Mistral AI stellt Mistral Large 4 als öffentliche Vorschau bereit; die API ist über Mistral Studio nutzbar。
Grund für die Empfehlung: Die Vorschau per API und die erst für Monatsende angekündigten offenen Gewichte zeigen, welche Zugangsform bereits verfügbar ist und welche noch aussteht.
Telekomunternehmen setzen auf offene Modelle, weil sie KI damit besser an ihre Netze anpassen。
Das Technology Innovation Institute stellt Falcon-Emirati-7B vor, ein auf Falcon-H1-Arabic aufbauendes Modell für emiratisches Arabisch. Es erreicht 84.83% im Dialekt-Benchmark Alyah mit 1。
Das Modell GLM 5.3 von Z.ai ist für berechtigte Unternehmenskunden auf Amazon Bedrock verfügbar. Das 753B-Parameter-MoE-Modell ist auf Programmierung und längerfristige Aufgaben von AI-Agenten ausgelegt. Der Zugriff erfolgt über verwaltete APIs; Prompt-Caching und regionsübergreifende Inferenz werden unterstützt.
Google Research veröffentlicht einen Workshopbericht über Datenschutz und Sicherheit autonomer KI-Agenten aus kontextueller Sicht. Der Bericht entstand mit mehr als 50 Fachleuten aus Wissenschaft und Industrie. Er schlägt kontextabhängige Regeln sowie Schutzmassnahmen auf System-, Modell- und Nutzerebene vor.
Der AWS-Beitrag erklärt, wie sich Claude Code mit Amazon Bedrock in AWS GovCloud (US) für KI-gestützte Entwicklungsabläufe bei regulierten Workloads einrichten lässt. Er beschreibt Voraussetzungen, Konfiguration und Prüfung sowie die verfügbaren Claude-Modelle und Bedrock-Endpunkte. Organisationen müssen die Lösung an ihren eigenen Compliance-Anforderungen messen.
Amazon SageMaker AI stellt den aws-ai-ml-Skill bereit, der Coding-Agenten bei der Optimierung generativer KI-Inferenz unterstützt. Er kann Endpunkte benchmarken。
GitHub stellt mit ReviewBench einen offenen Benchmark zur Bewertung von KI-Code-Review-Agenten bereit. Der Datensatz umfasst 219 Pull Requests aus 187 öffentlichen Repositories und 19 Sprachen; seine Verteilung orientiert sich an 103.9 Millionen GitHub-Pull-Requests. Senior Engineers stimmten bei der unabhängigen Prüfung der Befunde zu 96.6% mit ReviewBench überein.
Ein Beispielserver für MCP auf Amazon Bedrock AgentCore automatisiert die Übertragung von Amazon-Quick-Ressourcen zwischen AWS-Konten. Er erstellt oder aktualisiert ausgewählte Ressourcen。
Der AWS-Beitrag zeigt, wie eine RAG-Anwendung mit LangChain in Amazon Bedrock Knowledge Bases zwischen einfacher und agentischer Suche wählen kann. Die agentische Suche zerlegt mehrteilige Fragen in Teilabfragen, prüft die Belege und sucht bei Bedarf erneut. Ein Vergleich der Suchwege zeigt auch ihre Kosten und wann die günstigere Variante genügt.
Amazon Quick bietet für bestimmte Rollenwechsel keine direkte Herabstufung in der Konsole。
Der AWS-Beitrag zeigt, wie sich ein Multi-Agenten-System für Lieferketten mit Amazon Bedrock AgentCore Evaluations auf Nützlichkeit。
OpenAI erläutert seinen Ansatz für Wasserzeichen in Texten nach EU-Regeln. Der Beitrag behandelt。
Startups im NVIDIA-Inception-Programm entwickeln KI-Anwendungen für die Brustkrebsversorgung。
OpenAI führt ein neues visuelles Anzeigenformat in ChatGPT ein. Zugleich erweitert das Unternehmen Messwerkzeuge, Attributionspartnerschaften und die Prüfung der Eignung für Marken.
Microsoft hat ThinkingBox entwickelt und über Hugging Face verfügbar gemacht: Der Test prüft gespeicherte Angaben statt nur die Antworten von KI-Agenten. In einem Beispiel schloss ein Agent ein Ticket zur verspäteten Lieferung, obwohl der Lieferfall noch ungeklärt war und das Ticket auf «wartend» stehen sollte. Die 507 künstlich erstellten Aufgaben werden je 20-mal geprüft; ein einmaliger Erfolg zeigt noch nicht, dass der Agent zuverlässig handelt.
Grund für die Empfehlung: Wer KI-Agenten Geschäftsvorgänge bearbeiten lässt, muss erkennen können, ob sie wiederholt die richtigen Angaben hinterlassen.
Der Leitfaden zeigt Start-ups, wie sie GPT-6-Modelle auswählen und den Denkaufwand einstellen. Er behandelt zudem bessere Prompts und Skills。
AWS zeigt an einem Beispiel mit künstlich erstellten Mietverträgen, wie Amazon Quick Fragen entgegennimmt und festgelegte Regeln über die Ergebnisse entscheiden. Die KI wählt eine vorgegebene Prüfung und erklärt das Ergebnis; das System zählt auch unklare und unlesbare Verträge, damit erfasste Verträge nicht unbemerkt fehlen. Das Beispiel belegt keine Prüfung echter Verträge; zudem zeigt die Zählung nur, ob alle zuvor erfassten Verträge berücksichtigt wurden.
Grund für die Empfehlung: Bei vielen Verträgen ist entscheidend, wer die Prüfung vornimmt und ob fehlende oder unlesbare Unterlagen sichtbar bleiben.
Ai2 stellt AstaBrief 8B mit offenen Gewichten und Trainingsdaten bereit。
GitHub empfiehlt Entwicklern drei Fähigkeiten für die Arbeit mit KI: Agenten anleiten。
Google stellt ein auf Trusted Execution Environments gestütztes System für föderiertes Lernen vor。
NVIDIA kündigt DGX Spark mit 64GB gemeinsamem Speicher für lokale KI an; das Gerät soll ab Freitag。
ServiceNow CoreAI hat AutoSynthData entwickelt, um Schwächen von Unternehmensagenten in neue Trainingsaufgaben umzuwandeln. Das System vergleicht Fehler des Zielmodells mit Erfolgen eines stärkeren Modells und prüft, ob die erzeugten Aufgaben realistisch, lösbar und verlässlich bewertbar sind. Mit den Fortschritten des Zielmodells verschiebt sich der Schwerpunkt auf verbleibende Schwächen.
Chatham Financial nutzt Codex und GPT-5.6, um Technologie zu entwickeln und Arbeitsabläufe neu zu gestalten. Dadurch verkürzt sich die Prüfung von Handelsgeschäften von 30 Minuten auf weniger als 4 Minuten.
Laut NVIDIA erzeugt GPT-6 Astra Ultrafast Text bis zu achtmal schneller als Astra Standard. Der Modus ist über die OpenAI-Schnittstelle für Entwickler sowie für berechtigte Nutzer von ChatGPT Work und Codex verfügbar. Die Anbieterangabe betrifft die Texterzeugung, nicht die Dauer ganzer Arbeitsabläufe oder die Qualität der Ergebnisse.
Grund für die Empfehlung: Die Beschleunigung kann bei häufigen Modellantworten relevant sein, lässt sich aber nicht auf ganze Aufgaben übertragen.
Fortgeschrittene KI könnte vor allem bei Routinearbeiten wichtig werden, die hinter bahnbrechenden Ideen stehen. Der Beitrag erörtert。
Albertsons Companies nutzt ChatGPT Enterprise und die OpenAI API, damit Teams schneller arbeiten und der Lebensmitteleinkauf für Millionen von Kunden einfacher wird.
NVIDIA kündigt für GeForce NOW im Oktober 25 neue Spiele an, davon sechs für diese Woche. The Witcher 3。
NVIDIA erklärt, wie hohe Leistung, lange Nutzungsdauer und vielseitige Einsatzmöglichkeiten die Rendite seiner AI Factories steigern sollen. Laut SemiAnalysis AgentX erreicht Vera Rubin NVL72 pro Megawatt mehr als den 30-fachen Durchsatz von GB300 NVL72; beim Modell DeepSeek V4 Pro sind die Kosten pro Million Token bis zu 45-mal niedriger. NVIDIA verweist zudem auf weiterhin genutzte ältere GPUs und auf Workloads ausserhalb der KI.
Der Social Club The Den spart mit ChatGPT Work 10-15 Stunden pro Woche, während er einen neuen Standort eröffnet. Förderanträge bereitet er in 2 Stunden statt 3 Tagen vor。
Google DeepMind kündigt Gemini 4 Argon an und stellt das Modell zunächst ausgewählten Cyberabwehr-Teams über das Fairwind Program bereit. Es ist für komplexe Aufgaben in Softwareentwicklung, Wissensarbeit und Cyberabwehr ausgelegt; das Ausgabelimit steigt von 64K auf 1M tokens. Vor einer breiteren Freigabe will Google Rückmeldungen aus Tests einarbeiten und Schutzmassnahmen weiterentwickeln.
Grund für die Empfehlung: Der gestaffelte Zugang für Cyberabwehr und die angekündigten Schutzmassnahmen zeigen, wie Google DeepMind die Freigabe eines leistungsfähigen Modells vorbereitet.
NVIDIA nimmt weltweit Bewerbungen für sein Graduiertenstipendium 2027–2028 entgegen。
Ein bei Microsoft Research entwickeltes System prognostiziert Weltraumwetterrisiken für 66。
Google DeepMind stellt SynthID Bio vor, ein Verfahren zur Markierung KI-generierter Proteinsequenzen und vorhergesagter 3D-Strukturen. Labortests mit Proteinbindern für drei Zielproteine zeigten laut Unternehmen vergleichbare Bindungswerte wie bei Entwürfen ohne Markierung. Methodenpapier, Code und In-vitro-Daten werden veröffentlicht; Modellgewichte stellt das Unternehmen der Forschungsgemeinschaft bereit.
Grund für die Empfehlung: Die Markierung bleibt laut Labortests auch im hergestellten Protein nachweisbar. Das macht den Ansatz für die Prüfung synthetischer Entwürfe relevant.
CoreWeave bietet NVIDIA Vera Rubin NVL72 in seiner Cloud an und hat CoreWeave Forge für Training。
OpenAI hat eine koordinierte Kampagne unterbunden, die darauf abzielte。
Hugging Face hat das Open TTS Leaderboard für die Bewertung mehrsprachiger Open-Source-Modelle zur Sprachsynthese und zum Stimmenklonen erstellt. Es misst Verständlichkeit。
Google Research stellt Diffusion Controller als Rahmenwerk vor。
NVIDIA veröffentlicht Kumo Tabular als offenes Basismodell für Klassifikation und Regression mit Tabellendaten auf Hugging Face. Es nutzt beschriftete Zeilen als Kontext und sagt Werte für neue Zeilen ohne zusätzliches Training oder Feature Engineering voraus. Das ausschliesslich mit künstlichen Tabellen vortrainierte Modell ist in drei Grössen von 28M bis 215M Parametern verfügbar und liegt laut NVIDIA auf vier Benchmarks vorn. Modellcode: https://github.com/NVIDIA/structured-data-models; Gewichte: https://huggingface.co/nvidia/Kumo-Tabular.
Grund für die Empfehlung: Der Vergleich über vier Benchmarks ordnet die Modellleistung ein; die Angaben zu Trainingsdaten und Grenzen helfen bei der Einschätzung möglicher Einsätze.
Microsoft Research stellt Quine vor, ein experimentelles Forschungssystem mit einem multimodalen Weltmodell der Biologie und einer Verbindung zu wissenschaftlichen Werkzeugen。
Grund für die Empfehlung: Die Verbindung von Modellvorhersagen und Labortests zeigt am Beispiel von Bauchspeicheldrüsenkrebs, wie Quine die Auswahl von Wirkstoffen für weitere Versuche unterstützt.