6 min read · 15 sources

Google veröffentlichte Gemini 4 Carbon, ausgerichtet auf Vulnerability Discovery, Exploit‑Verification und langfristige Software‑Engineering‑Prozesse. Statt generische Chat‑Benchmarks zu jagen, richtete Google das Modell auf reale Infosec‑Workflows, wo es 88,2 % auf SEC‑bench Pro, 54,8 % auf ExploitGym und 71,0 % auf CWE‑bench erreichte. Es belegte zudem den ersten Platz im frisch eingeführten Artificial Analysis Intelligence Index v5.0 mit einem aggregierten Score von 59.

Die Preisstruktur ist für Agent‑Loops konzipiert, die über mehrere Tage hinweg Millionen von Tokens debuggen. Der Standardpreis liegt bei 2 $ pro Million Eingabetoken und 10 $ pro Million Ausgabetoken, wobei Prompt‑Caching 95 % der Eingabekosten reduziert. Für Teams, die Security‑Fuzzer oder autonome Code‑Remediation‑Pipelines betreiben, sinkt die Warm‑Context‑Iteration damit auf 0,10 $ pro Million Eingabetoken.

Die Umwandlung von Gated‑DeltaNet‑Schichten in exakten RAM macht den Forward‑Pass eines Open‑Weight‑LLM zu einem deterministischen RISC‑V‑Computer ohne externen Interpreter.

Running RISC‑V Inside Qwen 3.5 Attention Layers

Source: divagr.com ↗

Ein Entwickler baute Qwenputer, das einen kompletten, deterministischen RISC‑V‑Prozessor direkt in die Gewichtstensoren eines unveränderten Qwen 3.5 4B‑Modells einbettet. Die Ausführung benötigt keinerlei externe Interpreter, Tool‑Aufrufe oder Python‑Runtime‑Umgebungen; die Berechnung erfolgt vollständig innerhalb der nativen Tensor‑Mathematik des Modells.

Der Trick nutzt die linearen Rekurrenz‑Eigenschaften der Gated‑DeltaNet‑(GDN‑)Schichten. Durch Fixieren der Decay‑Gate‑ und Write‑Beta‑Werte auf exakt 1 und das Routen des Zustands über One‑Hot‑Key‑Adressierung wurde der Aufmerksamkeits‑Mechanismus in einen adressierbaren, persistenten Lese‑/Schreib‑RAM umgewandelt. Das Modell kann beliebige Arithmetik auswerten, kompilierten C‑Code ausführen und MicroPython über aufeinanderfolgende Token‑Generierungen laufen lassen. Für Sicherheitsforscher ist dies ein klarer Proof‑of‑Concept, sandboxed Logik in Modell‑Gewichten auszuführen - oder Reasoning‑Schritte vor herkömmlicher Chain‑of‑Thought‑Überwachung zu verbergen.

NVIDIA Ships Nemotron 3.5 Transcribe and Granary v2

Source: huggingface.co ↗

NVIDIA startete Nemotron 3.5 Transcribe und stellte ein Open‑Weight‑Modell zusammen mit der Granary v2‑Curation‑Pipeline bereit. Das Modell belegt den Spitzenplatz im Hugging‑Face Open‑ASR‑Leaderboard für Englisch, transkribiert 40 Sprachen und unterstützt Zwei‑Wege‑Übersetzungen für 31 Sprachen in Richtung Englisch.

Für Audio‑Infra‑Teams, die Roh‑Media‑Streams verarbeiten, integriert der Checkpoint die Sprecher‑Diarisierung direkt in den Forward‑Pass. Er erkennt bis zu acht unterschiedliche Sprecher über 13 Sprachen hinweg in Eingaben von bis zu einer Stunde Länge, ohne eine sekundäre Clustering‑Pipeline wie PyAnnote zu benötigen. Die Veröffentlichung enthält Fine‑Tuning‑Rezepte via Granary v2; NVIDIA zeigte, dass zielgerichtetes Domain‑Fine‑Tuning eine relative Word‑Error‑Rate‑Reduktion von 45,8 % auf spezialisierten medizinischen Sprach‑Benchmarks bewirkt.

The Benchmark Dilemma: Artificial Analysis Index v5.0

Source: interconnects.ai ↗

Artificial Analysis stellte Version 5 seines Intelligence Index vor, um den fragmentierten Zustand der Frontier‑LLM‑Evaluierung zu zähmen. Die v5‑Spezifikation verteilt das Gewicht gleichmäßig auf vier Quadranten: Knowledge Work (25 %), Coding (25 %), Science (25 %) und General Capabilities (25 %). Sie ersetzt gesättigte Multiple‑Choice‑Tests durch rigorose Execution‑Benches wie FrontierCode 2.0 und Terminal‑Bench 4.0.

Der Release verdeutlicht die Spannung, der jedes Infra‑Team bei der Modell‑Dimensionierung für die Produktion ausgesetzt ist: zusammengesetzte Metriken verschleiern domänenspezifische Schwächen. Während Gemini 4 Carbon den Rang #1 einnimmt, verdecken einstellige Index‑Zahlen die Trade‑offs zwischen Kontext‑Fenster‑Stabilität, Tool‑Calling‑Determinismus und Latenz‑Varianz. Wenn Milliarden an Compute‑Ausgaben von Bruchteilen im Index abhängen, bleibt Benchmark‑Gaming ein operatives Risiko für alle, die API‑Zugang rein nach Leaderboard‑Position kaufen.

Autonomous Inference Stack Optimization

Source: x.com ↗

Der Betrieb hochdurchsatzfähiger Modelle bedeutet häufig, System‑Engineers auf vLLM‑Konfigurationen, Kernel‑Patches und spekulative Decoding‑Draft‑Modelle zu setzen. Decagon stellte AutoResearch vor, ein autonomes Agent‑System, das kontinuierliches Tuning über seine Inference‑Fleets ausführt.

Die Umgebung kombiniert Devin Cloud für die Agent‑Orchestrierung mit Modal für das Aufsetzen elastischer GPU‑Instanzen. Der Agent identifiziert Engpässe im Produktions‑Serving, re‑konfiguriert Speicher‑Layouts, benchmarkt spekulative Draft‑Strategien und verifiziert die Latenz, indem sanitiserte Produktions‑Traffic‑Traces wiederholt werden. Produktionsänderungen erfordern weiterhin menschliche Freigabe, doch die automatisierte Exploration von Compiler‑Flags und Batching‑Parametern liefert bis zu 2,5‑fach höhere Durchsätze innerhalb fester Latenz‑SLAs und maximiert Requests‑per‑Second‑pro‑GPU.

Vercel CI Launches to Handle Agent PR Floods

Source: vercel.com ↗

Autonome Coding‑Agents schreiben Code schneller, als traditionelle Continuous‑Integration ihn verarbeiten kann, was massive Rückstände bei ausstehenden Runs erzeugt. Um dem zu begegnen, kündigte Vercel die Beta von Vercel CI an, einer task‑basierten CI‑Engine, die hochfrequente Commits ohne explodierende Compute‑Kosten bewältigt.

Statt zerbrechliche, ausführliche YAML‑Workflow‑Dateien zu schreiben, die aus dem Monorepo‑Status geraten, liest Vercel CI vorhandene Turborepo‑Konfigurationen. Das Anhängen von "tags": ["ci"] an Tasks in turbo.json lässt den Runner unveränderte Pakete automatisch über Remote Cache überspringen. Jobs laufen auf Vercels isolierter Hive‑Compute‑Fleet und verkürzen die Wall‑Clock‑Zeit von git push zu grünen Checks um das 2‑ bis 6‑fache.

Model Routing: Microsoft Copilot Harness and GitHub Copilot Fusion

Source: blogs.microsoft.com ↗

Microsoft und GitHub lieferten beide Infrastruktur‑Updates, die dynamische Modell‑Orchestrierung ermöglichen, um zu verhindern, dass Entwickler bei jedem Prompt das teuerste Modell wählen.

Microsoft öffnete den Copilot harness über Microsoft Foundry. Ursprünglich intern von GitHub für Copilot Workspace und die CLI entwickelt, stellt er eine Enterprise‑Grade‑Runtime für das Routing von Multi‑Turn‑Agent‑Logik über heterogene Modelle bereit, während er den Zustand über das Model Context Protocol (MCP) bewahrt.

Parallel dazu brachte GitHub Copilot Fusion in die General Availability. Fusion bietet drei dynamische Routing‑Stufen: Standard, High und Max. Die Engine nutzt Model‑Cascades und Reflection‑Passes; Fusion Max erreicht einen Score von 60 im Artificial Analysis Coding Agent Index, konkurrenzfähig zu Claude Code mit Opus 5.5 Max, während der Token‑Verbrauch um 50 % sinkt und Runs 40 % schneller ausgeführt werden.

Zusätzlich aktivierte GitHub selbstverbessernde Loops für Copilot Automations. Meta‑Agents beobachten gemergte PRs, abgelehnte Vorschläge und Code‑Review‑Kommentare und schlagen fortlaufend Pull‑Requests vor, um die zugrunde liegenden Automation‑Prompts und Tool‑Definitionen zu verfeinern.

Enterprise AI Spend and Attribution

Source: techcrunch.com ↗

Anthropic stellte neue Ausgaben‑ und Attributions‑Tools für Finanz‑Teams bereit, die API‑Kosten auf Engineering‑Velocity abbilden wollen. Das Tooling erscheint zusammen mit einer beeindruckenden Kennzahl: Eine externe Umfrage von Jellyfish unter 276 000 Entwicklern ergab, dass Claude Code nun etwa ein Drittel aller commit‑ten Code‑Revisionen in Teams, die die Plattform nutzen, erzeugt.

Anthropic meldete 900 % Net‑Revenue‑Retention, wobei die Ausgaben für Entwickler‑Tools das 10‑fache des Vorjahres erreichten und etwa 2 % der gesamten Engineering‑Budgets der einsetzenden Unternehmen ausmachen. Das neue Dashboard liefert Managern granularen Token‑Tracking bis auf Projekt‑ und Fehlerebene und verhindert, dass unkontrollierte Loops gemeinsame API‑Keys verzehren.

Quick Links: Audio, SMS Interfaces, and Autonomous Labs

Source: elevenlabs.io ↗

• ElevenLabs Cue: ElevenLabs veröffentlichte die Architekturdetails zu Cue, seiner zeichen‑basierten Forced‑Alignment‑Engine. Das Modell verarbeitet eine Stunde Sprache in unter einer Sekunde über 29 Sprachen und richtet Roh‑Wellenformen millisekundengenau an Transkript‑Zeichen für Echtzeit‑Untertitel und Voice‑Synchronisation aus.
• OpenAI Texts You: OpenAI stellte eine Vorschau bereit, die US‑ChatGPT‑Pro‑Nutzer erlaubt, ihren Dot‑Agent per SMS, iMessage und RCS zu kontaktieren. Mit Linq gebaut, vereinheitlicht die Schnittstelle den Kontext mit Web‑Chat‑Sessions und lässt den Agenten ausgehende Alerts initiieren.
• Google Connected Apps: Google führte die Connected Apps Platform ein, die Teams ermöglicht, ihre Services über Search und Gemini via Cloud‑ oder On‑Device‑MCP‑Server über AppFunctions‑APIs bereitzustellen.
• Lor Research Agents: Mirendil öffnete die private Beta für Lor, eine autonome Agent‑Plattform, die parallel Experimente auf Hunderten von Nodes ausführt, ML‑Code schreibt, Trainingsläufe startet und Evaluations‑Logs tagelang ohne menschliche Intervention auswertet.
• Meta Waddle World: Meta brachte Waddle World heraus, eine 16‑Bit‑Virtual‑Pet‑App für die Philippinen. Das Tamagotchi‑ähnliche Journal verzichtet bewusst auf Produktivitäts‑Features oder offene romantische Begleit‑Dynamiken und testet risikoarme Consumer‑Interaction‑Loops.