11 Einträge
Schlagwort: swe-benchLink:Kwaipilot
Kwaipilot hat mit KAT-Coder-V2.5-Dev ein quelloffenes Mixture-of-Experts-Sprachmodell veröffentlicht. Das auf Qwen3.6-35B-A3B basierende Modell verfügt über 35 Milliarden Gesamt- und 3 Milliarden aktive Parameter und wurde gezielt für den Einsatz in Coding-Agenten trainiert.
Artikel:Luis Chavez-Mattos
Deep Reinforce hat Ornith 1.5 35B-A3B vorgestellt, ein Mixture-of-Experts-Modell mit 3 Milliarden aktiven Parametern pro Token. Laut Modellkarte übertrifft es in Programmier- und Agenten-Benchmarks ähnlich dimensionierte Modelle wie Qwen3.6-35B deutlich und überholt bei Software-Engineering-Aufgaben teilweise sogar das wesentlich größere Qwen3.5-397B.
Aus Video: AI Weekly Updates: Open-Source Model Surge, Agent Harnesses, and Meta's AI Reality Check
Link:Together AI
Together AI bietet das proprietäre Flaggschiff-Modell Qwen3.7-Max über seine API an. Das Modell verfügt über ein Kontextfenster von einer Million Token und wurde speziell für autonome Agenten, Softwareentwicklung und lange Ausführungszeiten trainiert.
Link:Anthropic
The Anthropic Institute legt interne Daten und Benchmark-Trends vor, die zeigen, wie stark KI-Modelle bereits die Entwicklung künftiger KI-Systeme beschleunigen. Seit Mai 2026 stammen über 80 Prozent des bei Anthropic zusammengeführten Codes von Claude, und Entwickler mergen im Schnitt achtmal so viel Code pro Tag wie noch 2024. Vollständige rekursive Selbstverbesserung ist noch nicht erreicht, da Modellen weiterhin das strategische Urteilsvermögen bei der Zielsetzung fehlt, rückt jedoch schneller näher als erwartet.
Artikel:Mehdi Allahyari
Nach Prompt- und Context-Engineering bildet Harness Engineering die dritte Phase im Bau autonomer KI-Systeme. Mehdi Allahyari beschreibt die Software-Infrastruktur um das Sprachmodell als entscheidenden Erfolgsfaktor für Zuverlässigkeit und Selbstkorrektur.
Artikel:Anthropic
Anthropic hat Claude Opus 4.1 veröffentlicht. Das Modell bringt Verbesserungen bei agentischen Aufgaben, Softwareentwicklung und Reasoning bei unveränderten Preisen.
Link:deep-reinforce.com
Mit Ornith-1.0 erscheint eine Open-Source-Modellreihe für agentenbasierte Programmieraufgaben in Größen von 9B bis 397B Parametern. Durch ein neuartiges RL-Verfahren generieren die Modelle während des Trainings sowohl die Lösung als auch das unterstützende Task-Harness selbst.
Artikel:Anthropic
Anthropic hat Claude Sonnet 4.5 veröffentlicht. Das Modell bringt signifikante Fortschritte beim Programmieren, bei komplexen Agenten-Workflows und bei der autonomen Computerbedienung. Flankiert wird der Launch von neuen Entwickler-Tools wie dem Claude Agent SDK und Checkpoints in Claude Code.
Artikel:Tulsee Doshi
Google hat Gemini 3 Flash veröffentlicht. Das Modell kombiniert hohe Verarbeitungsgeschwindigkeit und niedrige Kosten mit der Denk- und Argumentationsleistung der Gemini-3-Reihe.
Artikel:Foundation's Edge
Der Autor Foundation's Edge beschreibt, dass Spitzenmodelle 2026 ein Leistungsplateau erreicht haben und Skalierung das Problem von Halluzinationen nicht löst. Da probabilistische Modelle prinzipiell Mustervollständigung statt Wahrheitsfindung betreiben, verlagert sich der Wettbewerbsvorteil vom einzelnen Modell auf die Kontrollprozesse und Architektur der Pipeline.
Aus X-Post: The Evolving Role of AGENTS.md and CLAUDE.md Context Files
Link:Donato Capitella
Das Projekt pi-bench testet den pi-coding-agent auf lokaler AMD-Hardware wie Strix Halo und Radeon 9700 GPUs. Ziel ist es, die Leistungsfähigkeit aktueller Modelle und Quantisierungen ohne Cloud-Abhängigkeit anhand von SWE-bench-Aufgaben zu ermitteln.
11 von 11 angezeigt
Haben Sie einen interessanten Artikel, ein Video oder einen Tweet, der in unsere Wissensbasis gehört? Schreiben Sie uns an office@webconsulting.at.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
