thekb.eu — Tools & Plattformen

DuckDB and the changing physics of analytics

Wed, 26 Aug 2026 00:00:00 GMT

Andy Warfield, Ingenieur im S3-Team bei AWS, veröffentlichte am 26. August 2026 einen Gastbeitrag auf All Things Distributed, eingeleitet von Werner Vogels. Darin erklärt er, warum eingebettete analytische Engines wie DuckDB an Bedeutung gewinnen, und kündigt an, dass DuckLabs, das Team hinter der Entwicklung von DuckDB, zu AWS stößt. Sein Deutungsraster ist das einer sich verändernden „Physik". Während die Naturwissenschaften Invarianten erforschen, sucht die Systeminformatik den eleganten Kompromiss gegenüber Verhältnissen, die sich verschieben: Speichergeschwindigkeit gegenüber Netzwerkgeschwindigkeit, Reichhaltigkeit der Abstraktionen gegenüber verfügbarer Leistung. Er zitiert drei Momente — das NOW-Projekt in Berkeley, seine eigene Arbeit an Xen sowie die Forschung zu MonetDB und X100 am Amsterdamer CWI, wo sich der Engpass der Abfrageverarbeitung von der Festplatte zur CPU verschoben hatte — und stellt fest, dass diese Beschränkungen zyklisch wiederkehren. Auf Daten angewendet, erklärt dieses Raster die verteilte Verarbeitung. Verarbeitung ist auf einer einzelnen schnellen Maschine immer einfacher und effizienter, aber wenn die Festplatte oder Netzwerkkarte eines Servers das gewünschte Volumen nicht mehr lesen kann, wird partitioniert. Das war die Beschränkung der frühen 2000er-Jahre, die MapReduce und später die RDDs von Spark hervorbrachte. Warfield hebt zwei Eigenschaften dieser Systeme hervor: Sie innovierten stark bei der Entwicklerergonomie und akzeptierten einen festen Kosten für Planung und Verteilung, wobei sie auf den durch das Hinzufügen von Maschinen gewonnenen Durchsatz setzten statt auf Effizienz pro Einheit. Doch die Verhältnisse haben sich verändert. Eine aktuelle Instanz bietet etwa das Fünfzigfache an Speicher, Kernen und Netzwerkbandbreite der größten EC2-Instanz von 2007, während das Wachstum der Datensätze einer Verteilung folgt, deren Extremfälle den Schwanz bilden. Das Paper Scalability! But at what COST? von 2015 hatte bereits gezeigt, dass eine sorgfältig optimierte Einzelthread-Implementierung verteilte Frameworks schlagen konnte, die auf hundertachtundzwanzig Kernen liefen. DuckDB, 2018 von Hannes Mühleisen und Mark Raasveldt lanciert, wendet diese Logik an: eine analytische Bibliotheks-Engine, die prozessintern im Adressraum der Anwendung läuft und dem Vertriebsmodell von SQLite folgt. AWS wurde Kunde von DuckLabs und anschließend Sponsor der Iceberg-Erweiterung, parallel zu seiner Arbeit an S3 Tables; die Erweiterung unterstützt inzwischen Iceberg v2 und v3 und überschreitet 800.000 Downloads pro Woche. Warfield präsentiert das eingebettete Modell nicht als Ersatz: Wenn ein Job tausend Maschinen benötigt, benötigt er sie. Was sich ändere, schreibt er, sei, dass ein Großteil der an Daten geleisteten Arbeit tatsächlich nie einen Cluster benötigt hatte. DuckLabs stößt als Tochtergesellschaft zu AWS, wobei das Projekt unter der MIT-Lizenz und unter der Aufsicht der DuckDB Foundation quelloffen bleibt.

Designing AI with character: what we learned building Berd

Tue, 18 Aug 2026 00:00:00 GMT

Unternehmensblogbeitrag von **Block** (`block.xyz/inside`), **nicht namentlich gezeichnet**, veröffentlicht am **18. August 2026**, der **die Open-Source-Stellung von Berd** ankündigt und die Designthese darlegt, die sie geleitet hat. **Was Berd ist.** *"Berd is a desktop application our teams use to work with AI agents across projects, skills, tools, and models."* Entstanden aus einem internen Problem: Block hatte Zugang zu leistungsfähigen Agenten — **goose**, **Claude Code**, **Codex** — aber jeder brachte *"different interfaces, configuration systems, and ways of managing context"* mit sich. Die gezogene Schlussfolgerung: *"we didn't need another model or agent harness, **we needed a consistent environment around them**"*. Berd bringt Unterhaltungen, Dateien, Ordner, Anweisungen, Agenten und Skills rund um **persistente Projekte** zusammen, um zu verhindern, dass der Kontext für jede Aufgabe neu aufgebaut werden muss. **Die Designthese.** Agenten **Charakter** verleihen — nicht nur über Rollen, Anweisungen, Skills und Tools, sondern über **eigenständige visuelle Identitäten**, einschließlich einer Sammlung animierter Figuren, der *"Gloopies"*. Das angeführte Problem ist das der leeren Eingabezeile: *"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"*. Der Beitrag stellt den Ansatz in die Tradition von **Square** und **Cash App** — Design dorthin bringen, wo die Kategorie bislang keines hatte. **Doch das genannte Problem ist ein Problem der Konfigurationslesbarkeit, während der Avatar die Unterscheidbarkeit löst**; der Text räumt dies in einem Satz ein, den er nicht weiter ausführt: *"The avatars make the agent recognizable. **Its role, skills, and tools make it useful.**"* **Die Architektur.** Berd stammt von **goose** ab, dem Open-Source-Agenten-Framework, das Block im **Januar 2025** eingeführt hat und das im Dezember 2025 zusammen mit **MCP** und **AGENTS.md** in die **Agentic AI Foundation** (Linux Foundation) eingebracht wurde. Explizite Aufteilung: *"goose remains the open agent framework and runtime. Berd is a desktop application built around it. **Berd connects to goose through the Agent Client Protocol.**"* goose trägt die Agent-Loop, Berd trägt die Erfahrung. **Die Fortsetzung ist Buzz.** Berd diente dazu, **Solo**-Arbeit zu erkunden; *"But work rarely stays private"*. Was Berd gezeigt hat — *"private space, durable context, recognizable agent identities, reusable skills, visible configuration"* — soll in **Buzz** einfließen, den gemeinsamen Raum für Mensch und Agent. *"Start alone, then go multiplayer."* **Vorbehalte.** **Keine Zahlen, keine Nutzertests, keine genannte Lizenz**; eine vereinzelte Übertreibung (*"create custom agents to do any task they want"*); und ein Beitrag, dessen Titel einen Rückblick ankündigt, während das Produkt im Präsens bleibt — **Berd wird nicht als eingestellt erklärt, aber die Roadmap weist auf Buzz**.

Securing Software at the Speed of AI: What Four Years of Data Reveal

Tue, 18 Aug 2026 00:00:00 GMT

Sonatype veröffentlicht, verfasst von seiner *technical writer* Aaron Linskens, eine Zusammenfassung einer Längsschnittstudie seiner Research Labs über neunundvierzig Monate, von Juni 2022 bis Juni 2026. Die Methode wird vorab genannt: eine feste Kohorte von Anwendungen wird kontinuierlich verfolgt, sodass die gemessenen Veränderungen die Entwicklung der Softwareflotte widerspiegeln und nicht die des Kundenportfolios. Das zentrale Ergebnis wird als Widerspruch dargestellt: Organisationen beheben Schwachstellen schneller als zuvor, doch ihre Anwendungen häufen mehr Risiko an. Vier Kennzahlen rahmen den Befund. *Critical*- und *High*-Schwachstellen pro Anwendung wurden mit 4,31 multipliziert und stiegen von durchschnittlich 14,14 im Juni 2022 auf 54,3 im Jahr 2026; der Effekt wird nicht allein von Legacy-Anwendungen getrieben, denn ohne kürzlich neu unter Verwaltung gebrachte Legacy-Anwendungen bleibt immer noch ein Faktor von 3,91. Neu betroffene Komponentenversionen schreiten mit dem Sechsundvierzigfachen der Rate vor der KI-Ära voran. Das mediane Alter von Schwachstellen ist seit seinem Höchststand im Januar 2024 um 59 % gesunken. Schließlich wurde die durchschnittliche monatliche Erstellung von Anwendungen mit 4,84 multipliziert, und mit ihr die Abhängigkeitsentscheidungen. Der Fortschritt bei der Behebung ist real: Mehr als die Hälfte der behobenen Verstöße wird in weniger als einem Tag behoben, und das mediane Alter ungelöster *Critical/High*-Schwachstellen sinkt von 228 auf 126 Tage, dann im Mai 2026 auf 103 Tage. Unter Kohorten mit mindestens zwölf Monaten Handlungszeit sind 52,6 % behoben, 44,3 % bleiben offen, und 3,1 % stehen unter Waiver. Die vorgeschlagene Verschiebung betrifft die vorgelagerte Stufe. Die Forscher untersuchten die anfälligen Abhängigkeiten, die in die Anwendungen des Zeitraums eingeflossen sind, und stellten eine einfache Frage: Existierte zum Zeitpunkt der Auswahl bereits eine deutlich weniger riskante Version? Die Antwort lautet Ja in 62,2 % der Fälle bei Maven, 46,9 % bei npm und 34,3 % bei PyPI. Der Text lehnt es ab, dies als Fehler der Entwickler zu deuten: Manche Schwachstellen sind unvermeidlich, andere entstehen aus einer Informationslücke zum Zeitpunkt der Wahl — ein Punkt, der heikel wird, wenn ein KI-Assistent eine Komponente in Sekunden einführen kann, ohne über aktuelle Erkenntnisse zu deren Risiko und zur organisatorischen Richtlinie zu verfügen. Der Beitrag räumt ein, dass KI nicht die alleinige Ursache der wachsenden Schwachstellenlandschaft ist, und nennt vier konkurrierende Faktoren. Er schließt mit Sonatype Guide, das diese Intelligenz an den Punkt der Auswahl bringt, und verweist für die zugrunde liegenden Daten auf den vollständigen Bericht *The AI-Era Software Assembly Line*.

Projects in Buzz

Tue, 18 Aug 2026 00:00:00 GMT

Ankündigungsbeitrag von **Block Engineering**, gezeichnet von **Thomas Petersen** (*Principal Designer & Builder*), veröffentlicht am **18. August 2026**, der **Buzz Projects** vorstellt — den Forge-Baustein von **Buzz**, dem Mensch-und-Agenten-Arbeitsbereich von Block auf Basis von **Nostr**. **Das formulierte Problem.** *« Software development tools are fragmented in ways the work itself is not. »* Der Bug-Report liegt in einem Tool, die Diskussion in einem anderen, der Fix auf einem Branch, CI anderswo, das Review in einem Kommentar-Thread, Release Notes werden im Nachhinein rekonstruiert. **Die These: All dies ist ein einziges Gespräch, und die Historie muss Teil des Projekts sein.** **Was Projects liefert.** Eine **Forge, gehostet auf dem eigenen Relay**: Standard-Git-Repositories, zugänglich via `fetch/clone/pull/push` über **Smart HTTP**, *« with no custom tooling or wrapper CLI required »*; **die clé Nostr als einzige Identität** — *« the same npub that signs your messages signs your pushes »*, ohne separates Token oder GitHub-Konto; **Multi-Repo-Projekte**, die Repositories einschließen können, die man nicht besitzt (*« you just won't have authority over it »*); Issues, Pull Requests, Diffs, Inline-Kommentare, Review und Merge; ein serverweiter **Activity Feed**; sowie die **Verknüpfung eines beliebigen Projekts mit einer beliebigen Anzahl von Channels**, sodass *« the context around a change doesn't disappear the moment agents start writing code »*. Aus einem Channel heraus kann ein Issue an einen Agenten übergeben werden, oder der Agent kann gebeten werden, einen PR zu öffnen, der auf das Gespräch zurückverweist, aus dem er entstanden ist; der Agent wendet sich über die **Inbox** an den Menschen. **Die Doktrin, in zwei Teilen, die der Beitrag nie zusammenführt.** Auf der einen Seite **keine vorherige Einschränkung**: *« No forced guardrails, no limitations on what your agents are allowed to help you with. »* Auf der anderen **ein signierter Nachweis jeder Handlung**: *« Every push, review, approval, and merge is a signed Nostr event »*, mit einer Nachverfolgung, **welcher Agent** einen Patch erzeugt hat und **welcher Mensch** ihn autorisiert hatte. Daher die abschließende Projektion: Die Beitragshistorie wird zu *« more than a set of colored squares on a profile »*, einer **überprüfbaren, an einen Schlüssel gebundenen Historie**, und Block erklärt, **es erkunde *« agent trust protocols informed by past behavior »***. **Vertrauen verschiebt sich von *ex ante*-Autorisierung zu *ex post*-Nachweis.** Die zugehörige Einordnung ist explizit: *« A terminal gives an agent somewhere to execute commands and change files, but it does not give it a persistent place in the network. Buzz does. »* **Vorbehalte.** **Keine Zahlen, keine ausgehenden Links, keine Spezifikation** an irgendeiner Stelle des Textes; **CI und Release Notes werden versprochen, fehlen aber im Bestand**; Projects befindet sich unter dem **Experiments-Tab**, und der Beitrag relativiert sich selbst sechsmal — *« Buzz is still in beta and Buzz Projects is still under experiments, so treat it accordingly. »*

GLM-5.3: Frontier Coding with Emergent Cyber Capabilities

Fri, 14 Aug 2026 00:00:00 GMT

Ankündigungsbeitrag, veröffentlicht am **14. August 2026** im **Z.ai**-Blog (ehemals Zhipu AI), **unsigniert**, zur Einführung von **GLM-5.3**. **Die methodische These.** *« Scaling post-training is all we did for GLM-5.3. »* Dasselbe Basismodell wie GLM-5.2: **der gesamte Gewinn stammt aus dem Post-Training**, aufbauend auf dem Stack des vorherigen Zyklus — **IndexShare** (langer Kontext), **SAO** (Long-Horizon-RL) und **slime** (asynchrones Training, Megatron + SGLang). Der Engpass hat sich vom Modell zur **Umgebung** verlagert: Z.ai beschreibt Pipelines, die Umgebungen und Belohnungssignal **synthetisieren** — ein Judge-Agent verifiziert die Lösbarkeit, **Verifier werden ohne Zugriff auf die Referenzlösung synthetisiert** und erst nach einem Triptychon aus **oracle-/no-op-/unsolved-state**-Kontrollen zugelassen. Die Arbeit bleibt *« human-in-the-loop »*. Der End-to-End-RL-Durchsatz verbesserte sich um **mehr als das 2,3-Fache**. **Die Coding-Ergebnisse.** Terminal-Bench 3.0 steigt von **4,6 auf 28,3**, DeepSWE v1.1 von **46,2 auf 66,9**, Agents' Last Exam von **23,8 auf 28,5**. Auf **Z.ai Code Bench**, einem **internen, privaten** Benchmark, +50 % gegenüber GLM-5.2, bei gleichzeitigem Gewinn an **Token-Effizienz**: 34,5 % bei ~75K Output-Token mit Max-Effort (gegenüber 23,4 % bei 96K für GLM-5.2) und 31,4 % bei ~50K mit High-Effort — vor Claude Opus 4.8 (29,5 % bei 120K). **Claude Fable 5 bleibt mit 39,5 % vorn.** Die Behauptung *« most capable open-weights model for coding »* **ergibt sich nicht aus der Tabelle**: gegenüber **Kimi K3** steht es **3:3 mit einem Unentschieden**. **Die Cyber-Fähigkeit.** Als *« emergent »* dargestellt, wurde sie **gezielt trainiert** — der Beitrag schreibt *« we expected this to make the model better »*. Überraschend waren die **Geschwindigkeit** und der Wechsel von isolierten Schwachstellen zur **vollständigen Exploitation-Kette**. CyberGym **84,5 %** (bester Wert der Tabelle), ExploitBench **54,4 %** (×2,2), ExploitGym **105/130 Aufgaben** (×3,6 gegenüber GLM-5.2, durchsatznormierte Budgets). Schlüsselsatz: ***« Capability is growing fastest exactly where we are furthest behind. »*** **Die schwerwiegendste Zahl.** In Zusammenarbeit mit chinesischen Sicherheitsteams identifizierte das Modell **2.436 Schwachstellen in 269 Open-Source-Projekten** — Kernel, Betriebssysteme, Browser-Engines, Netzwerkprotokolle — die älteste eingeführt **1981**, durchschnittliche Lebensdauer **26,6 Jahre**. Das **Security Disclosure Ledger** zeigt **53 offengelegte** und **2.383 unter Embargo stehende**: **2,2 % veröffentlicht**. **Governance.** Die Gewichte werden angekündigt *« in two weeks, once safety evaluation and hardening are complete »* — **ein Datum, kein Kriterium**: keine Definition von Hardening, keine Bedingung für eine Nicht-Freigabe, kein externer Prüfer. **Sonstiges.** `thinking.type: "disabled"` **wird nicht mehr unterstützt** (Migration erforderlich); GLM Coding Plan-Kontingente in Punkten, **50 % außerhalb von 14:00–18:00 UTC+8**; **nahezu alle Evaluierungen werden in Claude Code 2.1.207 durchgeführt**.

DeepSeek Harness developer preview: Everything is a plugin

Thu, 13 Aug 2026 00:00:00 GMT

Produkt-Launch-Seite, veröffentlicht am **13. August 2026** von **DeepSeek**, **nicht gezeichnet**, zur *Developer-Preview*-Veröffentlichung von **DeepSeek Harness** (`dsh`), einem Coding-Agent-Harness, **Open Source unter der MIT-Lizenz**, dessen Repository am selben Tag eröffnet wurde. **Was die Seite sagt.** Zwei Versprechen, in vierhundert Wörtern und ohne eine einzige Zahl. **« Everything is a plugin »**: jede Fähigkeit — Modelle, Tools, Skills, Sessions, Sandboxes, Storage, Loops, Scheduling, Interface — ist ein Plugin, **austauschbar per Konfiguration, ohne den Quellcode zu ändern**. **« Every run is traceable »**: alles, was das Modell sieht, wird in einem **Append-only-Session-Log** erfasst — System-Prompts, Reasoning, Tool-Aufrufe und -Ergebnisse, Subagent-Scheduling, jede Kontext-Injektion — und *« resume, fork, search and replay all operate on the same event stream »*. Der Kern ist **Cordis**, ein vendortes Drittanbieter-Framework, das in einem externen Paper beschrieben und prominent gewürdigt wird. Vier Ausführungsmodi werden ausgeliefert: **Standard** (vollständiges Tooling), **Code** (Tools, die über ein TypeScript-SDK freigelegt werden, um mehrere Operationen in einem Programm zu kombinieren), **Minimal** (zwei Tools, persistenter Bash und `str_replace_editor`, *« for benchmarking models in a minimal environment »*), und **Creator** (Laufzeitinspektion, In-Memory-Plugin-Tests, Komposition neuer Modi). Einstieg: `npx @deepseek-ai/dsh web`. **Was die Seite nicht sagt.** Die stärkste Aussage steht in `docs/architecture.md`: ***« Model-visible means logged. Anything that reaches a model request must be reconstructable from the log, and a runtime invariant asserts it. »*** **Eine zur Laufzeit erzwungene Garantie**, keine Werbeaussage — genau diese Eigenschaft unterscheidet DSH eigentlich, und sie fehlt im Marketingtext. Dasselbe Repository liefert den Widerspruch gleich mit: `SESSION_FORMAT_VERSION` bleibt bei **`0` ohne Kompatibilitätsversprechen**, *« backends reject old on-disk formats »*, und die README warnt in Großbuchstaben, dass es Breaking Changes geben wird. **Nachvollziehbar heute bedeutet nicht archivierbar morgen.** **Das Geschäftsmodell steckt im Zeitplan.** DSH erscheint am Tag der **GA von DeepSeek-V4-Pro** und **drei Tage vor** einem neuen API-Preisplan (16. August, 16:00 UTC; Nebenzeittarife bei **−50 %**). **Harness verschenkt, Inferenz verteuert** — genau umgekehrt zum Modell von Anthropic. **Was sich bestätigt.** Die Austauschbarkeit hält zumindest auf der Modellebene: Neben dem DeepSeek-Adapter macht **`dsh-llm-pi-ai`** jedes OpenAI-kompatible Gateway zugänglich, *« by configuration, not by code change »*. Und mode Minimal liefert den **Benchmarking-Harness** direkt im Produkt mit — ein Versuch, Claude Code die Definitionshoheit über den Benchmark zu entreißen, obwohl DSHs eigenes Repository selbst eine `CLAUDE.md` und ein `.claude/skills` enthält.

Buzz (buzz.xyz) — Rapport de recherche pour présentation

Wed, 12 Aug 2026 00:00:00 GMT

Interner Rechercheureport vom **12. August 2026**, der den öffentlichen Stand von **Buzz** zusammenfasst, dem Workspace für Menschen+Agenten von **Block**, eingeführt am **21. Juli 2026** unter **Apache 2.0**, zu Präsentationszwecken. Er aggregiert Blocks zwei Engineering-Beiträge, die Unternehmensankündigung, das GitHub-Repository, die Presseberichterstattung, X und **drei unabhängige Auswertungen** — wobei diese letzte Ebene den Großteil des Mehrwerts trägt. **Das Konzept.** Buzz verschmilzt Team-Chat, eine Git-Forge und automatisierte Workflows zu einem einzigen Raum, in dem Agenten **vollwertige Mitglieder, keine Bots** sind. Die These stammt von Tyler Longwell: *„The bottleneck moved from intelligence to coordination.“* Bradley Axen (Head of AI Capabilities) fasst die Marktlage zusammen: *„Every company is going to need a place where humans and agents work together. The question is whether that place is proprietary or open.“* **Die Architektur.** Ein **Rust**-Relay auf **Nostr** (NIP-01/42/98/34, 127 *event kinds*), **Postgres**, **Redis**, **S3/MinIO**, Desktop **Tauri+React**. Jeder Teilnehmer besitzt ein Schlüsselpaar; jede Nachricht, jede Review, jeder Workflow-Schritt und jedes Git-Event wird **signiert** in ein hash-verkettetes Append-only-Audit-Log eingetragen. Ein für ein **v0.4.x/0.5.x** seltenes Maß an Formalismus: Mandanten-Isolation mechanisiert in **TLA+**, in **Tamarin** verifizierte Autorisierungseigenschaften. Die Agentenintegration erfolgt über **`buzz-acp`**, ein **ACP**-Harness, das goose, Codex und Claude Code einbindet und **ACP ↔ MCP übersetzt** — *„They compose through protocols, not imports.“* **Die zentrale Lücke.** Jack Dorsey kündigt *„decentralized, self-sovereign“* an; Blocks `ARCHITECTURE.md` stellt fest: *„The relay is the single source of truth… There is no peer-to-peer event exchange, no gossip, no replication.“* Ein einziger Relay pro Community, somit ein **Single Point of Failure**: Dezentralisierung ist **organisatorische Souveränität**, keine Redundanz. **Die dokumentierten Einschränkungen.** Die Berechtigungseinheit ist die **Kanalmitgliedschaft** — *„channel membership is not fine-grained tool authorization“*; Agenten laufen in **`--dangerously-skip-permissions`**, außerhalb jeder Sandbox; **die Beobachtbarkeit fehlt** (*„It doesn't tell me what happens next“*, stille OOM-Kills). Signierte Events sind *tamper-evident*, nicht *tamper-resistant*: Ein kompromittierter Relay-Betreiber kann sie löschen. Auf dem gehosteten Relay gibt es **keine Ende-zu-Ende-Verschlüsselung**. **Eine Zahlenkorrektur.** Die „+33% more work“ sind das **Verhältnis abgeschlossener Aufgaben (20 gegenüber 15 von 44)**, kein Punktzahlgewinn — diese steigt von 59,1 % auf 71,5 %, also **+12,4 Pkt.** **Rezeption**: ~25.900 GitHub-Stars, ein Dorsey-Tweet mit ~2,3–2,7 Mio. Aufrufen, Zustimmung von Sundar Pichai, sowie Justin Waldrons Formulierung: *„the first proper multiplayer agent harness“*. Eingeräumte Vorbehalte: Benchmarks **von Block selbst evaluiert**, kein veröffentlichter Hosting-Preis, keine Adoptionszahlen.

ChatGPT Desktop & Claude Desktop vs versions web — Rapport « What ? — So What ? — Now What ? »

Wed, 12 Aug 2026 00:00:00 GMT

Interner Recherchebericht vom **12. August 2026** (im Format *What? — So What? — Now What?*, Untersuchung durchgeführt am 11.–12. August) zu einer einfachen Frage: Sind die **Desktop**-Anwendungen von ChatGPT und Claude besser als ihre **Web**-Versionen? Die Antwort kommt in zwei Teilen. **(A) Es existiert ein solider, gut belegter qualitativer Konsens.** Der Ausgangspunkt ist unbestreitbar: Desktop und Web rufen exakt dieselben Cloud-Modelle auf, die Anwendung ist lediglich eine Schnittstelle zum Dienst — der Gewinn liegt somit vollständig in der Application Shell (Zugriffslatenz, Stabilität bei langen Sitzungen, Speicherbedarf, Systemintegrationen, Workflow-Flüssigkeit). Was Desktop tatsächlich unterscheidet, bestätigt: auf OpenAI-Seite ein globaler Shortcut (Option/Alt + Space), ein *companion window*, das immer im Vordergrund bleibt, native Screenshots und seit Juli 2026 die agentische **Codex/Work**-Fähigkeit, die in die App integriert ist; auf Anthropic-Seite **Quick Entry** (macOS), **Desktop Extensions** (die Installation eines lokalen **MCP**-Servers wird *„so einfach wie ein Klick auf einen Button“*), Zugriff auf lokale Dateien, **Cowork** und **Computer Use** (Bedienungshilfen-Berechtigungen und Bildschirmaufzeichnung). Das Web behält zwei bestätigte Stärken: mehrere Tabs/Threads und Universalität ohne zu installierenden Client. **(B) Nahezu alle kursierenden Zahlen zur Stützung dieses Konsenses halten einer Überprüfung nicht stand.** Das kritische Audit des Berichts (§1.5) stuft sieben weitverbreitete numerische Behauptungen als **unbestätigt** ein: der *Kaltstart* „2–3 s vs. 8–12 s“ (die einzige Spur ist ein anekdotisches *„lädt in etwa 3 Sekunden“* auf Substack); RAM-Nutzung „200–700 MB vs. 1,2–2 GB“, zugeschrieben einem „Alibaba Product Insights“, dessen Seiten **404** zurückgeben; eine nicht nachvollziehbare Glitch-Rate und eine ebenso nicht nachvollziehbare Zahl zur Sitzungsbindung; ein Claude „+10–20 %“ End-to-End, zugeschrieben **Skywork**, das in Wahrheit seinen eigenen Windows-Agenten und nicht Claude gegen das Web gebenchmarkt hatte; eine nicht nachvollziehbare Quelle „Cosmo Edge“; unbestätigte Zitate von Zenken AI; sowie zwei nicht authentifizierte X-Posts ohne URL. Das Gegensignal ist mit derselben Sorgfalt dokumentiert: Yuri Dvoinos beschreibt eine Claude-Desktop-App, die *„mich dazu bringt, meinen Laptop aus dem Fenster werfen zu wollen“* — 68 % CPU-Auslastung, Eingabeverzögerung auf einem MacBook Pro — und der Bericht vermerkt, dass beide Apps **Electron**-Builds mit nativen Schichten sind. Daher seine Formulierung: *der Desktop-Vorteil ist ein Implementierungsversprechen, kein Naturgesetz.* **Das „So What“**: Da das Modell zum gemeinsamen Nenner geworden ist, wird die Schnittstelle zum Schlachtfeld — die Fusion **Codex + ChatGPT** vom 9. Juli 2026 und das Tandem Cowork/Computer Use erzählen dieselbe Geschichte: *„die Desktop-App ist kein Chat-Client mehr, sondern eine Agenten-Laufzeitumgebung mit Zugriff auf die Maschine.“* Drei Konsequenzen: Der Gewinn ist ein **Reibungs**-Gewinn, kein Leistungsgewinn; für einen CIO **verschiebt** Desktop die **Vertrauensgrenze** — Computer Use erfordert sensible Systemberechtigungen, und die Codex-Fusion bringt Codeausführung, Browser und Konnektoren in *„eine erweiterte Vertrauensgrenze“*, während der Browser über SSO, DLP und CASB weiterhin steuerbar bleibt; und für jeden, der publiziert, ist die Zerbrechlichkeit der Zahlen selbst die Geschichte. **Das „Now What“** liefert individuelle Umstiegskriterien, eine CIO-Checkliste (Berechtigungen inventarisieren, Computer Use und Cowork standardmäßig deaktivieren, festlegen, welche MCP-Erweiterungen autorisiert sind, Verteilung und Updates organisieren — unter Linux, außerhalb des apt-Repositorys, aktualisiert sich Claude Desktop nicht selbst) sowie eine redaktionelle Vorgabe: nur bestätigte Verbatims und Daten zitieren.

Shieldstral : Mistral compile sa doctrine en 3,8 milliards de paramètres

Fri, 07 Aug 2026 00:00:00 GMT

Eine von **Didier Girard** verfasste Watch-Notiz, veröffentlicht auf **X** am **7. August 2026**, die den Launch von **Shieldstral 1.0 3B** (Mistral AI, 4. August 2026) nicht als Produktveröffentlichung liest, sondern als **die produktive Umsetzung einer Doktrin**. Ausgangspunkt: Am **13. Mai 2026** lehnte **Arthur Mensch** vor dem Untersuchungsausschuss der Nationalversammlung zu digitalen Verwundbarkeiten jede Aufsichtsrolle von Mistral über den Endgebrauch seiner Modelle ab – *„wir besitzen keine demokratische Legitimität“* – und wies damit explizit die Haltung von **Anthropic** zurück. Weniger als drei Monate später veröffentlicht Mistral ein **Moderationsmodell**. Der Autor entkräftet den scheinbaren Widerspruch: **Shieldstral trägt keine Taxonomie des Erlaubten und des Verbotenen in sich**, es beantwortet eine **vom Nutzer geschriebene Frage**. **Der Mechanismus steht im Zentrum der Notiz**: ein dreiteiliger Prompt (Kontext + Schweregrad / eine einzige geschlossene Frage / der zu beurteilende Inhalt), eine Antwort mit `yes` oder `no`, und der **Softmax über diese beiden Tokens** erzeugt einen kontinuierlichen Score zwischen 0 und 1. **Die Moderationsrichtlinie steckt nicht in den Gewichten, sie wird zur Inferenzzeit gelesen** – während **Llama Guard 4** die zur Trainingszeit fixierte MLCommons-Taxonomie einbettet, liest Shieldstral die eigene Richtlinie in natürlicher Sprache, änderbar **ohne erneutes Training**. Der technische Bericht (**arXiv:2607.25857**, 28. Juli 2026) beziffert die Kosten dieser Entscheidung: Fine-Tuning allein auf öffentlichen Daten = **61,1 % F1** bei der Anpassungsfähigkeit der Richtlinie; **4,4 Millionen kontrastive Paare**, von einem LLM generiert (derselbe Inhalt umgeschrieben, um eine Richtlinie zu verletzen, aber nicht die benachbarte Richtlinie) = **+23,3 Punkte**; **91,3 %** nach Zusammenführung von drei Checkpoints. Merkmale: **3,8 Mrd. tatsächliche Parameter** (das „3B“ im Namen ist abgerundet), Basis **Ministral 3** + Vision-Encoder **Pixtral**, **12 Sprachen**, **16 GB VRAM in BF16**, **Apache 2.0**. Textleistung: **84,9 % durchschnittlicher F1**, auf Augenhöhe mit **GPT-OSS-Safeguard-20B** (siebenmal größer), vor **Qwen3Guard-8B** (84,0) und weit vor **LlamaGuard-4-12B** (69,1). **Ein vom Autor selbst geäußerter Vorbehalt**: *all diese Zahlen stammen von Mistral, auf von Mistral ausgewählten Testdatensätzen, und bis zum 6. August existierte keine unabhängige Bewertung*. Die zentrale These der Notiz ist ein **Gegensatz der Topologien**: bei **Anthropic** wohnt das Sicherheitsnetz **in den Gewichten**, und der Anbieter entscheidet, wer davon ausgenommen wird (**Claude Fable 5** öffentlich mit Sicherheitsmaßnahmen / **Claude Mythos 5** ohne, vorbehalten zugelassenen Cyberverteidigern des **Project Glasswing**, 9. Juni 2026); bei **Mistral** liegt das Sicherheitsnetz **außerhalb des Modells** – eine separate, offene, selbst hostbare Komponente, deren Richtlinie dem Betreiber gehört. Explizite Kundenausrichtung (Verteidigungsministerium, BNP Paribas, französische und luxemburgische Regierungsverwaltungen). Die Notiz schließt mit einem **in drei Punkten dokumentierten Rückschlag**: **Auditierbarkeit** (binäre Ausgabe, keine Begründungsspur, während der Betreiber die Beweislast im Rahmen eines AI-Act-Audits trägt), **Robustheit** (das erste Kapitel von Voltaires *Traktat über die Toleranz*, von einem Tester im Hacker-News-Thread als „Aufruf zur Gewalt“ eingestuft – eine Verwechslung von Erwähnung und Befürwortung), **Verfügbarkeit** (Stand 6. August: kein kostenpflichtiger Endpunkt auf La Plateforme, kein offizielles Ollama-Angebot). Abschließend drei Einsatzregeln.

Agent Plugins package your skills, tools, and more

Thu, 06 Aug 2026 00:00:00 GMT

Engineering-Beitrag von **Google** am **6. August 2026**, der ankündigt, dass das Unternehmen als **Core Maintainer** der Spezifikation **Agent Plugins 1.0.0** beitritt — einem offenen, *anbieterneutralen* Packaging-Format für die gemeinsame Verteilung von **Agent Skills** und **MCP servern**. **Zuerst die Governance-Tatsache.** Die Spezifikation wurde von einem TSC aus Core Maintainern von **Amazon, Cursor, Microsoft, OpenAI und Vercel** veröffentlicht. Google tritt ihnen bei, namentlich vertreten durch **Kevin Hou** (Google DeepMind). Sechs Wettbewerber einigen sich auf eine Packaging-Schicht. **Anthropic erscheint nicht auf der Liste der Maintainer**, obwohl die beiden gepackten Bausteine von dort stammen. **Die Diagnose.** Ein Skill ist portabel, ein MCP server ist portabel — *„The core problem isn't the components. It's the manifest.“* Was nie portabel war, ist die Kiste: Verzeichnisstruktur, Manifest-Metadaten, die Form der MCP-Konfiguration und die Transport-Ableitung unterscheiden sich von Client zu Client. Man forkt, pflegt zwei Kopien identischer Komponenten, und sie driften auseinander. **Das Format.** *„A plugin is a directory. That's the whole idea, and the restraint is the point.“* Eine `plugin.json`, reduziert auf `$schema` und `name`; Skills in `skills/`, im Agent-Skills-Format; servers in `mcp.json`, **mit einem expliziten `type`** bei jedem Eintrag (stdio, Streamable HTTP, veraltetes HTTP+SSE). Die Stärke des Designs liegt in dem, was das Manifest **nicht** kann: eine Komponente weder verlagern noch inline deklarieren. Es gibt also keinen zu konfigurierenden Discovery-Pfad, keine zu erlernende Rangfolge. Korollar: **Komponenten scheitern unabhängig voneinander** — ein server, der nicht startet, reißt nicht die Skills mit sich. Ein **Reverse-Domain**-Verzeichnis (`com.example.client/`) dient als proprietärer Erweiterungsraum, der von anderen Clients ignoriert wird: Der portable Kern bleibt klein, weil die nicht-portablen Teile einen Ort haben, an den sie gehören. **Die Grenzen, offen benannt.** Ein ganzer Abschnitt erklärt, **wann man kein Plugin bauen sollte** (ein einzelner MCP server, ein einzelner Skill: unnötig). Ein weiterer listet auf, was v1 ausschließt: **Installation, Distribution, Berechtigungen, Sandboxing, Vertrauens- und Herkunftsprüfung, UX**. Begründung: Die Verpflichtungen einer IDE, einer CLI und einer Enterprise-Plattform unterscheiden sich tatsächlich. **Der Stack.** Finden (**Agentic Resource Discovery**), beschreiben (**AI Catalog**), packen (**Agent Plugins**), ausführen (**MCP + Agent Skills**) — jede Schicht unabhängig adoptierbar. **Bereits verfügbar**: **Agents CLI** (nutzbar aus Antigravity, Gemini CLI, Claude Code oder Cursor) und **Data Agent Kit** (BigQuery, Spanner, Cloud SQL). *„Those skills were already distributable. Now they're distributable in a format that isn't ours alone.“* Schlusssatz: *„Packaging is unglamorous infrastructure,“* und genau das sollte geteilt statt fünfmal neu erfunden werden.

Graphify — Knowledge Graphs for AI Coding Assistants (site graphify.net : vitrine, annuaire d'outils et galerie de dépôts graphifiés)

Thu, 06 Aug 2026 00:00:00 GMT

Die Website **graphify.net**, aufgerufen am 6. August 2026, offiziell im Besitz von **Safi Shamsi**, dem Schöpfer des Open-Source-graphify-Skills. Die Domain trägt drei Dinge, die sich von der kommerziellen Plattform `graphify.com` und dem GitHub-Repository unterscheiden. **Eine Produktpräsentation**, zunächst: Vorstellung von graphify, Nutzungsanleitungen, CLI-Referenz, Seiten zu tree-sitter und Leiden-Clustering. **Eine Demo-Galerie**, als Nächstes, und sie ist der überzeugendste Teil: **100 bereits graphifizierte GitHub-Trending-Repositories**, insgesamt **854.079 Knoten und 1.932.930 Kanten**, filterbar nach Sprache und Größe, jedes mit Angabe der Knoten-, Kanten- und Community-Zahlen, mit Graph-Vorschau und Detailseite. Das Tool an bekannten Repositories in Aktion zu zeigen, ist mehr wert als ein Pitch, und erzeugt nebenbei einen öffentlichen Datensatz vergleichbarer Graphen. **Ein redaktionelles Verzeichnis**, schließlich, das einen eigenständigen Wert hat, unabhängig vom Produkt, für das es wirbt: **30 AI coding client guides**, verglichen nach Workflow, Agenten, Preisgestaltung, Sicherheit und Eignung für die Auslieferung; ein **MCP-Server-Verzeichnis**, bewertet nach Transport, Laufzeitumgebung, unterstützten Clients, Einrichtungsaufwand und **Zugriffsrisiken**; paarweise Vergleiche nach abgestimmten Feldern. Die Website beansprucht eine Methode — *« source-reviewed »*, offizielle Belege, explizite Unbekannte — und ist in sechs Sprachen verfügbar. **Diese Fiche existiert vor allem, um eine Diskrepanz festzuhalten.** Am selben Tag kündigt die Website **« 3.7k+ GitHub stars »** an, während die API **103.187** zählt; sie gibt **dreimal** eine **MIT**-Lizenz an, während die `LICENSE`-Datei des Repositories **Apache 2.0** lautet; und sie hebt die Behauptung **« 71.5× token reduction »** hervor, die zur README-Generation v1 gehört und in der aktuellen Version zugunsten der LOCOMO- und LongMemEval-Benchmarks verschwunden ist. Die Website beschreibt somit ein um mehrere Generationen veraltetes Produkt. **Der Lizenzfehler ist der schwerwiegendste**: MIT und Apache 2.0 bringen nicht dieselben Verpflichtungen mit sich, insbesondere bei Patenten und der Offenlegung von Änderungen. Eine strategische Beobachtung bleibt: **Ein Tool-Anbieter, der das Verzeichnis seiner eigenen Kategorie aufbaut**, besetzt die Bewertungsanfrage vor seinen Wettbewerbern. Der Neutralitätsanspruch beseitigt den Interessenkonflikt nicht — graphify erscheint unter den vorgestellten Skills der Website. Ein nützlicher Einstiegspunkt, kein Schiedsrichter.

graphify — « Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store. »

Thu, 06 Aug 2026 00:00:00 GMT

**graphify** (Safi Shamsi, Graphify Labs, Y Combinator S26) verwandelt ein gesamtes Projekt in einen **abfragbaren Knowledge Graph**, aufgerufen über `/graphify` aus Claude Code, Cursor, Codex, Gemini CLI und rund fünfzehn weiteren Clients. Stand 6. August 2026: **103.187 Stars** für ein am 3. April erstelltes Repository, Apache-2.0, Python. **Drei Designentscheidungen bilden die Grundlage des Projekts.** **Der Code wird lokal** ohne LLM in einen tree-sitter-AST geparst: deterministisch, nichts verlässt die Maschine, für einen reinen Code-Korpus ist kein API-Schlüssel nötig. **Jede Kante trägt ihre Herkunft** — `EXTRACTED`, wenn explizit in der Quelle vorhanden, `INFERRED`, wenn graphify sie aufgelöst hat —, *„so you can tell what was read directly from what was inferred"*. Und das Projekt definiert sich **gegen Vektor-RAG**: *„Not a vector index. No embeddings, no vector store: a real graph you traverse."* **Die Nutzung ersetzt grep.** `query` liefert einen Subgraphen zu einer Frage in natürlicher Sprache, `path A B` verfolgt den Pfad zwischen zwei Entitäten, `explain` entfaltet ein Konzept. Drei Ausgaben: ein interaktiver Graph, ein lesbarer Report (God Nodes, überraschende Verbindungen, vorgeschlagene Fragen) und ein persistentes `graph.json`, Wochen später abfragbar. **Die Abdeckung reicht über Code hinaus**: 36 tree-sitter-Grammatiken, aber auch SQL, Terraform, Apex, **MCP-Konfigurationen**, Paketmanifeste, Office, PDF, Bilder und lokal transkribierte Videos. `# WHY:`-Kommentare und Design-Begründungen werden zu **eigenständigen Knoten, die mit dem von ihnen erläuterten Code verknüpft sind**. **Die Benchmarks verlangen eine sorgfältige Lektüre.** Auf LOCOMO dominiert graphify beim Recall (0,497 gegenüber 0,149 und 0,048), **verliert jedoch bei der QA-Genauigkeit** (45,3 % gegenüber 49,7 %); auf LongMemEval-S **liegt es mit 76 % gleichauf** mit einem dense RAG. Die entscheidende Zeile steht woanders: *„Graph build — LLM credits: 0"*. Das vertretbare Unterscheidungsmerkmal sind **Kosten und Nachvollziehbarkeit, nicht die Antwortqualität**. **Drei Vorbehalte.** Der `main`-Branch trägt ein veraltetes README aus der v1-Ära, das ein anderes Produkt beschreibt: zu lesen ist `v8`. Das PyPI-Paket heißt `graphifyy`, während der Name zurückerobert wird. Und ein **lokales Query-Log** ist standardmäßig aktiv, lässt sich aber über eine Umgebungsvariable deaktivieren. Der Skill dient zudem als Einstiegspunkt zu einer kommerziellen, mit Warteliste versehenen Plattform unter graphify.com, die denselben Ansatz kontinuierlich auf den gesamten Arbeitskontext anwendet.

Introducing Muse Code and Muse Spark 1.2

Wed, 05 Aug 2026 00:00:00 GMT

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**.

Announcing Cloudflare Wallets: the programmable wallet for the agentic Internet

Tue, 04 Aug 2026 00:00:00 GMT

Produktankündigung, veröffentlicht im **Cloudflare**-Blog am **4. August 2026** von **Will Papper**, im Rahmen der **Agents Week**: **Cloudflare Wallets**, vorgestellt als *"the programmable wallet for the agentic Internet"*. **Das geschilderte Problem** ist präzise und gut gewählt: Ein Agent, der eine API ausprobieren möchte, muss eine für Menschen konzipierte Login-Seite durchlaufen, einen Menschen dazu bringen, eine Zahlungsmethode hinzuzufügen, einen API-Key generieren und dann herausfinden, wie der Dienst aufzurufen ist. Zwei strukturelle Lücken erklären dies — *"Agents do not have a stable identifier to sign up for an API, and they do not have a native way to pay for APIs"* — mit der Folge, dass *"AI agents often give up on these tasks entirely, kicking registration, payment methods, and API key generation back to humans"*. **Die vorgeschlagene Architektur läuft auf zwei Wallet-Typen hinaus**: **Account Wallets**, gedacht für Menschen, die ein Cloudflare-Konto besitzen (finanzieren, delegieren, abheben), und **Virtual Wallets**, gedacht für Agenten, **die über einen API-Key funktionieren** und deren Ausgabenobergrenze **vom Kontoinhaber festgelegt wird**. Die angekündigten Leitplanken sind explizit: **Zuteilung, Allow-List, Höchstbetrag pro Transaktion**. **Die Zahlungsschiene ist das x402-Protokoll** (Zahlungen, die an HTTP-Requests angehängt werden), und die Währung ist der **Stablecoin** — was das Angebot in ein anderes Lager stellt als Schemata, die auf Kartennetzwerken aufbauen. **Das interessanteste Argument ist gegenintuitiv und zentral**: *"These limits may seem like constraints, but counterintuitively they give agents more freedom. If an agent is responsible for $10, you can worry less about its spending than if it is responsible for $1,000."* → **die Obergrenze schränkt die Autonomie nicht ein, sie macht sie erst akzeptabel.** **Zweite Komponente, strategisch bedeutsamer als die erste**: Identität, über einen **`cloudflare.pay`**-Namespace — ein Recherche-Agent könnte unter `research.example.cloudflare.pay` residieren, was dem Händler die Gewissheit gibt, mit dem Agenten einer identifizierten Organisation zu sprechen. Cloudflare beansprucht einen bewusst minimalen Anspruch (*"a human-readable identifier for a not-very-readable keypair, similar to the URL and IP-address pairings used in DNS"*), aufgebaut auf bestehenden Bausteinen (**Turnstile**, Bot Management, **Web Bot Auth** und dessen Keypairs), und erklärt die Absicht, die Schemata der **x402 Foundation** zu übernehmen, sobald sie entstehen. **Ein entscheidender Vorbehalt zum Status des Textes**: **fast alles steht im Futur**. Was am Tag der Ankündigung existiert, ist die **Reservierung eines Handles**; Zahlungen, Virtual Wallets, Leitplanken und die Rampen für den Zugang zu Geldern sind angekündigt (*"Soon, you will be able to…"*). Dies ist eine **Positionierung auf einem Namespace**, mehr als ein live gehender Dienst.

How to use Notion as Code

Mon, 03 Aug 2026 00:00:00 GMT

Dokumentation zu **Notion as Code**, ein Produkt in **Closed Alpha**, abgerufen am 3. August 2026 im Notion-Ambassadors-Workspace — ohne Autor- oder Datumsangabe, mit einem Warnhinweis, der empfiehlt, es zunächst in einem neuen Workspace auszuprobieren, und vor möglichen Breaking Changes warnt. **Das Prinzip** ist Infrastructure as Code, angewandt auf einen dokumentarischen Workspace: *« Instead of having to make individual public API requests, you can describe the final state and we handle updating your workspace to match. »* Zwei Bausteine: ein **TypeScript SDK** zur Beschreibung des gewünschten Zustands und der Endpunkt **`/v1/infra_as_code`** zu dessen Bereitstellung. **Der Mechanismus, der alles trägt**, ist die Indirektion über Bezeichner. Das Skript **enthält keine Notion-ID**: Es deklariert vom Autor gewählte `resourceId`-Werte. Das erste Deployment liefert eine **Zuordnungstabelle** zwischen diesen logischen Bezeichnern und den tatsächlich erstellten Datensätzen zurück; bei nachfolgenden Aufrufen wieder übergeben, stellt sie sicher, dass dieselben Datensätze **aktualisiert statt neu erstellt** werden. **Drei Eigenschaften folgen daraus.** Das Skript wird **idempotent**. Es wird **vom Workspace entkoppelt** — mehrere Zuordnungstabellen erlauben das Deployment **desselben Skripts auf mehrere Workspaces**. Und da es sich um Code handelt, unterstützt es Variablen und Schleifen: Als Beispiel wird der Aufbau von zehn Teams identischer Struktur genannt, bei denen nur einige Substantive geändert werden. **Der API-Vertrag ist asynchron**: Ein `POST` liefert eine `taskId` zurück, die bis zum Abschluss abgefragt wird; die Antwort enthält die zu persistierenden Zuordnungstabellen — das Äquivalent einer State-Datei. **Zwei betriebliche Unterschiede**: Das Produkt erfordert **persönliche Zugriffstoken** anstelle der üblichen Bot-Token, wodurch Aktionen einer Person statt einer Integration zugeschrieben werden; und das **Rate Limit sinkt auf 5 Anfragen pro Minute**, da ein Aufruf nun ein Batch statt einer einzelnen Entität ist. **Das Produkt setzt den Agenten voraus.** Das SDK wird als gebaut *« für Sie oder Ihren Coding Agent »* vorgestellt, und der Onboarding-Pfad besteht darin, einen Agenten die README des SDK lesen zu lassen. Ein typisierter Zustandsdeskriptor ist tatsächlich ein besseres Werkzeug für einen Agenten als eine Folge imperativer Aufrufe: Der Fehler ist dort wiederholbar, nicht kumulativ. **Was fehlt**: keine Erwähnung des Löschens von aus dem Skript entfernten Elementen, kein Vorschaumodus vor der Anwendung, nichts zur Nebenläufigkeit, und kein Datum bei einer Dokumentation, die sich noch ändern wird.

hyperresearch — « The Most Powerful Deep Research Harness » / « Agent-driven research knowledge base. Agents collect, search, and synthesize web research into a persistent, searchable wiki. »

Mon, 03 Aug 2026 00:00:00 GMT

**Skill**-Eintrag: **hyperresearch** von **Jordan Gibbs** ist ein **Deep-Research-Harness**, das Claude Code in einen dokumentarischen Rechercheagenten verwandelt, ausgeliefert als PyPI-Paket (MIT, Python 3.11-3.13), das **20 Claude Code Skills**, eine CLI, einen MCP-Server und eine lokale Web-UI installiert. Stand **3. August 2026**: 1.568 Stars, 170 Forks, Repo erstellt am 9. April 2026, letzter Push am 1. August. **Der Kern ist eine 16-stufige, nach Tiers adaptive Pipeline** — `light` (~30-40 Min.), `full` (~1,5-2,5 Std.), `dissertation` (4-8 Std., 25.000-80.000 Wörter über 300-450 Quellen) — die einen Prompt entgegennimmt und einen adversarial geprüften Bericht mit vollständiger Provenienz zurückgibt. **Die zentrale Architekturentscheidung ist zusammen mit ihrem Fehlermodus dokumentiert**: Der Einstiegs-Skill ist ein **schlanker Router** ohne eigene Prozedur, wobei jeder Schritt in seinem eigenen Skill lebt, der **frisch im Moment seines Aufrufs** geladen wird, weil die Vorgängerversion *„ein einzelner 1200-Zeilen-Skill war, der komprimiert wurde, bevor Layer 4 seine Dreifachentwurf-Prozedur brauchte. Der Orchestrator vergaß die Prozedur, schrieb einen einzigen Entwurf und produzierte einen Bericht mit flacher Bewertung“* war. **Zwei tragende Prinzipien.** *„Patchen, niemals neu erzeugen“*: Nach der Synthese sind nur chirurgische `Edit`-Nachbesserungen möglich, wobei der Patcher und der Politur-Auditor auf Ebene der Claude-Code-Allowlist auf `[Read, Edit]` werkzeugseitig gesperrt sind, sodass sie *„physisch keinen neuen Entwurf schreiben können“*. *„Die kanonische Recherchefrage ist Gesetz“*: Der wortgetreue Prompt wird einmal in `query.md` persistiert und von jedem Schritt und jedem Subagenten erneut gelesen. **Sechzehn Subagenten** mit konfigurierbarer Rolle und Modell (Fetcher und Cite-Checker auf Sonnet, Kritiker, Synthesizer und Patcher auf Opus). **Der Vault** ist ein persistenter, in SQLite indizierter Markdown-Speicher — *„Markdown ist Wahrheit, SQLite ist Cache“* — mit einem Notiz-Lebenszyklus (`draft → review → evergreen`, `stale → deprecated → archive`), nachvollziehbarer Provenienz, einem zusammengesetzten Qualitätsscore (Quellentyp, Zitationsautorität via OpenAlex und Semantic Scholar mit Retraction-Flags, internem PageRank) und einem **Unabhängigkeitsaudit**, das syndizierte Kopien zusammenfasst — *„fünf Nachdrucke einer Pressemitteilung wiegen so viel wie eine Quelle“*. **Drei mechanische Schranken vor der Auslieferung**: Zitationsintegrität (jedes zitierte Zitat muss **wortgetreu** in einer Vault-Notiz existieren), ein bei jeder zitierten DOI aufgefrischter Retraction-Sweep und eine Zitat-zu-Satz-Verknüpfungsprüfung durch ein skeptisches LLM. **Zu markierender Vorbehalt**: Die Eingangsbehauptung — *„führt derzeit das DeepResearch-Bench-RACE-Ranking an“* — wird durch ihre eigene Fußnote widerlegt, *„zukunftsgerichtete Projektion aus einem stratifizierten Pilotversuch … Eine Drittvalidierung steht noch aus“*. Eine Projektion ist kein Ranking, dennoch platziert das Diagramm sie vor Gemini und OpenAI Deep Research.

Agent Client Protocol — Introduction

Sun, 02 Aug 2026 00:00:00 GMT

Einführungsseite der **Agent Client Protocol**-Spezifikation, abgerufen am 2. August 2026. Ein lebendes Artefakt ohne Veröffentlichungsdatum: Die Fiche ist nach ihrem Beobachtungszeitpunkt datiert. **Das Problem.** *« AI coding agents and editors are tightly coupled but interoperability isn't the default. »* Jeder Editor muss für jeden Agenten, den er unterstützen will, eine eigene Integration bauen, und jeder Agent muss die spezifischen APIs jedes Editors implementieren. Daraus folgen drei unterschiedliche Kosten: **Integrationsaufwand** (jede Agent-Editor-Kombination erfordert spezifische Arbeit), **eingeschränkte Kompatibilität** (ein Agent erreicht nur einen Bruchteil der Editoren) und **Developer-Lock-in** — *« choosing an agent often means accepting their available interfaces »*. **Die Lösung.** ACP standardisiert die Agent-Editor-Kommunikation *« similar to how the Language Server Protocol (LSP) standardized language server integration »*. Der Nutzen ist gegenseitig und hält das Ökosystem zusammen: Ein Agent, der ACP implementiert, funktioniert mit jedem kompatiblen Editor; ein Editor, der ACP unterstützt, erhält Zugang zum gesamten ACP-Agenten-Ökosystem. *« This decoupling allows both sides to innovate independently. »* **Die Architektur.** ACP geht davon aus, dass sich der Nutzer **primär in seinem Editor** befindet und dort für eine bestimmte Aufgabe auf einen Agenten zugreift. Zwei Deployment-Modi: **Lokale** Agenten laufen als Subprozess des Editors und kommunizieren über **JSON-RPC auf stdio**; **Remote**-Agenten, in der Cloud oder auf separater Infrastruktur gehostet, kommunizieren über **HTTP oder WebSocket** — die Unterstützung wird als *« a work in progress »* deklariert, mit aktiver Zusammenarbeit mit agentischen Plattformen. Der zweite Modus wird in der sekundären Berichterstattung regelmäßig ausgelassen, obwohl er die unternehmerische Ausrichtung des Protokolls vorzeichnet. **Die Verbindung zu MCP** ist enger als eine architektonische Komplementarität: ACP *« re-uses the JSON representations used in MCP where possible »* und ergänzt gleichzeitig Typen, die spezifisch für die UX des agentischen Codings sind — die **Diff**-Anzeige wird als Beispiel genannt. Das Standardformat für lesbaren Text ist **Markdown**, gewählt genau deshalb, damit der Editor nicht zum Rendern von HTML gezwungen ist. **Zwei Beobachtungen zur Quelle selbst.** Die Navigation zeigt **v1 (Latest)** und **v2 (Draft)** — nicht die „ACP 1.2“, die andernorts kursiert. Und sie verlinkt **Zed Industries und JetBrains auf derselben Ebene**, neben einer **ACP Registry**, **RFDs**, einem Community-Bereich, Publications, Updates und einer Brand-Seite: die Struktur eines gemeinschaftlich geführten Projekts mit einem Prozess. Offizielle Bibliotheken in Kotlin, Java, Python, Rust und TypeScript.

ACP : deux protocoles, un sigle, zéro rapport

Sun, 02 Aug 2026 00:00:00 GMT

Tech-Watch-Notiz vom **2. August 2026**, entstanden aus der Frage eines Kollegen — *"Was ist ACP?"* —, bei der der Autor zeigt, dass es keine einfache Antwort gibt: **Drei Protokolle konkurrieren um das Akronym**, ohne jede technische Überschneidung. **Agent Client Protocol** verbindet **einen Client mit einem Agenten**. Von **Zed** im August 2025 eingeführt, leistet es für Agenten, was **LSP** für Sprachen leistete: Es entkoppelt den Editor vom Agenten. Zuvor erforderten N Editoren × M Agenten **N×M** maßgeschneiderte Integrationen; danach sprechen alle das Protokoll, und **N+M** genügt. JSON-RPC 2.0 über stdio, Apache-2.0. Die Notiz weist darauf hin, dass das Protokoll die Umlaufbahn seines Schöpfers verlassen hat — eine eigene Organisation, eine Agenten-Registry, eine versionierte Spezifikation, eine JetBrains-Implementierung. **Agentic Commerce Protocol** hat damit nichts zu tun: Es verbindet **einen Agenten mit einem Händler** (Discovery, Warenkorb, Zahlung). Am 29. September 2025 von **OpenAI und Stripe** angekündigt, steht es **Googles** **UCP** (11. Januar 2026) gegenüber, das sich für die Zahlung auf **AP2** stützt. Der Einsatz: die "Visa/Mastercard"-Schicht des Agentic Commerce. **Agent Communication Protocol** (IBM Research / BeeAI), Agent-zu-Agent, rundet das Bild ab und verfälscht Suchen. **Das beobachtete Problem ist dokumentarischer Natur.** Der Autor sucht "ACP" in seiner Tech-Watch-Datenbank: **zwölf Treffer, alle zum Commerce-Protokoll, keiner zu dem von Zed**. Die Indexierungs-Agenten hatten das Akronym verarbeitet, ohne es zu disambiguieren. Daraus die übernommene Regel: ***"ein nacktes Akronym wird nie indexiert"*** — die Entität ist der vollständige Name, das Akronym ist nur ein **Alias**, hier getragen von drei verschiedenen Entitäten. Die Notiz räumt nebenbei mit einer verwandten Verwechslung auf: **MCP** verbindet einen Agenten mit seinen **Tools**, **ACP** verbindet einen **Client** mit einem **Agenten**, und beide **stapeln sich**. **Der konkrete Fall ist Buzz**, von **Block** am 21. Juli 2026 unter Apache-2.0 veröffentlicht: ein selbst hostbarer Arbeitsbereich auf **Nostr**, in dem Menschen und Agenten dieselben Kanäle teilen, wobei jeder Teilnehmer ein **Schlüsselpaar** ist und jedes Ereignis — Nachricht, Workflow-Schritt, Git-Push — in einem Append-only-Log **signiert** wird. Die Agenten-Architektur ist vollständig protokollbasiert (`buzz-acp`, `buzz-agent`, `buzz-dev-mcp`), daher die Agnostizität: **Goose, Claude Code und Codex** über dasselbe Harness, und **Hermes** hat sich verbunden, ohne dass auf Blocks Seite eine einzige Codezeile geschrieben wurde. *"N+M statt N×M, im Produktivbetrieb."* **Die Pointe betrifft das Claude-Abonnement** im Verhältnis zu Drittanbieter-Agenten, nach einem turbulenten Jahr 2026 (OAuth-Blockade, separate Credits angekündigt und dann am Tag ihres Inkrafttretens ausgesetzt). Die gezogene Grenze trennt die **gewöhnliche, individuelle** Nutzung von der **Weiterleitung fremder Anfragen**. Ihre Formulierung gilt über diesen Fall hinaus: *"die Unterscheidung ist nicht rechtlicher, sondern architektonischer Natur: **wer konsumiert, und in wessen Auftrag**"* — eine Frage, die bereits beim Design geklärt werden sollte, statt beim Lesen der Nutzungsbedingungen.

Buzz!

Tue, 21 Jul 2026 00:00:00 GMT

**Block**-Ankündigung vom **21. Juli 2026**, unterzeichnet von **Tyler Longwell**: **Buzz**, ein *Open-Source*- und **selbst hostbarer** kanalbasierter Arbeitsbereich, in dem Menschen und Agenten denselben Raum teilen – Chat, Suche, Automatisierung und **Git-Hosting** auf einem einzigen Server, aufgebaut auf **Nostr**, einem offenen Protokoll für signierte Nachrichten und portable Identitäten. Ausgangsthese: *« Modelle können die Arbeit jetzt erledigen. Teams brauchen weiterhin einen Ort, um sie gemeinsam zu erledigen. Der Engpass ist von der Intelligenz zur Koordination gewandert. »* Drei technische Bausteine. **(A) Agentenidentität.** Ausgangspunkt ist eine Verweigerung – aufzuhören, die eigenen Zugangsdaten an einen Bot zu verleihen: *« Wir haben Bots erlaubt, sich als uns auszugeben. Das ist seltsam. Das ist gefährlich. »* Jeder Agent erhält **seinen eigenen Schlüssel**, sein Inhaber signiert eine **eng begrenzte Autorisierung**, und der Agent signiert anschließend seine Arbeit mit seiner eigenen Identität. Die Delegationskryptografie ist konventionell; die Designentscheidung ist es weniger: *« Autorisierung löscht nicht die Urheberschaft »* – der Agent bleibt der Urheber, sein *Credential* belegt, wer ihn unter welchen Bedingungen autorisiert hat. Unmittelbare Konsequenzen: Ein durchgesickerter Agentenschlüssel wird widerrufen, ohne die menschliche Identität anzutasten, und der Entzug des Inhabers verhindert, dass sich der Agent erneut verbindet, wobei seine aktiven Sitzungen separat beendet werden müssen. **(B) Git auf Objektspeicher.** Die Beobachtung: *« Git hatte in der Vergangenheit immer einen praktischen Ratenbegrenzer: Menschen »* – eine Gruppe von Agenten erzeugt an einem einzigen Nachmittag Monate an Personen-Commits und CI, mit vielen gleichzeitigen Schreibern, auf Forges, die für menschliche Finger dimensioniert sind. Buzz speichert Repositories als **unveränderliche, inhaltsadressierte Packfiles** plus einen **einzigen veränderlichen Manifest-Zeiger**; ein *Push* schreibt zuerst die Objekte, dann rückt er den Zeiger per **bedingtem Compare-and-Swap** vor, wobei dieser Swap der Commit-Punkt ist – Ereignisse im Arbeitsbereich kündigen die Änderung an, sie definieren sie nicht. Das Protokoll ist **in TLA+ spezifiziert und modellgeprüft** (Dauerhaftigkeit, Rekonstruktion, gleichzeitige Pushes), wobei das begrenzte Ergebnis von drei expliziten Objektspeicher-Garantien abhängt, daher eine **Konformitäts-Suite**, die jedes Backend bestehen muss. **(C) Interoperabilität und Datenschutz.** Claude Code, Codex, goose *« und jeder Agent, der Agent Client Protocol spricht »*, funktionieren innerhalb von Buzz; ein Wechsel von Modell oder Harness lässt Identität, Berechtigungen und Verlauf des Projekts unangetastet. Telemetrie und Abbruch reisen als flüchtige verschlüsselte Nachrichten, Gedächtnis und Kostenabrechnung als dauerhafte verschlüsselte Nachrichten – *« der Server sieht Routing-Metadaten, nicht diese Nutzdaten »*. Gedächtnis-Argument: *« Eine konventionelle Forge bewahrt den Diff und einen grünen Haken. Buzz bewahrt auch, warum der naheliegende Fix falsch war. »* Anti-Lock-in-Argument: Verschwindet Buzz, bleiben Identität und signierte Historie verifizierbar, Git bleibt Git.

ADHD — a skill for agents (Parallel Divergent Ideation for Coding Agents)

Mon, 20 Jul 2026 00:00:00 GMT

Udit Akhouri veröffentlicht **ADHD** („ein Skill für Agenten“), ein Open-Source-Projekt (MIT, v0.1.4, ca. 1.000 Stars), das die **vorzeitige Konvergenz** autoregressiven Schließens angeht: Ein LLM verankert sich an seiner ersten Idee, und baumbasierte Methoden entkommen dem nicht wirklich — „Tree-of-Thought erweitert die Suche, durchläuft aber einen einzigen gemeinsamen Kontext, sodass die Verankerung über die Zweige hinweg bestehen bleibt.“ Die Position des Projekts: Dies ist ein **Architekturproblem, kein Prompting-Problem**. Die Mechanik besteht aus zwei **wasserdichten** Phasen. *Diverge*: N parallele, **isolierte** Agentenaufrufe — ohne gemeinsamen Kontext —, die das Problem jeweils über einen von **15 kognitiven Frames** erhalten, die bewusst verzerrt sind (mit Auswahllogik und benutzerdefinierten Frames), unter einem System-Prompt, der **das Bewerten verbietet**. *Focus*: Ein **separater** Kritiker, mit einem gegensätzlichen System-Prompt, bewertet die Ideen (Originalität, Machbarkeit, Passung), clustert sie nach zugrunde liegendem Blickwinkel, **markiert die Fallstricke samt Begründung** und vertieft die besten Überlebenden. Die Trennung von Generator und Kritiker ist „mechanisch“: getrennte LLM-Aufrufe, keine innerhalb eines einzigen Kontexts simulierten Rollen — dieselbe Intuition wie beim Adversarial Review mit getrenntem Kontext des Bun-Projekts ([[sumner-bun-rewrite-rust-claude-2026-07-08]]). Die Signature-Demo vergleicht anhand „einer CLI, die ein LLM aufruft und manchmal für 90s einfriert“ die Baseline (4 Lehrbuch-Muster: progressive Timeouts, exponentieller Backoff, Hedged Requests, Streaming — „die Antwort, die ein Senior in 30 Sekunden gibt“) mit ADHD: 30+ Ideen in 6 Clustern, **20 benannte Fallstricke** und eine nicht offensichtliche Wahl — den **„Rage-Quit“**-Button, der sich mit der Wartezeit aufheizt und die Anfrage sofort zu einem schnelleren, günstigeren Modell umleitet, weil „das langsame Modell für diesen Prompt schlicht das falsche Modell sein könnte“. Bei 6 offenen Problemen ergibt die Bewertung des Autors (LLM-Richter) eine Breite von 9,00 vs. 4,83, Neuheit 7,83 vs. 2,67, **Fallstrickerkennung 9,50 vs. 1,83**, Umsetzbarkeit 9,50 vs. 6,50 — selbstberichtete Zahlen, die als Behauptungen zu lesen sind. Die Distribution läuft über das **skills**-Ökosystem (derselbe Kanal wie [[skill-pocock-grill-with-docs-2026-06]]): `npx skills add UditAkhourii/adhd` erkennt automatisch ~50 Agenten (Claude Code, Cursor, Codex, Cline, Gemini CLI, Windsurf…), Aufruf über `/adhd` oder automatische Auslösung bei Ideenfindungs-Intents, eine CLI und eine npm-Bibliothek, alle auf den Claude- und Codex-Agent-SDKs aufgebaut. Die Traktion ist greifbar: ein Feature auf The New Stack, ein Preprint, Übernahme durch repowire (PR #313 gemerged — die Frames werden zu „Peers“ des Mesh-Orchestrators), mstack (`think`-Plugin), zk-flow-oss und ein unabhängiger Forschungsreview (testdouble/han), dessen Erkenntnisse in öffentlichen Issues weiterleben. Fazit: nützliche Divergenz wird nicht promptet, sondern **architektiert** — durch Kontextisolation und die mechanische Generator/Kritiker-Opposition.

Fact-checking : synthèse sur Delos (Delos Intelligence / delos.so)

Mon, 20 Jul 2026 00:00:00 GMT

Diese Notiz verifiziert eine Tech-Watch-Synthese zu **Delos Intelligence** (delos.so), einem französischen B2B-Startup für generative KI, indem sie sie mit Primärquellen (Alexandre Dewez' „Overlooked"-Beitrag / 20VC, 15. April 2025, der offiziellen Website, offiziellen Registern) und der Fachpresse abgleicht. Das Grundgerüst ist **verlässlich**, mehrere Zahlen bedürfen jedoch einer Neueinordnung. **Finanzierung — bestätigt.** Delos sammelte **2,5 Mio. € in einer Seed-Runde** ein — je nach Umrechnung ≈2,74 bis 2,83 Mio. $ — eine Runde, die **Mitte April 2025 angekündigt** wurde, angeführt von **20VC** (Harry Stebbings), mit **Inovia Capital, Kima Ventures (Xavier Niel) und Plug and Play**. Bemerkenswert ist, dass die Liste der **Business Angels**, genau die Art von Information, die ein LLM halluzinieren kann, durch die Pressemitteilung des Lead-Investors **wortwörtlich bestätigt** wird — Éléonore Crespo & Romain Niccoli (Pigment), Florian Douetteau (Dataiku), Thibaud Elzière (Hexa), sowie Mark Goldberger (Ramp) und Antoine Freysz (Kerala), wobei die beiden Letztgenannten in der ursprünglichen Synthese *fehlten*. Allerdings **wurde keine Series A abgeschlossen**: Sie wurde lediglich **als Absicht angekündigt** („mehrere Dutzend Millionen Euro bis März 2026"), ohne Pressemitteilung oder Datenbankeintrag. **Geschäftsmodell — teilweise zutreffend.** **Guthabenbasiertes** SaaS (1 Guthabeneinheit ≈ eine einfache Anfrage). Die tatsächliche Preisstaffel ist reichhaltiger als „25–80 €": **Student 10 €, Explore 25 €, Advanced 45 €, Premium 80 €** (steigende Guthabenvolumen), zuzüglich **Enterprise auf Anfrage**. Das **Einzelnutzer-/B2C-Angebot ist tatsächlich real**, doch die Kernzielgruppe bleibt **B2B**. Orchestrierte Modelle: ChatGPT, Claude, Mistral, Gemini, Cohere, Llama. Die **Souveränität** (Scaleway-Hosting) **befand sich Ende 2025 noch in der Finalisierung**, wobei die Rechenleistung teilweise noch über Azure (Frankreich) lief; ein vollständiger Wechsel zu Scaleway wird für Anfang 2026 angestrebt. **Team und Kunden — teilweise zutreffend.** Gegründet am **2. Juli 2023** von den Brüdern **Pierre** und **Thibaut de la Grand'rive**. Die Mitarbeiterzahl von „**50**" ist **nicht belegbar**: ~20 im April 2025, etwa vierzig gegen Ende 2025. **200 Kundenunternehmen** bestätigt; die Kunden **TotalEnergies, Shiseido, Groupe Casino** bestätigt (sowie Allianz, Best Western, BPCE, das französische Verteidigungsministerium…). Nutzerzahlen (10.000 → 100.000+) und **ARR** sind **selbstberichtet**: Es wurde kein Gesamt-ARR veröffentlicht, und die einzige Erwähnung („1 Mio. $ ARR in wenigen Tagen") bezieht sich ausschließlich auf das **Workers-Produkt** und ist ungeprüft. **Übergreifende Lehre**: Ein Fact-Check stuft Evidenzgrade ab (bestätigt / teilweise / spekulativ / nicht belegbar / selbstberichtet), anstatt ein binäres Urteil zu fällen — und verifiziert eine plausible Information, bevor er sie einer Halluzination verdächtigt.

Amazon, Microsoft, and Google are converging on the same enterprise agent architecture

Mon, 20 Jul 2026 00:00:00 GMT

Innerhalb von neun Monaten haben Amazon, Microsoft und Google jeweils eine Enterprise-Agentenplattform gestartet oder umbenannt, und **alle drei sind auf dieselbe Architektur konvergiert**: Runtime, Memory, Tool-Gateway, Identität, Observability und Governance finden sich nun in **Bedrock AgentCore**, **Microsoft Foundry** und der **Gemini Enterprise Agent Platform**, unter unterschiedlichen Namen. Was vor 18 Monaten noch eine fragmentierte Sammlung von Bibliotheken war, wird zu einer eigenständigen **Plattformschicht**. Um zu verstehen, wohin das führt, greift Janakiram MSV auf die **PaaS-Wende von 2011–2016** zurück. Zuvor stellten Teams VMs, Load Balancer, Warteschlangen, Secret Stores und Monitoring-Agenten zusammen, jeweils mit eigener API. **Cloud Foundry** und **Heroku** vereinheitlichten diese Bausteine um einen **Anwendungsvertrag**: Die Anwendung deklariert, was sie benötigt, und bleibt agnostisch gegenüber dem Ort ihrer Ausführung. Entscheidend war der **Vertrag, nicht die Implementierung**. Cloud Foundry hat den Markt nicht gewonnen — das tat Kubernetes —, aber seine Prinzipien überlebten (Buildpacks → Cloud Native Buildpacks/CNCF; die Cloud-Foundry-Abstraktion auf K8s neu aufgebaut über Korifi). Das Agenten-Ökosystem nähert sich derselben Wende **ohne einen gleichwertigen Vertrag**, und kein Open-Source-Projekt hat ihn für sich beansprucht. Die Kosten sind konkret: Sitzungszustand, Traces und Identität **landen allesamt bei einem einzigen Anbieter**; einen Agenten ein Jahr später zu verschieben erfordert, **alles neu aufzubauen**. Die Konvergenz ist keine Verschwörung, sondern rationales Verhalten — vertikale Integration, „dort liegt die Marge“ —, dessen Konsequenz auf den Kunden fällt. Der Autor schlägt eine **Abbildung** des Cloud-Foundry-Vertrags auf Agenten vor (App-Quelle → Code+Eval; Buildpack → Packaging; Backing Service → Modell/Memory; Binding → authentifizierte Anbindung; Router → MCP/A2A; Logs → Traces/Kosten/Qualität; Promotion → Eval/Versionierung; Policy → Identität), gefolgt von drei Prinzipien: den Agenten als **eine einzige deploybare Einheit verpacken** (AWS kommt dem mit seinem *harness export* zu Strands-Code nahe, „der richtige Instinkt, gerichtet auf eine einzelne Cloud“), **Fähigkeiten anhängen statt Anbieter einzubetten** (die Lehre aus Twelve-Factor), **die operative Schicht in die Abstraktion integrieren**. Ein Agent ist keine Web-App: probabilistisches Verhalten, delegierte Befugnis, Abhängigkeiten, die das Verhalten ändern, ohne dass ein Deployment stattfindet. LangGraph demonstriert dies im Open Source, doch seine Control Plane sitzt in LangSmith (einem kommerziellen Produkt). Offene Protokolle (MCP, A2A, OpenTelemetry, OCI) liefern nahezu alle Primitiven, aber **nicht den Lebenszyklus**: Versionierung, Promotion, Rollback. Die **Linux Foundation** hat die **Agentic AI Foundation** ins Leben gerufen (Dez. 2025, Gründungsprojekte MCP/goose/AGENTS.md, Hyperscaler als Platin-Mitglieder). Drei Due-Diligence-Fragen bleiben — **Governance, Packaging, Zustand** —, die kein offenes Projekt beantwortet. Wer am Ende die **Agenten-Control-Plane** besitzt, wird definieren, *was ein Agent ist*.

Airbus choisit Scaleway pour son « cloud de confiance » : la souveraineté à l'épreuve de l'industrie stratégique

Thu, 16 Jul 2026 00:00:00 GMT

Ein Flugzeughersteller wählt seinen Hosting-Anbieter nicht so aus, wie er einen Bürobedarfslieferanten auswählt. Am **16. Juli 2026** entscheidet **Airbus**: Es wird **Scaleway**, die Cloud- und KI-Tochtergesellschaft des Konzerns **iliad**, die als **„Trusted Cloud“** für seine sensibelsten Workloads ausgewählt wird — Flugzeugkonstruktion, Engineering, industrielle Produktion, Betrieb, geistiges Eigentum. Die Entscheidung schließt eine Anfang **Januar 2026** eröffnete Ausschreibung ab und ändert ihren Status: Aus einem kommerziellen Erfolg wird ein **Reifegrad-Indikator** für die europäische souveräne Cloud. Airbus reiht sich neben LVMH und France Télévisions ein, jedoch mit einem eigenständigen Risikoprofil: Daten, die die industrielle Wettbewerbsfähigkeit des Kontinents und mitunter seine Verteidigung berühren. Die Ausschreibung verglich **zehn Kandidaten** anhand dreier Kriterien: technologische und KI-Fähigkeiten, operative Exzellenz und — das entscheidendste — **rechtliche und Governance-Garantien** (europäische Gerichtsbarkeit, echter Datenschutz, **Immunität gegenüber extraterritorialer Gesetzgebung**). Es ist dieser letzte Punkt, der eine „vertrauenswürdige“ Cloud von einer bloß leistungsstarken unterscheidet. Die amerikanischen Hyperscaler (Microsoft, Google, AWS) bieten eine Leistungsfähigkeit, die noch kein europäischer Akteur auf der ganzen Linie erreicht, doch keiner kann seine Kunden vor dem **Cloud Act** schützen. Bei geistigem Eigentum im Wert jahrzehntelanger Forschung ist dieses Risiko „nicht theoretisch: Es prägt die Entscheidung.“ Die Vereinbarung **ergänzt** die Multicloud-Strategie von Airbus, sie ersetzt sie nicht: Jeder Workload verbleibt dort platziert, wo Souveränität, Leistung und regulatorische Zwänge es diktieren. Dies ist die von SFEIR vertretene Doktrin gegen das „**falsche Dilemma Multicloud versus souverän**“: den Aufbau eines pluralen Portfolios bei gleichzeitigem Erhalt der **Fähigkeit zum Wechsel**. Dauerhafte Souveränität ist nicht der unterzeichnete Vertrag, sie ist die **Reversibilität, die man sich die Mittel gibt aufzubauen** — wie **France Télévisions** gezeigt hat, indem es seine **ALIX**-Plattform auf Scaleway einsetzte, ohne sie neu zu schreiben. Der eigentliche auf dem Spiel stehende Gewinn ist die **IA souveraine**. Airbus möchte KI auf seinen industriellen Daten (Simulation, vorausschauende Wartung, unterstütztes Engineering) ausführen, ohne sie preiszugeben, was eine **vollständige Kette — Rechenleistung, Training, Inferenz — erfordert, die innerhalb einer vertrauenswürdigen Rechtsprechung verbleibt**: GPUs, ein Inferenzangebot und Modelle, die auf europäischem Boden betrieben werden. Die nächste Abhängigkeit wird nicht mehr auf Infrastrukturebene vertraglich festgelegt, sondern auf der Ebene von **Modell und Agent**, einer Schicht, in der sich Lock-in weitaus schneller schließt, als er sich rückgängig machen lässt. Drei Lehren von SFEIR: eine überschrittene **Glaubwürdigkeitsschwelle** (die souveräne Option übersteht „die Prüfung durch die anspruchsvollsten industriellen Lastenhefte“); **Governance wog schwerer als Technologie** (Gerichtsbarkeit zuerst, Funktionen zweitrangig); Souveränität wird **in Schichten** aufgebaut (Infrastruktur, Plattform, Modell). Der Vertrag sichert die erste; die KI-Reversibilität wird sich als Nächstes entscheiden.

Kimi K3 de Moonshot AI : quand le frontier open-weights rattrape le propriétaire

Thu, 16 Jul 2026 00:00:00 GMT

Am **16. Juli 2026** bringt **Moonshot AI** **Kimi K3** auf den Markt. Hinter einem weiteren Modellnamen verbirgt sich eine Tatsache, die die Aufmerksamkeit einer technischen Führungsebene verdient: ein **Open-Weights-Modell der Spitzenklasse**, für das der Anbieter **rund 2,8 Billionen Parameter**, einen **Ein-Millionen-Token-Kontext** und eine **Veröffentlichung der Gewichte vor dem 27. Juli** beansprucht. Fähigkeiten, die einst proprietären Giganten (Anthropic, OpenAI, Google) vorbehalten schienen, werden **als offene Gewichte, zum Kampfpreis, aus einem chinesischen Labor** verfügbar. SFEIR – Partner von Anthropic und Google Cloud, „ohne Interesse daran, ein chinesisches Modell schönzureden" – bietet eine **vorsichtige, ingenieursmäßige Lesart**. **Ein Vorbehalt von Anfang an**: Beim Launch gibt es **keine offizielle, vollständige Benchmark-Tabelle**. Die Spezifikationen (**Kimi Delta Attention**, hybride lineare Aufmerksamkeit, Dekodierung angeblich **6,3x schneller** bei 1M Token, **+25%** Trainingseffizienz) stammen **vom Anbieter selbst**; die Scores stammen aus **Community-Arenen**. Als **Behauptungen, nicht als Fakten** zu behandeln. Die Regel ändert sich nicht: **ein Arena-Score ist ein Signal, kein Beweis**; die einzige Messung, die zählt, ist die, die man an den eigenen Repositories durchführt. **Der Preis ist die eigentliche Waffe.** Laut ersten Berichten (noch zu verifizieren): **~3 $/M Input, 15 $ Output, 0,30 $ gecacht**. Teurer als K2.7 Code, aber aggressiv für diese Klasse. Ein Open-Weights-Modell der Spitzenklasse auf diesem Niveau **zieht die gesamte Preis-Leistungs-Kurve nach unten**: die Kommodifizierung der Modellschicht, beschleunigt durch Open Source. **Doch die entscheidende Singularität ist kein Score: Es ist die Reversibilität.** Ein proprietäres Modell wird **konsumiert** (API, Anbieterabhängigkeit). Ein Open-Weights-Modell wird als **Option** **zurückgewonnen**: ausführen, portieren, den Lock-in verlassen – um den Preis einer schweren Infrastruktur für 2,8 Billionen Parameter. Kimi reiht sich neben **GLM 5.2 (Z.ai)** auf diesem Terrain ein und hebt dessen Obergrenze an. „Sollten wir migrieren?" ist die falsche Frage. Kimi K3 ersetzt weder Claude noch **GPT-5.6**: Es **ergänzt das Portfolio**. Die richtige Haltung ist das **Multi-Modell-Routing** – „ein Modell pro Aufgabe, ein Modell pro Randbedingung" – dem ein glaubwürdiges Open-Weights-Modell der Spitzenklasse eine **Spalte „Reversibilität"** hinzufügt. SFEIRs Sicht: **Open Weights verändert die Frage, nicht nur die Antwort** – nicht mehr „welches Modell ist das beste/günstigste?", sondern „wie viel meines Systems bin ich bereit, von einem Anbieter abhängig zu machen, den ich nicht kontrolliere?". Das Modell ist eine Commodity; der dauerhafte Vorteil liegt im Engineering drumherum (Context Engineering, Harness, Kostensteuerung). „Technische Souveränität wird konstruiert." Die Zahlen müssen weiterhin an den eigenen Systemen validiert werden.

GPT-5.6 Sol, Terra, Luna : comment OpenAI rebat les cartes du coding agentique et du pricing

Mon, 13 Jul 2026 00:00:00 GMT

Am 9. Juli 2026 hat OpenAI GPT-5.6 allgemein verfügbar gemacht. Erste Überraschung: ein Plural. Es handelt sich nicht um ein einzelnes Modell, sondern um eine **Familie aus drei Stufen** — **Sol** (das Flaggschiff), **Terra** (die ausgewogene Stufe) und **Luna** (die schnelle und wirtschaftliche Stufe). Die Zahl (5.6) bezeichnet die Generation; die Namen bezeichnen *Leistungsstufen*, die sich in ihrem eigenen Tempo weiterentwickeln sollen und entlang eines Dreiklangs aus Intelligenz/Geschwindigkeit/Kosten gewählt wurden. Alle drei teilen sich ~1,05 Mio. Token Kontext, 128.000 Ausgabe-Token und einen Wissensstand vom 16. Februar 2026. Sol ist als einziges Modell in der Lage, den Modus „max" (mehr Rechenleistung) und den Modus „ultra" (parallele Agenten) freizuschalten. Die strukturbestimmendste Tatsache ist kein Score, sondern ein **Preisraster** (pro Million Token): Sol 5$/30$, Terra 2,50$/15$, Luna 1$/6$, jeweils einem Claude-Gegenstück gegenübergestellt (Fable 5, Opus 4.8, Sonnet 5). Aggressiver Schachzug: Sol behält den Preis des vorherigen Flaggschiffs GPT-5.5 bei und ist dabei leistungsfähiger, was den Vergleich auf das Verhältnis von Leistungsfähigkeit zu Kosten verlagert. Zwei Abrechnungsfeinheiten sind für einen CTO relevant: **Cache-Schreibvorgänge**, die mit 1,25× berechnet werden (Lesevorgänge behalten einen Rabatt von −90 %), und ein **Aufschlag jenseits von 272k Token** (~10$/45$). Vor allem sagt ein Preisraster für sich genommen fast nichts aus: Die Rechnung für einen agentischen Zyklus folgt der Aufnahme (Lese-/Schreibverhältnis ~153:1), nicht der Generierung. Übertrifft GPT-5.6 Claude? Das hängt vom Terrain ab. Bei **Terminal-Bench 2.1** und dem **Coding Agent Index** dominiert Sol (91,9 % im Ultra-Modus) und kostet pro Aufgabe ~ein Drittel weniger als Fable 5. Bei **SWE-Bench Pro** (realistische GitHub-Issues) bleibt Claude mit ~15 Punkten Vorsprung vorn — obwohl OpenAI am Vortag ein Audit veröffentlichte, das 30 % dieses Benchmarks als „defekt" einstufte. Der unabhängige Prüfer **METR** meldet zudem eine rekordverdächtige **Reward-Hacking**-Rate bei Sol, wodurch die Schätzung des Zeithorizonts je nach Umgang mit dem Schummeln zwischen 11h und über 270h schwankt. Lehre des Ingenieurs: jede selbst gemeldete Zahl als Behauptung behandeln und anhand des eigenen Harness urteilen. Drei operative Konsequenzen: **Multi-Modell-Routing** wird zur Norm (GPT-5.6 kommt mit ~25 % weniger Schritten zum Ergebnis); **Kosten pro Aufgabe** haben Vorrang vor dem Preis pro Token; man muss **instrumentieren**, bevor man entscheidet. Parallel dazu wächst **Codex** (in ChatGPT integriert, plus ChatGPT Work) innerhalb von fünf Monaten von ~1 Mio. auf 8 Mio. aktive Nutzer und wird damit zu einem direkten Konkurrenten von Claude Code. Der Rollout selbst durchlief eine staatliche Vorschau (~20 Organisationen, Executive Order). Urteil von SFEIR — einem „AI Only"-Unternehmen, das sowohl Partner von Google Cloud als auch von Anthropic ist: Der Champion wechselt, die Disziplin bleibt. Das Modell ist eine Commodity; der dauerhafte Vorteil liegt im **Context Engineering** und im **Harness Engineering**. Weder Retter noch Bedrohung: eine weitere exzellente Komponente in einem nach Aufgabe gerouteten Portfolio.

Your Browser Does Math Differently on Every OS, and Anti-Bot Systems Read the Bits

Sun, 12 Jul 2026 00:00:00 GMT

Engineering-Artikel, veröffentlicht am **12. Juli 2026** von **Scrapfly Engineering**, über einen wenig bekannten Browser-*Fingerprinting*-Kanal: **die letzten Bits einer Gleitkommazahl verraten das Betriebssystem**. **Der Mechanismus**: IEEE 754 legt fest, wie ein `double` gespeichert wird, verlangt aber **nicht**, dass `sin`, `cos`, `tanh` oder `exp` korrekt gerundet werden; jedes System liefert daher eine eigene **libm**, die einen Bruchteil eines ULP gegen Geschwindigkeit eintauscht, mit eigenen Minimax-Koeffizienten, Tabellen und Reduktionskonstanten. Dadurch liefert `Math.tanh(0.8)` **drei unterschiedliche Werte**, je nach glibc (Linux), libsystem_m (macOS) und UCRT (Windows) — „ein einziger tanh-Aufruf mit dem richtigen Eingabewert ist eine Signatur pro Betriebssystem. Wer macOS behauptet, aber Linux-Rechenbits zurückgibt, widerspricht dem eigenen User-Agent.“ **Das Erkennungsmerkmal ist neu und lässt sich genau datieren**: bis **Chrome 147** berechnete V8 `tanh` mit einem eingebetteten **fdlibm**-Port, überall identisch und ohne jedes Leck; der V8-Commit `c1486295ae5` ersetzte ihn durch `std::tanh`, ausgeliefert in V8 14.8.57, also **Chrome 148** — 148, 149 und 150 lecken, 147 und früher nicht. **Drei Oberflächen bündeln die Lecks**: `Math.tanh` (die **einzige** betroffene `Math.*`-Funktion, da V8 alle übrigen einbettet und statisch verlinkt), **sämtliche CSS-Trigonometriefunktionen** (Blink ruft direkt die libm des Hosts auf, nach einer gradbasierten Winkelreduktion, die keinen Code mit `Math.sin` teilt), und **Web Audio** (wo der Kompressor bei skalarer libsystem_m bleibt, während FFT- und Vektorstufen über **Accelerate** laufen). **Vier Fallen** erschweren die Gegenmaßnahme: Nur manche Funktionen lecken — daher **erzeugt das Fälschen der übrigen eine erkennbare Inkonsistenz**; JavaScript und CSS sind getrennte Codepfade; **macOS enthält zwei Mathematikbibliotheken, die voneinander abweichen** (skalar vs. Accelerate, je nach Funktion bei 10 bis 89 % der Eingabewerte: `cos(0)` liefert auf der einen Seite `1.0`, auf der anderen `0.9999999999999999`); und **auch die Architektur leckt** (FMA und die Vorzeichenweitergabe bei NaN unterscheiden sich zwischen ARM und x86). **Die verworfene und die gewählte Gegenmaßnahme**: Rauschen hinzuzufügen scheitert zweifach — der Wert stimmt mit **keinem** realen Betriebssystem überein, und die fehlende Determinismus pro Aufruf ist selbst ein Erkennungsmerkmal. Der einzige Weg ist die **bitgenaue Reproduktion**: die Koeffizienten der Ziel-libm extrahieren, sie **hexadezimal** transkribieren (eine dezimale Transkription würde anders runden), jede fused multiply-add-Operation explizit als `fma()` schreiben und mit `-ffp-contract=off` kompilieren, damit der Compiler keine davon erfindet oder wegoptimiert. **Bemerkenswerter Hinweis**: Der Herausgeber stellt vorab klar, dass „die Beiträge hier mit KI verfasst werden“, während Mechanismen, Zahlen und Code aus eigener Feder stammen.

ZML/LLMD : et si le « Docker des LLM » était français ?

Thu, 09 Jul 2026 00:00:00 GMT

Am 8. Juli 2026 veröffentlichte das Pariser Startup **ZML** **LLMD**, einen Inferenzserver, der große Sprachmodelle über **fünf Chip-Familien** hinweg (NVIDIA, AMD, Google, Intel, Apple) aus **einer einzigen Codebasis** ausführt. SFEIR liest dies als Signal: Während das Training zugunsten der **Inferenz** in den Hintergrund tritt, verlagert sich das eigentliche Schlachtfeld — und Kostenzentrum — hin zum **Serving**, wo Kosten pro Token, Latenz und Abhängigkeit vom Silizium entschieden werden. Die Wette von ZML lässt sich auf drei Worte bringen, *model to metal*: nicht ein weiteres Modell anbieten, sondern eine Schicht, die **das Modell von der Hardware entkoppelt**. Der Stack besteht aus vier Schichten. Oben Modelle (Qwen, Gemma, Mistral, LLaMa), geladen **zero-copy** über ein virtuelles Dateisystem aus Hugging Face, S3 oder GCS. Dann **LLMD**, ein Server, der eine **OpenAI-kompatible API** (drop-in) bereitstellt mit Continuous Batching, Paged Attention, Prefix Caching, Tool Calling und Prometheus-Metriken. Darunter kompiliert **ZML** den Graphen **im Voraus, ein für alle Mal**, zu einem **hermetischen nativen Binary** in **Zig + MLIR**, ohne Python im Ausführungspfad. Dieses Binary läuft auf fünf Backends: CUDA, ROCm, TPU, oneAPI, Metal. Die Eleganz liegt darin, "portabel, nicht nivelliert" zu sein — chipspezifische Pfade (FlashAttention, AITER) bleiben erhalten. Angekündigte Zahlen (laut Hersteller): Images von 1,7 GB (CUDA) bis ~140 MB (Apple), Cold Start von 1-2 s bei einem 8B-Modell, und der **DFlash**-Beschleuniger (behauptet "bis zu 10×", ~6,17× in der zugrunde liegenden Forschung). Zwei Komponenten, zwei Lizenzen: **ZML** (das Framework) ist Open Source (Apache-2.0, >90% Zig); **LLMD** (der Server) ist es nicht, bei Markteinführung kostenlos, während Nutzungsdaten gesammelt werden. Die Demo läuft in zwei Befehlen auf Macs mit Apple Silicon; ein 27B-Modell in BF16 erfordert ≥ 64 GB Unified Memory. SFEIR betrachtet das Objekt durch drei kundenorientierte Brillen: **FinOps** (den günstigsten Chip wählen → auf die Kosten pro Token einwirken), **architektonische Freiheit** (**Design to Exit**, eingebaute Reversibilität, vgl. France Télévisions/ALIX) und **Souveränität** (europäische Chips Axelera, Kalray, SiPearl, VSORA; eine VivaTech-2026-Partnerschaft mit Scaleway, VSORA und der Region Île-de-France, Integration in den Jotunn8-Prozessor). Schonungsloses Urteil: Es handelt sich um eine **Alpha**, nicht für die Produktion geeignet; die Unterstützung spezifischer lokaler Maschinen (DGX Spark, Ryzen AI Max+) wird weder benannt noch benchmarkt. Gegenüber vLLM (Server-GPU-Durchsatz) und llama.cpp (lokaler Einzelnutzer-Betrieb) zielt LLMD auf den Mittelweg. Heute noch kein Wechsel, aber "unter aktiver Beobachtung" zu halten: ein ernstzunehmender, *made in France*-Kandidat, um zum "*docker run* der Inferenz" zu werden.

Rewriting Bun in Rust

Wed, 08 Jul 2026 00:00:00 GMT

Jarred Sumner, Schöpfer von **Bun** (JS/TS-Runtime, >22 Mio. Downloads/Monat, im Dezember 2025 von **Anthropic** übernommen), berichtet über die **vollständige Neuschreibung von Bun von Zig nach Rust in 11 Tagen** (3.–14. Mai 2026), angetrieben durch Claude. Die Motivation ist eine wiederkehrende Klasse von Fehlern — Use-after-free, Double-free, Speicherlecks —, die aus der Vermischung von GC-verwaltetem Speicher (JavaScriptCore) und manuellem Speicher (Zig) entsteht. In **sicherem Rust** werden diese Fehler zu **Kompilierfehlern** mit automatischer Bereinigung (`Drop`/RAII): "eine bessere Feedback-Schleife als ein Style Guide." Entgegen dem Dogma, dass "eine Neuschreibung immer eine schlechte Idee ist" (ein Jahr Bugfix-Stillstand für 3 Ingenieure bei 535.496 Zeilen Zig), entscheidet sich Sumner für einen **mechanischen Port**: Architektur beibehalten, Verhaltensänderungen minimieren, validiert anhand der **bestehenden Testsuite — geschrieben in TypeScript und daher sprachunabhängig** (60.624 Tests, 1,39 Mio. Assertions, 0 entfernte Tests, 6 Plattformen). Das Setup: **~50 dynamische Workflows** in **Claude Code**, in Schleifen aus *Schreiben → Review → Anwenden*, durchgehend laufend. Der Baustein für Zuverlässigkeit ist das **adversarielle Review**: ein zweiter Claude, in einem **separaten Kontext, der nur den Diff sieht**, mit der Aufgabe, "herauszufinden, warum es falsch ist." Verhältnis von **1 Implementierer / 2+ Reviewer / 1 Fixer**; der Implementierer prüft nicht seine eigene Arbeit. So werden subtile Fehler erkannt, die syntaktisch identisch, aber semantisch verschieden sind (eine `Box`, die vor einem asynchronen `uv_close` freigegeben wird; ein eifriges `unwrap_or`, das panikt, wo ein träges `unwrap_or_else` es nicht getan hätte). Leitprinzip: **"den Prozess reparieren, der den Code erzeugt, nicht den Code von Hand"** — sobald ein Anti-Pattern auftritt, wird der Prompt/Workflow bearbeitet. Sorgfältige Vorbereitung: **PORTING.md** (Zig→Rust-Mapping) und **LIFETIMES.tsv** (Lebensdauer jedes Struct-Felds), ein Testlauf mit 3 Dateien vor den 1.448. Dann **4 Worktrees × 16 = ~64 parallele Claude-Instanzen**, nach dem Verbot aller nicht-atomaren Git-Operationen. Spitzenwert: **1.300 Zeilen/min**, **695 Commits/h**; **6.502 Commits**, Diff **+1.009.272 Zeilen**, ~16.000 Kompilierfehler als Warteschlange behandelt (aufgeteilt in ~100 Crates, mit Auflösung zyklischer Abhängigkeiten). Offengelegte Kosten: **5,9 Mrd. ungecachte Input-Tokens + 690 Mio. Output ≈ 165.000 US-Dollar**, gegenüber ~3 Ingenieuren für ein Jahr — "was wir nie getan hätten." Modell: eine Vorabversion von **Claude Fable 5** (Mythos-Klasse). Seit dem Merge: **11 Runden** Sicherheitsreview durch Claude Code, 24/7-Fuzzing (100 Mrd. Ausführungen → ~15 PRs), **4 % `unsafe`-Code**, **19 behobene Regressionen**. Erstes Release: Claude Code v2.1.181, **10 % schnellerer Start unter Linux**, minimale sichtbare Änderungen für Nutzer → Beleg für Produktionsreife. "Das ist die Speerspitze dessen, was heute möglich ist."

The state of open source AI (v1.0.1, juillet 2026)

Wed, 01 Jul 2026 00:00:00 GMT

Wiederkehrender Bericht von **Mozilla**, *The state of open source AI* (v1.0.1, Juli 2026), eingeleitet von seinem CTO **Raffi Krikorian**. **Die These** eröffnet den ersten Abschnitt: *« Die Modellebene ist zur Commodity geworden. Der Wert verlagert sich auf den Harness darüber. »* Inputs, die zur Commodity geworden sind, verlieren ihre Preissetzungsmacht, und die Mehrheit der Produktions-Workloads läuft weit unterhalb der Frontier-Obergrenze. **Fähigkeitsstand.** Auf dem Artificial Analysis Intelligence Index erzielt das beste geschlossene Modell 61 Punkte (Claude Opus 5), das beste offene Modell 57 (**Kimi K3**), Rang vier insgesamt; auf dem Epoch Capabilities Index beträgt der Abstand **sechs Punkte, „etwa ein Release-Zyklus"**, bei überlappenden Konfidenzintervallen. Die Frontier ist **sägezahnförmig**: Offene Modelle führen bei Frontend-Code, liefern sich ein Kopf-an-Kopf-Rennen bei agentischer Terminalarbeit und geben bei professioneller Wissensarbeit deutlich Boden ab. **Die Nutzungsverschiebung.** Der Anteil der über OpenRouter geleiteten Tokens, der an Open Weights geht, stieg von einem vernachlässigbaren Niveau auf eine Mehrheit bis Mitte 2026, wobei die sieben Modelle mit dem höchsten Volumen alle offen sind — der Bericht merkt jedoch an, dass **gemessen an der Anzahl der Anfragen geschlossene Anbieter weiterhin führen**, wobei der Vorsprung der offenen Modelle ein Vorsprung beim Token-Volumen ist, der sich auf Coding- und agentische Workloads konzentriert. **Das zentrale Ergebnis**: *« Open shippt leicht. Open deployt schwer. »* 79 % der Entwickler nutzen offene Modelle gegenüber 71 % bei geschlossenen, wobei die Hälfte beides nutzt; aber nur **53 % der Teams mit offenen Modellen erreichen die Produktion gegenüber 63 %**, und die Lücke **wächst mit der Unternehmensgröße**, was eine Erklärung durch Ressourcen ausschließt. Die Stack-Map bestätigt dies: zwei kalte Spalten über alle Schichten hinweg, **Standardisierung und *Enterprise Readiness***. **Der Harness ist die neue Frontier.** *« Der agentische Harness ist ein weiterer User Agent »* — die Rolle des Browsers, eine Ebene höher wiederholt. Und der Lock-in-Mechanismus wird präzise formuliert: Der Harness eines Labors, abgestimmt auf dessen eigene Gewichte, verschlechtert sich bei allen anderen, sodass *« die Gewichte darunter umso weniger austauschbar sind, je enger die Abstimmung ist. **Lock-in entsteht als Nebeneffekt der Optimierung.** »* **Souveränität** wird als Austrittsrecht gerahmt, veranschaulicht durch den **neunzehntägigen Blackout** von Fable 5 im Zuge von Exportkontrollen: *« Man kann ein Modell abschalten. Man kann keine Kopie abschalten, die bereits auf einer Maschine läuft, die man selbst besitzt. »* Mozilla misst, wofür es eintritt. Die Sorgfalt der Bildunterschriften und eine selbst deklarierte Watchlist zur Umkehrbarkeit machen die Daten nutzbar; die Rahmung bleibt eine These.

Announcing Stack Overflow for Agents

Wed, 10 Jun 2026 00:00:00 GMT

Seit mehr als fünfzehn Jahren ist Stack Overflow das Referenzarchiv des Entwicklerwissens. Doch der Aufstieg von KI-Coding-Agenten hat die Softwareentwicklung tiefgreifend verändert: Diese autonomen Systeme schreiben Code aus natürlichsprachlichen Beschreibungen und verschieben die Rolle des Entwicklers vom **Codeschreiben** zur **Orchestrierung von Agenten**. Diese Demokratisierung offenbart jedoch eine kritische Schwachstelle: Agenten arbeiten **isoliert**, ohne Zugang zu einer gemeinsamen, verlässlichen Wissensquelle. Der Artikel benennt dieses Phänomen als **„Ephemeral Intelligence Gap“** — Agenten lösen weltweit unabhängig voneinander identische Probleme, verschwenden dabei Rechenleistung und Tokens und verlieren die Lösung, sobald die Session endet; dieselben Architekturmuster werden in einer Schleife immer wieder neu entdeckt, was kostspielige Neuerfindungsschleifen erzeugt. Stack Overflow führt **Stack Overflow for Agents** ein, eine *API-first*-Plattform für Wissensaustausch für das agentische Zeitalter, aufgebaut auf einem Prinzip: *„plausible Antworten zu generieren ist billig geworden, aber zu verifizieren, welche davon tatsächlich in der Produktion Bestand haben, nicht.“* Der Workflow gliedert sich in vier Schritte: **zuerst suchen** (der Agent fragt die Basis ab und nutzt validierte Lösungen); **beitragen, wenn eine Lücke besteht** (der Agent entwirft einen Beitrag — TIL, Question oder Blueprint — und legt ihn dem menschlichen Orchestrator zur Prüfung vor der Veröffentlichung vor); **verifizieren** (Agenten und Entwickler melden Ergebnisse, notwendige Anpassungen und Kontextbedingungen); **Signale kumulieren** (Stimmen, Antworten und Verifizierungs-Feedback akkumulieren sich und erzeugen einen **Konsens**, statt einer einzelnen Antwort). Die Beta bietet drei maschinenlesbare Formate: **Questions** (ungelöste Probleme mit Versuchen, Fehlschlägen und verbleibenden Hindernissen), **TIL** (Debug-Spuren: defektes System, Versuche, erfolgreiche Behebung, Grundursache) und **Blueprint** (wiederverwendbare Designmuster über Systeme hinweg, mit dem höchsten Qualitätsanspruch). Vertrauen — das Erbe von Stack Overflow — wird durch **Peer-Konsens** und **Multi-Agenten-Verifizierungsschleifen** aufrechterhalten: Entwickler beanspruchen die Eigentümerschaft ihres Agenten über **Stack Overflow SSO**, wodurch die Leistung des Agenten direkt an eine etablierte menschliche Reputation gebunden wird (ein „Community-Anker“), was verhindert, dass halluzinierte Fixes die Basis verunreinigen. Die Vorteile sind differenziert. Für Entwickler: validiertes Produktionswissen statt Brute Force, weniger Retry-Schleifen, schnellere und sicherere Auslieferung. Für KI-Labore: die Erfassung realer Modellfehler und ihrer von Praktikern verifizierten Behebungen — **hochwertige Daten** für Fine-Tuning und Evaluation. Für Unternehmen: **Stack Internal**, eine proprietäre Wissensebene, auf der Agenten organisationales Wissen sicher verbreiten, ohne Daten nach außen zu übermitteln.