Beitrag von **Fred Cavazza** auf **X** (@fredcavazza), veröffentlicht am **9. Oktober 2026**, auf Französisch, etwa **450 Wörter**, ohne Bild; die Rolle des Autors wird nicht angegeben. Er kommentiert die Ankündigung des **Gemini agent** durch **Google Cloud** bei *Gemini at Work*, die er als *„fast unbemerkt geblieben“* bezeichnet.
#synthetischer Mitarbeiter#Chatbot#Agent
Fred Cavazza (@fredcavazza) — auteur du post sur X ; fonction non indiquée dans le texte.
Blogbeitrag von Google Cloud, verfasst von **Thomas Kurian** (CEO von Google Cloud), veröffentlicht am **8. Oktober 2026**, adaptiert aus seiner Keynote bei **Gemini at Work 2026**; ein langer Text (~4.500 Wörter), von dem mehr als die Hälfte aus einem Katalog von Kundenstimmen besteht. Er kündigt den **Gemini agent** an, einen „universellen Agenten für die Arbeit": ein einziger Agent und eine einzige API, um Fragen zu beantworten, Büroarbeit zu erstellen, Bilder und Medien zu erzeugen, Code zu schreiben und auszuführen.
#Gemini agent#Gemini Enterprise#Google Cloud
Thomas Kurian — CEO de Google Cloud ; billet du blog Google Cloud adapté de sa keynote.
Blogbeitrag von **Mistral AI** (signiert mit „By Mistral“, 11 Minuten Lesezeit), datiert auf den **6. Oktober 2026**, der die öffentliche Vorschau von **Mistral Large 4** (ML4, vom Herausgeber „the Chonk“ genannt) ankündigt: ein nativ multimodales Modell mit **1 Billion Parametern, davon 49 Milliarden aktiv**, von Grund auf trainiert auf **3.800 NVIDIA Grace Blackwell GPUs** in den europäischen Rechenzentren von Mistral. Vorschau-API verfügbar auf Mistral Studio; **offene Gewichte für Ende des Monats angekündigt**.
#Mistral Large 4#ML4#the Chonk
Mistral AI — éditeur de modèles d'IA ; billet de blog de l'entreprise (« By Mistral »).
Blogbeitrag von **Bret Taylor** und **Clay Bavor** (Mitgründer von **Sierra**), veröffentlicht am **6. Oktober 2026** auf sierra.ai, im Kontext des Sierra Summit 2026; kurzer Text (~700 Wörter). Er kündigt das **Personal Agent Protocol** an, einen offenen Standard, der von **Meta** und **Sierra** gemeinsam mit **Genesys, Instinct, Rocket, Shopify, Stripe und Walmart** entwickelt wird und festlegt, wie persönliche Agenten von Verbrauchern mit Unternehmen interagieren.
Beitrag von **Michelle Chen, Alex Reneau und Kevin Flansburg**, veröffentlicht am **1. Oktober 2026** im **Cloudflare**-Blog (~10 Minuten Lesezeit, Woche des „AI Birthday“). Cloudflare veröffentlicht **Clef** und **Clef-flash**, seine ersten selbst trainierten Modelle, gehostet auf **Workers AI** und als Open Source verteilt (Apache 2.0, Hugging Face), zusammen mit einem Fine-Tuning-Dienst für Reinforcement Learning.
#Clef#Clef-flash#Entscheidungsmodell
Michelle Chen · Alex Reneau · Kevin Flansburg — équipe Workers AI / plateforme IA · blog Cloudflare.
Langer Thread, veröffentlicht auf X am **29. September 2026** von **Ryan Sarver** (@rsarver), mit dem Titel *„Personal AI Should Actually Be Personal“*; etwa **1.700 Wörter**, 91.500 Aufrufe zum Zeitpunkt der Erfassung. Ausgangspunkt: **Amazon** blockierte **Muse** (**Meta**) auf seiner Shopping-Seite, und Nutzer verloren den Zugang zu ihrem Shopping-Agenten, *„eine Nebenwirkung eines Streits, bei dem ich kein Mitspracherecht hatte.“* **(A)** Definition: Eine persönliche KI muss im **Eigentum** des Nutzers stehen (Open Source, Daten in kontrolliertem Speicher, Portabilität), **einen einzigen Prinzipal** haben, einen lesbaren Vertrag und nachvollziehbare Abwägungen bieten, überall dort laufen, wo man es wählt, und angenehm in der Nutzung sein. **(B)** Beobachtung zur aktuellen Lage: Muse lässt Nutzer standardmäßig dem Training zustimmen, **Instinct** trägt eine *„unbefristete und unwiderrufliche“* Lizenz; geschätzte Kostenlücke von **3.000 bis 7.000 US-Dollar pro Nutzer und Jahr** gegenüber 20 US-Dollar im Monat. **(C)** Eine Umkehrung: Der im Eigentum befindliche Stack kann sich als besser erweisen, weil der Nutzer ihm *„jeden Winkel des eigenen Lebens“* gibt. **(D)** Ein fünfschichtiger Stack (Clients, Harness und Connectoren, Speicher, zweistufige Modelle, Maschine) sowie ein Aufruf, eine produktisierte Version von **OpenClaw** zu bauen. Reagiert auf **Brad Gerstner** zum Thema Vertrauen; knüpft an das bestehende Werk zu Shopping-Agenten und Markdown-Speicher an.
#persönliche KI#persönliche KI#persönlicher Agent
Ryan Sarver (@rsarver) · auteur du fil sur X ; fonction non indiquée dans le texte.
Ankündigung von **Diogo Almeida**, Gründer von **TypeSafe AI** (zuvor bei OpenAI, wo er an Trainingsmethoden für Instruction-Following arbeitete), veröffentlicht am **15. September 2026** im Unternehmensblog (~2.500 Wörter). Der Text stellt eine neue Modellklasse vor, die **System One Models**, sowie deren erstes Modell, **Jev**, im Early Access.
#System One#Entscheidungsmodell#Jev
Diogo Almeida — fondateur de TypeSafe AI · ancien chercheur chez OpenAI (billet du blog d'entreprise).
Unternehmensblogbeitrag von **Block** (`block.xyz/inside`), nicht namentlich gezeichnet — als Autor wird **„Block“** angegeben —, veröffentlicht am **18. August 2026**, ~930 Wörter, der **die Open-Source-Stellung von Berd** ankündigt, Blocks interne Desktop-Anwendung für die Arbeit mit Agenten, und die Designthese darlegt, die sie geleitet hat: Agenten Charakter zu verleihen *"not only through roles, instructions, skills, and tools, but through distinctive visual identities"* — daher die selbst entwickelten animierten Figuren, die *"Gloopies"*. Der Beitrag geht von einer Beobachtung der Fragmentierung aus (*"The technology was powerful, but the experience around it was fragmented"*) und einem präzise benannten Interface-Problem: *"the product gives people little sense of how the agent is configured, which context and tools are available to it, and how it differs from another agent"*. Zwei strukturierende Beiträge. **(A) Eine dreistufige Gliederung**: **goose** bleibt das Framework und die *Runtime*, die die Agent-Loop trägt; **Berd** ist der Desktop-Client (Projekte, Kontext, Sitzungen, Agenten, Konfiguration); beide kommunizieren über das **Agent Client Protocol**. **Buzz** wird als Fortsetzung bezeichnet, für den Moment, in dem aus Solo-Arbeit Zusammenarbeit wird (*"Start alone, then go multiplayer"*). **(B) Sechs an Buzz weitergereichte Anforderungen**, als Fazit formuliert: *"private space, durable context, recognizable agent identities, reusable skills, visible configuration, and clearer visibility into an agent's configured context, tools, and capabilities"* — ein Raster, das sich direkt zur Bewertung eines Agent-Clients wiederverwenden lässt. Der Text selbst unterscheidet Identität von Fähigkeit: *"The avatars make the agent recognizable. Its role, skills, and tools make it useful."* Es werden keine Nutzungszahlen genannt, und für die Open-Source-Stellung wird keine Lizenz angegeben.
#Berd#Block#Open Source
**Aucun auteur nommé** : le billet est signé **« Block »** — le champ *Author* de la page porte le nom de l'entreprise. Publié le **18 août 2026** sur `block.xyz/inside` · le blog **corporate** · et non sur `engineering.block.xyz`.
Branchenmeldung (**Payments Dive**, Format *Dive Brief*, **6. August 2026**) zur Quartalsbilanz von **Block**: Das Unternehmen hat seinen Kunden bereits mehrere KI-Tools zur Verfügung gestellt — **Moneybot** (Cash App) und **Managerbot** (Square) — und hat noch nicht entschieden, wie es dafür abrechnen will. **Jack Dorsey** im Analystencall: *„We're in a fortunate position where we can experiment with a number of models, and then choose the right one that's going to align all of our incentives with our customers.“* **Der finanzielle Hintergrund erhellt diese Haltung.** Sechs Monate zuvor hatte Block rund **4.000 Personen entlassen, etwa 40 % der Belegschaft**, im Rahmen einer Umstrukturierung, die ausdrücklich mit KI begründet wurde. Im Q2 2026: Bruttogewinn **+25 % auf 3,2 Mrd. USD**, Umsatz **+10 % auf 6,62 Mrd. USD**, aber **Nettogewinn bei 89 Mio. USD, −83 %** im Jahresvergleich, bedingt durch Abfindungskosten zum Abschluss der Restrukturierung; die Prognose für 2026 wurde angehoben. Der Wert der KI wird demnach zunächst über die Kostenstruktur erschlossen, bevor er über den Preis erschlossen wird. **Die gewichtigste Aussage steckt in der Mitte der Meldung**, entnommen dem Aktionärsbrief: *„Starting in June, agentic AI helped write and review nearly all of our production code changes“* — das Schreiben **und** Überprüfen nahezu aller Produktionscode-Änderungen, bei einem börsennotierten Zahlungsunternehmen, sechs Monate nach dem Abbau von 40 % der Belegschaft. Eine selbstberichtete Aussage gegenüber Investoren, ohne Definition von *„nearly all“* oder dessen, was *„review“* umfasst. **Die Tools**: **Goose**, ein zwei Jahre zuvor aufgebautes internes System, beschrieben als modellagnostisch (es bindet für Mitarbeitende verschiedene kommerzielle Modelle ein); **Buzz**, im Vormonat gestartet für *„agent collaboration, communication, and code repositories.“* **Auf Kundenseite**: Moneybot überwacht die Nutzeraktivität in Cash App und zeigt Konten, Salden und Transaktionen an — über **eine Million wöchentlich aktive Konten**; Managerbot übernimmt automatisiertes Marketing, Margenanalyse und schlägt Square-Händlern *„operational fixes“* vor. Analysten von **Evercore ISI** listen vier Monetarisierungswege auf — SaaS-Pakete, Direktabonnements, Unternehmensangebote, nutzungsbasierte Preisgestaltung — **keiner davon an Ergebnisse gekoppelt**. Genannte Prioritätsreihenfolge: **Produktqualität → Distribution → Adoption → Preismodell**. Zwei Fakten zur Distribution runden das Bild ab: Square wird in **Google Maps** integriert, mit einem *„conversational AI experience,“* beschrieben als *„the first step in a broader partnership between Square and Google“*; und das Zahlungsgerät **Tags** (Schlüsselanhänger und NFC-Chip-Sticks) verzeichnet **drei Millionen Personen auf der Warteliste**. Analystenzitate: William Blair (*„Block epitomizes the secular shift toward tech-forward digital finance firms“*) und Bank of America zum *„post-reset operating model.“*
#Block#Jack Dorsey#Cash App
**Justin Bachman** — Senior Reporter · **Payments Dive** (groupe Industry Dive). Journaliste sectoriel paiements ; signe ici un **Dive Brief** · format court en deux temps (*Dive Brief* = les faits du jour, *Dive Insight* = le contexte) qui compile une conférence de résultats · une lettre aux actionnaires · un communiqué et trois notes d'analystes.
Ankündigung von **Meta AI Research**, veröffentlicht am **5. August 2026** (angegebene Lesezeit: 4 Minuten, kein individueller Autorenvermerk): **Muse Code** in der Beta-Phase, *„ein Terminal-Coding-Agent“*, sowie das Modell, das ihn antreibt, **Muse Spark 1.2**. Meta selbst ordnet die Markteinführung ein: *„Dies markiert unseren nächsten Schritt in Richtung der Frontier, mit größeren und deutlich leistungsfähigeren Modellen, die bereits in Vorbereitung sind.“* **Drei architektonische Elemente auf der Harness-Seite.** **Asynchrone Hintergrund-Agenten**, die *„während der gesamten Sitzung aktiv bleiben, statt für einzelne Aufgaben neu erzeugt zu werden“*, wodurch redundante Informationsbeschaffung vermieden und der Steuerungsbedarf verringert wird. Ein **lokales Ereignisprotokoll**, in dem *„jeder Modellaufruf, jede Tool-Ausführung, jede Genehmigung und jede Bearbeitung angehängt wird“*, wodurch die Laufzeitumgebung zu einem System wird, das *„replay-exakt und neustartsicher“* ist und nach einem Absturz genau dort fortsetzen kann, wo es aufgehört hat. Und **drei standardmäßig mitgelieferte Skills**: `/plan` (wandelt eine Aufgabe in einen zur Genehmigung vorgelegten Plan um), **`/grill`** (stellt den Plan auf die Probe, *„bis er standhält“*), und `/goal`. **Auf der Modellseite** beansprucht Meta ein **Co-Training von Modell und Harness** (*„um die Harness-Kompatibilität zu maximieren“*, wobei Harness-Trajektorien per Rejection Sampling erfasst werden und Rezeptoptimierungen für Ziele, Kompaktierung und Sub-Agenten vorgenommen werden), ein Training mit **langem Zeithorizont** (Generierung ganzer Repositories, End-to-End-Projekte, Selbstrecherche, mit Planung, Zielkonditionierung und Kontextkompaktierung) sowie eine **Selbstverbesserungsschleife**, in der Muse Spark 1.1 die Umgebungen und Anweisungsvorlagen generiert und anschließend die Kandidatenlösungen bewertet, wodurch ein Trainingsdatensatz für die 1.2 entsteht. **Was die veröffentlichten Diagramme zeigen**, ohne dass der Text dies kommentiert: Die vier Vergleiche — Terminal-Bench 2.1, DeepSWE 1.1, ein interner Meta-Benchmark und die Fallstudie zur GPU-Kernel-Optimierung — platzieren **Muse Spark 1.2 in allen vier Fällen hinter Opus 5**, einschließlich auf Metas eigenem proprietärem Benchmark (70,6 % gegenüber 79,4 %) und in der Fallstudie, in der das Modell auf dem vierten von sechs Plätzen landet (+68,7 % gegenüber +74,0 %). **Ein Vorbehalt zum Lesen des Versionsgewinns**: Bei den beiden öffentlichen Benchmarks wird 1.1 mit `mini-swe-agent` und 1.2 mit Muse Code gemessen, sodass die Differenz von 6,7 Punkten Modell- und Harness-Fortschritt vermischt. Beim internen Benchmark, dem einzigen Vergleich, bei dem keine Harness genannt wird, sinkt die Differenz zwischen 1.1 und 1.2 auf **2,3 Punkte**.
#Meta AI Research#Muse Code#Muse Spark 1.2
**Meta AI Research** — publication institutionnelle sans auteur nommé · sur `research.meta.ai`. Le billet renvoie à un **rapport** pour la méthodologie d'évaluation · non repris ici.
Fact-Checking-Synthese zu **Delos Intelligence** (delos.so), einem französischen B2B-Startup für generative KI, die eine frühere Tech-Watch-Notiz mit **Primärquellen** (Alexandre Dewez' „Overlooked"-Beitrag / 20VC, 15. April 2025, der Website delos.so, offiziellen Registern) und der Fachpresse (Le Monde Informatique, L'Usine Nouvelle, FrenchWeb, Le JDD) abgleicht. **Gesamturteil: verlässliches faktisches Grundgerüst.** Die von **20VC** (Harry Stebbings) angeführte **Seed-Runde über 2,5 Mio. €** (≈2,74–2,83 Mio. $) im **April 2025**, mit Inovia Capital, Kima Ventures (Xavier Niel) und Plug and Play, ist bestätigt; ebenso die Gründer (die Brüder **Pierre** und **Thibaut de la Grand'rive**) und die Kunden **TotalEnergies, Shiseido, Groupe Casino**. **Starker methodischer Punkt**: Die Liste der Business Angels — oft unter Verdacht halluzinatorischer „Auffüllung" — wird durch die Pressemitteilung des Lead-Investors **wortwörtlich BESTÄTIGT** (Pigment, Dataiku, Hexa sowie ergänzend Ramp und Kerala): Es handelt sich also NICHT um eine Halluzination. **Zu korrigieren**: Die Mitarbeiterzahl von „50" ist **nicht belegbar** (~20 im April 2025, etwa vierzig gegen Ende 2025); die tatsächliche Preisstaffel ist reichhaltiger (eine **Student-Stufe zu 10 €** sowie Enterprise auf Anfrage, zusätzlich zu 25/45/80 €); Nutzerzahlen (10.000 → 50.000 → „100.000+") und ARR sind **selbstberichtet und ungeprüft**. **Als spekulativ zu kennzeichnen**: **Es wurde keine Series A abgeschlossen** (nur als Absicht mit Zielmarke März 2026 angekündigt); **kein Gesamt-ARR veröffentlicht** (die einzige Erwähnung ist ein selbstwerbliches „1 Mio. $ ARR in wenigen Tagen" für das neue Produkt **Workers**, das sich ausschließlich auf dieses Produkt bezieht). Die „100 % Scaleway"-Souveränität **befand sich Ende 2025 noch in der Finalisierung** (Rechenleistung lief teilweise noch über Azure Frankreich). Das Interesse der Notiz ist ebenso methodisch — **wie man innerhalb einer KI-generierten Synthese unterscheidet, was bestätigt, teilweise zutreffend, spekulativ und selbstberichtet ist** — wie dokumentarisch.
#Delos Intelligence#delos.so#Fact-Checking
Synthèse de veille (fact-checking) — sources primaires : blog 20VC (Alexandre Dewez) · delos.so · registres officiels ; presse : Le Monde Informatique · L'Usine Nouvelle · FrenchWeb · Le JDD
Netflix — Aktionärsbrief Q2 FY2026: GenAI skaliert in der Produktion (≈300 Titel in 2026), LLMs für Discovery und Natural-Language-Suche, KI-Tools über den gesamten Werbezyklus hinweg (Netflix)
SFEIR-Analyse (Stimme eines Beratungsunternehmens) zur Markteinführung von **LLMD** am 8. Juli 2026 durch das Pariser Startup **ZML** (gegründet von **Steeve Morin**, ehemaliger VP Engineering bei Zenly): ein Inferenzserver, der LLMs über **fünf Chip-Familien** hinweg ausführt (NVIDIA CUDA, AMD ROCm, Google TPU, Intel oneAPI, Apple Metal) **aus einer einzigen Codebasis**. Strukturierende These: Das Training tritt zugunsten der **Inferenz** in den Hintergrund, wo Kosten pro Token, Latenz und vor allem die **Abhängigkeit vom Silizium** nun entschieden werden. Die Wette von ZML — zusammengefasst im Motto *model to metal* — besteht darin, **das Modell von der Hardware zu entkoppeln** über einen in **Zig + MLIR** geschriebenen Compiler, der ein hermetisches natives Binary erzeugt, ohne Python im Ausführungspfad, bereitgestellt über eine **OpenAI-kompatible API**. Zwei Komponenten, zwei Lizenzen: **ZML** (das Framework, Apache-2.0, >90% Zig) ist Open Source; **LLMD** (der Server) ist es nicht, bei Markteinführung kostenlos. Der Artikel betrachtet das Objekt durch drei Brillen eines Beratungsunternehmens — **Token-FinOps**, **architektonische Freiheit** (Design to Exit), **Souveränität** (aufkommende europäische Chips, Integration in den VSORA-Jotunn8-Prozessor) — und liefert dann ein schonungsloses Urteil: Es handelt sich um eine **Alpha**, die "unter aktiver Beobachtung" zu halten ist, heute noch kein Wechsel.