7 min read · 12 sources

OpenAI hat gerade seine Agents API in die öffentliche Beta gebracht, und das ist diejenige, die verändern wird, wie Sie bauen. Dieselbe Plattform und Infrastruktur, die Codex antreibt, ist jetzt für jeden Entwickler verfügbar und ermöglicht es Ihnen, Cloud-Agenten zu erstellen, die Kontext verwalten, Tools aufrufen und Subagenten koordinieren. Sie zahlen nur für die Tokens und Tools, die Sie nutzen, keine Infrastruktur zum Beaufsichtigen. Für alle, die agentische Workloads betreiben, schließt dies die Lücke zwischen „Prototyp, der auf meinem Laptop funktioniert“ und „Produktionssystem, das einen Dienstag übersteht“.

Die zweite große Geschichte ist Cloudflare, das leise ein Problem behebt, von dem Sie nicht wussten, dass Sie es haben. Jeder TLS-1.3-Handshake zu einem Origin war ein Münzwurf darüber, welcher Schlüsselaustausch-Algorithmus verwendet werden soll, und bei einer falschen Vermutung gab es einen HelloRetryRequest-Roundtrip. Ihr neuer Automatic Key Exchange vermisst jeden Origin und führt beim ersten Versuch mit dem richtigen Algorithmus. Das Ergebnis: HelloRetryRequests fielen von rund 52 % auf 3,7 %, und die p90-Handshake-Latenz sank um mehr als 150 ms. Das ist kein Benchmark im Labor; das sind 45 Milliarden tägliche Verbindungen, die schneller werden.

Cloudflares HelloRetryRequests fielen von rund 52 % auf 3,7 % und verkürzten die TLS-Handshake-Latenz bei p90 um mehr als 150 ms.

OpenAIs Agents API: Codex-Plattform, jetzt für Sie

Source: openai.com ↗

Die Agents API ist in der öffentlichen Beta, und sie ist eine direkte Antwort auf die Frage, die jedes Team nach der ersten Agenten-Demo trifft: „Wie betreiben wir das in großem Maßstab?“ OpenAI übergibt Ihnen exakt die Plattform, die Codex ausführt, einschließlich einer gehosteten Sandbox, sodass Sie keine eigene Orchestrierungsschicht zusammenbauen müssen.

Die API übernimmt die mühsamen Teile: Kontextverwaltung, Tool-Aufrufe und Subagenten-Koordination. Ihr Code definiert das Verhalten des Agenten; OpenAI betreibt die Maschinerie. Die Abrechnung erfolgt nach verbrauchten Tokens und Tools, was bedeutet, dass Ihre Kosten mit der tatsächlich geleisteten Arbeit skalieren, nicht mit untätiger Infrastruktur. Für Ingenieure ist der praktische Nutzen, dass Sie heute einen Agenten ausliefern können, der echte Arbeit leistet, ohne zuerst eine verteilte Systemplattform zu bauen. Der Kompromiss ist der übliche bei gehosteten APIs: Sie setzen auf OpenAIs Laufzeit, also ist Ihre Schadensreichweite deren Verfügbarkeit.

Cloudflares Automatic Key Exchange: Die 150 ms, die Sie nie zurückbekommen

Source: blog.cloudflare.com ↗

Cloudflares Automatic Key Exchange ist eine Erweiterung von Automatic SSL/TLS, die Raten durch Messung ersetzt. Bisher musste Cloudflare beim Verbindungsaufbau eines Clients zu einem Origin raten, welchen Schlüsselaustausch-Algorithmus der Origin unterstützt. Eine falsche Vermutung löste einen HelloRetryRequest aus und fügte jedem Handshake einen vollständigen Roundtrip hinzu.

Das neue System testet jeden Origin und erkennt unterstützte Algorithmen, sodass es beim ersten Versuch mit dem richtigen führt. Wo unterstützt, bevorzugt es den Post-Quanten-Hybrid X25519MLKEM768. Die Zahlen sind deutlich: HelloRetryRequests fielen von rund 52 % auf 3,7 %, und die p90-Handshake-Latenz sank um mehr als 150 ms. Hunderttausende Domains haben jetzt Post-Quanten-Origin-Verbindungen ohne manuelle Konfiguration.

Warum das über den Latenzgewinn hinaus wichtig ist: Harvest-now, decrypt-later-Angriffe sind eine reale Bedrohung, und Q-Day wird auf etwa 2029 geschätzt. Dieser Rollout bedeutet, dass ein großer Teil des Origin-Traffics des Internets jetzt standardmäßig Post-Quanten-geschützt ist, nicht weil jemand einen Schalter umgelegt hat, sondern weil das System gemessen und angepasst hat.

Kubernetes v1.37: Node-Lebenszyklus erhält First-Class-Conditions

Source: kubernetes.io ↗

Kubernetes v1.37 reserviert spezifische Namen als NodeConditionType-Konstanten für Draining, Wartung und Graceful Shutdown. Es gibt ein Alpha-NodeLifecycleConditions-Feature-Gate, standardmäßig deaktiviert, das in dieser Version ein No-Op ist.

Was das in der Praxis bedeutet: Wenn Sie heute wissen wollen, ob ein Node gedraint wird oder wegen Wartung offline ist, parsen Sie Annotationen und hoffen, dass jedes Tool in Ihrem Stack das gleiche Format verwendet. Diese Änderung gibt Kubernetes eine gemeinsame, besitzbare Vokabular für diese Zustände. Administratoren können diese Conditions jetzt zur Statuskommunikation nutzen, obwohl noch keine Kern-Workload-Controller ihr Verhalten darauf basieren. Die Auszahlung kommt, wenn Controller, Autoscaler und Scheduling-Tools diese Conditions nativ konsumieren. Wenn Sie je einen Cluster-Autoscaler hatten, der gegen einen Node-Drain kämpfte, ist dies die Grundlage, um das zu beheben.

GitHub Copilot: Günstiger, nicht dümmer

Source: github.blog ↗

GitHubs Beitrag zur Copilot-Kosteneffizienz ist eine Fallstudie darüber, das Falsche zu messen. Das Team fand heraus, dass die Optimierung auf Token-Anzahl pro Tool-Aufruf das falsche Ziel war; was zählt, sind Aufgaben-Ergebnisse. Sie machten vier Änderungen: Erhalt nützlichen Kontexts bei Reduzierung repetitiver Ausgabe, Entfernung nicht wertschöpfender Formatierung, Verkürzung von Anweisungen ohne Verhaltensänderung und Lieferung abgeschlossener Hintergrundarbeit ohne zusätzlichen Abruf.

Die Lektion verallgemeinert sich über Copilot hinaus. Wenn Sie ein agentisches Coding-System bauen, sollte Ihre Kostenmetrik „Wurde die Aufgabe korrekt abgeschlossen?“ sein, nicht „Wie viele Tokens hat jeder Aufruf verwendet?“ Der Beitrag ist eine Erinnerung daran, dass Effizienzarbeit nur lohnenswert ist, wenn sie das Endergebnis nicht verschlechtert, und dass Regressionstests des Verhaltens der Weg sind, dies zu beweisen.

Was kommt nach Git?

Source: ersc.io ↗

Steve Klabniks Essay über die Zukunft der Versionskontrolle rahmt Quellcode als wertvolles Gut und Veränderung als riskant, aber notwendig. Er deutet laufende Arbeiten an East River Source Control an, ein System, das das Git-Protokoll spricht, ohne Git-Repositories als zugrunde liegendes Modell zu speichern. Keine konkreten Ankündigungen, aber der Rahmen ist nützlich.

Für Ingenieure, die an Gits Grenzen im großen Maßstab gestoßen sind - Monorepos, die Minuten zum Klonen brauchen, Geschichte, die effektiv unveränderlich ist, Merge-Konflikte, die einen Doktortitel erfordern - ist dies ein Signal, dass die nächste Generation der Versionskontrolle gebaut wird, nicht nur theoretisiert. Die entscheidende Einschränkung ist Kompatibilität: Alles, was Git ersetzt, muss sein Protokoll sprechen, sonst wird es nicht übernommen.

Colibri: Eine Speicherhierarchie für LLMs

Source: github.com ↗

Colibri behandelt VRAM, RAM und Speicher als eine einzige mehrstufige Hierarchie für den Betrieb großer Sprachmodelle. Es unterstützt Modelle wie OLMoE (7B) in einer einzigen C-Datei, mit Chat-, Serve- und Web-Frontends. Das Projekt behauptet, Modelle von 744 Milliarden bis 2,8 Billionen Parametern ohne Abhängigkeiten wie BLAS auszuführen.

Dies ist ein Testfeld für aggressive Systemideen. Es gibt keine SLA auf Geschwindigkeit, aber eine harte Garantie auf Semantik, und jede Änderung erfordert reproduzierbare End-to-End-Messungen. Wenn Sie interessiert sind, wie weit Sie eine einzelne Maschine mit cleverem Speichermanagement treiben können, lohnt sich ein Blick. Erwarten Sie nur keine Produktionsleistung.

llmfit: Hören Sie auf zu raten, was Ihre Hardware ausführen kann

Source: github.com ↗

llmfit ist ein Terminal-Tool, das die Frage beantwortet, die jeder Ingenieur vor dem Herunterladen eines Modells stellt: „Wird das tatsächlich auf meiner Maschine laufen?“ Es erkennt Ihre Hardware, bewertet jedes Modell nach Qualität, Geschwindigkeit, Passform und Kontextdimensionen und bietet eine TUI zum Benchmarken und Teilen echter Token-pro-Sekunde-Messungen.

Sie können ein Modell herunterladen, bereitstellen, echte Tok/s messen und Ergebnisse als PR zurückgeben. Läufe werden lokal gespeichert, und zusammengeführte Einreichungen erscheinen im nächsten Release. Dies ersetzt Hersteller-Schätzungen durch gemessene Zahlen für Ihre spezifische Hardware. Wenn Sie je von einem Modell verbrannt wurden, das 8 GB VRAM behauptete, aber tatsächlich 12 brauchte, ist dies das Tool, das das verhindert.

PagerDutys PD Automation Runner: On-Premises endlich automatisiert

Source: pagerduty.com ↗

PD Automation Runner erweitert PagerDutys Automatisierung auf On-Premises- und Self-Hosted-Stacks, indem es outbound zu PagerDuty verbindet. Es müssen keine Ports geöffnet oder auf die Whitelist gesetzt werden. Dies schließt die Lücke, in der Bereitschaftsingenieure manuell per VPN einsteigen und debuggen mussten, und reduziert die Reaktionszeit bei Vorfällen.

Für alle, die Bereitschaft für einen Legacy-Stack betrieben haben, ist dies der Unterschied zwischen „per SSH einsteigen und hoffen“ und „das Runbook automatisch ausführen“. Das reine Outbound-Konnektivitätsmodell bedeutet, dass Ihr Sicherheitsteam keine eingehenden Löcher öffnen muss, was normalerweise der Blocker für die Automatisierung von On-Premises-Umgebungen ist.

Harness: 58 Features im August, einschließlich Terraform-Risikobewertungen

Source: harness.io ↗

Harness lieferte 58 Features im August 2026 aus, angeführt von Terraform- und OpenTofu-Änderungen, die jetzt eine Risikobewertung von 1 bis 10 und einen Abhängigkeitsgraphen vor dem Apply erhalten. Intern haben diese Änderungen dem Engineering-Team von Harness mehr als 10.000 Stunden pro Monat gespart. Die Risikobewertung und der Abhängigkeitsgraph helfen, schlechte Infrastrukturänderungen zu verhindern, bevor sie angewendet werden, was den Unterschied zwischen dem Erfassen eines Fehlers in einem Plan und dem Erfassen in der Produktion ausmacht.

Observability in Kubernetes: Von Metriken zu Bedeutung

Source: cncf.io ↗

Der CNCF-Beitrag zur Kubernetes-Observability argumentiert, dass Dashboards allein nicht mehr ausreichen. Metriken zeigen, dass etwas falsch ist, erklären aber selten warum, wo der Fehler begann oder die Schadensreichweite. Moderne Vorfälle entstehen aus Interaktionen zwischen Komponenten, nicht aus einem einzelnen defekten Host. Observability ist kein einzelnes Tool oder Dashboard; Teams müssen von Metriken zu Bedeutung übergehen.

Cloudflare Workers: Node.js-Modul-Registry-Unterstützung

Source: blog.cloudflare.com ↗

Cloudflares Workers Module Registry fügt Node.js-Kompatibilitätsverbesserungen hinzu, einschließlich Unterstützung für import.meta.url, import.meta.main und import.meta.resolve(). Modul-Spezifizierer werden jetzt als echte URLs mit Query-Strings und Fragmenten geparst, node:-Builtins lösen auf dieselbe Modulinstanz auf, und WebAssembly-Source-Phase-Imports funktionieren. Dies verbessert die Node.js-Kompatibilität und ermöglicht größere, komplexere Workers-Deployments.