16 Nachrichten — 🔴 3 kritisch , 🟡 7 wichtig , 🟢 6 interessant
Ein MIT-Team veröffentlichte MathNet, einen multimodalen Benchmark mit 30.676 olympiadischen Mathematikaufgaben aus 47 Ländern und 17 Sprachen. Gemini-3.1-Pro erreicht 78,4%, GPT-5 69,3%, und Embedding-Modelle haben erhebliche Schwierigkeiten, mathematisch äquivalente Probleme zu finden.
xAI hat bekannt gegeben, dass seine Speech-to-Text-API (STT) von der Beta-Phase in die allgemeine Verfügbarkeit übergeht. Der Dienst unterstützt 25 Sprachen, bietet Batch- und Streaming-Modus und ist ohne Warteliste verfügbar — womit der Sprach-Stack neben dem bereits allgemein verfügbaren Grok Voice Agent vervollständigt wird.
Google hat ReasoningBank vorgestellt, ein Speicher-Framework, das KI-Agenten ermöglicht, aus eigenen Erfolgen und Misserfolgen zu lernen, ohne das Sprachmodell neu zu trainieren. Auf dem WebArena-Benchmark wurde eine 8,3% höhere Erfolgsrate erzielt, auf SWE-Bench-Verified 4,6% mit etwa 3 Schritten weniger pro Aufgabe.
OpenAI hat das Codex Labs-Programm und strategische Partnerschaften mit Accenture, Deloitte und KPMG gestartet, um den Codex-Agenten in große Unternehmen weltweit zu bringen. Das Tool hat 4 Millionen wöchentliche aktive Nutzer erreicht, bietet Zertifizierungen für Berater sowie Enterprise-Pakete mit verbrauchsbasiertem Abrechnungsmodell.
Agent-World ist ein neues Forschungsrahmenwerk der chinesischen Renmin University, das automatisch Tausende von vielfältigen Umgebungen für das Training von KI-Agenten generiert. Es ersetzt manuell erstellte Benchmarks durch dynamische Szenarien und ermöglicht evolutionäres Lernen durch Koevolution von Agent und Umgebung.
Google hat zwei neue Deep Research-Agenten-Versionen in der Gemini API gestartet — deep-research-preview-04-2026 und deep-research-max-preview-04-2026 — mit MCP-Server-Integration, kollaborativer Planung, Visualisierungen und Streaming-Antworten. Der Schritt positioniert Gemini als ernsthaften Konkurrenten zu ChatGPT Deep Research und Perplexity Deep Research.
Ein neuer arXiv-Survey verbindet umfassend die klassische Multi-Agent-Systems-Literatur mit dem modernen LLM-Agenten-Stack. Die Arbeit identifiziert einen Paradigmenwechsel in Koordination, Kommunikationsprotokollen und emergentем Verhalten — vom Austausch niedrigstufiger Zustände zum semantischen Reasoning.
AWS und Anthropic ermöglichen die Ausführung der Claude Cowork Desktop-Anwendung innerhalb von AWS-Konten über Amazon Bedrock. Daten bleiben unter der Kontrolle des Nutzers, Modelle werden nicht darauf trainiert, und die Integration mit IAM und CloudTrail bietet Enterprise-grade Auditing. Die Abrechnung erfolgt über bestehende AWS-Verträge.
Das STCLab SRE-Team nutzt HolmesGPT mit dem ReAct-Muster und CNCF-Tools für die automatische Diagnose von Kubernetes-Alerts. Die Kosten betragen 0,04 Dollar pro Untersuchung, rund 40% der Alerts werden autonom gelöst, und die wichtigste Lektion: Qualitäts-Runbooks sind wichtiger als die Modellwahl.
Forscher unter der Leitung von Eranga Bandara veröffentlichten eine mobile Anwendung, die Gemma, Phi-3.5-mini und Qwen2 lokal für DSM-5-konforme psychiatrische Bewertungen orchestriert. Das System sendet keine Daten in die Cloud und zielt auf sensible Kontexte wie Militär, Strafvollzug und Ferngesundheitsversorgung.
Der neue DESPITE-Benchmark evaluierte 23 Sprachmodelle auf 12.279 Roboter-Planungsaufgaben. Ergebnis: Der beste Planer scheitert in nur 0,4% der Fälle, produziert aber in 28,3% gefährliche Pläne. Planung und Sicherheit sind orthogonale Fähigkeiten — das Skalieren von Modellen behebt keine Sicherheitsmängel.
HuggingFace hat ein Manifest veröffentlicht, in dem Margaret Mitchell, Yacine Jernite, Clem Delangue und 17 Mitautoren argumentieren, dass geschlossene KI-Systeme eine einzige Fehlerquelle in der Cybersicherheit darstellen. Der Text antwortet auf Anthropics Mythos und fordert semi-autonome Agenten mit auditierbaren Protokollen und menschlicher Aufsicht.
GitHub hat in CodeQL 2.25.2 die deklarative Definition von Sanitizern und Validatoren über YAML ermöglicht, ohne QL-Code schreiben zu müssen. Acht Sprachen werden unterstützt (C/C++, C#, Go, Java/Kotlin, JS/TS, Python, Ruby, Rust), was statische Sicherheitsanalyse für Teams ohne QL-Experten demokratisiert.
