Entdecken Sie Tipps, Tutorials und Einblicke zur generativen KI
Google schaltet am 22. Oktober 2026 alle Veo-Endpunkte der Gemini API ab, darunter veo-3.1-lite-generate-preview, und ersetzt sie durch das token-basierte gemini-omni-1.1-flash.
2,8 Billionen Parameter auf einer 4-GB-GPU, das klingt nach einem Tippfehler. Die Idee hinter AirLLM ist nicht, das Modell zu verkleinern, sondern damit aufzuhören, es ganz im Speicher halten zu wollen: Schicht für Schicht von der Platte lesen, nutzen, freigeben. Der Preis ist Geschwindigkeit, dafür läuft, was eigentlich nicht passen sollte.
Metas Muse Image plant, sucht, codet und prüft sein Ergebnis, bevor es malt, und holt einen Teil der Verifikation ins Modell hinein. Das eigentliche Ziel ist nicht die Bildqualität, sondern die Standard-Bildebene für Milliarden Nutzer zu werden.
Für dieselben 50,000 Produktbilder schwankt die Monatsrechnung je nach Modell um mehr als das 12-Fache. Entscheidend sind Akzeptanzquote und Wiederholungsrate, nicht das Ranking.
Im Oktober verlagerte sich der Wettbewerb der Coding-Agenten von den Modellen zur Erweiterungsschicht. Claude Code Mods, Cursor Projects und eine Reihe von Community-Skill-Repositories zeigen, dass der Wert von der Codeerzeugung zur Organisation der Agenten wandert, die ihn erzeugen.
Prime Agent wurde von seinem eigenen Schwarm neu geschrieben: Mehr als 2.000 Agenten brachten es in zwei Wochen von TypeScript nach Rust. So funktionieren Orchestrierung und Leitplanken.
Vollständige VM-Sandboxes geben jedem Agenten einen wegwerfbaren Rechner. Es ist Klempnerei, und sie entscheidet, ob Agenten echte Rechte anvertraut bekommen.
Ein offenes Modell, das natives 2K-Video mit synchronem Audio erzeugt, ist ein echter Schritt. Die Hardware, die es verlangt, entscheidet, wer es nutzen kann.
Hyperframes rendert HTML zu Video, ArtCraft bündelt eine Kreativ-Engine, text-to-cad gibt Agenten CAD. Der Agent lernt, Dinge zu bauen, die man ansieht.
Google baute Echtzeit-Sehhilfe von Anfang an mit blinden und sehbehinderten Nutzern. Ein leiser, aber scharfer Test, wofür ein multimodaler Assistent da ist.
Ein Benchmark aus echtem Nutzerverkehr ist schwerer zu manipulieren als ein handgeschriebener Testsatz. Die Methode zählt mehr als das Modell an der Spitze.
Auf Qwen3.5-9B gebaut, plaudert Decision-1 nicht. Es entscheidet, welches Modell eine Anfrage bearbeitet, und das ist die häufigste Aufgabe in jeder KI-Pipeline.
