Suchen

Riemannsche Vermutung: Der mit Claude gefundene Beweis von Levent Alpöge wird von Lean und Mathlib zertifiziert, alphaXiv bewertet Modelle für autonome Forschung, Inkling 2 Mini läuft auf dem Mac mit 210 Tokens pro Sekunde

Unternehmen in dieser Ausgabe

Entfernen Sie das Häkchen bei allem, was Sie nicht interessiert. Ihre Auswahl gilt für alle Ausgaben und bleibt auf diesem Gerät.

Große Labore
China
Coding-Tools
Generative Medien
Infrastruktur und Open Source
Weitere

ai-powered-markdown-translator

Artikel mit gpt-6.1-sol aus dem Französischen ins Deutsche übersetzt.

Projekt auf GitHub ansehen ↗

Levent Alpöge, Mathematiker bei Anthropic, hat einen mit Claude gefundenen Beweis der Riemannschen Vermutung als Lean-Bibliothek mit 17 Millionen Zeilen veröffentlicht, und die Lean- und Mathlib-Communitys zertifizieren ihn bereits am folgenden Tag. alphaXiv veröffentlicht den OpenResearch Intelligence Index, in dem Claude Opus 5.5 die autonome Forschung mit 61,8 % anführt, während DeepSeek V4.1 Flash, das beste offene Modell mit 27,4 %, 0,72 Dollar pro Versuch kostet; Meta erhöht das Ziel seines Digital Brain Project auf 25 000 Stunden, und Inkling 2 Mini wird in Transformers aufgenommen und läuft auf einem Mac Studio mit 210 Tokens pro Sekunde. Replit, Devin und v0 stärken die Kontrolle über Zugriffe, Netzwerk und Ausgaben, und Claude Code 2.1.330 lässt seine geplanten Aufgaben bis zu 30 Tage lang laufen.


Mathematik: Der von Levent Alpöge mit Claude gefundene Beweis der Riemannschen Vermutung wird von den Lean- und Mathlib-Communitys zertifiziert

20. und 21. November — Levent Alpöge, Mathematiker bei Anthropic, hat am 20. November einen Beweis der Riemannschen Vermutung als Lean-Bibliothek mit 17 Millionen Codezeilen veröffentlicht, die direkt nur von Mathlib abhängt, der Bibliothek für formalisierte Mathematik in Lean. Die 1859 von Bernhard Riemann aufgestellte Vermutung betrifft die Verteilung der Primzahlen. Er ergänzt sie um eine Notiz, die auf alphaXiv unter dem Titel „Beanspruchter Beweis der Riemannschen Vermutung“ (A Claimed Proof of the Riemann Hypothesis) geführt wird. Laut der Zusammenfassung von alphaXiv gibt der Autor an, diesen Beweis mit Claude gefunden zu haben, beansprucht auch einen Beweis der verallgemeinerten Riemannschen Vermutung und stützt sich auf Fourier-Analysis, Theta-Liftungen (theta lifts) und eine Analogie zu Stepanovs Argument über Funktionenkörpern; derselben Zusammenfassung zufolge ist der Beweis lang, und der Autor plant, ihn zu erläutern und zu vereinfachen.

Am 21. November veröffentlichen die Lean- und Mathlib-Communitys eine gemeinsame Erklärung, unterstützt vom Lean FRO und der Mathlib Initiative, die die Aussage und den Beweis zertifiziert. Innerhalb eines Tages hat die Bibliothek die vier Kriterien erfüllt, die Kevin Buzzard (Imperial College London) am 12. November aufgestellt hatte:

PrüfkriteriumVon den Lean- und Mathlib-Communitys durchgeführte Prüfung
Die Aussage ist die richtigeAussage RiemannHypothesis aus Mathlib, von Fachleuten für Lean und Zahlentheorie geprüft
Die Bibliothek kompiliertDutzende Personen haben dieselbe rohe Exportdatei des Beweises reproduziert
Der bewiesene Satz entspricht dieser AussageVergleich durch zwei unabhängige Werkzeuge, comparator und con-leche, ausgehend von einer Datei, die nur Mathlib importiert
Der Beweis wird akzeptiertoffizieller Lean-Kernel, con-leche, con-ron und mehrere in anderen Sprachen geschriebene Prüfprogramme, anhand eines inerten Exports des Beweises

We hereby certify that both the statement and the proof of the Riemann Hypothesis are correct.

🇩🇪 Hiermit zertifizieren wir, dass sowohl die Aussage als auch der Beweis der Riemannschen Vermutung korrekt sind. — Lean- und Mathlib-Communitys, Erklärung im Blog der Lean-Community

Scientific American berichtet über die Bestätigung durch unabhängige Mathematiker: Andrew Sutherland (MIT) hat das Ergebnis selbst kompiliert und erklärt, dass der Lean-Kernel es mit lediglich den drei Standardaxiomen erneut geprüft hat. Die Erklärung von Lean und Mathlib erwähnt weder Claude noch die vom Autor beanspruchte verallgemeinerte Riemannsche Vermutung: Die Rolle von Claude geht aus Alpöges Notiz und Scientific American hervor.

🔗 Notiz von Levent Alpöge auf alphaXiv · Scientific American: Bestätigung durch unabhängige Mathematiker · Technische Zusammenfassung der Verifizierung (MIT)

VIDRAFT veröffentlicht eine Live-Anzeige der Weil-Positivität, die zeigt, dass die Aussage Bestand hat, ohne sie zu beweisen

21. November — Am Tag nach der Veröffentlichung des Beweises stellt das Labor VIDRAFT auf Hugging Face einen Space bereit, der den kleinsten Eigenwert der quadratischen Weil-Form berechnet, deren Positivität nach dem Weil-Kriterium äquivalent zur Riemannschen Vermutung ist. Sie ist für die Zetafunktion und vier Dirichlet-L-Funktionen (mit den Führern 3, 4, 5 und 8) positiv, für drei Nachbildungen, die sich in nur einem Bestandteil von einer echten L-Funktion unterscheiden, negativ, und zehn Aussagen des Werkzeugs werden vom Lean-4-Kernel verifiziert. Der Beitrag erinnert daran, dass der formale Beweis das Ergebnis feststellt und das Instrument lediglich zeigt, dass es Bestand hat; der Code, die Lean-Dateien und das Repository sind veröffentlicht, und das Experiment lässt sich auf einer kostenlosen CPU in rund dreißig Sekunden reproduzieren.

🔗 Beitrag von VIDRAFT auf Hugging Face · Space mit der Weil-Anzeige


Evaluierung: alphaXiv misst autonome Forschung mit dem OpenResearch Intelligence Index, ein KI-Textdetektor steigt bei RAID auf, verliert aber außerhalb des Benchmarks

20. November — alphaXiv veröffentlicht die ersten Ergebnisse des OpenResearch Intelligence Index, eines Benchmarks, der die Fähigkeit von Modellen misst, Forschung von Anfang bis Ende durchzuführen. Jedes Modell arbeitet mit seinem eigenen Harness (Claude Code, Codex oder OpenCode) innerhalb von OpenResearch, der Forschungsumgebung von alphaXiv, in drei Bereichen: wissenschaftliche Kenntnisse (20 Aufgaben aus Terminal-Bench-Science), Durchführung eines Post-Trainings (6 neue Aufgaben) und Relevanz der Literaturauswahl (eine Teilmenge von PaperFindingBench).

We created the world’s first open source benchmark for end-to-end autoresearch. Today, its results are live. Which models are best for RSI? Can they understand the literature? Can they conduct complex scientific experiments, while maintaining good taste? We spent about $7.4k in tokens across 8 models, 6 providers, and 3 evaluation tracks to find out.

🇩🇪 Wir haben den weltweit ersten Open-Source-Benchmark für autonome Forschung von Anfang bis Ende entwickelt. Seine Ergebnisse werden heute veröffentlicht. Welche Modelle eignen sich am besten für RSI? Verstehen sie die wissenschaftliche Literatur? Können sie komplexe wissenschaftliche Experimente durchführen und dabei ein gutes Gespür bewahren? Um das herauszufinden, haben wir rund 7 400 Dollar für Tokens bei 8 Modellen, 6 Anbietern und 3 Evaluierungsbereichen ausgegeben. — @askalphaxiv auf X

Evaluiertes ModellVerwendeter HarnessIndexwertDurchschnittliche Kosten pro Versuch
Claude Opus 5.5Claude Code0,618 ± 0,01416,46 Dollar
GPT-6 AstraCodex0,566 ± 0,01422,44 Dollar
GPT-6.1 SolCodex0,549 ± 0,0243,83 Dollar
Gemini 4 ArgonOpenCode0,526 ± 0,0139,18 Dollar
Claude Fable 5.1 (74 von 87 Versuchen abgeschlossen)Claude Code0,511 ± 0,01520,07 Dollar
DeepSeek V4.1 FlashOpenCode0,274 ± 0,0180,72 Dollar
Kimi K3OpenCode0,271 ± 0,01010,89 Dollar
Qwen3.8-FlashOpenCode0,214 ± 0,0154,54 Dollar

Claude Opus 5.5 führt mit 0,618, also 61,8 %, bei durchschnittlich 16,46 Dollar pro Versuch. GPT-6 Astra folgt mit 0,566, allerdings für 22,44 Dollar, und GPT-6.1 Sol erreicht 0,549 für 3,83 Dollar; Claude Fable 5.1 hat nur 74 von 87 Versuchen abgeschlossen. Die offenen Modelle bleiben weit zurück: DeepSeek V4.1 Flash, das beste unter ihnen, erreicht 27,4 % für 0,72 Dollar pro Versuch, knapp vor Kimi K3 (0,271) und Qwen3.8-Flash (0,214). Allein im Bereich Literaturrecherche erreicht DeepSeek V4.1 Flash mit den Recherchewerkzeugen von OpenResearch 47,7 %, gegenüber 48,7 % bei GPT-6 Astra. Together AI, das die offenen Modelle bereitgestellt hat, hat den Index weiterverbreitet; alphaXiv kündigt weitere Modelle und den Quellcode an.

🔗 Beitrag von alphaXiv zum OpenResearch Intelligence Index · @togethercompute auf X: offene Modelle auf dem Prüfstand

Ein KI-Textdetektor steigt bei RAID von Platz 27 auf Platz 5, erkennt außerhalb des Benchmarks aber deutlich weniger zuverlässig

21. November — Im Community-Blog von Hugging Face beschreibt das Team von empirischtech, wie sein auf dem 1B-Encoder Ettin aufgebauter Detektor für KI-generierte Texte in der RAID-Rangliste mit 58 Teilnehmern von Platz 27, den sein produktiv eingesetzter Detektor belegt, mit einer für RAID optimierten Version auf Platz 5 gestiegen ist: Bei 1 % falsch positiven Ergebnissen steigt die Erkennungsrate von 92,81 % auf 99,20 %. Die Kehrseite zeigt sich außerhalb des Benchmarks: Auf dem Testdatensatz der Autoren fällt der Anteil erkannter KI-Texte von 97,8 % beim allgemeinen Detektor, der als Ausgangspunkt für das Fine-Tuning dient, auf 58,7 % bei der für RAID optimierten Version, und der Anteil fälschlich markierter menschlicher Texte steigt von 1,0 % auf 2,4 %. Das für RAID optimierte Modell bleibt daher ein Forschungswerkzeug; der Dienst der Autoren verwendet einen separaten allgemeinen Detektor.

🔗 Beitrag von empirischtech auf Hugging Face


KI für die Wissenschaft: Meta erhöht das Ziel seines Digital Brain Project auf 25 000 Stunden und stellt UMA Nitro und ATLAS vor, Diffusers ermöglicht das Fine-Tuning von RFD4-Proteina

20. November — Meta veröffentlicht die Bilanz seines Open Source AI for Science Summit, den sein FAIR-Labor im Oktober an zwei Tagen in Menlo Park veranstaltet hat. Die wichtigste bezifferte Ankündigung: Das Digital Brain Project, das gemeinsam mit der Rothschild Hospital Foundation und der Université de Montréal zur Finanzierung der Erhebung anonymisierter und offen geteilter Hirndaten gestartet wurde, erhöht sein Ziel von 15 000 auf 25 000 Stunden Daten.

Auf dem Gipfel vorgestelltes ProjektWissenschaftsbereichWas der Beitrag von Meta dazu sagt
Digital Brain ProjectNeurowissenschaftenZiel von 15 000 auf 25 000 Stunden Hirndaten erhöht
UMA NitroChemieschnellere Version des Atommodells UMA (Universal Model for Atoms), ohne Geschwindigkeitsangabe
UMA PlaygroundBildungwird Chemielehrkräften der Sekundarstufe über Discovery Education angeboten, das mehr als 4 Millionen Lehrkräfte und 45 Millionen Schüler erreicht
ATLAS (FAIR)Mathematikoffene Bibliothek, die 26 frei zugängliche Lehrbücher und mehr als 45 000 Definitionen und Ergebnisse in Lean formalisiert

UMA identifiziert außerdem zahlreiche Kristallformen von Arzneimittelmolekülen ohne zusätzliche Trainingsdaten (Studie mit Carnegie Mellon und UC Riverside) und simuliert gemeinsam mit der University of Chicago ganze Enzyme Atom für Atom. Der Beitrag erwähnt schließlich ein Assistenzrobotiksystem der University of Pittsburgh, das auf DINOv3 und SAM 3 basiert und in einer Demonstration einen Roboter zeigen soll, der einer Person beim Essen hilft.

🔗 Bilanz des Open Source AI for Science Summit (Meta) · @AIatMeta auf X

Diffusers ergänzt ein Beispiel für das LoRA-Fine-Tuning von RFD4-Proteina, dem Proteindesign-Modell von NVIDIA

20. November — Die Bibliothek Diffusers von Hugging Face integriert ein Beispiel für das LoRA-Fine-Tuning von RFD4-Proteina, dem offenen Proteindesign-Modell von NVIDIA (hier am 21. Oktober behandelt). Das von Sayak Paul angekündigte Beispiel (Pull Request #15155 von kierandidi, am 19. November zusammengeführt) trainiert Adapter mit Rang 32 auf dem Denoiser, wobei Flow-Matching-Verluste auf die Koordinaten des Proteinrückgrats und auf lokale Latents statt auf Pixel angewendet werden; ihm zufolge ähnelt der übrige Code dem von Bild- und Videomodellen.

🔗 @RisingSayak auf X


Offene Modelle: Inkling 2 Mini wird in Transformers v5.24.0 aufgenommen, läuft auf dem Mac mit 210 Tokens pro Sekunde und erhält eine Version ohne Beschränkungen

Inkling 2 Mini, das am 20. November veröffentlichte Loop-Modell mit offenen Gewichten von Thinking Machines (hier gestern behandelt), wurde innerhalb von vierundzwanzig Stunden nach seiner Veröffentlichung in die Referenzbibliothek von Hugging Face integriert, auf den Mac portiert und von Beschränkungen befreit.

Transformers v5.24.0 integriert Inkling 2 Mini, Omnilingual ASR von Meta, Dory von NVIDIA und Sarvam-105B

21. November — Hugging Face veröffentlicht Transformers v5.24.0 und ergänzt damit rund zehn Architekturen. Inkling 2 Mini wird mit einem Forschungs-Checkpoint mit variabler Anzahl an Schleifendurchläufen aufgenommen. Auch bei Dory, dem Modell mit Schleifenarchitektur von NVIDIA, lässt sich die Anzahl der Schleifendurchläufe bei der Inferenz einstellen.

Hinzugefügtes ModellModellanbieterDetails zum Release
Inkling 2 MiniThinking Machinesmit dem Forschungs-Checkpoint TML-d24-varloop-research mit variabler Anzahl an Schleifendurchläufen
DoryNVIDIAModell mit Schleifenarchitektur, Anzahl der Schleifendurchläufe bei der Inferenz einstellbar
Omnilingual ASRMeta FAIRSpracherkennung für mehr als 1 600 Sprachen, von 300M bis 7B, CTC-Head oder Llama-Decoder
Apertus 1.5 und WavTokenizerSwiss AI InitiativeText, Bild und Audio als Eingabe; Audio-Codec mit 24 kHz
HY4-VLTencentVision-Language-Modell aus der Hunyuan-V4-Familie
Lara MiniTranslated7,2B, davon 0,6B aktiv, Lizenz CC BY-NC-SA 4.0
Sarvam-105B und Sarvam-30BSarvam AI105B: MLA-Attention, 128 Experten, davon 8 aktiv, Kontext von 131K
EXAONE 3.0, 3.5 und DeepLG AI Researchohne trust_remote_code geladen

Bei Updates ist Vorsicht geboten: past_key_values und cache_params werden in cache umbenannt. Diese Änderung gilt als inkompatibel, auch wenn die alten Namen mit einer Deprecation-Warnung weiterhin akzeptiert werden. Die Mindestversion von PEFT wird entsprechend angehoben. Ling 3.1 Flash wird nun nativ geladen, und LayoutLMv3 nutzt die SDPA-Attention-Schnittstelle.

🔗 Transformers v5.24.0

EXO Labs betreibt Inkling 2 Mini mit 210 Tokens pro Sekunde auf einem Mac Studio M5 Ultra

21. November — Am Tag nach der Veröffentlichung von Inkling 2 Mini veröffentlicht EXO Labs die in Zusammenarbeit mit Thinking Machines auf zwei Macs erzielten Durchsatzwerte.

Von EXO Labs getesteter RechnerGenerierung (Decoding)Prompt-Verarbeitung (Prefill)
Mac Studio M5 Ultra, 96 Go210 tokens/s3 620 tokens/s
MacBook Pro M5 Max, 48 Go125 tokens/s1 750 tokens/s

Laut EXO Labs hat das Modell auf dem Mac Studio eine native Wetter-App 1,8-mal schneller als Claude Sonnet 5.5 und zu einem Elftel der API-Kosten erstellt. EXO Labs erklärt, dass sich die Schleifenarchitektur für Rechner mit begrenztem Speicher wie MacBooks eignet: Die wiederholte Ausführung der Schichten erhöht den Rechenaufwand bei der Inferenz, ohne das Modell zu vergrößern. Julien Chaumond von Hugging Face sieht darin den Weg, auf dem sich lokale Open-Source-KI durchsetzen wird.

We got access on Wednesday. In 3 hours we had it running at 30 tok/sec A day later we had it running 210 tok/sec (7x faster)

🇩🇪 Wir haben am Mittwoch Zugang erhalten. Innerhalb von 3 Stunden lief es bei uns mit 30 Tokens pro Sekunde. Einen Tag später mit 210 Tokens pro Sekunde (7-mal schneller). — @exolabs auf X

🔗 @exolabs auf X: Durchsatzwerte auf dem Mac · @julien_c auf X

OpenUncensored veröffentlicht am Erscheinungstag eine entsperrte Version von Inkling 2 Mini

20. November — Noch am Erscheinungstag von Inkling 2 Mini veröffentlicht OpenUncensored, ein API-Anbieter für unzensierte Modelle, eine „abliterierte“ Version, der durch eine gezielte Änderung der Gewichte die Fähigkeit zur Verweigerung genommen wurde. Bei 32 schädlichen Anfragen sinkt die Zahl der Verweigerungen von 32 auf null, sowohl im Gesprächs- als auch im Denkmodus, und der MMLU-Score fällt nicht ab (79,47 % gegenüber 78,95 % beim Original). Nur 20 Attention-Tensoren in BF16 wurden verändert: Da die mittleren Schichten dreimal pro Token zum Einsatz kommen, wirkt eine Änderung dort dreifach. Die API kostet 0,15 Dollar pro Million Eingabe-Tokens und 0,60 Dollar pro Million Ausgabe-Tokens; der Autor mahnt bei derart kleinen Stichproben zur Vorsicht.

🔗 Blogbeitrag von OpenUncensored auf Hugging Face


Code-Plattformen für Unternehmen: privates Netzwerk mit Replit Tunnels, Zugriff und Freigabe in Devin, Ausgabenlimits in v0

Replit Tunnels verbindet Replit-Umgebungen mit Diensten in einem privaten Netzwerk und startet im Early Access

20. November — Replit stellt Tunnels vor, das seine Umgebungen mit Diensten in einem privaten Unternehmensnetzwerk verbindet (Datenbanken, interne APIs), ohne dieses Netzwerk für eingehende öffentliche Verbindungen zu öffnen. Der Datenverkehr läuft über einen Client, den die IT-Abteilung im Netzwerk betreibt und mit einem generierten Docker-Befehl oder einem Helm-Chart auf Kubernetes bereitstellt. Die IT-Abteilung legt fest, welche Dienste jeder Replit-Workspace erreichen kann. Die Verbindung zwischen diesem Client und Replit wird per mTLS verschlüsselt und authentifiziert; die Authentifizierung und TLS-Konfiguration der einzelnen privaten Dienste werden separat eingerichtet.

Tunnels ist in die Connectors integriert: Authentifizierungsanfragen der Connectors, Tool-Aufrufe des Agent und Anfragen veröffentlichter Anwendungen laufen über den Tunnelserver von Replit und anschließend über diesen Client. Der Blogbeitrag nennt drei Anwendungsfälle: Kundenkonten im Finanzbereich zur Prüfung identifizieren (Stripe, SharePoint, Snowflake), ausstehende Patientenüberweisungen im Gesundheitswesen finden (Calendly, DrChrono) und Materialengpässe in der Industrie melden (NetSuite, Shopify, Databricks, Shippo). Tunnels ist auf Anfrage im Early Access verfügbar, ohne Preisangabe; es erweitert Bring Your Own Cloud (hier am 17. Oktober behandelt), das bereits auf ausgehenden Tunneln mit doppeltem mTLS beruhte.

🔗 Blogbeitrag von Replit zu Tunnels · Dokumentation: Tunnels einrichten

Devin führt Access and Sharing, Benutzergruppen und Freigaben pro Session ein und ergänzt seine Versionshinweise vom 17., 18. und 19. November

20. November — Die Versionshinweise von Devin vom 20. November führen Access and Sharing ein, Zugriffs- und Freigabekontrollen für Unternehmen, die schrittweise ausgerollt werden und standardmäßig deaktiviert sind: Zur Aktivierung muss man sich an seinen Ansprechpartner bei Cognition wenden. Über eine Seite User groups in Settings lassen sich Benutzergruppen anlegen, die überall eingesetzt werden können, wo Zugriffe verwaltet werden: Secrets, Umgebungen, Sessions, Automatisierungen, Plugins, Playbooks, Skills, MCP-Server und Knowledge.

Jede Session erhält eine eigene Freigabe: nur für einen selbst, für eine oder mehrere Gruppen, für die Organisation oder für den gesamten Account. Eine Session, die ein Repository, ein Secret oder eine Umgebung verwendet, auf die nur man selbst oder die eigene Gruppe zugreifen kann, startet privat und warnt vor einer Erweiterung der Freigabe. In Slack antwortet sie weiterhin im Kanal, aber nur Personen, mit denen sie geteilt wurde, können ihr Anweisungen geben. Administratoren erhalten einen Bericht über Repositorys, deren Zugriffsrechte in Devin von GitHub oder GitLab abweichen. Devin Review, DeepWiki und Ask beschränken sich auf die Repositorys, auf die der Benutzer zugreifen kann. Unabhängig von diesem Rollout ergänzen dieselben Versionshinweise den Status Triaged für Sicherheitsbefunde und das Plugin Sazabi im Marketplace; Preise werden nicht genannt. 🔗 Versionshinweise vom 20. November

Die Versionshinweise der drei vorangegangenen Tage bringen außerdem:

  • 19. November — In Devin Review rechnen Abrechnungsregeln pro Repository die Reviews eines Repositorys einschließlich Chat einer Organisation oder einem Budget zu, statt dem Autor der PR. Im Sicherheitsbereich lässt sich ein Befund über den Button Validate with Devin überprüfen. Fix with Devin bietet ab zwei Befunden die Wahl zwischen einer PR pro Grundursache, einer pro Befund oder einer einzigen für alle; der Marketplace entfernt MCP-Server, die durch eine native Integration ersetzt wurden (Slack, Linear, GitLab, Pylon). 🔗 Versionshinweise vom 19. November
  • 18. November — Im Eingabefeld der Startseite erscheint eine Auswahl Shared with, und die Einstellung Start sessions as Only you hält die eigenen Sessions standardmäßig privat. Eine private Session veröffentlicht nichts in Slack. Um sie sichtbar zu machen, ist eine Bestätigung erforderlich, die die betroffenen Personen nennt, und Anhänge der Organisation übernehmen ihre Sichtbarkeit; Devin Review erhält einen Button Update branch, und der MCP DevinDash verlässt die Beta. 🔗 Versionshinweise vom 18. November
  • 17. November — Devin Review veröffentlicht einen Status auf Pull Requests in Azure DevOps. Befunde aus Sicherheitsreviews von PRs können eine kurze Zusammenfassung ihrer Auswirkungen enthalten, und Devin veröffentlicht in Slack Bilder, Rich Text, Tabellen, Diagramme, Karten und Karussells. 🔗 Versionshinweise vom 17. November

v0 stellt Ausgabenlimits pro Mitglied allen Unternehmenskunden zur Verfügung

20. November — v0 stellt seine Ausgabenlimits (Spend Caps) allen Unternehmenskunden zur Verfügung. Unter Settings → Members legen die Eigentümer eines Teams ein Standardlimit für Mitglieder oder ein individuelles Limit pro Mitglied fest. Es gilt je Abrechnungszyklus für die Nutzung des gemeinsamen Credit-Pools, sobald die enthaltenen Credits des Mitglieds aufgebraucht sind. Ist das Limit erreicht, stoppt die Generierung am Ende des laufenden Schritts, und das Mitglied kann zusätzlichen Zugriff beantragen; konkrete Beträge werden nicht genannt.

🔗 Changelog von v0: Spend Caps


Code-Agents: Claude Code 2.1.330, Antigravity 2.34.0, Copilot CLI, Qwen Code, Codex CLI und Puck von Amp im Auto

Claude Code 2.1.330 zeichnet Diagramme mit easel und lässt geplante Aufgaben bis zu 30 Tage laufen

20. November — Claude Code 2.1.330 umfasst 142 Einträge, darunter 98 Fehlerbehebungen, 16 Ergänzungen, 14 Verbesserungen und 13 Änderungen. Hinzu kommt easel, ein integrierter Mod, der auf Anfrage sowie unter den von einem MCP-Server gelieferten Metrikergebnissen Diagramme zeichnet, etwa bei einer Prometheus-Range-Query. easel ist unter macOS und Linux für Pro, Max und, soweit verfügbar, Team und Enterprise erhältlich; seine automatischen Diagramme lassen sich in /config deaktivieren. Organisationen, die in Anthropics Enterprise-Administrationskonsole (Enterprise Admin Console) verwaltet werden, können sich nun ebenfalls damit verbinden: Nach claude auth login übernimmt Claude Code ihre Einstellungen und nutzt ihren Cloud-Anbieter oder ihr Gateway.

Wiederkehrende geplante Aufgaben und /loop laufen nun bis zu 30 statt 7 Tage, solange ihre Session geöffnet bleibt; Aufgaben, die vor dieser Version erstellt wurden, enden weiterhin nach 7 Tagen. Mehr rm-Befehle, die auf das Stammverzeichnis, das Benutzerverzeichnis, ein Verzeichnis der obersten Ebene oder das Arbeitsverzeichnis abzielen, erfordern eine Genehmigung und werden abgelehnt, wenn niemand antworten kann. Der in Version 2.1.329 entfernte automatische Wiederholungsversuch bei max_tokens ist wiederhergestellt, und ExitWorktree löscht den Worktree, in dem eine andere Session arbeitet, nicht mehr. Auf der Agent Platform von Google Cloud berücksichtigt claude -p endlich den über --settings übergebenen Schnellmodus, wenn das Modell aus ANTHROPIC_MODEL oder einer Einstellungsdatei stammt: Diese Ausführungen werden nun zum Preis des Schnellmodus abgerechnet. Die VS-Code-Erweiterung erhält 28 Einträge, darunter /fork und /workflows.

🔗 Claude Code v2.1.330

Weitere Code-Agents: Antigravity 2.34.0, Vorabversionen von Copilot CLI und Copilot SDK, Qwen Code v0.28.3, Codex CLI 0.173.0-alpha.4 und Automodus von Amp

  • Antigravity 2.34.0 (20. November) — Die Anwendung von Google erhält 15 Verbesserungen und 24 Fehlerbehebungen. Die Überschrift kündigt Unterstützung für MCP Apps an, auf die die Liste der Verbesserungen nicht näher eingeht; Gemini 4 Neon und die Option Orchestrator (Neon) werden für berechtigte kostenpflichtige Privatkundentarife verfügbar. Neon lässt sich mit einem Gemini-API-Key oder den Standardanmeldedaten von Google Cloud (Application Default Credentials) nutzen, und Enterprise-Accounts erhalten Orchestrator. Der Marketplace erhält die Plugins Clerk, Docusign und TestMu AI. 🔗 Changelog von Antigravity
  • Copilot CLI 1.0.115-4 bis 1.0.115-6 und Copilot SDK 2.0.2-preview.2 bis preview.5 (20. und 21. November) — In diesen CLI-Vorabversionen zeigen ACP-Editoren mit Formularunterstützung strukturierte Rückfragen (structured clarification questions) an, und lange lokale Sessions beanspruchen weniger Speicherplatz; die stabile Version bleibt 1.0.114. Das SDK ergänzt Gemini 4 Neon in seiner Modellliste (Kontext von 1 048 576 Tokens, 65 536 Ausgabe-Tokens), liest .claude/CLAUDE.md im Stammverzeichnis des Repositorys ein und erhält anschließend ein nach Themen gegliedertes Cloud-Memory sowie APIs zum Import von Sessions und Memory, beides experimentell. 🔗 Copilot CLI 1.0.115-4 · Copilot SDK 2.0.2-preview.2
  • Qwen Code v0.28.3 (21. November) — Diese neue stabile Version folgt direkt auf v0.28.0 und übernimmt die hier gestern behandelte Vorabversion vom 20. November: GitHub wird zum dritten unterstützten Kanal, WeCom und Microsoft Teams kommen hinzu, ein generischer Webhook mit reiner Sendefunktion überträgt Ergebnisse an einen HTTPS-Endpunkt, und ACP- sowie OpenTUI-Sessions laufen auf der gemeinsamen Agent-Schleife; die Versionshinweise nennen keine inkompatiblen Änderungen. 🔗 Qwen Code v0.28.3
  • Codex CLI 0.173.0-alpha.3 und alpha.4 (20. und 21. November) — Die Versionshinweise sind leer; laut den 15 seit alpha.2 gemergten PRs akzeptiert jeder Befehls- oder MCP-Tool-Hook eine Option onFailure: standardmäßig continue oder alternativ block. Bei Letzterem verhindert ein Fehlschlag von PreToolUse die Ausführung des Tools, und ein Fehlschlag von PostToolUse hält dessen Ergebnis zurück. Die in der Cloud verwaltete Konfiguration wird auch über codex plugin add und codex plugin list geladen; die stabile Version bleibt 0.171.0, und dieser Inhalt kann sich noch ändern. 🔗 Codex CLI 0.173.0-alpha.4
  • Puck im Auto bei Amp (21. November) — Amp ermöglicht es, während der Fahrt mit seinem Meta-Agent Puck zu sprechen, ohne auf einen Bildschirm zu schauen: Die iPhone-App (mit CarPlay) und die Android-App (mit Android Auto oder dem Bluetooth des Autos) wechseln in den Automodus. In einem integrierten Browser, etwa dem eines Tesla, genügt es, ampcode.com/car zu öffnen und mit einem bei Amp angemeldeten Smartphone einen QR-Code zu scannen. Was gelesen werden muss, wird sehr groß angezeigt; Preise werden nicht genannt. 🔗 Puck im Auto

Kurzmeldungen

Modelle und API

  • Qwen4 Max auf Together AI — Im Anschluss an den hier am 19. November behandelten Rabatt von 30 % nennt Together AI seine bis zum 22. November geltenden Preise: 1,05 Dollar pro Million Eingabe-Tokens und 3,15 Dollar für die Ausgabe, wobei Reasoning als Ausgabe abgerechnet wird und Streaming verpflichtend ist. Als einzelnes Beispiel wird angeführt, dass das Modell in einer Anfrage die 344 Dateien des Tornado-Repositorys (652 519 Tokens) las und in 72 Sekunden für 69 Cent einen Patch lieferte, der die Tests der Maintainer bestand. 🔗 Quelle
  • Ultrafast in Codex — Auf dem Entwicklerblog von OpenAI teilt Dominik Kundel seine Tipps für Ultrafast mit GPT-6.2 Astra und Sol (Hot Reloading, kurze Anweisungen, Reasoning auf Light oder Low) und präzisiert zwei Punkte: eine bis zu 4,5-mal schnellere Token-Generierung in Codex und eine API-Aktion zum 3-Fachen des Standard-Tarifs bis zum 28. Februar 2027, danach zum 6-Fachen ab dem 1. März. 🔗 Quelle
  • Startseiten-Feed von Hugging Face — Angemeldete Nutzer sehen nun standardmäßig einen Feed, in dem jede Veröffentlichung eines angesagten Modells eine eigene Karte erhält, beispielsweise eine Karte, die 17 neue Modelle von Tencent bündelt, wie Victor Mustar bekannt gibt. 🔗 Quelle

Offene Forschung auf Hugging Face

  • Act-or-Ask — Dieses kleine offene Modell, das auf Basis von Phi-4-mini (3,8B) per LoRA feinabgestimmt wurde, entscheidet, ob ein Haushaltsassistent handeln, zuerst die Zustimmung eines Erwachsenen einholen oder ablehnen soll. In 60 bislang unbekannten Situationen befolgt es in 99,3 % der Fälle die Haushaltsregeln, gegenüber 49,7 % beim Basismodell mit denselben Regeln im Prompt; das Modell steht unter der MIT-Lizenz, der Benchmark unter CC BY 4.0. 🔗 Quelle
  • KITScenes in FiftyOne — Harpreet Sahota setzt seine Reihe von Konvertierungen für FiftyOne mit einem Auszug aus KITScenes Multimodal fort, einem Datensatz zum autonomen Fahren von KIT und FZI, der in Frankfurt mit 9 Kameras, 7 Lidars und 3 Radars aufgenommen wurde: 680 Zeitpunkte aus 4 Szenen, jeweils mit neun Kameraansichten und einer fusionierten Lidar-Radar-Punktwolke. 🔗 Quelle

Assistenten und Agenten für Unternehmen

  • Connected Apps von Google — In den USA kommen Albertsons, Safeway, Shaw’s und Target in Search und die Gemini-App, um über das Universal Commerce Protocol (UCP) eine Lebensmittelbestellung zusammenzustellen und zu bezahlen; Experian, das bereits in Gemini verfügbar ist, und H&R Block kommen in Search hinzu, Angi und Thumbtack folgen in den nächsten Wochen. 🔗 Quelle
  • Grok Bot und QuickBooks — Der Agent von SpaceXSI verbindet sich in den USA mit Intuit QuickBooks: Man kann ihn zur eigenen Liquidität, zum Gewinn oder zu unbezahlten Rechnungen befragen, und er erstellt Rechnungen, Angebote und Zahlungserinnerungen, die vom Nutzer genehmigt werden müssen. 🔗 Quelle
  • ElevenAgents für die Fundación Televisa — In einer Fallstudie von ElevenLabs führte ein Sprachagent vom 29. Juni bis zum 24. Juli 1 036 Interviews von durchschnittlich fünf Minuten mit Bewerbern für POSiBLE, den Accelerator für Unternehmer der mexikanischen Stiftung, die daraus 70 Projekte für ihre letzte Phase auswählte; Bécalos, ein weiteres Programm der Stiftung, interviewte 394 junge Menschen in zwei Tagen. 🔗 Quelle

Generative Bilder

  • Kling Image 4.0 — Kling teilt die Bewertung von Artificial Analysis: Platz 7 bei Text-zu-Bild und Platz 6 bei der Bildbearbeitung, jeweils nur hinter Modellen von OpenAI und Microsoft AI, gegenüber den Plätzen 86 und 67 von Kling Image 3.0 Omni. Ein zeitlich begrenztes Black-Friday-Angebot nennt 2K ab 0,022 Dollar pro Bild und native 8K ab 0,033 Dollar, ohne anzugeben, ob die Preise für die App oder die API gelten. 🔗 Quelle

Abseits der KI

  • Berechtigungen für Sicherheitshinweise auf GitHub — Vier Berechtigungen aus der Kategorie Security (Hinweise ansehen, erstellen und verwalten, private Meldungen annehmen, CVE veröffentlichen und beantragen) lassen sich nun über benutzerdefinierte Repository-Rollen vergeben, ohne die betreffenden Personen zu Administratoren des Repositorys zu machen. 🔗 Quelle

Was das bedeutet

Der Beweis der Riemannschen Vermutung verlagert das Vertrauen auf die formale Verifikation. Einen Beweis mit 17 Millionen Zeilen liest man nicht von Hand nach: Seine Glaubwürdigkeit beruht hier auf einer öffentlichen Prüfkette, die innerhalb eines Tages durchlaufen wurde, von der durch Experten geprüften Formulierung in Mathlib bis hin zu mehreren unabhängigen Verifizierern. Die Zertifizierung sagt weder etwas darüber aus, wie der Beweis gefunden wurde, noch über die verallgemeinerte Riemannsche Vermutung, und der Autor muss ihn noch erklären; sie ermöglicht es aber, ein mithilfe eines Modells erzieltes Ergebnis anzuerkennen, ohne dem Modell vertrauen zu müssen. ATLAS, die Bibliothek von Meta, die 26 Lehrbücher in Lean formalisiert, weist in dieselbe Richtung.

Der OpenResearch Intelligence Index misst etwas anderes als Wissen: die Fähigkeit, ein vollständiges Forschungsvorhaben von der Literaturrecherche bis zum Post-Training durchzuführen. Geschlossene Modelle dominieren dort deutlich, doch der Kostenunterschied zählt ebenso wie der Unterschied beim Score: GPT-6.1 Sol erzielt 0,549 für 3,83 Dollar pro Versuch, während GPT-6 Astra für 0,566 22,44 Dollar kostet, und DeepSeek V4.1 Flash, das im Index 0,72 Dollar pro Versuch kostet, kommt im Bereich der Literaturrecherche an GPT-6 Astra heran, wenn ihm die Werkzeuge von OpenResearch zur Verfügung stehen. Der Detektor von empirischtech verdeutlicht die Grenze dieses Verfahrens: Nach seinem Sprung vom 27. auf den 5. Platz auf RAID erkennt er nur noch 58,7 % der KI-Texte seines eigenen Testdatensatzes, gegenüber 97,8 % beim allgemeinen Detektor, auf dem sein Fine-Tuning basiert. Ein Ranking misst, was sein Benchmark enthält, mehr nicht.

Inkling 2 Mini zeigt, wie schnell sich ein Modell mit offenen Gewichten inzwischen verbreitet: Innerhalb von vierundzwanzig Stunden wird es in Transformers aufgenommen, läuft mit 210 Tokens pro Sekunde auf einem Mac Studio und verliert seine Verweigerungsmechanismen in einer von Beschränkungen befreiten Version, in der nur 20 Tensoren geändert wurden. Dieselbe Offenheit, die es ermöglicht, ein Modell innerhalb eines Tages auf einen Arbeitsplatzrechner zu portieren, erlaubt es auch, noch am selben Tag seine Verweigerungsmechanismen zu entfernen. Die offene Wissenschaft wiederum kommt durch ihre Daten und Werkzeuge voran: Meta erhöht das Erfassungsziel für geteilte Hirndaten auf 25 000 Stunden, und Diffusers zeigt, dass sich ein für Bilder entwickeltes Fine-Tuning-Verfahren auf das Design von Proteinen anwenden lässt.

Bei den Code-Plattformen geht es an diesem Tag mehr um Governance als um Generierung. Replit Tunnels legt fest, welche privaten Dienste ein Workspace erreichen kann, Devin bestimmt, wer jede Sitzung sehen und steuern darf, v0 begrenzt die Ausgaben jedes Mitglieds, und Claude Code wendet die Einstellungen einer Organisation an, die in der Enterprise-Konsole von Anthropic verwaltet wird. Die Agenten gewinnen an Autonomie, mit geplanten Aufgaben, die in Claude Code bis zu 30 Tage lang laufen, doch die Schutzmechanismen entwickeln sich mit: Für die risikoreichsten rm ist eine Genehmigung erforderlich, und Hooks können in den Vorabversionen von Codex CLI bei einem Fehlschlag eine Aktion blockieren.


Quellen