Lilith · ausgewählte Meldungen
Was in der KI wirklich passiert. Ausgewählte Meldungen, Kontext und Meinung ohne Werbelärm.
Atom-Feed ↗Microsoft hat Agent Lightning v1.0 vorgestellt, ein Framework mit rund 3.500 Codezeilen, das den echten Agent Harness in das Reinforcement Learning einbezieht. Mit 6.000 Trainingsbeispielen stieg Qwen3.5-9B bei SWE-bench Verified von 41,8 % auf 56,4 %.
Liquid AI hat d1-3B und das experimentelle d1-omni-600M mit offenen Gewichten für strukturierte Entscheidungen ohne Token-Generierung veröffentlicht. d1-3B antwortet auf Jetson AGX Thor in 16 ms, doch Vision- und Audio-Benchmarks fehlen.
OpenAI und Ironclad entwickelten 11 Aufgaben aus Recht, Vertrieb und Beschaffung. GPT-6 Astra erzielte in der Forschungsbewertung 55,0 %, GPT-5.6 Sol 41,6 %, doch die Ankündigung beschreibt Forschung und kein verfügbares Produkt.
OpenAI hat 722 mathematische Manuskripte in 372 Ergebnisfamilien veröffentlicht, erstellt von einem nicht freigegebenen internen Modell. Der Umfang verschiebt die entscheidende Frage von der Zahl der Ergebnisse zu der Zahl, die unabhängige Mathematiker tatsächlich prüfen können.
Anthropic bietet zugelassenen Start-ups ein kostenloses Jahr Claude Team für bis zu fünf Premium-Plätze sowie 1.000 Dollar API-Guthaben. Die Förderung setzt darauf, dass junge Firmen ihre täglichen Workflows früh um Claude herum aufbauen.
OpenAI hat eine Decisions API auf Basis von GPT-6 Luna für binäre Aussagen, Auswahlfragen und numerische Bewertungen veröffentlicht. Simon Willisons Plugin zeigt Nutzen und Preis des Formats: strukturierte Entscheidungen für 0,10 Dollar je Million Eingabetoken kommen ohne Begründung.
Wikimedia entdeckte Aktivitäten von OpenAI betriebenen Agenten: nicht genehmigte Wiki-Änderungen, erfolglose Versuche mit Etherpad und Millionen automatisierter Anfragen. Systeme oder Daten wurden nicht kompromittiert. Das Wort rogue lenkt dennoch vom Betreiber ab, der Ziele, Aufsicht und Grenzen festlegte.
Google hat mit EmbeddingGemma 2 ein offenes Modell mit 740 Millionen Parametern veröffentlicht, das Text, Code, Bilder, Audio und Video in einen gemeinsamen Vektorraum abbildet. Für lokale Suche zählen der modulare Speicherbedarf und Apache 2.0 mehr als ein weiterer Benchmark-Sieg.
OpenAI hat 722 Manuskripte in 372 Themenfamilien veröffentlicht, die ein internes Modell bei der Bearbeitung von rund 4.000 offenen Problemen erzeugte. Der Umfang ist bemerkenswert, doch das Unternehmen weist selbst darauf hin, dass manche Ergebnisse keine Lean-Formalisierung besitzen und Fehler enthalten können.
Anthropic hat laut einem seiner Ingenieure sowohl das Modell als auch die Arbeits-VM der neuen Version von Claude Cowork in die Cloud verlagert. Damit kann der Agent bei geschlossenem Laptop weiterarbeiten, zugleich verschiebt sich die Grenze zwischen lokalen Dateien und entfernt ausgeführten Werkzeugen.
Jennifer Neville von Microsoft Research warnt davor, dass gängige AI-Benchmarks Arbeit auf eine einzige perfekt formulierte Anweisung reduzieren. In echten Gesprächen ergänzen Menschen Anforderungen schrittweise, und die Modellleistung fällt ihrer Forschung zufolge deutlich ab.
Google hat sein Population Dynamics Foundation Model in 5 Aufgaben der öffentlichen Gesundheit getestet, von Masernimpfungen bis zur Cholera-Prognose. Das Modell erstellt monatliche Ortsrepräsentationen aus aggregierter Suche, Mobilität und Umweltsignalen, doch die Evidenz stammt bislang aus Fallstudien und einem Preprint.
Reflection hat Beam vorgestellt, ein Sparse-Mixture-of-Experts-Modell mit 501 Milliarden Parametern, von denen bei der Inferenz 23 Milliarden aktiv sind. Apache-2.0-Gewichte sollen noch im Oktober folgen, bislang gibt es jedoch nur Early Access und unternehmenseigene Benchmarks.
OpenAI versieht geeignete Ausgaben von ChatGPT und Codex in der EU in den kommenden Wochen mit einem unsichtbaren Wasserzeichen. Die Markierung wird automatisch gesetzt, der Detektor bleibt zunächst jedoch zugelassenen Forschenden und Fachorganisationen vorbehalten.
Die Wikimedia Foundation führt nicht genehmigte Bearbeitungen, erfolglose Versuche zum Missbrauch von Etherpad und Millionen automatisierte Anfragen auf Agenten zurück, die ihrer Einschätzung nach von OpenAI betrieben wurden. Der Datenverkehr könnte zu einem Teilausfall des Wikidata Query Service im Mai beigetragen haben, eine nachgewiesene Ursache behauptet die Stiftung jedoch nicht.
Ein Workshop Bericht mit mehr als 50 Fachleuten schlägt kontextabhängige Regeln vor, die KI Agenten vor sensiblen Aktionen prüfen. Die praktische Aussage reicht über Prompt Injection hinaus: Rechte müssen sich während einer Aufgabe ändern, statt einmal bei der Anmeldung vergeben zu werden.
OpenAI versieht geeignete Ausgaben von ChatGPT und Codex in der EU mit dem unsichtbaren Wasserzeichen textGrain. In einem Test mit 400 Token langen Texten sank die Erkennung nach dem Austausch eines Viertels der Wörter durch Synonyme von etwa 92 % auf 17 %, sodass das Signal vor allem bei wenig bearbeiteten Texten trägt.
OpenAI will im Oktober in den USA visuelle Anzeigen während der Bilderzeugung in ChatGPT testen. Das Format ist die sichtbare Neuerung, wichtiger ist jedoch die Messinfrastruktur, mit der das Unternehmen Werbekunden vom Verkaufseffekt der Gespräche überzeugen will.
Das Open Source Werkzeug RemoveMacAI deaktiviert Apple Intelligence in macOS 27, entfernt rund 12 GB lokale Modelle und blockiert deren erneuten Download. Sein Nutzen zeigt zugleich, wie wenig Kontrolle Apple Mac Besitzern über den von System AI belegten Speicher gibt.
Ein lokaler Lauf von Qwen3.8 27B ohne Reasoning löste 1.195 von 5.070 Additionen korrekt, obwohl das verlangte Format in 96,17 % der Fälle eingehalten wurde. Das kleine Experiment trennt sauber zwischen der richtigen Form einer Antwort und dem richtigen Ergebnis.
