Reflection's Beam 1.0 startet auf OpenRouter als 501B Coding MoE

Folge 123 — 16. Oktober 2026

[00:00] Episode-Einstieg

Reflection's Beam 1.0 ist auf OpenRouter als Sparse-Mixture-of-Experts-Reasoning-Modell mit 501 Milliarden Parametern und 23 Milliarden aktiven Parametern gelandet. Hermes Agent hat am 15. Oktober 2026 v0.22.2 veröffentlicht, um einen fehlerhaften v0.22.1-Build zurückzunehmen, der aus dem falschen Commit zusammengestellt wurde und unveröffentlichte Gateway-Arbeit enthielt. NVIDIA hat seine offene Nemotron-Familie mit drei Modellen erweitert, angeführt vom 120-Milliarden-Parameter Nemotron 3.5 Super VL für Always-On-Hochvolumen-Agents, plus Bolt-Edge-Varianten für kompaktere Deployments. Apple hat einen Leitfaden für die Ausführung des nahezu eine Billion Parameter großen Muse Spark Open-Modells in einem Cluster von Mac Studios mit MLX und einem RDMA-over-Thunderbolt-Fabric veröffentlicht. Der Open-Source-3D-Architektur-Editor Pascal Editor hat eine lokale CLI und Model Context Protocol-Tools für KI-Agent-Workflows veröffentlicht. OpenBMB hat einen GGUF-quantisierten DSpark-Draft-Checkpoint für MiniCPM-V 4.7 herausgebracht und damit spekulatives Decoding zum 35-Milliarden-Parameter-Vision-Language-Modell hinzugefügt.

[02:00] Agent Stack Release-Auslesung: Hermes Agent v0.22.2, v0.22.1, v0.22.0, v0.21.7

Hermes Agent v0.22.2 wurde am 15. Oktober 2026 veröffentlicht, und es ist das Release, das v0.22.1 hätte sein sollen. Am Tag davor wurde v0.22.1 aus dem falschen Commit erstellt, was bedeutet, dass es unveröffentlichte Gateway-Arbeit enthielt und die Microsoft Store-Version auf einem „Verbinden"-Bildschirm hängen bleiben konnte. 0.22.2 macht diesen Fehler rückgängig und liefert stattdessen zwei Fixes.

Der größere der beiden ist ein Neustart-Bug. Unter Linux kann der Kernel nach einem Neustart eine frühe PID vergeben, die dann einem völlig unrelated Prozess gehört, der zuerst hochgefahren ist. Das überwachte Gateway – systemd, launchd, Docker – würde dann einen laufenden Gateway sehen und sich weigern zu starten. Hermes zeichnet nun auf, in welchem Boot es gestartet wurde, und wenn es das nicht feststellen kann, fragt es das Host-Lock ab, das nur ein aktiver Gateway tatsächlich hält.

Der andere ist eine Überarbeitung der Laptop-Ergonomie für lokale Modelle. Lokale Anfragen streamen jetzt immer den Prompt-Lesefortschritt in der Statusleiste, sodass Sie sehen können, wie weit der Server bei einem langen Prompt gekommen ist. Stall-Timer überspringen die Zeit, in der der Laptop im Schlafmodus war, sodass eine schlafende Konversation nicht als stagnierend erscheint. Ein wiederhergestellter lokaler Server erhält einen weiteren Retry anstatt eines Circuit Breakers, der jeden späteren Turn fehlschlagen lässt. Kompression löst kein Timeout mehr, während der Server noch eine lange Konversation liest. Bei Windows-Maschinen mit unified Memory werden Modell-Launch und Prompt-Cache so dimensioniert, dass Speicher freigegeben wird, was wichtig ist, wenn es keinen separaten VRAM-Pool gibt.

Ein Vorbehalt, den das Projekt anspricht: Sitzungen, die unter dem 0.22.1-Gateway liefen, können in 0.22.2 nicht gelöscht werden. Alles, das sauber unter dem richtigen Build gestartet wurde, kann gelöscht werden; nur die schlechten Build-Sitzungen sind festgefahren.

Kontext zur Zeile: v0.22.0 erschien am 13. Oktober als „Threshold Release" und wurde vom Projekt als das größte Fenster beschrieben, das Hermes je ausgeliefert hat, etwa 2,5x des v0.21.0-Zyklus. Die Hauptneuerungen waren ein geführter Ersteinrichtungs-Chat, der auf einem kostenlosen Testmodell läuft, sodass Neulinge keinen API-Schlüssel benötigen, um zu starten, Konnektoren, die den Agenten in gehostete Apps bringen, eine One-Click-llama.cpp-Runtime für lokale Modelle und signierte Desktop-Pakete einschließlich des Microsoft Store-Builds.

Für Builder ist dies mostly ein Stabilitäts-Update. Wenn sich Ihr überwachtes Gateway nach einem Server-Neustart geweigert hat zu starten oder Ihre Store-App beim Verbinden eingefroren ist, ist dieses Update der Fix. Lokale-Modell-Bastler, besonders auf Windows-unified-Memory-Laptops, erhalten ein ruhigeres Erlebnis bei langen Konversationen und Laptop-Schlafphasen.

[03:47] Reflections Beam 1.0 listet auf OpenRouter als 501B Coding MoE

Ein neues Open-Weight-Reasoning-Modell von Reflection namens Beam 1.0 ist auf OpenRouter als Modell-Eintrag aufgetaucht. Es ist ein Sparse-Mixture-of-Experts-Modell mit 501 Milliarden Gesamtdparametern und 23 Milliarden aktiven pro Token, einem Kontextfenster von einer Million Token und ist positioniert für Coding und langfristige agentische Workflows. Die angebotene Konfiguration ist ein Arbeitstier: ein halbes Billion-Parameter-MoE für agentisches Coding, mit genug Kontext, um ein ernsthaftes Projekt in einer Sitzung zu halten. Das Modell ist auf OpenRouter unter der Identifikation reflection/beam-1.0-501b-a23b gelistet.

[04:38] Apple MLX Führt Nahezu-Billion-Parameter Muse Spark Open auf Mac Studio Cluster Aus

Apples ML-Forschungsgruppe hat einen praxisorientierten Leitfaden für die Ausführung von Frontier-Scale-Sprachmodellen vollständig auf Mac Studio-Hardware mit MLX, ihrem Open-Source-Array-Framework, veröffentlicht. Das Hauptergebnis: Ein nahezu eine Billion Parameter großes Mixture-of-Experts-Modell namens Muse Spark Open generiert über 36 Tokens pro Sekunde, wenn es auf vier Mac Studios mit M5 Ultra-Chips verteilt ist, weit über der durchschnittlichen Lesegeschwindigkeit.

Auf einem einzelnen M5 Ultra Mac Studio mit 512 GB unified Memory passen Mistral Medium 3.5 (128 Milliarden Parameter) und Qwen 3.8 (27 Milliarden Parameter) bequem. Die M5-Generation fügt einen GPU Neural Accelerator hinzu, der für Matrixmultiplikation dediziert ist, was sich in bis zu 4,6× schnellerer Time-to-First-Token im Vergleich zum M3 Ultra niederschlägt. Die Decodiergeschwindigkeit, die durch die Speicherbandbreite begrenzt ist, verbessert sich um etwa 1,6× dank der 1,2 TB/s unified Memory-Bandbreite des M5 Ultra, hoch von 819 GB/s beim M3 Ultra. Die Spitzenleistung bleibt bei etwa 300 Watt, ungefähr das, was ein Toaster zieht.

Muse Spark Open mit 816 Milliarden Gesamtdparametern und 42 Milliarden aktiven pro Token benötigt roughly 493 GB in NVFP4-Quantisierung, zu groß für eine Maschine. MLX v0.30.1 und später, gepaart mit dem latenzarmen RDMA-over-Thunderbolt 5 Treiber von macOS 26.2, verteilt das Modell auf mehrere Macs unter Verwendung neuer Kommunikations-Collectives namens jaccl. MLX unterstützt zwei Ansätze: Pipeline-Parallelität, die das Modell über die Tiefe aufteilt (ein Mac führt die erste Hälfte der Schichten aus und übergibt dann die Ergebnisse an den zweiten), und Tensor-Parallelität, die über die Breite aufteilt. Ein Hilfsbefehl, mlx.launch, macht es einfach, Jobs über mehrere Hosts über eine Thunderbolt-verbundene Paarung zu starten.

Für Builder bedeutet der Workflow, dass große Modelle lokal auf Büro-Hardware bleiben können und privates agentisches Coding und andere kontextintensive Workloads ohne Cloud-Unterstützung ermöglichen.

[06:22] Open-Source-3D-Architektur-Editor liefert CLI und MCP-Tools für KI-Agents

Das Pascal Editor Repository, ein Open-Source-3D-Architektur-Editor, hat kürzlich Updates veröffentlicht, einschließlich seines @pascal-app/cli-Pakets in Version 1.0.4 am 13. Oktober, wobei das Repository selbst am 16. Oktober erneut aktualisiert wurde. Das Projekt liefert eine lokale Command-Line-Interface und Model Context Protocol-Tools und wird als unterstützend für praktische Workflows sowohl für menschliche Designer als auch für KI-Agents beschrieben. Das MCP-Teil ist der interessante Aspekt: MCP ist der Standard, der KI-Assistenten ermöglicht, externe Tools aufzurufen, sodass die Integration in einen 3D-Editor bedeutet, dass Agent-gesteuerte Workflows eine erstklassige Angelegenheit sind, kein nachträglich angehängter Gedanke. Das Repo hat etwa 24.900 GitHub-Sterne, was darauf hindeutet, dass sich bereits ein etabliertes Builder-Publikum darum gebildet hat. Für Entwickler ist die Erkenntnis, dass eine CLI plus MCP-Tooling den Editor vom ersten Tag an skriptbar und agent-zugänglich macht, nützlich, wenn Sie wiederkehrende Modellierungsaufgaben automatisieren oder Teile des Designprozesses an einen KI-Assistenten übergeben möchten, ohne einen direkten menschlichen Workflow aufzugeben. Der Push am 16. Oktober zeigt aktive Wartung. Achten Sie auf die Dokumentation, welche spezifischen MCP-Tools enthalten sind und welche Szenenoperationen sie bereitstellen, da diese Liste bestimmen wird, wie viel vom Editor ein Agent realistisch selbst ansteuern kann.

[07:37] MiniCPM-V 4.7 Erhält Geschwindigkeitsboost durch Spekulatives Decoding

OpenBMB hat einen GGUF-quantisierten DSpark-Draft-Checkpoint für MiniCPM-V 4.7 auf Hugging Face veröffentlicht, der spekulatives Decoding mit llama.cpp ermöglicht. MiniCPM-V ist eine Familie von offenen Vision-Language-Modellen, die für On-Device- und Edge-Deployment konzipiert wurden, und dieses Repository ermöglicht die Ausführung mit llama.cpp spekulativem Decoding. Spekulatives Decoding kombiniert ein kleines Draft-Modell, das mehrere Token vorhersagt, mit einem größeren Target-Modell, das diese Vorhersagen parallel verifiziert. Anstatt auf das vollständige 35-Milliarden-Parameter-Modell zu warten, das ein Token nach dem anderen generiert, schlägt der Draft eine Batch vor, die das Target bestätigt oder verwirft, was die sichtbare Ausgaberate beschleunigt. Der Draft hat etwa 389 Millionen Parameter und sagt 15 Token pro Forward-Pass voraus, mit Fokus auf bestimmten Hidden-State-Schichten im Basismodell. Evaluationsergebnisse zeigen Akzeptanzlängen von etwa 3,5 Token pro Verifizierungsrunde bei allgemeinem Text bis zu 7,4 bei Code-Aufgaben, mit Vision-Benchmarks wie MMMU und MathVista bei etwa 5 bis 6 akzeptierten Token. Zur Verwendung lade das Target-Modell, seinen Vision-Projector und den quantisierten Draft herunter, und führe ihn dann mit dem Draft-DSpark-Spec-Typ in llama-cli aus oder starte ihn als Multimodal-Server. Der Draft muss mit dem passenden MiniCPM-V 4.7 35B-A3B Target gepaart werden, und er erfordert einen llama.cpp-Build, der die dflash-Architektur und den DSpark-Markov-Head unterstützt. Die Quantisierung des Drafts selbst beeinflusst nur, wie oft Vorhersagen akzeptiert werden, niemals das Endergebnis, sodass Entwickler den kleinsten quantisierten Draft verwenden können, der in ihren Speicher passt. Das Draft-Modell sagt 15 Token pro Forward-Pass voraus, und Benchmarks zeigen vom Herausgeber gemeldete Durchschnittswerte von 3,501 akzeptierten Token pro Verifizierungsschritt bei allgemeinem Text und 7,387 bei der Code-Generierung. Der quantisierte Draft läuft mit llama-cli oder llama-server unter Verwendung des Flags --spec-type draft-dspark, was einen llama.cpp-Build mit dflash-Architektur erfordert.

[09:24] NVIDIA erweitert Nemotron-Familie mit Super VL- und Bolt Edge-Modellen

NVIDIA hat diese Woche seine offene Nemotron-Familie um drei Modelle erweitert, die den gesamten Agent-Deployment-Bereich abdecken – vom Rechenzentrum bis zu RTX-Desktops. Das Flaggschiff ist Nemotron 3.5 Super VL, ein 120-Milliarden-Parameter offenes Modell, das mit der Nemotron-Koalition für hochvolumige Always-On-Agents entwickelt wurde. NVIDIA gibt an, dass es die Genauigkeit seines größten Reasoning-Modells bei etwa einem Fünftel der Parameterzahl erreicht und bis zu 5x schneller läuft als das nächstbeste Modell seiner Klasse im Artificial Analysis Intelligence Index.

Bolt 74B-A9B 24GB ist für lokale agentische Workloads auf RTX und DGX Spark konzipiert. Der Trick ist eine native 2-Bit-Quantisierung – eine Kompression, die das 74-Milliarden-Parameter-Modell in 24GB Speicher quetscht und Platz für andere Anwendungen lässt. NVIDIA bewertet es als das #1 offene Modell seiner Speicherklasse auf PinchBench und #2 auf BrowseComp. Es unterstützt llama.cpp, Ollama, LM Studio, Unsloth und vLLM.

Ein drittes Modell, Bolt E4B 4GB, erscheint am 23. Oktober für konversationelle und physische Agents auf GeForce RTX, Jetson und DGX Spark. Super VL und Bolt 74B-A9B sind jetzt auf Hugging Face, Open Router, ModelScope und als NVIDIA NIM-Microservices verfügbar.

Super VL wurde auf etwa 26 Billionen Token trainiert und mit etwa 3,8 Millionen Samples über Dutzende von Reinforcement-Learning-Umgebungen nachtrainiert. NVIDIA veröffentlicht außerdem offene Datensätze auf Hugging Face für Tool-Nutzung, Finanzen, Instruction Following, langen Kontext, Fairness und Vision-Language-Verständnis, plus die Reinforcement-Learning-Umgebungen in NeMo Gym.

Die Anpassungs-Pipeline ist bereits stark ausgelastet: Scale AI adaptierte es für Skydances Vendor-Credit-Finance-Agent und EYs M&A Due-Diligence-Agent; AfterQuery optimierte es für Hebbias Credit-Agreement-Analyse; Mercor trainierte es für Coding-Agents auf dem APEX-SWE-Benchmark nach; und Integrationen sind live bei Atlassian, CrowdStrike, Dassault Systèmes, Perplexity, Salesforce und Synopsys. Auf NVIDIA Dynamo skaliert, behauptet NVIDIA bis zu 8x mehr Nutzer mit 85% niedrigerer Latenz.

[11:17] Research Digest: Vier KI-Agents besiegen gemeinsam den Enderdrachen in Minecraft

Ein Team von vier Gemini 4 Argon-Agents hat den Enderdrachen in Minecraft innerhalb einer Sandbox-Survival-Welt besiegt, und das Paper, das den Lauf beschreibt, trending auf HuggingFaces Daily-Feed. Jeder Agent steuerte einen Spieler durch eine Open-Source-Bibliothek namens Mineflayer. Die Agents unterhielten sich im Ingame-Chat und führten einen gemeinsamen Speicher, den sie lesen und beschreiben konnten, aber niemand wies ihnen Rollen zu oder gab ihnen Spiellogik. Die Agents planten, schrieben und debuggten jedes Programm selbst während des Laufs. Die Forscher beobachteten das Ganze auf einem Live-Dashboard und konnten die Agents jederzeit pausieren oder stoppen, obwohl sie sagen, dass sie es nie mussten. Der Punkt ist nicht nur eine Minecraft-Trophäe – es ist eine saubere Demonstration von Multi-Agent-Koordination bei einer offenen Aufgabe. Mit nichts anderem als Chat, gemeinsamem Speicher und der Fähigkeit, eigenen Code zu schreiben, bewältigten vier Modelle ein langfristiges Ziel, das normalerweise stundenlanges menschliches Spielen erfordert. Das ist das Muster, auf das jeder achten sollte, der Agent-Stacks entwickelt.

[12:21] Grok Voice 3.0 führt Speech-to-Speech-Index an – zum gleichen Preis von $0,08 pro Minute

xAI hat heute Grok Voice 3.0 veröffentlicht, ein Speech-to-Speech-Modell, das mit einem Score von 86,9 an der Spitze von Artificial Analysis' Speech-to-Speech Index steht, vor seinem eigenen Vorgänger bei 81,3 und vor GPT-Live-1 (Astra, Medium) bei 83,2 und Gemini 3.8 Live (Ext. Thinking, High) bei 82,6. Das Modell erreicht Sub-Sekunden-Latenz, kostet weniger pro Aufgabe als vergleichbare Modelle bei Artificial Analysis' Big Bench Audio Run und ist zum gleichen Preis wie Grok Voice 2.0 bei $0,08 pro Minute in der Voice Agent API angesetzt.

Bei den schwierigeren Sub-Scores erreicht Grok Voice 3.0 98,5% bei Speech Reasoning Big Bench Audio, 1070 Elo bei Human Preference Speech Agent Arena, 94,8% bei Task Completion und 97,0% bei Full Duplex Bench, wobei letzteres misst, wie natürlich ein Modell Pausen, Turn-Taking und Unterbrechungen handhabt. Bei ServiceNows EVA-Bench, das Enterprise-Voice-Agents über mehr als 200 Szenarien bewertet, erreicht es 74% Genauigkeit und führt bei einem kombinierten Genauigkeits- und Experience-Score. ServiceNows Nitin Aggarwal nannte es eine neue Pareto-Frontier für KI im Kundenservice an der Front.

Das Modell läuft bereits in großem Maßstab. Tesla nutzt es für Millionen täglicher In-Car-Gespräche, bei denen Fahrer Kalender prüfen, E-Mails senden, Kaffee bestellen oder Abendessen freihändig über Grok Bot buchen. Starlink-Call-Center routen 20.000 Anrufe pro Tag durch Grok Voice in mehreren Sprachen, wobei etwa 70% ohne menschliches Eingreifen gelöst werden und etwa einer von vier Vertriebsanrufen mit einem Kauf endet. Bestehende Agents, die auf grok-voice-latest aufgebaut wurden, wurden bereits ohne Code-Änderungen migriert.

[13:52] xAIs $30 Bundle bringt Grok-Modelle in Cursor

xAI hat ein einziges Abonnement-Bundle eingeführt, das seinen Grok-Assistenten, Grok Bot, den Cursor-Coding-Agenten und X Premium zusammenfasst, wobei der Premium-Tier bei $30 pro Monat liegt und als Ersatz für etwa $90 an separaten Abonnements präsentiert wird. Das Rückgrat des Deals ist ein gemeinsamer Pool von Grok-Modell-Nutzung, der über Grok-Chat, Voice, Bild- und Videogenerierung und innerhalb von Cursors Coding-Agents verwendet werden kann. Drittanbieter-Modelle in Cursor funktionieren weiterhin auf Premium und darüber, separat über API-Top-ups zum Listenpreis abgerechnet.

Die lineup beginnt mit einem kostenlosen Tier mit täglichem Grok-Zugang und einem Starter-Cursor-Kontingent. Plus kostet $8 pro Monat mit mehr AI-Nutzung in Grok und Cursor plus einem X-Häkchen und weniger Werbung. Premium für $30 entsperrt, was früher SuperGrok, Cursor Pro und X Premium+ kombiniert waren, mit viermal dem Plus-Nutzungsvolumen. Super für $100 vervielfacht das um fünfzehn, und Ultra für $200 um fünfzig. xAI sagt, jeder bezahlte Tier enthält mindestens doppelt so viel Coding-Nutzung mit seinen Modellen wie der vergleichbare eigenständige Cursor-Plan.

Für Teams sind Premium, Super und Ultra pro Seat zu den gleichen individuellen Preisen verfügbar, ersetzen ältere Cursor-Teams-Preise und fügen dreifache Coding-Nutzung plus SSO, Admin-Kontrollen, konsolidierte Abrechnung, Nutzungsanalysen und SOC-2-Compliance hinzu. Enterprise-Kunden erhalten ein einziges Dashboard, das Grok und Cursor mit einem gemeinsamen Nutzungspool verwaltet. Bestehende SuperGrok-, Cursor- und X-Premium-Abonnenten können ihren aktuellen Plan behalten oder über die Kontabrechnung mit anteilmäßigen Rückerstattungen während des Rollout-Fensters wechseln.

[15:29] mcp-use 2.10 erscheint für ein Fullstack-MCP-Framework für ChatGPT, Claude und Agent-Server

mcp-use, ein Open-Source-Framework für den Bau von MCP-Apps, hat am 14. Oktober Version 2.10 veröffentlicht. Das Projekt positioniert sich als Fullstack: Eine einzige Codebasis, die auf MCP-Apps für ChatGPT und Claude im Frontend und MCP-Server für KI-Agents im Backend abzielt. Das Repository meldet 10.772 GitHub-Sterne und gehört damit zu den beliebteren MCP-Entwicklerkits im aktiven Umlauf.

Für Entwickler ist das praktische Argument die Konsolidierung. Anstatt zwei parallele Integrationen zu pflegen, kann ein Team einmal schreiben und auf beide großen Chat-Oberflächen ausliefern, während es gleichzeitig einen MCP-Server bereitstellt, den Agents aufrufen können. Diese Server-Komponente ist wichtig, weil das MCP-Ökosystem zunehmend annimmt, dass Agents Tools durch ein gemeinsames Protokoll entdecken und aufrufen werden, anstatt durch benutzerdefinierte REST-Endpunkte. Ein einheitliches Framework senkt die Kosten für die Unterstützung beider Richtungen aus einem Projekt.

Was sich speziell in 2.10 geändert hat, ist nicht in den hier sichtbaren Versionshinweisen dokumentiert, daher ist die bemerkenswerte Botschaft, dass das Projekt aktiv ausgeliefert wird und weiter an Bedeutung gewinnt. Entwickler, die MCP-Stacks evaluieren, haben jetzt eine einzige Framework-Option, die sowohl Chat-App als auch Server-Bereitstellung abdeckt, und eine Community, die groß genug ist, dass Fragen und Beispiele schnell auftauchen.

Eine Sache, die es zu beobachten gilt: wie das Framework mit Divergenz umgeht, wenn ChatGPT und Claude ihre MCP-Implementierungen unabhängig weiterentwickeln, da einheitliche Oberflächen oft mit gelegentlichem Rückstand hinter plattformspezifischen Funktionen bezahlen.

[16:55] Third Moment Research lässt 10.000 Agenten über 36+ Stunden ununterbrochen laufen

Ein Forschungslabor namens Third Moment Research lässt zehntausend KI-Agenten mehr als sechsunddreißig Stunden am Stück laufen, unter Verwendung von GPT-6 Astra und GPT-6.1 Sol, Codex sowie Daybreak – wobei Letzteres Cybersecurity-Arbeiten erledigt. Das Setup, das Mitte Oktober im News-Index von OpenAI vorgestellt wurde, positioniert sich um Agenten, die ihren Fokus über Tage hinweg halten und mit zunehmender Nutzung besser werden.

Die Kopfzahl ist wichtig. Die meisten produktiven Agenten erledigen ihre Arbeit heute in Sekunden oder Minuten; eine Konfiguration, die zehntausend gleichzeitige Agenten für mehr als anderthalb Tage am Laufen hält, deutet auf eine andere Klasse von Bereitstellung hin. Die Tatsache, dass OpenAI das Setup des Labors präsentiert, signalisiert, dass die zugrunde liegende GPT-6-Familie und Codex diese Art von mehrtägiger Last aufrechterhalten können.

Der Stack ist mehrstufig aufgebaut, nicht einzelmodellbasiert. Third Moment betreibt GPT-6 Astra und GPT-6.1 Sol als Rückgrat, Codex für Code und Ausführung sowie Daybreak für Sicherheitsaufgaben. Die Rahmung des Labors – Agenten, die sich durch Nutzung verbessern – deutet darauf hin, dass je länger der Lauf, desto mehr lernen die Agenten aus ihrer akkumulierten Arbeit, was der Teil ist, den es zu beobachten gilt.

Für Entwickler ist die Erkenntnis, dass lang laufende, Multi-Agenten-Workflows die Demos hinter sich gelassen haben. Wenn ein einzelnes Labor zehntausend Agenten über sechsunddreißig Stunden kohärent halten kann, existieren die Vorlagen für nachhaltige Agentenoperationen. Nächste Woche值得关注: was diese Agenten tatsächlich während des Laufs tun und ob andere Labore vergleichbare Zahlen veröffentlichen.

[18:25] Blocks Sicherheitsteam reduziert Bedrohungsreaktion auf Minuten mit OpenAI

Block setzt OpenAIs Modelle in seiner Sicherheitsorganisation ein, und die ersten Ergebnisse sind konkret: Das Team untersucht Bedrohungen schneller und schlägt Patches in Minuten vor. Die Zusammenarbeit wurde am 14. Oktober 2026 über OpenAI News bekannt.

Was sich geändert hat, ist, wo das Modell im Workflow sitzt. Anstatt für Chat oder Zusammenfassungen verwendet zu werden, ist OpenAIs Technologie in die Bedrohungsuntersuchungs- und Behebungsschleife eingebettet. Das Team behält immer noch die Entscheidungen, aber das Modell hilft, die Zeit von der Erkennung bis zu einem Kandidatenfix zu verkürzen. Das ist wichtig, weil in der Sicherheit die Lücke zwischen dem Erkennen von etwas und dem Handeln die Stelle ist, an der der meiste Schaden passiert.

Für Entwickler und Sicherheitsteams ist dies ein nützliches Signal. Generative Modelle werden jetzt inside eines Enterprise-Vorfallsreaktions-Pipelines vertraut, nicht nur am Rand als Assistent. Das Muster, das es sich zu borgen lohnt, ist unkompliziert: Geben Sie dem Modell denselben Kontext, den Ihre Analysten sehen, lassen Sie es einen Patch vorschlagen und halten Sie einen Menschen in der Genehmigungsschleife. Die Minuten-ähnliche Wendung ist die Metrik, die zählt, und es ist diejenige, die es zu beobachten gilt, wenn mehr Sicherheitsorganisationen ähnliche Zahlen veröffentlichen.

[19:35] Kleines Sichtbarkeitsmodell erhält Draft-Boost für lokale KI

OpenBMB veröffentlichte einen GGUF-quantisierten DSpark-Draft-Checkpoint für MiniCPM-V-4.7-1B auf Hugging Face und bietet lokalen KI-Entwicklern ein neues Tool zum Ausführen von Sichtbarkeits-Sprach-Inferenz mit spekulativer Dekodierung. MiniCPM-V-4.7-1B ist ein Modell mit nur einer Milliarde Parameter, das Bilder und Text verarbeitet und für On-Device- und Edge-Bereitstellung entwickelt wurde. Der DSpark-Draft ist ein separater, leichtgewichtiger Checkpoint, der darauf trainiert wurde, Kandidaten-Tokens zu generieren, die das Hauptmodell dann verifiziert. Er hat 5 Draft-Schichten, die 15 Tokens pro Forward-Pass erzeugen, und zieht aus spezifischen Hidden-State-Schichten des Ziels. Der GGUF-quantisierte Draft ist von Hugging Face herunterladbar, zusammen mit dem Zielmodell und dem Vision-Projector für lokale Bereitstellung. Die Akzeptanzlängen-Metriken aus der Modellkarte zeigen das Verhältnis von akzeptierten Tokens zu Verifizierungsschritten, das bei Mathe-Aufgaben 5,891x und bei OCR-Benchmarks 4,752x erreicht, was bedeutet, dass die Draft-Vorhersagen eng mit dem übereinstimmen, was das Zielmodell generiert hätte. Dies ist wichtig für lokale Inferenz, da spekulative Dekodierung den Durchsatz sogar auf bescheidener Hardware verbessern kann, da der Draft die anfängliche Token-Vorhersage übernimmt und das Ziel ihn bestätigt oder korrigiert. Entwickler, die llama-cli oder llama-server ausführen, können GPU-Offloading für sowohl Ziel als auch Draft auf Maximum konfigurieren, eine Kontextlänge von 8192 einstellen und das Q4_K_M-Ziel mit einem Q8_0-Draft kombinieren, um die Speichernutzung niedrig zu halten. Der Draft muss mit dem passenden MiniCPM-V 4.7 1B-Ziel gepaart werden; er erfordert llama.cpp mit der dflash-Architektur und dem DSpark-Markov-Head. Ein neues Hugging-Face-Repository veröffentlichte den GGUF-quantisierten DSpark-Draft-Checkpoint für MiniCPM-V-4.7-1B und ermöglicht spekulative Dekodierung durch llama.cpp. Der DSpark-Draft generiert 15 Kandidaten-Tokens pro Forward-Pass über 5 Draft-Schichten, die das Zielmodell verifiziert, um die Inferenz zu beschleunigen.

[21:16] GitHub Copilot stellt mehrere Modelle am 16. November ein

GitHub postede am 15. Oktober einen Änderungsprotokoll, das ankündigte, dass eine Reihe von GitHub Copilot-Modellen am 16. November 2026 eingestellt wird. Die Einstellung gilt für jede Copilot-Oberfläche: Copilot Chat, Inline-Bearbeitungen, Ask-Modus, Agent-Modus und Code-Vorschläge. Der praktische Effekt ist, dass jeder Benutzer, der ein demnächst einzustellendes Modell in seinen Copilot-Einstellungen angepinnt hat, sehen wird, wie es am Stichtag nicht mehr funktioniert. Code-Vervollständigungen, Chats und Agent-Läufe, die auf einem der betroffenen Modelle basierten, werden nach diesem Tag ein neues Standardmodell benötigen. Die vollständige Liste der betroffenen Modelle befindet sich im GitHub-Änderungsprotokoll-Post selbst, zusammen mit eventuell vorgeschlagenen Ersatzmodellen. Die Einstellung betrifft Copilot Chat, Ask-Modus, Agent-Modus, Inline-Bearbeitungen und Code-Vervollständigungen am selben Tag, sodass ein Copilot-Benutzer, der mitten in einer Sitzung von Inline-Vervollständigung zu Chat wechselt, sich nicht retten wird, indem er die Oberflächen wechselt. Jeder, dessen Team einen bestimmten Modellaufruf hinter einem Copilot-Plan standardisiert hat, wird bestätigen wollen, dass diese Wahl noch auf der unterstützten Liste steht, bevor November beginnt.