KI-News — 13. Juni 2026

$ 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)