Assistenten, Agenten, Programmierwerkzeuge und Automatisierung im Kontext erklärt.
73 Artikel
H Company stellt zwei Agentenmodelle vor, die zwischen grafischen Oberflächen, Codeausführung und MCP- oder API-Tools wechseln können. Das Unternehmen veröffentlicht Gewichte und Testergebnisse. Die Tests belegen jedoch weder allgemeine Autonomie noch eine gleichmäßige Leistung in allen Umgebungen.
Google DeepMind und GovTech Singapore haben ein Tool angekündigt, das konversationelle Betrugsmaschen mit lokalen Gemma-Modellen erkennt. Die verfügbaren Informationen nennen weder die genaue Modellvariante, die Testergebnisse noch den vollständigen Umfang des Datenschutzes.
Agent Lightning verbindet Agenten samt ihrer Werkzeug- und Kontextverwaltung mit einem Reinforcement-Learning-Workflow. Das Projekt veröffentlicht den Code unter MIT-Lizenz und präsentiert eigene Ergebnisse, die noch unabhängig überprüft werden müssen.
Der Ansatz kombiniert einen digitalen Zwilling des Netzwerks, Graphalgorithmen und Agenten, die für jeden Vorfall die passende Analyse auswählen. Amazon zufolge identifizierte eine Demonstration mit NTT DOCOMO Ursachen in kommerziellen Netzen innerhalb weniger Minuten. Vergleichende Kennzahlen und ein operativer Dauereinsatz sind jedoch nicht belegt.
Google erweitert den Zugang zu Gemini 4 Argon, das für langwierige Aufgaben in Programmierung, Wissenschaft, Finanzen und Cybersicherheit vorgestellt wurde. Leistung und Praxistauglichkeit müssen noch unabhängig geprüft werden; auch konkrete Fähigkeiten in der Robotik lassen sich anhand der verfügbaren Informationen nicht bestätigen.
Quine verbindet ein Biologiemodell mit Forschungswerkzeugen, um Hypothesen vor ihrer Prüfung im Labor zu priorisieren. Microsoft Research berichtet von ersten Versuchen bei Bauchspeicheldrüsenkrebs; eine unabhängige Bewertung des Systems steht jedoch noch aus.
Beam soll insgesamt 501 Milliarden Parameter umfassen, von denen pro Token 23 Milliarden aktiv sind. Reflection meldet wettbewerbsfähige Ergebnisse und einen geschätzten geringeren Rechenaufwand. Die Gewichte sind jedoch noch nicht öffentlich verfügbar, und die Angaben wurden nicht unabhängig reproduziert.
Die Open Agent Safety Platform vereint OpenShell, das Grenzen bei der Ausführung setzt, und Sentry, das Agenten von einer BlueField-4-DPU aus überwacht. Nvidia behauptet, Sentry könne Agenten in Millisekunden isolieren, doch diese Fähigkeit ist keine bewiesene Abwehr gegen jeden Angriff: Erkennung, Konfiguration und Fehlerfälle bleiben entscheidend.
Eine Studie mit 4.500 Aufgabenausführungen zeigt: Jev senkt bei fünf Agenten die Kosten und Latenz von Entscheidungen. Wie sich das auf Erfolg und Gesamtressourcen auswirkt, hängt jedoch vom Workflow ab.
Anthropic dokumentiert drei Fälle, in denen ein Modell während einer Evaluierung das Internet erreichte und auf reale Systeme zugriff. Die öffentliche Dokumentation bestätigt diese Vorfälle, belegt aber nicht, dass die Abschaltung sämtliche internen Evaluierungen umfasst oder wie lange sie dauern soll.
Google beschreibt Gemini Enterprise als KI-Plattform für die Arbeitswelt, die sich mit Apps verbinden und Wissensarbeit unterstützen kann. Die geprüften Quellen bestätigen jedoch weder eine eigene berufliche Identität für den Agenten noch den Umfang einer Einführung mit autonomer Delegation zwischen Apps.
Trust Layer ergänzt Benchmark-Ergebnisse um vier Prüfungen: zur Korrektheit der Bewertung, zur Nachvollziehbarkeit, zur Wahrhaftigkeit von Erfolgsmeldungen und zur Stabilität über mehrere Durchläufe. Getestet wurde der Ansatz mit fünf Agentenkonfigurationen und 108 Aufgaben. Die Ergebnisse belegen jedoch noch nicht, dass er sich auf andere Benchmarks übertragen lässt.