Lilith.
⌕

Lilith · ausgewählte Meldungen

News

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

Atom-Feed ↗
#commentary· × <built-in method clear of dict object at 0xefe3a47fe100>
veröffentlicht

Warum auf GPT-5.6 die 6.1 folgte und nicht 5.7: Ein OpenAI-Mitarbeiter entschlüsselt die Modellnamen

Ted Sanders von OpenAI hat auf Hacker News erklärt, dass die Namen Luna, Terra, Sol und Astra die Modelle nach Größe ordnen und die Versionsnummer drei weitere Informationen trägt. Entwickler bekommen damit eine brauchbare Faustregel für die Modellwahl und das Eingeständnis, dass ein einzelner Name das Angebot nicht abbildet.

veröffentlicht

Vier Spiele mit jeweils unter vier Stunden Arbeit: Simon Willison sieht einen Wendepunkt beim Vibe Coding von Spielen

Simon Willison meint, Claude Opus 5.5 habe dem Vibe Coding von Spielen einen ähnlichen Wendepunkt beschert, wie ihn Coding Agents im vergangenen November erlebten. In wenigen Wochen baute er vier Spiele, die ihm wirklich Spaß machen, keines kostete ihn mehr als vier Stunden eigene Arbeit, und in den Code schaute er nicht.

Gemini schrieb einen Game-Boy-Emulator für ein Konferenz-Badge, die härtesten Fehler fanden aber echte Spiele

Steve Francia hat mit Gemini Emulatoren für NES und Game Boy Color auf dem Badge der GitHub Universe zum Laufen gebracht, die in ein Bild von 16,6 ms passen. Das Modell entwarf die Schleifen, der Mensch bestimmte die Architektur, maß auf der Hardware und jagte Fehler in Zelda und Pokémon.

veröffentlicht

Anthropic hat die Messages API in Rust neu geschrieben und Agenten die Zugangsdaten entzogen

Die Leiterinnen von Engineering und Produkt der Claude Platform erzählten im Podcast Latent Space, wie Anthropic die Messages API mit Claude von Python nach Rust portiert und nach eigener Schätzung 40 bis 50 % CPU eingespart hat. Für Teams, die Agenten bauen, ist der zweite Teil wertvoller: warum Managed Agents Zugangsdaten außerhalb der Sandbox halten.

webframe startet eine Webseite in einer halben Sekunde wie ein Programm. Zur Sandbox wird es erst durch die Isolation drumherum

Simon Willison ließ Claude Opus 5.5 webframe prüfen, ein kleines Tool von Jeff Lindsay, das eine Webseite wie ein Kommandozeilenprogramm ausführt. Beim Scraping ist es etwa so schnell wie shot-scraper. Als Sandbox für fremdes JavaScript hielt es erst stand, verpackt in einen leeren Netzwerk-Namespace, bubblewrap und ein Timeout.

OpenAI halbiert den Preis seines Mittelklassemodells und bringt ihm das Klicken bei. GPT-6.1 Terra kostet einen Dollar pro Million Tokens

OpenAI hat GPT-6.1 Terra veröffentlicht, ein Mittelklassemodell für Computerbedienung und Bildverständnis. In der API kostet es 1 Dollar pro Million Input-Tokens und 5 Dollar pro Million Output-Tokens, halb so viel wie GPT-6.1 Sol. Am meisten lohnt es sich dort, wo ein Agent immer wieder dieselbe Büroarbeit erledigt.

veröffentlicht

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.

veröffentlicht

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.

veröffentlicht

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.

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.

DeepSeek öffnet ein günstiges Modell und seinen Inferenz-Stack. US-Bundesbehörden dürfen es nicht mehr kaufen

In der 25. Ausgabe seines Überblicks über offene Modelle beschreibt Interconnects eine Woche, in der DeepSeek V4.1 Flash unter MIT-Lizenz veröffentlichte und seinen Inferenz-Stack DeepInfer freigab. Zugleich schloss das US-Heimatschutzministerium das Unternehmen von Bundesaufträgen aus, und China schlug Exportgenehmigungen für Frontier-Modelle vor. Bei offenen Gewichten entscheidet künftig auch die Herkunft über den Einsatz.

Zwei kritische PHP-Lücken mit CVSS 9,2 sickerten einen Tag vor dem Patch durch, Exploits sind schon unterwegs

PHP 8.2 bis 8.5 hat am 21. Oktober Fixes für zwei Fehler bekommen, über die ein Angreifer ohne Anmeldung Code auf dem Server ausführen kann. Wegen eines Leaks kam das Release einen Tag früher, funktionierende Exploits kursieren bereits. Wer PHP betreibt, sollte sofort aktualisieren.

veröffentlicht

„Mach es VIEL spaßiger“ hat funktioniert: Simon Willison ließ Claude Code ein spielbares RTS bauen

Simon Willison hat Battle Drones veröffentlicht, ein Strategiespiel im Stil von Command & Conquer, das größtenteils Agenten in Claude Code über 12 große Versionen und 321 Commits geschrieben haben. Den Durchbruch brachte ein einziger Prompt, nach dem Claude mehr als tausend simulierte Partien spielte und das Spiel neu austarierte. Es kann sogar Mehrspieler per Ton zwischen zwei Smartphones.

veröffentlicht

Claude Code verlagert Reviews vor den Pull Request und Menschen zu den Risiken

Das Claude-Code-Team berichtet, dass sich die Zahl der gemergten Pull Requests von Juni bis September mehr als verdoppelt hat, während der Anteil zurückgesetzter Änderungen um mehr als 40 % sank. Entscheidend sind nicht ein einzelner AI-Reviewer, sondern mehrere Prüfschichten, Risikostufen und schneller Rollback.

Anthropics geleakter Entwurf tauscht Schutzregeln der Bundesstaaten gegen eine schwächere Bundesbremse

Ein Anthropic zugeschriebener geleakter Diskussionsentwurf würde Teile der einzelstaatlichen Frontier-AI-Regulierung verdrängen und hohe rechtliche Hürden für Einschränkungen eines Modells setzen. Er ist weder ein eingebrachter Gesetzentwurf noch eine öffentlich bestätigte Position des Unternehmens, steht aber in politisch relevantem Gegensatz zu Anthropics Juni-Rahmen.

Die Sicherheitskultur von AI Laboren zeigt sich im Umgang mit Widerspruch

Der Weggang von David Robinson bei OpenAI und die Entlassung von drei Sicherheitsforschern haben die Debatte von Regeln auf Unternehmenskultur verschoben. Zvi Mowshowitz formuliert daraus eine weitreichende Anklage, doch der eigentliche Test ist enger: Können Menschen im Labor eine riskante Entscheidung stoppen oder verändern?

veröffentlicht

web-edit 0.1a1 zeigt Entwicklung mit einem Modell fürs Profiling und einem fürs Optimieren

Simon Willison hat web-edit 0.1a1 mit Optimierungen veröffentlicht, die Claude Opus 5.5 anhand eines von GPT-6 Astra erstellten Python-3.15-Profilingberichts schrieb. Interessanter als das kleine Release ist die Arbeitsteilung zwischen zwei Modellen und dem Menschen, der ihre Ergebnisse zusammenführt.