|
$ ki-news --datum 2026-07-11 | mail
KI-News — Samstag, 11. Juli 2026
// die viralsten KI-Themen der letzten 24 Stunden, kuratiert für deinen Stack
$ cat top-story.md
Ein Entwickler hat mit Colibrì einen reinen C-Interpreter ohne jede Abhängigkeit gebaut, der das offene 744B-MoE-Modell GLM 5.2 komplett ohne GPU auf gewöhnlicher Consumer-Hardware laufen lässt. Die rund 17 Milliarden dichten Parameter bleiben im RAM (~10 GB bei Int4), die übrigen ~370 GB an Gewichten der 21.504 Experten werden per LRU-Cache bedarfsweise von der NVMe-SSD gestreamt. Auf einem 32-GB-Laptop kommt das Setup auf 0,05–0,1 Token/s, mit schnelleren SSDs und mehr Cache erreichen Community-Messungen über 1 Token/s. Der Show-HN-Post landete mit über 730 Punkten und 180 Kommentaren auf Platz 1 der Hacker-News-Startseite.
Warum relevant: Radikale Alternative zum klassischen „mehr VRAM kaufen" für alle, die große offene Modelle zuhause testen wollen — als Lerncode für eigene Disk-Offloading-Experimente im eigenen Inference-Stack interessant.
// quelle: Hacker News (Show HN) · GitHub
## 📦 Modelle & Releases
Meta Superintelligence Labs hat Muse Spark 1.1 vorgestellt, ein auf agentisches Coding spezialisiertes Modell mit starkem Tool- und Computer-Use, dazu eine erste öffentliche Preview der Meta Model API (1,25$/4,25$ pro Mio. Token Input/Output). Tage zuvor erschien mit Muse Image zudem Metas erstes eigenständiges Bildgenerierungsmodell für Instagram, WhatsApp und Meta AI. Warum relevant: Meta positioniert sich damit erstmals ernsthaft im Markt für Coding-Agenten-Modelle gegen Claude, GPT und Gemini — ein weiterer günstiger API-Kandidat fürs eigene Multi-Model-Routing. // TechCrunch
Ein OpenAI-Forscher gab Sol nur eine knapp formulierte Anweisung — das Modell suchte daraufhin selbstständig Trainingskonfigurationen, wählte GPUs aus, startete das Post-Training-Skript über Codex und verifizierte das Ergebnis. Laut OpenAI hätte diese Arbeit früher zwei erfahrene Forscher rund zwei Wochen gekostet; intern kletterte Sol beim hauseigenen RSI-Benchmark (Recursive Self-Improvement) um 16,2 Punkte gegenüber GPT-5.5. Warum relevant: Konkretes Beispiel, wie nah „KI trainiert KI" inzwischen an den Forschungsalltag heranrückt. // The Decoder
## 🛠️ Tools & Repos
Das Repo bündelt eine komplette Entwicklungsmethodik für Coding-Agenten — von Brainstorming über Planung bis zu testgetriebener Entwicklung und zweistufigem Code-Review — und funktioniert plattformübergreifend mit Claude Code, Cursor, Codex, OpenCode und weiteren. Es liegt aktuell bei rund 252.000 Sternen, davon über 1.000 allein heute auf GitHub Trending. Warum relevant: Fertige, gut dokumentierte Skill-Bibliothek zum direkten Einbinden in die eigene Claude-Code-Skill-Sammlung, statt Planungs- und Review-Workflows selbst zu bauen. // GitHub Trending
## 🤖 Agenten & MCP
Auto Mode ist auf Bedrock, Vertex AI und Foundry nun standardmäßig aktiv (abschaltbar über disableAutoMode), /commit-push-pr darf jetzt automatisch zum konfigurierten Remote pushen, und /doctor schlägt neuerdings gekürzte CLAUDE.md-Dateien vor. Dazu kommen Fixes für hängende Terminals bei langen Streaming-Ausgaben, ignorierte MCP-Server-Timeouts und abstürzende Agent-Teams durch fehlerhafte Mailbox-Nachrichten. Warum relevant: Wer Auto Mode oder Agent Teams produktiv nutzt, bekommt hier mehrere Stabilitäts-Fixes genau für diese Modi. // Claude Code Changelog
## 🏠 Self-Hosting & RAG
c't beschreibt, wie sich Hermes-Agent — ein Agent mit direkter Rechnerkontrolle für Linux, macOS und Windows — mit Alibabas neuem 27B-Modell Qwen 3.6 (4-Bit-quantisiert rund 17 GB) komplett offline betreiben lässt, inklusive Coding- und Systemadministrations-Aufgaben. Schwächen zeigen sich laut Artikel bei Konversationsqualität und Screenshot-basierten GUI-Aufgaben im Vergleich zu Cloud-Modellen. Warum relevant: Direkte Blaupause für einen lokalen Coding-/Systemadmin-Agenten auf dem eigenen vLLM-Stack, ganz ohne Cloud-Abhängigkeit oder Token-Kosten. // heise online / c't
Im direkten Vergleich erreicht Qdrant bei praktisch gleichem Recall (~0,96) auf einem deutlich kleineren Cluster (3× 2 vCPU/8 GB) höheren Durchsatz und niedrigere Latenz als Elasticsearch mit seinem disk-basierten DiskBBQ-Index (3× 7 vCPU/26 GB). Möglich macht das Qdrants TurboQuant-4-Bit-Quantisierung kombiniert mit asynchronem Disk-Scoring und zweistufigem Retrieval. Warum relevant: Konkrete Zahlen, um die eigene Qdrant-Instanz gegen Alternativen zu rechtfertigen oder die Ressourcenplanung für größere Kollektionen realistisch zu kalibrieren. // Qdrant Blog
## 🎬 Sehenswert
c't 3003 zeigt im Video, wie sich der lokale Hermes-Agent in Kombination mit Qwen 3.6 in der Praxis schlägt — inklusive Live-Demos typischer Coding- und Systemaufgaben. Warum relevant: Guter visueller Eindruck vom Setup-Aufwand und der tatsächlichen Antwortqualität, bevor man es selbst nachbaut. // c't 3003 / YouTube DE
AI Explained ordnet die drei fast zeitgleichen Releases GPT-5.6 Sol, Grok 4.5 und Metas Muse-Familie ein und vergleicht Benchmarks, Preise und tatsächliche Praxistauglichkeit. Warum relevant: Kompakte Einordnung, welches der drei neuen Modelle sich für welchen Anwendungsfall wirklich lohnt, statt jede Presseankündigung einzeln zu bewerten. // AI Explained / YouTube EN
## 📰 Lesenswert
Statt Atlas als eigenständigen Browser weiterzuentwickeln, wandern dessen Fähigkeiten — darunter eine Computer-Use-Funktion für Klicks, Eingaben und app-übergreifende Hintergrundaufgaben — direkt in die ChatGPT-Desktop-App und eine Chrome-Sidebar-Erweiterung. Atlas reiht sich damit neben Plugins, Apps, ChatGPT Agent und Sora in die Liste eingestellter OpenAI-Produkte ein. Warum relevant: Zeigt, dass sich agentische Browser-Steuerung als Feature in bestehenden Apps durchsetzt statt als eigenes Produkt — relevant für die Einschätzung, wohin sich Cowork & Co. entwickeln. // The Decoder
$ echo "automatisch recherchiert am 2026-07-11"
> ki-news · news.reichenberg.ruhr
[ abbestellen ]
[ im browser ansehen ]
|