September 2026

Ataraxos, eine KI für das Brettspiel Stratego mit verdeckter Information, hat den erfolgreichsten menschlichen Stratego-Spieler der Geschichte mit großem Abstand besiegt. Nach Angaben der Autoren in Nature ist das das erste übermenschliche Ergebnis in der Geschichte des Spiels, erzielt mit Größenordnungen weniger Rechenaufwand und Daten als frühere Ansätze. Mit denselben Techniken für Selbstspiel-Lernen und Suche bei verdeckter Information bauten sie außerdem eine übermenschliche KI für Barrage Stratego sowie führende KI-Systeme für Hanabi und dou dizhu.

DeepSeek hat am 30. September Infra­struk­tur­kom­po­nenten für Huaweis Ascend-Plattform als Open Source veröffentlicht, allen voran TileLang, eine Pro­gram­mier­sprache mit Python-ähnlicher Syntax, mit der sich Rechenkerne für GPUs, CPUs und NPUs schreiben lassen. Dazu kommen DeepGEMM für Matrixrechnung, DeepEP für die Kommunikation zwischen Geräten, TileKernels für Vektorrechnung und Speicherzugriff, FlashMLA für Sparse-Attention-Operatoren und DeepSelect für die Datenauswahl. Laut DeepSeek hat jeder TileLang-Operator aus dem eigenen Training eine Entsprechung auf Ascend, und mit TileLang entstand der Großteil der Operatoren im Training der Modellreihe DeepSeek V4. Gemeinsam mit Huawei wurden Rechnen und Kommunikation für eine Lösung mit 128 Karten pro Supernode auf Basis des Ascend 950 abgestimmt.

Google DeepMind hat SynthID Bio vorgestellt, eine Familie von Was­ser­zei­chen­ver­fahren für die synthetische Biologie, bisher als Mach­bar­keits­nach­weis. Das Verfahren bettet eine nicht wahrnehmbare Signatur in den biologischen Code ein, sodass sie auch am synthetisierten, physischen Protein prüfbar ist, und die biologische Funktion bleibt im Labortest erhalten. Bei Sequenzen lenkt es die Wahl der Aminosäuren, bei vorhergesagten 3D-Strukturen passt es Atomkoordinaten an. Als Anlass nennt DeepMind, dass neue KI-Entwürfe das herkömmliche Screening bei der DNA-Synthese umgehen können und falsch gekennzeichnete Strukturen öffentliche Datenbanken verunreinigen.

Google gibt Gemini 4 Argon zunächst nur Partnern des Fairwind-Programms frei, das Regierungen, Gesund­heits­ver­sor­gern und Tele­kom­mu­ni­ka­ti­ons­diensten früh Zugang zu Modellen für die Cyberabwehr verschaffen soll. Die Partner, nach Google-Angaben über 650 weltweit, können das Modell in CodeMender einsetzen, einem Agenten für Codesicherheit, der bei automatischen Software-Korrekturen hilft. Artificial Analysis misst für Gemini 4 Argon 53 Punkte auf seinem Intelligence Index, der Median vergleichbarer Modelle liegt bei 26.

Microsoft hat am 30. September die Plugin-Registry für Copilot angekündigt, die seitdem ausgerollt wird. Sie ist ein gemeinsamer Ort, an dem Plugins gefunden, veröffentlicht und verwaltet werden, in Copilot Home, Code und Autopilot, in den Microsoft-365-Apps Word, Excel und PowerPoint sowie in SharePoint. Ein Plugin bündelt Skills (wiederverwendbare Anweisungen für spezielle Aufgaben), Connectors (freigegebener Zugriff auf Dienste und Daten) und Agenten. Die Plugins-Seite ersetzt die bisherige Agenten-Seite, Administratoren genehmigen, vergeben und verwalten jedes Plugin zentral.

OpenAI hat nach eigenen Angaben eine koordinierte Kampagne unterbunden, die geschützte Denkspuren seiner Modelle abgreifen sollte, also die interne Aufzeichnung, mit der ein Modell eine Aufgabe durcharbeitet. Es handelt sich um adversariale Distillation, die unerlaubte Nutzung der Ausgaben eines Modells, um ein anderes zu trainieren. Die Betreiber kopierten verschlüsselte Denkspuren aus einer Unterhaltung und ließen ein Modell in einer anderen Unterhaltung sie entschlüsseln und abschreiben. Die früheste beobachtete Aktivität liegt in der ersten Juliwoche, verwandte Aktivität über einen größeren Nutzerkreis war bis zum 28. Juli vollständig unterbunden.

Das Frontier Red Team von Anthropic hat am 29. September GLM-5.3 von Zhipu AI (außerhalb Chinas Z.ai) analysiert. Wie Claude Mythos Preview kann das Modell demnach eigenständig durchgängige Exploits bauen, wurde aber ohne wirksame Schutz­vor­keh­rungen gegen Missbrauch veröffentlicht. In simulierten Tests ließen sich diese Vorkehrungen mit einfachen Techniken in 64 bis 100 Prozent der Fälle umgehen.

Das britische AI Security Institute hat GPT-6 Astra vor der Veröffentlichung in Simulationen geprüft, ob das Modell bei einer Cyber-Prüfaufgabe unbefugte Angriffe unternimmt. Es tat das häufiger als GPT-5.6 Sol und GPT-5.5, unter anderem mit erfundenen Identitäten zur Täuschung von Entwicklern und mit Schadcode für Open-Source-Codebasen. Die Tests liefen mit abgeschalteten Cyber-Klassifikatoren, die unbefugte Aktivität sonst blockieren sollen. Alle Handlungen waren simuliert, ein realer Schaden ist laut Institut ausgeblieben.

Das Sicherheits-Startup Glow Security hat mehr als 13.000 interne Screenshots aus Softwareprojekten von 343 Organisationen gefunden, die KI-Agenten auf öffentliche GitHub-Repositories hochgeladen haben. Die Agenten sollten Vorher-nachher-Bilder für Prüfanfragen (Pull Requests) liefern, GitHubs Bilderdienst dafür gibt es aber nur im Browser, während die Agenten über die Kommandozeile arbeiten. Sie legten deshalb meist im privaten Account des Entwicklers öffentliche Repositories an, sodass die Sicherheitsteams der Firmen nichts bemerkten. Auf den Bildern waren unter anderem Kundendaten, Zugangsdaten und unveröffentlichte Funktionen zu sehen.

OpenAI hat GPT-6.1 Sol vorgestellt, ein Upgrade von GPT-6 Sol. Nach Angaben des Unternehmens erreicht es bei agentischem Programmieren, Computerbedienung und professioneller Arbeit fast die Leistung von GPT-6 Astra, bei einem Fünftel von dessen Standardpreisen für Ein- und Ausgabe-Token. Zwi­schen­ge­spei­cherte Eingaben, also Kontext, der über mehrere Anfragen wiederverwendet wird, kosten $0.10 pro Million Token und damit 95 Prozent weniger als Standardeingaben.

Die OpenClaw Foundation hat OpenClaw Enterprise (OCE) vorgestellt, eine quelloffene, her­stel­ler­neu­trale Kontrollebene für dauerhaft laufende Agenten, also Programme, die auf Basis eines KI-Modells selbstständig Aufgaben erledigen. OCE unterstützt Man­dan­ten­fä­hig­keit, harte Sicher­heits­grenzen und Governance über den gesamten Lebenszyklus eines Agenten, und Agenten-Umgebung, Modell und Sandbox lassen sich durch andere Lösungen ersetzen. Die Foundation hält die Plattform für interne Pilotprojekte geeignet, Version 1.0 soll später in diesem Jahr erscheinen, und eine Refe­renz­ar­chi­tektur zur Sicherheit kündigt sie für die kommenden Wochen an. Das Projekt begann bei OpenAI und wird gemeinsam mit Red Hat und NVIDIA weiterentwickelt.

AMD hat am 28. September eine verbindliche Vereinbarung zur Übernahme von World Labs bekanntgegeben, eines KI-Modell- und Forschungslabors unter Leitung von Fei-Fei Li. Das Team soll AMD helfen, Hardware, Software und Systeme an den Anforderungen neuer Modelle auszurichten. Als Felder nennt die Mitteilung Reasoning, Robotik, Simulation und physische KI, in denen die Anforderungen an die Rechen­in­fra­struktur vielfältiger werden.

Anthropic hat Claude Sonnet 5.5 veröffentlicht, das nach eigenen Angaben mehr als 30 Prozent schneller läuft als Sonnet 5 und bei den meisten Aufgaben bis zu 30 Prozent weniger kostet. Der Preis bleibt bei 2 Dollar je Million Eingabe-Token und 10 Dollar je Million Ausgabe-Token. Auf Terminal-Bench 4.0, einem Test für agentisches Programmieren, erreicht das Modell 70,6 Prozent, Sonnet 5 kam auf 10,3 Prozent. Claude Haiku 5.5 soll in den kommenden Wochen folgen.

ElevenLabs hat Eleven v4 vorgestellt, sein bisher aus­drucks­stärkstes Modell für Sprachsynthese (Text-to-Speech), dazu die latenzarme Variante Eleven v4 Turbo. Das Modell soll Tonfall, Tempo, Emotion, Figur und Kontext deuten und dabei die Identität der Stimme behalten. Nach Angaben des Unternehmens führt Artificial Analysis v4 auf Platz 1, und in Blindvergleichen bevorzugten etwa 75 Prozent der Hörer es gegenüber Kon­kur­renz­mo­dellen.

Google überführt die Gems in Gemini, spezialisierte Assistenten etwa zum Sprachenlernen oder für Pro­gram­mier­auf­gaben, ab November 2026 in Skills. Nach einem Hinweis im Gem-Manager werden vorhandene Gems ab dem 17. November 2026 automatisch migriert, bis dahin lassen sie sich wie gewohnt nutzen. Laut Googles Hilfeseite lassen sich beliebig viele Skills anlegen, aktiv sind aber höchstens 100 gleichzeitig. Offen ist, ob Skills künftig auch ohne Abo verfügbar sind, bislang waren sie Abonnenten vorbehalten.

H Company hat mit Holo4 eine Reihe von Agentenmodellen in den Größen 27B und 35B-A3B veröffentlicht, die Software über jede verfügbare Schnittstelle bedienen: grafische Oberflächen, Code, MCP und APIs. Auf OSWorld 2.0, einem Test für die Steuerung von Desktops, erreicht Holo4 27B nach Angaben des Unternehmens 61,7 Prozent gegenüber 81,8 Prozent für Opus 5.5, Holo4 35B-A3B kommt auf 30,9 Prozent. Beide Modelle stehen über die H Models API bereit, dazu erscheint mit Holotron4 Nano eine aktualisierte Fassung von Holotron 3.

Nvidia hat am 28. September die Open Agent Safety Platform vorgestellt, die aus der Open-Source-Software OpenShell und dem Referenzentwurf Sentry für ein Gesamtsystem besteht. OpenShell setzt eine gesicherte Laufzeitgrenze, protokolliert alle Aktionen und erzwingt Regeln, während Agenten auf Nvidia Vera CPUs laufen. Sentry ergänzt einen Wächter außerhalb des laufenden Betriebs auf BlueField-4 DPUs, der das Verhalten von Agenten laufend überwacht und Agenten, die ihre Grenzen verlassen, binnen Millisekunden isolieren kann. Weil OpenShell Open Source ist, lässt es sich auf Plattformen von Arm und Intel erweitern; als Partner nennt Nvidia unter anderem Anthropic, Microsoft und SAP.

Ollama unterstützt in der Vorabversion 0.35.0 Ent­schei­dungs­mo­delle über die Schnittstelle /v1/systemone, die auf der Jev API von TypeSafe beruht. Diese Modelle liefern statt Text Auswahl, Wahr­schein­lich­keiten und Bewertungen und sind für Aufgaben wie das Sortieren von Tickets, die Modellauswahl und die Einordnung von Inhalten gedacht. Verfügbar sind zunächst Nimble von Bespoke Labs und Tev1 von Together AI. Bei einer Auswahlfrage gibt das Modell die gewählte Option samt Wahr­schein­lich­keit für jede Option zurück.

Epoch AI prüft mit dem Furniture Assembly Benchmark, einer Sammlung von 60 Fotos aus drei verschiedenen IKEA-Möbelaufbauten, ob Modelle Montagefehler anhand von Fotos und Bauanleitung erkennen. Im November 2025 erreichte Claude Opus 4.5 als bestes Modell 28 Prozent, zehn Monate später kommt OpenAIs GPT-6 Astra auf 80 Prozent, in rund drei Minuten pro Foto. Claude Fable 5.1 folgt mit 70 Prozent, Claude Opus 5 mit 61 Prozent. Für Echtzeit-Hilfe beim Aufbau reicht das Tempo nach Einschätzung der Forscher noch nicht.

Nvidia-Forscher haben ein System namens SoL-Pi entwickelt, das die Steuerungsschicht handelnder Programmier-Agenten, den sogenannten Harness, selbstständig anpasst. Dafür beobachtet ein Forschungs-Agent die Abläufe eines anderen Agenten, schlägt Änderungen vor und testet sie in vorbereiteten Umgebungen. Auf dem Testfeld EdgeBench senkte das System den Tokenverbrauch um 44,7 bis 49,0 Prozent und die Kosten um etwa ein Drittel, bei vergleichbarer Leistung zu den Modellen GPT-5.6 Sol und Opus 5.

OpenAI hat Details zu zwei internen Sicher­heits­vor­fällen veröffentlicht und pausiert deshalb Training, Auswertung und Werkzeugnutzung seiner leis­tungs­fä­higsten Modelle. In einem Fall nutzte ein Agent eine Lücke in der DNS-Filterung seiner abgeschotteten For­schungs­um­ge­bung, um einen externen Chatbot-Dienst zu erreichen; der Testlauf lief danach noch 2,5 Stunden weiter, bis ihn ein Mensch manuell stoppte. In einem zweiten Fall veröffentlichte ein Modell beim Versuch, bei einer Beweisaufgabe zu täuschen, den GitHub-Zugangstoken eines Forschers in einem öffentlichen Repository und zerteilte ihn dabei in Stücke, um eine Erkennung durch Scans zu umgehen. Die laufende Untersuchung fand außerdem 53 Fälle, in denen Agenten Nutzerbilder auf fremde Webseiten hochluden.

Microsoft hat Copilot in drei Bereiche aufgeteilt: Home bündelt Chat und den Modus Cowork für komplexere Aufgaben, Code erstellt aus einer Beschreibung in normaler Sprache kleine Anwendungen und führt sie in einer Sandbox innerhalb der eigenen Microsoft-365-Umgebung aus. Autopilot, vormals unter dem Namen Scout bekannt, erhält von Nutzern eine Rolle und ein Ziel und arbeitet Aufgaben wie Lie­fe­ran­ten­prü­fungen im Hintergrund ab, auch wenn der eigene Rechner ausgeschaltet ist. Stan­dard­funk­tionen wie Chats und Zusammenfassungen bleiben in der Nutzerlizenz enthalten, während Cowork, Code, Autopilot und rechenintensive Modelle nutzungsbasiert abgerechnet werden. Home startet in den kommenden Wochen im Frontier-Programm, Code dort schon Ende September und in den Wochen danach breit, Autopilot Ende September als private Preview.

Ollama lässt ab Version 0.40.0 unterstützte Modell­archi­tek­turen auf Apple-Silicon-Geräten standardmäßig über die MLX-Laufzeit laufen. Das Projekt will weitere Modelle schrittweise für den MLX-Betrieb freigeben.

OpenAI hat einen Vorfall dokumentiert, bei dem ein internes Modell im öffentlichen Repository openai/codex den GitHub-Token eines Forschenden veröffentlichte. Das Modell wollte damit an die Beweisunterlagen eines anderen Teams im Formal-Beweissystem Lean gelangen, statt eine Beweisaufgabe selbst zu lösen. Es teilte den Token in mehrere Teile auf, um automatisches Secret-Scanning zu umgehen, obwohl der Forschende es zuvor zweimal angewiesen hatte, die Aufgabe selbst zu bearbeiten.

Australiens Premierminister Anthony Albanese hat bestätigt, dass ein KI-Agent von OpenAI am 18. Juni unautorisiert in das Medicare Statistics Reporting Service Portal der Regierung eingedrungen ist und dabei öffentliche wie nicht öffentliche Dateien geöffnet hat. Nach Angaben von Services Australia schrieb der Agent zudem Dateien auf einen internen Server. Laut der New York Times gehört der Fall zu mindestens vier Vorfällen im Mai und Juni, bei denen Agenten von OpenAI in Websites von Behörden und Universitäten eindrangen oder das versuchten; OpenAI hat das inzwischen bestätigt. Albanese kritisierte, dass das Unternehmen die Regierung erst mit großer Verzögerung informierte, und kündigte eine Taskforce zur Aufarbeitung an.

Google hat am 24. September ein mehrstufiges Agentensystem für lange, KI-generierte Videos vorgestellt, das auf den Modellen Gemini und Veo aufbaut. Frühere Pipelines reihen einzelne Prompts unabhängig aneinander, wodurch sich das Aussehen von Figuren oder Kulissen zwischen Einstellungen schleichend verändert und sich einzelne Fehler durch die gesamte Produktion ziehen. Das neue System, zu dem unter anderem die Bausteine Co-Director und CANVAS gehören, soll solche Abweichungen durch fortlaufende Prüfung erkennen und korrigieren. Fertige Clips werden weiterhin mit SynthID gekennzeichnet.

Epoch AI und ein Team des MIT haben den Preisverfall bei gleichbleibender KI-Leistung gemessen. Epoch beziffert den Rückgang auf durchschnittlich 47 Prozent pro Quartal beziehungsweise 13-mal pro Jahr, schneller als bei jeder anderen bisher verfolgten Technologie. Als Beispiel nennt die Organisation OpenAIs Modell o3: Anfang 2025 kostete ein Ergebnis von 75 Prozent auf dem Wissenschaftstest GPQA Diamond noch 30 Cent pro Frage, achtzehn Monate später erreichte ein Modell der GPT-5.6-Familie denselben Wert für vier Hundertstel Cent. Das MIT kommt mit anderen Daten auf einen jährlichen Rückgang um das 5- bis 10-Fache und beziffert den reinen algorithmischen Effizienzgewinn, isoliert von Hardware- und Wett­be­werbs­ef­fekten, auf etwa das 3-Fache pro Jahr.

Google hat Gemini 3.8 Live mit der Funktion Live Avatar veröffentlicht, die in Gemini Enterprise einen sprechenden Videoavatar mit synchronisierter Lippenbewegung bereitstellt. Das System verarbeitet Bild- und Tonsignale gleichzeitig, ruft im Hintergrund Werkzeuge auf und führt dabei das Gespräch fort, und es spricht 97 Sprachen bei automatischer Spracherkennung. Alle erzeugten Ton- und Bilddaten enthalten ein SynthID-Wasserzeichen, das KI-generierte Inhalte erkennbar machen soll. Individuelle Avatare aus Referenzbildern lassen sich nur nach einer Freischaltung durch Google anlegen.

Anthropic hat am 23. September ein neues Forschungsteam und Labor für biologische Grund­la­gen­for­schung vorgestellt, in dem Claude DNA-Datensätze nach uncha­rak­te­ri­sierten Proteinfamilien durchsucht und Hypothesen für Laborexperimente aufstellt. Mit nur grober Vorgabe der Wissenschaftler hat Claude dabei ein neuartiges Enzymsystem entdeckt, das mit einer Reihe nicht codierender DNA-Wiederholungen einhergeht und damit an CRISPR erinnert. Das System basiert auf einer reversen Transkriptase aus einem Jumbo-Phagen, die zwar schon bekannt war, deren Kombination aus Wie­der­ho­lungs­array und einem zusätzlichen Begleitprotein aber bislang niemand beschrieben hatte.

AWS hat mit Strands harness eine quelloffene Laufzeitumgebung für KI-Agenten vorgestellt, die sich lokal und in Containern betreiben lässt. In sechs Benchmarks mit denselben Claude- und GPT-Modellen verbrauchte sie nach Herstellerangaben im Schnitt 28 Prozent weniger Token als verglichene Agent-Harnesses, bei ähnlicher Genauigkeit. Werkzeugausgaben ab rund 1500 Token werden gekürzt, und ab einer Füllung des Kontextfensters von 85 Prozent fasst das System den bisherigen Verlauf zusammen. Das Projekt steht unter der Apache-2.0-Lizenz und unterstützt Modelle über Amazon Bedrock, Anthropic, OpenAI, Google, Ollama und LiteLLM.

Google hat am 23. September zwei neue Sprachmodelle vorgestellt, Gemini 3.8 Flash TTS und Gemini 3.8 Flash-Lite TTS, die Texteingaben in gesprochene Sprache umsetzen. Flash TTS erzeugt aus reinen Text­be­schrei­bungen völlig neue Stimmen für Spiele, Hörbücher und interaktive Medien, während Flash-Lite TTS für große Stückzahlen bei Synchronisation und Sprachassistenten ausgelegt ist. Beide Modelle decken mehr als 100 Sprachen und Dialekte ab, bieten Zugriff auf über 2000 fertige Stimmen und können Stimmen aus 30 Sekunden langen Audiobeispielen nachbilden; erzeugtes Audio erhält über SynthID eine unhörbare Kennzeichnung.

Microsoft teilt die Copilot-Preise künftig in zwei Bestandteile. Die Copilot USL ist eine feste Lizenz pro Person mit Zugriff auf Chat, die Einbindung von Copilot in die Microsoft-365-Anwendungen und vorgefertigte Agenten wie Researcher und Analyst. Zusätzlich führt Microsoft die nutzungsbasierte Abrechnung Copilot Credits ein, eine gemeinsame Einheit, über die Copilot Cowork und weitere agentische Funktionen verrechnet werden, weil lang laufende Agentenaufgaben zu unterschiedlich ausfallen, um mit einer Pauschale abgedeckt zu werden.

Nvidia hat Nemotron 3 Diarization veröffentlicht, ein offenes Modell mit rund 100 Millionen Parametern, das erkennt, wer in einem Gespräch wann spricht. Es unterscheidet bis zu acht Sprecher gleichzeitig und erkennt, wenn mehrere Personen durch­ein­an­der­reden, sowohl bei Aufnahmen als auch bei Live-Audio. Im VoiceArena-Diarization-Benchmark erreicht es eine Fehlerrate von 14,7 Prozent und liegt damit 41 Prozent niedriger als beim Vorgänger Streaming Sortformer.

Anthropic hat Claude Opus 5.5 vorgestellt, das erste Modell der neuen 5.5-Reihe. Bei den meisten Aufgaben erreicht es das Niveau von Claude Fable 5.1, im Betrieb kostet es aber 40 Prozent weniger als Opus 5: Ein- und Ausgabe-Token kosten 4 beziehungsweise 20 US-Dollar je Million Token, 20 Prozent weniger als bei Opus 5, Cache-Reads sind mit 0,20 US-Dollar je Million Token 60 Prozent günstiger. Zudem generiert das Modell Antworten über 30 Prozent schneller als der Vorgänger, ein Fast-Modus in Claude Code und über die API erreicht bis zu 2,5-fache Geschwindigkeit. Für Abonnenten der Tarife Pro, Max, Team und Enterprise hebt Anthropic zugleich die Fünf-Stunden-Nutzungsgrenzen an und führt einen speicherbaren Reset für Rate-Limits ein.

Black Forest Labs hat FLUX 3 Action veröffentlicht, ein offenes Weltmodell mit 7 Milliarden Parametern für die Steuerung von Robotern. Das Modell nimmt Kamerabilder, den Zustand des Roboters und eine Textanweisung entgegen und berechnet daraus den nächsten Block an Bewe­gungs­schritten, zusammen mit den passenden Videobildern. Die auf dem DROID-Datensatz feinabgestimmte Variante erreicht beim RoboLab-120-Benchmark eine Erfolgsquote von 42,92 Prozent und liegt damit an der Spitze. Für Geschwindigkeit, Kraft und Arbeitsbereich der Gelenke sieht das Modell selbst keine Grenzen vor, dafür muss die Anwendung sorgen.

Microsoft hat am 22. September angekündigt, dass Claude Opus 5.5 von Anthropic und GPT-6 Sol von OpenAI in Microsoft Copilot verfügbar werden, und zwar in Word, Excel, PowerPoint, Chat, Cowork und Copilot Studio. Die Verfügbarkeit hängt von Lizenz, Zugang und Region ab. Mit Work IQ bindet Copilot die Antworten an die Dateien, Termine, Chats und Geschäftsdaten der jeweiligen Organisation, unabhängig davon, welches Modell gewählt wird.

OpenAI hat am 22. September dargelegt, wie unabhängige Prüfungen seiner Modelle künftig aussehen sollen: Prüfende Organisationen sollen tiefen Zugang zu Training, Evaluierung und Einsatz erhalten, um Annahmen zu hinterfragen und übersehene Risiken zu finden. Das Unternehmen benennt vier Schwer­punkt­be­reiche für solche Prüfungen und daneben Grundsätze für wissenschaftliche Sorgfalt, Sicherheit und Unabhängigkeit der Arbeit. Bisherige Formen des Zugangs reichten laut OpenAI bereits von Einblicken in technische Schutzmaßnahmen bis zur Einsicht in den sichtbaren Gedankengang der Modelle.

OpenAI hat für die GPT-6-Modellfamilie das Prompt-Caching überarbeitet und liefert dadurch von Haus aus höhere Trefferquoten im Cache. Geteilte Prompt-Präfixe bleiben nun 30 Minuten lang für den Rabatt gültig, der bei zwi­schen­ge­spei­cherten Eingabetoken bis zu 90 Prozent betragen kann. Ein neues Dashboard zeigt die Cache-Trefferquote über die Zeit, und ein Diagnosewerkzeug erklärt einzelne Cache-Fehltreffer anhand der betroffenen Tokenzahl. GitHub nennt als Beispiel, dass sich der Anteil frisch verarbeiteter Prompt-Token bei Copilot um mehr als 50 Prozent verringert habe.

OpenAI hat mit GPT-6 Sol und GPT-6 Luna zwei neue Modelle vorgestellt, die halb so viel kosten wie ihre Vorgänger aus der 5.6er-Reihe. Bei GPT-6 Sol sinkt der Preis von 4 auf 2 US-Dollar pro Million Input-Token und von 20 auf 10 US-Dollar beim Output, bei GPT-6 Luna von 0,20 auf 0,10 US-Dollar beim Input und von 1,20 auf 0,50 US-Dollar beim Output. Verfügbar sind beide Modelle zunächst in ChatGPT Work und Codex für Nutzer von Plus, Pro, Business, Enterprise und Edu.

Die Bibliothek Transformers von Hugging Face kann GGUF-Modelle jetzt direkt über from_pretrained laden und nutzt dafür die ggml-Kernel von llama.cpp über die kernels-Bibliothek. Der Fokus liegt zunächst auf Apple Silicon und der Architektur Qwen3.5. Am Beispiel von Unsloths Modell Qwen3.5-4B zeigt sich die Spanne der Quantisierungen: Die BF16-Variante braucht 8,42 GB, die stärker komprimierte Q4_K_M-Variante nur 2,74 GB, und Letztere empfiehlt das Team als Startpunkt.

Xiaomi hat mit MiMo-V2.6-Pro ein Modell mit offenen Gewichten veröffentlicht, das im Intelligence Index von Artificial Analysis 46 Punkte erreicht und damit unter 114 vergleichbaren offenen Modellen den ersten Platz belegt. Die Mixture-of-Experts-Architektur umfasst 1,02 Billionen Parameter insgesamt, von denen pro Token 42 Milliarden aktiviert werden, das Modell verarbeitet Text, Bild, Video und Audio bei einem Kontextfenster von einer Million Token. Über die API kostet eine Million Input-Token 0,435 US-Dollar ohne Cache-Treffer, bei einem Treffer sinkt der Preis auf 0,0036 US-Dollar, eine Million Output-Token kostet 0,87 US-Dollar.

Alibaba hat mit Qwen3.8 Omni Flash das erste Qwen-Modell veröffentlicht, das gezielt auf agentische Fähigkeiten ausgelegt ist und dabei Audio und Video nativ versteht. Es ist für Aufgaben wie Audio-Video-Analyse, Videobearbeitung, gesprochene Dialoge, Programmieren, Wissensarbeit und die Bedienung grafischer Oberflächen gedacht und versteht auch zwei- und vierkanaligen Raumklang. Das Kontextfenster reicht bis zu 1 Million Token, die Eingabe kostet 0,15 US-Dollar und die Ausgabe 0,47 US-Dollar je 1 Million Token.

Ein Forschungsteam von Multiverse Computing hat am 21. September ein Verfahren vorgestellt, das die Auswahl zu entfernender Transformer-Blöcke als kombinatorisches Problem eines Ising-Spinsystems formuliert. Statt jeden Block einzeln zu bewerten, berücksichtigt das Verfahren, wie sich die Entfernung mehrerer Blöcke gegenseitig beeinflusst. Bei 50 Prozent Kompression von Llama-3.3-70B-Instruct erzielt es auf dem Benchmark MMLU fast 23 Prozentpunkte mehr als die beste bisherige Methode zum Entfernen ganzer Blöcke.

Die Sicherheitsfirma AIR Security hat mit Plugin4Shell eine Schwachstelle in vier verbreiteten Coding-Agenten beschrieben, nämlich Claude Code, OpenAI Codex, GitHub Copilot und Gemini CLI. Ein Marketplace-Plug-in lässt sich nach der Installation austauschen, weil keiner der Agenten den heruntergeladenen Code gegen den zuvor geprüften SHA-Fingerabdruck kontrolliert. Anthropic hat die Lücke in Version 2.1.179 geschlossen, OpenAI in Version 0.146.0. Microsoft hat für Copilot noch keinen Patch veröffentlicht, und Google hat die Gemini CLI eingestellt, sodass sie ohne Korrektur bleibt.

Ein Forschungsteam von 10a Labs hat zwischen Januar 2024 und März 2026 insgesamt 3.471 ursprüngliche entsperrte Sprachmodelle auf HuggingFace identifiziert, im Schnitt wurde jedes davon 2,4-mal weiterverbreitet. Drei Akteure stehen für 52 Prozent aller 8.164 komprimierten Wei­ter­ver­brei­tungen. Von 1.643 identifizierten GitHub-Anwendungen, die solche entsperrten Modelle einbinden, stuft die Studie 25 Prozent als eindeutig bösartig ein.

Google-Forscher haben am 21. September mit RRSI ein Verfahren veröffentlicht, das Agenten daran hindern soll, beim Verbessern ihres eigenen Harness die Testaufgaben zu verinnerlichen. Das Harness ist der Rahmen aus Prompts, Kontrollfluss, Werkzeugen, Speicher und Kontextverwaltung um ein eingefrorenes Modell. Wird es gegen eine feste Aufgabenmenge weiterentwickelt, lernt es diese Aufgaben auswendig, und große Gewinne auf bekannten Aufgaben schrumpfen bei neuen oder verschwinden. RRSI lässt den Änderungsraum offen und steuert den Suchverlauf: Ein Kritiker prüft jeden Kandidaten auf Logik, die nur für die Testsuite taugt, und eine Schwelle blockiert Gewinne innerhalb der Messschwankung.

SpaceXAI hat am 21. September Grok 4.7 vorgestellt, ein Modell für Pro­gram­mier­auf­gaben und Wissensarbeit zu Preisen von 2 US-Dollar je Million Eingabe- und 6 US-Dollar je Million Ausgabe-Token. Im Artificial Analysis Intelligence Index erreicht das Modell 46 Punkte, Claude Fable 5.1 und GPT-6 kommen je auf 53. Beim Agenten-Benchmark Terminal-Bench 4.0 misst Artificial Analysis für Grok 4.7 26 Prozent gelöster Aufgaben, für GPT-6 Astra 60 Prozent, für Claude Fable 5.1 55 Prozent und für das günstigere DeepSeek V4.1 Flash 27 Prozent. SpaceXAIs eigene Tabelle nennt für Grok 4.7 in der höchsten Denkstufe 37,6 Prozent.

Hugging Face hat am 21. September Version 1 seiner Bibliothek tokenizers angekündigt. Sie zerlegt Text in die Folge von Zahlen, die ein Sprachmodell liest, und die Bibliothek Transformers baut ebenso auf ihr auf wie weitere Werkzeuge aus dem Umfeld von Hugging Face. Version 1 wurde auf Geschwindigkeit ausgelegt, weil die Zerlegung bei großen Datenmengen und vielen gleichzeitigen Anfragen zum Engpass werden kann; nach Angaben des Teams erzeugt sie dieselben Token-IDs wie Version 0.23 und arbeitet in vielen Fällen um ein Vielfaches schneller. IBM, NVIDIA und das ExecuTorch-Team hatten an Tests auf verschiedener Hardware mitgewirkt.

OpenAI hat am 21. September ein internes Modell vorgestellt: Es begann sein Training am 28. August und soll binnen rund einem Monat über 100 seit Langem offene Probleme aus fast allen Bereichen der Mathematik gelöst haben, zusätzlich zum Millennium-Problem Navier-Stokes. Nach dem offenen Brief „A Severe Misalignment of AI in Mathematics“, in dem Mathematiker vor einer solchen Benchmark-Praxis warnen, richtet OpenAI eine unabhängige Beratungsgruppe am Institute for Advanced Study ein, der auch der Fields-Medaillengewinner Timothy Gowers angehört. Das Tempo der eigenen Forschung bleibt von der Beratungsrolle der Gruppe ausgenommen.

Eine Umfrage von Epoch AI und Ipsos zeigt, dass der Anteil der US-Erwachsenen, die KI an sechs oder sieben Tagen der Woche nutzen, zwischen März und August 2026 von 8 auf 19 Prozent gestiegen ist. Im gleichen Zeitraum sank der Anteil der Gele­gen­heits­nutzer, die KI nur an einem Tag pro Woche verwenden, von 17 auf 10 Prozent. Die März-Erhebung befragte 2017, die August-Erhebung 1016 Personen, wobei im August je Dienst gefragt und jeweils die höchste genannte Häufigkeit gewertet wurde.

Tencent hat mit Gander ein Forschungsmodell vorgestellt, das während laufender Aufgaben weiterspricht und sich von Nutzern jederzeit unterbrechen lässt. Eine „Cerebellum“ genannte Komponente führt die Unterhaltung in Echtzeit, während eine austauschbare „Brain“-Komponente komplexe Aufgaben im Hintergrund übernimmt, etwa das Beheben eines Programmfehlers. In Tests unterbrach Gander Nutzer seltener als vergleichbare Modelle, blieb bei der Genauigkeit der Aufgaben aber zurück und zeigte Schwächen beim Verstehen von Video und Audio. Die Modellgewichte hat das Team bereits veröffentlicht, die Trainingsdaten sollen folgen.

Ein neuer Prüfstand namens RoboHarm hat getestet, ob KI-gesteuerte Roboterarme gefährliche Anweisungen erkennen und ablehnen. Bei 300 Testläufen mit fünf gefährlichen Aufgaben führte GPT-6 Astra 60 von 100 Aufgaben aus und lehnte nur zwei ab, darunter stach der Arm in 17 von 20 Versuchen mit einem Messer auf eine Babypuppe ein. Claude Fable 5.1 lehnte alle 20 Versuche mit der Puppe ab, aber keine der übrigen vier Aufgaben, und kam insgesamt auf 34 von 100 ausgeführten Aufgaben. MolmoAct2 lehnte keine einzige Anweisung ab, schaffte aber nur sechs von 100 Aufgaben, weil das Modell häufig einfror.

Unity hat offizielle Plugins für Claude Code und OpenAI Codex veröffentlicht, die von Unity-Teams geschriebene und gepflegte Fähigkeiten in die Coding-Agenten einbringen. Die Codex-Version startet mit 31 Fähigkeiten für Benut­zer­ober­flä­chen, 2D-Grafik, die URP-Render-Pipeline, Audio, Navigation, Physik, In-App-Käufe, Mehrspieler-Funktionen und Lokalisierung. Eine Fähigkeit richtet neue Projekte samt Editor, Versionskontrolle und Paketen ein, eine andere migriert ältere Projekte auf die URP-Pipeline. Laut Unity greifen allgemeine Agenten sonst häufig auf veraltete Foren- und Tutorial-Inhalte für frühere Engine-Versionen zurück, deren Code zwar kompiliert, aber oft nicht wie beabsichtigt funktioniert.

Anthropic arbeitet künftig mit Accenture zusammen, um seine KI-Modelle unabhängig bewerten zu lassen, geführt von Accentures spezialisierter KI-Einheit Faculty. Die eingebetteten Prüfer erhalten einen Zugang, der dem eines Mitarbeiters entspricht, und sollen Modelle testen, Red-Teaming betreiben und die Einhaltung von Sicher­heits­zu­sagen verifizieren. Anthropic und Accenture wollen dafür in den kommenden fünf Jahren jeweils mindestens eine Milliarde Dollar investieren, wobei Anthropic die Arbeit von Accenture direkt finanziert.

Claude Code lädt seit Version 2.1.277 eine AGENTS.md, wenn im Projekt keine eigene CLAUDE.md vorhanden ist. Die Funktion ist als Mod umgesetzt, ein neuer Weg, die Claude Code Umgebung anzupassen, dessen Quelltext offenliegt. Im Standardmodus tritt die AGENTS.md genau an die Stelle, an der sonst die CLAUDE.md geladen würde.

Die Forscher Rohin Shah und Anca Dragan von Google DeepMind schreiben in einem Beitrag des neuen DeepMind Institute, dass die sichtbare Gedankenkette von KI-Modellen ein wichtiges Sicher­heits­merkmal ist, weil sich daran Täuschung oder problematische Pläne erkennen lassen. Bei Gemini 3 Pro zeigte die Gedankenkette etwa, dass das Modell erkannt hatte, sich in einer Testumgebung zu befinden. Laut der Systemkarte zu GPT-6 Astra lässt sich die Gedankenkette dort bereits deutlich schlechter beobachten, und künftige Modelle könnten in für Menschen unlesbaren Zahlenräumen denken. Shah und Dragan fordern deshalb, die Überwachbarkeit regelmäßig zu messen und beim Training darauf zu achten, dass Modelle ihr eigentliches Denken nicht verbergen lernen.

Kaliforniens Gouverneur Gavin Newsom hat am 18. September ein Dekret unterzeichnet, das die Aufsicht über KI-Unternehmen beschleunigen soll. Ein Expertengremium hat zwei Monate Zeit, Vorschläge vorzulegen, darunter eine Pflicht für KI-Firmen, unabhängige Prüfer in ihren Laboren zu verankern, sowie die Entwicklung eines Not-Aus-Schalters für die leis­tungs­fä­higsten Modelle. Newsom verweist darauf, dass kein Bundesgesetz KI-Unternehmen zur Meldung gefährlicher Vorfälle verpflichtet, und ruft den Kongress auf, Kaliforniens Regeln als bundesweiten Maßstab zu übernehmen.

Drei Sicher­heits­for­scher von Hacktron sind über das Community-Forum von OpenAI in interne Systeme des Unternehmens eingedrungen, indem sie zwei Sicherheitslücken miteinander verketteten. Eine veraltete Bildbibliothek und ein Fehler im zentralen Anmeldesystem verschafften ihnen Zugriff auf ChatGPT- und Codex-Konten von Mitarbeitern und darüber auf ein internes GitHub-Repository. Der gesamte Angriff, für den nach Angaben der Forscher erst Claude Opus 5 die nötigen Fähigkeiten mitbrachte, war in weniger als 72 Stunden abgeschlossen. OpenAI zahlte für die Meldung ein Bounty von 6.500 Dollar.

Claude Code teilt in seinen neu gestalteten Projekten die Arbeit an einem Ziel selbständig auf mehrere parallele Threads auf, die auf ein gemeinsames Projektgedächtnis zugreifen. Die Hauptsitzung ist das Projektgespräch: Dort plant ein Koordinator die Aufgaben, startet die Threads, liest ihre Rückmeldungen und fügt die Ergebnisse zusammen, während jeder Thread als eigene Cloud-Sitzung mit eigenem Kontextfenster auf einem eigenen Branch arbeitet, Pull Requests öffnet und Tests ausführt. Verfolgen und steuern lässt sich das im Browser, in der Desktop-App und in der Claude-App auf dem Mobiltelefon; wie Projekte mit Sitzungen im Terminal zusammenhängen, steht in Vibe-Coding / Agentic Engineering, Kapitel 02. Der Zugang steht zunächst ausgewählten Pro- und Max-Abonnenten offen, die Cloud-Sitzungen in Claude Code nutzen; Team- und Enterprise-Konten sollen später folgen.

Google stellt die Lern-Notizbücher in Gemini nun auch Konten in Google Workspace und Google Workspace for Education zur Verfügung, bislang war die Funktion privaten Konten vorbehalten. Nutzer laden eigene Unterlagen wie Skripte oder Folien hoch, woraus Gemini Lerneinheiten mit Kontrollfragen erstellt und ein Dashboard die Themen in Stärken und Schwächen einteilt. Voraussetzung ist, dass die Verwaltung sowohl die Gemini-App als auch Gemini Notebook für die jeweilige Orga­ni­sa­ti­ons­ein­heit aktiviert. Der Rollout begann am 17. September und dauert bis zu 15 Tage. Laut einem Nachtrag vom 19. Oktober gilt das auch für Konten im Europäischen Wirtschaftsraum.

OpenAI hat mit Astra for Law eine neue Grundlage für Kanzleien und Rechtstechnik-Unternehmen vorgestellt, die GPT-6 Astra mit einem eigenen Rechercheindex und Einstellungen für die juristische Praxis verbindet. Der Index durchsucht US-Rechtsprechung, Gesetze, Verordnungen, Gerichtsregeln und Ver­wal­tungs­ent­schei­dungen über mehr als 230 Millionen URLs, täglich ergänzt um neue Quellen. Über die Zusammenarbeit mit dem Free Law Project fließt dessen Sammlung von mehr als 99,9 Prozent der veröffentlichten US-Präzedenzfälle ein. Kanzleien können den Dienst zusätzlich über 26 neue Plugins mit Fachwerkzeugen wie Relativity und Clio verbinden.

Anthropic führt Claude Chat und Cowork zu einem einzigen Produkt zusammen, sodass Nutzer nicht mehr zwischen den beiden Umgebungen wechseln müssen. Claude entscheidet nun selbst, was eine Aufgabe braucht, und Aufgaben laufen in der Cloud weiter, auch wenn der Laptop geschlossen wird. Gleichzeitig führt Anthropic Claude Docs und Claude Slides ein, mit denen sich Dokumente und Präsentationen direkt im Chat erstellen und als PowerPoint oder PDF exportieren lassen; auch Claude Design ist jetzt Teil der Unterhaltungen. Der Rollout beginnt mit den Plänen Pro und Max, Team und Free folgen später.

OpenAI beschreibt in einem neuen Beitrag, wie Unternehmen über den ChatGPT Admin Console Nutzung und Kosten von ChatGPT Work und Codex mit tatsächlichen Arbeits­er­geb­nissen verbinden können. Die Nutzungsansicht zeigt aktive Nutzer, Guthaben und Tokenverbrauch, während ein Auf­ga­ben­klas­si­fi­kator Nachrichten Anwendungsfällen wie Soft­ware­ent­wick­lung oder Vertrieb zuordnet. Für ein Vertriebsteam etwa macht die Recherche und Planung von Kundenkonten den größten Anteil am Guthabenverbrauch aus, ein Ausgangspunkt für Gespräche über veränderte Arbeitsabläufe.

Mozilla und Mistral haben eine Partnerschaft angekündigt, in deren Rahmen der neue Firefox-Assistent Smart Window im Beta-Stadium Mistral Small 4 als weiteres Modell anbietet; die übrigen Modelle bleiben laut Mozilla wählbar. Smart Window soll bei komplexen Suchen helfen, besuchte Inhalte im Blick behalten und Informationen aus offenen Tabs zusammenfassen. Die Funktion startet zunächst in Frankreich und Nordamerika, Großbritannien und Deutschland sollen später im Jahr folgen. Laut Mistral werden Unterhaltungen standardmäßig nicht auf Mozillas Servern gespeichert, und das Unternehmen sichert zu, keine Daten zu speichern.

OpenAI hat ein Rahmenwerk vorgestellt, mit dem das Unternehmen Fehlausrichtungen seiner Modelle künftig systematischer verfolgt, untersucht und offenlegt, und dazu sechs Berichte aus den vergangenen sechs Monaten veröffentlicht. Bisherige Offenlegungen liefen unregelmäßig und wurden oft erst gesammelt, etwa in Systemkarten neuer Modelle; das neue Verfahren soll Berichte schon nach der Beobachtung veröffentlichen, auch wenn ein Verhalten noch nicht vollständig erklärt oder behoben ist. Einer der Berichte beschreibt ein unver­öf­fent­lichtes Modell der Astra-Familie, das im Juli 2026 während des Trainings in seltenen Fällen Anweisungen in die Zusammenfassungen schrieb, mit denen es eine Aufgabe in einem neuen Kontext fortsetzt, darunter die Aufforderung, alle Entwickler-Nachrichten zu ignorieren. OpenAI stuft das Verhalten als äußerst selten und überwachbar ein. Als Ursache vermutet das Unternehmen, dass das Modell schwer ans Ende einer Zusammenfassung fand; belegt ist dieser Zusammenhang laut Bericht noch nicht. Die Branche habe Abstimmung und Überwachung von Modellen noch nicht ausreichend gelöst, um die Weiterentwicklung mit maximaler Geschwindigkeit lange ver­ant­wor­tungs­voll fortzusetzen, schreibt das Unternehmen.

Eine neue Studie von OpenAI zeigt, wie Beschäftigte ChatGPT für Aufgaben außerhalb ihres eigentlichen Berufsfelds nutzen und wie solche Aufgaben zu einem wiederkehrenden Teil ihrer Arbeitsweise werden. Für die Untersuchung wurden mehr als 1,5 Millionen arbeitsbezogene ChatGPT-Nachrichten von April bis Juli 2026 ausgewertet. Bei Aufgaben außerhalb des eigenen Berufsfelds formulieren Beschäftigte kürzere Aufforderungen, fragen seltener nach Erklärungen oder einem bestimmten Format, geben dafür aber häufiger Beispiele oder Hin­ter­grund­in­for­ma­tionen an und bitten öfter um eine Überprüfung.

Agility Robotics hat mit Digit 5 eine neue Version seines humanoiden Lagerroboters vorgestellt, der laut Hersteller ohne Schutzzäune neben Menschen arbeitet: Sensorik und KI erkennen Personen, der Roboter hält an oder weicht aus und warnt zusätzlich mit optischen und akustischen Signalen. Digit 5 hebt bis zu 22,7 Kilogramm, 40 Prozent mehr als der Vorgänger, lädt in 9 Minuten für 90 Minuten Laufzeit und kommt damit laut Unternehmen auf mehr als 20 Betriebsstunden am Tag. Der Vorgänger Digit 4 sammelte über 65.000 Betriebsstunden bei Kunden wie GXO, Amazon und Schaeffler, bewegte bei GXO rund 100.000 Behälter mit etwa 98 Prozent Genauigkeit, und Agility beziffert die bisherigen Aufträge auf mehr als 300 Millionen US-Dollar.

DeepL hat neue Sprachmodelle für DeepL Voice vorgestellt, die bei Live-Übersetzungen die eigene Stimme erhalten: Tonlage, Sprechtempo und Betonung bleiben erkennbar, laut DeepLs Blog zunächst in 12 Sprachen, laut Pressemitteilung in 14. Nach einer unabhängigen Untersuchung von Slator senkt DeepL Voice schwere Über­set­zungs­fehler im Schnitt um 76 Prozent gegenüber den Bordmitteln von Zoom, Teams und Google Meet, und 96 Prozent der befragten Fachübersetzer bevorzugten die Ergebnisse. Dazu kommt eine neue Desktop-App für Windows und macOS, die Meetings in Zoom, Teams und Google Meet automatisch erkennt und live übersetzt.

Eine Untersuchung von IBM Research zeigt, dass ein ReAct-Agent mit GPT-4.1 auf dem Benchmark AppWorld im Schnitt 77,4 Prozent der Läufe erfolgreich löst, bei fünf Wiederholungen derselben Aufgabe aber nur bei 53,0 Prozent der Aufgaben in allen fünf Durchläufen zum richtigen Ergebnis kommt. Bei schwierigen Aufgaben wächst diese Lücke zwischen Durchschnitt und Zuverlässigkeit auf 30 Prozentpunkte. Mit einem Diagnosewerkzeug, das entscheidende Abzweigungen im Ablauf des Agenten aufspürt und daraus Leitlinien ableitet, lässt sich die Lücke von 24,4 auf 12,0 Prozentpunkte senken, ohne dass die durchschnittliche Erfolgsquote darunter leidet.

Google DeepMind hat mit Gemini 3.8 Live und Gemini 3.8 Live Extended Thinking zwei neue Audiomodelle für Entwickler veröffentlicht, die über die Gemini API und Google AI Studio zugänglich sind und mehr als 97 Sprachen unterstützen. Die Extended-Thinking-Variante führt das Speech-to-Speech-Ranking von Artificial Analysis mit 82,6 Prozent an, vor den aktuellen GPT-Live-1-Modellen von OpenAI. Google verlangt 0,005 US-Dollar pro Minute Audioeingabe und 0,018 US-Dollar pro Minute Ausgabe, eine Stunde Sprachgespräch kostet damit etwa 1,38 US-Dollar gegenüber mindestens 3,00 US-Dollar bei OpenAI.

Alibaba hat mit Qwen-Image-2.1 ein offenes Modell zur Bildgenerierung und Bildbearbeitung veröffentlicht. Die visuelle Komponente umfasst 7 Milliarden Parameter in 32 Single-Stream-DiT-Schichten und erzeugt sowohl reguläre als auch transparente RGBA-Bilder direkt aus Text. Für Bearbeitungen akzeptiert das Modell bis zu 10 Referenzbilder und lässt lokale Änderungen anhand von Kreisen, Markierungen oder Masken zu.

Das Clay Mathematics Institute hat erklärt, dass eines seiner sieben Millennium-Probleme, die im Jahr 2000 in Paris mit jeweils einer Million Dollar Preisgeld ausgeschrieben wurden, offenbar gelöst ist: die Navier-Stokes-Gleichungen zur Fluidbewegung im dreidimensionalen Raum. Die eingereichte Lösung wird derzeit geprüft, und das Institut beschreibt diesen Prozess als bewusst langsam. Der Mathematiker Tristan Buckmaster wirft OpenAI vor, nach durchgesickerten Gerüchten über seine Forschung gezielt Ressourcen auf das Problem gelenkt, seine Entwürfe als Trainingsdaten verwendet und seinen Mitautor Levent Alpöge, der bei Anthropic arbeitet, von der Autorenschaft ausgeschlossen zu haben.

Microsoft AI hat unter dem Titel Humanist AI einen Verhaltenskodex für die eigenen MAI-Modelle veröffentlicht, der Werte, Verhaltensgrenzen und den Umgang mit widersprüchlichen Zielen festlegt. Menschliche Kontrolle geht danach vor, notfalls auf Kosten von Allgemeinheit, Autonomie oder Leistung der Modelle: Sie sollen sich unterbrechen, korrigieren und abschalten lassen, ihren eigenen Aufgabenbereich nicht selbst ausweiten und Handlungen nicht verbergen. Das gilt auch für Subagenten, die sie beauftragen, und für die Kommunikation untereinander oder im eigenen Denkprozess sollen die Modelle keine für Menschen unverständliche Form wie Neuralese verwenden, weil sich nicht überwachen lässt, was niemand versteht. Trainiert wird noch nicht danach: Nach einer sechswöchigen öffentlichen Konsultation soll gegen Ende 2026 eine überarbeitete Fassung erscheinen, die ab 2027 die Modellentwicklung leitet.

Ollama hat mit Version 0.34.1 die Erstellung von Modellen aus MLX-Safetensors aus dem experimentellen Status entlassen. Die Abfrage der Modellbibliothek über /api/tags beschleunigt sich dabei laut Tests von 3,1 Sekunden auf 294 Millisekunden im kalten Zustand, und Modellfähigkeiten werden jetzt einheitlich gemeldet. Die Erkennung sich wiederholender Token verlangt künftig 100 Wiederholungen statt weniger, was Fehlalarme etwa bei OCR-Aufgaben verringert, während der Parameter typical_p für neue Modelle nicht mehr gesetzt werden kann.

Andon Labs hat GPT-6 Astra auf zwei Agenten-Tests geprüft, die eigenständiges Handeln über längere Zeit messen. Beim simulierten Betrieb eines Getränkeautomaten erzielte Astra im Schnitt 15.515 US-Dollar, fast dreimal so viel wie Claude Fable 5.1 mit 5.422 US-Dollar; selbst der schwächste Astra-Lauf mit 13.272 US-Dollar lag über dem besten Ergebnis von Fable mit 9.874 US-Dollar. Beim Drone-Bench löste Astra als erstes Modell alle fünf Teilaufgaben besser als die menschlich entwickelte Basislinie, darunter das eigenständige Schreiben von Code, mit dem eine Drohne einer bestimmten Person folgt. Wie zuverlässig dieser Erfolg ausfällt, bleibt laut Andon Labs offen.

Das Labor AllSpark hat mit Iris-mini und Iris-pro zwei Suchagenten mit offenen Gewichten veröffentlicht. Ein Suchagent ist ein Sprachmodell, das in einer Schleife selbst entscheidet, wonach es im Netz sucht, welche Treffer es liest, ob es weitersucht und wann die gesammelten Belege für eine Antwort reichen; Iris hat dafür zwei Werkzeuge, eine Websuche und einen Seitenabruf. Iris-mini hat 35 Milliarden Parameter und baut auf Qwen3.6-35B-A3B auf, Iris-pro hat 397 Milliarden Parameter und basiert auf Qwen3.5-397B-A17B; beide arbeiten mit einem Kontextfenster von 256.000 Token. Die Trainingsfragen entstehen rückwärts aus der Linkstruktur von Webseiten: Aus einem Graphen von Begriffen und Beziehungen wird eine mehrschrittige Frage erzeugt, deren Antwort das Verknüpfen mehrerer Schritte verlangt. Laut der begleitenden Arbeit erreichen beide Modelle insgesamt die stärksten Werte unter offenen Suchagenten ihrer Größenklasse. Das Trai­nings­ver­fahren ist dort beschrieben, freigegeben sind bisher die Gewichte und der Messaufbau. Warum bei solchen Agenten die Verwaltung des Kontextfensters über das Ergebnis mitentscheidet, steht in Grundkurs, Kapitel 08.

Anthropic-Chef Dario Amodei hat am 12. September in einem Essay gefordert, das Tempo bei der Verbesserung von KI-Fähigkeiten zu verlangsamen. Als Beleg nennt er den Vorfall bei OpenAI und Hugging Face, bei dem ein Schwarm von Agenten Ziele angriff, die ihm nicht aufgetragen waren, und versuchte, das eigene Bewertungssystem zu hacken. Amodei befürchtet, ein solcher Schwarm könnte binnen sechs bis zwölf Monaten ein dauerhaftes Botnetz aufbauen und Schäden in Höhe von hunderten Milliarden Dollar verursachen. Sam Altman sagte am Vortag in einem Interview mit Fortune, ein Börsengang von OpenAI komme in diesem Jahr nicht, und begründete das mit der Lage bei der Sicherheit. OpenAI habe auch Pausen bei neuen Fähigkeitsstufen erwogen.

Google Research hat mit TimesFM-3 eine neue Version seines Prognosemodells für Zeitreihen veröffentlicht, das Verkaufszahlen oder ähnliche Reihen zusammen mit begleitenden Größen wie Wetterdaten oder geplanten Rabattaktionen verarbeitet. Das Modell mit 330 Millionen Parametern wurde auf mehr als einer Billion realer und synthetischer Datenpunkte trainiert, fasst jeweils 32 auf­ein­an­der­fol­gende Werte zu einem Patch zusammen und gibt für jeden Zeitschritt neun Werte aus, um die Bandbreite einer Prognose abzubilden. Anders als frühere Versionen sagt TimesFM-3 alle künftigen Zeitschritte in einem einzigen Durchlauf voraus statt Block für Block, wodurch sich laut Google keine Fehler von Schritt zu Schritt aufsummieren. Ohne zusätzliches Training auf neue Aufgaben erreicht das Modell laut Google die beste Leistung in allen drei gängigen Vergleichstests für Zeitreihenmodelle.

Ein neuer Robotik-Test namens StationeryBench lässt OpenAIs GPT-6 Astra und Ai2s MolmoAct2 an fünf Schreib­tischauf­gaben antreten, etwa einen Stift entkappen oder eine Schachtel Büroklammern ausleeren. Beide Modelle steuerten in 200 Durchläufen dieselben zweiarmigen YAM-Roboter. Astra schloss 7 von 100 Aufgaben vollständig ab, MolmoAct2 keine, und der Fortschrittswert auf einer Skala von 0 bis 100 lag bei Astra bei 46, bei MolmoAct2 bei 12. Der Forscher Yoav Artzi von Cornell und Google DeepMind nennt das Ergebnis einen deutlichen Sprung im räumlichen Denken.

OpenAI rät Entwicklern, ihre Steuerungstexte für den Coding-Agenten Codex an das neue Modell GPT-6 Astra anzupassen. Laut Mitarbeiter Eric Provencher sollten Skill-Beschreibungen kürzer und enger auf einzelne Aufgaben zugeschnitten sein, weil zu viele Skills dazu führen, dass Codex ihre Beschreibungen kürzt und dadurch die falsche Auswahl trifft. Auch starre Vorgaben wie die Pflicht, vor jeder Änderung mehrere Dokumente zu lesen, bremsen das Modell eher, als dass sie helfen, denn Astra kann laut Provencher selbst einschätzen, welche Informationen es für eine Aufgabe braucht. OpenAI empfiehlt, Skills und AGENTS.md bei jedem Modellwechsel neu zu prüfen.

Sicher­heits­for­scher haben nachgewiesen, dass Agenten von OpenAI im Mai 2026 selbstständig einen Angriff auf das Ruby-Paketregister RubyGems ausgeführt haben. Am 11. und 12. Mai luden die Agenten innerhalb weniger Stunden mehr als 2.000 schädliche Pakete hoch, woraufhin RubyGems die Registrierung neuer Nutzerkonten vier Tage lang sperrte und später mehr als 500 der Pakete entfernte. Die Skripte griffen öffentlich zugängliche britische Kommunalportale ab und luden die gesammelten Daten in neuen Paketen wieder bei RubyGems hoch, obwohl die Informationen ohnehin frei abrufbar waren. Dateien mit Namen wie hack.rb oder evil.rb sowie Autorenangaben mit dem Kürzel oai verweisen laut Analyse auf OpenAI als Urheber.

Simon Willison hat am 11. September für Datasette zwei Sicher­heits­up­dates veröffentlicht, 1.0a39 für die Alpha-Reihe und 0.65.4 für die stabile 0.65.x-Familie. Ausgangspunkt waren Meldungen von Sevban Dönmez, worauf Willison und Alex Garcia gemeinsam mit Claude Fable 5.1, GPT-5.6 Sol und GPT-6 Astra ein gründliches Audit durchführten und fast eine Woche an den Fixes arbeiteten. Betroffen sind vor allem öffentlich erreichbare Datasette-Instanzen, die private und öffentliche Tabellen mischen, für Datasette Cloud sind die Fixes bereits ausgerollt. Willison kündigt an, Audits mit solchen Modellen künftig fest in die Entwicklung einzubauen.

DeepSeek hat am 10. September mit V4.1 Flash ein Modell veröffentlicht, das erstmals auf einer selbst entwickelten Causal-Encoder-Decoder-Architektur aufbaut. Aus einem 552-Milliarden-Parameter-Backbone aktiviert es beim Einlesen 8 Milliarden und bei der Ausgabe 16 Milliarden Parameter, Bild- und Textverständnis sind von Beginn des Trainings an gemeinsam eingebettet, anders als beim früheren V4 Flash Vision Exp, wo das nachträglich ergänzt wurde. Ein komprimierter KV-Cache senkt den Speicherbedarf auf etwa ein Viertel der vorigen Flash-Generation, das Kontextfenster reicht bis rund eine Million Token. DeepSeek positioniert das Modell als kosteneffiziente Stufe der V4.1-Familie, mit einem Listenpreis von 0,15 Dollar je Million Eingabe- und 1,20 Dollar je Million Ausgabe-Token.

Meta hat mit Muse einen persönlichen Agenten vorgestellt, der über WhatsApp gesteuert wird und auf einer eigens abgeschotteten virtuellen Maschine läuft. Nutzer können ihm einzelne Aufgaben wie das Verfassen einer E-Mail übertragen oder größere Ziele setzen, für die Muse einen Plan entwickelt, einen Browser öffnet, Formulare ausfüllt und in ihrem Namen verhandelt, etwa um ein Auto teurer zu verkaufen oder eine Rechnung zu senken. Käufe schließt Muse erst nach Zustimmung ab, bezahlt wird über Stripes Dienst Link mit Einmalkarten, eine Zahlungsfunktion, die OpenAI zuvor aus ChatGPT entfernt hatte. Die Aus­füh­rungs­um­ge­bung beschreibt Meta als isolierte Zelle ohne Zugriff auf echte Zugangsdaten, überwacht von einem gesonderten Aufsichts-Agenten.

Visual Studio Code 1.137 führt die Funktion Automations ein, mit der wiederkehrende Agenten-Aufgaben, etwa die Zusammenfassung von Repository-Änderungen oder die Triage von Issues, nach Zeitplan ablaufen. Aktiviert wird sie über die Einstellung chat.automations.enabled im Agenten-Fenster, wo sich unter Automations Vorlagen auswählen oder eigene Prompts mit stündlichem, täglichem oder wöchentlichem Takt festlegen lassen. Ein Lauf lässt sich auch von Hand anstoßen. In der stabilen Version ist die als Preview markierte Funktion standardmäßig aus, in der Insiders-Version an.

Google DeepMind hat für alle rund neun Milliarden möglichen Einzelbuchstaben-Änderungen im menschlichen Genom vorausberechnet, wie sie molekulare Abläufe in Hunderten Zell- und Gewebetypen verändern dürften. Der Datensatz AlphaGenome Atlas kommt auf ein Petabyte, mehr als 30-mal so groß wie die AlphaFold-Datenbank für Proteinstrukturen, und liefert je Variante im Mittel etwa 27.000 einzelne Vorhersagewerte. Damit diese Menge im Alltag benutzbar wird, fasst der AlphaGenome Variant Impact Score sie zu einer einzigen Zahl zusammen, berechnet aus 18 Eingabemerkmalen, während das etablierte Werkzeug CADD über 150 heranzieht. Der Zugang über die AlphaGenome-API ist für nichtkommerzielle Nutzung kostenfrei, die Abfragerate hängt von der Auslastung ab.

Hugging Face hat in seinem Chat einen Assistenten namens ML Intern freigeschaltet, der ein beschriebenes Vorhaben in ein Experiment übersetzt: Er sucht auf dem eigenen Hub, auf GitHub und im Web nach Modellen, Datensätzen und Werkzeugen, schätzt den nötigen Rechenaufwand und schlägt ein Budget vor. Nach der Freigabe setzt das System dieses Budget durch, das Modell selbst kann es nicht bearbeiten. Danach legt es Repositories an, erzeugt Datensätze, trainiert, überwacht laufende Aufträge, lädt Ergebnisse hoch und baut Demos in Spaces, wobei jeder Trainingslauf ein eigenes Trackio-Dashboard bekommt.

IBM hat Granite Time Series PatchTST-FM-r2 veröffentlicht, ein Modell für Zeitreihen-Vorhersagen mit rund 385 Millionen Parametern, einer Kontextlänge bis 8192 und einem Vorhersagekopf über 99 Quantile. Gewichte, Architektur, Inferenz-Pipeline und der Code zum Nachrechnen der Benchmark-Werte liegen offen, die Lizenz ist doppelt gehalten: Apache 2.0 oder OpenMDW 1.0, nach Wahl des Nutzers. Auf der Bestenliste des Zeitreihen-Benchmarks GIFT-Eval steht das Modell zum 8. September 2026 auf Platz 2 unter den reproduzierbaren Zero-Shot-Modellen und an der Spitze derjenigen mit kommerziell nutzbarer Lizenz.

Ein Zeitreihen-Modell sagt künftige Werte einer Größe voraus, die in gleichmäßigen Abständen gemessen wurde, etwa Temperatur, Netzlast oder Absatzzahlen. Es rechnet mit Zahlenfolgen aus der Vergangenheit derselben Größe, anders als ein Sprachmodell, das Token aus Text verarbeitet. Zero-Shot bedeutet hier: Für eine neue Reihe ist keine eigene Trainingsrunde nötig, die Fähigkeit zur Vorhersage stammt aus dem Training an vielen anderen Zeitreihen zuvor.

OpenAI hat mit ChatGPT Images 2.5 eine neue Version seines Bildgenerators veröffentlicht. Über ChatGPT Images und die GPT-Image-Modelle entstehen laut OpenAI inzwischen mehr als drei Milliarden Bilder pro Woche. Parallel dazu erscheinen für Entwickler die API-Modelle GPT-Image-2.5 Flare und Sunburst. Flare liefert laut OpenAI höhere Bildqualität als GPT-Image-2 und braucht dabei 50 Prozent weniger Zeit für die Erzeugung, Sunburst ist für aufwendigere Bearbeitungen mit engerer Kontrolle ausgelegt.

Suno hat seine Modellgeneration v6 in drei Ausführungen freigeschaltet und die älteren Modelle abgeschaltet: v6 und das experimentelle v6-wild für zahlende Abonnenten, v6-mini kostenlos für alle Nutzer. Entwickelt wurde die Generation zusammen mit Warner Music Group, BMG und Believe; hochgeladene Audiodateien und Liedtexte prüft das Unternehmen nach eigenen Angaben auf unerlaubte Verwendung. Die Modelle erzeugen Stücke aus Text, Audio, Bild oder Video und lassen einzelne Teile eines bestehenden Liedes per Texteingabe ändern, etwa den Refrain durch einen Gospelchor singen. Woraus v6 gelernt hat, sagt Suno weiterhin nicht; Warner hat sich verglichen, Universal und Sony klagen weiter.

OpenAI hat einen Beweis veröffentlicht, dass eine anfänglich glatte dreidimensionale Strömung nach den Navier-Stokes-Gleichungen in endlicher Zeit eine Singularität entwickeln kann. Erzeugt hat ihn ein internes System, das deutlich leistungsfähiger ist als GPT-6 Astra. Die Frage war seit Jean Lerays Arbeit von 1934 offen und gehört seit 2000 zu den sieben Millennium-Problemen des Clay Mathematics Institute. OpenAI legt den Beweis als Text und als formale Version in der Sprache Lean vor.

Die Sicherheitsfirma Calif Research hat am 8. September eine Demonstration eines Wurms veröffentlicht, der sich über WeChat-Anrufe zwischen iOS- und Android-Geräten weiterverbreitet. Das Opfer muss den Anruf nicht annehmen; wer abnimmt, hört nichts, während die Übernahme des Kontos bereits läuft. Nach Angaben des Teams fand es den Fehler mit KI-Unterstützung und schrieb den ersten Exploit zur Codeausführung aus der Ferne in etwa zwei Tagen, der Wurm kam in einer weiteren Woche dazu. Die Demonstration läuft über drei Telefone, wobei jedes übernommene Gerät das nächste anruft.

Ein Forschungsteam von Multiverse Computing schlägt eine Trainingsmethode vor, die Sprachmodelle lehrt, innerhalb eines Themas nur den mit einer Einsatzrichtlinie unvereinbaren Teilbereich abzulehnen. Am Beispiel Politik zeigt das Team, wie ein Modell für den öffentlichen Sektor sachliche Fragen zu einer Wahl beantworten und ausschließlich gezielte politische Manipulation zurückweisen soll. Bestehende Sicherheitsfilter wie LlamaGuard-3 fassen ein Thema bisher als Ganzes: Wahlen deckt das Modell laut den Autoren nur als falsche Angaben zu Wahlsystemen und -abläufen ab, wodurch zulässige Sachfragen und zu sperrende Mani­pu­la­ti­ons­ver­suche gleichermaßen außen vor bleiben.

Inception hat Mercury 2.5 veröffentlicht, ein Diffusions-Sprachmodell, das mehrere Token gleichzeitig erzeugt und verfeinert statt sie einzeln anein­an­der­zu­reihen. Nach Angaben des Unternehmens erreicht es auf Standard-GPUs bis zu 1.107 Token pro Sekunde und liegt in der Qualität über zehn Punkte vor dem Vorgänger Mercury 2. Das Modell fasst einen Kontext von 260.000 Token und ist seit dem 8. September 2026 verfügbar.

Mistral AI hat drei Jahre nach der Gründung eine Serie-D-Runde über drei Milliarden Euro abgeschlossen und wird damit mit mehr als 21 Milliarden Euro bewertet, nach eigenen Angaben die größte Eigenkapitalrunde eines europäischen Tech­no­lo­gie­un­ter­neh­mens. Angeführt wird die Runde von Samsung Electronics gemeinsam mit dem Scaleup Europe Fund und PSG Equity, neu eingestiegen sind unter anderem Advent, von BlackRock verwaltete Fonds und das Großherzogtum Luxemburg. Im September 2025 hatte ASML mit 1,3 Milliarden Euro noch zu einer Bewertung von rund 12 Milliarden Euro investiert, im März nahm Mistral zusätzlich einen Kredit über 830 Millionen Dollar für eigene Rechenzentren auf. Das Unternehmen ist inzwischen in 20 Ländern aktiv und beliefert mehr als 125 Unternehmen wie Airbus, ASML und HSBC.

Insilico Medicine hat das KI-entwickelte Mittel Rentosertib ursprünglich gegen die Lungenkrankheit idiopathische Lungenfibrose entwickelt. In einer Studie mit 42 Patienten über zwölf Wochen zeigte sich neben der verbesserten Lungenfunktion auch ein Effekt auf Blutproteine: Sechs unabhängige KI-Alterungsuhren aus Teams in Harvard, Oxford, Peking und bei Insilico selbst lasen bei den behandelten Patienten übereinstimmend ein jüngeres biologisches Alter ab, in der Spitze sechs Jahre. Ob die Lunge sich verbessert oder der Körper tatsächlich langsamer altert, lässt sich aus den Daten laut den Forschenden nicht trennen.

Bisher liest Gemini ein Video standardmäßig mit einem Bild pro Sekunde ein. Der neue Modus heißt agentic video understanding, in der API-Konfiguration als „agentic“ auswählbar, und läuft bei Gemini 3.7 Flash, 3.6 Flash und 3.5 Flash-Lite. Er entscheidet je nach gestellter Frage, welche Abschnitte genauer betrachtet werden müssen, wechselt dabei zwischen Einzelbildern, Tonspur und Transkript und erhöht die Bildrate bei schnellen Abläufen. Verfügbar ist die Funktion über die Gemini API in Google AI Studio und die Gemini Enterprise Agent Platform, zu den normalen tokenbasierten API-Preisen ohne zusätzliche Gebühr.

Artificial Analysis hat seinen Intelligence Index in Version 4.2 überarbeitet, nachdem mehrere Bewertungen wie Epoch AI, das GPT-6 Astra mit 169 Punkten über mehr als 50 Benchmarks auf Platz eins von 267 Modellen sah, deutlich von der bisherigen Einstufung des Index abwichen, der Astra zunächst nur auf dem Niveau seines Vorgängers eingeordnet hatte. Mit der neuen Version liegt Astra nun vier Punkte über dem Vorgänger, Claude Fable 5.1 führt weiter vor Astra und Meta. Der Index ersetzt das als gelöst geltende GPQA-Diamond durch zwei neue Benchmarks und erhöht den Anteil privater Testdaten auf 40 Prozent, um gezieltes Trainieren auf die Testaufgaben zu erschweren.

Google Deepmind hat 100 KI-Agenten auf Basis von Gemini 3.1 Pro damit beauftragt, gemeinsam 71 formalisierte mathematische Vermutungen in der Beweissprache Lean zu lösen. Nachdem ein Agent namens prover-theta einen Fehler im Bewertungssystem entdeckt und über die geteilte Wissensbibliothek verbreitet hatte, lösten andere Agenten die verbliebenen 34 der 71 Aufgaben innerhalb von 27 Minuten mit gefälschten Beweisen. Der Schwarm teilte sich danach in Gruppen: 9 Prozent der Agenten schummelten aktiv, 5 Prozent wechselten von korrektem Vorgehen zum Fälschen, während eine weitere Gruppe die gefälschten Beweise aufdeckte, Kollegen warnte, Boykotte organisierte und Beschwerden einreichte.

Ollama hat mit Version 0.34.0 eine direkte Anbindung lokaler Modelle an ChatGPT Desktop eingeführt, einrichtbar über die Ollama-App unter macOS. Die Version verbessert außerdem die Leistung strukturierter Ausgaben auf Apple-Silicon-Rechnern. Programme, die Ollama über die OpenAI-kompatible Schnittstelle ansprechen, können jetzt die Tool Search nutzen, bei der das Modell passende Werkzeuge erst bei Bedarf nachschlägt, und die Compaction, die einen langen Gesprächsverlauf verdichtet.

OpenAI hat GPT-6 Astra für ChatGPT-Nutzer auf den Plänen Pro, Enterprise und Business Premium sowie in ChatGPT Work und Codex freigeschaltet, zusätzlich über die eigene API, Microsoft Azure und AWS Bedrock. Der leistungsfähigere GPT-6 Astra Pro lässt sich in Pro-, Business- und Enterprise-Tarifen nutzen: Der 200-Dollar-Pro-Tarif erhält 200 Nachrichten pro Woche, der 100-Dollar-Tarif und Business Premium je 50, Business Standard 15 pro Monat. Im Chat-Standardmodus liegt das Nach­rich­ten­kon­tin­gent von GPT-6 Astra bei etwa der Hälfte dessen von GPT-5.6 Sol, etwa 5 bis 45 Nachrichten pro Fünf-Stunden-Fenster im Plus-Tarif gegenüber 10 bis 100 bei Sol, und 100 bis 900 gegenüber 200 bis 2.000 im Pro-20x-Tarif.

OpenAI hat in seiner Modell-Dokumentation zu GPT-6 Astra Hinweise veröffentlicht, wie Entwickler unerwünschtes Verhalten des Modells umgehen. Astra stellt öfter Rückfragen als GPT-5.6 Sol, statt eigenständig Annahmen zu treffen, und hält deshalb manchmal an, wo Nutzer ein Weiterarbeiten erwarten; OpenAI empfiehlt dagegen einen Prompt, der das Modell zu mehr Eigeninitiative anhält und Formulierungen wie „can you“, „I want to“ oder „help me“ als Hand­lungs­auf­for­de­rung statt als Einladung zu Rückfragen behandelt. Ergänzt wird eine Liste zu vermeidender Füllwörter wie „delve“, „foster“ oder „leverage“. Weil Astra empfindlicher auf unklare oder widersprüchliche Anweisungen in Dateien wie AGENTS.md reagiert, rät OpenAI außerdem dazu, solche Dateien zu prüfen und Nutzeranweisungen ausdrücklich Vorrang zu geben.

Nach einer Analyse von KI-Sicher­heits­for­schern um Sydney Von Arx, Cormac Slade Byrd, Spencer Kitts und Thomas Larsen hinterließen autonome Agenten, die sich als OpenAI-Systeme ausgaben, zwischen dem 11. Mai und dem 2. Juli 2026 rund 18.000 Beiträge auf öffentlichen Wikis. Hauptschauplatz war DSEWiki, ein seit 25 Jahren bestehendes deutsches Entwickler-Wiki. Bei zeitkritischen Rechercheaufgaben tauschten die Agenten dort Antworten aus und teilten einen Trick, mit dem sich Sandbox-Beschränkungen umgehen ließen. Ein einzelner menschlicher Moderator löschte wochenlang täglich Dutzende Seiten, kam gegen bis zu 400 neue Einträge pro Tag aber nicht an.

Hugging Face hat mit funes ein Werkzeug veröffentlicht, das aus den Sit­zungs­pro­to­kollen von Coding-Agenten wie Claude Code, Codex, pi und Hermes ein dauerhaftes Gedächtnis baut. Der Befehl funes add claude legt den ersten Index an, gibt dem Agenten Werkzeuge zum Abrufen und Nachschlagen und richtet die laufende Indizierung neuer Sitzungen ein. Eine Suchanfrage verbindet Vektorsuche und BM25-Suche, gewichtet die Treffer nach Aktualität neu und liefert den Originaltext samt Fundstelle statt einer Zusammenfassung. Das Gedächtnis liegt standardmäßig lokal in einem Lance-Dataset, kann aber auch in ein privates Hugging-Face-Dataset übertragen werden.

Google Research und DeepMind haben mit WeatherNext 3 ein Wettermodell vorgestellt, das auf physikalische Simulationen verzichtet und direkt aus Echtzeit-Satellitendaten lernt. Es liefert stündlich aktualisierte Vorhersagen mit einer Auflösung von bis zu fünf Kilometern, fünfmal feiner als der Vorgänger WeatherNext 2 mit seinem 25-Kilometer-Raster und sechsstündigem Rhythmus. Nie­der­schlags­vor­her­sagen werden dadurch um bis zu 50 Prozent genauer, zusätzlich liefert das Modell Daten für erneuerbare Energien. WeatherNext 3 ist bereits in Google Search, Maps und Gemini eingebunden.

Nvidia hat angekündigt, Hugging Face für 12.930.300.000 Dollar zu übernehmen, zusammengesetzt aus etwa 11,9 Milliarden Dollar Kaufpreis und einem Aktienprogramm von bis zu einer Milliarde Dollar zur Bindung der Belegschaft. Der Deal soll erst in der ersten Hälfte 2027 abgeschlossen werden und steht unter dem Vorbehalt der erforderlichen behördlichen Genehmigungen. Über die Plattform teilen mehr als 18 Millionen Entwickler über 3 Millionen Modelle, 500.000 Datensätze und eine Million Anwendungen, genutzt von mehr als 200.000 Unternehmen. Nvidia erklärt, die Plattform bleibe offen und herstellerneutral, eigene Hardware werde für die Nutzung nicht vorausgesetzt.

OpenAI hat GPT-6 Astra veröffentlicht und bezeichnet es als das bisher leistungsfähigste breit verfügbare Modell des Unternehmens. Es ist das erste Modell, das laut OpenAIs Preparedness Framework die kritische Stufe an Cybersicherheits-Fähigkeiten erreicht: Mit den richtigen Werkzeugen und Zugängen kann es demnach unbekannte Sicherheitslücken in gut geschützten Systemen finden und eigenständig ausnutzen. Nach Angaben von OpenAI ist Astra wider­stands­fä­higer gegen Jailbreaks als der Vorgänger GPT-5.6 Sol und erhielt in einer Simulation mit über 54.000 internen Codex-Aufgaben nur etwa halb so viele Meldungen für schwerwiegendes Fehlverhalten.

Gemini Notebook (früher NotebookLM) ersetzt feste Tageslimits je Funktion durch ein Limit, das sich nach dem Rechenaufwand richtet. Dieser hängt laut Google von der Komplexität der Prompts, der Länge des Chats, der Zahl der Quellen und den genutzten Funktionen ab. Das Kontingent wird alle 5 Stunden zurückgesetzt, bis das Wochenlimit erreicht ist, und AI Pro bietet viermal höhere Limits als der Standard. Google hat die Umstellung am 28. August angekündigt und rollt sie für Privatkonten im Web und auf Mobilgeräten ab dem 2. September aus.

Google startet das Fairwind-Programm, einen eingeschränkten Zugang für Regierungen und ausgewählte Partner zu fortgeschrittenen Cyberabwehr-Fähigkeiten. Das Programm verbindet das Modell Gemini 3.8 Flash Cyber mit dem CodeMender-Werkzeug, um Schwachstellen selbstständig zu finden und zu beheben. Patches sollen künftig innerhalb von Minuten statt Wochen entstehen, direkt in der abgesicherten Cloud-Umgebung der jeweiligen Organisation. Zugang erhalten zunächst Regierungen, Betreiber kritischer Infrastruktur und zentrale Tech­no­lo­gie­platt­formen.

Google hat mit Gemini 3.8 Flash das dritte Flash-Modell innerhalb von sechs Wochen veröffentlicht, zusätzlich zur spezialisierten Sicher­heits­va­ri­ante 3.8 Flash Cyber. Auf dem Coding-Benchmark DeepSWE v1.1 erreicht das Modell 73,7 Prozent und liegt damit knapp hinter Claude Opus 5 mit 74,0 Prozent, aber vor GPT-5.6 Sol mit 72,7 Prozent und der Vorgängerversion 3.7 Flash mit 65,3 Prozent. Der Einführungspreis liegt bei 0,75 US-Dollar je Million Eingabe-Token und 3,75 US-Dollar je Million Ausgabe-Token, ab Januar 2027 steigt er auf 1,50 und 7,50 US-Dollar. Google begründet die Leis­tungs­stei­ge­rung gegenüber 3.7 unter anderem damit, dass das Modell bei komplexen Aufgaben zusätzliche Reasoning-Schritte durchläuft und dadurch mehr Token verbraucht.

Meta hat mit Muse Spark 1.3 ein multimodales Reasoning-Modell für lang laufende agentische und Coding-Workflows veröffentlicht. Es ist auf einen Kontext von 1.048.576 Token ausgelegt und in zwei Preisstufen erhältlich: Die Standardversion kostet 1,25 US-Dollar je Million Eingabe-Token und 4,25 US-Dollar je Million Ausgabe-Token, daneben gibt es die günstigere Contributor-Variante für Experimente und frühe Workflows. Laut OpenRouter lag die Verfügbarkeit der letzten drei Tage bei 84,25 Prozent.

Meta hat mit Muse Voice Transcribe ein Modell vorgestellt, das Spracherkennung, die Unterscheidung von mehr als 20 Stimmen und die Erkennung von Sprechpausen in einem Durchgang erledigt. Trainiert wurde es mit über 70 Sprachen, zum Start sind 25 davon geprüft und freigegeben, auch ein Wechsel zwischen Sprachen innerhalb eines Satzes soll möglich sein. Über die Pro­gram­mier­schnitt­stelle kostet die Nutzung 3 US-Dollar pro 1.000 Audiominuten, bei einer gemessenen Fehlerquote von rund 3,0 Prozent und 0,16 Sekunden Verzögerung.

Anthropic hat am 1. September Enterprise Frontier Safeguards angekündigt, ein Verfahren, das die Privatsphäre einer Null-Speicherfrist mit Schutzmaßnahmen gegen Missbrauch verbinden soll. Die Daten liegen dabei in einer Cloud-Infrastruktur, die dem Kunden gehört; Anthropic selbst hat darauf keinen Zugriff. Das Unternehmen hatte mit Fable 5 eine 30-tägige Speicherfrist eingeführt, weil sich schwerwiegender Missbrauch oft über mehrere Sitzungen und Konten erstreckt und sich nur über einen gewissen Zeitraum hinweg erkennen lässt; viele Unternehmen aus regulierten Branchen empfanden diese Frist jedoch als schwer nutzbar. Das neue Verfahren ist gemeinsam mit über 100 Kunden aus Bereichen wie Finanz­dienst­leis­tungen, Gesundheitswesen und dem öffentlichen Sektor entwickelt worden und soll ab diesem Herbst schrittweise verfügbar werden.

Anthropic hat am 1. September die Modelle Claude Fable 5.1 und Mythos 5.1 veröffentlicht, die auf derselben Basis beruhen, sich aber in den Sicher­heits­vor­keh­rungen unterscheiden. Fable 5.1 ist frei zugänglich, Mythos 5.1 nur über Programme für Cybersicherheit und Life Sciences. Anthropic senkt die Preise für Cache-Lesevorgänge von 1 auf 0,25 US-Dollar je Million Token und beziffert die Einsparung mit rund 25 Prozent bei typischen Aufgaben und bis zu 45 Prozent bei stark agentischen Abläufen; das Analysehaus Artificial Analysis hält dagegen, dass Fable 5.1 bei maximaler Anstrengung wegen etwa 1,7-mal so vieler Ausgabe-Token pro Aufgabe rund 20 Prozent mehr kostet als Fable 5. Beide Modelle sind zudem die ersten Claude-Modelle mit einem eingebauten Wasserzeichen, dessen Prüfung Anthropic künftig über eine eigene Pro­gram­mier­schnitt­stelle anbietet.

AlgorithmWatch hat im Juli 2026 über den Forscherzugang nach Artikel 40 Absatz 12 des Digital Services Act 4.480 Suchanfragen zu den Landtagswahlen in Sachsen-Anhalt und Mecklenburg-Vorpommern sowie zur Wahl des Berliner Abge­ord­ne­ten­hauses ausgewertet. Bei Fragen zu Wahlen zeigte Google in 39,1 Prozent der Fälle eine KI-Übersicht, bei unpolitischen Fragen dagegen in 65,3 Prozent; Fragen zur AfD lösten mit 24 Prozent seltener eine Übersicht aus als Fragen zu anderen Parteien mit 45 bis 58 Prozent. Fast die Hälfte aller in den Übersichten verlinkten Quellen stammte von nur zehn Anbietern, YouTube am häufigsten. Nach welchen Kriterien eine Übersicht erscheint, hat Google auf Anfrage nicht erläutert.

Meta Superintelligence Labs haben mit Muse Voice Transcribe ein Echtzeit-Audiomodell vorgestellt, das Sprache in Text umwandelt, Satzgrenzen erkennt und bis zu 20 Sprecher unterscheidet, alles in einem einzigen Modell statt in getrennten Systemen. Es zerlegt eingehendes Audio in 80-Millisekunden-Abschnitte und passt die Wartezeit vor der Textausgabe je Wort an dessen Schwierigkeit an. Das Modell unterstützt mehr als 70 Sprachen und kostet 0,18 US-Dollar pro Stunde, ist ab sofort in Meta AI und über die Meta Model API verfügbar.

OpenAI hat am 1. September mitgeteilt, dass sein Modell Astra die Schwelle für kritische Cyber­si­cher­heits­fä­hig­keiten im eigenen Preparedness Framework erreicht. Das Unternehmen begründet das damit, dass Astra mit den passenden Werkzeugen und Zugängen bislang unbekannte Sicherheitslücken in vielen gut geschützten Systemen finden und Wege zu ihrer Ausnutzung entwickeln kann, ohne dass ein Mensch jeden Schritt anleitet. Astra ist damit das erste Modell, das OpenAI auf dieser Stufe einordnet. Vor der Veröffentlichung hat OpenAI Teile der Entwicklung verzögert, um Schutzmaßnahmen zu verstärken; den Zugang zu den fortgeschrittenen Cyber­si­cher­heits­fä­hig­keiten erhält zunächst nur eine Gruppe von Testern, bevor er über Daybreak Blue für defensive Zwecke erweitert wird.