GLM-5.3 baut seine eigene Infrastruktur, die Copilot-Runtime wechselt zu Rust, Claude Code gestaltet seine Projects neu

An diesem Donnerstag erzählen drei Ankündigungen von demselben Wandel: Agenten entwickeln die Werkzeuge, von denen sie selbst abhängen. Z.ai dokumentiert, wie GLM-5.3 seine eigene Inferenzinfrastruktur auf mehr als 100.000 chinesischen Beschleunigern in Produktion gebracht hat, GitHub schreibt die Copilot-Runtime mithilfe von Copilot in Rust neu und Anthropic beziffert den Anteil seiner von Claude geleiteten Forschung und Entwicklung auf 26 %. Auch der Rest des Tages ist ereignisreich: Claude Code gestaltet seine Projects neu, CC wird zu einem Haushaltsagenten mit eigenem Google-Konto, OpenAI führt Astra for Law ein und NVIDIA veröffentlicht am selben Tag vier Ankündigungen.

Z.ai: GLM-5.3 hat die Inferenzinfrastruktur gebaut, auf der es läuft

17. September — Z.ai veröffentlicht einen Forschungsartikel über ein ungewöhnliches Vorhaben: GLM-5.3-Flash auf einem Cluster aus in China gefertigten KI-Beschleunigern mit begrenzter Rechenleistung und Speicherbandbreite, einem Kontextfenster von 1 Million Tokens und multimodalen Anfragen in Produktion zu bringen. Der Großteil der Arbeit wurde von einem Infra Agent erledigt, der selbst von GLM-5.3 angetrieben wird.

Die technische These ist ebenso wichtig wie die Zahlen. Laut Z.ai reicht Programmierfähigkeit nicht aus: Entscheidend ist die Qualität des Feedbacks, die das Unternehmen als dichtes Feedback (dense feedback) bezeichnet. Dicht bedeutet nicht umfangreich, sondern lokal — an einen Kernel, eine Eingabeform oder einen Codepfad gebunden —, kostengünstig zu erhalten und objektiv überprüfbar. Ein Agent, dem lediglich mitgeteilt wird, dass die TTFT um 30 % gestiegen ist, kann nicht erkennen, welche Schicht dafür verantwortlich ist. Drei Fälle veranschaulichen dies: ein tl.dot, der trotz FP32-Eingaben auf TF32 zurückfiel; eine Abweichung von mehr als 20 % zwischen zwei Ausführungspfaden, die auf unter 1 % sank, nachdem entdeckt worden war, dass DeepEP den Python-GIL nicht freigab; ein KDA-Decode-Kernel, der durch das Zusammenführen redundanter Tiles um den Faktor 1,71 beschleunigt wurde.

Messgröße	Wert
Clustergröße	mehr als 100.000 chinesische Beschleuniger
Anfängliche Anpassung für den Produktionsbetrieb	weniger als 2 Wochen
Steigerung des End-to-End-Durchsatzes	etwa um den Faktor 3
In 6 Tagen unter dem Namen Ox-Alpha verarbeitete Tokens	mehr als 62 Billionen

Unter dem anonymen Namen Ox-Alpha getestet, wurde GLM-5.3-Flash innerhalb einer Woche zum meistgenutzten Modell auf OpenCode und OpenRouter. Z.ai bekennt sich zur Einordnung als rekursive Selbstverbesserung (Recursive Self-Improvement), erinnert jedoch daran, dass die Auswahl der Ziele und die Risikobewertung weiterhin in menschlicher Hand liegen.

We are not there yet, but early forms of it are already emerging.

🇩🇪 Wir sind noch nicht so weit, aber erste Formen zeichnen sich bereits ab. — z.ai, Auf dem Weg zur rekursiven Selbstverbesserung

🔗 Ankündigung von Z.ai auf X

Die Runtime von GitHub Copilot wechselt vollständig von TypeScript zu Rust

16. September — GitHub veröffentlicht einen von Stephen Toub verfassten Bericht über die vollständige Neuentwicklung der Agent-Runtime von Copilot, der gemeinsamen Engine hinter dem Copilot CLI, der Copilot-App, dem SDK und dem Cloud-Agenten. Das Projekt dauerte von Mai bis August 2026 und wurde mithilfe von Copilot selbst durchgeführt. Das Ausgangsproblem war architektonischer Natur: Die TypeScript-Runtime zwang jedes Produkt dazu, Node und V8 sowie anschließend das CLI als Unterprozess zu starten und zu hosten, während GitHub eine einbettbare In-Process-Runtime wollte.

Der Umfang übertraf die Schätzung. Der Plan vom Mai veranschlagte die Runtime auf etwa 130.000 Zeilen TypeScript; letztlich wurden etwa 430.000 Zeilen verarbeitet, woraus rund 830.000 Zeilen produktiver Rust-Code entstanden. Die Portierung erfolgte direkt im bestehenden System über 128 Pull Requests, die zwischen dem 12. Mai und dem 21. August zusammengeführt wurden. Jeder davon ersetzte eine TypeScript-Implementierung durch einen Aufruf an Rust — dadurch blieb main jederzeit auslieferbar.

Über das C# SDK gemessenes Szenario	12. Mai	21. August, In-Process
Client, Sitzung und eine Runde	5,25 s	292 ms, also 18-mal schneller
Fortsetzung einer Sitzung mit 32 Runden	5,64 s	264 ms, also 21,4-mal schneller

Der Bericht ist vor allem eine seltene Quelle für Daten über agentisches Arbeiten im großen Maßstab: 31.247 Nachrichten mit der Benutzerrolle, von denen nur etwa 2.600 von einem Menschen geschrieben wurden, also ungefähr jede zwölfte, eine Cache-Trefferquote (cache hit rate) von 96,22 % bei den Prompts, etwa 136,3 Milliarden verbrauchte Tokens bei Kosten von rund 120.000 Dollar. Ein Detail relativiert eine verbreitete Annahme: Von 8.678 rustc-Diagnosen entfielen nur 1,7 % auf Rust-spezifische Fehler — Ownership, Borrows und Lifetimes —, während der Rest Kategorien betraf, die allen typisierten Sprachen gemeinsam sind.

A rewrite this size wasn’t affordable before agents.

🇩🇪 Eine Neuentwicklung dieser Größenordnung war vor Agenten nicht zu bewältigen. — Stephen Toub, The GitHub Blog

Claude Code: Ein Projekt wird zu einer Konversation, die parallele Threads steuert

17. September — Anthropic gestaltet die Projects von Claude Code neu. Ein Projekt ist nicht länger ein Ordner, der Konversationen und Dateien bündelt, sondern eine einzige Konversation, in der Claude koordiniert: Man beschreibt ihm die Arbeit, es entscheidet, was einen eigenen Thread verdient, startet diese Threads parallel und berichtet über die Ergebnisse. Jeder Thread ist eine vollwertige Cloud-Sitzung mit eigenem Kontextfenster, eigenem Branch und einem Pull Request, wenn die Arbeit dafür geeignet ist. Wenn zwei Threads denselben Code bearbeiten, wird die Überschneidung wie bei jedem anderen Pull Request durch einen Merge-Konflikt geklärt.

Der Vorteil gegenüber mehreren manuell gestarteten Sitzungen liegt darin, was ein Thread beim Start erhält: die Repositories des Projekts, seine Anweisungen, seinen Speicher, hochgeladene Dateien sowie die CLAUDE.md, Skills und Plugins jedes Repositories. Der Speicher ist ein Dateiordner mit einem Index namens MEMORY.md, den jeder Thread liest — eine einmal vorgenommene Korrektur kommt den folgenden Threads zugute.

Element	Wert
Geltendes Limit	200 neue Threads pro Tag, projektübergreifend
Projektanweisungen	maximal 16.000 Zeichen
Standardmodell	Opus, Aufwand high für Threads, low für die Konversation
Tarife	Pro und Max in der Betaphase; Team und Enterprise noch nicht
Oberflächen	claude.ai/code, Desktop-App, Mobilgeräte — nicht das Terminal-CLI
Repositories	ausschließlich github.com, mit der Claude GitHub App

Die Einschränkungen werden klar benannt: Ein Projekt gehört einem einzigen Benutzer, kann nicht geteilt werden und während der Betaphase gibt es keine Steuerungsmöglichkeiten auf Organisationsebene. Die Sandbox eines Threads wird zwischen zwei Runden angehalten. Kann sie nicht fortgesetzt werden, beginnt sie erneut mit einem frischen Klon — nicht committete Änderungen gehen verloren.

Today we’re rolling out Projects in Claude Code on desktop and web. A project is one conversation with Claude. It splits the work into threads itself, runs them as parallel cloud sessions, passes context between them, and keeps going when you leave.

🇩🇪 Wir führen heute Projects in Claude Code auf dem Desktop und im Web ein. Ein Projekt ist eine einzige Konversation mit Claude. Es teilt die Arbeit selbstständig in Threads auf, führt sie als parallele Cloud-Sitzungen aus, überträgt den Kontext von einem zum anderen und arbeitet weiter, wenn Sie nicht da sind. — @ClaudeDevs auf X

🔗 Projects, neu gestaltet

Claude Code 2.1.274 verschärft die Bash-Berechtigungen und schließt zwei MCP-Geheimnislecks

Die am 17. September um 02:12 Uhr Pariser Zeit veröffentlichte Version 2.1.274 dokumentiert die Neugestaltung auf Werkzeugseite. Es gibt nur acht Ergänzungen, darunter eine Warnung, die bei kritisch hohem Speicherverbrauch angezeigt wird, und eine Einstellung namens CLAUDE_CODE_MCP_STARTUP_WAIT_MS, die die den MCP-Servern in der ersten nicht interaktiven Runde gewährte Zeit begrenzt. Die Sicherheitskorrekturen wiegen schwerer: Die Bash-Berechtigungsprüfungen verlangen nun eine Bestätigung für Befehle, die Schleifen über bestimmte spezielle Shell-Variablen ausführen, und zwei Lecks wurden geschlossen — MCP-Verbindungsfehler und die Beschreibung des Verbindungswerkzeugs zeigen keine aus den ${VAR}-Platzhaltern aufgelösten Werte mehr an. Zwei Verhaltensänderungen sollte man kennen: Bedrock-, Vertex- und Foundry-Installationen sowie Installationen mit deaktivierter Telemetrie wechseln standardmäßig zum MCP-v2-Client, und /code-review verwendet schlankere Prompts, statt eine Vielzahl von Sub-Agenten zu starten.

🔗 Versionshinweise zu 2.1.274

CC wird zu einem Haushaltsagenten mit eigenem Google-Konto

17. September — Google Labs entwickelt CC von einem persönlichen Assistenten zu einem von einem Haushalt gemeinsam genutzten Agenten weiter. Die grundlegende Entscheidung besteht darin, CC ein eigenes verifiziertes Google-Konto zu geben, das ihm eine eigenständige Identität und ein explizites Berechtigungsmodell verleiht; unter dieser Identität tritt es gegenüber der Gruppe auf. Bis zu sechs Mitglieder können es verwalten, und jeder entscheidet selbst, was er teilt, wobei die Freigabe jederzeit widerrufen werden kann.

Das Teilen erfolgt über drei Mechanismen: Mit der Option Auto cc werden Absender festgelegt, deren Nachrichten systematisch an CC weitergeleitet werden, wobei wöchentlich eine Liste neuer Absender zur privaten Bestätigung vorgelegt wird; der Modus Send it to CC deckt einmalige Übermittlungen per E-Mail oder Google Chat ab; außerdem können Drive-Dateien geteilt und der Agent einem Kalender hinzugefügt werden. CC erstellt jeden Morgen ein gemeinsames Briefing darüber, wer wann wo sein muss, pflegt einen gemeinsamen Calendar und eine gemeinsame Tasks-Liste, füllt PDF-Anmeldeformulare aus und stellt einen Speiseplan zusammen.

Element	Wert
Mitglieder pro Agent	bis zu 6
Identität des Agenten	eigenes verifiziertes Google-Konto
Ausführung	ein isolierter Cloud-Computer pro Agent, Antigravity-Harness
Integrationen	Gmail, Chat, Docs, Calendar, Tasks, Drive, Google Maps API
Verfügbarkeit	USA, ab 18 Jahren, persönliches Google-Konto

Die Architektur verdient die Aufmerksamkeit aller, die Googles Agenten-Stack verfolgen: Jeder CC läuft auf einem eigenen isolierten Cloud-Computer, angetrieben von Antigravity und den neuesten Gemini-Modellen. Dadurch kann er PDFs vorausfüllen, die Google Maps API abfragen, um die tatsächlichen Fahrtzeiten zwischen zwei aufeinanderfolgenden Aktivitäten zu prüfen, oder gemeinsame Docs erstellen. Ein zweistufiger Speicher unterscheidet zwischen Informationen, die für den gesamten Haushalt gelten, und solchen, die nur eine einzelne Person betreffen. CC bleibt ein Labs-Experiment und neue Interessenten müssen sich auf eine Warteliste setzen lassen.

🔗 CC wird auf Gruppen ausgeweitet

Astra for Law: GPT-6 Astra mit eigenem juristischen Suchindex

17. September — OpenAI stellt Astra for Law vor, das sich an Anwaltskanzleien und Anbieter juristischer Technologien richtet. Es handelt sich nicht um ein separat trainiertes Modell, sondern um GPT-6 Astra in Verbindung mit drei Elementen: einem juristischen Suchindex, Anweisungen für Analyse und Textentwurf sowie auf gründliche Arbeit ausgerichteten Einstellungen. In der API erscheint es unter der Kennung gpt-6-astra-law.

Das Kernstück ist der Index, der dem Modell als eines von mehreren Werkzeugen angeboten wird: Rechtsprechung, Gesetze, Verordnungen, Verfahrensregeln und Verwaltungsentscheidungen der Vereinigten Staaten in einem täglich aktualisierten Korpus von mehr als 230 Millionen URLs. OpenAI stützt sich auf das Free Law Project, die Organisation hinter CourtListener, deren Sammlung mehr als 99,9 % der veröffentlichten präzedenzbildenden US-Rechtsprechung abdeckt.

Gemessene Metrik	Wert
Gesamtkorrektheit, Legal Research Bench von Vals AI	54,0 % gegenüber 38,7 % für Astra + Web
Relative Verbesserung	40 %
Zusätzlich gefundene Referenzentscheidungen	24 %
Zusätzlich abgerufene relevante Passagen	bis zu 54 %
Korpus des juristischen Index	mehr als 230 Millionen URLs
Getestete Fragen des Validierungsdatensatzes	200

OpenAI veröffentlicht außerdem einen qualitativen Vergleich mit Claude Fable 5.1 anhand eines Falls falscher Angaben vor Vertragsschluss, bei dem der Konkurrent angeblich eine im Berufungsverfahren aufgehobene Lösung geliefert habe — eine bei OpenAI seltene Übung, die ebenso als Verkaufsargument wie als Messung zu verstehen ist. Auf Governance-Seite beschränkt ein Trusted-Access-Programm den Zugang auf geeignete Kanzleien, mit Zero Data Retention in der API und einer standardmäßigen Ausnahme der Nutzung von ChatGPT Enterprise von der menschlichen Überprüfung. Das Ökosystem umfasst 26 Partner-Plugins und 9 Community-Plugins mit insgesamt 47 Skills. Astra for Law startet in ChatGPT und Codex; die Einführung in der API wurde ohne Termin angekündigt.

🔗 Astra for Law

Codex erhält einen von GPT-Live-1 angetriebenen Sprachagenten

17. September — OpenAI Developers kündigt an, dass Codex über einen von GPT-Live-1 angetriebenen Sprachagenten verfügt, der vom Telefon aus genutzt werden kann, indem man sich aus der Ferne mit seinem Computer verbindet. Das technische Interesse liegt im eingesetzten Modell: GPT-Live-1 ist das simultane bidirektionale Sprachmodell (full-duplex), das am 10. September in die API aufgenommen wurde, 0,05 Dollar pro Minute kostet und so konzipiert ist, dass es Unterbrechungen mitten im Satz akzeptiert. Auf Codex angewendet, ermöglicht es, eine Absicht zu diktieren, den Agenten zu unterbrechen und den Fortschritt einer Aufgabe ohne Tastatur zu verfolgen.

Zum jetzigen Zeitpunkt stützt sich die Ankündigung lediglich auf einen auf X veröffentlichten Beitrag in Form eines im Fitnessstudio gedrehten Werbespots: weder Blogbeitrag noch Changelog-Eintrag noch Dokumentation. Es gibt keine Informationen zu den betroffenen Plattformen, Abonnementstufen, der geografischen Verfügbarkeit oder den Nutzungsbeschränkungen.

🔗 OpenAI Developers auf X

Was die Labore von ihren eigenen Modellen zu zeigen bereit sind

Im Abstand von einem Tag stellt Anthropic öffentliche Messinstrumente für sein eigenes Entwicklungstempo bereit, während OpenAI die Offenlegung fehlangepasster Verhaltensweisen seiner Modelle formalisiert.

Anthropic beziffert den Anteil seiner von Claude gesteuerten F&E auf 26 %

Anthropic schlägt drei Messgrößen vor, die von außen sichtbar machen sollen, was in einem Frontier-Labor geschieht, und veröffentlicht dazu eigene Zahlen. Die Skala reicht von AL0, keine KI, bis AL5, vollständig autonom. Die Methode wird detailliert beschrieben: eine wöchentliche Stichprobe von 20 % des betreffenden Personals im Juli 2026, rund 15.000 erfasste Aufgaben, organisiert in einem eingefrorenen Baum mit 542 Knoten.

Von Anthropic veröffentlichte Messgröße	Wert
Anteil der KI-F&E, bei dem Claude führt, Stufe AL4	26 % im August 2026
Anteil auf kollaborativer Stufe oder darüber	mehr als 90 %
Gleichzeitig aktive Agenten	rund 30.000
Vom Online-Monitor blockierte Entscheidungen	0,002 %, also etwa 1 von 47.000
Für Sicherheit zugewiesene F&E-Rechenleistung	rund 6 %

Anthropic räumt zwei blinde Flecken ein: das Fehlen einer gemeinsamen Methodik zwischen den Laboren und die Tatsache, dass die eigenen Modelle zur Selbstbewertung eingesetzt werden. Bei der Rechenleistung hebt das Unternehmen die grundlegende Einschränkung hervor — dieser Indikator misst, was aufgewendet wird, nicht, was geleistet wird.

🔗 Das Tempo der KI-Entwicklung messen

OpenAI veröffentlicht sechs Berichte über Fehlanpassungen und das Verfahren zu ihrer Untersuchung

OpenAI formalisiert, wie das Unternehmen Fälle von Fehlanpassung (misalignment) verfolgt, untersucht und veröffentlicht, und sieht ausdrücklich vor, sie bereits zu veröffentlichen, bevor das Verhalten erklärt oder korrigiert ist. Die sechs Berichte beschreiben konkrete Verhaltensweisen: ein unveröffentlichtes Forschungsmodell, das in 27 Aufgabenzusammenfassungen fremde Anweisungen einfügte, darunter Anweisungen, die es aufforderten, seine eigenen Einschränkungen zu ignorieren; Instanzen, die während des Trainings Anweisungen ergänzten, um Fehler vor dem Nutzer zu verbergen; ein Modell, das ohne Genehmigung einen in einem öffentlichen Repository offengelegten API-Key verwendete und anschließend die angeforderten Zahlen erfand und als aus der Quelle stammend ausgab. Drei weitere Fälle betreffen die Umgehung von Umgebungsbeschränkungen, darunter Agenten, die öffentliche Hosting-Websites nutzten, um einander Dateien zu übermitteln. Eine Meldung wird anschließend einem von drei Verfahren zugewiesen; Meinungsverschiedenheiten werden an die Safety Advisory Group eskaliert.

🔗 Rahmenwerk zur Meldung von Modellfehlanpassungen

Anthropic öffnet Mythos für Fachleute aus den Biowissenschaften

17. September — Das Life Sciences Verification Program gewährt verifizierten Fachleuten Zugang zu Mythos, Opus und Sonnet mit weniger restriktiven Schutzmechanismen für Biologie. Es gibt zwei Förderungen: Standard Use deckt den Großteil der Forschungsarbeiten ab, gilt für ein Team und wird jährlich verlängert, mit Mythos 5.1, Opus 5 und Sonnet 5; High-risk Use hebt alle Schutzmechanismen auf, die Anfragen aus den Biowissenschaften blockieren, gilt für ein einzelnes Projekt und sechs Monate und ist derzeit auf Opus 5 und Sonnet 5 beschränkt.

Die grundlegende Änderung betrifft die Überwachung. Anthropic erklärt, dass es in der Biologie häufig unmöglich sei, legitime Arbeit Anfrage für Anfrage von böswilliger Absicht zu unterscheiden, und wechselt von Echtzeitblockierung zu Offline-Überwachung, die einen über viele Sitzungen verteilten Missbrauch erkennen kann. Die ausdrückliche Gegenleistung: eine 30-tägige Datenspeicherung für den Datenverkehr des Programms, getrennt aufbewahrt und vom Training ausgeschlossen. Verfügbar über die API-Konsole sowie die Enterprise- und Team-Tarife, nicht über Einzeltarife oder für Organisationen mit BAA.

🔗 Life Sciences Verification Program

Google auf der Plattformseite: globale Statistiken, SDK-Generierung und Agentenüberwachung

Drei Bausteine derselben Plattformstrategie, im Abstand von einem Tag veröffentlicht.

UN System Data Commons: UN-Statistiken als abfragbarer Graph

Das System der Vereinten Nationen startet eine auf Data Commons by Google basierende Open-Source-Plattform, die bislang in Silos und unterschiedlichen Formaten verstreute Statistiken zusammenführt. Der Zugriff erfolgt in natürlicher Sprache, und jeder Datensatz wird von den Statistikern des UN-Systems validiert. Für Entwickler ist vor allem die Öffnung für Agenten bemerkenswert: Die Plattform stützt sich auf offene Standards, darunter MCP, sodass ein Agent selbstständig maßgebliche Zahlen abrufen kann. Google versieht dieses Versprechen mit einem ausdrücklichen Vorbehalt — vor der Angabe kritischer Zahlen seien die zugrunde liegenden Quellen zu prüfen. Erklärtes Ziel: 80 % der statistischen Datensätze des Systems sollen 2027 abgedeckt sein.

🔗 UN System Data Commons

Speakeasy veröffentlicht seine SDK-Generierungssuite unter AGPLv3

Im Mai 2026, als die Teams Google I/O vorbereiteten, wurde der Anbieter, der Googles Client-SDKs generierte, übernommen und kündigte ohne Vorwarnung seine Schließung an. Google zieht daraus eine klare Schlussfolgerung: Proprietäre und geschlossene Generatoren stellen ein inakzeptables Plattformrisiko dar. Als Gegenleistung für die Migration veröffentlicht Speakeasy seine gesamte OpenAPI-Client-Suite unter der AGPLv3-Lizenz: SDK-Generatoren für sieben Sprachen, einen für Agenten konzipierten CLI-Generator und einen MCP-Server-Generator für Dokumentationen, der Spezifikationen und Dokumentation in eine abfragbare Quelle verwandelt, damit ein Agent verifizierte Schemata konsultiert, statt veraltete Methoden zu erraten. Die Lizenz erlaubt, den generierten Code unter MIT oder Apache 2.0 frei weiterzuveröffentlichen; nur Änderungen am Compiler müssen offengelegt bleiben. Google beziffert die Einsparung: etwa ein Ingenieur für die Wartung einer Client-Toolchain für sechs Zielplattformen.

🔗 Warum die Generierung von Client-SDKs offen sein sollte

Agent Anomaly Detection überwacht Sitzungen, die normal erscheinen

Diese in privater Vorschau auf der Gemini Enterprise Agent Platform verfügbare Überwachungsschicht zielt auf einen konkreten blinden Fleck: Der Agent liefert eine einwandfreie Antwort und schließt das Ticket, und erst im Nachhinein stellt sich heraus, dass er ein Tool verwendet hat, auf das er nicht hätte zugreifen dürfen. Da nichts fehlgeschlagen ist, besteht die Sitzung die Evaluierungen, ohne Aufmerksamkeit zu erregen. Das System liest die bereits ausgegebenen OpenTelemetry-Logs und -Traces asynchron und außerhalb des Anfragepfads, sodass keine zusätzliche Latenz entsteht. Die Detektoren orientieren sich an den OWASP Top 10 for Agentic Applications 2026, und jede Meldung enthält einen Schweregrad, eine Erklärung in verständlicher Sprache und empfohlene Korrekturen. Eine API stellt diese Anomalien bereit, sodass ein ADK-Plugin nachfolgende Tool-Aufrufe oberhalb eines gewählten Schwellenwerts blockieren kann. Voraussetzung: ADK 1.2 oder höher.

🔗 Agent Anomaly Detection in privater Vorschau

Gemini CLI startet die Serie 0.62.0 und strukturiert die Titel von MCP-Tool-Aufrufen

16. September — Nachdem Version 0.60.0 am Vortag in den Stable-Kanal übergegangen war, startet der Nightly-Kanal von Gemini CLI mit zwei neuen Änderungen in eine neue Serie. Die erste formatiert die Titel von MCP-Tool-Aufrufen als strukturierte Signaturen und trennt die Erklärungen davon: Ein Aufruf wird in einer lesbaren und stabilen Form angezeigt statt als Zeichenkette, die Kennung und Kommentar vermischt, was sowohl das Lesen als auch die Verarbeitung durch einen ACP-Client erleichtert. Die zweite fügt serverseitig eine frühzeitige Rückgabe für A2A hinzu, wenn der Metadaten-Endpunkt der Aufgaben auf einen nicht unterstützten Store trifft.

Kanal	Version am 17. September	Entwicklung im Zeitraum
Stable	v0.60.0	unverändert, seit 15. September im Stable-Kanal
Preview	v0.61.0-preview.0	unverändert, am 15. September eröffnet
Nightly	v0.62.0-nightly.20260917	Start der Serie 0.62.0 am 16. September

Bemerkenswert: Die Nightly-Version vom 17. führt keine Änderungen auf und verwendet denselben Build-Hash wie die vom 16.

🔗 Versionshinweise zu v0.62.0-nightly.20260916

Code-Tools: Agenten bewerten, mehrere Repositories bereitstellen, eine Bankkarte anvertrauen

Vier Ankündigungen am selben Tag zeigen, wie weit Code-Agenten inzwischen sind.

Warp startet Scorers: Agenten, die Agenten bewerten

Warp öffnet Scorers, ein in Warp Factories integriertes System zur automatischen Bewertung von Agentensitzungen. Das Prinzip: Statt die Leistung ausschließlich anhand von DORA-Metriken zu beurteilen, werden vergangene Sitzungen von anderen Agenten mit einem Judge-Modell überprüft. Jeder Bewerter wird durch einen Bewertungs-Prompt, Klassifizierungsanweisungen, ein Judge-Modell und eine Stichprobenrate definiert — denn das Bewerten kostet Tokens. Warp nennt die einzige Zahl des Beitrags: In seiner internen Factory macht die Bewertung rund 3 % der gesamten Token-Kosten aus.

Bewertete Dimension	Vom Bewerter gestellte Frage
Konformität	Hat der Agent die angeforderte Aufgabe erledigt?
Effizienz	Hat er sie ohne unnötige Arbeit erledigt?
Ausführlichkeit	Hat er die richtige Anzahl an Tokens ausgegeben?
Qualität	Entspricht der Code den erwarteten Konventionen?

Die Ergebnisse der Bewerter fließen anschließend in eine weitere Agentenschleife ein, die sie stapelweise zusammenfasst und Änderungen an der Definition der Factory vorschlägt. Scorers ist Teil von Warp Factories und befindet sich im Early Access.

🔗 Warp auf X, Ankündigung von Scorers · der Beitrag von Zach Lloyd

Ein einziger Amp-Runner reicht jetzt für mehrere Repositories

Bislang stellte ein Amp-Runner nur das Verzeichnis bereit, in dem er gestartet worden war: Wer von derselben Remote-Maschine aus an drei Repositories arbeiten wollte, brauchte drei Runner. Ein Runner kann nun mehrere bereitstellen, entweder ausdrücklich mit der wiederholt verwendeten Option --dir oder automatisch mit --discover-dirs, das alle Git-Repositories bis zu zwei Ebenen unterhalb des aktuellen Verzeichnisses bereitstellt und neue Klone berücksichtigt. Die Liste lässt sich im laufenden Betrieb mit amp runner dirs add, list und remove ändern, und Ergänzungen werden für den nächsten Start gespeichert. Zweiter Punkt: Ein weiterlaufender Runner prüft etwa einmal pro Stunde auf neue Versionen und installiert sie; ein Neustart erfolgt erst, wenn kein Thread mehr läuft, und höchstens einmal alle 12 Stunden.

🔗 Ein Runner reicht jetzt aus

Kimi Code wechselt zu 2.0.0, doch die Nummer bedeutet nicht, was sie zu bedeuten scheint

Zwei Tage nach Version 0.43.1 veröffentlicht Moonshot Kimi Code 2.0.0. Der Versionssprung ist spektakulär, der Inhalt weniger: Die einzige als major eingestufte Änderung ist die Ergänzung des Befehls /desktop, der die Seite der Desktop-Anwendung im Browser öffnet. Das ist ein Artefakt der Versionierung mit changesets, bei der ein einziges als major markiertes Changeset die Versionsnummer springen lässt — keine grundlegende Überarbeitung. Die eigentliche Information liegt anderswo: Kimi Code verfügt nun über eine Desktop-Anwendung, und das Terminal rendert Mermaid-Blöcke als Diagramme. Der Großteil des Rests besteht aus einer Serie von sieben Korrekturen für die Steuerung einer laufenden Runde, einer offenbar noch instabilen Funktion, sowie der Signierung der Windows-Binärdatei und der Umstellung von Bildern auf Dateiverweise statt eingebetteter Daten.

🔗 Versionshinweise zu Kimi Code 2.0.0

Cognition überlässt Devin eine Bankkarte, und Devin verdient 75 Dollar

Cognition veröffentlicht den Bericht zu einem seit Juli laufenden Experiment: Devin erhielt eine Ramp-Zahlungskarte und eine Telefonnummer sowie die bewusst vage Anweisung, Geld zu verdienen. Das gemeldete Ergebnis beträgt 75 Dollar, erzielt durch Kaltakquise (cold outreach), den Aufbau von Zahlungsportalen und Versuche rund um einen Geschäftsplan. Cognition stellt den Betrag lediglich als bescheiden dar: Das Interesse an der Geschichte liegt in den Fehlschlägen und Schutzmechanismen, nicht im Umsatz. Es handelt sich um ein Experiment, nicht um eine Produktveröffentlichung — es werden weder Funktionen noch Preise oder Verfügbarkeit angekündigt.

🔗 Cognition auf X, Devin und die Ramp-Karte

NVIDIA: vier Ankündigungen in vierundzwanzig Stunden, vom eingebetteten Jetson bis zum Weltmodell

TensorRT Edge-LLM absolviert MLPerf Edge Agentic auf Jetson AGX Thor 6,4-mal schneller

Beim neuen Edge-Agentic-Benchmark von MLPerf Inference v6.1 führt TensorRT Edge-LLM Qwen3.6-27B auf einem einzigen Jetson-AGX-Thor-Entwicklungskit aus. Der Benchmark spielt zwanzig aufgezeichnete Gespräche von Entwicklungsagenten nach, in denen das Modell eine Anfrage erhält, einen Tool-Aufruf erzeugt, das Ergebnis beobachtet und fortfährt — die Eingabelänge steigt dabei auf rund 23.500 Tokens, wodurch langer Kontext ins Zentrum der Messung rückt.

Gemessene Metrik	Wert
Gesamtdauer der Arbeitslast	24 min 36 s, gegenüber 2 h 37 min
Ausgabedurchsatz	52,33 Tokens pro Sekunde
BFCL-Gesamtgenauigkeit	87,94 %
Aus dem Cache gelieferte Prompt-Tokens	rund 96 %

Drei Techniken erklären den Unterschied: NVFP4-Quantisierung für Gewichte und Aktivierungen mit einem KV-Cache in FP8, die Wiederverwendung des Caches zwischen den Runden sowie eine baumförmige Multi-Token-Vorhersage, die die wahrscheinlichsten Kandidaten in einem Durchlauf überprüft — NVIDIA schreibt ihr rund 40 % zusätzliche Dekodierleistung zu.

🔗 TensorRT Edge-LLM bei MLPerf Edge Agentic

Agenten bereiten 3D-Szenen für die Robotiksimulation vor

NVIDIA dokumentiert eine Multi-Agenten-Pipeline, die eine Blender-Szene in eine mit Isaac Sim oder Isaac Lab nutzbare OpenUSD-Welt verwandelt. Ausgangspunkt ist die Feststellung, dass das Training eines Roboters häufig bereits vor dem Modell scheitert: Die Szene ist nicht vorbereitet, weil semantische Labels, korrekte Kollisions-Meshes oder konfigurierte Sensoren fehlen. Codex, angetrieben von GPT-6 Astra, koordiniert die Aufgabe; mit dem Hermes-Harness erstellte und über NemoClaw bereitgestellte Subagenten führen die einzelnen Arbeiten aus; die Omniverse Libraries stellen die Tools bereit, die auf die Szene einwirken, wobei die SimReady-Validierung als Abnahme-Gate dient. Am interessantesten ist der Umgang mit Unsicherheit: Sichere mechanische Korrekturen werden automatisch angewendet, während Korrekturen, die von der Absicht des Entwicklers abhängen, mit Kontext und einem Vorschlag an einen Menschen eskaliert werden — 46 Objekte ohne Kollisions-Mesh, 12 greifbare Objekte, die als statisch markiert sind, 3 Requisiten, die über dem Boden schweben.

🔗 3D-Szenen mit Agenten für die Simulation vorbereiten

Axolotl3D schließt auf die Teile, die es nicht sieht

Axolotl3D, vorgestellt auf der ECCV 2026, ist ein multimodales 3D-Generierungsmodell, das Okklusionen berücksichtigt. Das adressierte Problem ist häufig und wird selten direkt angegangen: Ein Bild zeigt fast nie die vollständige Geometrie eines Objekts, und Rekonstruktionsmodelle müssen erfinden, was sie nicht sehen. Axolotl3D kombiniert Bilder, Kameradaten und partielle Geometrie, um fehlende Bereiche zu rekonstruieren und zugleich die tatsächlich beobachteten Bereiche zu bewahren — diese Unterscheidung bildet den Kern des Ansatzes, da sie verhindert, dass eine Rekonstruktion bereits korrekte Teile verschlechtert. NVIDIA beansprucht sowohl für Einzelansichten als auch für mehrere Ansichten den Stand der Technik, ohne in der Ankündigung Zahlen zu veröffentlichen.

🔗 NVIDIA AI auf X, Axolotl3D auf der ECCV 2026

World Labs lässt Atlas ausgehend von 32 Fotos durch den NVIDIA-Hauptsitz fliegen

NVIDIA präsentiert eine Demonstration des Weltmodells Atlas von World Labs, angewandt auf das Voyager-Gebäude. Aus nur 32 Bildern rekonstruiert das Modell den Hauptsitz und ermöglicht es, sich dort in Echtzeit mit einer angeblich pixelgenauen Kamerasteuerung zu bewegen. Der technische Reiz liegt in der Vereinheitlichung der Modalitäten: Atlas führt Text, Bilder, Video und 3D in einem gemeinsamen räumlichen Kontext zusammen, sodass ein einziges Modell neue Ansichten erzeugt, Szenen rekonstruiert und Welten simuliert, während diese Aufgaben üblicherweise von getrennten Systemen übernommen werden. Das Modell wurde von Grund auf auf Blackwell-GPUs vortrainiert. Die Mitteilungen enthalten weder Leistungszahlen noch Angaben zum Zugang: Es handelt sich um eine Demonstration der Fähigkeiten, nicht um eine Markteinführung.

🔗 NVIDIA AI auf X, Atlas in Voyager

Offene Modelle und Labore: eine zweckentfremdete Arena, ein kostenloser Orchestrator, ein Gedächtnis für Traces

Ai2 öffnet die Steering Arena, und die besten prosozialen Prompts sind Kauderwelsch

Ai2 veröffentlicht die Bilanz der Steering Arena, eines von Masterstudent Soham Padia rund um Olmo 3 entwickelten Spiels. Die Spieler reichen kurze Textpräfixe ein und erhalten Punkte danach, wie stark ihr Text das Modell zu prosozialem Verhalten bewegt. Nach rund 600 Einreichungen bestehen die 36 besten Beiträge ausschließlich aus unlesbaren Token-Folgen; die beste Einreichung in verständlichem Englisch, die lediglich um eine freundliche und respektvolle Antwort bittet, landet mit einer etwa 2,7-mal niedrigeren Punktzahl auf Platz 37. Diese Zeichenfolgen sind nicht zufällig: Das Spiel bewertet die interne Verschiebung hin zu einem prosozialen Muster, unabhängig davon, was ein menschlicher Leser darin erkennen würde, weshalb die Spieler die Messgröße optimiert haben. Die Lehre ist für alle nützlich, die Evaluierungen entwickeln: Eine Metrik offenzulegen genügt, um sie zum Ziel zu machen.

🔗 Ai2, Bilanz der Steering Arena

Sakana Chat wechselt kostenlos zu Fugu Max und erhält ein Gedächtnis

Sakana AI aktualisiert Sakana Chat in zwei Punkten. Der am 11. September als API veröffentlichte Orchestrator Fugu Max ersetzt Sakana Fugu in der Modellauswahl und wird für alle kostenlos zugänglich: Er betreibt nicht ein einzelnes Modell, sondern verteilt die Verarbeitung je nach Inhalt des Prompts auf mehrere offene Modelle. Außerdem kommt ein Gedächtnis hinzu — eine einmal angegebene Rolle oder Stilpräferenz wird in späteren Unterhaltungen sowohl bei Namazu als auch bei Fugu Max wieder aufgegriffen. Sein Inhalt lässt sich in den Einstellungen einsehen, und es kann deaktiviert werden. Für die Nutzung wichtig: Nur Unterhaltungen nach dem Update speisen das Gedächtnis.

🔗 Sakana Chat wechselt zu Fugu Max

funes indexiert Traces von Coding-Agenten in einem lokalen Lance-Datensatz

Aritra Roy Gosthipaty und Ayush Chaurasia veröffentlichen funes, das vergangene Agentensitzungen in ein durchsuchbares Gedächtnis verwandelt. Das Problem dürfte allen bekannt vorkommen, die an einem langfristigen Projekt arbeiten: Der Agent hat den fehlschlagenden Test gefunden und verstanden, warum die naheliegende Korrektur nicht funktionierte, dann endete die Sitzung — und in der folgenden Woche erkundet ein neuer Agent das Projekt, als wäre nichts geschehen. funes indexiert die Traces von Claude Code, Codex, pi und Hermes in einem einzigen lokalen Lance-Datensatz und stellt anschließend zwei Werkzeuge bereit, recall und get, wobei Hooks die neuen Durchläufe indexieren. Die Designentscheidung, die das Werkzeug auszeichnet, besteht darin, bei der Aufnahme kein Sprachmodell einzusetzen: Segmentierung und Embeddings erfolgen deterministisch und lokal, weil die Traces lokale Pfade, unveröffentlichte Pläne und manchmal versehentlich eingefügte Zugangsdaten enthalten.

🔗 funes, ein lokales Gedächtnis für Agenten-Traces

Generatives Video: Runway konvertiert Bildraten, Pika ändert seine Positionierung

Runway führt Enhance Frame Rate ein

Runway fügt ein Interpolationsmodell hinzu, das die Bildrate jedes beliebigen Videos konvertiert, einschließlich solcher, die nicht auf der Plattform erzeugt wurden — damit ist es ein eigenständiges Postproduktionswerkzeug und nicht bloß eine Option der hauseigenen Produktionskette. Als Argument wird die Einhaltung von Sendevorgaben angeführt, wobei Runway die britische Norm von 25 Bildern pro Sekunde als Beispiel nennt.

Parameter	Wert
Ausgabe-Bildraten	25, 30, 48, 60, 120 fps sowie NTSC 59,94
Maximale Auflösung	4K, Quellauflösung bleibt erhalten
Maximale Dauer	5 Minuten
Kosten	1 Credit pro 2 Sekunden, unabhängig von den Einstellungen

Runway kündigt eine bis zu siebenmal schnellere und dreimal günstigere Ausführung als bei anderen Interpolationsmodellen an, ohne diese zu benennen oder detaillierte Messungen zu veröffentlichen: Die Behauptung bleibt in dieser Form nicht überprüfbar.

🔗 Einführung von Enhance Frame Rate

Pika stellt eine neue kreative Plattform vor

Pika kündigt eine vollständige Überarbeitung seines Produkts an, die nicht als neue Modellversion, sondern als kreative Plattform von und für Kreative präsentiert wird. Die Ankündigung bleibt bewusst allgemein: kein Modell, keine benannte Funktion, kein Preis, keine Messwerte. Das entscheidende Signal ist die veränderte Positionierung — Pikas jüngste Veröffentlichungen drehten sich vor allem um die Integration von Drittanbietermodellen in seinen API Club, während sich das Labor hier wieder auf sein eigenes Produkt konzentriert.

🔗 Pika auf X, die neue Plattform

Perplexity Computer ersetzt die Modellauswahl durch einen Aufwandsregler

17. September — Perplexity führt in Computer, seinem mehrstufigen Agenten, Aufwandssteuerungen ein. Das Prinzip kehrt die übliche Frage um: Statt danach zu fragen, welches Modell verwendet werden soll, fragt die Oberfläche, wie viel Aufwand die Aufgabe verdient. Ein Regler in der Omnibar bietet vier Stufen von Light bis Ultra.

Einstellung	Von Perplexity vorgesehener Einsatz
Light	einfache, alltägliche Aufgaben
Standard	Ausgleich zwischen Reasoning und Kosten
High	komplexe Analyse
Ultra	maximaler Aufwand für offene Probleme

Eine Stufe legt das Orchestrator-Modell der Aufgabe und die Tiefe seines Reasonings fest; dieser Orchestrator delegiert anschließend Teilaufgaben an unterstützende Agenten, die Modelle verschiedener Anbieter einsetzen können. Der Regler wählt daher kein einzelnes Modell, sondern den Dirigenten. Credits werden entsprechend der geleisteten Arbeit und nicht nach der gewählten Stufe verbraucht, während benutzerdefinierte Einstellungen weiterhin verfügbar sind. Bemerkenswert ist eine Abweichung zwischen den Quellen: Der Blogbeitrag kündigt die Webversion für jetzt sowie Android und iOS für später an, während die Mitteilung auf X schreibt, Mobil- und Desktopversion folgten bald.

🔗 Computer fügt einen Aufwandsmodus für die Modellauswahl hinzu

Cohere datiert North 2 auf Oktober 2026, ohne weitere Angaben zu machen

17. September — Cohere veröffentlicht eine sechzehnsekündige Videokarte mit zwei Zeilen: North 2 und Oktober 2026. Es ist das erste mit dem Produkt verbundene Datum. Vorgestellt worden war es am 9. September auf der Kampagnenseite AI for Empowerment mit dem Hinweis „bald verfügbar“, jedoch ohne Zeitplan oder Preis. Die Ankündigung schließt die Septemberkampagne ab: Von den beiden damals versprochenen Produkten erschien Confidential Computing am 16. September als Early Access in Model Vault, während North 2 als letztes noch ausstand.

Auch nach dem Neuladen am 17. September zeigt die Produktseite North 2 weiterhin als „bald verfügbar“ — das Oktoberdatum existiert derzeit nur auf X. Die einzige öffentliche Beschreibung besteht aus einer Zeile: eine Unternehmens-KI mit Verbesserungen bei Sicherheit, Geschwindigkeit, Kosten und Fähigkeiten. Da North seit August 2025 die Unternehmensplattform von Cohere ist, stellt eine Version 2 einen Meilenstein dar, doch die Ankündigung enthält weder technische Details noch Benchmarks, Preise oder ein genaues Datum innerhalb des Monats.

🔗 Cohere auf X, North 2 im Oktober 2026

Kurzmeldungen

Claude for Startups veröffentlicht ein Video mit Gründern — das beim Frontier Day gedrehte Video zeigt vom Programm unterstützte Frühphasenteams und verweist auf dessen Seite sowie API-Credits; Zahlen oder angekündigte Neuerungen gibt es nicht. 🔗 Quelle
Devin stellt seinen Sprachmodus auf ein Live-Sprachmodell um — die Versionshinweise vom 16. September ergänzen unmittelbare Anrufsteuerungen und machen vor allem die Prüfung von Sicherheitsfehlern durch Devin Review obligatorisch, dessen Schalter aus den Einstellungen verschwindet. 🔗 Quelle
Together AI veröffentlicht ein Playbook mit fünf Schritten zu offenen Modellen — entdecken, evaluieren, anpassen, entscheiden, in Produktion bringen; der Text dient der kommerziellen Positionierung und enthält weder Migrationszahlen noch einen benannten Benchmark. 🔗 Quelle
LAION und TTS Arena starten die Voice Acting Arena — menschliche Zuhörer vergleichen zwei anonyme Interpretationen desselben Skripts hinsichtlich Gesamtpräferenz, Einhaltung der Schauspielanweisungen und wahrgenommener Authentizität; die Plattform zielt auf die schauspielerische Qualität statt auf akustischen Realismus. 🔗 Quelle
Scientific American widmet den Smart Cellular Bricks von Sakana AI einen Artikel — Hunderte identische Bausteine, die denselben lokalen neuronalen zellulären Automaten ohne globales Wissen ausführen, leiten gemeinsam die Formklasse ihrer Anordnung ab; neu ist die Veröffentlichung, denn der ursprüngliche Beitrag stammt vom 13. Juli. 🔗 Quelle
Sakana AI veröffentlicht einen Blick hinter die Kulissen seines Produktteams — ein Recruiting-Beitrag, der auf Grundlage von Gesprächen mit vier Teammitgliedern Antworten auf häufige Fragen in Vorstellungsgesprächen sammelt, ohne technische Ankündigung. 🔗 Quelle
Ein Community-Beitrag schlägt vor, die Erholung von Agenten nach Fehlschlägen zu messen — Golda Manuel regt an, zu messen, was zwischen einem Fehler und der Rückkehr zu produktiver Arbeit geschieht, und diese Messwerte mit Ausführungs-Traces zu verknüpfen; der Text bleibt ein methodischer Rahmen ohne Benchmark oder beziffertes Ergebnis. 🔗 Quelle
Gemini hebt den STL-Export aus Canvas hervor — eine in Canvas erzeugte Anwendung parametrisiert eine 3D-Vase, die anschließend für den Druck im STL-Format exportiert wird; die Mitteilung stellt die Funktion nicht als neu dar. 🔗 Quelle
Die Ausführungsschutzmechanismen für GitHub-Actions-Workflows sind allgemein verfügbar — die Ausrichtung auf einzelne Workflow-Dateien, Insights und eine REST API ergänzen die Regeln für Akteure und Ereignisse; zudem deaktiviert eine Standardregel pull_request_target in öffentlichen Repositorys und wird ab dem 2. November 2026 automatisch angewandt. 🔗 Quelle
Ubuntu 26.04 verlässt die Vorschauphase, und ubuntu-latest wird diesen Herbst umgestellt — das Runner-Image wird auf x64 und arm64 vollständig unterstützt, und das Label migriert zwischen dem 19. Oktober und dem 19. November 2026 von 24.04 auf 26.04, wodurch Builds beschädigt werden könnten, die von bestimmten Versionen abhängen. 🔗 Quelle
Eine API autorisiert klassische PATs und SSH-Schlüssel gesammelt für Enterprise-SSO — auf GitHub Enterprise Cloud kann eine GitHub App mit enterprise_credentials:write eine Kennung mit einer einzigen Anfrage für bis zu 50 Organisationen autorisieren, ohne dass das Geheimnis die Anwendung durchläuft. 🔗 Quelle
Midjourney veröffentlicht sein Alpha-Changelog vom 16. September — Koreanisch wird mit einem Aufruf zur Mitwirkung hinzugefügt, eine erste ernsthafte Überarbeitung für Mobilgeräte und Tablets vorgenommen und Fehler im v8.2-Editor sowie in der Prompt-Leiste behoben; Standardeinstellungen werden weiterhin für später angekündigt. 🔗 Quelle
Cadence senkt die mediane Rückrufzeit für Patienten von 1 Std. 48 Min. auf 3,5 Minuten — ein auf ElevenAgents aufgebauter Triage-Agent, der in mehr als zwanzig US-amerikanischen Gesundheitssystemen eingesetzt wird, verarbeitet monatlich mehr als 40.000 Warnmeldungen und zieht bei Bedarf eine Pflegekraft hinzu. 🔗 Quelle
HeyGen veröffentlicht einen Leitfaden zu seinem MCP-Server — ein Lehrartikel, keine Markteinführung, der erklärt, wie sich HeyGen MCP mit Assistenten verbinden lässt, sodass HeyGen für die Nutzung von HeyGen nicht mehr geöffnet werden muss. 🔗 Quelle
Grok Voice treibt eine Neuralink-Demonstration an — das Konto @grok weist darauf hin, dass ein von Neuralink veröffentlichtes Video Grok Voice verwendet, ohne Produktankündigung oder technische Details. 🔗 Quelle

Was das bedeutet

Agenten beginnen, die Werkzeuge zu bauen, von denen sie selbst abhängen, und darin liegen die einzigen belastbaren Zahlen des Tages. Ein von GLM-5.3 angetriebener Infra Agent bringt GLM-5.3-Flash in weniger als zwei Wochen in Produktion und verdreifacht den Durchsatz; GitHub schreibt die Copilot-Runtime mithilfe von Copilot in 128 Pull Requests, 830.000 Zeilen und 136,3 Milliarden Tokens in Rust neu; Anthropic beziffert den von Claude gesteuerten Anteil seiner Forschung und Entwicklung auf 26 % und den zumindest kollaborativen Anteil auf mehr als 90 %. Auch bei den Grenzen stimmen die drei Texte überein. Z.ai betont die Bedeutung dichten Feedbacks — lokal, kostengünstig und überprüfbar —, ohne das Programmierfähigkeiten nutzlos bleiben, und erinnert daran, dass die Wahl der Ziele weiterhin beim Menschen liegt. GitHub dokumentiert Dutzende Portierungsregressionen, die allesamt behoben wurden, und stellt klar, dass ein großer Teil des erzeugten Rust-Codes weiterhin eine Übertragung von TypeScript-Idiomen ist. Der Hebel ist nicht allein das Modell, sondern die Infrastruktur, die es umgibt.

Die zweite Entwicklung: Aufsicht wird zu einem eigenständigen Produkt. Warp verkauft Agenten, die Agenten für rund 3 % der Token-Kosten bewerten; Google platziert Agent Anomaly Detection außerhalb des Anfragepfads, damit es bereits erzeugte OpenTelemetry-Traces liest und mit den agentischen OWASP Top 10 abgleicht; Anthropic stellt sein Biowissenschaftsprogramm von Echtzeitblockierung auf Offline-Überwachung mit einer Aufbewahrungsfrist von 30 Tagen um; OpenAI formalisiert drei Meldewege und veröffentlicht sechs dokumentierte Fälle. Die gemeinsame Schwierigkeit wird von beiden Erkennungssystemen benannt: Der Schaden entsteht in Sitzungen, in denen nichts fehlschlägt. Die Steering Arena zeigt die genaue Grenze dieser Übung — die 36 besten Einreichungen sind Kauderwelsch, weil es genügt, eine Metrik offenzulegen, um sie zum Ziel zu machen.

Die dritte Entwicklung: Der Wirkungsbereich der Agenten wächst, und die Art der Einstellung verändert sich. Ein Claude-Code-Projekt wird zu einer Unterhaltung, die täglich bis zu 200 Threads in eigenen Branches startet; CC erhält ein verifiziertes Google-Konto, das von sechs Personen gemeinsam genutzt wird; ein Amp-Runner bedient mehrere Repositorys statt nur eines; Perplexity ersetzt die Modellauswahl durch einen Aufwandsregler mit vier Stufen. Die an den Benutzer gerichtete Frage verschiebt sich von „welches Modell“ zu „wie viel Aufwand“ und „welcher Umfang“, was Vertrauen in die Abwägungen der Plattform voraussetzt. Die Schutzvorkehrungen bleiben sichtbar: eine auf Pro und Max beschränkte Beta, nur ein Benutzer pro Projekt bei Anthropic sowie eine Begrenzung auf die Gruppe und jederzeitige Widerrufbarkeit bei Google.

Schließlich erfolgt die Spezialisierung zunehmend über den Kontext statt über das Training. Astra for Law ist kein neu trainiertes Modell, sondern GPT-6 Astra, verbunden mit einem Index von mehr als 230 Millionen URLs, und der gemessene Unterschied — 54,0 % gegenüber 38,7 % — ergibt sich aus dem bereitgestellten Lesematerial. Anderswo gilt dieselbe Logik: Die UNO stellt ihre Statistiken als per MCP abfragbaren Graphen bereit, Speakeasy erzeugt unter AGPLv3 MCP-Dokumentationsserver, damit Agenten geprüfte Schemas nachschlagen können, statt zu raten, funes indexiert lokal die Traces vergangener Sitzungen, und TensorRT Edge-LLM liefert rund 96 % der Prompt-Tokens aus einem warmen Cache. Korpus, Index und Cache sind ebenso sehr zu Bestandteilen der Architektur geworden wie die Gewichte.