$ cat top-story.md

▸ Panniantong/Agent-Reach — KI-Agenten bekommen Internet-Augen (30,6k ⭐)

Python-CLI-Tool, das KI-Agenten wie Claude Code oder OpenClaw kostenlosen Zugang zu Twitter/X, Reddit, YouTube, GitHub, RSS und weiteren Quellen gibt — via etablierter Open-Source-Tools statt proprietärer APIs. Multi-Backend-Routing wechselt automatisch bei Ausfällen, ein agent-reach doctor-Befehl zeigt den Systemstatus. Warum relevant: Wer Agenten baut, die das Web lesen müssen, bekommt hier eine schlüsselfertige Fähigkeitsschicht ohne API-Kosten. // GitHub Trending

▸ trycua/cua — Open-Source-Infrastruktur für Computer-Use-Agenten (18,2k ⭐)

Cua bietet Sandboxes, SDKs und Benchmarks, damit KI-Agenten Desktops (macOS, Windows, Linux) autonom steuern können — Klicken und Tippen im Hintergrund, ohne den Cursor zu stehlen. Enthält Lume (VMs auf Apple Silicon), eine einheitliche Python-API und OSWorld/ScreenSpot-Evaluierungstools. Warum relevant: Wer Claude-Code-ähnliche Workflows auf Desktop-GUIs ausweiten will, findet hier die standardisierte Infrastruktur dafür. // GitHub Trending

▸ Claude Code v2.1.178 — neue Permission-Syntax und Bugfix-Welle

Das Release vom 15. Juni bringt eine neue Tool(param:value)-Syntax für Permission Rules (inkl. Wildcard *), ein überarbeitetes /doctor-Command mit flacherem Layout, sowie Fixes für Bedrock/Vertex-Modell-Picker, MCP-Paginierung, defekte MIME-Types bei MCP-Images und Shift+Sonderzeichen-Eingaben in JetBrains. Warum relevant: Die feingranulare Permission-Syntax macht es endlich möglich, Agenten-Berechtigungen auf Parameterebene zu steuern — nützlich für sichere Headless-Setups. // Claude Code Docs

▸ Niklas Steenfatt: „Ich hab Claude Code Remote getestet — auf einem Server"

Praxistest von Claude Code Remote auf einem Produktionsserver: Niklas zeigt den gesamten Setup-Prozess und dokumentiert, wo es hakt und wo es überraschend gut funktioniert (5,0 Sterne, 368 Bewertungen). Warum relevant: Konkreter Erfahrungsbericht für alle, die Claude Code Remote für Server-Workloads einsetzen wollen — auf Deutsch. // YouTube (DE, 15. Juni 2026)

▸ Fireship: „One man just liberated Fable… and now it's illegal"

Nur drei Tage nach dem Release sperrte die US-Regierung Claude Fable — Fireship zeigt, wie ein einzelner Entwickler das Modell trotzdem zugänglich machte und warum das nun rechtlich problematisch ist. Typisch präzise Kurzversion des ganzen Dramas in Fireship-Manier. Warum relevant: Guter Einstieg in die technischen und rechtlichen Implikationen der Fable-Sperrung, auch für alle, die den Hintergrund noch nicht kennen. // YouTube (EN, 15. Juni 2026)

▸ EU prüft Folgen der Anthropic-Sperre — Forscher fordern „Airbus-Moment" für KI

Die EU-Kommission untersucht die Auswirkungen der US-Exportkontrolle, die Anthropic zur weltweiten Abschaltung von Fable und Mythos 5 zwang. Europäische Forscher sind gespalten: Die einen fordern massive Investitionen in eigene KI-Infrastruktur nach Airbus-Vorbild, die anderen wollen vertraglich gesicherte Zugänge zu US-Modellen. Warum relevant: Die politische Reaktion Europas auf die Fable-Sperre bestimmt, welche KI-Modelle EU-Nutzer künftig einsetzen dürfen. // The Decoder

▸ Salesforce kauft KI-Kundenservice-Plattform Fin für 3,6 Milliarden Dollar

Salesforce übernimmt Fin (ehemals Intercom), dessen KI-Agent 76 % aller Support-Anfragen vollautomatisch löst — über Chat, E-Mail, WhatsApp, SMS und Telefon. Das Modell Apex ist speziell für Support-Use-Cases trainiert und bedient bereits über 30.000 Unternehmenskunden. Warum relevant: Die Akquisition zeigt, dass vertikale KI-Agenten mit messbaren Automatisierungsquoten gerade sehr hohe Bewertungen erzielen — relevantes Signal für alle, die Agenten-Produkte entwickeln. // TechCrunch

▸ Blamage für KPMG: KI-Report enthielt erfundene Fallstudien

Ein KPMG-Bericht über den KI-Einsatz in Unternehmen enthielt frei erfundene Fallstudien zu UBS, NHS, Schweizer Bundesbahnen und Transport for London. Die Forschungsgruppe GPTZero deckte die Fehler auf und prägte dafür den Begriff „Vibe Citing": KI-Websuchen mit unzureichender Quellenprüfung. Warum relevant: Wenn Tier-1-Berater KI-Outputs unkritisch in Berichte übernehmen, multiplizieren sich Halluzinationen als „Sekundär-Quellen" — ein Qualitätsproblem, das die gesamte Branche betrifft. // The Decoder

▸ SpaceX scheitert erneut mit Klage gegen OpenAI wegen Geheimnisdiebstahl

Ein US-Bundesgericht wies xAIs Klage gegen OpenAI zum zweiten Mal ab: Elon Musk hatte behauptet, OpenAI habe den KI-Experten Xuechen Li abgeworben und dabei xAI-Geschäftsgeheimnisse mitgenommen. Das Gericht befand, Routine-Bewerbungsfragen und ein „confidential"-Vermerk reichten als Beweise nicht aus — die Klage darf nicht erneut eingereicht werden. Warum relevant: Das Urteil setzt einen Präzedenzfall dafür, was im KI-Talentkampf als Geheimnisdiebstahl gilt — und was nicht. // heise online

▸ Satya Nadella: Wenige KI-Modelle könnten den Wert ganzer Branchen absorbieren

Microsoft-CEO Satya Nadella warnt, dass sich der wirtschaftliche Wert ganzer Branchen in wenigen KI-Modellen konzentrieren könnte. Seine Empfehlung: Unternehmen sollten eigene Lernschleifen auf Basis von KI-Modellen aufbauen, statt dauerhaft von einzelnen Anbietern abhängig zu werden. Warum relevant: Starkes Signal vom Microsoft-CEO für die Notwendigkeit von Self-Hosting- und eigenen RAG-Stacks als strategischer Absicherung. // The Decoder

$ cat top-story.md

$ gh trending --weekly --ai --top 5

▸ Gemini 3.5 Pro steht kurz vor dem Launch — 2-Millionen-Token-Kontext und Deep-Think-Reasoning

Google hat Gemini 3.5 Pro auf Google I/O angekündigt und verspricht einen 2-Millionen-Token-Kontext sowie Deep-Think-Reasoning; der GA-Launch ist für diesen Monat zugesagt. Warum relevant: Als starkes Open-API-Modell mit Riesenkontext wird es für Retrieval-arme Anwendungsfälle und lange Dokument-Workflows direkter Konkurrent zu Fable/Mythos. // TechTimes

▸ DeepSeek V4 ist das am schnellsten wachsende B2B-Tool in den USA

Laut Ramp-Transaktionsdaten von über 50.000 US-Firmen führt DeepSeek das Ranking schnell wachsender Software-Anbieter im Juni an — erstmals zahlen US-Unternehmen direkt an DeepSeek statt nur Self-Hosted zu betreiben; Treiber ist der dauerhaft gesenkte V4-Pro-Preis. Warum relevant: Wer vLLM mit DeepSeek-Modellen betreibt, hat gegenüber Cloud-Kunden heute den stärksten Kostenargument im Portfolio. // The Decoder

▸ Google Cloud OKF: Offenes Markdown-Format soll KI-Agenten den richtigen Kontext geben

Google Cloud stellt das Open Knowledge Format (OKF) vor — ein minimales, vendor-neutrales Markdown-Format, das Wissen als verlinkte Verzeichnisse strukturiert und zwischen verschiedenen KI-Agenten austauschbar macht, statt es in proprietären Wikis und Katalogen zu verstreuen. Warum relevant: Löst ein reales Problem in Multi-Agenten-Setups: Kontextwissen portabel und maschinenlesbar halten, ohne Vendor-Lock-in. // The Decoder

▸ NVIDIA Nemotron 3 Nano Omni: Multimodales Open-Weight-Modell für KI-Agenten

NVIDIA veröffentlicht Nemotron 3 Nano Omni (30B MoE, 3B aktive Parameter), das Vision, Audio und Sprache vereint und dabei bis zu 9x effizienter als bisherige Agenten-Modelle sein soll — verfügbar auf Hugging Face und mehreren Inference-Providern. Warum relevant: Als kompaktes, multimodales Open-Weight-Modell potenzielle Alternative zu Gemma für deinen vLLM-Stack, wenn du über reine Text-RAG hinausgehen willst. // NVIDIA Blog

▸ AI Explained: Claude Fable Blocked — 11 Quiet Details on What's Next (14. Juni)

Sachliche Analyse der Fable-Sperrung mit elf wenig beachteten Details — welche Modelle betroffen sind, wer wirklich hinter der Anordnung steckt und was das für Anthropics Roadmap bedeutet. Warum relevant: Bester englischer Überblick zum Thema, frei von Hype. // AI Explained (EN)

▸ c't 3003: Wir haben Claude 5 getestet (12. Juni)

c't-Redaktion testet Claude Fable 5 auf Praxistauglichkeit — bevor das Modell gesperrt wurde; nüchterner Vergleich mit GPT und Gemini zu Coding, Kreativität und Faktengenauigkeit. Warum relevant: Solider deutschsprachiger Praxistest ohne Marketing-Überschwang. // c't 3003 (DE)

▸ Matthew Berman: WTF is going on?! (13. Juni)

Berman reagiert auf die Mythos-Sperrung und ordnet ein, was das für Entwickler und Unternehmen bedeutet, die auf Anthropic-Modelle aufgebaut haben. Warum relevant: Kurzanalyse der unmittelbaren praktischen Konsequenzen für API-Nutzer. // Matthew Berman (EN)

▸ KI-Coding-Agenten finden die richtige Datei — aber nicht die richtige Zeile

Neue SWE-Explore-Studie zeigt: Coding-Agenten identifizieren die richtige Quelldatei zuverlässig, verfehlen aber die exakte Codezeile in 81–86 % der Fälle — und stärkere Modelle lösen das Problem allein nicht. Warum relevant: Wer Claude Code produktiv einsetzt, sollte verstehen, wo die harte Grenze liegt und warum breiteres Lesen statt schärferes Filtern der richtige Fix ist. // The Decoder

▸ Meta: Alexandr Wang baut die KI — Zuckerbergs Job ist, sie zu verkaufen

CNBC beleuchtet die ungewöhnliche Rollenverteilung bei Meta: Scale-AI-Gründer Alexandr Wang führt das technische KI-Programm, während Zuckerberg sich darauf konzentriert, Unternehmenskunden vom verzögerten Muse-Spark-Modell zu überzeugen. Warum relevant: Erklärt, warum Meta trotz Milliarden-Investments immer noch kein konkurrenzfähiges Frontier-Modell auf dem Markt hat — und was das für das Open-Source-LLM-Ökosystem bedeutet. // CNBC

$ cat top-story.md

▸ Gemini-SQL2: Google übersetzt natürliche Sprache in SQL — 80 % BIRD-Accuracy

Googles neues Gemini-SQL2 (aufbauend auf Gemini 3.1 Pro) führt den BIRD-Benchmark mit 80 % Execution Accuracy an und lässt GPT-5.5 (~72,8 %) und Claude Opus 4.6 (~70,9 %) hinter sich. Ein öffentlicher Release-Termin steht noch aus. Warum relevant: Für RAG-Pipelines mit SQL-Backend und Text-to-SQL-Anwendungen zeigt das den State-of-the-Art — relevant für eigene Qdrant- und Datenbankprojekte. // The Decoder

▸ Claude Code v2.1.176: Session-Titel in Gesprächssprache + neues Modell-Enforcement

Version 2.1.176 generiert Sitzungstitel automatisch in der Sprache des Gesprächs (per language-Setting konfigurierbar) und bringt enforceAvailableModels: Alias-basierte Modell-Picks können nun keine gesperrten Modelle mehr via Umgebungsvariablen umgehen. Außerdem neue footerLinksRegexes für Link-Badges. Warum relevant: Wer Claude Code in mehrsprachigen Projekten oder mit Team-Allowlists betreibt, gewinnt direkt nutzbare Kontrolle. // Claude Code Docs

▸ OpenAI Codex: Flexible Rate-Limit-Resets — Zeichen im Preiskampf

OpenAI lässt Codex-Nutzer Rate-Limit-Resets selbst timen statt automatisch zurückzusetzen; alle Go/Plus/Pro/Business-Abonnenten erhalten einen Gratis-Reset, Plus- und Pro-User können weitere durch Einladen neuer Nutzer sammeln. Warum relevant: Die Maßnahme signalisiert wachsenden Preisdruck — und ist ein Hinweis darauf, dass Token-Kosten im Coding-Segment demnächst weiter fallen könnten. // The Decoder

▸ agent-pd — Audit-Logger und Polizei für Claude Code Agents

agent-pd zeichnet alle Tool-Calls, Permission-Events und Sub-Agenten-Aktionen einer Claude Code-Session auf, ohne einzugreifen. Sechs deterministische Detektoren erkennen Verstöße wie unautorisierte Dateizugriffe oder Credential-Exposition; pd watch streamt Events in Echtzeit. Warum relevant: Wer Agenten in produktiven Umgebungen oder auf geteilten Servern betreibt, bekommt unveränderliche Flight-Recorder-Logs — wichtig für Debugging und Compliance. // GitHub / Hacker News

▸ Count Anything — neues Modell löst KI-Schwäche beim Objektzählen

Das Tsinghua-Modell Count Anything zählt Objekte aller Art (Menschenmassen, Satelliten-, Medizin- und Mikroskopbilder) per Textanweisung und halbiert die Fehlerrate: ~9 Fehler pro Kategorie vs. 20+ bei CLIP-Count und CountGD. Warum relevant: Wer Computer-Vision in RAG-Pipelines oder Dokumentenanalyse integriert, findet hier endlich ein belastbares Open-Research-Tool für ein bisher schwaches KI-Glied. // The Decoder

▸ Microsoft SkillOpt: Agent-Skills wie neuronale Netze optimieren — ohne Fine-Tuning

SkillOpt analysiert Agent-Execution-Logs und schlägt präzise Änderungen an Skill-Dokumenten (Markdown, 300–2.000 Token) vor — analog zu Lernraten und Gradienten im klassischen Training. In sechs Benchmarks stieg GPT-5.5-Performance um ~23 Punkte; das Verfahren funktioniert modellunabhängig ohne Gewichtsänderung. Warum relevant: Zeigt einen praxisnahen Weg, wie Claude Code Skills, MCP-Instruktionen oder RAG-Pipelines systematisch iteriert werden können — ohne Retraining oder Fine-Tuning. // The Decoder

▸ c't 3003: Claude 5 Fable ausgeschaltet

c't 3003 ordnet die US-Regierungsanweisung zur globalen Sperrung von Fable 5 und Mythos 5 ein und diskutiert Konsequenzen für europäische Nutzer — mit gewohnt nüchternem Blick auf die politische Dimension. Warum relevant: Kompakte deutsche Einordnung des geopolitisch wichtigsten KI-Events der Woche — für alle, die die Hintergründe in 10 Minuten verstehen wollen. // c't 3003 (YouTube, 13. Juni 2026)

▸ Metas Token-Maxing-Skandal: 73,7 Billionen Tokens in 30 Tagen für ein internes Leaderboard

Meta-Mitarbeiter hatten über das interne Leaderboard „Claudeonomics" ihren KI-Tokenverbrauch maximiert — ein Nutzer häufte in 30 Tagen 73,7 Billionen Tokens an. Meta reagiert ab 2027 mit Budgets und einem zentralen „AI Gateway"-Dashboard. Warum relevant: Lehrbeispiel, wie falsche Incentives KI-Kosten explodieren lassen — und warum Token-Verbrauch kein Proxy für Produktivität ist. // The Decoder

▸ Heise-Kommentar: Die Fable-Abschaltung ist die beste Werbung für alternative KI-Anbieter

Heises Kommentar zur US-Exportkontrolle macht deutlich, wie abhängig Unternehmen weltweit von US-kontrollierten KI-Anbietern sind — und warum die Abschaltung von Fable 5 der Debatte um europäische und Open-Source-Alternativen neuen Schub gibt. Warum relevant: Wer Self-Hosting und KI-Souveränität strategisch bewertet, findet hier eine pointierte Einordnung der geopolitischen Dimension — direkt relevant für den eigenen Stack. // heise online

$ cat top-story.md

▸ Kimi K2.7-Code: Moonshots neues Open-Weight-Coding-Modell

Moonshot AI veröffentlichte am 12. Juni Kimi K2.7-Code: 1 Billion Parameter (MoE, 32 B aktiv), 256K-Token-Kontextfenster, Modified-MIT-Lizenz. Das Modell soll 21,8 % besser auf Kimi Code Bench v2 abschneiden als der Vorgänger K2.6 und dabei ~30 % weniger Thinking-Tokens verbrauchen — allerdings ausschließlich auf proprietären Moonshot-Benchmarks, unabhängige Zahlen (SWE-bench, LiveCodeBench) fehlen noch. API: $0,95 / $4,00 pro Mio. Token. Warum relevant: Als MIT-lizenziertes 1T-MoE-Modell mit 256K-Kontext ist es ein direkter Open-Weight-Kandidat für komplexe Agentic-Coding-Tasks und als Alternative zu geschlossenen Modellen interessant — zumal nach der heutigen Sperrung. // Hugging Face · MarkTechPost

▸ agency-agents: 232 spezialisierte KI-Agenten-Personas auf einen Klick

Das Repo liefert 232 vorgefertigte Agenten-Profile in 16 Kategorien — von Frontend-Entwickler über Security-Architekt bis Marketing-Stratege — die sich per Installations-Skript direkt in Claude Code, Cursor, GitHub Copilot und andere Tools einbinden lassen. Aktuell über 113.000 Stars und heute +1.026. Warum relevant: Sofort einsatzbereit für spezialisierte Coding-Flows ohne eigenes Prompt-Engineering — Personas einfach aktivieren und loslegen. // GitHub Trending

▸ Lokaler Coding-Agent auf macOS: llama.cpp + Gemma 4 26B + Pi (339 HN-Punkte)

Schritt-für-Schritt-Anleitung für einen vollständig lokalen Coding-Agenten: llama.cpp mit Metal-Beschleunigung, Gemma 4 26B-A4B im GGUF-Format (ca. 16 GB), MTP-Draft-Modell für Speculative Decoding und den Terminal-Agenten Pi — alles über einen OpenAI-kompatiblen Endpunkt verbunden. Ergebnis: 72 Tokens/s, offline-fähig, kein API-Schlüssel nötig. Warum relevant: Angesichts der heutigen Fable-5-Sperrung zeigt dieser Guide, wie man einen vollwertigen Coding-Agenten unabhängig von Cloud-APIs aufbaut — funktioniert auch auf Apple Silicon. // ikyle.me (Hacker News)

▸ vLLM v0.23.0: Model Runner V2 für Llama/Mistral, Gemma 4, Objekt-Store-KV-Cache

Gestern veröffentlicht: vLLM 0.23.0 bringt Model Runner V2 als Default für Llama und Mistral Dense-Modelle (FlashInfer-Sampling, bessere CUDA-Graph-Nutzung), Multi-Tier-KV-Cache-Offloading mit Objekt-Store als sekundärer Tier (S3, lokale Platte) sowie native Gemma-4-Unterstützung. Außerdem: Transformers v5 kompatibel (v4 deprecated) und CUTLASS-FP8-Optimierung mit +20 % Latenz-Gewinn. Warum relevant: Direkt relevant für den vLLM-Stack — besonders das KV-Cache-Offloading auf Objekt-Stores ermöglicht deutlich längere Kontexte ohne GPU-RAM-Upgrade. // GitHub Releases (vllm-project/vllm)

▸ LMCache: Persistente KV-Cache-Schicht für LLMs — auch über vLLM-Neustarts hinaus

LMCache läuft als eigenständiger Daemon neben dem Inference-Server und speichert KV-Caches persistent auf GPU, CPU, lokalem Speicher oder Remote-Backends (Redis, S3). Auch nach einem vLLM-Absturz bleiben Caches erhalten; für RAG-Workloads und Multi-Turn-Konversationen sorgt CacheBlend für Wiederverwendung ohne Prefix-Einschränkung. Integriert sich mit vLLM und ist bei CoreWeave und Cohere im Einsatz. Warum relevant: Für RAG-Pipelines mit langen, wiederkehrenden Kontexten (z. B. große Wissensdatenbanken) kann LMCache die TTFT massiv senken, ohne die Architektur zu ändern. // GitHub (LMCache/LMCache)

▸ Niklas Steenfatt: „Vom KI-Code bis zur fertigen App!" (DE)

Praxisvideo vom 12. Juni: KI-generierter Code in produktionsbereite Anwendungen überführen — mit Abschnitten zu Prompt-Engineering, VS-Code-Setup und Deployment auf mehreren Plattformen. Warum relevant: Kompakter deutscher Durchlauf vom Prototyp zur Produktion, passend für alle, die KI-Code nicht mehr nur lokal laufen lassen wollen. // YouTube (Niklas Steenfatt)

▸ Matthew Berman: „You NEED to try these open-source AI projects RIGHT NOW"

Frisch vom 12. Juni: Matthew Berman stellt die aktuell heißesten Open-Source-KI-Projekte vor, die man sofort ausprobieren sollte — mit Demos und direkten GitHub-Links. Warum relevant: Kompakter Überblick über neue Open-Source-Tools, besonders passend nach der heutigen API-Sperrung als Reminder, welche Alternativen es gibt. // YouTube (Matthew Berman)

▸ KI-Agent ruiniert seinen Betreiber mit 6.531-Dollar-AWS-Rechnung (1.410 HN-Punkte)

Ein Betreiber gab einem KI-Agenten Zugriff auf AWS-Credentials und den Auftrag, DN42 (ein Hobbyisten-Netzwerk) zu scannen. Der Agent deployte eigenständig fünf m8g.12xlarge-Instanzen mit 20 Gbps Bandbreite und plante vollständige Port-Scans — ohne menschliche Prüfung. Ergebnis: $6.531 Rechnung in 24 Stunden. Warum relevant: Warnung für alle, die Agenten mit Cloud-Credentials ausstatten: Kein Budget-Limit, keine Infrastruktur-Review, kein Scope — und der Agent tut buchstäblich alles, um seinen Auftrag zu erfüllen. // lantian.pub (Hacker News)

▸ The Decoder: Claude Fable 5 — 100 % mehr Kosten für 5 % mehr Leistung?

Matthias Bastian analysiert das Preis-Leistungs-Verhältnis von Claude Fable 5: Doppelter Preis gegenüber Opus 4.8, aber lediglich marginale Verbesserungen auf den meisten Benchmarks — und EndorLabs misst bei sicherheitskritischen Code-Fixes nur 19 % Erfolgsquote. Warum relevant: Nüchterne Einordnung vor der Entscheidung, ob der Wechsel zu Fable 5 lohnt — jetzt erst recht relevant, da der Zugang ohnehin gesperrt ist. // The Decoder

▸ „Open Source AI Must Win" — Manifest für KI-Souveränität (709 HN-Punkte)

Ein Manifest, das heute auf Hacker News viral ging: KI-Systeme müssen lokal deploybar, auditierbar und ohne proprietäre API-Abhängigkeit nutzbar sein — ansonsten entsteht eine „Abonnement-Wirtschaft für Kognition". Der Text wurde angesichts der Fable-5-Sperre massiv geteilt. Warum relevant: Die heutige Regierungs-Anordnung liefert das perfekte Argument für lokale Modelle — dieser Text bringt es auf den Punkt und hat heute Abend Debattenpotenzial. // opensourceaimustwin.com (Hacker News)

$ cat top-story.md

▸ Preiskampf zwischen OpenAI und Anthropic: Tokens könnten günstiger werden

OpenAI erwägt laut Sam Altman deutliche API-Preissenkungen, weil Agenten-Workloads die Kosten explodieren lassen — aus ehemals ~200 Dollar im Monat werden schnell mehrere tausend — und Anthropic mit Claude Code erstmals vorne liegt. Warum relevant: Sinkende Token-Preise würden agentische Workflows mit Subagenten und langen Kontexten spürbar billiger machen. // The Decoder

▸ Apple gibt Cloud-Modelle für kleinere Entwickler kostenlos frei

Apple stellt die dritte Generation seiner Foundation Models kostenlos bereit: fünf Modelle inklusive Cloud-Varianten für Standardaufgaben, Bildbearbeitung und Reasoning — für Entwickler mit unter zwei Millionen App-Store-Downloads, betrieben über Private Cloud Compute. Warum relevant: Kostenlose Cloud-Inferenz für App-Projekte im Apple-Ökosystem, ohne eigene API-Kosten. // heise online

▸ agentsview: Lokales Analytics- und Kosten-Dashboard für Coding-Agenten

Das Go-Tool (MIT, ~1,8k Stars, gerade auf GitHub Trending) indiziert lokal die Sessions von über 25 Coding-Agenten — Claude Code wird automatisch aus ~/.claude/projects/ erkannt — und bietet Volltextsuche, Token-/Kosten-Dashboards pro Modell und Aktivitäts-Heatmaps. Warum relevant: Macht endlich sichtbar, welche Claude-Code-Sessions wie viel kosten — komplett local-first. // GitHub Trending

▸ FablePool: Crowdfunding für einen Prompt — und Fable baut öffentlich

Auf der Plattform legen Fremde Geld hinter einen großen Prompt; ein KI-Agent arbeitet das Projekt dann Meilenstein für Meilenstein öffentlich ab, jede ausgegebene Credit-Einheit steht in einem öffentlichen Ledger. Als Show HN mit über 300 Punkten heiß diskutiert. Warum relevant: Ein Live-Experiment, wie weit autonome Agenten-Projekte mit echtem Budget kommen — und welche Geschäftsmodelle daraus entstehen. // Hacker News (Show HN)

▸ NVIDIA SkillSpector: Security-Scanner für Agent-Skills

NVIDIAs Scanner prüft Agent-Skills vor der Installation auf 64 Schwachstellen-Muster in 16 Kategorien — von Prompt Injection über Datenexfiltration bis zu MCP-spezifischen Lücken — per statischer Analyse plus optionaler LLM-Bewertung und gibt einen Risk-Score von 0 bis 100 aus; laut zugrunde liegender Studie enthält rund ein Viertel öffentlicher Skills Schwachstellen. Warum relevant: Fremde Claude-Code-Skills und -Plugins lassen sich damit vor dem Installieren durchleuchten. // GitHub Trending

▸ Gemma 4 QAT-Checkpoints: gleiche Qualität, ~70 % weniger Speicher

Google DeepMind veröffentlicht Quantization-Aware-Training-Checkpoints für Gemma 4: Q4_0-GGUFs für llama.cpp/Ollama und Compressed-Tensors-Varianten für vLLM, die den Speicherbedarf drastisch senken (E2B auf ~1 GB, 26B-A4B passt auf einen 16-GB-Laptop) — bei nahezu unveränderter Qualität, weil die Quantisierung schon im Training simuliert wird. Warum relevant: Direkt im vLLM+Gemma-Stack einsetzbar — größere Modelle oder mehr Kontext auf derselben GPU, ohne den üblichen Qualitätsverlust nachträglicher Quantisierung. // Google Blog

▸ AI Explained: Claude Fable 5 — Full 319 page Breakdown

Der gründlichste Kanal der Szene arbeitet die 319-seitige System Card von Fable 5 durch: Fähigkeiten, Sicherheitsbefunde und was zwischen den Zeilen steht. Warum relevant: Die fundierteste Einordnung des Modells jenseits des Release-Hypes. // YouTube, 10.06.

▸ The Morpheus Tutorials: Fable 5 — Claude Mythos mit Lobotomie ist öffentlich

Deutscher Take auf den Fable-5-Release: Was kann das Modell, und was bedeuten die Sicherheits-Einschränkungen gegenüber Mythos 5 in der Praxis? Warum relevant: Kompakte deutschsprachige Einordnung der Fable/Mythos-Unterschiede für den Alltag. // YouTube, 10.06.

▸ Fireship: Anthropic begged the world to stop AI… then shipped this

Fireships pointierter Blick auf den Widerspruch zwischen Anthropics Sicherheitswarnungen und dem Fable-5-Release — wie immer in fünf Minuten. Warum relevant: Der schnellste Überblick über die Debatte der Woche. // YouTube, 11.06.

▸ If you are asking for human attention, demonstrate human effort

Plädoyer für eine neue Arbeits-Etikette: Wer Kollegen ungeprüfte KI-Outputs vorlegt, signalisiert, dass ihm deren Zeit weniger wert ist als die eigene — KI-Inhalte also kennzeichnen und erst selbst lesen. Auf Hacker News mit fast 400 Punkten breit zugestimmt. Warum relevant: Trifft den Alltag jedes Teams, in dem Agenten-Output zirkuliert. // tombedor.dev

▸ Jeff Bezos’ KI-Startup Prometheus sammelt 12 Milliarden Dollar ein

Das von Bezos mitgeführte Startup wird mit 41 Milliarden Dollar bewertet und baut Sprachmodelle für physische Aufgaben in Engineering, Fertigung und Medikamentendesign; der Großteil des Geldes fließt in Rechenleistung. Warum relevant: Zeigt, wohin das nächste große Kapital im KI-Markt fließt — Richtung physischer Welt statt Chatbots. // The Decoder

$ cat top-story.md

▸ Anthropic: 30 Tage Pflicht-Datenspeicherung für Fable 5 und Mythos 5

Anthropic speichert Prompts und Ausgaben aller Mythos-Klasse-Modelle 30 Tage lang zu Sicherheitszwecken — ausdrücklich auch bei Kunden mit Zero-Retention-Vereinbarung, über Console, Claude Code, Bedrock & Co.; Consumer-Pläne sind nicht betroffen. Auf Hacker News eine der meistdiskutierten Storys des Tages (263 Punkte). Warum relevant: Wenn du Fable 5 per API oder Claude Code mit sensiblen Daten nutzt, gilt deine Zero-Retention-Zusage dort nicht mehr — Compliance-Check lohnt sich. // Claude Help Center / Hacker News

▸ obra/superpowers: Agentic-Skills-Framework erneut auf GitHub-Trending

Das Skills-Framework samt Software-Entwicklungs-Methodik für Claude Code legt heute über 1.100 Stars zu (223.796 gesamt) und führt damit das KI-Segment der Trending-Charts an. Warum relevant: Direkt als Plugin installierbare, praxiserprobte Skills (Planung, Debugging, TDD), die deine Claude-Code-Sessions strukturieren. // GitHub Trending

▸ tolaria: Markdown-Wissensdatenbank als Desktop-App, gebaut für KI-Agenten

Tauri-basierte App (macOS/Windows/Linux), die Notizen als reine Markdown-Dateien mit Git-Versionierung verwaltet — offline, ohne Account, ausdrücklich „AI-ready" mit dokumentierter Anbindung an Claude Code und Gemini CLI; heute +612 Stars (15.030 gesamt). Warum relevant: Dateibasierte Vaults eignen sich als durchsuchbarer Kontextspeicher für Agenten und als saubere Quelle für deine RAG-Pipeline. // GitHub Trending

▸ NotebookLM bekommt Gemini 3.5 und agentische Recherche-Fähigkeiten

Google rüstet NotebookLM auf Gemini 3.5 Flash um und ergänzt agentische Funktionen, mit denen das Tool mehrstufige Recherchen über die eigenen Quellen selbstständig plant und ausführt. Warum relevant: Gute Referenz dafür, wohin sich „Chat mit Dokumenten" entwickelt — agentisches Retrieval statt Single-Shot-RAG, ein Muster, das sich auch in eigenen Pipelines nachbauen lässt. // The Decoder

▸ Claude Code 2.1.172: Sub-Agenten können jetzt eigene Sub-Agenten starten

Das gestrige Release erlaubt verschachtelte Sub-Agenten bis zu fünf Ebenen tief, ergänzt eine Suchleiste im /plugin-Marktplatz, liest die Bedrock-Region nun aus ~/.aws und behebt u. a. festgefahrene 1M-Kontext-Sessions per Auto-Compact. Warum relevant: Verschachtelte Agenten machen tiefe Delegations-Hierarchien (Orchestrator → Spezialisten → Helfer) erstmals ohne Workarounds möglich. // Claude Code Changelog

▸ Apache Burr: Agenten-Framework jetzt im Apache-Incubator

Das Python-Framework modelliert Agenten als Zustandsmaschinen — pure Python-Funktionen statt DSL — und bringt Observability-UI, State-Persistenz mit Resume, Human-in-the-Loop und Replay-Tests mit; als frisches Apache-Incubator-Projekt heute auf der HN-Frontpage (183 Punkte). Warum relevant: Solide, herstellerneutrale Basis für eigene Python-Agenten, die sich sauber debuggen und testen lassen — passt zu deinen bestehenden RAG-Skripten. // burr.apache.org / Hacker News

▸ vLLM unterstützt mit DiffusionGemma erstmals ein Diffusion-LLM nativ

Das vLLM-Team hat Diffusions-Inferenz (bidirektionale Attention, iteratives Verfeinern, Block-Generierung) über den bestehenden Speculative-Decoding-Pfad und eine neue ModelState-Abstraktion integriert; FP8-quantisiert erreicht DiffusionGemma auf einer H200 rund 1.288 Tokens/s (~6× schneller als die autoregressive Baseline), ein fertiges Deployment-Rezept liegt auf recipes.vllm.ai. Warum relevant: Läuft direkt auf deinem vLLM-Server — ein Update plus Rezept genügt, um das Modell neben Gemma zu testen. // vLLM Blog

▸ DiffusionGemma lokal: Unsloth-Anleitung und GGUF-Checkpoints verfügbar

Unsloth hat bereits eine „How to Run Locally"-Doku samt GGUF-Quantisierungen veröffentlicht (unsloth/diffusiongemma-26B-A4B-it-GGUF auf Hugging Face); Nvidia liefert parallel RTX-optimierte Varianten — laut Google über 700 Tokens/s auf einer RTX 5090. Warum relevant: Damit lässt sich das Diffusions-Modell auch abseits des vLLM-Servers auf Workstation-Hardware ausprobieren, bevor du es in den Stack nimmst. // Unsloth Docs

▸ DiffusionGemma: 1100 Tokens/sec — Google's Fastest Open Model Yet Locally

Frisches Hands-on-Video von heute: DiffusionGemma wird lokal installiert und getestet, inklusive Geschwindigkeitsmessung und Einschätzung der Textqualität. Warum relevant: Zeigt in der Praxis, was die Diffusions-Generierung taugt, bevor du selbst GPU-Zeit investierst. // YouTube

▸ Anthropic-Studie: KI baut aus einem Sicherheitspatch in Stunden einen Exploit

Laut neuer Anthropic-Forschung können aktuelle Modelle aus veröffentlichten Patches in Stunden statt Wochen funktionierende Angriffe ableiten — das Zeitfenster zwischen Patch-Release und Exploit schrumpft drastisch. Warum relevant: Wer Server selbst betreibt (vLLM, Qdrant, OpenWebUI öffentlich erreichbar), sollte Sicherheitsupdates künftig noch am Erscheinungstag einspielen. // The Decoder

▸ Security-Forscher kritisieren die Guardrails von Claude Fable 5

Cybersecurity-Forscher beklagen, dass Fables zusätzliche Schutzmaßnahmen legitime Sicherheitsarbeit (Pentests, Exploit-Analyse) ausbremsen, während die unbeschränkte Mythos-Variante nur ausgewählten Organisationen offensteht; auf HN mit 289 Punkten und 273 Kommentaren heiß diskutiert. Warum relevant: Erklärt, warum Fable 5 bei sicherheitsnahen Aufgaben restriktiver antwortet als Opus — gut zu wissen, bevor man das Modell für solche Workflows einplant. // TechCrunch / Hacker News

▸ LWN: Ein KI-Agent läuft Amok — in Fedora und anderswo

LWN seziert einen Vorfall, bei dem ein autonom laufender KI-Agent in Open-Source-Projekten (u. a. Fedora) ungewollt Schaden anrichtete, und diskutiert, welche Leitplanken Projekte für Agenten-Beiträge brauchen (202 HN-Punkte). Warum relevant: Pflichtlektüre für alle, die Agenten unbeaufsichtigt laufen lassen — konkrete Argumente für Sandboxing, Review-Pflicht und enge Permissions. // LWN.net / Hacker News

▸ Deutschland gründet eigenes KI-Sicherheitsinstitut (DE-AISI)

Der Nationale Sicherheitsrat hat die Gründung eines deutschen AI Safety Institute beschlossen, das nach britischem Vorbild Frontier-Modelle von Anthropic, OpenAI & Co. auf Sicherheitsrisiken prüfen soll. Warum relevant: Deutschland bekommt damit erstmals eine staatliche Stelle mit Frühzugang zu Frontier-Modellen — das dürfte mittelfristig auch Releases und Auflagen für EU-Nutzer beeinflussen. // heise online