← Back to search
Folge 125: Kimi K3.1 Pro bringt 1M-Token-Kontext zu OpenRouter
AgentStack Daily (Deutsch) · 2026-10-28 · 41 min
Show full episode description
AgentStack Daily beginnt mit Kimi K3.1 Pro, das nun bei OpenRouter mit einem Kontextfenster von 1 Mio. Token gelistet ist. Show notes: https://tobyonfitnesstech.com/de/podcasts/episode-125/
✨ Episode Outline — click any point to jump to it in the episode
Problem solved
Wie ein multimodales 1M-Token-Modell, sichereres Sandboxing, eng gefasste Entscheidungs-APIs und lokale Coding- und Prognosemodelle verändern, was Agenten realistisch bewältigen können.
Benefits
- Ganze Repos, Screenshots und Video in einem Kimi K3.1 Pro-Kontext
- Hermes-Delegation pro Session über Model Maps oder Profile steuerbar
- OS-Sandboxing von Agenten ohne Container mit Anthropics SRT
- Lokaler Coding-Agent (Flint) auf NVIDIA und Apple Silicon
- Probabilistische Prognosen mit 21 Quantilen statt einer einzigen Zahl
Use cases
- Hermes Agent .22.5: 81 gemergte Pull Requests, 30 geschlossene Issues, 231 Commits, 804 Dateien
- Eine Hermes-Session leitet Coding an ein Profil und Recherche an ein anderes
- Kimi K3.1 Pro verfolgt einen Fehler über Services hinweg mit Code, Aufnahmen und Designhistorie
- OpenAI Decisions API wählt ein Angebot oder routet eine Support-Anfrage in die richtige Queue
- Timestral prognostiziert Lagerbestand, Energie oder Sensordaten mit Wahrscheinlichkeitsbereichen
KPIs / results
- Kimi K3.1 Pro-Kontext: 1.048.576 Tokens; $2/M Prompt, $10/M Completion, $0,20/M Cache
- Flint: 39,8 Mrd. Parameter gesamt, ~2,5 Mrd. aktiv; 54,9% TerminalBench 2.1, 89,7% SWE-Bench Pro v2, 74,2% SWE-Bench Verified
- Timestral 209M: 32.768 Historienschritte, 1.024 Prognoseschritte, 21 Quantile
- Microsoft: 1.024 Agenten koordinieren sich ohne zentralen Chef
Tools / build
- Steckbare Delegation und MCP-Plugins in Hermes Agent .22.5
- Kimi K3.1 Pro auf OpenRouter
- Anthropic Sandbox Runtime (SRT) mit Seatbelt und Bubblewrap
- OpenAI Decisions API
- Flint von Recursive und Timestral 209M von Mistral
Ich bin Nova. Ich bin Alloy und das ist AgentStack Daily. Ein Kontextfenster von einer Million Token ist gerade über Kimi K3.1 Pro bei OpenRouter gelandet. Moonshots Flaggschiff-Reasoning-Modell mit offenen Gewichten kann Text, Bilder und Video gemeinsam verarbeiten und bringt damit vollständige Code-Basen, Oberflächen-Screenshots und aufgezeichnetes Produktverhalten in einen einzigen Arbeitskontext. Das ist eine gewaltige Menge an Material, aber ein langes Gedächtnis ist nur dann nützlich, wenn das Modell über all das hinweg schlussfolgerig bleibt, ohne den roten Faden zu verlieren. Und die zeitgleich erschienenen Veröffentlichungen machen daraus mehr als nur eine Schlagzeile mit einer riesigen Zahl. Flint bringt einen Coding-Agenten mit 39,8 Milliarden Parametern näher an lokale NVIDIA und Apple Silicon-Systeme. Tim Estral sagt lokal die Nachfrage, Sensorwerte oder Marktbewegungen voraus und liefert dabei Wahrscheinlichkeitsbereiche statt einer verdächtig selbstsicheren Einzelzahl. Anthropik hat die Betriebssystem-Sandbox hinter dem Terminal-basierten KI-Coding-Agenten Claude Code geöffnet und Microsoft hat 1024 Agenten gezeigt, die sich ohne zentralen Chef koordinieren. Heute Hermes Agent 22.5, 22.4 und 22.3, Kimika 3.1 pro, sicherere Agentenausführung, fokussierte Anwendungentscheidungen, lokale Coding- und Prognosemodelle und ein sehr großes Experiment mit Agenten, die sich selbst organisieren. News Research hat Hermes Agent 22.5 am 22. Oktober veröffentlicht, nach 22.4 und 22.3. Das neueste Update bündelt 81 zusammengeführte Pull-Requests, 30 geschlossene Issues, 233 Commits, die keine Merge Commits waren, und Änderungen über 804 Dateien. Diese Arbeit reicht bis in die Kommandozeilen-Erfahrung und die Installer, die Microsoft Store-App, Docker und Hermes Cloud. Die folgenreichste Neuerung ist die Delegierbarkeit über Plugins. Hermes kann Aufgaben über Model Maps oder Profile an Subagenten übergeben, wobei sich das Routing von Sitzung zu Sitzung ändern kann. Eine Sitzung könnte Coding an ein Profil und Recherche an ein anderes leiten, ohne jedes Backend fest in die Hauptanwendung integrieren zu müssen. Delegation wird damit konfigurierbar statt zu einer dauerhaften architektonischen Entscheidung. Auch das Plugin-System wird erweitert, Plugins können Slash-Befehle mit auswählbaren Optionen bereitstellen, Hermes über das Model Context Protocol bereitstellen und bestehende Agenten importieren. Erkennt das Setup einen anderen Agenten, kann es einen Importeur anbieten, statt jemanden zu zwingen, die Konfiguration manuell neu aufzubauen. Diese Kombination macht die Plugin-Grenze in beide Richtungen nützlicher, Hermes kann Erweiterungen nutzen und zugleich seine eigenen Fähigkeiten anderen kompatiblen Anwendungen präsentieren. Außerdem entsteht Raum für eng zugeschnittene Subagenten mit unterschiedlichen Anweisungen oder Modelleigenschaften, während die Hauptsitzung intakt bleibt. Das ist ein umfangreiches Update und die Desktop-Änderungen machen die dahinterliegende Technik sichtbar. Desktop erhält eine Plugin-Installation mit einem Klick, Stufenabzeichen und Steuerelemente zum Anheften per Drag & Drop in der Seitenleiste. Die Anmeldung wird auf einen einfachen Geräte-Login umgestellt, Gäste im kostenlosen Tarif können ihre Arbeit in ein Konto übertragen und die Oberfläche zeigt an, welches Konto aktiv ist. Connectors bieten nun direkt eine Anmeldung an, statt stillschweigend eine Gastsitzung zu öffnen. Tarife mit Nutzungszeitfenstern erhalten Anzeigen, Limitkarten und einen Weg zum Wechseln von Modellen, wenn ein Limit erschöpft ist. Diese Bestandteile beseitigen die kleinen Unklarheiten, durch die sich ein Agent unzuverlässig anfühlt, welche Identität ist aktiv, wohin die Sitzung gehört, welches Plugin ist installiert und welches Modellprofil die Aufgabe erhält. Sie sind auch wichtig, wenn ein Werkzeug aus dem Experiment einer einzelnen Person in eine gemeinsame Umgebung wandert, denn unsichtbarer Kontostand und unklar definierte Limits werden schnell zu betrieblichen Problemen. Model Maps vertiefen diese Geschichte gemeinsamer Umgebungen, eine Sitzung kann delegieren, ohne so zu tun, als würde jede Aufgabe dasselbe Modell oder Kostenprofil verdienen. Naus zufolge wird der nächste Meilenstein, 23, kuratierte Hinweise zu den gesammelten Änderungen enthalten. Vorläufig ist 22.5 die konkrete Veröffentlichung, umfassendere Delegation, leistungsfähigere Plugins, klarere Identitätsverwaltung und Updates über alle wichtigen Hermes-Oberflächen hinweg. Eine Million Token klingt absurd groß. Was akzeptiert KimiK 3.1 Pro tatsächlich und wo kann man es nutzen? OpenRouter listet Kimi K3.1 Pro jetzt als Müncher Airis Flagship-Riesening-Modell mit offenen Gewichten und multimodaler Fähigkeit sowie als nachtrainierten Nachfolger von KimiK 3. Sein Kontextfenster umfasst exakt 1.048.570 Token. Es akzeptiert Text, Bilder und Video und erzeugt anschließend Text. Diese Kombination ist für Softwarearbeit mit langem Zeithorizont ungewöhnlich relevant. Ein Coding-Agent könnte über eine einzelne Modelloberfläche ein großes Repository, Design-Dokumente, Screenshots einer fehlerhaften Oberfläche und ein Video erhalten, das das Verhalten zeigt. Außerhalb des Codings könnte dieselbe Eingabemischung ein umfangreiches Dokumentarchiv mit Diagrammen, aufgezeichneten Demonstrationen oder visuellen Belegen verbinden. Das Modell muss weiterhin erkennen, was wichtig ist, eine Million Token führen nicht automatisch zu einer kohärenten Antwort. Die Kapazität verringert aber den Bedarf, Material zu verwerfen, bevor das Modell es gesehen hat. OpenRouter bietet bereits jetzt API-Zugriff und macht KimiK 3.1 Pro damit zu einem Modell, durch das Anwendungen routen können, statt nur zu einem Versprechen für eine mögliche spätere Verfügbarkeit. Und der Preis zeigt, was dieses große Fenster in der Praxis bedeuten könnte. OpenRouter nennt 2 Dollar pro Million Prompt-Token, 10 Dollar pro Million generierte Token und 20 Cent pro Million zwischengespeicherte Eingaben. Zwischengespeicherte Lesezugriffe sind wichtig, wenn ein Agent wiederholt dasselbe Repository oder denselben Dokumentationsbestand konsultiert. Stabiles Material kann über mehrere Züge hinweg nützlich bleiben, ohne jedes Mal vollständig als neuer Input abgerechnet zu werden. Die spannende Nutzung besteht nicht darin, jede Anfrage mit einer Million Token zu füllen. Es geht darum, eine langlaufende Untersuchung zusammenhängend zu halten, wenn die Arbeit tatsächlich Code, visuelle Belege, frühere Entscheidungen und Werkzeugergebnisse umfasst. Dazu könnte das Verfolgen eines Fehlers über mehrere Services gehören, während die Implementierung mit Produktaufnahmen und historischen Designentscheidungen verglichen wird. Die Kosten machen die gezielte Wiederverwendung zudem attraktiver als das wiederholte Übertragen eines riesigen Kontexts von Grund auf. Chemica 3.1 Pro ist über OpenRouter verfügbar, wird von Monshot als Modell mit offenen Gewichten beschrieben und stellt langen Kontext neben multimodale Eingaben. Nun muss seine riesen Qualität über diese Distanz erst beweisen, das ist das riesige Fenster verdient. Antropic hat Sandbox Runtime unter dem kurzen Namen SRT als Open Source veröffentlicht. Es handelt sich um die Sandbox auf Betriebssystemebene, die hinter dem Terminal-basierten KI-Coding-Agenten-Clode-Code eingesetzt wird. Sie kann Datei- und Netzwerkzugriffe für KI-Agenten, Model-Context-Protokoll-Server und Kommandozeilen-Werkzeuge einschränken, ohne dass jede Arbeitslast in einem Container laufen muss. Unter macOS stützt sie sich auf Setbelt, Apples integriertes Sandbox-System. Unter Linux verwendet sie BubbleRap. Antropics Isolierungsschicht für Agenten steht nun auch außerhalb von ClodeCode zur Prüfung und Weiterverwendung bereit. Damit haben Entwickler eine weitere Option, wenn sie engere Grenzen benötigen, aber nicht jeden Prozess in einem vollständigen Container laufen lassen wollen. Ein Werkzeug kann als normaler Betriebssystemprozess ausgeführt werden, während die Sandbox einschränkt, welche Dateien es verändern und welche Netzwerkziele es erreichen kann. Das passt besonders gut zu Desktop-Agenten, denn diese benötigen oft selektiven Zugriff auf einen Arbeitsordner, einen Compiler oder ein lokales Dienstprogramm, ohne umfassenden Zugriff auf den gesamten Rechner zu erhalten. Container bieten weiterhin wertvolle Isolierung und Paketierung und sind daher nicht plötzlich obsolet. Hier handelt es sich um eine andere Grenze mit kleinerem Fußabdruck und engerer Integration in das Betriebssystem. Richtig, und in einer Sandbox sollte nicht zum Zauberwort werden. Die Richtlinie muss weiterhin genügend Zugriff für nützliche Arbeit gewähren und zugleich alles unrelated verweigern. Ein Agent, der ein Repository bearbeitet, benötigt möglicherweise Paket-Downloads oder einen Compiler, aber keinen uneingeschränkten Zugriff auf persönliche Dateien. Aus demselben Grund sind Netzwerkkontrollen wichtig. Ein Werkzeug darf legitimerweise einen Dienst aufrufen, ohne das gesamte Internet zu benötigen. SRT stellt ein gemeinsames Projekt für macOS und Linux bereit, obwohl die Durchsetzung auf Betriebssystem-Ebene darunter unterschiedlich ist. Die Open-Source-Veröffentlichung ist wichtig, weil Agenten zunehmend Code ausführen, Dienstprogramme starten und sich mit Tool-Servern verbinden, statt lediglich Text zu erzeugen. Anthropik ermöglicht es anderen, eine für diese Realität entwickelte Isolierungsschicht zu prüfen und weiterzuverwenden. Das kann die Distanz zwischen einem Prototyp, der allem vertraut, und einem Produkt mit klar definierten Grenzen verkürzen. Außerdem erhalten Werkzeugautoren eine gemeinsame Sandbox-Oberfläche, statt jede Anwendung ihren eigenen Reper für Betriebssystemkontrollen erfinden zu lassen. Die nächste Generation von Agentensoftware wird nicht nur daran gemessen, was sie leisten kann, den Menschen wird es genauso wichtig sein, welche Dateien, Dienste und Zugangsdaten außerhalb ihrer Reichweite bleiben. OpenAI hat die Decisions API eingeführt, eine dedizierte Schnittstelle für automatisierte Entscheidungen innerhalb von Anwendungen. Das Unternehmen beschreibt sie als schnell, fokussiert und kostengünstig. Denken Sie an Momente, in denen Software eine begrenzte Entscheidung treffen muss, die Auswahl einer darzustellenden Option, das Routing einer Anfrage oder die Bestimmung der nächsten Aktion. Für solche Aufgaben ist möglicherweise kein umfangreicher autonomer Workflow nötig. Benötigt wird eine Entscheidung, die schnell genug geliefert wird, um direkt im Ablauf eines laufenden Produkts zum Einsatz zu kommen. Ich mag die engere Perspektive. Agenten überall einsetzen kann zu einer Ausrede werden, eine einfache Entscheidung in unnötige Technik zu hüllen. Eine fokussierte Entscheidungsschnittstelle bietet Produktteams eine kleinere Komponente, die sie an einem bestimmten Punkt einsetzen können. Ihr Wert wird unter echtem Datenverkehr von der Antwortzeit, der Konsistenz und den Kosten abhängen, denn eine beeindruckende Antwort, die zu spät eintrifft, kann das Erlebnis trotzdem beeinträchtigen. Eine Routing- oder Personalisierungsentscheidung kann Millionenmal stattfinden, weshalb sich bereits kleine Unterschiede bei Latenz und Preisschnell summieren. Außerdem trennt sie das Entscheiden vom Ausführen. Die API kann eine Option auswählen, während die umgebende Anwendung die Kontrolle darüber behält, was als nächstes geschieht. So lässt sich der KI-Beitrag leichter erkennen, als es innerhalb einer breiten Agentenschleife möglich wäre. Ein Händler könnte ein Ergebnis verwenden, um ein Angebot auszuwählen, während ein Support-System eine Anfrage an die richtige Warteschlange weiterleitet und die eigentliche geschäftliche Aktion in der bestehenden Software belässt. Produktregeln bleiben dennoch wichtig, insbesondere dort, wo eine fehlerhafte Entscheidung Geld, Zugang oder Menschen betrifft. OpenAI zielt auf verschiedene Anwendungstypen hin, statt eine einzelne enge Branche zu benennen. Daher wird die tatsächliche Einführung zeigen, ob die stärkste Passung in der Personalisierung, im Betrieb, beim Request-Routing oder in einem weniger offensichtlichen Bereich liegt. Und es steht im krassen Kontrast zu Kimis enormen Kontextfenster fast schon wie eine Comic-Verkleidung. Dass eine Produkt sagt, bringt die ganze Welt in den Kontext. Das andere sagt, gebt mir genau die Entscheidung, die getroffen werden muss. Beides kann nützlich sein. KI-Infrastruktur reicht zunehmend von riesigen Reasoning-Oberflächen bis hin zu einer eng zugeschnittenen Entscheidung, die zwischen zwei gewöhnlichen Anwendungsschritten eingebettet ist. Diese kleinere Oberfläche kann es einem Produktteam auch leichter machen, genau zu verstehen, wo eine automatisierte Bewertung das Kundenerlebnis verändert hat. Rekursive hat Flint unter Apache 2 veröffentlicht, wobei Unsload den Checkpoint, die Konfiguration, den Token-Eatser, die Chat-Vorlage, das Serving-Kit und quantisierte Goof-Varianten für NVIDIA und Apple Silicon-Laufzeitumgebungen bereitstellt. Flint ist ein textbasiertes Mixture-of-Experts-Modell für Coding-Agenten mit 39,8 Milliarden Gesamtparametern, von denen für jedes Token jedoch nur etwa 2,5 Milliarden aktiviert werden. Jede Mixture-Schicht leitet ein Token durch sechs von 250 Sech-Spezialisten sowie durch einen gemeinsamen Experten, der immer beteiligt ist. Dadurch bleibt die umfangreiche Modellkapazität erhalten, während der Rechenaufwand pro Schritt begrenzt wird. Flint unterstützt Reasoning, die Nutzung von Toos in mehreren Runden und OpenAI-Komponenten, und die Komponenten von Repositories, das Beheben von Fehlern, das Implementieren von Funktionen, das Schreiben von Tests und das Fortsetzen der Arbeit, nachdem die Tool-Ergebnisse eingetroffen sind. Recursive nennt 54,9% bei TerminalBench 2.1, 89,7% bei SWBench Pro Version 2 und 74,2% bei SWBench Verified. Das sind Ergebnisse des Herausgebers, und die Model Card warnt davor, dass Evaluierungskonfigurationen, Präzision- und Inferenzlaufzeitumgebungen die Ergebnisse verändern können. Diese Anzahl aktiver Parameter macht den lokalen Einsatz reizvoll. 39,8 Milliarden sind viel, aber für jedes Token wird nur ein deutlich kleinerer Teil beansprucht, während quantisierte Builds den Speicherbedarf weiter reduzieren. Die Model Card erklärt außerdem, dass Flints TerminalBench-Ergebnislösungen, die durch Web Retrieval gewonnen wurden, als nicht erfolgreich behandelt, während manche von Entwicklern genannte Zahlen auf anderen Regeln beruhen können. Die Spitzenwerte bleiben daher an ihre jeweilige Konfiguration gebunden, sie sind keine universellen Versprechen. Konkret geblieben ist außergewöhnlich nützliches, offene Gewichte, lokale Varianten, Tours für mehrere Runden und ein Modell, das dafür konzipiert ist, Software zu bearbeiten, statt lediglich eine Zeile fertigzustellen. Die lokale Ausführung kann ein privates Repositori näher an der Maschine halten, auf der der Agent läuft, und die Abhängigkeit von einem gehosteten Code in Dienst verringern. Sie macht die Ausgabe nicht harmlos, Flint kann weiterhin fehlerhaften Code schreiben oder einen ungeeigneten Tool-Aufruf auswählen. Flint mit den expliziten Zugriffsgrenzen aus Anthropics Sandbox-Arbeit zu kombinieren ist wesentlich überzeugender, als entweder das Modell oder die Sandbox für sich genommen als ausreichend zu betrachten. Coding-Agenten erhalten die meiste Aufmerksamkeit, doch Timestral könnte eine völlig andere Art von Anwendung erreichen. Was bringt einem ein Prognosemodell mit 209 Millionen Parametern? Mistrals Timestral 209M sagt zukünftige Werte aus Zeitreihen Daten voraus, ohne dass eine aufgabenbezogene Nachtraining erforderlich ist. Es ist das Größte von vier dokumentierten Größen und reicht von 5 Millionen bis 209 Millionen Parametern. Es verarbeitet eine Zeitreihe oder mehrere zusammenhängende Zeitreihen und kann Kovariate einbeziehen, zusätzliche Signale, die die Zielgröße erklären, helfen. Einige stammen aus der Vergangenheit, andere sind im Voraus bekannt, etwa Kalender, geplante Preise oder angesetzte Ereignisse. Das Modell akzeptiert bis zu 32 aus in 768 historische Schritte und prognostiziert 1024 Schritte in einem Durchgang, wobei längere Zeithorizonte in Blöcken verarbeitet werden. Es gruppiert 32 Schritte zu Patches und bettet sowohl beobachtete Werte als auch Indikatoren für fehlende Beobachtungen ein. Seine 21 Quantile liefern eine Medianprognose sowie einen Bereich niedrigerer und höherer Möglichkeiten. Das ist für die Planung von Beständen, Kapazitäten, Energie oder Sensoren nützlicher als eine falsch präzise Zahl. Mistral berichtet von führenden Zero-Shot-Ergebnissen auf GIF-Deval, Time und Faithbench, einschließlich eines geringeren Fehlers als Times-FM, 3 auf GIF-Deval. Diese Zahlen stammen von Mistral, wobei der Checkpoint und der Quellcode für das Ausführen des Modells und die Reproduktion seiner Evaluierungen verfügbar sind. Tim Mistral wird über PY-Teuch auf CPUs oder GPUs unter einer modifizierten MIT-Lizenz ausgeführt. Okay, das ist tatsächlich ein starkes lokales Paket, ein oder mehrere zusammenhängende Signale, bekannte zukünftige Ereignisse, Berücksichtigung fehlender Werte und explizite Unsicherheit auf gewöhnlichen Prozessoren. Ein Lagerhaus kann den Absatzverlauf mit geplanten Promotionen verknüpfen, eine Fabrik kann mehrere Sensoren anbinden, ein Energiedienst kann eine wahrscheinliche Spanne ausweisen, statt so zu tun, als würden Wetter und Nachfrage einer einzigen Linie folgen. Flint verwandelt lokalen Code in Handlungen, während Tim Mistral lokale Verläufe in Wahrscheinlichkeitsbereiche verwandelt. Keines von beiden muss zu einer Chat-Oberfläche werden, um wertvoll zu sein. OpenAI und Polens NASC haben am 23. Oktober eine Partnerschaft zu KI-Sicherheit, Cybersicherheit und technischer Forschung angekündigt. NASC ist Polens nationale Cybersicherheitsbehörde. Somit verbindet dies ein KI-Unternehmen direkt mit einer Organisation, die für die Stärkung der digitalen Widerstandsfähigkeit des Landes verantwortlich ist. Die unmittelbare Entwicklung ist institutionelle Zusammenarbeit bei Schutzmaßnahmen und Sicherheitsforschung, nicht ein neues Produkt. Diese Unterscheidung ist wichtig, dennoch verdient die Kombination Aufmerksamkeit. Modellunternehmen kennen ihre Systeme, nationale Cybersicherheitsbehörden stehen den Angreifern, der Vorfallbehandlung und der öffentlichen Infrastruktur näher. Diese Perspektiven überschneiden sich, sind aber nicht austauschbar. Die Arbeit zwischen ihnen könnte Sicherheitsmethoden oder Schutzmaßnahmen hervorbringen, die von realen operativen Bedrohungen statt von abstrakten Risikodiskussionen geprägt sind. Der nützliche Beleg werden die technische Forschung und die Schutzmaßnahmen sein, die daraus entstehen, insbesondere wenn Organisationen außerhalb der Partnerschaft sie auf Systeme anwenden können, die bereits Angriffen ausgesetzt sind. Und nationale Infrastruktur bedeutet andere Stakes als ein Consumer Assistent. Zuverlässigkeit, Vorfallbehandlung und Widerstandsfähigkeit stehen neben dem Modellverhalten, denn Ausfälle können wesentliche Dienstleistungen und öffentliche Institutionen beeinträchtigen. NASC bringt diese Umgebung in die Zusammenarbeit ein. Polen wird damit zu einem direkten Teilnehmer an der Gestaltung der Schnittstelle zwischen KI-Sicherheitsarbeit und nationaler Cyberabwehr, statt lediglich Praktiken zu übernehmen, die andernorts entwickelt wurden. Genau. KI-Sicherheit klingt oft losgelöst von den Netzwerken und Diensten, von denen Menschen bereits abhängen. Die Verknüpfung mit einer nationalen Cybersicherheitsbehörde bringt das Gespräch näher an diese Systeme. Die Zusammenarbeit könnte zudem Spannungen zwischen einem schnellen Einsatz und der langsameren Disziplin offenbaren, die kritische Infrastruktur erfordert. Wenn die Partnerschaft Forschung in konkrete Verteidigungsmaßnahmen übersetzt, könnte ihre Wirkung weit über Polen hinausreichen. Hier ist eines, das mich wirklich begeistert. Meta ermöglicht einem Agenten, bereits während der Bearbeitung einer unbekannten Aufgabe zu lernen, statt sich ausschließlich auf ein zuvor abgeschlossenes Training zu verlassen. Wie verhindert Meta, dass dies zu ziellosem Ausprobieren wird? Meta kombiniert Anpassung während der aktuellen Aufgabe mit einer kompakten Erinnerung an frühere Versuche. Die jüngste Interaktion verändert das Verhalten des Agenten, während Zusammenfassungen vergangener Episoden nützliche Erfahrungen in den nächsten Versuch mitnehmen. Forschende evaluierten Meta an bislang unbekannten Meta-World-Steuerungsaufgaben und Point-Marze-Umgebungen mit langem Kontext, in denen die Belohnungen spärlich waren. Bei zurückgehaltenen Meta-World-Aufgaben übertraf Meta 50% Erfolgsquote und hielt dabei die Trainingskosten und die Wandzeit gering. In Point-Marze übertraf es Transformer-basierte Baselines und erkundete die Umgebung auf strukturiertere Weise. Der Reiz liegt also nicht in endlosen Nachtraining. Es ist ein begrenztes Lernbudget, das während der Arbeit des Agenten eingesetzt wird, kombiniert mit genügend gespeicherter Historie, um nicht jedes Mal bei Null anzufangen. Benchmark-Umgebungen sind sauberer als die physische und softwaretechnische Welt, der sich Agenten letztlich stellen. Dennoch könnte die Anpassung während einer Aufgabe entscheidend sein, wenn die konkrete Herausforderung in der ursprünglichen Trainingsverteilung nicht enthalten war. SpaceX Superintelligence hat ein offizielles Partnernetzwerk für Unternehmen eröffnet, die Produkte, Dienstleistungen und Integrationen rund um Grook entwickeln. Das Programm unterteilt Partner in zwei Gruppen. Transformation Partners helfen Kunden dabei, die Grook-Plattform in einem Unternehmen einzusetzen. Marketplace Partners entwickeln Plugins und Integrationen, die Grook mit den Werkzeugen verbinden, die Kunden bereits nutzen. Mehr als 130 Unternehmen nahmen während der Frühphase teil, und Ingenieure bei über 30 Organisationen wurden über ein Forward-Deployed-Engineer-Akkreditierungsprogramm geschult. Genannte Startpartner sind Bain & Company, Databricks, Nvidia, Snowflacke, Galatik, Adapter Group, Ahead und Alpha FMC. Hier geht es also weniger um den Start eines weiteren Modells als vielmehr darum, einen Auslieferungskanal aufzubauen. Diese Partner decken Enterprise-Transformation, Dateninfrastruktur, Governance, Audit Trails und geschäftsspezifischen Kontext ab, also genau die Bausteine, die entscheiden, ob ein Modell in wiederkehrende Aufgaben einfließt oder in einem Pilotprojekt stecken bleibt. Galatik beschreibt Ingenieure, die direkt in den Abläufe der Kunden arbeiten, um Produktionssysteme zu konzipieren und aufzubauen. Adapter sagt, dass es den umfassenderen Entwicklungspfad eines Kunden in Grook-Bart und Grook-Build übernehmen kann, sodass eine neue Interaktion mit dem Kontext der Aufgabe beginnt und nicht nur mit dem unmittelbaren Arbeitsgedächtnis. Databricks und Snowflacke bringen Datenoberflächen ein, die bereits in großen Organisationen etabliert sind, während Nvidia die Reichweite der Infrastruktur erweitert. Die Anzahl der Partner ist bemerkenswert, aber die tatsächliche Nutzung in Produktionsumgebungen ist das schwierigere Maß. Die Integration von Unternehmensdaten und Kontrollmechanismen, die Wahrung der Verantwortlichkeit über mehrere Unternehmen hinweg und die dauerhafte Nützlichkeit des resultierenden Systems werden entscheiden, ob dieses Netzwerk substanziell wird. Be Nice ist eine Posttraining-Methode für Modelle, die Informationen wiederholt durch dieselben Schichten leiten. Solche geloopten Netzwerke können ihre Leistung verbessern, ohne dass für jeden Durchlauf ein neuer Satz gelernter Parameter hinzugefügt wird. Traditionell hat jedoch jede Wiederholung einen eigenen Key-Value-Cache erzeugt, also die gespeicherten Informationen über frühere Tokens. Dadurch wächst der Speicherbedarf mit jedem Durchlauf. Be Nice trainiert das Modell so, dass der Cache des abschließenden Durchlaufs an den ersten Durchlauf zurückgesendet werden kann. Dadurch können die Wiederholungen einen gemeinsamen kompatiblen Cache nutzen. Forschende berichten von einer Qualität, die dem herkömmlichen Feintuning mit separaten Caches entspricht. Das könnte den Vorteil wiederholter Berechnungen bewahren, ohne den Tuckenspeicher in jeder Tiefe zu duplizieren und sich mit anderen Methoden zur Reduzierung des Sequenzgedächtnisses ergänzen. Das wäre ein bedeutender Effizienzgewinn, wenn sich dies auch in größeren Einsatzumgebungen bestätigt. Gelobte Modelle tauschen zusätzliche Rechenleistung gegen stärkeres Reasoning ein, während ihre Anzahl gelernter Parameter festbleibt. Gemeinsame Caches machen diesen Tausch für den Speicher weniger kostspielig. Dadurch könnten auf derselben Hardware mehr Wiederholungen Platz finden, ohne dass der gespeicherte Tokenzustand im selben Maße wächst. Doistatas Codebase Memory MCP bietet Entwicklern und KI-Agenten einen lokalen Graphen, der Code, Dokumentation und Infrastruktur miteinander verbindet. Die neueste Version ist 12.1 und vom 16. Oktober datiert. Das Repository wurde am 24. Oktober erneut aktualisiert. GitHub nennt 47 aus in 438 Sterne. Das Ziel ist persistente Codeintelligenz. Funktionen, Dokumente, Infrastruktur und ihre Beziehungen bleiben miteinander verbunden, statt bei jedem prompt als isolierte Fragmente neu entdeckt werden zu müssen. Das verändert, was ein Agent fragen kann. Statt nur nach übereinstimmendem Text zu suchen, kann er Beziehungen verfolgen, was eine Funktion aufruft, von welcher Komponente sie abhängt oder welche Dokumentation zum selben Subsystem gehört. Das Projekt umfasst CBM Lens, Model Context Protocol Tools, Agentenintegrationen und änderungsbewusste Testauswahl. Letztere identifiziert Tests, die mit einer Änderung zusammenhängen, und kann den Fokus damit auf die betroffene Oberfläche einschränken, ohne zu behaupten, dass eine unverbundene Testabdeckung nicht mehr wichtig wäre. Ein lokaler Betrieb ist attraktiv für Repositoriers, die Teams nicht in einen entfernten Kontextdienst kopieren möchten. Ein persistenter Graph kann außerdem eine einzelne Chatsitzung überdauern und späteren Agentenarbeiten Zugriff auf eine zuvor kartierte Struktur geben. Diese Kontinuität könnte helfen, wenn eine Änderung Anwendungscode, Deploymentdateien und Designdokumentation übergreift, statt in einer Sprache oder einem Verzeichnis zu bleiben. Das Projekt muss Änderungen weiterhin präzise erfassen, veraltete Beziehungen könnten einen Agenten zu überholten Schlussfolgerungen führen. Doch seine Größe zeigt die starke Nachfrage nach etwas, das mehr bietet als eine wiederholte Dateisuche. Das erklärt auch, warum Wissensgrafen neben Long-Kontext-Modellen immer wieder auftauchen. Kimi kann eine riesige Menge an Material aufnehmen, während ein Graph eine explizite Struktur zwischen den einzelnen Bestandteilen liefert. Sie lösen unterschiedliche Probleme. Ein Agent kann den Graph nutzen, um den verbundenen Ausschnitt zu finden und anschließend den Long-Kontext verwenden, um über Code, Dokumentation und umgebende Belege hinweg zu reasonieren, ohne das gesamte Repository in einen Texthaufen zu verwandeln. 1024 Agenten ohne zentralen Orchestrator klingen entweder genial oder wie der schnellste Weg in einen völlig überfüllten Gruppenchat. Wie hat Microsoft Research sie koordiniert? Agensch ermöglicht es Arbeitern, sich über drei gemeinsame Oberflächen selbst zu organisieren, ein Git-Repository, einen Chatkanal und ein Findingsboard. Kein einzelner Controller weist jede Aufgabe zu. In dem von Microsoft berichteten Programmbench-Experiment skalierte die Open-Source-Testumgebung von einem auf 1024 Agenten und blieb dabei innerhalb eines 6-Stunden-Budgets. Git transportiert die laufende Arbeit, der Chat ermöglicht die Kommunikation und das Findingsboard gibt den Arbeitern einen Ort, um Entdeckungen festzuhalten, die andere nutzen können. Das Fehlen eines einzelnen Chefs ist interessanter als die Anzahl der Agenten. Ein zentraler Planer kann zum Engpass werden, wenn hunderte von Arbeitern auf Zuweisungen warten oder Ergebnisse zurückgeben. Gemeinsame Arbeitsbereiche ermöglichen es Agenten, Aufgaben direkter zu entdecken und miteinander zu reagieren. Dezentralisierung kann aber auch doppelte Arbeit, widersprüchliche Änderungen, vernachlässigte Aufgaben oder Gruppen hervorbringen, die zu derselben falschen Annahme gelangen. Programbench zeigt ein Koordinationsdesign. Es beweist nicht, dass jedes schwierige Problem von 1000 Arbeitern profitiert. Allein die Kommunikation verbraucht Zeit und Kontext, sodass das Hinzufügen von Agenten schließlich mehr Rauschen als nützliche Arbeit erzeugen kann. Dennoch hat Microsoft ein konkretes Framework veröffentlicht, um diese Zielkonflikte zu untersuchen. Teams können prüfen, wie Agenten ihre Arbeit über gemeinsamen Code, Gespräche und festgehaltene Erkenntnisse aufteilen, statt Massenkoordination wie eine proprietäre Bühnendemo zu behandeln. Die Schlagzeile mit 1000 Agenten erregt Aufmerksamkeit. Der wiederverwendbare Beitrag ist ein System, in dem Koordination aus gemeinsamen Arbeitsflächen entsteht und nicht aus einem Masterprozess, der versucht, alles zu verstehen und zu planen. Kognition hat als Reaktion auf kritische Schwachstellen bei der Remote Code Execution, die PHP, Node, JS und selbstverwaltete GitLab Deployments betreffen, das Devon Vulnerability Fixes Plugin als Open Source veröffentlicht. Die unter der MIT-Lizenz veröffentlichte Version enthält drei Agentskills, die betroffene Systeme erfassen, Patches und Tests anwenden und anschließend für jedes Repository einen separaten Pull-Request öffnen. Dadurch wird ein umfangreiches Sicherheitsereignis in überprüfbare Änderungen pro Code-Basis überführt statt in einen undurchsichtigen Sammelbetrieb. Separate Pull-Requests sind die richtige Form für das Engineering Review, aber Automatisierung bedeutet nicht, dass sich ein Security Fix selbst freigeben kann. Der nützliche Beitrag ist die Reichweite, ein Agent kann viele Repositories durchsuchen, Gefährdungen identifizieren, Änderungen vorbereiten und denselben Review-Trail bewahren, den Teams bereits nutzen. Das ist wichtig, wenn eine Remote Code-Exekution Schwachstelle Druck erzeugt, in einer großen Software-Landschaft schnell zu handeln. Ein Unternehmen mit dutzenden Services kann mehrere betroffene Abhängigkeitspfade, unterschiedliche Bildsysteme und verschiedene Verantwortliche haben. Die Vorbereitung einer isolierten Änderung pro Repository gibt diesen Verantwortlichen etwas Konkretes zur Prüfung. Die entscheidende Frage bleibt, ob jeder vorgeschlagene Fix zum betroffenen Projekt passt und die Gefährdung schließt, ohne das umgebende Verhalten zu beeinträchtigen. Cognitions Plugin komprimiert die Ermittlung und die Patch-Vorbereitung, die menschliche Verantwortung für die Merge-Entscheidung bleibt bestehen. Letters Engineering Copilot Tutorial greift einen Frust auf, den letztlich jeder langlebige Assistent verursacht. Warum benimmt er sich so, als wäre das Projekt neu, sobald sich das Gespräch ändert? Das Tutorial baut auf einer Inspectable Core Memory auf und gibt dem Copilot einen sichtbaren Ort, an dem Projektfakten gespeichert bleiben, statt alles in einem undurchsichtlichen Gesprächsstatus zu verbergen. Es fügt eine archivale Vektorabfrage hinzu, die ältere Materialien anhand ihrer Bedeutung findet, statt dieselben Wörter zu verlangen. Eine Frage zu einer Authentifizierungsentscheidung kann beispielsweise eine relevante Designnotiz abrufen, selbst wenn deren Formulierung abweicht. Der Copilot kann außerdem benutzerdefinierte Toes aufrufen, Antworten streamen, Status zwischen spezialisierten Agents teilen und portable Workflows zwischen Umgebungen übertragen. Shared State ist der Punkt, an dem aus dem Design mehr als nur eine Memory-Demonstration wird. Ein Agent kann sich auf Repositoriarbeit spezialisieren, während ein anderer Dokumentation oder Infrastruktur übernimmt, beide arbeiten jedoch mit einem gemeinsamen Projektkontext. Die Architektur bewahrt Entscheidungen auf, ruft relevante Historie ab und verbindet Aktionen mit diesem Memory. Ein Copilot könnte sich daran erinnern, warum eine Detendent sie abgelehnt wurde, welcher Service einen Data Contract verantwortet oder welche Einschränkung eine frühere Implementierung geprägt hat und diese Historie in späteren Arbeiten wieder einbringen. Persistenter Kontext kann auch Fehler bewahren, weshalb Inspectability wichtig ist. Wenn Menschen sehen und korrigieren können, was sich der Copilot merkt, wird der Status zu einer gepflegten Projektressource statt zu einem wachsenden Rätsel. Nanoboot führt mit 49 aus N339 Stars und hat in 30 Tagen 778 dazu gewonnen. Release 3.5 wurde im September ausgeliefert und das Repository war am 5.25. Oktober wieder aktiv. Es handelt sich um ein ultraleichtes, selbst gehostetes Python-Agent-Framework mit Web-Oberfläche, Tools, Memory, Unterstützung für das Model Context Protocol, Automatisierung, Chat-Integrationen und Multi-Agent-Workflows. Ahuja Seeds MCP for Blender bringt dasselbe Ökosystem in die dreidimensionale Kreativität. Das Community-Plugin hat 32.293 Stars, in 30 Tagen 2.978 mehr, ein Anstieg von 10,2 Prozent und wurde am 24. Oktober aktualisiert. Diese Projekte ziehen Agents in entgegengesetzte Richtungen. Nanoboot liefert eine persistente, selbst gehostete Ebene, während MCP for Blender eine konkrete kreative Umgebung eröffnet. Fast MCP stellt das Verbinden der Gewebe dar. Das Python-Framework zum Erstellen von Model Context Protocol Servern und Clients hat 28.199 Stars, 680 mehr und im Oktober Version 4.1 ausgeliefert. Es bietet Anwendungen einen direkten Weg, Tools und Daten bereitzustellen. Nanoboot organisiert Agents, MCP for Blender gibt Ihnen eine spezialisierte Steuerungsoberfläche und Fast MCP hilft dabei, diese Fähigkeiten mit kompatiblen Clients zu verbinden. KimiK 3.1 Pro ist die Auswahl für lange Kontexte, 1.048.566 und mit Text, Bild und Video-Eingabe, die Text erzeugt. Monshot beschreibt es als ein multimodales Reasoning-Modell mit offenen Gewichten, das für Coating mit langfristigem Horizont entwickelt wurde und Open Router bietet API-Zugriff. Die aufgeführten Preise betragen 2 Dollar pro Million Prompt-Tokens, 10 Dollar pro Million generierte Tokens und 20 Cent pro Million zwischengespeicherte Eingabe-Tokens. Flint bringt eine andere Art von Zugänglichkeit mit. Seine Apache-lizenzierten Gewichte umfassen insgesamt 39,8 Milliarden Parameter, von denen für jeden Token ungefähr 2,5 Milliarden aktiv sind. Es handelt sich um ein textbasiertes Coding-Agent-Modell, das Reasoning, Tools über mehrere Turns und OpenAI-kompatible Aufrufe unterstützt. Unslot stellt quantisierte Goof-Varianten für NVIDIA und Apple Silicon-Systeme bereit, während die Model Card darauf hinweist, dass sich die Evaluierungsergebnisse je nach Präzision und Runtime ändern können. Team Estral 209M ist die Auswahl für Prognosen, mit 209 Millionen Parametern und lokaler Pythoch-Ausführung auf CPUs oder GPOS. Es unterstützt einzelne und verwandte Zeitreihen, bekannte zukünftige sowie ausschließlich vergangene zusätzliche Signale und probabilistische Vorhersagen über 21 Quantile. Mistral meldet führende Zero-Shot-Ergebnisse bei mehreren Prognose-Evaluierungen und hat den Checkpoint sowie den Quellcode unter einer Modifit-MIT-Lizenz veröffentlicht. DeepSig V4.1 Flash 1017 ist auf Hugging Face-In Trend mit 2856 Likes und mehr als 85.000 Downloads. Es ist für Bild- und Texteingabe mit Textausgabe gelistet und unterstützt Transformer und SafeTensors, verfügt über MIT-Lizenzierung, Evaluierungsergebnisse, kompatible gehostete Endpoints und Gewichtsformate einschließlich 8-Bit und FP8. Diese Formate bieten unterschiedliche Wege für Hardware mit unterschiedlichen Speicherbudgets, während die multimodale Eingabe das Modell dort relevant macht, wo Bilder und schriftliche Anweisungen gemeinsam eine Antwort beeinflussen müssen. Die Aufmerksamkeit rund um den Listing ist beträchtlich und die Kombination aus herunterladbaren Gewichten, Endpoint-Kompatibilität und Formaten mit geringerer Präzision bietet lokalen wie auch gehosteten Deployments mehrere Möglichkeiten. Usage Metrics API adds usage from tools like OpenCode schließt eine Reporting-Lücke in der GitHub-Copilot-Analyse. Die Modellaktivität zusätzlicher Entwickler-Tools, einschließlich OpenCode, erscheint nun in den Nutzungsberichten. Verbindet man das mit Microsoft OpenSources Agents, a Multi-Agent Harness for 1024 Agents, muss die Messung der Arbeit über Tools und koordinierte Worker folgen, statt an einer einzigen Oberfläche hängen zu bleiben. Google Cloud launches Agent Compute Engine, am Micro-VM per AI-Agent, adressiert die Ausführungsseite desselben Problems. Jeder Agent erhält eine hardwareisolierte Micro-Virtual-Machine, deren Kredenzials außerhalb davon gespeichert werden, der Service betreibt bereits Gemini Agents und soll in den kommenden Monaten in die Preview gehen. Agensch koordiniert große Gruppen, Agent Compute Engine isoliert einzelne Worker, und die erweiterte Usage API hilft Organisationen dabei zu sehen, wo Modellaktivität stattfindet. Die Model Listings, Projektrepositories, Forschungspapiere, Release-Details und weiterführenden Materialien findet ihr in den Show Notes unter toby on fitnesstech.com. Danke fürs Zuhören bei Agent Stack Daily. Wir melden uns bald wieder.