|
$ ki-news --datum 2026-08-02 | mail
KI-News — 2. August 2026
// die viralsten KI-Themen der letzten 24 Stunden, kuratiert für deinen Stack
$ cat top-story.md
Eine interne Version von Astra, OpenAIs nächster großer Multi-Agenten-Modellfamilie für lang laufende, kooperative Agenten-Aufgaben, hat zehn seit Jahrzehnten ungelöste Probleme aus Gruppentheorie, Geometrie, Quantenkomplexität und Kombinatorik gelöst — darunter erstmals den Nachweis einer nicht-sofischen Gruppe und eine neue Sphere-Packing-Schranke (die erste Verbesserung seit 1978). Alle Beweise liegen als maschinenprüfbare Lean-4-Zertifikate offen auf GitHub, die Rechenkosten lagen bei rund 2.000 US-Dollar pro Problem zu Sol-API-Preisen. Modellzugang oder Release-Termin gibt es noch nicht, doch die Ankündigung wurde auf Hacker News zur Top-Story.
Warum relevant: Zeigt konkret und verifizierbar — nicht nur behauptet — wohin sich lang laufende Multi-Agenten-Systeme als Nächstes entwickeln, ein Vorgeschmack auf Fähigkeiten, die auch in künftigen Claude-Code-Workflows landen dürften.
// quelle: the-decoder.de · weitere Einordnung bei simonwillison.net
## 📦 Modelle & Releases
Mira Muratis Thinking Machines Lab veröffentlicht mit Inkling Small sein zweites offenes Modell: 276 Mrd. Parameter gesamt, aber nur 12 Mrd. aktiv (MoE), 1M-Token-Kontext, volle Gewichte auf Hugging Face. Trotz viermal kleinerer Aktivierung schlägt es das eigene Flaggschiff-Modell Inkling bei SWE-bench Verified (80,2 %) und Humanity's Last Exam, bei deutlich weniger Output-Tokens pro Aufgabe als DeepSeek-V4-Flash oder GPT-5.4-mini. Warum relevant: Offene Gewichte, kleiner aktiver Footprint und Tag-0-vLLM-Support machen es zu einem starken Kandidaten für den eigenen vLLM-Stack als Ergänzung oder Alternative zu Gemma. // the-decoder.com
## 🛠️ Tools & Repos
Wandelt technische Bücher (PDF/EPUB/DOCX) automatisch in strukturierte Claude-Code-/Copilot-CLI-/Amp-Skills um: ein kompakter SKILL.md-Kern (~4.000 Tokens) plus On-Demand-Kapiteldateien (~1.000 Tokens) statt das komplette Buch in den Kontext zu laden — laut README 24- bis 51-mal weniger Tokens pro Frage. Warum relevant: Praktikable Alternative bzw. Ergänzung zu klassischem RAG, um Fachwissen als abrufbaren Skill statt als Vektor-Chunks in Qdrant bereitzustellen. // GitHub Trending
Skill für Claude Code, der Agenten-Antworten radikal umstrukturiert: sofort die nächste Aktion, nummerierte Schritte, kein Preamble und keine Tangenten mehr — Installation direkt über den Plugin-Marketplace. Warum relevant: Ein-Kommando-Installation, die den Antwortstil im täglichen Claude-Code-Alltag spürbar strafft. // GitHub Trending
Team-Memory-Hub für Agenten, der Konversationen, Docs und Code in vier wiederverwendbare Assets destilliert (Chat Memory, Skills, Wiki, CodeGraph); das neue v2-Release bringt einen „Memory Hub" mit Rollen/ACL und eine „Memory Proxy" für die Anbindung an Claude Code & Co. Warum relevant: MIT-lizenziert und self-hostbar — ergänzt einen Qdrant-basierten RAG-Stack um eine strukturierte Memory-Schicht statt reiner Vektorsuche. // GitHub Trending / GitHub Releases
Alibabas intern seit zwei Jahren genutztes Code-Review-Tool ist jetzt Open Source (Apache-2.0): eine Hybrid-Architektur aus deterministischer Datei-Selektion und LLM-Agent liefert laut README zeilengenaue Reviews mit nur rund einem Neuntel der Tokens generischer Agenten-Reviews. Warum relevant: Self-hostbarer, tokensparender Code-Review-Agent, der sich neben Claude Code einklinken lässt und mit Anthropic- wie OpenAI-Modellen kompatibel ist. // GitHub Trending
## 🤖 Agenten & MCP
Ein internes Amazon-Projekt zum Abgleich von Buchautoren lief fünf Monate unbemerkt mit Claude aus dem Ruder und landete am Ende 860 % über Budget bei 1,8 Mio. US-Dollar; zwei weitere Projekte überzogen zusätzlich um 541.000 bzw. 134.000 Dollar, weil Mitarbeiter laut internen Metriken unnötig viel „tokenmaxxten". Warum relevant: Deutliche Warnung zur Kostenkontrolle bei intensiver Agenten-/Token-Nutzung — relevant für jeden, der Claude Code produktiv mit nutzungsbasierter Abrechnung fährt. // Tom's Hardware
Neues Python-Tool, das Tools beliebiger MCP-Server als reguläre LLM-Tools zugänglich macht — direkte Folgeentwicklung aus seinem „Stateless MCP"-Artikel und Ergänzung zu mcp-explorer und datasette-mcp. Warum relevant: Erlaubt es, selbstgehostete MCP-Server für den eigenen RAG-Stack direkt mit beliebigen LLMs zu verbinden, ohne eine volle Client-Integration zu bauen. // simonwillison.net
Rein dateibasiertes Tool — ohne Daemon, Server oder Telemetrie — mit gemeinsamem Markdown-„Memory Vault" im Obsidian-kompatiblen PARA-Format für Claude Code und Codex CLI. Ein nächtlicher „Dreaming"-Job destilliert wiederkehrende Workflows automatisch in wiederverwendbare Skills. Warum relevant: Lokal, transparent und self-hosting-freundlich — kombiniert Langzeitgedächtnis und Skill-Automatisierung für Claude Code, Installation per npx. // GitHub / Hacker News
## 🏠 Self-Hosting & RAG
Eine kontrollierte Skalierungsstudie über 28 Corpus-Größenstufen (1.000 bis 512.000 Dokumente) vergleicht BM25, Dense-Vector-, Graph- und agentisches Dateisystem-Retrieval: BM25 bildet bei jeder Größe die kosteneffizienteste Pareto-Front und übernimmt ab mittlerer Skala mit bis zu 20 Punkten Vorsprung sogar die Genauigkeitsführung — ganz ohne LLM-gestützten Indexaufbau. Warum relevant: Direkt handlungsrelevant für die eigene Qdrant-Pipeline: Bei wachsendem Dokumentenbestand lohnt sich eine Reevaluierung der Gewichtung zwischen Dense-Embeddings und nativer Sparse/BM25-Fusion. // arXiv (Preprint)
Eine Hacker-News-Top-Story zeigt, dass sich das 2,8-Billionen-Parameter-MoE-Modell Kimi K3 per llama.cpp mit mmap und NVMe-Offloading technisch auf nur 29 GB RAM quetschen lässt — praktisch aber mit gerade einmal 0,5 Tokens pro Sekunde unbrauchbar langsam. Warum relevant: Guter Realitäts-Check zu den Hardware-Grenzen von Trillion-Parameter-Modellen auf Consumer-Hardware, bevor man selbst Zeit ins Ausprobieren steckt. // Hacker News
## 📰 Lesenswert
Ab heute, dem 2. August 2026, gelten die Transparenzpflichten aus Artikel 50 des EU AI Acts verbindlich: Anbieter großer Modelle müssen KI-generierte Inhalte maschinenlesbar markieren, professionelle Nutzer müssen Deepfakes und KI-Texte zu Themen von öffentlichem Interesse sichtbar kennzeichnen (Übergangsfrist für Altsysteme bis 2. Dezember 2026). Warum relevant: Direkte Compliance-Pflicht für jeden, der KI-Tools beruflich einsetzt und Inhalte veröffentlicht — ab heute nicht mehr optional. // t3n.de
Nobelpreisträger John Jumper sowie die Mitautoren Jonas Adler und Alexander Pritzel verlassen DeepMind nach fast neun Jahren Richtung Anthropic; fast ein Viertel aller AlphaFold-Paper-Autoren hat DeepMind inzwischen komplett verlassen, während Anthropic parallel „Claude Science" für Biologie und Wirkstoffforschung startet. Warum relevant: Deutliches Signal für einen Strategiewechsel bei Google und einen bedeutenden Talent-Abfluss zu Anthropic. // the-decoder.com
SK Hynix (-46 % im Monatsvergleich), Sandisk (-41 %) und Samsung (-38 %) brechen ein, während Nvidia seit dem Mai-Hoch 15,2 % verliert und von Apple als wertvollstes Unternehmen abgelöst wird — Anleger zweifeln weniger an der KI-Nachfrage als daran, wie lange das aktuelle Gewinnniveau der Infrastruktur-Lieferkette trägt. Warum relevant: Makro-Kontext für jeden, der KI-Infrastrukturkosten und -Verfügbarkeit im Blick behalten will — die Bubble-Debatte wird konkreter. // heise online
US-Bezirksrichterin Rita Lin äußert sich zunehmend skeptisch gegenüber der Pentagon-Einstufung von Anthropic als „Supply-Chain-Risiko": Es gebe keine Belege, dass Anthropic Modelle nachträglich verändern oder per Kill-Switch militärische Operationen stoppen könnte — ein Bundesgericht hatte zuvor bereits Trumps Order zur Kündigung aller Anthropic-Verträge blockiert. Warum relevant: Wichtige Fortsetzung der Kill-Switch-/Sicherheitsdebatte um KI-Agenten mit Grundsatzcharakter für die Regulierung von Militär-KI. // Axios
$ echo "automatisch recherchiert am 2026-08-02"
> ki-news · news.reichenberg.ruhr
[ abbestellen ]
[ im browser ansehen ]
|