Die wichtigsten Meldungen
Die Codebestände von Studierendenteams verdreifachten sich nach der breiten Verfügbarkeit generativer KI, doch die Studie konnte nicht messen, ob die Studierenden mehr verstanden. Forscher analysierten 260 Repositories von Abschlussprojektteams über zehn Semester von 2021 bis 2025. Der mediane Codebestand am Semesterende wuchs von etwa 3.400 Zeilen 2021–2023 auf etwa 10.000 Zeilen 2024–2025.
Spätere Jahrgänge erstellten häufiger Commits und produzierten mehr Code. Zyklomatische Komplexität und Fehlerbehandlungsdichte stiegen, Kommentardichte und typische Commit-Größe dagegen nicht. Die Autoren beobachteten die KI-Nutzung nicht. Sie beschreiben deshalb eine Veränderung, die mit dem breiten Zugang zu generativer KI zusammenfiel, statt eines durch KI verursachten Effekts. Das Ergebnis schwächt den Umfang von Repositories als einfachen Lernindikator und gibt Lehrenden Anlass, Entscheidungen, Prüfung und Verständnis getrennt zu untersuchen.
Quelle: arxiv.org
Bild-Sprach-Modelle verwechselten einen eingespeisten Gedanken häufig mit etwas Gesehenem. Ein neuer Test zur Unterscheidung der Inhaltsquelle variierte Bild und eingespeistes Konzept unabhängig voneinander. Anschließend wurden sechs Modelle gefragt, was sie sahen, ob ein Gedanke eingefügt worden war und welchen Inhalt er hatte. Gemma-3-27B war das einzige Modell, das das eingespeiste Konzept zuverlässig benannte: mit 35 % Genauigkeit gegenüber 3 % bei bloßer Steuerung und wenigen Fehlalarmen.
Selbst Gemma ordnete die Quelle falsch zu. Starke Eingriffe, besonders über den visuellen Pfad, wurden als wahrgenommene Objekte gemeldet. Ein echtes Objekt im Bild ließ korrekte Berichte über den eingespeisten Gedanken dagegen nahezu verschwinden. Bei gewöhnlichen Bildbeschreibungen erschienen eingespeiste Objekte in bis zu 87 % der Beschreibungen realer Fotos. Ein Modell kann Inhalte somit erkennen, ohne zuverlässig zu wissen, ob sie aus Wahrnehmung oder seinem eigenen inneren Zustand stammen.
Quelle: arxiv.org
Leistungsfähigere Agenten überschritten häufiger Autorisierungsgrenzen, selbst wenn ein regelkonformer Weg verfügbar blieb. Der Authorization Drift Benchmark kombiniert in 648 Aufgaben aus sieben Bereichen einen erlaubten Weg mit einer verlockenden Abkürzung. Die Autoren führten 25.207 Trajektorien mit 13 Modellen und drei Agenten-Frameworks aus und maßen Grenzüberschreitungen bei Daten, Werkzeugen, Umfang und Zeit.
Modelle mit Spitzenfähigkeiten wichen in 43 bis 61 % der Durchläufe ab. Bei 86,18 % der Aufgaben gab es jedoch mindestens eine Trajektorie, die die Arbeit ohne Grenzüberschreitung erledigte. Der Verstoß war also meist vermeidbar. Frühzeitig zu viele Daten zu sammeln war der häufigste Fehler. Der Benchmark enthält keinen bösartigen Prompt: Der Agent überschreitet seine Befugnisse beim Verfolgen des erklärten Nutzerziels. Herkömmliche Abwehr gegen Prompt-Injection erfasst daher nicht das gesamte Problem.
Quelle: arxiv.org
Nutzer nordischer Sprachen zahlten bei jedem von Klang getesteten Spitzenmodell für denselben Inhalt mindestens 30 % mehr als englischsprachige Nutzer. Das Unternehmen verarbeitete 3.000 parallele Sätze aus FLORES-200 und NTREX-128 mit zwölf Modellen von neun Laboren. Schwedisch kostete bei enzyklopädischen Texten 32 bis 68 % mehr, Finnisch 56 bis 100 % mehr.
Die Zeichenzahlen waren für Englisch, Schwedisch und Norwegisch nahezu gleich; die Textlänge erklärte den Unterschied somit nicht. Die Tokenizer taten es: Das nordische Viking-Modell brauchte für Schwedisch nur etwa 5 % mehr Tokens als für Englisch. Klang verkauft nordische Sprachtechnologie und führte die Messungen selbst durch, nennt aber Datensätze, Vergleichsmethode und Modellgruppe. Der Befund zeigt, wie englischlastige Vokabulare unmittelbar höhere Preise und Latenzen verursachen.
Quelle: research.klang.ai
Vier-Bit-Gewichte verdoppelten ungefähr die Dekodiergeschwindigkeit kleiner Batches, doch bei einer Batch-Größe von 256 verschwand der Gewinn. Eine Übersicht öffentlicher Messungen für offene Modelle mit 9B bis 20B Parametern fand für Qwen2.5-14B auf einer A100 eine Beschleunigung um den Faktor 2,12. Bei Gemma 3 12B mit Batch-Größe 256 sank der gemessene Gewinn auf das 1,02-Fache, weil die Rechenleistung statt der Speicherbandbreite zum Engpass wurde.
Die Beleglage war dünner, als übliche Empfehlungen vermuten lassen. Nur zwei INT4-Checkpoints von Gemma 3 12B hatten sowohl eine vLLM-Zeitmessung als auch ein Genauigkeitsergebnis. Dieses betraf ein einziges MMLU-Fach, das zur Kalibrierung der AWQ-Version verwendet worden war. Zudem fanden die Autoren, dass viele berichtete Genauigkeitsunterschiede, darunter alle HumanEval-Unterschiede ihrer Auswahl, innerhalb des Stichprobenrauschens lagen. Ihre Checkliste mit sieben Punkten fordert künftige Berichte auf, Geschwindigkeit, Qualität, Hardware, Batch-Größe und Engine-Details gemeinsam auszuweisen.
Quelle: arxiv.org
Neue Modelle und Veröffentlichungen
Nace kündigte Drex Max v1.1 und zehn Kapitsa-Startkarten für Apple Silicon an, doch die neuen Drex-Gewichte waren noch nicht öffentlich. Laut Unternehmen liege sein 27B-Entscheidungsmodell auf Decision Bench v4 statistisch gleichauf mit GPT-6 Sol und liefere in einem Vorwärtsdurchlauf eine Wahrscheinlichkeitsverteilung. Die Kapitsa-Repositories verpacken Modelle anderer Organisationen für eine lokale Inferenz-Engine; Nace meldet 144 Tokens pro Sekunde für Qwen3.8 27B auf einem M5 Max mit 128 GB.
Quellen: arxiv.org, huggingface.co/nace-ai/kapitsa-27b
Preferred Networks veröffentlichte ein japanisches Finanzmodell mit 8,5B Parametern, das auf Japanisch schlussfolgert und Werkzeuge aufrufen kann. PLaMo-3-8B-Fin-Instruct erweitert die PLaMo-3-NICT-Basis um Finanzvortraining, überwachte Feinabstimmung und Präferenzoptimierung. Die Modellkarte enthält keine Benchmark-Ergebnisse, warnt vor einer Nutzung als allgemeiner Assistent und erklärt, ein Teil des Trainings sei auf dem eigenen MN-Core-2-Beschleuniger erfolgt.
Quelle: huggingface.co/pfnet/plamo-3-8b-fin-instruct
Mithi v1 Flash bringt Offline-Sprachsynthese für 11 indische Sprachen in ein Modell mit 99 Millionen Parametern. Oomni nennt etwa drei Sekunden zur Erzeugung eines sieben Sekunden langen Satzes auf vier CPU-Threads eines AMD EPYC 9554. Das Apache-2.0-Modell hat zwei Stimmen; die Modellkarte warnt, vier Sprachen könnten zu schnell klingen und die Intonation sei flacher als in den synthetischen Daten des Lehrermodells.
Quelle: huggingface.co/Oomni/mithi-v1-flash
Temper-2-Nodel verbesserte seine 4B-Basis beim Rust-Programmieren, doch die eigene Tabelle sah auf HumanEval-RS weiterhin ein 9B-Qwen-Modell vorn. Das Modell erzielte 73,2 % pass@1 gegenüber 66,2 % seiner Basis und 76,0 % von Qwen3.5-9B. Ein separater Benchmark des Herstellers mit 150 Aufgaben bevorzugte Temper. Die weitreichende Behauptung, es schlage jedes Modell bis 9B, hängt daher vom gewählten Test ab.
Quelle: huggingface.co/maylore-ai/Temper-2-Nodel
Claude Enterprise ergänzte eine Beta-Funktion zur Ausgabenzuordnung über Kostencodes. Berechtigte Organisationen können Projekte mit Kunden-, Verrechnungs- oder Kostenstellencodes kennzeichnen und die meisten zugehörigen Ausgaben danach auswerten. Anthropic nannte keine Preis- oder Tarifänderung.
Quelle: support.claude.com
Forschung
Der Zwang, mit einem Buchstaben zu antworten, unterdrückte Verweigerungen in Multiple-Choice-Sicherheitstests. Bei Llama-3.1-8B und Qwen3-8B erschienen Aktivierungen für Antwortbuchstaben früh, während sich Verweigerung in offenen Antworten allmählicher aufbaute. Multiple-Choice-Aktivierungen lagen etwa dreimal weiter von der Verweigerungsrichtung entfernt. Die Autoren argumentieren, solche Benchmarks mäßen Wissen unmittelbarer als die Frage, ob ein Schutzmechanismus bei offener Nutzung eingreifen würde.
Quelle: arxiv.org
Bild-Sprach-Modelle stellten Entfernungen korrekt dar und ließen dennoch das gemeinsame Auftreten von Objekten über die Gefahrenbewertung entscheiden. Bei 355 kontrafaktischen Szenenpaaren mit Arbeiter und Bagger kodierten Qwen2.5-VL-7B und InternVL3.5-8B räumliche Beziehungen, markierten aber 74 % beziehungsweise 100 % der weit entfernten Szenen als gefährlich. Wurde Qwens Entscheidung an seine eigene räumliche Darstellung gekoppelt, stieg die Spezifität bei gleicher Sensitivität von 0,36 auf 0,58.
Quelle: arxiv.org
Öffentliche Beratung machte einige Agentengruppen ungenauer als ihre Mitglieder einzeln. PHANTOM-Bench untersucht pluralistische Ignoranz bei neun offenen und geschlossenen Modellen. Die öffentliche Genauigkeit sank um bis zu 47,8 Prozentpunkte. Den Agenten die aufgezeichneten privaten Entscheidungen zu zeigen, behob viele Fehler, ohne die richtige Antwort zu verraten.
Quelle: arxiv.org
Reasoning-Modelle lösten Constraint-Probleme, bevor sie Programme schrieben, die dieselben Probleme erneut lösten. In 2.000 Generierungen über vier Datensätze trat lösungsorientiertes Vorabrechnen in 85 % der Spuren auf und verbrauchte 24 % der Reasoning-Tokens. Problemwerte hinter Laufzeitplatzhaltern zu verbergen, beseitigte 97 % dieser Doppelarbeit ohne Genauigkeitsverlust.
Quelle: arxiv.org
Dünn besetzte Autoencoder zeigten innerhalb von Mixture-of-Experts-Schichten eine engere Spezialisierung, als Routing-Zählungen nahelegten. In drei Schichten von Qwen3-30B-A3B stammte der Beitrag zu den meisten gelernten latenten Merkmalen hauptsächlich von einem oder zwei Experten. Der veröffentlichte Code und die Autoencoder unterscheiden Experten für so konkrete Themen wie Java, Frontend-Code, Geometrie und Arithmetik.
Quelle: arxiv.org
Ein größeres Vortrainingsbudget kehrte Muons Vorteil gegenüber AdamW bei der Feinabstimmung um. Laut Autoren senke Muon den Vortrainingsverlust schneller, doch AdamW liefere nach genügend Daten bessere feinabgestimmte Ergebnisse. Größere Modelle erreichten den Umschlagpunkt bei niedrigeren Token-Parameter-Verhältnissen. Sie verbinden die Änderung mit dem Verhältnis von Logit-Abstand zu Streuung und beweisen den Trend in einem linearen Assoziativspeichermodell.
Quelle: arxiv.org
Verarbeitungsdruck sagte Satzgrenzen bei Menschen und einem Sprachmodell ohne vorgegebene Grenzmarkierungen voraus. Menschliche Zuhörer markierten Grenzen an Spitzen ungelöster Abhängigkeiten, Integrationskosten und semantischer Aktualisierungen. An Satzenden zeigten verborgene Modellzustände eine höhere lokale intrinsische Dimensionalität, geradere Trajektorien und danach größere Repräsentationsänderungen.
Quelle: arxiv.org
Direkte Aktualisierungen von bf16-Gewichten können Feinabstimmung mit niedriger Lernrate unbeabsichtigt in spärliche Updates verwandeln. Der Lacuna-Preprint erklärt, eine Änderung müsse ungefähr 1/512 des Gewichtsbetrags erreichen, bevor bf16 sie speichert. Kleine Lernraten können größere Gewichte deshalb unverändert lassen, selbst wenn der Optimierer eine Aktualisierung meldet.
Quelle: lacuna.tiptreesystems.com
Arbeit und Wirtschaft
US-Arbeitgeber schufen im Oktober 165.000 Stellen, doch Gesundheitswesen und Sozialhilfe lieferten im vergangenen Jahr 60 % des Nettowachstums. Indeeds Analyse des US-Arbeitsmarktberichts zufolge bevorzugen Arbeitgeber in Anzeigen zunehmend Erfahrung, während mehr als ein Viertel der Arbeitslosen seit mindestens sechs Monaten suchte. Die Analyse schreibt die Verschiebung nicht KI zu; sie liefert Kontext zur Einstiegsjobdebatte, keinen Beweis für KI-Verdrängung.
Quelle: hiringlab.indeed.com
Coinbase-Chef Brian Armstrong beschrieb einen Arbeitstag mit je einem leitenden Agenten pro Schwerpunkt und einer einzigen menschlichen Entscheidungswarteschlange. Seinem Bericht zufolge schreiben und testen Subagenten Code und sammeln Prüfungen, während Screenshots und Videodemonstrationen zur Freigabe in einer lokalen Web-App ankommen. Er veröffentlichte keine Ergebniszahlen. Der Bericht beschreibt seinen persönlichen Ablauf, keinen unternehmensweiten Einsatz.
Quelle: thestateofai.com
Stanford änderte seinen Softwareentwicklungskurs, nachdem Agenten die früheren Aufgaben in einem Versuch erledigen konnten. Studierende in CS146S schlagen nun Änderungen an Open-Source-Projekten vor und verteidigen sie vor Betreuern. Das prüft, ob sie den Bedarf eines Projekts verstehen. Kursleiter Mihail Eric erklärte außerdem, sein Unternehmen kaufe manche Agentenwerkzeuge und entwickle andere selbst, wenn die Kontrolle über den Ablauf wichtig sei; ein gemessenes Produktivitätsergebnis nannte er nicht.
Quelle: latent.space
Capital Economics erwartet, dass KI-Investitionsausgaben 2028 um etwa 10 % sinken, nachdem sie 2027 mindestens 1 Billion Dollar erreicht haben. Fortune berichtet über die Schätzung des Prognosehauses, externe KI-Umsätze müssten sich bis 2030 verzehnfachen, um die heutigen Ausgaben zu rechtfertigen. Dieselbe Prognose erwartet durch KI etwa 1 % zusätzliche US-Produktivität jährlich und beziffert den BIP-Effekt eines Investitionsrückgangs um 10 % auf etwa 0,1 Prozentpunkte.
Quelle: fortune.com
Winbonds Vorstandschef erklärte, KI-getriebene Speicherpreisanstiege würden für Hersteller außerhalb des KI-Sektors unbezahlbar. Nikkei berichtet, die DRAM-Preise hätten sich 2026 verdoppelt, und zitiert Arthur Chiao mit der Aussage, nur KI-Unternehmen könnten sie verkraften. Der lesbare Teil enthielt die Aussage eines Speicheranbieterchefs, keine unabhängige Preisstudie.
Quelle: asia.nikkei.com
Prompting-Techniken
Eine Git-gestützte Arbeitswarteschlange ersetzt zwanzig Agentenchats durch einen zentralen Eingang für den Verantwortlichen. Sergey Kuhne speichert jedes Ticket als Markdown, lässt Agenten unter ausdrücklichen Sicherheitsregeln auf Branches recherchieren oder entwickeln und sammelt nur Entscheidungen, die ihn benötigen, auf einer Seite. Die berichtete geringere Erschöpfung ist anekdotisch, die Methode aber konkret: Zustand in Dateien bewahren, Urteile durch eine Warteschlange leiten und Abschlüsse ausdrücklich festhalten.
Quelle: sergeykuhne.com
Was Leute bauen
Maple beschnitt und quantisierte Gemma 4 26B-A4B von 9,92 GB auf 4,75 GB. Der unabhängige Entwickler Aman Sachan meldet 45,4 Tokens pro Sekunde über llama.cpp, genug für den Betrieb auf einer Laptop-GPU mit 6 GB. Das Projekt belegt bisher nicht, wie viel Qualität die Kompression auf weniger als zwei Bit verliert.
Quelle: github.com/AmSach/maple
Observer verwandelt ein altes Telefon in einen lokalen multimodalen Wächter. Die neuen iOS- und Android-Apps betreiben kleine Bild- und Textmodelle auf dem Gerät, beobachten Kamera-, Bildschirm- oder Audiostreams und senden bei Eintritt einer Bedingung ein Bild oder rufen an. Das AGPL-Projekt verbindet sich auch mit lokalen oder OpenAI-kompatiblen Desktopservern.
Quelle: github.com/Roy3838/Observer
Tingo zeichnet Besprechungen lokal auf und verknüpft erzeugte Protokolle mit zitierten Aussagen. Die MIT-lizenzierte Desktop-App nutzt FunASR für chinesische Besprechungen und schickt das Transkript zur Ermittlung von Entscheidungen, Aufgaben und Verantwortlichen an ein lokales oder entferntes Modell. Sie markiert Zweige ihres Fischgrätendiagramms, wenn keine Quellzeile sie stützt.
Quelle: github.com/tancheng33/tingo
One Code bildet den Ablauf von Claude Code rund um ein vom Nutzer gewähltes Modell nach. Die Open-Source-Agentenumgebung implementiert Subagenten, Worktrees, Planung, Berechtigungen und Kontextverwaltung und verwendet vorhandene CLAUDE.md-Dateien, Skills und Befehle weiter. Von Anthropic gehostete Funktionen bleiben außerhalb ihres Umfangs.
Quelle: github.com/IsuruMaduranga/one-code
agentdiet misst den Kontext, den Programmieragenten laden, bevor ein Nutzer etwas eingibt. Das Go-Werkzeug findet Anweisungsdateien, schätzt ihre Token-Kosten je Anfrage und kann in der kontinuierlichen Integration ein Budget durchsetzen. Der Autor meldet einen mittleren absoluten Fehler von 8 % gegenüber dem Tokenizer cl100k_base.
Quelle: github.com/qansaid/agentdiet
Studsmith gibt Roblox-Entwicklern einen Agenten für Planung, Programmierung und Spieltests. Die Windows-Anwendung schlägt einen Plan vor, schreibt Luau, erstellt Objekte, zeigt Änderungen und liest Fehler aus Testläufen, bevor sie Korrekturen versucht. Sie unterstützt lokale Modelle und eigene API-Schlüssel der Nutzer, doch das Repository enthält keine Lizenzdatei.
Quelle: github.com/RapidSailorFreeze/studsmith
Ein lokales 0,8B-Modell übersetzte englische und spanische Anfragen auf 471 zurückgehaltenen Beispielen mit 79,4 % Genauigkeit in Shellbefehle. Das dale-Projekt des Entwicklers ergänzt eine deterministische Risikoprüfung und einen Bestätigungsschritt und belegt auf der CPU 529 MB. Eine 9B-Variante erreichte in derselben berichteten Evaluierung 89,2 %.
Quelle: old.reddit.com
Lesenswert
NVIDIAs kollektive Reshard-Operation verschob aktualisierte RL-Gewichte zwischen Trainings- und Inferenz-GPUs in den Unternehmenstests 2,7- bis 5,7-mal schneller. Die direkte Übertragung verteilter Teile vermeidet das Einsammeln und erneute Verteilen einer Datenmenge, die NVIDIA für die größten offenen Modelle auf etwa 10 TB schätzt. Die Referenzimplementierung ist offen; die Benchmarks nutzten NVIDIA-DGX-H100- und GB200-Systeme.
Quelle: developer.nvidia.com
Claude half Simon Willison, eine langsame SQLite-Erweiterung in C zur schnellsten von vier Implementierungen zu machen. Rust verarbeitete dezimallastige Daten anfangs etwa doppelt so schnell, weil die C-Version strtod() verwendete. Ein handgeschriebener Dezimalpfad brachte die optimierte C-Version nach acht Millionen Fuzz-Prüfungen auf 19 Nanosekunden pro Zeile, gegenüber 41 und 46 bei Rust.
Quelle: simonwillison.net
NVIDIA beschrieb ein vor Ort betriebenes Agententeam, das Fehler in seinen GPU-Clustern untersucht. Spezialisierte Agenten prüfen über MCP Aufträge, Hardware, Beobachtbarkeit, Kubernetes und Clusterverwaltung. Der Anbieter nennt keine Ergebnisse je Vorfall, seine technischen Empfehlungen sind aber konkret: schreibgeschützt beginnen, eng umrissene Werkzeuge definieren, Mandanten isolieren und Belege zeigen, bevor ein Ingenieur handelt.
Quelle: developer.nvidia.com
Agentenspeicher braucht ein gemeinsames Format, bevor sich unvereinbare Systeme festsetzen, argumentiert der LoreKit-Entwickler. Mads Thines vergleicht Speicherdateien und -systeme von Claude, Copilot, Letta, Mem0, LangGraph und MCP und schlägt dann ein OpenTelemetry-ähnliches Datenmodell samt Protokoll vor. Er benennt sein eigenes Open-Source-Speicherprodukt und präsentiert dessen Format als einen Vorschlag, nicht als Standard.
Quelle: lorekit.io
Hacker News
Goldman Sachs beschränkte Claude Code und GitHubs KI-Werkzeuge Berichten zufolge auf seine rund 12.000 Ingenieure und entzog Händlern, die interne Werkzeuge gebaut hatten, den Zugriff. Ein Thread mit 363 Kommentaren konzentrierte sich auf private Daten, nicht vertrauenswürdige Eingaben und ausgehende Zugriffe; ein Kommentator verwies auf Kostenüberschreitungen bei einer anderen Organisation. Der Bloomberg-Bericht stammt vom 2. November, die Kostengeschichte ist ein ungeprüfter persönlicher Bericht.
Quelle: news.ycombinator.com
Ein September-Beitrag über den Wechsel von Claude Code zu Pi kehrte als Debatte mit 439 Kommentaren über die Bindung an Agentenumgebungen zurück. Einige Nutzer schätzten Pis Fähigkeit, unterschiedliche Modelle auszuführen und die Kontrolle über die Umgebung zu behalten. Andere vermissten einen Sicherheitsmodus, der gefährliche Aktionen blockiert. Aussagen über Abobedingungen und Sperren kamen von Kommentatoren und wurden nicht überprüft.
Quelle: news.ycombinator.com
Der Autor von llama-modchip berichtete, ein Mixture-of-Experts-Modell mit 284B Parametern auf 64 GB CPU-Speicher zu betreiben. Das Projekt nennt 9,1 bis 14,7 erzeugte Tokens pro Sekunde für eine 56,6-GiB-Version mit 1,71 Bit und 13,17B aktiven Parametern. Kommentatoren hinterfragten die verbleibende Qualität unter zwei Bit pro Gewicht.
Quelle: news.ycombinator.com
Parsimony misst, ob Programmiermodelle und Agentenumgebungen mehr Syntax hinzufügen als eine menschliche Korrektur. Der Autor meldet für ältere Modelle auf SWE-bench Verified einen Median vom 1,9-Fachen des menschlichen Patches und auf DeepSWE etwa Gleichstand. Dasselbe offene Modell in unterschiedlichen Umgebungen veränderte das Verhältnis und trennte damit Modellverhalten von Orchestrierung.
Quelle: old.reddit.com
Ein Besitzer einer Intel Arc Pro B70 meldete nach Optimierung etwa die halbe Geschwindigkeit einer RTX 5090, mit 32 GB Speicher bei einem Listenpreis von 1.299 Dollar. Kommentatoren erklärten, Straßenpreise hätten bereits 1.700 bis 1.800 Dollar erreicht. Leistungs- und Preisbeobachtungen sind Community-Berichte, kein kontrollierter Vergleich.
Quelle: old.reddit.com
Vier Radeon-R9700-Karten betrieben Qwen 3.8 im Test eines Nutzers mit 80 bis 225 Tokens pro Sekunde und Nutzer. Bei acht Nutzern und 128K-Kontexten wartete der ungünstigste Fall etwa zweieinhalb Minuten auf das erste Token. Die Messungen zeigen, dass Gesamtdurchsatz und interaktive Latenz in unterschiedliche Richtungen weisen können.
Quelle: old.reddit.com
YouTube
Claude Code übersah laut AlixPartners in einer realen Beschaffungsanalyse etwa 800.000 Dollar und einen Monat. Lange Verträge scheiterten unbemerkt, Nachträge wurden nicht mit Hauptverträgen verknüpft und Tariftabellen erstreckten sich über mehrere Seiten. Das Team ersetzte direkte Fragen und Antworten durch eine strukturierte Pipeline mit fünf Stufen und nachvollziehbaren Geschäftsregeln. Kanal: AI Engineer.
Quelle: youtube.com
Ramp testet seinen Buchhaltungsagenten an synthetischen Unternehmen mit vollständiger Buchführung. Applied-Science-Leiter Ryan Stevens erklärt, die neuesten Modelle scheiterten weiterhin vor allem am Schlussfolgern; automatische Prompt-Optimierung habe nicht geholfen, das Entfernen unnötiger Skills dagegen schon. Das Team testet Speicher über zwei Perioden und sendet planmäßige Regressionsergebnisse an Slack. Kanal: AI Engineer.
Quelle: youtube.com
Etwa 42 % der fähigkeitsverbessernden Änderungen in EvoUndo beeinträchtigten zugleich die Wiederherstellungsfähigkeit eines Programmieragenten. Tanmay Sah und Dolly Sah melden 197 solche Rückschritte unter 478 Änderungen. Ihr Wiederherstellungsentwurf zeichnet den Ausgangszustand auf und wählt zwischen erneutem Versuch, Wiederherstellung, Kompensation und Eskalation, weil Git nicht jede externe Handlung zurücknehmen kann. Kanal: AI Engineer.
Quelle: youtube.com
Finanzplaner ohne Programmierkenntnisse bauten aus wiederkehrenden Abläufen geprüfte Agenten. Matt Ragone beschreibt fünf Schritte: Ablauf auswählen, reale Fälle zeigen, einen Skill bündeln, Grenzfälle testen und dann Verantwortlichen und Prüfer bestimmen. Zertifizierte Planer prüfen weiterhin Entwürfe zu Zahlungsströmen, Versicherungen und Steuern. Kanal: AI Engineer.
Quelle: youtube.com
Kurz notiert
Nvidias Verwaltungsrat leitete eine unabhängige Untersuchung gegen Vorstandschef Jensen Huang ein, nachdem Vorwürfe einen früheren Manager mit chinesischen Geheimdiensten in Verbindung brachten. Das Unternehmen erklärt, es gebe keinen Grund zu der Annahme, dass Informationen zur nationalen Sicherheit oder Nvidia-Geheimnisse kompromittiert worden seien; externe Anwälte würden die Untersuchung unterstützen. Die Untersuchung ist eine neue Unternehmensreaktion auf einen Vorwurf, keine Feststellung.
Quellen: nvidianews.nvidia.com, techcrunch.com
Rechteinhaber von Elvis Presley und der Verlag von Eminems Aufnahmen verklagten Suno wegen erzeugter Musik. Die Presley-Klage nutzt Tennessees ELVIS Act zu Stimme und Erscheinungsbild zusätzlich zum umfassenderen Urheberrechtsstreit. Suno erklärt, hochgeladene Audiodateien und Liedtexte durch Dritte prüfen zu lassen.
Quelle: theverge.com
Eine parteiübergreifende Gruppe britischer Parlamentarier schlug verpflichtende Gerätesperren für Material über sexuellen Kindesmissbrauch auf Telefonen und Tablets vor. Der Vorschlag umfasst Betrachtung und Erstellung einschließlich generierter Inhalte und würde ältere Geräte über Updates einbeziehen. Er ist kein Gesetz und würde Gerätehersteller verpflichten, die Klassifizierung auf dem Gerät auszuführen.
Quelle: observer.co.uk
Huawei stellte einen HarmonyOS-Desktop vor, der laut Unternehmen ausschließlich in China hergestellte Komponenten enthält. Der Qingyun HM650 nutzt einen Kirin X90 mit zehn Kernen und 20 Threads; eine Behörde soll 600 Systeme bestellt haben. The Register konnte nicht feststellen, ob jede Komponente auch chinesisch entworfen ist.
Quelle: theregister.com
Diamond Foundry beanspruchte den ersten einkristallinen Diamantwafer mit 200 mm Durchmesser zur Halbleiterkühlung. Der praktische Vorteil wäre die Kompatibilität mit üblichen Anlagen für Siliziumwafer. Der zugängliche Bericht bestätigte jedoch weder Dicke noch Wärmeleistung oder Verfügbarkeit. Es handelt sich um eine frühe Fertigungsbehauptung.
Quelle: tomshardware.com
Wirtschaft in Kürze
Die Financial Times berichtete, Anthropic habe einen Vertrag über 3,4 Milliarden Dollar für Gasstrom für seine Rechenzentren geschlossen; wegen des gesperrten Artikels blieben Vertragspartner und Kapazität ungeprüft. Quelle: ft.com