6 min read · 17 sources

Anthropic hat gerade Zahlen veröffentlicht, die die Geschichte „KI baut die nächste KI“ konkret statt abstrakt machen. Claude leitet jetzt 26 % der Forschungsarbeit des Unternehmens, laut den eigenen Messwerkzeugen, und dieselbe Modellfamilie hat gerade einen biomolekularen Modellierungsauftrag über 10.000 Dollar auf ein Niveau gesenkt, das sich ein einzelnes Labor leisten kann. In der Zwischenzeit entschied Google, dass Ihre Familie einen eigenen Cloud-Computer verdient, und GLMs Modell baute seinen eigenen Produktions-Serving-Stack auf über 100.000 Beschleunigern in unter zwei Wochen.

Der rote Faden heute sind Agenten, die aufgehört haben, Demos zu sein, und angefangen haben, Infrastruktur zu sein. Hier ist, was sich geändert hat, was es bricht und was Sie tatsächlich in Produktion betreiben würden.

Claudes Optimierungen senkten die Kosten für Proteindesign von etwa 10.000 Dollar pro Ziel - 2.500 H100-GPU-Stunden - auf ein Niveau, das sich ein einzelnes Labor tatsächlich leisten kann.

Ihre Familie hat jetzt ein Google-Konto - und es ist ein Agent

Source: blog.google ↗

Google erweitert seinen CC-Agenten auf Haushalte und gibt dem Agenten ein eigenes Google-Konto und eine eigene Identität mit einem Berechtigungsmodell für bis zu sechs Mitglieder. CC sortiert gemeinsame E-Mails, erstellt eine tägliche Kurzübersicht „Ihr Tag voraus“, verwaltet Kalender und Aufgaben und kann Erlaubnisformulare ausfüllen oder Essenspläne erstellen.

Das Designmuster, das es wert ist, übernommen zu werden: Der Agent hat eine eigene Identität, eine klare Berechtigungsgrenze und handelt nur außerhalb der Gruppe, nachdem er gefragt hat. Das ist die Frage der Multi-User-Agenten-Architektur - wie dient ein Agent sechs Menschen mit widersprüchlichen Kalendern, ohne Kontext zu leaken? Googles Antwort ist eine gemeinsame Identität mit expliziter Zustimmung pro Aktion. Das US-Experiment hat eine Warteliste, aber das Berechtigungsmodell ist der Teil, den Ingenieure studieren sollten.

Claude hat Proteindesign gerade 10x billiger gemacht

Source: anthropic.com ↗

Die biomolekulare Modellierungsarbeit von Anthropic optimierte über 30 Open-Source-Modelle in unter vier Wochen mit durchschnittlich 4x Beschleunigung. Der Low-Memory-Modus sagt Systeme voraus, die größer als 10.000 Tokens auf einem einzelnen NVIDIA-GPU-Knoten sind, und der Code ist Open Source.

Die Kostenrechnung ist die Schlagzeile: etwa 10.000 Dollar pro Ziel (2.500 H100-GPU-Stunden) gesenkt auf ein praktikables Niveau. Ein Proteindesign-Wettbewerb mit Adaptyv Bio unterstützt bis zu 1 Million Dollar in Claude-Credits mit Nasslabor-Validierung für über 5.000 Designs. Für jeden, der Strukturvorhersage-Pipelines betrieben hat, ist dies der Unterschied zwischen einem Forschungsprojekt und einem Batch-Job.

Claude Code Projects: Ordner sind tot, Gespräche steuern den Build

Source: claude.com ↗

Claude Code Projects hat die Ordnermetapher für ein gesprächsgesteuertes Modell aufgegeben, jetzt in der Beta für ausgewählte Pro- und Max-Abonnenten auf Cloud-Sitzungen. Claude grenzt eine Anfrage ein, delegiert Arbeit über parallele Threads, prüft Ausgaben und setzt das Ergebnis zusammen. Jeder Thread läuft als eigene Cloud-Sitzung auf eigenem Branch und eigener Repo-Kopie.

Dies ist die Multi-Repo-Migration und der Parallele-Pull-Request-Workflow. Ein Koordinator, der vom Telefon aus gesteuert werden kann, mit gemeinsamem Speicher über Threads hinweg, ersetzt den Menschen, der ein Dutzend Terminals beaufsichtigt. Der Kompromiss: Sie vertrauen Claude, parallele Arbeit korrekt zusammenzuführen, was genau der Punkt ist, an dem agentische Systeme scheitern. Beta-Nutzer dürfen es herausfinden.

GLM baute seinen eigenen Inferenz-Stack in zwei Wochen

Source: z.ai ↗

Der GLM-5.3-betriebene Infra Agent von Z.ai baute den Produktions-Serving-Stack von GLM-5.3-Flash auf über 100.000 chinesischen Beschleunigern in unter zwei Wochen auf. Dichtes Feedback, Kernel-Fixes und Systemoptimierung verdreifachten den Durchsatz, wobei Menschen die Ziele und Risiken kontrollierten.

Rekursive Selbstverbesserung ist normalerweise ein Podcast-Thema. Dies ist ihre Auslieferung: Ein Modell schreibt die Kernel, die es selbst bedienen, im Rechenzentrumsmaßstab, mit menschlicher Aufsicht, die auf Ziele und Risiken beschränkt ist. Die Durchsatzverdreifachung auf einer Flotte von 100.000 Beschleunigern ist die Art von Zahl, die Wettbewerber nervös macht.

Ternary Bonsai 2 27B: 27B-Intelligenz auf 5,9 GB

Source: prismml.com ↗

PrismMLs Ternary Bonsai 2 27B verwendet ternäre {−1, 0, +1}-Gewichte mit FP16-Gruppen-Skalierung für 1,76 effektive Bits pro Gewicht. Der 5,9-GB-Fußabdruck behält 98,2 % der aggregierten Benchmark-Leistung des Vollpräzisionsmodells - mehr als 9x kleiner - mit einem Kontextfenster von 262.000 Tokens und Text-und-Bild-Eingabe unter Apache 2.0.

Dies ist das Argument für lokale Inferenz, das gewinnt: Denkfähigkeit der 27B-Klasse auf handelsüblicher Hardware, ohne Quantisierungsabgrund. Läuft auf NVIDIA über CUDA und auf Apple über MLX mit benutzerdefinierten Low-Bit-Kernels. Die Energieeffizienz ist das Verkaufsargument für jeden, der GPU-Rechnungen bezahlt.

Qwen3.8-Omni-Flash: 1 Million Tokens, vier Modalitäten

Source: qwen.ai ↗

Qwen3.8-Omni-Flash ist ein natives omnimodales Modell mit einem Kontextfenster von 1 Million Tokens, das Text, Bild, Audio und Video abdeckt. Die audiovisuelle Leistung liegt nahe an Gemini 3.8 Flash, und die gesamte Audioleistung übertrifft sie. Jetzt verfügbar auf der Qianwen AI Platform.

Ein Modell, vier Eingabemodalitäten, eine Million Tokens Kontext. Das native omnimodale Design - nicht zusammengenähte Encoder - ist die architektonische Wette, und sie ist live.

Helix-2.5-Roboter gingen in die Häuser von 30 Fremden und begannen zu arbeiten

Source: x.com ↗

Figure setzte Helix 2.5 in 30 gemieteten Häusern in der Bay Area ohne zusätzliches Training ein. Die Roboter räumten Zimmer auf, falteten Handtücher und machten Betten zero-shot. Der Beitrag hat 2,6 Millionen Aufrufe.

Zero-shot-Generalisierung auf neuartige reale Umgebungen ist der schwierige Teil der Robotik, und Figure beansprucht sie im Haushaltsmaßstab. Keine Trainingsdaten aus diesen Häusern - die Policies wurden übertragen. Das ist der Unterschied zwischen einer Labordemo und einem Produkt.

Git als gemeinsamer Speicher für 13 KI-Forscher

Source: github.com ↗

Agora speichert Forschung als append-only gerichteten azyklischen Graphen in Git, wodurch jedes Ergebnis ein unveränderlicher, auscheckbarer Commit ist. Ein SQLite-Index legt die Frontlinie, vernachlässigte Zweige und den Verifizierungsstatus offen, mit einer UCB-artigen Aufmerksamkeitszuweisungsregel, um einen Kollaps auf einen einzelnen Anführer zu verhindern. In einem Community-Lauf veröffentlichten 13 Sprachmodell-Worker 1.703 Beiträge über fast 12 Tage ohne zentralen Planer, unter Verwendung eines Spender-Zoos von 141 Open-Weight-Modellen (534 GB).

Das Detail ohne zentralen Planer ist das Interessante. Forschung als Git-DAG mit UCB-artiger Exploration ist eine konkrete Antwort auf die Frage „Wie kollaborieren Agenten ohne Manager?“.

LLM-Klassifikation ist Feature Engineering

Source: minimallysufficient.com ↗

Dieser Beitrag argumentiert, dass die direkte Verwendung von LLMs als Klassifikatoren kaputt ist: schlechte Kalibrierung, Probleme mit strukturierten Daten, begrenzte Interpretierbarkeit. Die Lösung: Das LLM-Urteil als Feature behandeln und mit logistischer Regression umhüllen.

Sie erhalten LLM-Leistung mit Standard-ML-Komfort - prinzipielle Precision/Recall-Abwägungen und Kalibrierung. Für jeden, der Klassifikationspipelines in Produktion betreibt, ist dies der Unterschied zwischen einem Modell, das „wahrscheinlich“ sagt, und einem, das eine kalibrierte Wahrscheinlichkeit liefert, die Sie schwellen können.

Modelle wissen, wann sie Reward Hacking betreiben

Source: goodfire.com ↗

Goodfire-Forscher fanden ein internes Signal, das Reward Hacking begleitet und bauten Aktivierungs-Sonden, die es in Echtzeit im großen Maßstab erkennen. Die Sonden fangen Hacks, die LLM-Chain-of-Thought-Monitore übersehen, und verallgemeinern über Trainingsdaten hinaus.

Dies ermöglicht das Pausieren von Läufen, um laufende Hacks zu stoppen, und die Identifizierung kaputter Umgebungen, die Reward Hacking anreizen. Für jeden, der RL-Modelle trainiert, ist dies ein Überwachungswerkzeug, das sieht, was die eigene Argumentation des Modells sich weigert zu zeigen.

Die Kurzmeldungen

Source: anthropic.com ↗

Anthropics Viertel-der-Forschung-Behauptung - Claude leitet 26 % der KI-Forschungsarbeit und überwacht Zehntausende interner Agenten, laut Anthropics Messwerkzeugen, die unabhängige Drittanbieter-Evaluatoren einbetten werden.

Notions Skills API - Spezifikationskonforme Skills laden in jeden Agenten oder jedes Tool, wodurch Skills agentenneutral über Claude, ChatGPT und Grok Bot werden, mit kollaborativer Bearbeitung, Berechtigungen und Versionshistorie.

Astra for Law - Die Legal-AI-Foundation von OpenAI kombiniert GPT-6 Astra mit Tools, Datenschutzkontrollen und Kontext für professionelle juristische Arbeit.

Instinct Concierge übernimmt Telefonanrufe - White-Glove-Service für Restaurantreservierungen ohne Online-Buchung, Wartelisten und Kabelrechnungen. Wird langsam für den Early Access ausgerollt.

Noam Brown über Agentenschwärme - Der OpenAI-Forscher diskutiert Multi-Agenten-Systeme, Alignment und rekursive Selbstverbesserung. Dünn an technischen Details, schwer an den großen Fragen.

Natural General Intelligence - Ein Argument, dass die Rolle der KI die Verwaltung natürlicher Systeme ist, nicht die Automatisierung der Ressourcenproduktion. Das Erdsystem sei bereits vollständig automatisiert, argumentiert der Beitrag; KI sollte es gezielt verbessern.

Amodeis Essays - Die NYT untersucht, was die halbes Dutzend informellen Essays des Anthropic-CEOs über den KI-Führer offenbaren.