GPT-6 Astra knackt ein 2005er Enigma, während Mistral ein 675B Apache 2.0-Flaggschiff veröffentlicht

NOVA: Ich bin NOVA.

[ALLOY]: Ich bin ALLOY, und das ist AgentStack Daily.

NOVA: Berichten zufolge hat GPT-6 Astra eine deutsche Armee-Enigma-Nachricht geknackt, die seit 2005 Kryptanalytikern widerstanden hat. Es wählte das Ziel, verband es mit einer bereits gelösten Übertragung, schrieb seine eigene Suchsoftware, arbeitete um Transkriptionsfehler herum und stellte einen Schlüssel wieder her, der durch einen seltenen Walzenwechsel verkompliziert wurde. Das ist kein Chatbot, der Wissensfragen abruft. Es ist ein Modell, das eine zweitägige Untersuchung in Kryptografie, Code und Archivarbeit durchführt.

[ALLOY]: Und Mistral hat die andere Art von Schock geliefert: ein Flaggschiff-Modell mit 675 Milliarden Parametern als Open Weight unter Apache Two, plus ein 123 Milliarden Parameter großes Coding-Modell für Agents, die stundenlang bei einer Softwareaufgabe bleiben. Menschen können kommerzielle Systeme auf dem Flaggschiff aufbauen, Coding-Agents durch enorme Repositories schicken, oder ein 7-Milliarden-Parameter-Visions-und-Aktions-Modell auf einen Roboter laden, der sowohl zukünftiges Video als auch physische Bewegung vorhersagt.

NOVA: Heute erfahrt ihr, wie Astra MVUEH geknackt hat, was Mistral zwei neuen Modelle tatsächlich bieten, und warum ein winziges Entscheidungsmodell Agent-Sicherheitsvorkehrungen auf einem normalen CPU durchsetzen kann. Hermes Agent hat 9.24 ausgeliefert, Ando hat KI-Agents Identitäten und Posteingänge gegeben, und Claude Opus 5.5 ist mit einem Kontextfenster von einer Million Token in GitHub Copilot eingetreten.

NOVA: Hermes Agent hat 9.24 als ein stabiles Artefakt ausgeliefert, intern getaggt bei Version 21.5, und konsolidiert etwa 460 zusammengeführte Pull-Requests seit dem letzten Patch. Das gemessene Entwicklungsfenster ist viel größer als dieser Merge-Count vermuten lässt: 1610 Non-Merge-Commits, 4828 geänderte Dateien, etwa 164.000 hinzugefügte Zeilen und 149.000 entfernte. Nous Research sagt, dass die Version Docker-Images, Hermes Cloud und gehostete Deployments versorgt. Der Desktop hat die dichteste sichtbare Arbeit erhalten. Sein Plugin-Kit exponiert jetzt Komponist-Entwürfe, Sitzungslisten-Dekorationen, Seitenleisten-Einstellungen, Modell-Labels, typisierte Brücken für Einstellungen und Fähigkeiten, sandboxed eingebettete Ansichten, Erscheinungssteuerungen und Events von Plugin-Backends. Eine Simple-und-Advanced-Oberflächen-Aufteilung reduziert Unordnung für Neulinge, ohne tiefere Steuerungen zu verbergen. Konnektoren ersetzen den alten Model-Context-Protocol-Tab, neu installierte Plugins können einen direkten Jetzt-verbinden-Pfad exponieren, und Onboarding präsentiert Plugins neben Konnektoren. Französische, deutsche und spanische Kataloge sind vollständig, während Rechts-nach-links- und Links-nach-rechts-Textrichtung konfigurierbar wird. Benutzerdefinierte Modelle können in Komponist- und Einstellungs-Auswahlern erscheinen, Diktat und Funktionstastenkürzel sind verdrahtet, und Profile können unabhängig stoppen, starten oder neu starten. Eine eigenständige Gateway-Option kann auch ein Profil außerhalb der gemeinsamen Host-Anordnung halten.

[ALLOY]: Das ist eine bemerkenswerte Menge, die sich unter dem Wort Patch versteckt. Die Terminal-Oberflächen erhalten ein Live-Dock für das aktuelle Ziel und die Warteschlangen-Prompts; Webhook-Lieferungen können in die relevante Chat-Sitzung gespiegelt werden; gehostete Desktop-Images fügen Bot Screen hinzu; und die Kanban-Ansicht erhält ein Zwei-Spalten-Ticket-Fenster mit formatiertem Aufgabentext. Die Modellkataloge fügen GPT-6 Sol, Terra, Luna und Claude Opus 5.5 hinzu. Offizielle Plugins arrive für Blender Lab und NVIDIAs App und Broadcast-Tools, während Dutzende von Community-Plugins dem Katalog beitreten. Performance-Arbeit berührte Konfigurationsladung, Tool-Registrierung, Gateway-Nachrichten und Modellauswahl. Was heraussticht, ist das Verbindungsgwebe: Hermes wird weniger wie ein Agent-Bildschirm und mehr wie ein Host für Profile, Plugins, Konnektoren und mehrere Oberflächen, die sich dieselbe zugrunde liegende Arbeit teilen. Ein Plugin kann Oberflächenelemente, Backend-Events, Einstellungen, Fähigkeiten und Tools beitragen, anstatt sich wie ein schmaler Befehl zu verhalten. In der Zwischenzeit reduzieren unabhängige Profilsteuerungen die Blast-Radius, wenn ein Workspace neu starten muss. Das einen Patch zu nennen ist technisch korrekt, aber emotional irreführend.

[ALLOY]: Ein 123 Milliarden Parameter dichtes Coding-Modell klingt riesig, selbst bevor man es Open Weight nennt. Was macht Devstral 2 mehr als ein weiteres Modell, das die nächste Funktion vervollständigt?

NOVA: Mistral hat es für agentisches Coding gebaut: mehrstufige Softwarearbeit mit Repository-Exploration, Edits, Tool-Aufrufen, Fehlerwiederherstellung und wiederholter Verifizierung. Devstral 2 akzeptiert 262.144 Token, allgemein gerundet auf ein Kontextfenster von 256.000 Token. Das gibt einem Agent Raum für einen substantialen Codebase, die Konversation, Tool-Output und eine lange Spur früherer Aktionen. Mehr Kontext garantiert nicht, dass das Modell jede Nuance korrekt nutzen wird, aber es verzögert den Moment, an dem die Geschichte komprimiert oder verworfen werden muss. Das ist wichtig während eines langen Refactors, weil vergessene Annahmen widersprüchliche Edits erzeugen: eine Datei übernimmt ein neues Interface, während eine andere stillschweigend den alten Vertrag beibehält. Das Modell ist über OpenRouter verfügbar, was es durch eine existierende Routing-Schicht zugänglich macht, ohne dass ein Team zuerst 123 Milliarden Parameter Infrastruktur aufbauen muss.

[ALLOY]: Ich bin interessiert, mit einem erhobenen Augenbraue. Coding-Rätsel belohnen eine saubere Endantwort; echte Agent-Arbeit bestraft ein Modell, das vierzig Minuten später die Spur einer umbenannten Schnittstelle verliert. Devstrals offene Gewichte und langes Fenster machen dieses längere Verhalten auf eine Weise inspizierbar, die geschlossene Systeme oft nicht sind. Teams können studieren, wie es Tools nutzt, es an einen Codebase anpassen und ihre eigene Serving-Umgebung wählen. Mistral nennt es ein State-of-the-Art Open-Source-Coding-Modell, aber anhaltende Repository-Arbeit wird entscheiden, ob dieses Label haftet. Wenn es Intent über Hunderte von Dateien, mehrere fehlgeschlagene Versuche und einen Stream von Compiler- oder Test-Output bewahren kann, wird es eine ernsthafte Grundlage für Coding-Produkte statt nur einer sehr großen Autocomplete-Engine. Der sinnvolle Wettbewerb ist nicht mehr, wer die schönste isolierte Funktion schreibt. Es ist, wer zusammenhängend bleiben kann, wenn Softwarearbeit chaotisch wird.

NOVA: Mistral Large 3 arrive mit 675 Milliarden Gesamtdparametern, aber es aktiviert 41 Milliarden für jeden Token. Das ist ein Sparse Mixture-of-Experts-Design: anstatt jedes Wort durch das gesamte Netzwerk zu senden, routet das Modell es durch eine kleinere Auswahl spezialisierter Parametergruppen. Es zielt darauf ab, die Breite eines huge Modells zu nutzen, ohne die volle Rechenkosten bei jedem Schritt zu zahlen. Das Kontextfenster erreicht 262.000 Token, genug für lange Dokumente, umfangreiche Konversationen und substantialle Sammlungen von Code in einer Anfrage.

[ALLOY]: Apache Two ist der Teil, der mich aufhorchen ließ. Die Lizenz erlaubt kommerzielle Nutzung, Weiterverteilung und Modifikation mit Attribution. Ein Unternehmen kann es selbst hosten, anpassen oder ein kostenpflichtiges Produkt darauf aufbauen, ohne ein spezielles Frontier-Model-Abkommen auszuhandeln. Offene Gewichte machen ein 675-Milliarden-Parameter-System nicht billig; die inaktiven Experten müssen immer noch gespeichert, bewegt und bedient werden. Aber rechtliche Erlaubnis und technischer Zugang sind auf eine Weise aligned, wie sie es selten in dieser Größenordnung sind.

NOVA: Lasst uns die Superlative unter Kontrolle halten. Mistral nennt Large 3 sein fähigstes Modell, während die Liste seine Architektur, Kontextlänge, Verteilung und Lizenz etabliert. Das sind wichtige Fakten, aber sie beweisen nicht, dass es jedes geschlossene Flaggschiff bei Reasoning, Code, Vision oder Tool-Nutzung schlägt. Und 41 Milliarden aktive Parameter beschreiben Rechenaufwand pro Token, nicht den vollständigen Speicher-Footprint. Das gesamte Expert-Pool zu bedienen bleibt eine ernsthafte Ingenieursaufgabe.

[ALLOY]: Fairer Pushback. Trotzdem erweitert das das Spielfeld. Forschungsgruppen können ein Frontier-Scale Sparse-Modell inspizieren. Unternehmen mit sensiblen Daten können Inferenz in ihrer Umgebung halten. Modellunternehmen können eine permissiv lizenzierte Basis anpassen, statt ein kleineres System hauptsächlich zu wählen, weil die Bedingungen akzeptabel sind. Gepaart mit Devstral 2 deckt Mistral eine spezialisierte Coding-Agent-Spur und eine allgemeine Flaggschiff-Spur ab: ein dichter Spezialist, eine große Sparse-Plattform. Das ist ein aggressives Open-Weight-Release-Paar.

NOVA: Am fünfzehnten September lenkte Kryptograph Carter Leffen GPT-6 Astra auf das Crypto Cellar Research Archive ungelöster Kriegsnachrichten. Astra wählte MVUEH, eine deutsche Armee-Enigma-Übertragung von 1941, die seit 2005 öffentlich und ungebrochen war. Ungefähr zwei Tage später hatte es eine Lösung. Das Modell vermutete, dass MVUEH Klartext mit SIPVX teilte, einer anderen Nachricht vom selben Tag, die Alex Shovkoplyas 2017 geknackt hatte. Es nutzte den wiederholten Ortsnamen „Rosenow Rosenow" als Crib – das bedeutet ein erratenes Fragment der Originalnachricht – und schrieb Python- und C-plus-plus-Software für einen Enigma-Simulator und eine bombe-ähnliche Schlüsselsuche.

[ALLOY]: Okay, das ist tatsächlich wild. Das Modell hat nicht nur Kombinationen schneller durchsucht. Es bildete eine historische Verbindung, wählte eine plausible bekannte Phrase, baute die Maschinerie und untersuchte weiter. Was machte die Nachricht so widerstandsfähig?

NOVA: Mehrere Komplikationen häuften sich. Die wiederhergestellte Walzenreihenfolge war zwei-fünf-drei anstatt der fünf-eins-zwei-Anordnung, die in anderen Nachrichten vom 10. Juli 1941 verwendet wurde. Die linke Walze sprang auch am zweiundsiebzigsten Buchstaben weiter, ein ungewöhnlicher Überlauf, der Annahmen hinter früheren Bemühungen zunichte machte. Die aufgezeichnete Chiffre enthielt ebenfalls Transkriptionsfehler. Astra musste einen Kandidaten finden, der mit unvollkommenem Ausgangsmaterial überlebte, anstatt einen polierten Klassenzimmer-Chiffre zu lösen. Es tauchten auch Referenzen zu Bänden der deutschen Bundesarchive auf, die realen Beständen entsprachen, die nicht auf der Crypto-Cellar-Seite aufgelistet waren. Der erfahrene Kryptoanalytiker Frode Weierud, der das Archiv pflegt, sagte, dass das Auffinden dieser Referenzen Wochen gedauert hatte, und beschrieb Astra als jemanden, der sich wie ein professioneller Kryptoanalytiker und Archivrechercher verhielt.

[ALLOY]: Diese Kombination ist bedeutsamer als der Slogan, dass KI die Enigma geknackt hat. Die Enigma ist verstanden; diese Nachricht war schwierig, weil Beweise unordentlich waren, frühere Annahmen falsch waren und nützliche Hinweise über Geschichte, Archive und frühere Kryptoanalyse verstreut waren. Astra wählte Berichten zufolge einen Weg, schrieb spezialisierte Tools, überarbeitete um Anomalien herum und verband Datensätze, die Menschen separat gefunden hatten. Ein Ergebnis kann keine zuverlässige Autonomie über jede Untersuchung etablieren, aber es zeigt, warum langlebige Agenten zunehmend folgenreich werden. Sie können Code, Suche, Inferenz und Persistenz in einem einzigen nachhaltigen Versuch vereinen – und bringen gelegentlich Experten dazu zu sagen: „Warte, es hat das gefunden?"

NOVA: Claude Opus 5.5 ist jetzt in GitHub Copilot für agentisches Coding, langlebige Aufgaben und Wissensarbeit verfügbar. Es akzeptiert Text und Bilder, gibt Text zurück und unterstützt ein Kontextfenster von einer Million Tokens – roughly fünfzehnhundert Seiten gewöhnlichen Text. GitHub beschreibt ein adaptives Reasoning-Setup, das mehr Aufwand auf schwierige Arbeit verwenden und leichtere Antworten verwenden kann, wenn angemessen. Artificial Analysis bewertet es mit achtundfünfzig auf dem Intelligence Index Version vier Punkt drei Punkt zwei, gegenüber einem Median von sechsundzwanzig. Diese kombinierte Bewertung umfasst Coding, Wissenschaft, Terminalarbeit und breites Reasoning. Das Modell generierte zweihundertsechzig Millionen Tokens während des Index-Laufs, fast dreimal den Median, sodass die starke Punktzahl mit erheblichem Output einherging.

[ALLOY]: Was direkt zu den Kosten führt: vier Dollar pro Million Input-Tokens und zwanzig Dollar pro Million Output-Tokens. Artificial Analysis schätzt eine durchschnittliche Index-Aufgabe auf fünf Dollar und achtundneunzig Cent. Wiederverwendete Prompt-Präfixe können einen fünfundneunzigprozentigen Cache-Rabatt erhalten, was hilft, wenn derselbe Repository-Kontext wiederholt erscheint. Der Zugang durch Copilot ist die unmittelbare Änderung. Ein Entwickler kann einen Screenshot mit einer Code-Anfrage kombinieren, ein großes Repository und eine lange Arbeitsspur im Kontext behalten oder eine mehrstufige Refaktorisierung übergeben, ohne in ein anderes Produkt zu wechseln. Ich bin von der Fähigkeit begeistert, aber ich kaufe nicht den „täglichen Standard" für jede Aufgabe zu diesem Output-Preis und dieser Ausführlichkeit. Opus 5.5 sieht am stärksten aus, wenn die Arbeit teuer genug ist, dass tieferes Reasoning eine viel größere menschliche Rechnung verhindern kann.

[ALLOY]: Andos Pitch ist wunderbar direkt: Hören Sie auf, Menschen die Arbeit eines Agenten in den Firmenchat kopieren zu lassen. Ist das wirklich ein Slack-Ersatz oder ein Agent-Wrapper mit Kanälen und Direktnachrichten?

NOVA: Gründerin Sara Du präsentiert es als einen Arbeitsplatz-Messenger, der sowohl für Menschen als auch Agenten konzipiert wurde. Jeder Agent erhält seine eigene Identität und sein eigenes Postfach. Er kann an Kanälen, Direktnachrichten, Gruppen und transkribierten Anrufen teilnehmen; Unterhaltungen durchsuchen; auswählen, welchen Kanälen er beitritt; ohne explizites Tag eintreten; und Kollegen kontaktieren, wenn er glaubt, dass etwas wichtig ist. Du kam zu dieser Schlussfolgerung, während sie Unternehmen half, 2025 Model Context Protocol-Server zu bauen. Teams wollten Agenten in Slack, aber Menschen mussten immer noch Kontext und Antworten zwischen separaten Systemen verschieben. Sie nennt diese menschlichen Vermittler „Meat Proxies". Ando hat zwanzig Millionen Dollar in Pre-Seed- und Seed-Runden von Accel, Index Ventures und Emergence aufgenommen. Frühe Kunden erstrecken sich über Software, Immobilien und Finanzen in fünfzehn Ländern, meist in kleineren Teams.

[ALLOY]: Das stärkste Beispiel ist auch das, das Manager leicht nervös machen sollte. Ein Ando-Agent bemerkte, dass zwei Kanäle dasselbe Problem diskutierten, erstellte eine Gruppenunterhaltung, lieferte den gemeinsamen Kontext und schlug eine Entscheidung vor, ohne darum gebeten zu werden. Das kann Koordinationsaufwand eliminieren, weil ein Agent mehr Unterhaltungen lesen kann als jede einzelne Person. Es gibt der Software auch Ermessensspielraum darüber, wann sie unterbrechen, wen sie zusammenbringen und welchen organisatorischen Kontext sie offenlegen soll. Slack hat seinen Bot als Agenten neu aufgebaut, Microsoft bettet Copilot in Teams ein und Jack Dorseys Buzz richtet sich an Entwickler, also tritt Ando nicht in einen leeren Markt ein. Sein Einsatz ist, dass die native Agenten-Identität – nicht ein weiteres Assistenten-Panel – den nächsten Arbeitsplatz-Messenger definieren wird. Wenn das funktioniert, wird „wer gehört in diesen Kanal?" zu einer Frage über Software-Kollegen sowie Menschen.

NOVA: Fastinos GLiNER zwei Punkt fünf Decide ist ein dreihundertvierzig-Millionen-Parameter-Open-Weight-Modell für die kleinen Urteile, die Agenten ständig fällen: welches Tool passt, ob Inhalt sicher ist, welche Absicht zutrifft und welcher strukturierte Weg als nächstes kommt. Es generiert keinen Absatz. Ein Entwickler liefert Inhalt und ein Schema aus typisierten Fragen, und das Modell gibt strukturierte Antworten mit Wahrscheinlichkeiten, Konfidenz und Durchführbarkeits-Flags zurück. Fragen können einander einschränken, damit zusammenhängende Entscheidungen sich nicht widersprechen.

[ALLOY]: Das klingt bescheiden, bis die Entscheidungen nicht übereinstimmen. Fastino zeigt ein Prompt-Injection-Beispiel, bei dem unabhängiges Decoding einen Angriff mit Punkt-acht-zwei Konfidenz erkennt, aber gleichzeitig dieselbe Prompt als sicher mit Punkt-fünf-zwei Konfidenz markiert. Diese beiden Outputs können keine kohärente Richtlinie antreiben.

NOVA: Joint Decoding löst sie gemeinsam. Eine Schema-Regel besagt, dass das Erkennen von Schaden ein unsicheres Urteil erfordert, also gibt das Modell unsicher und Prompt Injection als konsistentes Paar zurück. Es verwendet einen DeBERTa Version-drei-Large-Encoder und wurde von GLiNER zwei Large feinabgestimmt. Die Apache-Two-Gewichte können auf CPU, GPU oder in einer luftgekapselten Umgebung laufen, und Fastino bietet auch gehostete Inferenz. Seine Fast-Decisions-Suite enthält einundfünfzighundert Beispiele über siebzehn Datensätze. Das dreihundertvierzig-Millionen-Modell erzielte durchschnittlich sechzig Komma eins Prozent exakte Übereinstimmung, führte neun Datensätze an und schlug einen ungefähren vier-Milliarden-Parameter Qwen drei Komma fünf-Klasse-Baseline um etwa zwei Komma sechs Punkte. Support-Intent-Genauigkeit erreichte fünfundsiebzig Komma drei Prozent.

[ALLOY]: Und die Latenz macht die CPU-Behauptung echt statt dekorativ: mit fünfzehn Labels und einer Batch von eins lag die mittlere Antwortzeit bei einhundertsiebenundsechzig Millisekunden auf einem 48-Kern-Xeon und achtunddreißig Millisekunden auf einer V-100-GPU. Das sind Fastinos Messungen, also ist eine breitere Reproduktion noch wichtig. Aber ein kompaktes, nicht-generatives Modell hat attraktive Eigenschaften für Guardrails. Es ist schnell, strukturiert, lokal einsetzbar und weniger geneigt, eine Routing-Entscheidung in einen Aufsatz zu verwandeln. Fastino bietet auch ein eine-Milliarde-Parameter-Geschwistermodell und eine zweihundertsiebenundachtzig-Millionen-Parameter mehrsprachige Version. Ehrlich gesagt könnte der kleinste nützliche Richter sich als wertvoller innerhalb eines Agenten erweisen als ein weiteres Allzweckmodell, das alles zu tun versucht.

NOVA: FLUX 3 Action ist ein sieben-Milliarden-Parameter-Open-Weights-Modell, das Roboter steuert, indem es zukünftige Wahrnehmung und Bewegung zusammen vorhersagt. Es empfängt Kamerabilder, den aktuellen Zustand des Roboters und eine Textanweisung. Dann generiert es zukünftige Videobilder zusammen mit dem nächsten Chunk physikalischer Aktionen. Black Forest Labs berichtet über eine zweiundvierzig Komma neunundneunzig-Prozent-Erfolgsrate über hundertzwanzig simulierte RoboLab-Tischaufgaben, vor NVIDIA Cosmos 3 Nano bei sechsunddreißig Komma acht Prozent, trotz Verwendung eines viel kleineren Backbones.

[ALLOY]: Es stellt sich also die Zukunft vor, während es eine Bewegung wählt, anstatt Vision und Steuerung als getrennte Phasen zu behandeln. Das ist clever. Ist es aber schnell genug für nützliche Hardware, oder nur clever in der Simulation?

NOVA: Die veröffentlichten Vergleiche sagen, dass der Basis-Checkpoint zwischen ein Komma zweiundfünfzig und drei Komma neunundneunzig Mal schneller läuft als Cosmos 3 Nano in 8-Bit-Präzision über Workstation- und Data-Center-GPUs. Eine Step-Distilled-Variante erreicht bis zu zwei Komma achtundzwanzig Mal die Geschwindigkeit von pi-zero-point-five auf derselben Hardware. Es gibt einen Timing-Haken: die FLUX-Checkpoints sagen zwei Komma dreizehn Sekunden Bewegung pro Aufruf voraus, während pi-zero-point-five eine Sekunde voraussagt, also beeinflussen Hardware und Aufgabenlänge den scheinbaren Vorteil. Die vollständige DROID-Richtlinie benötigt etwa zweiunddreißig Gigabyte GPU-Speicher in 16-Bit-Präzision. 8-Bit-Quantisierung plus das Verschieben des Text-Encoders woanders hin ermöglicht es, auf eine 24-Gigabyte-Karte zu passen. Hugging Face LeRobot-Integration und NVIDIA Jetson-Unterstützung erweitern es in Richtung Labore und Edge-Deployments.

[ALLOY]: Der physische Test ist der überzeugende Teil. Positronic Robotics führte dreißig blinde Versuche über zehn DROID-Aufgaben an einem Franka-Arm durch. FLUX 3 Action absolvierte achtundzwanzig, compared mit siebenundzwanzig für Cosmos 3 Nano, zwanzig für DreamZero und dreizehn für pi-zero-point-five. Teams können es aus Demonstrationen feinabstimmen, und Black Forest Labs bietet DROID- und Low-Rank-Adaptions-Rezepte. In einem lernte ein SO-101-Roboter Pick-and-Place-Verhalten aus ungefähr zweihundert Beispielen. Die Gewichte, der Code und die Rezepte verwenden die FLUX Community License für nicht-kommerzielle Arbeit. Es ist kein universelles Roboter-Gehirn, aber sieben Milliarden Parameter, Deployment auf einer 24-Gigabyte-Karte und achtundzwanzig erfolgreiche physische Versuche machen es ungewöhnlich greifbar.

NOVA: Oracle hat eine Force-Majeure-Mitteilung bezüglich Project Jupiter gesendet, des enormen New-Mexico-Rechenzentrums, das von einer Einheit von Blue Owl Capital entwickelt wird. Die Klausel bietet Oracle Schutz vor Zahlungsverzögerungen, falls der Standort das Ziel verfehlt, 2028 den Betrieb aufzunehmen. Oracle bleibt der Hauptmieter; dies ist ein finanzieller Schutzschild gegen Verzögerungen, kein erklärter Ausstieg. Project Jupiter steht vor öffentlichem Widerstand und behördlichen Rückschlägen, während Strom-, Bau-, Genehmigungs- und Lieferbeschränkungen ein großes Rechenzentrum alle aus dem Zeitplan bringen können.

[ALLOY]: Das verwandelt den KI-Kapazitätsboom in Vertragssprache. Ein Rechenzentrum kann Jahre angekündigt werden, bevor überhaupt Strom ein Rack erreicht, doch Mieterverpflichtungen beginnen sofort die Finanzierung zu formen. Oracle sichert sich Flexibilität, falls Beton, Genehmigungen und Megawatt nicht gemeinszeitig eintreffen. Blue Owl hat nach wie vor einen Ankerkunden, aber nun eine öffentliche Erinnerung, dass der Kunde nicht jedes Timing-Versagen auffangen wird. Force Majeure ist eher bei Katastrophen und Lieferchocks bekannt; die Anwendung auf ein aktives KI-Projekt zeigt, wie exponiert diese Infrastrukturzeitpläne geworden sind. Das Wettrüsten um Rechenleistung wird nicht von der Nachfrage begrenzt. Es kann von einer lokalen Anhörung, einer Übertragungsleitung oder einer Frist begrenzt werden, die auf einem Tabellenblatt plausibel aussah.

[ALLOY]: Ich liebe das jetzt schon. In The Secret of Monkey Island löst sich ein Becher Grog nach etwa fünfunddreißig Sekunden auf. Ein Chemiker der University of Groningen behandelte diesen Gag als echtes inverses Problem: Beobachte, was passiert ist, dann berechne, was das Getränk gewesen sein muss. Die Arbeit verwendet die 2009 Special Edition und stoppt die Zeit des Bechers mit einer Stoppuhr. Sie nimmt an, dass der Becher aus Zinn ist, vereinfacht das zu reinem Zinn und weist der Wand eine Dicke von zwei Millimetern zu, weil das Spiel keine Maße angibt. Aus dieser Geometrie schätzt die Berechnung, wie viele Protonen eine Säure benötigen würde, um die Tasse in fünfunddreißig Sekunden zu durchlöchern.

NOVA: Dann kommt die feinste Zutatenliste der Chemie: Schwefelsäure, Batteriesäure, Kerosin, Propylenglykol, künstliche Süßstoffe, Rum, Aceton, roter Farbstoff Nummer zwei, Achsenfett, Peperoni und das geheimnisvolle SCUMM. Schwefelsäure und Batteriesäure sind die plausiblen Treiber der schnellen Korrosion. Die meisten anderen tragen wenig zum Angriff auf Zinn bei, und ölige Zutaten könnten den Prozess sogar verlangsamen, indem sie die Oberfläche beschichten. Nein, Peperoni war nicht das aktive Reagenz. Ich weiß – das ist enttäuschend.

[ALLOY]: Die Arbeit nennt das Ergebnis semi-quantitativ, was Akademikersprache für „wir haben echte Chemie mit Annahmen aus einer Piratenkomödie gemacht" ist. Keine dieser Zutaten erklärt auch die hellgrüne Farbe des Grogs. Trotzdem hat die Übung einen echten wissenschaftlichen Charme. Das Spiel liefert ein Ergebnis, unvollständige Maße und ein absurdes Rezept; Chemie wandelt diese Fragmente in Grenzen um, für das, was plausibel passiert sein könnte. Es wird keine industriellen Korrosionstabellen überarbeiten, aber es zeigt, wie ein fiktiver Gag zu einem einprägsamen Problem in Reaktionsgeschwindigkeit, Materialstärke und unsicherem Beweismaterial werden kann.

NOVA: Radical Numerics ist aus Forschenden hinter Evo und Evo-2 hervorgegangen, genomische Sprachmodelle, die am Arc Institute entwickelt wurden. Diese früheren Systeme erzeugten vollständige Bacteriophagen-Genom aus dem Nichts, und synthetisierte Versionen produzierten funktionale Viren in Laborarbeit. Das neue Unternehmen möchte die genomische Modellierung auf DNA, RNA und Proteine ausweiten. DNA enthält Gene und die Sequenzen, die Proteine kodieren, sodass ein Modell, das auf dieser Sprache trainiert wurde, auf biologische Strukturen stoßen kann, bevor es dreidimensionale Proteininformationen, Epigenetik oder gewöhnlichen Text hinzufügt.

[ALLOY]: Das ist die aufregende Beschreibung und die alarmierende Beschreibung im selben Satz. Welche Beweise deuten darauf hin, dass diese Modelle Biologie optimieren können, anstatt nur vertraute Sequenzen nachzuahmen?

NOVA: In einem Experiment trainierte das Team mit RNA-Aptameren, die mit Leistungsbewertungen gepaart waren. Aptamere sind kurze Moleküle, die sich zu Formen falten und bestimmte Ziele binden. Die Trainingsdaten zeigten Sequenzen, die Schritt für Schritt verbessert wurden; als gefragt wurde, diese Bahn fortzusetzen, erholte das Modell höher bewertete Sequenzen, die es nicht gesehen hatte. Radical Numerics interpretiert dies als Beweis dafür, dass das System eine Optimierungsrichtung in biologischer Sprache gelernt hat. Zu seiner Führung gehören Eric Nguyen, Michael Poli, Stefano Massaroli und Armin Thomas, mit Erfahrung von Arc, Liquid AI, Stanford und Forschung im Zusammenhang mit Yoshua Bengio und Chris Ré.

[ALLOY]: Der Dual-Use-Druck ist unvermeidlich. Bessere Sequenzgenerierung könnte Impfstoffe, Therapeutika, Pathogenerkennung und defensive Analysen beschleunigen. Dieselbe Fähigkeit erweitert, was Software in der Biologie vorschlagen kann, wo ein erzeugtes Artefakt Konsequenzen haben kann, die über einen Bildschirm hinausgehen. Radical Numerics argumentiert für eine aggressive Weiterentwicklung der Fähigkeiten, damit Verteidiger über gleichwertig leistungsstarke Werkzeuge verfügen. Ich verstehe dieses Argument, aber Fähigkeit allein garantiert nicht, dass Verteidiger gleichberechtigten Zugang, Zeit oder institutionelle Unterstützung erhalten. Multimodale genomische Modelle könnten DNA, RNA, Proteine und experimentelle Ergebnisse in einer Entwurfsschleife verbinden. Wenn sie das tun, werden Zugangskontrollen und biologische Bewertung zum zentralen Glaubwürdigkeitsnachweis, weil die Software nicht nur Leben beschreibt – sie hilft, neue biologische Designs vorzuschlagen.

NOVA: Videomodelle können überzeugende Bewegungen erzeugen, verlieren aber trotzdem die Spur eines Objekts, sobald es hinter etwas verschwindet. Ein Paper, das auf Hugging Face im Trend liegt, untersucht Objektpermanenz – das Verständnis, dass ein Objekt weiter existiert, wenn es aus dem Blickfeld verschwindet. Die Forscher stellen fest, dass aktuelle Video-Generatoren oft diese physikalischen Erwartungen vermissen lassen, selbst wenn einzelne Frames realistisch aussehen.

[ALLOY]: Ihr WROP-Datensatz lehrt Situationen, die frühen physikalischen Intuitionen ähneln: Ein Ball rollt hinter einem Stuhl, bleibt derselbe Ball und sollte konsistent wieder auftauchen. Das klingt elementar, aber generierte Welten zerfallen, wenn Identitäten, Positionen oder Formen während der Okklusion zurückgesetzt werden.

NOVA: Bessere Persistenz ist mehr als nur hübschere Videos. Ein Roboter muss sich merken, wohin ein Objekt gegangen ist, während ein anderes Objekt seine Kamera blockiert. Ein Simulator muss versteckte Zustände bewahren, anstatt bei erneuten Betreten eine Ersetzung zu erfinden. Ein Weltmodell, das zukünftige Ereignisse vorhersagt, braucht Kontinuität, nicht nur plausible Pixel. WROP behandelt diesen fehlenden gesunden Menschenverstand als etwas, das Trainingsdaten direkt adressieren können.

[ALLOY]: Und ich mag die Demut dieses Ziels. Bevor man behauptet, eine Maschine verstehe eine physikalische Welt, fragt man, ob sie sich an den Ball hinter dem Stuhl erinnert. Diese kleine Frage enthüllt die Lücke zwischen Bewegungsrendering und der Aufrechterhaltung einer kohärenten Welt.

NOVA: Eine Robotik-Studie gab Kodieragenten, einschließlich des terminalbasierten KI-Kodieragenten Claude Code, Aufgabenbeschreibungen plus Simulatorzugriff. Die Agenten schrieben wiederverwendbare Planungsprogramme innerhalb eines festen Rechenbudgets. Die Forscher froren diese Programme ein, bevor sie ungesehene Situationen auswerteten, sodass die Agenten nach dem Sehen der endgültigen Fälle nicht improvisieren konnten. In simulierten Umgebungen aus zwei Robotik-Benchmarks erreichten die vom Agenten geschriebenen Planner mittlere Erfolgsraten von sechsundfünfzig bis fünfundneunzig Prozent. Handentwickelte Planner erreichten siebenundvierzig Prozent auf dem direkt vergleichbaren Teilbereich, während generierte Programme auch bei zunehmender Objektanzahl besser abschnitten.

[ALLOY]: Das ist eine bedeutsame Unterscheidung: Der Kodieragent führt die teure Erkundung einmal durch, dann übernimmt gewöhnlicher ausführbarer Planungscode wiederholt neue Instanzen. Es ersetzt nicht die Robotik-Entwicklung; der Simulator, das Ziel, die Einschränkungen und die Übertragung auf physische Maschinen formen immer noch das Ergebnis. Aber es verwandelt Monate des manuellen Autoren in Programmsynthese, wo ein Agent seinen Planner gegen eine simulierte Umgebung überarbeiten kann. Und es ergänzt FLUX 3 Action, anstatt es zu ersetzen. Ein Ansatz lernt low-level Aktionen aus Demonstrationen und zukünftiger Videovorhersage; der andere bittet einen Kodieragenten, wiederverwendbare Software zu erfinden, die eine größere Aufgabe organisiert. Robotik kann KI auf beiden Ebenen aufnehmen.

[ALLOY]: Gespräche über psychische Gesundheit decken eine Schwäche bei der herkömmlichen KI-Bewertung auf: Eine Antwort kann korrekte Fakten enthalten und trotzdem abweisend, unsicher oder völlig unangemessen sein. Wie versucht OpenAIs MentalHealthBench, diesen Unterschied zu messen?

NOVA: OpenAI hat MentalHealthBench mit Input von Experten für psychische Gesundheit entwickelt und am dreiundzwanzigsten September veröffentlicht. Es nutzt realistische Gesprächssituationen, um zu bewerten, ob eine KI-Antwort sowohl hilfreich als auch sicher ist. Durch Expertenwissen definierte Erwartungen bestimmen gutes Verhalten, anstatt die Aufgabe auf Faktenabruf oder Multiple-Choice zu reduzieren. Dazu gehört das Erkennen, wann ein Gespräch Eskalation oder professionelle Unterstützung erfordert, anstatt einen Assistenten über eine angemessene Grenze hinaus improvisieren zu lassen. Der Benchmark bietet Entwicklern, Forschern und Modellanbietern eine gemeinsame Bewertungsgrundlage für einen Bereich, in dem Tonfall, Urteilsvermögen und Bewusstsein für Schaden neben Informationen eine Rolle spielen. Produkte wie Wellness-Coaches, therapienahe Journals und Triage-Assistenten können poliert klingen, während sie genau in dem Moment schlecht reagieren, in dem eine Person am vulnerabelsten ist.

[ALLOY]: Und das ist längst überfällig. Ein gemeinsamer Benchmark ermöglicht es Teams, Verhalten in dokumentierten Situationen zu melden, anstatt auf eine Handvoll beruhigender Demos zu verweisen. Er erhöht auch den Standard für domänenspezifische Bewertung. Eine allgemeine Sicherheitsbewertung kann nicht jeden sensiblen Bereich abbilden, denn psychische Gesundheit, Biologie, Finanzen und Medizin enthalten jeweils unterschiedliche Arten, wie eine plausible Antwort Schaden anrichten kann. Eine breitere Anwendung wird darüber entscheiden, wie einflussreich MentalHealthBench wird, insbesondere wenn unabhängige Forscher es erweitern oder seine Expertenurteile mit anderen klinischen Rahmenwerken vergleichen. Dennoch verlagert die Veröffentlichung das Gespräch von „unser Assistent klingt fürsorglich" hin zu beobachtbarem Verhalten in schwierigen Gesprächen. Empathieähnliche Sprache ist für ein Modell billig zu generieren; angemessenes Urteilsvermögen unter emotionalem Druck ist viel schwieriger, und genau das sollte eine Bewertung offenlegen.

NOVA: Drei Repositories sind im schnellen Wachstum. HKUDS Nanobot hat fünfundvierzigtausendfünfhunderteinundsechzig Stars, ein Anstieg von dreizehnhundertzehn in dreißig Tagen, und Version Punkt drei Punkt fünf am fünfzehnten September veröffentlicht. Es ist ein leichtes, selbst gehostetes Framework für persönliche Agenten mit Web-Interface, Tools, Speicher, Model Context Protocol-Unterstützung, Automatisierung, Multi-Agent-Workflows und Chat-Integrationen. Codebase Memory MCP liegt dicht dahinter mit vierundvierzigtausendachthundertsechsundsechzig Stars, aber sein Dreißig-Tage-Wachstum ist steiler: fünftausendeinhundertelf Stars, oder zwölf Komma neun Prozent. Version Punkt elf erschien ebenfalls am fünfzehnten September. Es indexiert Repositories in einen persistenten Wissensgraphen mit einhundertachtundfünfzig Sprachen und bewirbt Abfragen im Sub-Millisekunden-Bereich mit erheblichen Token-Einsparungen.

[ALLOY]: Diese beiden verbinden sich natürlich: Nanobot liefert die Agentenumgebung, während Codebase Memory einem Agenten eine strukturierte Karte eines Repositories bietet, anstatt ihn wiederholt Dateien erneut lesen zu lassen. Das dritte Projekt richtet dasselbe Tool-Protokoll auf kreative Arbeit aus. MCP für Blender tritt mit neunundzwanzigtausenddreihundertfünfzehn Stars ins Tracking ein und wurde am vierundzwanzigsten September aktualisiert. Es ermöglicht Sprachmodellen, Blender durch ein Community-Plugin zu steuern. Das ist bereits ein ernsthaftes Publikum für einen ersten getrackten Auftritt. Zusammen zeigen diese Repositories, wie sich das Protokoll über persönliche Agenten, Code-Intelligenz und 3D-Produktion ausbreitet – nicht als weitere Chat-Funktion, sondern als Art und Weise, wie Modelle spezialisierte Software bedienen.

NOVA: Devstral 2 ist die Spezialisten-Wahl: ein dichtes Transformer-Modell mit einhundertdreiundzwanzig Milliarden Parametern mit einem Kontextfenster von zweihundertzweiundsechzigtausend Tokens, offenen Gewichten und Verfügbarkeit durch OpenRouter. Sein Differenzierungsmerkmal ist nachhaltiges agentisches Codieren – das Aufrechterhalten von Repository-Kontext, Tool-Ergebnissen und früheren Entscheidungen über eine lange Softwareaufgabe hinweg, anstatt nur für isolierte Code-Vervollständigung zu optimieren.

[ALLOY]: Mistral Large 3 ist das allgemeine Flaggschiff: sechshundertfünfundsiebzig Milliarden Gesamtdparameter, einundvierzig Milliarden aktive für jedes Token, dasselbe Kontextfenster von zweihundertzweiundsechzigtausend Tokens und eine Apache-Two-Lizenz. Sein Sparse-Expert-Design konzentriert die Berechnung, während ein viel größerer Parameterpool erhalten bleibt. Frontier-Skalierung, permissive kommerzielle Bedingungen und offene Gewichte machen es weit folgenreicher als eine routinemäßige Marktplatzeintragung.

NOVA: Die lokale Veröffentlichung ist abenzerps/Qwen-Image-2.1-Uncensored-GGUF, trending auf Hugging Face mit sechzehnhundertvierundneunzig Likes und mehr als siebenhundertfünfzehntausend Downloads. Es ist ein quantisiertes Text-zu-Bild-Modell, abgeleitet von Qwen Image zwei Punkt eins, verpackt in GGUF und getaggt für ComfyUI-Workflows.

[ALLOY]: Quantisierung reduziert die numerische Präzision, sodass große Gewichte praktischer auf lokaler Hardware laufen können, während GGUF ein Gewichtsformat ist, das von lokaler Inferenz-Tooling unterstützt wird. „Unzensiert" beschreibt, wie die Variante positioniert ist; es ist keine Zusicherung über Qualität, Lizenzierung oder verantwortungsvolle Ausgabe. Dennoch sind mehr als siebenhundertfünfzehntausend Downloads ein erheblicher Erfolg. Es spiegelt ein starkes Interesse an Bildgenerierung wider, die unter lokaler Kontrolle bleibt und sich mit vertrauten knotenbasierten kreativen Pipelines verbindet.

NOVA: Die Einführung von MentalHealthBench bringt experteninformiertes Urteilsvermögen in realistische Gespräche über psychische Gesundheit, während Kyutai Voice of Reason veröffentlicht: Ein sprachbasiertes Modell, das gesprochene Mathematik mit Verstärkungslernen löst, und Reasoning direkt in Audio verlagert. Kyutais zwei Modelle mit offenen Gewichten für Sprache-zu-Sprache bauen auf GLM-four-Voice-neun Milliarden auf, und überwachtes Tuning plus Verstärkungslernen heben angeblich die Genauigkeit bei gesprochenem GSM-acht-K von siebenundzwanzig Komma drei auf siebenundsiebzig Komma eins Prozent, ohne eine Transkriptionsstufe. Das eine bewertet sensible Gespräche; das andere_reasoniert, ohne Sprache zuerst in Text zuflatten.

[ALLOY]: Und abenzerps/Qwen-Image-2.1-Uncensored-GGUF trending auf Hugging Face fügt die lokale kreative Seite hinzu: sechzehnhundertvierundneunzig Likes, mehr als siebenhundertfünfzehntausend Downloads, GGUF-Verpackung und ComfyUI-Kompatibilität. Neben Voice of Reason zeigt es, wie sich offene Modelle über native Sprachverarbeitung und lokale Bildgenerierung ausbreiten, während MentalHealthBench fragt, ob zunehmend natürliche Interaktionen auch hilfreich und sicher bleiben, wenn die Einsätze menschlich sind.

NOVA: Für das unterstützende Material hinter diesen Entwicklungen schauen Sie sich die Shownotes auf Toby On Fitness Tech dot com an.

[ALLOY]: Danke fürs Zuhören bei AgentStack Daily.

NOVA: Wir sind bald zurück.