Apples KI kommt nach China, und Qwen von Alibaba arbeitet
In wenigen Tagen kann der Sprachassistent des iPhone auf Chinesisch antworten, einen Text umschreiben oder sehen, was die Kamera aufnimmt — bei chinesischen Nutzern erledigt das aber nicht Apples eigenes Modell. Das übernimmt Qwen, das Modell von Alibaba. Apple und Alibaba haben das Ende Oktober gemeinsam angekündigt. Die Tests starten am 4. November, die öffentliche Version ist für Dezember geplant. Jede Frage geht an Alibaba, das Unternehmen verspricht jedoch, dass weder die Fragen noch die Antworten zum Trainieren seiner Modelle dienen. Die Nutzerin behält die Kontrolle und gibt frei, was übermittelt wird. Konkret heißt das: Für chinesische Nutzer verhält sich das iPhone wie für französische — es fragt ein chinesisches Modell ab, das vor Ort läuft. Quelle: Global Times.
Microsoft veröffentlicht einen 4-Milliarden-Parameter-Agenten
Microsoft hat gerade die Gewichte eines winzigen Computer-Agenten veröffentlicht: vier Milliarden Parameter, eine Datei, die auf einen 10-GB-USB-Stick passt. Die Lizenz ist offen, und ein gewöhnlicher Büro-Rechner genügt, um ihn laufen zu lassen. Im Referenztest, der misst, wie gut ein Rechner mit einem Computer umgehen kann, erreicht er 66 % Erfolgsquote — der beste Wert bei dieser Größe. Vor allem klickt dieser kleine Agent nicht bloß auf dem Bildschirm: Er schreibt und führt auch Code in einem Terminalfenster aus und wählt selbst, welche der beiden Methoden er nimmt. Microsoft weist darauf hin, dass das Ergebnis überwiegend aus der Werkzeugumgebung rundherum stammt, nicht aus dem Modell allein: Der Referenz-Agent kam auf 37,6 %, der trainierte erreicht 66 %. Quelle: Microsoft.
Anthropic zeichnet seine Regeln für Agenten an realer Hardware neu
Am 12. November wendet Anthropic eine neue Fassung seiner Nutzungsrichtlinien an, und sie adressiert genau das, was Agenten heute tun. Ist Claude an Hardware angeschlossen, die selbstständig in der physischen Welt handeln kann — ein Roboterarm, ein Fahrzeug, eine Maschine —, werden drei Anforderungen verbindlich: Eine qualifizierte Person muss die Ausrüstung beobachten und sie stoppen können; die Ausrüstung muss einen sicheren Zustand halten können, wenn die Verbindung abbricht; und die betroffene Person muss erfahren, dass eine Maschine beteiligt war. Erstmals schreibt ein großes Labor schwarz auf weiß hin, was unsere eigenen Agenten beachten müssen, wenn sie Echtes berühren. An anderer Stelle wird die Regel gelockert: Das pauschale Verbot gezielter Wahlkampagnen entfällt. Quelle: Anthropic.
Fünf kleine Modelle schlagen ein Spitzenmodell — abgesprochen über Dateien
Fünf kleine Modelle mit je 27 Milliarden Parametern, auf dasselbe schwierige Programmierproblem angesetzt, kamen besser weg als ein Spitzenmodell allein: 9,8 von 10 im Durchschnitt gegen 8,0. Das Detail ist wichtig: Sie sprechen nie miteinander. Jedes hat eine Rolle — ein Planer, zwei Ideenspender parallel, ein Ausführender, ein Verwalter — und die gesamte Abstimmung läuft über Dateien auf der Festplatte, wie Notizen, die man einander im Vorbeigehen dalässt. Die Mediankosten pro Problem: 39 Cent, weniger als eine Tasse Kaffee. Die Autoren weisen auch auf eine Grenze hin: Die Aufgaben stammen aus 2025, das Modell könnte sie im Training gesehen haben. Quelle: GitHub-Seite des Memdoor-Projekts.
Collective nimmt 100 Millionen für einen Agenten für Ein-Personen-Firmen
Collective hat gerade 100 Millionen Dollar für eine sehr einfache Idee aufgenommen: Selbstständige sollen den Verwaltungsteil ihres Unternehmens allein erledigen können. Die Plattform bereitet Steuererklärungen vor, sortiert Ausgaben, erledigt Löhne und bindet Versicherungen an — und ein Agent erledigt die Arbeit im Hintergrund, statt dem Nutzer einen Berg Software zum Steuern hinzustellen. Die Runde ist ungewöhnlich: 40 Millionen Eigenkapital plus 60 Millionen Kreditlinie, die auf Kunden ausgerichtet ist. Das Unternehmen nennt 120 % Umsatzwachstum pro Jahr und 350 Millionen Dollar eingesparte Steuern bei Kunden, wobei die Spitzenverdiener bis zu 40.000 Dollar pro Jahr sparen. Ihr Argument: Ein Ein-Personen-Betrieb kann heute mit einem Chef konkurrieren. Quelle: Collective-Blog.
GitLab gibt Agenten eine Karte des Codes, statt alles neu lesen zu lassen
GitLab hat seinen Kontextgraphen gerade für alle geöffnet: eine einzige, stets aktuelle Sicht auf Code, Merge-Anfragen, Pipelines und Schwachstellen, die Agenten abfragen können, statt jedes Mal alles neu zu lesen. Bei GitLab brauchten die angebundenen Agenten bis zu 45-mal weniger Wiederholungen und verbrauchten bis zu 4,5-mal weniger Tokens. Ein Kunde beantwortete eine Sicherheitsfrage über 34 Millionen Einträge in sieben Minuten, statt eines halben Tages manueller Suche. Quelle: GitLab-Blog.
Ein Agent passt jetzt auf, dass andere Agenten funktionieren
Monte Carlo hat gerade Bayes gestartet, einen Kollegen, der die Agenten in Produktion überwacht und repariert, was kaputtgeht: Er erkennt Ausfälle, stellt die Überwachung ein, schlägt Korrekturen als Merge-Anfragen oder Tickets vor und prüft dann, ob die Korrektur gehalten hat. Das Unternehmen erinnert daran, dass ein Ingenieur bequem ein bis drei Agenten überwachen kann und dass 74 % der Unternehmen einen eingesetzten Agenten bereits zurückrollen mussten. Bei Monte-Carlo-Kunden soll Bayes doppelt so viele Vorfälle finden und dabei über 80 % Fehlalarme einsparen. Quelle: Monte-Carlo-Pressemitteilung.
SAP verkauft die Leitstelle Ihrer Agenten, nicht nur die Agenten
Auf seiner TechEd-Konferenz stellte SAP eine neue Art vor, Agenten zu bauen: Joule Studio erlaubt, in Alltagssprache zu beschreiben, was der Agent tun soll, und erlaubt, ihn in einer abgeschotteten Umgebung zu testen, bevor er in Produktion geht — mit rollenbasierten Rechten, die Geschäftsseite und Entwicklerseite trennen. Dazu bietet das Unternehmen eine einzige Stelle, um alle Agenten des Unternehmens zu steuern, die gewählten Modelle (mehr als 70), den Verbrauch und die Protokolle. Klar gesagt: SAP verkauft die komplette Leitstelle, nicht einen einzelnen Agenten. Quelle: SAP-Pressemitteilung.
DoorDash prüft den Hype: Agenten haben nur ein paar Hundert Bestellungen ausgelöst
Auf einer Lieferplattform mit 3 Millionen Bestellungen pro Tag lassen sich die Bestellungen fremder Assistenten an zwei Händen abzählen. Der Chef von DoorDash sagte es selbst vor den Investoren: Agenten gehören zu den am wenigsten genutzten Funktionen, und die meisten Kunden bestellen weiterhin in der App. Das Unternehmen hat trotzdem eigene Agenten — Bestellung per SMS, ein Agent auf der Kommandozeile, ein Chat-Roboter — und verschließt die Tür nicht: Es erwähnt sogar Werbung in diesen Assistenten. Die Zahl nützt allen, die gerade in diesem Bereich bauen: Der Lärm über bestellende Agenten ist gewaltig, das Volumen bleibt winzig. Quelle: Protokoll der Ergebnis-Konferenz, bei der US-Börsenaufsicht eingereicht.
📊 Trend
Eine Konstante zieht sich durch die Nachrichten von heute: Nicht der Agent ist das Thema, sondern sein Umfeld. Microsoft veröffentlicht ein winziges Modell, dessen Punktzahl überwiegend aus der Werkzeugumgebung kommt; GitLab verkauft eine Sicht, die den Kontext liefert; Monte Carlo lässt einen Agenten Agenten überwachen; SAP verkauft die Leitstelle. DoorDash erinnert unterdessen daran, dass drei Millionen Bestellungen pro Tag nicht durch Zauber zu Agenten-Bestellungen werden. Die Bewegung dieser Monate ist weniger spektakulär, als sie wirkt: Die Aufmerksamkeit wandert vom Gehirn zur Umgebung — und genau dort entscheidet sich der Unterschied zwischen einer Vorführung und einem Werkzeug, das bleibt.