7 min read · 17 sources

GPT-Live-1 gewann auf dem Full Duplex Bench 30 Prozentpunkte gegenüber GPT-Realtime-2.1 und reduzierte die Sprach-Codebasis eines Kunden um 80 %.

OpenAIs Agents API geht in die öffentliche Beta - der Kampf um die Agent-Laufzeitumgebungen wird ernst

Source: openai.com ↗

OpenAI hat die Agents API heute in die öffentliche Beta gebracht, und das ist das größte Thema in diesem Newsletter. Die API gibt Entwicklern eine verwaltete Laufzeitumgebung zum Erstellen und Bereitstellen autonomer Agenten - denken Sie an Tool-Nutzung, Speicher und die Ausführung mehrstufiger Aufgaben, ohne dass Sie die Orchestrierung selbst verdrahten müssen. Es ist OpenAIs Antwort auf den Schwarm von Agent-Frameworks, die das Ökosystem aufgefressen haben, und es kommt mit dem vollen Gewicht der GPT-6-Familie daher.

Für Ingenieure ist das der Unterschied zwischen dem Zusammenkleben von LangChain, einem Vektor-Store und einem Gebet gegenüber dem Aufruf einer einzigen API, die die Schleife übernimmt. Die Agents API abstrahiert die Wiederholungslogik, das Kontextmanagement und das Tool-Calling-Gerüst, das jedes Agent-Projekt am Ende von Grund auf neu aufbaut. Wenn Sie einen Agenten in Produktion gebracht haben, kennen Sie den Schmerz, den das beseitigt. Wenn nicht, hat das die Hürde gerade so weit gesenkt, dass Sie es wahrscheinlich tun werden.

Das Timing ist kein Zufall. Google Cloud hat diese Woche ein Developer-Plugin für KI-Codierungsagenten veröffentlicht, und Meta steht kurz davor, agentische Workflows auf der Connect voranzutreiben. Das Plattform-Spiel für Agenten läuft, und OpenAI hat gerade seinen Anspruch angemeldet.

Altman sagt, OpenAI sei offen dafür, Frontier-KI zu verlangsamen

Source: bloomberg.com ↗

In einer von Bloomberg berichteten Mitarbeiterversammlung sagte Sam Altman den Angestellten, das Unternehmen sei offen dafür, die Entwicklung hochmoderner KI zu verlangsamen. Die Details sind privat und der Bericht stützt sich auf ungenannte Quellen, also lesen Sie ihn mit der üblichen Skepsis. Aber das Signal ist wichtig: OpenAI hat zuvor Bedenken über seine fortgeschrittenen Systeme geäußert, einschließlich Aussagen, dass seine Technologie bis Ende des Jahrzehnts existenzielle Risiken darstellen könnte.

Für Ingenieure geht es hier um den Release-Rhythmus. Wenn OpenAI beschließt, die Veröffentlichung von Frontier-Modellen zu drosseln, trifft der Folgeeffekt alle, die auf ihrer API aufbauen - Sie planen um die Fähigkeiten eines Modells herum, und eine verzögerte oder gesperrte Veröffentlichung ändert Ihre Roadmap. Es setzt auch Konkurrenten wie Anthropic und Google unter Druck, ihre eigenen Sicherheitsentscheidungen zu treffen, was sich auf Preise und Verfügbarkeit insgesamt auswirken könnte.

Redwood Research gibt der "opaken seriellen Tiefe" eine Zahl

Source: blog.redwoodresearch.org ↗

Redwood Research hat eine konkrete Operationalisierung der “opaken seriellen Tiefe” veröffentlicht, ein Konzept aus einem Google-DeepMind-Paper, das versucht zu quantifizieren, wie viel latentes Denken die Architektur eines Modells zulässt. Die Idee ist zu messen, wie viele sequenzielle Denkschritte ein Transformer in seinen verborgenen Schichten ausführen kann, ohne sie als explizite Tokens zu zeigen.

Warum sollten Sie sich darum kümmern? Weil es eine Transparenzmetrik ist. Wenn Sie Modelle in Produktion betreiben, bei denen die Prüfbarkeit wichtig ist - regulierte Branchen, sicherheitskritische Systeme - , wollen Sie wissen, wie viel des “Denkens” des Modells vor der Inspektion verborgen ist. Das gibt Ihnen einen Standard, um Architekturen zu vergleichen, was ein Schritt in Richtung tatsächlicher Bewertung der Interpretierbarkeit der von Ihnen bereitgestellten Modelle ist. Es ist früh, aber es ist die Art von Messung, die vages Sicherheits-Gerede in etwas verwandelt, das Sie in einen Compliance-Bericht aufnehmen können.

Anthropics September-Bedrohungsbericht: das Wettrüsten gegen Missbrauch geht weiter

Source: anthropic.com ↗

Anthropics Bedrohungsinformationsbericht für September 2026 ist eine 5-stündige Lektüre, aber die Schlagzeile ist einfach: ausgefeilte Bedrohungsakteure testen kontinuierlich die Schutzmechanismen von Claude, und Anthropic hat sie gestört. Der Bericht behandelt mehrere Operationen der letzten Monate, bei denen böswillige Akteure versuchten, Claude für schädliche Aktivitäten zu nutzen, und beschreibt, wie Anthropic die Schutzmechanismen verstärkt und Informationen mit Behörden und Industriepartnern geteilt hat.

Für alle, die KI-Systeme in Produktion betreiben, ist das die Erinnerung daran, dass Ihre Schutzmechanismen ein Ziel sind. Die Bedrohungsakteure hier sind keine Script-Kiddies - sie sind beharrlich, anpassungsfähig und behandeln Ihre Sicherheitsfilter als Optimierungsproblem. Wenn Sie auf Frontier-Modellen aufbauen, brauchen Sie Ihre eigenen Erkennungs- und Präventionsschichten, denn die Schutzmechanismen des Modellanbieters sind eine Grundlinie, keine Lösung.

Hilft Web-Video-Pretraining echten Robotern bei echter Arbeit?

Source: rhoda.ai ↗

Ein neues Paper von Rhoda AI fragt, ob die Skalierung von Web-Video-Pretraining Robotern tatsächlich hilft, reale Langzeitaufgaben zu bewältigen. Die Forscher variierten sowohl Modellgröße als auch Rechenleistung, trainierten nach mit Roboter-Demonstrationen und evaluierten an einem echten Roboter - was über 200 Stunden Evaluierungszeit erforderte. Das Ergebnis: Leistungsgewinne kommen von besseren Vorhersagen von zurückgehaltenen Web-Videos, wobei größere Modelle bei realen Aufgaben hervorstechen.

Das Evaluierungsprotokoll selbst ist hier ein Beitrag. Wenn Sie in Robotik oder verkörperter KI arbeiten, gibt Ihnen das eine Vorlage, wie Sie tatsächlich messen können, ob Ihre Pretraining-Strategie auf die reale Welt übertragbar ist. Die Antwort ist kein klares Ja - es hängt von der Aufgabenkomplexität und davon ab, wie viel Rechenleistung Sie hineinstecken. Diese Nuance ist wichtiger als die Schlagzeile.

Cognitions SWE-2: RL mit Kostenstrafe pro Aufwandsstufe

Source: cognition.com ↗

Cognitions SWE-2 verfolgt einen anderen Ansatz beim Training von Code-Generierungsmodellen. Statt eines einzelnen Belohnungssignals wendet es eine lineare Kostenstrafe pro Aufwandsstufe in einem einzigen RL-Lauf an, wobei jede Strafe auf die lokale Steigung der Pareto-Frontier des Basismodells abgestimmt ist. Das Ergebnis ist ein Modell, das den Kosten-Leistungs-Kompromiss seiner eigenen Codegenerierung versteht.

Das ist wichtig für alle, die Inference in großem Maßstab bezahlen. Ein Modell, das weiß, wann es aufhören sollte zu denken und eine einfache Antwort auszugeben, kann Ihre Token-Ausgaben erheblich senken. Es ist auch eine kluge Art, RL für Code zu machen - Sie optimieren nicht nur auf Korrektheit, sondern auf Effizienz, was Produktionssysteme tatsächlich brauchen.

Alibaba veröffentlicht OpenCodeReview als Open Source

Source: github.com ↗

Alibabas OpenCodeReview ist jetzt Open Source. Es war der interne KI-Code-Review-Assistent der Alibaba Group und hat in den letzten zwei Jahren Zehntausenden von Entwicklern gedient und Millionen von Defekten identifiziert. Der Agent liest vollständige Dateiinhalte, durchsucht die Codebasis und prüft andere geänderte Dateien auf Kontext, bevor er tiefgehende Reviews erstellt.

Der Kompromiss ist Präzision statt Recall - es reduziert Fehlalarme, kann aber einige Defekte übersehen. Das ist eine bewusste Entscheidung, und es lohnt sich, sie zu verstehen, bevor Sie es in CI einbinden. Allgemeine Agenten neigen dazu, Rauschen zu erzeugen; dieses ist auf Positionsgenauigkeit und Abdeckung abgestimmt, was es als Reviewer nützlicher macht, den Entwickler tatsächlich lesen.

GPT-Live-1: Full-Duplex-Sprachagenten sind da

Source: testingcatalog.com ↗

OpenAI hat GPT-Live-1 gestartet, einen Full-Duplex-Sprachagenten, der eingehendes und ausgehendes Audio zusammen verarbeitet. Keine kaskadierten Turn-Taking mehr, keine fragilen Übergaben. Es gewann 30 Prozentpunkte gegenüber GPT-Realtime-2.1 auf dem Full Duplex Bench und belegte den ersten Platz auf Tau3 mit GPT-6 Astra. Ein Kunde berichtete von einer 80%igen Reduzierung der Sprach-Codebasis und 23.000 entfernten Zeilen.

Es ist in der OpenAI-API für 0,05 $ pro Minute verfügbar, und frühe Tests berichten von 80 % weniger Unterbrechungen als bei früheren turn-basierten Systemen. Entwicklerkontrollen umfassen Ton, Tempo und ASR-Transkripte. Wenn Sie Sprachagenten gebaut haben, kennen Sie die Latenzsteuer von kaskadierten Systemen - das beseitigt sie. Der Preis ist aggressiv genug, dass er die Ökonomie von Sprach-KI verändert.

OpenAI pausiert Pro-Abonnements wegen Astra-Nachfrage

Source: techcrunch.com ↗

OpenAI hat Pro-Abonnements auf Eis gelegt, weil die Nachfrage nach dem Astra-Modell - das Reasoning, Codierung und Computer-Nutzung übernimmt - die Kapazität übersteigt. Pro, Plus, Enterprise und andere Stufen sind betroffen. Wenn Sie ein Pro-Abonnent sind oder Workloads auf Astra ausführen, rechnen Sie mit Kapazitätsengpässen, die den Zugriff auf Pro-Funktionen beeinträchtigen können.

Das ist ein Angebotsproblem, kein Nachfrageproblem, und es ist die Art von Sache, die passiert, wenn ein Modell wirklich nützlich wird. Für Teams, die auf Astra aufbauen, ist es eine Erinnerung daran, Fallback-Modelle zu haben und auf Änderungen bei Rate Limits zu achten.

ElevenLabs und Universal Music starten eine KI-Musikplattform

Source: theverge.com ↗

Universal Music Group und ElevenLabs starten eine KI-Musikplattform zum Erstellen von Remixen und Mashups mit dem lizenzierten Katalog von UMG. Die Plattform bleibt getrennt von ElevenLabs’ Music API und dem ElevenMusic-Generator, und Details zu Preisen und technischen Spezifikationen sind spärlich. Es ist eher ein Lizenzierungs- als ein technischer Schachzug - UMG bekommt einen Anteil an KI-generierter Musik, ElevenLabs bekommt einen Katalog. Beobachtenswert, wenn Sie Musik-Tools bauen, aber noch nichts zu integrieren.

Kurzmeldungen

Source: cloud.google.com ↗

• Google Clouds Developer-Plugin für KI-Codierungsagenten ermöglicht die Nutzung von grundlegenden und produktspezifischen Tools ohne Verwaltung von Abhängigkeiten.
• Salesforce-Forschung untersucht, wie automatisierte Harness-Evolution und leichtgewichtiges Fine-Tuning für domänenspezifische Aufgaben kombiniert werden sollten, mit einem kompatibilitätserhaltenden Rezept, das den Konflikt zwischen Harness- und Gewichtsaktualisierungen auflöst.
• Metas WearableQA-Benchmark testet das Denken über longitudinale Wearable-Daten, wobei die Ground-Truth-Antworten so ausbalanciert sind, dass eine zufällige Baseline bei 10 % liegt. Verwenden Sie die gerenderte .jsonl-Datei für die direkte Modellbewertung - sie enthält vorab abgeflachte Prompts.
• Ein Beitrag auf X argumentiert, dass KI-Startup-Prompts durch akkretive Evolution degradieren und als Code behandelt werden sollten. Das Umschreiben von Agenten mit strukturierten Prompts beschleunigte einige Startups um 50 %, und ein Ingenieur senkte die LLM-Ausgaben um 20 Mio. $ pro Jahr, indem er Prompt-Inkonsistenzen behob.

Das war der Tag. Die Agents API ist das, worauf man aufbauen sollte; das Altman-Signal ist das, was man beobachten sollte. Alles andere ist Kontext.