ArtikelThinking Machines LabAnkündigung
Viele komplexe Arbeitsabläufe lassen sich vorab nicht vollständig spezifizieren und erfordern laufendes Feedback. Wenn Interaktion nativ im Modell verankert ist, skaliert kollaboratives Verhalten mit der Modellintelligenz, anstatt durch starre Hilfssysteme ausgebremst zu werden.
Thinking Machines Lab adressiert den Flaschenhals autonomer Agenten-Workflows, die Nutzer aus dem Prozess drängen. Technisch wird die Latenz durch das Aufteilen von Streams in 200-ms-Blöcke gelöst, kombiniert mit einer Aufgabenteilung zwischen Interaktions- und Hintergrundmodell. Damit entfällt das Problem starrer Schnittstellen, wodurch sich Reaktionen auf visuelle Hinweise oder proaktive Einwürfe direkt im Modell abbilden lassen.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Artikel:Thinking Machines Lab
Thinking Machines Lab hat Inkling veröffentlicht, ein multimodales Mixture-of-Experts-Modell mit 975 Milliarden Gesamtparametern (41 Milliarden aktiv) und 1 Million Token Kontext. Es ist vor allem als vielseitige Open-Weights-Basis für Fine-Tuning über die eigene Plattform Tinker gedacht.
Artikel:Thinking Machines Lab
Thinking Machines Lab hat Inkling-Small vorgestellt, ein multimodales Open-Weights-Modell mit Mixture-of-Experts-Architektur (276 Mrd. Gesamtparameter, 12 Mrd. aktiv), das trotz geringerer Größe bei vielen Aufgaben mit dem größeren Inkling konkurriert.
Artikel:Meta Superintelligence Labs
Meta kündigt Muse Spark an, das erste Modell der Muse-Familie. Das von Grund auf neu entwickelte System setzt auf native Multimodalität, parallele Multi-Agenten-Orchestrierung und deutlich effizientere Skalierung.
Artikel:Brian Johnson und Eloi Du Bois
Tavus stellt mit Sparrow-2 ein audiogebundenes Sprachmodell vor, das das Turn-Taking grundlegend überarbeitet. Statt Audiosignale durch Rauschunterdrückung künstlich zu bereinigen und das Gesprächsende über Pausen zu ermitteln, analysiert das Modell die gesamte akustische Szene samt Nebengeräuschen, Sprecheridentität und Prosodie.
Artikel:Jiaqi Liu et al.
Ein Forschungsteam um Jiaqi Liu stellt AutoResearchClaw vor, eine autonome Forschungspipeline auf Basis kooperierender Agenten. Das System bricht mit linearen Ausführungsmodellen und setzt auf iterative Fehlerkorrektur, überprüfbare Resultate sowie anpassbare menschliche Eingriffe. Im Benchmark ARC-Bench schlägt es vergleichbare Ansätze wie AI Scientist v2 deutlich.
Link:Tavus
Tavus stellt mit „PALs“ interaktive Video-KI-Agenten vor, die in Echtzeit sehen, hören und emotional reagieren können. Die Plattform kombiniert Basiskodelle für Rendering, multimodale Wahrnehmung und Dialogführung mit Entwickler-APIs und No-Code-Tools.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
