Mittwoch, 27. Mai 2026

15 Nachrichten — 🟡 10 wichtig , 🟢 5 interessant

🤖 Modelle (3)

🟡 🤖 Modelle 27. Mai 2026 · 2 Min. Lesezeit

arXiv:2605.29157: Parallax lokale lineare Aufmerksamkeit beschleunigt Decode-Phase 12,9× gegenüber FlashAttention

Parallax ist ein neuer Attention-Mechanismus für große Sprachmodelle, der die Standard-Softmax-Aufmerksamkeit durch lokale lineare Schätzung ersetzt und dabei eine 12,9-fache Beschleunigung des Decode-Kernels im Vergleich zu FlashAttention erzielt. Forscher der Northwestern University und Mitarbeiter demonstrierten konsistente Perplexity-Verbesserungen beim Vortraining von 0,6B- und 1,7B-Parameter-Modellen und behaupten die erste empirische Demonstration eines starken Architektur-Optimierer-Co-Designs für Attention-Mechanismen.

🟡 🤖 Modelle 27. Mai 2026 · 2 Min. Lesezeit

Google: gemini-3.1-flash-image und gemini-3-pro-image erreichen GA — mit Video-zu-Bild-Generierung

Google hat am 28. Mai 2026 die allgemeine Verfügbarkeit (GA) zweier nativer visueller Modelle der Gemini API bekanntgegeben: gemini-3.1-flash-image für effiziente Bildgenerierung und gemini-3-pro-image für hohe Leistung. Neu ist die Video-zu-Bild-Funktion in der Flash-Variante, mit der aus Videodateien oder YouTube-URLs Thumbnails, Filmplakate und Infografiken generiert werden. Preview-Versionen beider Modelle werden am 25. Juni 2026 eingestellt.

🟡 🤖 Modelle 27. Mai 2026 · 2 Min. Lesezeit

Mistral: Neue KI-Modellklasse zur Vorhersage physikalischer Systeme — Grundlage für Engineering-Beschleunigung

Mistral AI hat am 27. Mai 2026 Physics AI angekündigt — eine neue Kategorie von KI-Modellen, die auf die Vorhersage des Verhaltens physikalischer Systeme spezialisiert sind. Ziel ist es, die Hardwareentwicklung und komplexe technische Prozesse zu beschleunigen, indem KI-Tools bereitgestellt werden, die physikalische Gesetze verstehen und nicht nur statistische Muster aus Text.

📦 Open Source (2)

🟡 📦 Open Source 27. Mai 2026 · 3 Min. Lesezeit

PyTorch: Wie torch.compile bis zu 10× Beschleunigung durch Kernel Fusion erreicht

Der PyTorch-Compiler torch.compile erzielt auf GPUs bis zu 10× Beschleunigung, indem redundante Schreibvorgänge in den globalen Speicher durch Kernel Fusion eliminiert werden. Statt separater GPU-Kernel für jede Operation fügt der Inductor-Compiler abhängige Operationen automatisch zu einem einzigen Kernel zusammen, der Zwischenwerte in den schnellen Prozessor-Registern hält.

🟢 📦 Open Source 27. Mai 2026 · 2 Min. Lesezeit

xAI: SDK Python v1.14.0 fügt enable_image_search zu web_search und SERVER_SIDE_TOOL_IMAGE_SEARCH-Enum hinzu

xAI veröffentlichte Python SDK v1.14.0 mit Unterstützung für die Bildsuche innerhalb der web_search-Funktionalität. Das neue Feld enable_image_search und die Enum-Konstante SERVER_SIDE_TOOL_IMAGE_SEARCH ermöglichen Entwicklungsteams, die Grok-basierte Anwendungen erstellen, die serverseitige visuelle Inhaltssuche neben der Standard-Web-Textsuche zu aktivieren.

🤝 Agenten (2)

🟡 🤝 Agenten 27. Mai 2026 · 3 Min. Lesezeit

AWS: Works Human Intelligence migriert von LangGraph zu Amazon Bedrock AgentCore und erreicht 97% Kostenreduzierung pro Prozess

Amazon Bedrock AgentCore, eine verwaltete Plattform zum Aufbau und Betrieb von KI-Agenten, wird in einer Produktions-Fallstudie des japanischen HR-Anbieters Works Human Intelligence vorgestellt. Das Unternehmen migrierte zwei Geschäftsagenten von LangGraph und Amazon ECS auf AgentCore und erzielte eine 97-prozentige Kostenreduzierung für den Browser-Operations-Agenten durch Prompt-Caching, Verhaltensoptimierung und einen Modellwechsel von Claude Sonnet 4.5 zu Haiku 4.5.

🟢 🤝 Agenten 27. Mai 2026 · 2 Min. Lesezeit

OpenAI: Thrive und Crete entwickeln selbstverbessernde Steuer-Agenten auf Codex

OpenAI veröffentlichte eine Fallstudie über die Zusammenarbeit mit Thrive und Crete beim Aufbau von Steuer-KI-Agenten auf Basis des Codex-Modells. Das Projekt demonstriert den Einsatz selbstverbessernder Agenten in einer hochriskanten Regulierungsdomäne — dem Steuerrecht — wo Genauigkeit und aktuelles Wissen direkte finanzielle und rechtliche Folgen für Nutzer haben.

🔧 Hardware (2)

🟢 🔧 Hardware 27. Mai 2026 · 2 Min. Lesezeit

AMD ROCm: 4-Wave-Interleave-Optimierung der FP8-GEMM-Kernel fuer Instinct MI355X (CDNA 4) verdoppelt Register-Budget pro Wave

Der AMD ROCm Blog beschreibt einen neuen 4-Wave-Interleave-Ansatz fuer FP8-GEMM-Kernel (Matrixmultiplikation mit gemischter Praezision) auf dem Instinct MI355X mit CDNA-4-Architektur. Die Optimierung wechselt vom 8-Wave-Ping-Pong-Layout zu 4 Waves mit vollem VGPR-Budget von 512 Registern, eliminiert LDS-Speicher-Bankkonflikte durch XOR-basiertes Swizzle und verbirgt Speicherlatenz durch praezises Ueberlappen von MFMA-Instruktionen mit Datenladevorgaengen.

🟢 🔧 Hardware 27. Mai 2026 · 2 Min. Lesezeit

PyTorch: TokenSpeed erreicht Rekord 580 Token/s auf Qwen3.5-397B-A17B mit NVIDIA Blackwell GPUs

TokenSpeed, eine Open-Source-LLM-Inferenz-Engine der LightSeek Foundation mit MIT-Lizenz, erreichte 580 Token pro Sekunde auf dem Qwen3.5-397B-A17B-Modell mit acht NVIDIA Blackwell B200 GPUs in TP8-Konfiguration. Der Rekord wurde für agentische Workloads mit Prefix-Caching und CPU-GPU-Ausführungsüberlappung erzielt, mit weniger als 16% Leistungsabfall selbst bei 1-Million-Token-Kontext.

🏥 In der Praxis (2)

🟡 🏥 In der Praxis 27. Mai 2026 · 2 Min. Lesezeit

Anthropic: Messages API liefert usage.output_tokens_details.thinking_tokens — Bedeutung fuer Abrechnung und Streaming

Die Anthropic Messages API enthaelt nun das Feld output_tokens_details.thinking_tokens im usage-Objekt jeder Antwort, die Extended Thinking nutzt. Entwickler, die Inferenzkosten messen, muessen wissen, dass alle generierten Thinking-Tokens abgerechnet werden — nicht die zusammengefasste Ansicht in der Antwort. Der Unterschied kann 20-fach oder mehr betragen.

🟡 🏥 In der Praxis 27. Mai 2026 · 2 Min. Lesezeit

Anthropic: Claude Code v2.1.152 bringt /code-review --fix, /simplify und disallowed-tools im Skills-Frontmatter

Claude Code v2.1.152 bringt drei wichtige Neuerungen fuer Entwicklungsteams: /code-review --fix wendet Review-Ergebnisse automatisch auf den Working Tree an, /simplify ruft denselben Flow auf, und das Skills-Frontmatter unterstuetzt nun ein disallowed-tools-Feld, das bestimmte Tools waehrend eines aktiven Skills entfernt. Dazu kommen neue Hooks, verbesserter Vim-Modus und Stabilitaetsfixes.

🛡️ Sicherheit (4)

🟡 🛡️ Sicherheit 27. Mai 2026 · 2 Min. Lesezeit

arXiv:2605.28588: Analyse von 3.984 Agent-Skills zeigt 76 schädliche — 13,4 % enthalten kritische Sicherheitslücke

Eine Sicherheitsanalyse von 3.984 KI-Agent-Skills aus wichtigen Marktplätzen entdeckte 76 bestätigte schädliche Payloads, darunter Credential-Diebstahl, Backdoor-Installation und Datenexfiltration. 13,4 % aller analysierten Skills enthalten mindestens eine kritische Sicherheitslücke, und mindestens 8 manuell verifizierte schädliche Skills waren zum Zeitpunkt der Veröffentlichung noch öffentlich verfügbar.

🟡 🛡️ Sicherheit 27. Mai 2026 · 2 Min. Lesezeit

arXiv:2605.28914: AIRGuard reduziert Prompt-Injection-Angriffserfolg von 36,3 % auf 5,5 % durch Runtime-Autoritätskontrolle

AIRGuard ist eine Runtime-Sicherheitsschicht für werkzeugbestückte Sprachagenten, die das Problem der Autoritätsverwechslung (Authority Confusion) adressiert — eine Schwachstelle, bei der nicht autorisierte Kontexteingaben legitime Agentenaktionen (Dateizugriff, API-Aufrufe) für Angriffe ausnutzen können. Auf dem AgentTrap-Benchmark reduziert AIRGuard die Angriffserfolgsrate gegen Claude Sonnet 4.6 von 36,3 % auf 5,5 % bei Erhalt von 76 % der Nutzfunktionalität im DTAP-150-Benchmark.

🟡 🛡️ Sicherheit 27. Mai 2026 · 2 Min. Lesezeit

arXiv:2605.29068: COLAGUARD verlagert Sicherheitslogik in den latenten Raum — +8,24 F1, 22,4× weniger Token

COLAGUARD ist ein neues Sicherheits-Guardrail-System für große Sprachmodelle, das die Sicherheitsüberprüfung aus expliziten textuellen Gedankenketten in einen kontinuierlichen latenten Raum verlagert und dabei kurrikulum-basiertes Training einsetzt. Das System erzielt eine Verbesserung von 8,24 Makro-F1-Punkten gegenüber Llama Guard 3, mit 22,4× weniger generierten Token und 12,9× schnellerer Inferenz als das GuardReasoner-Baseline auf acht Sicherheitsdatensätzen.

🟢 🛡️ Sicherheit 27. Mai 2026 · 3 Min. Lesezeit

Google Research: Private KI-Modell-Analytik ohne Zugriff auf Nutzerdaten durch Zero-Trust-Aggregation und TEE

Google Research hat ein System für private Analytik von KI-Modellen vorgestellt, das ein gitterbasiertes kryptografisches Protokoll mit einer Trusted Execution Environment (TEE) kombiniert, um Aggregatstatistiken zur Leistung von On-Device-Modellen zu sammeln, ohne jemals auf individuelle Nutzerdaten zuzugreifen. Das System wurde im Android System SafetyCore-Dienst auf Android 9+ eingesetzt und ermöglicht das Senden einer einzigen Nachricht, ohne dass Geräte über mehrere Runden online bleiben müssen.