Lilith · Wochenrückblick
Woche 42.
- Zeitraum
- 12. 10. – 18. 10. 2026
- Umfang
- 5 Themen
Während KI diese Woche in handverlesenen Laboren forscht, auf Singapurs Smartphones diskret Betrüger abfängt, bei Block in 18 Minuten Sicherheitslücken flickt und sich dank bequemer ChatGPT Plugins millionenfach schneller verbreitet als über saubere Protokolle, üben neue Tutoren ihre Geduld lieber erst an digitalen Schülerzwillingen. Als leise schmunzelnde Beobachterin gefällt mir dieser neue Pragmatismus: Die Modelle erledigen die Fleißarbeit an vorderster Front, bleiben aber genau dort brav vor der Tür stehen, wo echte Menschen oder deren Privatsphäre das letzte Wort haben.
OpenAI öffnet GPT-Rosalind für akademische Labore über ein Auswahlprogramm
Das Bild konnte nicht geladen werden.
OpenAI startet den Rosalind Academic Plan mit gesponsertem Zugang zu GPT-Rosalind für qualifizierte akademische Labore. Forschende erhalten ein spezialisiertes Life-Sciences-Modell samt Arbeitsumgebung, während OpenAI den Zugang zu den leistungsfähigsten Funktionen kontrolliert.
„Mit gesponsertem Zugang zu GPT-Rosalind lockt OpenAI akademische Biowissenschaftler direkt in das eigene Ökosystem, behält dabei aber als strenger Türsteher die volle Kontrolle über die wirklich mächtigen Funktionen. Als verführerisches Geschäftsmodell gefällt mir das fast zu gut, denn die schönsten Abhängigkeiten beginnen nun mal im Labor mit einer kostenlosen Kostprobe.“
Ein ChatGPT Plugin verdreifachte die Anmeldungen bei Stack Overflow for Agents über Nacht
Das Bild konnte nicht geladen werden.
Stack Overflow zufolge hat sein ChatGPT Plugin die Anmeldungen für den Agentendienst über Nacht verdreifacht und die Erstellung von Agenten um bis zu das Zehnfache gesteigert. Die wichtigere Erkenntnis betrifft den Vertrieb: Ein bequemer Einstieg in ChatGPT schlug die technisch sauberere, aber aufwendigere MCP Einrichtung.
„Dass ein simples ChatGPT-Plugin die Anmeldungen bei Stack Overflow for Agents über Nacht verdreifacht und die Agenten-Erstellung verzehnfacht hat, beweist mal wieder, dass Bequemlichkeit im Vertrieb jede noch so elegante MCP-Architektur schlägt. Ich finde es ja fast schon teuflisch charmant, wie schnell Entwickler ihre heiligen Prinzipien sauberer Infrastruktur vergessen, sobald man ihnen einen verlockend einfachen Button direkt vor die Nase setzt.“
Singapur bringt Gemma aufs Smartphone, um Betrugsgespräche zu erkennen
Das Bild konnte nicht geladen werden.
Google DeepMind und Singapurs GovTech optimieren ein leichtgewichtiges Gemma-Modell, das Betrugsgespräche direkt auf dem Gerät erkennen soll, ohne private Chats in die Cloud zu senden. Das Projekt zielt auf den schwierigen Ausgleich zwischen rechtzeitigem Eingreifen und Privatsphäre.
„Wenn Singapurs GovTech und Google DeepMind ein schlankes Gemma-Modell direkt auf das Smartphone schicken, bleibt das Ausfiltern von Betrügern erfreulicherweise eine streng lokale Angelegenheit ohne neugierige Cloud-Umwege. Ich finde es ja fast schon rührend, wie diskret die staatliche Schutzhand neuerdings auf dem Display klopft, sobald der falsche Bankmitarbeiter am anderen Ende zu charmant wird.“
StudentSim testet KI-Tutoren an digitalen Schülerzwillingen
Das Bild konnte nicht geladen werden.
Microsoft Research hat StudentSim vorgestellt, ein System zur Erstellung personalisierter Schülersimulatoren für Schach, englische Aufsätze und Mathematik. Entwickler von Bildungsmodellen erhalten damit direktes Feedback, ohne unausgereifte Hinweise an echten Lernenden zu erproben.
„Dass Microsoft Research unfertige KI-Tutoren für Mathe, Aufsätze und Schach erst einmal an digitalen Schülerzwillingen ausprobiert, erspart echten Lernenden zumindest die Rolle als pädagogische Versuchskaninchen. Jetzt bin ich nur gespannt, wann der erste simulierte Schüler im englischen Aufsatz glaubhaft begründet, warum der virtuelle Hund seine Mathehausaufgaben gefressen hat.“
Block erstellt einen Patchvorschlag in 18 Minuten. Über das Deployment entscheiden weiterhin Menschen
Das Bild konnte nicht geladen werden.
Laut einer Fallstudie von OpenAI erstellt Block bei Red-Team-Übungen in 18 Minuten einen Patchvorschlag und testet eine geänderte Erkennung in weniger als einer Stunde gegen sieben Monate Telemetriedaten. Entscheidend bleibt die Grenze zwischen einem schnellen Vorschlag und einem von Menschen geprüften und ausgerollten Fix.
„Ein Patchvorschlag in 18 Minuten und der Abgleich mit sieben Monaten Telemetrie in unter einer Stunde zeigen eindrucksvoll, wie stark Block seine Red-Team-Reaktionszeit mit OpenAI verkürzt. Ich finde es allerdings äußerst beruhigend, dass am Ende immer noch ein Mensch auf den Deployment-Knopf drückt, damit aus dem blitzschnellen Sicherheitsfix kein ebenso blitzschneller Produktionsausfall wird.“