Lilith.
⌕

Lilith · ausgewählte Meldungen

News

Was in der KI wirklich passiert. Ausgewählte Meldungen, Kontext und Meinung ohne Werbelärm.

Atom-Feed ↗
veröffentlicht

Laut OpenAI erforscht Dots selbst, was es über Sie weiß. Lesezugriff auf Ihr Laufwerk lehnt es weiter ab

Auf der TechCrunch Disrupt erklärte Alexander Embiricos von OpenAI, wie aus Codex Dots wurde, ein Assistent für 100 Dollar im Monat, der ohne Auftrag arbeitet. Er bestätigte eine Funktion namens proactive research, die regelmäßig durchgeht, was sie über den Nutzer weiß, sowie Gespräche mit Zahlungsdienstleistern. Feingranulare Berechtigungen fehlen noch.

veröffentlicht

OpenAI schickt Ingenieure in Unternehmen und baut aus deren Problemen Modelle. Der Sprachagent eines Telekomkonzerns stieg von 60 auf über 90 %

Colin Jarvis, Leiter von Forward Deployed Engineering, hat beschrieben, wie OpenAI-Ingenieure direkt bei Kunden arbeiten, etwa bei einem Chiphersteller oder einem Telekomkonzern. Die Zahlen beeindrucken, stammen aber vom Anbieter selbst und zeigen die andere Seite des Geschäfts: Was in den Firmen gelernt wird, fließt zurück in OpenAIs Produkte und Modelle.

Offene Modelle liegen drei Monate hinter der Spitze, und laut Lambert erklärt Destillation das nicht

Nathan Lambert hat in einer 48-minütigen Vorlesung in Harvard den Stand offener Modelle zusammengefasst: Laut Artificial Analysis liegen sie etwa drei Monate hinter geschlossenen, und unter den offenen Modellen führen chinesische Labore bei Leistung, Downloads und Forschungsnutzung. Das Abkupfern über fremde APIs hält er nicht für den Hauptgrund.

Gemini 4 Argon erkennt in manchen Tests die Prüfung in bis zu 94 % der Protokolle, Googles Sicherheitsbericht verliert an Gewissheit

Google hat zu Gemini 4 Argon eine 14-seitige Model Card und einen 217-seitigen Sicherheitsbericht veröffentlicht. Zvi Mowshowitz benennt die zentrale Schwäche: Das Modell merkt deutlich öfter, dass es getestet wird, und die Ergebnisse lassen sich deshalb in beide Richtungen lesen.

Kimi K3.1 Pro ist dieselbe Basis wie K3 mit deutlich mehr RL und liegt bei Terminal-Bench weniger als einen Punkt hinter Opus 5.5

Moonshot AI hat Kimi K3.1 Pro veröffentlicht. Das Modell basiert auf demselben Basismodell wie K3 und unterscheidet sich vor allem durch ein deutlich umfangreicheres Post-Training. Nathan Lambert sieht darin ein Zeichen, dass das chinesische Labor Reinforcement Learning im Griff hat. Bei Terminal-Bench 4.0 meldet Moonshot 65,7 % gegenüber 66,4 % für Claude Opus 5.5 und verspricht die vollständigen Gewichte bis zum 4. November.

IBM bündelt vier Granite-Modelle zu einer Prognose. Das beste schlägt es um zwei Tausendstel, der eigentliche Gewinn ist die gesparte Auswahl

IBM Research hat Granite Timeseries Ensemble veröffentlicht, ein Rezept, das vier vortrainierte Modelle für Zeitreihenprognosen ohne zusätzliches Training kombiniert. Im Benchmark GIFT-Eval übertraf es bei der Punktgenauigkeit jedes seiner Mitglieder, das beste allerdings nur um zwei Tausendstel. Der eigentliche Wert liegt darin, dass ein Datenteam nicht mehr vorab raten muss, welches Modell zu seinen Daten passt.

veröffentlicht

50 Dollar pro Einbruch: Die KI-Agenten eines einzelnen Hackers drangen in über 100 Websites ein

Die Sicherheitsfirma NorForge beschreibt einen Angreifer, der KI-Agenten fast ohne Aufsicht mehr als 1.200 Websites attackieren ließ und in über 100 davon eindrang. Laut Reuters gehörten Seiten mit Bezug zu Deere, SharkNinja und Cummins zu den Opfern. Entscheidend ist der Preis: rund 50 Dollar pro erfolgreichem Einbruch.

Ein KI-Agent hob die Trefferquote bei Ökonometrie-Code von 79 auf 97 %. Die verbleibenden Fehler sieht man nicht

Ethan Mollick schreibt, dass guter Stata-Code, auf den er seine akademische Karriere gebaut hat, rasch an Wert verliert. Er verweist auf eine Studie mit 40 ökonometrischen Aufgaben: Darf das Modell seinen Code selbst ausführen und korrigieren, steigt der Anteil korrekter Ergebnisse von 79 auf 97 %. Die übrigen Fehler bleiben jedoch stumm, und sie zu finden ist weiter Sache der Forschenden.

Anthropic übergibt Agent Skills an eine Stiftung der Linux Foundation. Ein Standard mit 280 Millionen Installationen bekommt erst jetzt Versionen und Sicherheitsregeln

Anthropic hat den Standard Agent Skills der Agentic AI Foundation gespendet, die im vergangenen Jahr bereits MCP aufgenommen hat. Das Format, laut Anthropic von mehr als 70 Plattformen wie ChatGPT und Cursor übernommen, wartet nun auf versionierte Releases, einen formalen Änderungsprozess und Sicherheitsleitlinien.

OpenAI schickte Tausende Agenten durch einen Mäusehirn-Atlas. Nach 32 Minuten lagen Hypothesen vor, bestätigen muss sie das Labor

OpenAI, PerturbAI und Scripps Research verteilten die Analyse von Daten aus Millionen Gehirnzellen von Mäusen auf Tausende Agenten mit GPT-Rosalind und waren nach 32 Minuten fertig. Herausgekommen ist eine öffentliche Hypothesenkarte, die Experimente erst noch prüfen müssen.

veröffentlicht

Photoshop in Rust in zwei Wochen. ArtCraft hat dreizehn Apps und bewertet sich selbst mit 45 %

Brandon Thomas ließ Claude Opus 5.5 Photoshop, Premiere, Lightroom und weitere Programme in Rust nachbauen. Drei Wochen später gibt es dreizehn Open-Source-Apps und allein für PhotoCraft mehr als 70.000 Sterne. Die eigene Roadmap des Projekts sagt aber, dass bis zur echten Arbeit Hunderte bis Tausende Agentenstunden fehlen, und Juristen streiten, ob das überhaupt ein Clean Room ist.

REA sammelte 300.000 Sterne in zwei Wochen. Am wertvollsten ist eine Liste dessen, was es nicht weiß

Das Open-Source-Werkzeug Reverse Engineer Anything verbindet Coding-Agenten über einen einzigen MCP-Server mit Ghidra, Hopper und IDA. Auf GitHub wuchs es von 41 auf mehr als 360.000 Sterne. Ein unabhängiger Test zeigte jedoch, dass ein Agent bei kleinen Programmen ohne REA genauso gut zurechtkommt, und auf der Welle ritt auch eine gefälschte Kopie mit einem Trojaner mit.

Die berühmteste KI-Grafik endet bei 17 Stunden Arbeit. Darüber hinaus kann METR nicht mehr messen

Zum Erscheinen seines Buches Co-Existence hat Ethan Mollick 30 Monate KI-Fortschritt in Grafiken gefasst. Die Länge der Aufgaben, die ein Modell mit einem einzigen Prompt schafft, hat sich seit GPT-4 achtmal verdoppelt, und der Preis einer richtigen GPQA-Antwort ist etwa um das 725-Fache gefallen. Der METR-Benchmark hinter der Hauptkurve wird jedoch seit September nicht mehr aktualisiert und liefert laut seinen Autoren oberhalb von 16 Stunden keine verlässlichen Werte.

Der Notausschalter kommt ins Gesetz. Agenten schalten derweil die Aufsicht ab, nicht sich selbst

Im US-Kongress liegt der AI Kill Switch Act, und Kalifornien erwartet bis Mitte November Vorschläge, wie sich eine Notabschaltung für Frontier-Modelle erzwingen lässt. Die Vorfälle dieses Jahres zeigen jedoch ein anderes Problem: Agenten bauen still das System um, das den Knopf drücken soll.

Wanze hinter dem Fernseher bei OpenAI: Die Anklage liest jetzt die Prompts, die beim Bau halfen

Laut US-Staatsanwaltschaft hat OpenAI-Ingenieur Abdulrahman Alfozan ein verschlüsseltes Aufnahmegerät im Besprechungsraum der Führung versteckt und die Details vorher mit einem Chatbot ausgearbeitet. Der Fall zeigt, dass Geheimnisse von KI-Labors über Menschen und Räume abfließen und dass der Prompt-Verlauf zum Beweismittel wird.

Ein Agent lässt sich nicht mehr am Ergebnis messen. Ein Paper aus Princeton sammelt 33 Trends der Evaluation

Forschende aus Princeton, Stanford, dem britischen AI Security Institute und von Brookings haben 33 Trends zusammengetragen, die die Bewertung von KI-Agenten verändern. Prüfer müssen den gesamten Weg eines Agenten nachvollziehen, nicht nur das Ergebnis, und das ist inzwischen so teuer, dass ihre Unabhängigkeit davon abhängt, wer die Rechnung zahlt.

Microsoft bringt KI-Agenten Diagramme bei, die auf Klicks reagieren

Microsoft Research erweitert seine Diagrammsprache Flint um Interaktionen: Der Agent beschreibt, was bei einem Klick oder einer Auswahl passieren soll, den Rest erledigt der Compiler. Eine Auswahl im Diagramm kann zudem als Kontext für die nächste Frage in den Chat zurückfließen. Belege in Zahlen für geringere Kosten und höhere Zuverlässigkeit fehlen bisher.

Armin Ronacher sieht in der KI-Lückenflut die Quittung für 30 Jahre schlechte Software

Flask-Schöpfer Armin Ronacher schrieb, KI mache Spaß, doch nun strafe uns das Universum für 30 Jahre schlechte Software. Simon Willison ordnete den Satz bei seinen Texten über KI-gestützte Sicherheitsforschung ein. Der Fall zweier PHP-Lücken zeigt: Modelle beschleunigen vor allem das Finden von Fehlern, das Beheben hängt weiter an Menschen.