15 Nachrichten — 🔴 1 kritisch , 🟡 10 wichtig , 🟢 4 interessant
GPT-5.6 Sol ist OpenAIs angekündigtes Modell der nächsten Generation, das sich derzeit im Preview-Status befindet (nicht allgemein verfügbar), mit verbesserten Fähigkeiten in den Bereichen Kodierung, wissenschaftliches Schlussfolgern und Cybersicherheit sowie dem bisher fortschrittlichsten Safety-Stack.
Anthropic hat die API-Rate-Limits für alle Modelle angeglichen — Sonnet und Haiku teilen nun dieselben Kontingente wie Opus auf allen drei Nutzungsstufen (Start, Build, Scale). Gleichzeitig wird der Fast Mode für Claude Opus 4.7 abgekündigt und am 24. Juli entfernt.
Forschende haben gezeigt, dass Standardbenchmarks — die nur ein Modell in einem Versuch messen — die tatsächlichen Fähigkeiten von Sprachmodellen um bis zu 82% unterschätzen. Mit dem Capability-Frontier-Rahmen, der Pareto-Optimalität über 21 Modelle und 16 Benchmarks nutzt, lässt sich dieselbe Genauigkeit bei 85% geringeren Kosten erzielen.
Google hat die Gemini Nano-Inferenz auf Pixel 9 und 10 um mehr als 50% beschleunigt, indem es eingefrorene Multi-Token-Prediktion einsetzte — eine Technik, die durchschnittlich ~2 Token pro Modelldurchlauf generiert und dabei 130 MB Speicher pro Instanz einspart, ohne die Ausgabeergebnisse zu verändern.
Eine Studie über 67 Frontier-Modelle von 21 Anbietern führt den Begriff Co-Failure Ceiling ein — die Obergrenze der Genauigkeit eines Sprachmodell-Ensembles, die durch die Rate gemeinsamer Fehler aller Modelle bestimmt wird. Die Ergebnisse zeigen, dass die Kombination von Modellen selten ein einzelnes bestes Modell ohne Query-Level-Routing übertrifft.
EGG ist ein Mehrагenten-Framework, das optimierte GPU-Kernel für die LLM-Inferenz automatisch generiert. Mit einem zweistufigen Ansatz — algorithmische Struktur, dann Hardware-Feinabstimmung — erzielt es eine durchschnittliche Beschleunigung von 2,13× gegenüber PyTorch und übertrifft sowohl agentenbasierte als auch RL-basierte Ansätze auf dem KernelBench.
Stripe und AWS beschrieben, wie die Plattform, die jährlich 1,4 Billionen USD verarbeitet, in weniger als einem Jahr über 100 KI-Agenten für die Finanzcompliance eingeführt hat. Die auf dem ReAct-Framework und Amazon Bedrock basierenden Agenten brachten 26% kürzere Überprüfungszeiten, 95% Betrugserkennung und 60% niedrigere Kosten.
Forschende haben eine Pipeline entwickelt, die natürlichsprachliche Anweisungen für KI-Agenten, MCP-Tool-Beschreibungen und Richtliniendokumente mithilfe des Cedar Policy Language und einer Generator-Critic-Schleife automatisch in formal verifizierten Code überführt — mit deutlich höherer Spezifikationsabdeckung als manuell geschriebene symbolische Durchsetzung.
Claude Code v2.1.195 ist ein kleineres QoL-Update, das eine neue Umgebungsvariable zum Deaktivieren von Mausklicks im Vollbildmodus, Korrekturen für Bindestriche in Hook-Matchern und verbessertes Voice Dictation auf macOS für CJK-Sprachen mitbringt.
LangChain hat im Deep Agents-Framework Prompt Caching eingeführt — eine Technik zur Wiederverwendung zuvor berechneter Kontexte zwischen Agentenschritten — mit dem Ziel, Latenz und Kosten bei mehrfach iterierenden Agenten zu senken.
Der dritte Anthropic Economic Index analysiert, wann und wie Menschen Claude nutzen — von den Morgennachrichten bis zu spätabendlichen Rezepten. Der Autonomy Score von Claude Code liegt 0,37 Punkte über dem Chat, und Gespräche in hochbezahlten Berufen verbrauchen 2,5-mal mehr Token.
Semantic Early-Stopping for Iterative LLM Agent Loops schlägt eine Methode vor, die eine Agenten-Iterationsschleife stoppt, sobald das Embedding aufeinanderfolgender Entwürfe keine semantischen Änderungen mehr zeigt — ohne feste Schrittanzahl — und so den Token-Verbrauch um 38% bei identischer Qualität reduziert.
