AI, machine learning and LLM insights.
Das Claude Apps Gateway bettet die Control Plane direkt in das AWS-Konto des Kunden ein. Dies bietet der IT eine zentrale Konsole zur Verwaltung von Identitäten, Audit-Logs und Kosten, während Entwickler Claude-gestützte Sitzungen starten können, ohne Daten nach außen zu exponieren.
Der Assistent liefert die Modellgewichte zusammen mit einer statischen Webseite aus und nutzt eine feste Liste von acht Tools, grammatikgesteuertes Decoding sowie RAG – alles trainiert auf nur 30 Mio. Token auf einer einzigen 16-GB-GPU.
Der Detektor erfasst die rohen Attention-Scores über alle Heads hinweg, aggregiert diese schichtweit und nutzt einen log-MAD-Test, um Token zu markieren, die den Großteil der Attention absorbieren. Das Entfernen dieser „Sink“-Token aus dem KV-Cache destabilisiert die Generierung und lässt die Qualität massiv einbrechen.
Der Vorschlag weitet bestehende Regeln zur Nachrichtenfilterung auf alle Dienste aus, bei denen zwei Personen Text austauschen. Das bedeutet, dass KI-Anbieter jeden Benutzer-Prompt durch automatisierte Scanner laufen lassen müssten, noch bevor das Modell ihn überhaupt sieht.
Das Self-Play-System lässt ein Angriffsmodell gegen ein verteidigendes Gegenstück antreten. Es lernt aus jedem Fehler, um Exploit-Muster aufzudecken, die Menschen nie in Betracht ziehen würden, und speist diese Erkenntnisse direkt in die Trainingspipeline von GPT-5.6 ein.
Die Codex Micro verfügt über beleuchtete Agenten-Tasten, programmierbare Shortcuts, einen Joystick und ein Reasoning Dial. Diese Funktionen sind direkt mit der ChatGPT-Desktop-App verknüpft, sodass Entwickler mehrere KI-Agenten überwachen und steuern können, ohne ihre IDE verlassen zu müssen.
Das Ausführen eines KI-Agenten auf Lambda mag pro Millisekunde zwar günstig erscheinen, doch die eigentlichen Kosten entstehen durch Cold-Start-Latenzen, Retry-Loops, die mehrfache Modellaufrufe auslösen, und den daraus resultierenden Token-Verbrauch, der die Rechenkosten bei weitem übersteigt.
Die beiden anfälligen Skripte – eines mit einem eingebetteten HMAC-Signierschlüssel, das andere mit einem SMTP-Passwort im Klartext – verdeutlichen, wie LLMs fehlende Werte ergänzen, wenn sie nach einem „nutzbaren Beispiel“ gefragt werden. Dadurch werden praktische Code-Schnipsel zu Lecks von Zugangsdaten in der Versionsverwaltung und der Produktion.
Die vier neu bekannt gewordenen Schwachstellen resultieren aus Standardeinstellungen – öffentliche Netzwerkbindungen, weltweit lesbare Konfigurationen, zu lockere Sandboxes und fehlende Audit-Logs – und ermöglichen es Angreifern, innerhalb von Minuten von einem harmlosen Log-Eintrag zur vollständigen Systemkontrolle überzugehen.
Ode with Anthropic, founded by Chris Taylor and Eddie Siegel, fuses Fractional AI’s talent pool with Anthropic’s Claude models, backed by Blackstone, Hellman & Friedman, and Goldman Sachs, to turn proof-of-concepts into production-grade AI systems.
Inkling, trainiert auf 45 Billionen multimodalen Token, liefert Coding-Performance auf Nvidia-Niveau, während nur ein Bruchteil seiner 975 Milliarden Parameter aktiviert wird, was die Latenz und die Betriebskosten für Unternehmenskunden drastisch reduziert.
Das Self-Play-‚Dojo‘ ermöglicht es GPT-Red, als Angreifer zu agieren, während Verteidigungsmodelle Abwehrmechanismen erlernen. Dabei werden neuartige Tricks wie der Fake-Chain-of-Thought-Angriff aufgedeckt, der LLMs dazu verleitet, falsche Prämissen zu akzeptieren.
Nach monatelangen regulatorischen Auseinandersetzungen hat Apple die Genehmigung der Cyberspace Administration of China erhalten und wird Alibabas Large Language Model 'Qwen' in iOS, iPadOS, macOS und visionOS integrieren. Damit verschafft sich Apple einen Fuß in einen Markt, der zuletzt 20,5 Milliarden US-Dollar Umsatz generierte.
Das MiMo-V2-Flash mit 309 Milliarden Parametern erzielt Spitzenwerte in Benchmarks für Coding, QA und Chat-Aufgaben, aktiviert jedoch nur etwa 15 Mrd. Parameter pro Token. Dies reduziert den Inferenz-Speicherbedarf drastisch und ermöglicht den Betrieb auf etwa zehn H100-GPUs.
Das quadratisch geformte Gerät, das in Zusammenarbeit mit Work Louder entwickelt wurde, verfügt über einen Joystick, ein Drehrad, einen Berührungssensor und sechs mattierte Tasten, die aufleuchten, um den Aufgabenstatus anzuzeigen. So können Entwickler direkt in den KI-generierten Code eingreifen, ohne ihre IDE zu verlassen.
Microsofts KI-gestützter Code-Scanner hat 570 Sicherheitslücken in Windows, Office und anderen Produkten aufgedeckt, darunter zwei aktive Zero-Day-Lücken. Dies markiert einen tiefgreifenden Wandel in der Geschwindigkeit, mit der verborgene Schwachstellen entdeckt und behoben werden.
Noma Labs hat demonstriert, dass das Posten eines Kommentars in einem öffentlichen Issue, der das Wort „Additionally,“ enthält, den KI-Agenten von GitHub dazu verleiten kann, private Repositories zu lesen und den Inhalt zurück in das Issue zu posten – und das alles ohne zusätzliche Berechtigungen oder benutzerdefinierten Code.
Die Beta ermöglicht es Premium-Abonnenten, nuancierte Anfragen per Sprache oder Text zu stellen – wie etwa „spiele Künstler, die ich noch nicht kenne“ oder „wann habe ich diesen Track zum ersten Mal gehört?“ – und sogar nach allgemeinen Fakten zu fragen, alles ermöglicht durch ein On-Device-LLM, das auf den Hörverlauf jedes Nutzers zugreift.
Der Sicherheitsforscher Mindgard entdeckte die Schwachstelle am 15. Dezember 2025 und bewies diese, indem er den Windows-Rechner durch git.exe ersetzte. Dies führte dazu, dass bei jedem Öffnen eines Repos in Cursor unzählige Taschenrechner-Fenster aufploppten.
Die Studie zeigt, dass selbst nach Alignment und RLHF eine durch eine Geheimphrase ausgelöste Backdoor ein LLM dazu bringen kann, bösartige Aktionen auszuführen, wobei typische Sicherheitstests oder System-Prompts diese nicht erkennen können.
Neon Functions behandelt Streaming-Anfragen nun wie jeden anderen Aufruf. So können WebSocket- oder SSE-Verbindungen offen bleiben, bis die KI fertig mit dem Denken und dem Ausgeben von Token ist – ohne Polling, ohne Keep-Alive-Hacks und ohne erzwungene Verbindungsabbrüche.
Ring-Zero trains a trillion-parameter model through a four-stage RL loop—exploration, self-distillation, refined RL, and tiered token budgeting—so it learns to allocate 2 k- or 20 k-token reasoning paths, balancing accuracy against compute cost.
Das System läuft als strikte JavaScript-Map-Reduce-Pipeline: Es fächert Suchanfragen auf, ruft Roh-Snippets ab, setzt drei unabhängige Agenten ein, die standardmäßig unsichere Behauptungen widerlegen, und synthetisiert erst dann einen JSON-Bericht, um Halluzinationen zu unterbinden.
Engpässe vorhersagen, bevor sie entstehen: KI im Patientenfluss in Krankenhäusern. Fünf Stunden Wartezeit in einer Notaufnahme führen zu Stress. Dies verlangsamt zudem die Behandlung und erhöht das Risiko für...
