16 Nachrichten — 🔴 2 kritisch , 🟡 11 wichtig , 🟢 3 interessant
GPT-5.5 Instant ist das neue Standard-ChatGPT-Modell, das OpenAI am 5. Mai 2026 einführt. Das Modell liefert intelligentere und präzisere Antworten, weniger Halluzinationen und bessere Personalisierung — begleitet von einem System Card.
EvoLM ist eine Post-Training-Methode, die externe Überwachung vollständig eliminiert — ein Qwen3-8B-Rubric-Generator übertrifft GPT-4.1 auf RewardBench-2 um 25,7 % und SkyWork-RM um 16 %, während die trainierte Policy 69,3 % auf dem OLMo3-Adapt-Benchmark erreicht.
Google hat die Dateisuche in der Gemini API auf multimodale Suche erweitert und ermöglicht damit die native Einbettung und den Abruf von Bildern neben Textdokumenten über das Modell gemini-embedding-2. Hinzugekommen sind zwei neue Grounding-Felder und ereignisgesteuerte Webhook-Unterstützung für die Batch API.
Microsoft Research präsentierte auf dem NSDI 2026 DroidSpeak — ein System, das den KV-Cache zwischen architektonisch identischen feinabgestimmten LLM-Varianten teilt und bis zu 4× höheren Durchsatz bei minimalem Qualitätsverlust in Enterprise-Szenarien mit Dutzenden von Domänenmodellen erzielt.
Ein neues Paper zeigt, dass die Sicherheit klinischer KI-Modelle nicht denselben Skalierungsgesetzen folgt wie ihre Genauigkeit — sauberere Belege im RAG heben die Genauigkeit von 73,5 % auf 94,1 % und senken Hochrisiko-Fehler von 12 % auf 2,6 %, mehr als jeder Modellskalierungseffekt.
Das UK AI Security Institute hat am 5. Mai eine Partnerschaft mit Microsoft zur Frontier-KI-Sicherheit bekannt gegeben. Die Zusammenarbeit umfasst drei Forschungsbereiche: Bewertung hochriskanter Fähigkeiten, Testen von Schutzmaßnahmen und Erforschung gesellschaftlicher Resilienz gegenüber konversationeller KI.
Anthropic veröffentlicht 10 fertige Agent-Templates für Finanzdienstleistungen, darunter einen Pitchbook-Builder, einen KYC-Screener und einen Month-End-Closer. Die Templates sind als Plug-ins für Claude Cowork und Claude Code verfügbar. Claude Opus 4.7 erzielt 64,37 % auf dem Vals-AI-Finance-Benchmark.
MEMTIER ist eine fünfstufige Speicherarchitektur für langfristig laufende autonome Agenten — auf dem LongMemEval-S-Benchmark mit Qwen2.5-7B steigt die Genauigkeit von 0,050 auf 0,382, und die Tool-Ausführungsrate hört nach 72 Stunden Betrieb auf zu sinken.
AWS hat am 5. Mai OS Level Actions für Amazon Bedrock AgentCore Browser angekündigt — eine Funktion, die Agenten die Interaktion mit der nativen Betriebssystemoberfläche außerhalb des DOM ermöglicht. Eingeführt werden 8 Aktionen und eine Action-Screenshot-Reaction-Schleife, ohne zusätzliche Konfiguration verfügbar.
DataClaw ist ein neuer Benchmark, der den gesamten Arbeitsprozess von KI-Agenten bei der explorativen Datenanalyse bewertet — nicht nur das Endergebnis — und so Schwächen von Agenten aufdeckt, die korrekte Resultate auf falschem Weg erzielen.
IBM hat die Enterprise-Advantage-Plattform um den Context Studio erweitert — ein Werkzeug zum Aufbau von KI-Agenten auf Basis unternehmenseigener Daten unter Wahrung digitaler Souveränität. Providence Health reduzierte die Manager-Zeit für Einstellungsentscheidungen um 90 %, IBM prognostiziert Kostensenkungen von über 25 % innerhalb von 18 Monaten.
Anthropic veröffentlichte Claude Code v2.1.131, ein Hotfix-Release, das zwei Fehler behebt: einen Absturz der VS-Code-Erweiterungsaktivierung unter Windows durch einen hartcodierten Build-Pfad und den fehlenden x-api-key-Header gegenüber Mantle-Inferenz-Endpunkten. Binärdateien wurden für alle gängigen Plattformen veröffentlicht.
