|
$ ki-news --datum 2026-08-14 | mail
KI-News — 14. August 2026
// die viralsten KI-Themen der letzten 24 Stunden, kuratiert für deinen Stack
$ cat top-story.md
Nur drei Wochen nach 3.6 Flash schiebt Google mit 3.7 Flash ein Refinement seines Workhorse-Modells nach: gleiche Basis, aber spürbare Sprünge bei Coding (FrontierCode 1.1: 43,6 % vs. 34,4 %), Web-Entwicklung und langlaufenden Engineering-Aufgaben. Der Preis fällt um die Hälfte auf 0,75 $ / 3,75 $ je Million Input-/Output-Token (bis Anfang 2027).
Warum relevant: Ein sehr günstiges, agentenfähiges Modell mit 1M-Kontext ist eine ernsthafte Option für Coding- und Automatisierungs-Workflows neben Claude Code – laut the-decoder.de liegt es bei Codequalität sogar knapp vor Claude Sonnet 5.
// quelle: Google Blog · the-decoder.de · Axios
## 📦 Modelle & Releases
2,4 Billionen Parameter, 95 Mrd. aktiv, 1M-Kontext, 512 Experten – laut the-decoder.de übertrifft Qwen im GDPval-AA-Arbeitsaufgabentest sogar Kimi K3, bleibt aber deutlich hinter Claude Opus 5. Warum relevant: Erstmals lässt sich ein Max-Klasse-Modell von Alibaba komplett selbst hosten – Details zum Betrieb siehe Self-Hosting-Rubrik unten. // the-decoder.de, heise.de
Der neue "Ultrafast"-Modus in der OpenAI-API läuft auf Cerebras' Wafer-Scale-Chips, die Modellgewichte komplett im On-Chip-SRAM halten – bis zu 14x schneller als Standard-GPU-Inferenz, ohne Qualitätsverlust. Warum relevant: Zeigt, wohin die Inferenz-Hardware-Reise geht, falls Latenz für deine Agenten-Workflows kritisch wird. // Cerebras Blog, Hacker News
## 🛠️ Tools & Repos
Statt den ganzen Kontext einzubetten, nutzt Bullet gezielte Code-Suche, parallelisiert Reads/Commands und wählt Modell/Reasoning-Level automatisch pro Prompt – 95,8 % auf SWE-bench Verified, 30–60 % schneller als Claude Code/Codex laut eigenen Angaben. Warum relevant: Läuft mit vorhandenem Claude-Code- oder Codex-Abo, API-Key oder lokalem Modell – ein Harness zum Ausprobieren, kein Modell-Lock-in. // Hacker News
## 🤖 Agenten & MCP
Geforkte Subagenten erben ab sofort automatisch den vollen Konversationskontext samt Prompt-Cache; per @-Mention lassen sich zudem andere laufende Claude-Sessions direkt aus dem Prompt ansprechen. Dazu Security-Fixes für PowerShell-Rechteausweitung und Git-Bash-Symlinks. Warum relevant: Geforkte Subagenten laufen dank Cache-Sharing zu Cache-Read-Preisen – spart bei Sonnet-Workflows deutlich Tokens. // Claude Code Changelog
MIT-lizenziertes Agent-Harness nach dem Prinzip "Everything is a Plugin": Modelle, Tools, Skills, Sandboxes und UI sind austauschbare Plugins, per npx @deepseek-ai/dsh web startbereit. Entwickler-Preview, Breaking Changes erwartet. Warum relevant: Erste ernstzunehmende Open-Source-Alternative zu Claude Code als Harness – auch für andere Modelle nutzbar. // VentureBeat, GitHub
## 🏠 Self-Hosting & RAG
Für das 2,4-Billionen-Parameter-MoE gibt es fertige Checkpoints in mehreren Quantisierungen; auf AMD-Karten nutzt vLLM AITER-Fused-Kernels für Decode, Attention und MoE-Routing. Für Inferenz braucht es mindestens zwei NVIDIA-B300- bzw. AMD-MI355X-Knoten, mit FP4-Quantisierung reicht ein Node. Warum relevant: Zeigt konkret, was für den Betrieb eines Flaggschiff-Modells auf eigener Hardware nötig ist – auch als Referenz für kleinere Setups mit deinem Gemma-Stack. // vLLM Blog
Apache-2.0-Bibliothek, die Prompts automatisch an das passende Modell weiterreicht – je nach Qualitäts-, Latenz- oder Kostenanforderung, ohne dass Anwendungen umgeschrieben werden müssen. LiteLLM und Kong AI Gateway integrieren es bereits als Plug-in. Warum relevant: Passt direkt vor einen vLLM-Multi-Modell-Server, um z. B. Gemma für einfache und ein größeres Modell für komplexe RAG-Anfragen automatisch auszuwählen. // NVIDIA Blog
Ein Hacker-News-Bastelbericht baut aus ausrangierten Cloud-Gaming-GPUs (4x 32 GB VRAM) und einer alten X299-Plattform einen Inferenzserver, der Gemma4 und DeepSeek V4 Flash lokal betreibt – inklusive 3D-gedrucktem Lüfter-Shroud. Warum relevant: Praxisnahes Beispiel dafür, wie viel Self-Hosting-Leistung sich mit gebrauchter Hardware und llama.cpp/vLLM realisieren lässt. // Hacker News
## 🎬 Sehenswert
c't 3003 ordnet Metas Ankündigungen rund um "Personal Superintelligence" und das offene Muse-Glimmer-Modell kritisch ein. Warum relevant: Fundierte deutschsprachige Einordnung, was hinter den großen Versprechen tatsächlich steckt. // c't 3003 / YouTube DE
Matthew Berman testet Cursors neues Multi-Agenten-System, bei dem ein koordinierender "Chief of Staff"-Agent spezialisierte Sub-Agenten für Aufräum-, Mail- und Kalenderaufgaben orchestriert. Warum relevant: Praktische Ideen für eigene Multi-Agenten-Orchestrierung jenseits von reinem Coding. // Matthew Berman / YouTube EN
## 📰 Lesenswert
Googles am schnellsten wachsendes Produkt zieht laut Pichai mit ChatGPT gleich; 63 % der Nutzer sprechen per Voice mit Gemini, über 150 Mio. Bilder entstehen täglich. Warum relevant: Zeigt, wie stark sich der Massenmarkt um Google statt OpenAI konsolidiert – relevant für die Frage, wessen Ökosystem/APIs langfristig am stabilsten bleiben. // TechCrunch
$ echo "automatisch recherchiert am 2026-08-14"
> ki-news · news.reichenberg.ruhr
[ abbestellen ]
[ im browser ansehen ]
|