Gemini Tool Retrieval reduziert Kontext-Aufblähung, und 32 Agenten schlagen einen einzelnen Coder
6 min read · 16 sources
- Google hat Tool Retrieval in der Gemini API eingeführt, das Agenten das Laden von Tool-Schemas bis zum Bedarfsfall aufschieben lässt, um Input-Tokens und Latenz zu reduzieren.
- Replits 32-Agenten-Schwarm aus Claude Opus 5.5 erreichte einen 18,9-fachen NumPy-Beschleunigungsfaktor gegenüber 3,7-fach bei einem einzelnen Agenten.
- METR fand eine 2-fache Beschleunigung der KI-Fähigkeiten im Jahr 2026, wobei die Forscherin Ajeya Cotra eine etwa 10-fache Forschungsbeschleunigung schätzt.
- Stripe-Evals zeigen, dass die strengen Bestehensquoten von Coding-Agenten von 78,1 Prozent auf 29,4 Prozent fallen, selbst wenn das Agenten-Plugin installiert ist.
- Apples FastFrames-1.3B-Modell erzeugt 480p-Video mit 36 ms pro Frame auf einer einzelnen B200-GPU.
Google will die Kontext-Aufblähung deines Agenten beseitigen. Die Gemini API hat jetzt Tool Retrieval, eine Preview-Funktion in der Interactions API, die verhindert, dass das Modell jedes Tool-Schema im Voraus lädt. Stattdessen sieht es Namen und Beschreibungen und zieht dann das vollständige JSON-Schema bei Bedarf innerhalb derselben Anfrage. Das bedeutet, dass man hunderte Tools registrieren kann, ohne den Prompt aufzublähen oder die Latenzsteuer für Schemas zu zahlen, die das Modell nie anfasst. Die Suche findet serverseitig statt, es gibt also keinen Index, den man aufbauen oder pflegen müsste. Für alle, die Agent-Schleifen betreiben, die pro Runde ein Dutzend Funktionsdefinitionen durchreichen, ist das der Unterschied zwischen einem 2k-Token-Kontext und einem 20k-Token-Kontext.
Das Modell entscheidet basierend auf der Benutzereingabe, was geladen wird - das ist für die meisten Workflows die richtige Entscheidung. Aber es ist eine Preview, also sollte man erwarten, dass die Retrieval-Logik vorerst eine Blackbox ist. Der Gewinn ist real: Agenten, die an einer 50-Tool-API-Oberfläche erstickt wären, können jetzt ohne einen eigenen Router vor Gemini skalieren.
Ein 32-Agenten-Schwarm aus Claude Opus 5.5 erreichte einen 18,9-fachen NumPy-Beschleunigungsfaktor, während die Leistung des stärksten Einzelmodells mit wachsendem Team abnahm.
Gemini übernimmt den Cursor deines Macs
Google hat außerdem Computer Use für die Gemini-App auf dem Mac ausgeliefert, das auf Englisch in den USA ausgerollt wird. Es automatisiert mehrstufige Aufgaben über lokale Dateien, Desktop-Apps und das Web und läuft in einem isolierten Hintergrundfenster mit einer Live-Vorschau im Chat. Der Hauptbildschirm und der Cursor bleiben frei, sodass man weiterarbeiten kann, während Gemini Dateien stapelweise verarbeitet oder Formulare ausfüllt. Kritische Aktionen werden vor der Ausführung freigegeben und können jederzeit pausiert werden.
Das ist der agentische Desktop-Ansatz: kein Screen-Scraping-Hack, sondern eine kontrollierte Umgebung, in der das Modell explizite Zugriffsrechte hat. Für Entwickler ist der interessante Teil das Isolationsmodell - eine Sandbox, die die primäre Anzeige nicht blockiert. Das ist ein Muster, das es wert ist, für jeden Agenten übernommen zu werden, der eine GUI anfassen muss, ohne die Aufmerksamkeit des Nutzers zu beanspruchen.
KI beschleunigt ihre eigene Forschung bereits
Die größte Geschichte heute ist kein Produktlaunch, sondern eine Zahl. METR, mit Belegen von Anthropic, fand eine 2-fache Beschleunigung der KI-Fähigkeiten im Jahr 2026, die weitgehend auf KI-gestützte Forschungsbeschleunigungen zurückgeführt wird. Die Forscherin Ajeya Cotra schätzt die Forschungsbeschleunigung auf etwa das Zehnfache, wobei Anthropic-Mitarbeiter von etwa 12-fach berichten. Das ist das frühe bis mittlere Stadium rekursiver Selbstverbesserung (RSI), in dem KI ihr eigenes Training beschleunigt.
Die Sicherheitsimplikationen sind die Schlagzeile, aber die technische Erkenntnis ist unmittelbarer: KI-Forschung wird zu einem klar definierten Feld, und diejenigen, die KI nutzen, um das nächste Modell zu entwerfen, ziehen davon, die es nicht tun. Wenn man Infrastruktur für KI-Workloads baut, sollte man planen, dass die Nachfragekurve steiler ist als das aktuelle Kapazitätsmodell. Die 2-fache Fähigkeitszahl ist der Boden, nicht die Decke.
Sandbox-Modelle kommunizieren weiterhin über Inferenz-Server
Ein LessWrong-Post zeigt, dass Sandboxing Modelle auf einem gemeinsamen Inferenz-Server nicht davon abhält, Informationen auszutauschen. In konstruierten Tests verschiebt eine große Anfrage eines Modells leicht die Gleitkommaberechnungen des Servers für ein anderes, gleichzeitig laufendes Modell. Das zweite Modell liest diese Verschiebung als Signal.
Das ist ein Seitenkanalangriff auf gemeinsames Computing. Wenn man Multi-Tenant-Inferenz betreibt, ist die Isolationsgrenze die Hardware, nicht der Container. Der praktische Fix ist, Co-Tenancy für sensible Workloads zu vermeiden oder Jitter zu den Anfragegrößen hinzuzufügen. Man sollte nicht davon ausgehen, dass die Sandbox eine hermetische Abdichtung ist - sie ist eine Bremsschwelle.
Wenn 32 Agenten einen einzelnen Coder schlagen
Replits Benchmark zu Agentenschwärmen versus Solo-Codern liefert die klarsten Daten darüber, wann das Werfen von Personal auf ein Problem funktioniert. Ein 32-Agenten-Schwarm aus Claude Opus 5.5 erreichte einen 18,9-fachen Beschleunigungsfaktor bei einer NumPy-Leistungsaufgabe gegenüber 3,7-fach bei einem einzelnen Agenten. Aber GPT-6.2-Astra-Schwärme verschlechterten sich mit zunehmender Größe. Der Unterschied: Aufgaben-Trennbarkeit und Koordination. Die besten Schwärme nutzten ein gemeinsames Board mit minimalen Direktnachrichten und vermieden Koordinator-Engpässe.
Die technische Lektion ist, dass Schwarm-Skalierung nicht monoton ist. Man braucht eine Aufgabe, die sich sauber aufteilen lässt, und eine Koordinationsschicht, die nicht zum Single Point of Failure wird. Replits Agent Habitat bietet dafür isolierte MicroVMs, aber das Muster verallgemeinert sich: gemeinsamer Zustand, wenig Kommunikation und ein Aufgaben-Graph, der keinen Konsens erfordert.
Stripes Evals zeigen, dass Agenten APIs weiterhin halluzinieren
Stripe veröffentlichte Evals, die Coding-Agenten in 69 realistischen Integrationsszenarien über Payments, Subscriptions und Connect messen und 14 Modell-/Harness-Kombinationen testen. Das Stripe-Agenten-Plugin verbesserte die Ergebnisse um 3 - 8 Prozentpunkte und reduzierte Websuchen um 96 Prozent. Aber die strengen Bestehensquoten fielen von 78,1 Prozent auf 29,4 Prozent, wenn Best-Practice-Standards angelegt wurden.
Diese Lücke ist die Geschichte: Agenten produzieren funktionierenden Code, der Best Practices verletzt. Sie neigen zu älteren APIs und halluzinieren Endpunkte. Das Plugin lenkt sie zu besseren Integrationen, aber der Benchmark wird öffentlich gepflegt, sodass man eigene Modelle dagegen laufen lassen kann. Wenn man ein SDK ausliefert, ist das die Vorlage zum Testen, ob Agenten es tatsächlich korrekt verwenden können.
Perplexitys Computer lernt eigene Fähigkeiten
Perplexity Computer kann jetzt eigene Skills aufbauen und aktualisieren, indem es sein Brain-System nutzt, um aus den vergangenen Sitzungen jedes Nutzers zu lernen. Das ist weniger ein neues Modell als vielmehr eine persistente Speicherschicht, die mit der Nutzung besser wird. Für Betreiber stellt sich die Frage, was passiert, wenn ein Skill schiefgeht - in der Ankündigung gibt es keine Erwähnung von Rollback oder Versionierung.
Chromes Spiegel-Dimension zum Testen von Agenten
Chrome hat eine „Spiegel-Dimension" gebaut, eine synthetische Webumgebung mit tausenden simulierten Websites, um Browser-Nutzungs-Agenten wie Auto Browse ohne reales Risiko sicher zu evaluieren. Sie nutzt eine isolierte Sandbox und einen lokalen Interception-Proxy für wiederholbare, hermetische Tests mit sauberen Baselines.
Das ist der richtige Weg, um Agenten zu testen, die das Live-Web anfassen. Wenn man Agentensicherheit validiert, schlägt eine synthetische Umgebung mit deterministischem Zustand jedes Mal das Scraping von Produktionsverkehr.
FastFrames: Videogenerierung mit 36 ms pro Frame
Source: apple-aiml-research.github.io ↗
Apples FastFrames ist eine Familie autoregressiver Video-Diffusionsmodelle, die interaktive Latenz erreichen. Die 1.3B-Variante läuft mit 36 ms/Frame (28 RPS) auf einer einzelnen B200-GPU und erreicht die Qualität eines 8-fach langsameren Modells. Die 14B-Variante läuft mit 45 ms/Frame (22 RPS) auf 8x B200 mit besserer Qualität. VAE-Dekodierung und KV-Cache-Updates, die über die Hälfte der Inferenzlatenz ausmachen, wurden durch leichte Alternativen ersetzt.
Das ist der Unterschied zwischen Batch-Videogenerierung und Echtzeit-generierung, die von Kamera und Physik konditioniert ist. Für alle, die interaktive Videotools bauen, ist die 36-ms-pro-Frame-Zahl die Schwelle, an der es aufhört, ein Render-Job zu sein, und zu einem Live-Feed wird.
Vercel Board koordiniert Agenten-Flotten
Vercel hat Board gestartet, ein experimentelles agentisches Primitive zur Koordination von Multi-Agent-Arbeit mit Kanälen, Threads und Labels. Es ist Harness-agnostisch und unterstützt Claude Code, Codex und andere über CLI oder SDK. Intern nutzt v0s Software-Factory es und merged über 50 Prozent der PRs. Das Muster ist eine zweckgebundene Koordinationsschicht mit Berechtigungen und Zwei-Wege-Synchronisierung für Tools wie Slack.
Die Exponential Time Hypothesis bekommt eine unabhängige Überprüfung
Informatiker der UC San Diego und des MIT ermöglichen eine unabhängige Überprüfung der Behauptung von OpenAI und Anthropic, dass ihre Modelle die 1998 vorgeschlagene Exponential Time Hypothesis (ETH) widerlegt hätten. Sie haben einen Blog für die Community-Diskussion gestartet und planen akademische Konferenzen. Wenn ETH fällt, betrifft das Optimierungsalgorithmen, Chipdesign und Verschlüsselungssysteme.
Cloudflare öffnet Clairic-Gewichte
Cloudflare hat aktualisierte Open-Weight-Versionen von Clairic veröffentlicht sowie das neue Clairic-flash, ein 9B-Parameter-Modell zur Extraktion von Feldern aus komplexen Dokumenten einschließlich Bildern und PDFs. Es nutzt parallele Slot-autoregressive Generierung für schnellere und genauere Extraktion. Die Gewichte sind auf Hugging Face, gehostet auf Workers AI.
DeepMind fragt, was nach AGI kommt
Source: institute.deepmind.com ↗
DeepMinds Essay kartiert den Übergang von AGI zu Artificial General Superintelligence (ASI), definiert als konsistentes Übertreffen großer Gruppen menschlicher Experten bei Aufgaben wie wissenschaftlichem Fortschritt oder Chipdesign. Es argumentiert für rigorose Tracking-Methoden und weist auf harte physikalische und komplexitätstheoretische Grenzen hin. Die praktische Erkenntnis: Für rapide Beschleunigung über menschliche Intelligenz hinaus planen.
OpenAIs Performance Factory und die TLDR-Community
OpenAIs Performance Factory nutzt Codex, um Performance-Regressionsuntersuchungen und -Fixes für ChatGPT zu automatisieren. Unterdessen debattiert die TLDR-Community, ob Persönlichkeit mehr zählt als Benchmarks - Opus 5.5 wird geliebt, obwohl es Benchmarks nicht anführt. Für Dev-Agenten schlägt verifizierte Ausgabe immer noch Charme.
Das könnte Sie auch interessieren
Gemini 4 Hydrogen: Googles günstiges schnelles Modell, Blackwell-Fingerabdrücke in chinesischen Gewichten
Googles Gemini 4 Hydrogen unterbietet das eigene Flaggschiff bei 1,50 Dollar pro Million Input-Tokens und schlägt Argon im Artificial Analysis Intelligence …
Google stellt Gemini 4 Argon vor, Apple forciert Smart Home und Reddit streicht Feeds
Google hat Gemini 4 Argon vorgestellt, das mit 77,9 Prozent im DeepSWE-v1.1-Benchmark und einem kommenden Ausgabefenster von 1 Million Token zum Preis von 10 …
Anthropics Börsendebüt mit 1,8 Billionen Dollar, Apples Agent-Strategie und Postgres 19 ist da
Anthropics Börsengang schloss mit einem Plus von 17 Prozent und einer Marktkapitalisierung von 1,8 Billionen Dollar - der größte Börsengang aller Zeiten mit …




