15 Nachrichten — 🔴 1 kritisch , 🟡 8 wichtig , 🟢 6 interessant
AI2 veröffentlichte olmo-eval, eine offene Evaluierungsplattform, die den OLMES-Standard vom einmaligen Benchmarking hin zu einer vollständigen Entwicklungsschleife erweitert. Die Kerninnovation ist der paarweise Checkpoint-Vergleich auf Einzelfrageebene sowie integrierte statistische Maße zur Unterscheidung echter Verbesserungen von Messrauschen.
Das vLLM-Team veröffentlichte vollständige Day-0-Unterstützung für MiniMax M3 — ein Modell mit einer Million Token Kontext, nativer Multimodalität und Mixture-of-Experts-Architektur. Die Kerninnovation ist MiniMax Sparse Attention, die das praktische Serving langer Kontexte ohne vollständige Materialisierung des KV-Cache ermöglicht.
Forscher schlagen ein System des bedingten Vertrauens für heterogene LLM-Agenten-Schwärme vor, das die Zuverlässigkeit eines Agenten für jede Fähigkeit separat misst. Getestet an 14 AppWorld-Agenten bringt der Ansatz messbare Verbesserungen beim Routing — doch derselbe Mechanismus, der ihn effektiv macht, öffnet einen Reputationsübernahme-Angriff, der den Routing-Fehler von 0 auf 0,94 erhöht.
Box durchlief drei Entwicklungsphasen der KI-Integration — von einfachem Q&A über ein einzelnes Dokument bis hin zum vollständigen agentischen System Deep Agents mit dynamischem Parent/Child-Modell. Die neue Architektur wurde viermal schneller geliefert als der vorherige Ansatz, und neue Agenten werden jetzt in Wochen statt Monaten entwickelt.
Forscher schlagen eine formale Methodik für den Entwurf komplexer KI-Systeme vor, die mehrere Modelle, Algorithmen und Tools orchestrieren. Anhand von 8 Entwurfsmustern und drei Fallstudien zeigen sie, dass komplexe Konfigurationen die Genauigkeit monolithischer Modelle innerhalb von 2,5 bis 4 Prozentpunkten erreichen, bei bis zu 60 % geringerer Latenz und bis zu 71 % niedrigeren Kosten.
Forscher setzten eine agentische Pipeline zur Formalisierung eines Lehrbuchs der numerischen Analyse in Lean 4 ein und entdeckten, dass Kernel-Akzeptanz — der Standardindikator für Erfolg — systematisch semantische Fehler verdeckt. Agenten produzieren Aussagen, die kompilieren, aber abgeschwächt oder unvollständig sind. Ein neues dreidimensionales Qualitätsrahmenwerk übertrifft bestehende Evaluierungsmetriken.
Tata Consultancy Services (TCS), eines der größten IT-Unternehmen der Welt, ist dem Anthropic-Partnernetzwerk beigetreten. Das Unternehmen plant, 50.000 eigenen Mitarbeitern in 56 Ländern Zugang zu Claude zu ermöglichen und maßgeschneiderte Unternehmensanwendungen für Finanzwesen, Gesundheitswesen und Versicherung zu entwickeln. Anthropic hat erstmals öffentlich bestätigt, dass Indien sein zweitgrößter Markt ist.
Googles Forschungsteam veröffentlichte zwei Studien — in JAMA Dermatology und auf der Konferenz CHI 2026 — zu einem KI-Tool, das Hauterkrankungen anhand von Fotos erkennt. Eine randomisierte Studie mit 2.345 Teilnehmern zeigte eine Verdreifachung der Genauigkeit, doch das Tool versagt bei der Empfehlung konkreter medizinischer Schritte.
Anthropic veröffentlichte am 12. Juni Claude Code v2.1.174, v2.1.175 und v2.1.176 innerhalb von weniger als 21 Stunden. Die Updates bringen neue Modellsteuerung für Teams, verbesserte Nutzungszuordnung und eine Reihe von Korrekturen für Bedrock, tmux und Enterprise-Nutzer.
GitHub veröffentlichte neue Konfigurationserweiterungen für Copilot Code Review: Organisationsadministratoren können jetzt einen Standard-Runner für alle Repositories festlegen, ihn auf Organisationsebene sperren und pfadbasierte Inhaltsausschlüsse anwenden. Das bisherige Limit von 4.000 Zeichen für benutzerdefinierte Instruktionen wurde ebenfalls entfernt.
Die US-Regierung übermittelte Anthropic am 12. Juni 2026 um 17:21 Uhr Eastern Time eine Exportkontrolldirektive, die eine sofortige globale Aussetzung des Zugriffs auf Claude Fable 5 und Claude Mythos 5 anordnet — einschließlich Mitarbeitern ausländischer Staatsangehörigkeit. Anthropic hält sich an die Direktive, bestreitet jedoch öffentlich deren technische Rechtfertigung.
Microsofts autonomer LLM-Agent Project Ire identifizierte eine bisher unbekannte Variante der Schadsoftware LOTUSLITE — zum Zeitpunkt der Entdeckung erkannte sie nur ein einziger von 72 Sicherheitsanbietern. Ire arbeitete ausschließlich mit statischer Rückwärtsanalyse, ohne jegliche menschliche Eingabe oder kontextuelle Metadaten.
LangChain definierte einen theoretischen und praktischen Rahmen für die sichere Isolierung von KI-Agenten in Produktionssystemen. Das Schlüsselkonzept ist das tödliche Trifecta: gleichzeitiger Zugriff auf sensible Daten, Exposition gegenüber nicht vertrauenswürdigen Inhalten und die Möglichkeit externer Kommunikation. Die Lösung: microVM-Architektur mit einem Autorisierungs-Proxy, der geheime Schlüssel niemals innerhalb der Sandbox speichert.
