-
Mysterien der KI-Generalisierung: Warum ein Modell beim Test lügt und im Alltag hilft
Ein Modell schreibt unsicheren Code und kippt ins Extreme. Ein anderes trickst nur beim Test. Wie weit reicht KI-Fehlverhalten wirklich?
-
Benchmark-Audit bei KI-Benchmarks: Warum viele Bewertungen die Modelle besser aussehen lassen, als sie sind
Horizon Analytics Labs hat 5.241 Aufgaben aus 20 Datensätzen geprüft. 29 waren defekt – und die meisten Fehler ließen die Modelle besser aussehen.
-
Meta Muse und OpenClaw: Warum Meta die Ähnlichkeit jetzt zugibt
Meta gibt zu: Muse ist stark von OpenClaw inspiriert. Was Nat Friedman auf X sagte, warum SOUL.md verrät und was Platz 1 im US-App-Store bedeutet.
-
KI-Training mit abgeleiteten Daten: Warum der Umweg das Urheberrechtsproblem nicht löst
Ein Thread von Ed Newton-Rex erklärt, was abgeleitete Daten im KI-Training sind – und warum sie denselben Schaden anrichten wie direkt abgegriffene Werke.
-
SWE-Bench Pro V2: Was die überarbeitete Version misst und was offenbleibt
SWE-Bench Pro V2 umfasst 642 Aufgaben aus 11 Repositories, bewertet jeden Diff auf unberührtem Image und lässt zwei Restrisiken offen.
-
GPT-6 Astra entschlüsselt alte Enigma-Nachricht: Wie eine KI den ROSENOW-Crib nutzte
GPT-6 Astra hat eine als ungebrochen geführte Enigma-Nachricht selbstständig entschlüsselt und dafür Enigma-Simulator und Bombe gebaut. Eine Einordnung.
-
WebMCP für Stripe-Zahlungen im Browser: Wie Browser-Agenten Checkout ohne Klick-Simulation abschließen
WebMCP lässt Browser-Agenten mit Stripe Checkout über strukturierte Tools statt Klick-Simulation arbeiten. Wo die Grenzen des Experimentalstatus liegen.
-
Claude Opus 5.5: Intelligenz-Index, Performance-Analyse und Preis pro Task
Wie Artificial Analysis Claude Opus 5.5 in zehn Evaluations vermisst: Intelligenz-Index, Token-Verbrauch und Kosten pro Task im Zusammenhang erklärt.
-
Grok 4.7 von SpaceXAI: mehr Ausdauer bei langen Aufgaben, gleicher Preis und ein Vorsprung mit Lücken
Grok 4.7 von SpaceXAI bleibt beim Token-Preis, wird bei langen Coding-Aufgaben stärker und führt nicht überall: Zahlen, Preise und Grenzen im Überblick.
-
ChatGPT-Werbetracking: Wie das Cookie __obi Website-Aktivitäten an Konten bindet
Ein Entwickler dokumentiert, wie das Cookie __obi Website-Besuche an ChatGPT-Konten bindet – vom Sync-Token bis zum Pixel auf fremden Shops.
-
Meta Muse: Was hinter den steigenden Downloads des KI-Agenten steckt – und wie er gegen ChatGPT, Grok und Claude abschneidet
730.000 Downloads in fünf Tagen: Was die Sensor-Tower-Zahlen zu Metas KI-Agenten Muse bedeuten und wie er gegen ChatGPT, Grok und Claude abschneidet.
-
Alibaba KI-Chip für 20 GW Rechenzentren bis 2032
Alibaba stellt den Zhenwu V900 vor und will mit eigener KI-Hardware 20 GW Rechenzentrumskapazität für Alibaba Cloud bis 2032 aufbauen.
-
Open-Weight-Modelle im USA-China-Vergleich: Chinas Vorsprung und seine Folgen
Chinesische Open-Weight-Modelle führen bei Downloads, Benchmarks und im Einsatz. Was das für den USA-China-KI-Wettbewerb und offene KI-Modelle bedeutet.
-
Xiaomi MiMo-V2.6 Pro und Flash: offene omnimodale Modelle und die Rechnung dahinter
Xiaomi veröffentlicht MiMo-V2.6 Pro und Flash als offene omnimodale Modelle – Trainingskosten unter drei Millionen Dollar, Preise auf V2.5-Niveau.
-
Wem gehören die Daten im Unternehmen? Warum Datenverantwortung nichts mit Besitz zu tun hat
Warum Datenverantwortung nichts mit Besitz zu tun hat: ein Beitrag über Data Ownership, Stewardship und die Rollen von Owner, Steward und Custodian.
-
Warum KI-Projekte scheitern: Datenqualität, Workflows und falsche Erwartungen
KI-Projekte scheitern selten am Modell, sondern an Datenqualität, fehlender Workflow-Integration und unklaren Erwartungen. Ein Blick auf die Ursachen.
-
Warum KI Software nicht billiger macht – und die Kosten trotzdem steigen
KI drückt den Token-Preis ins Bodenlose – und die Softwarerechnung steigt trotzdem. Warum Produktivität nicht in niedrigeren Preisen landet.
-
micro1 Enterprise Data Partnership: Wie Unternehmen ihre Arbeitsabläufe als Trainingsdaten für KI verkaufen
micro1 bezahlt Unternehmen für SOPs, Workflows und Prozesswissen als KI-Trainingsdaten. Was hinter der Datenpartnerschaft steckt und wo die Risiken liegen.
-
Real-SWE von Specific Labs: KI-Agenten erreichen 38,8 Prozent auf privaten Enterprise-Codebasen
Specific Labs veröffentlicht Real-SWE: Ein Benchmark für private Enterprise-Codebasen. Das beste KI-Modell löst 38,8 Prozent der Aufgaben — gemessen an echter Produktionsarbeit.
-
Code Review als Endkontrolle: Warum Thoughtworks-CTO Rachel Laycock das Pull-Request-Modell infrage stellt
Rachel Laycock, CTO bei Thoughtworks, hält dagegen: Nicht die KI hat die Code Review überfordert, sondern die vielen Aufgaben, die wir ihr aufgeladen haben.