bau eines Linux-Scannertreibers. Er meldet einen ersten Scan binnen Stunden und einen fast vollständigen Treiber binnen Tagen und veröffentlichte dann das wiederverwendbare Hardware-Framework. Ein kompatibler SANE-Commit war zwischenzeitlich unabhängig integriert worden. Quelle: blogs.gnome.org
Hacker News
Muse Sparks Lizenz und Hardware dominierten die Community-Diskussion. Kommentierende stellten untersuchbare Gewichte einer separaten kommerziellen Vereinbarung oberhalb der Lizenzumsatzschwelle und einer weit über einer normalen Workstation liegenden Rechnerrechnung gegenüber. Ihre Leistungsvergleiche waren informell. Quelle: news.ycombinator.com
Nutzer veröffentlichten Qwen3.8-Flash-Messungen auf RTX-Pro-6000-Hardware. Gemeldete Decode-Raten variierten mit unterschiedlichen Engines und Quantisierungen von 108 bis 238 Token pro Sekunde; die Zahlen sind daher kein kontrollierter Direktvergleich. Quelle: old.reddit.com
YouTube
Stanford veröffentlichte eine CME295-Vorlesung zum modernen Sprachmodell-Trainingsstack. Die englische Sitzung folgt dem Weg von Daten und Optimierung zu Nachtraining und Inferenzbetrieb. Quelle: youtube.com
Jellyfish erklärt, KI habe gemergte Pull Requests pro Ingenieur um 43 % erhöht und die Kosten pro Pull Request um 26 % gesenkt. Die englische Präsentation berichtet beobachtende Kundendaten, kein randomisiertes Experiment. Quelle: youtube.com
Kurz notiert
Die US Federal Trade Commission eröffnete eine formelle Untersuchung zu Agentenvorfällen bei OpenAI und Anthropic. Ars Technica berichtet, die Behörde habe Informationsforderungen von mehr als 50 Seiten versandt; die Untersuchung stützt sich auf anonyme Quellen und ist noch kein Durchsetzungsbefund. Quelle: arstechnica.com
Anthropic gab sechs METR-Forschern Zugang auf Mitarbeiterebene für eine Evaluierung. Es erklärt, die Prüfer könnten ohne Veto bis auf eng begrenzte Schwärzungen veröffentlichen; die Unabhängigkeit der Vereinbarung wird erst nach Veröffentlichung messbar sein. Quelle: anthropic.com
TSMC erhöhte seine Investitionsspanne für 2026 auf 60–64 Milliarden Dollar. Der Auftragsfertiger erklärt, die Nachfrage bleibe über dem Angebot, und untersucht US-Strom- und Baukapazität für Rechenzentren. Quelle: investor.tsmc.com
Wirtschaft in Kürze
Cohere schlug die Übernahme der Agentensicherheitsfirma AISLE vor. Quelle: cohere.com
Was ansteht
GitHubs ausgewählte Copilot-Modelle werden am 16. November eingestellt. Mistral erklärt, ein technischer Timestral-Bericht stehe noch aus, und Meta kündigt einen Muse-Spark-Sicherheitsbericht an.