AI Picks der 31. KW

Man hätte zu der OpenAI-hackt-Hugging-Face-Nummer diese Woche noch so viel mehr schreiben können. Die Presse hat richtig weit ausgeholt und dabei teilweise auch richtig viel Blödsinn erzählt, weil sie es A. nicht verstanden hat und B. vermutlich auch nicht vernünftig recherchieren wollte (oder schlicht nicht nachgelesen hat). Egal, die Sau wurde jetzt lange genug durchs Dorf getrieben.

Diese Woche also wieder mehr Software, weniger Blech und weniger Modelle, bis auf ein paar Ausnahmen. Wobei sich zwischen den Meldungen zwei Linien abzeichnen, die ich vorher nicht auf dem Zettel hatte: Wer sich gerade wo für offene Modelle einträgt, und was der ganze generierte Kram eigentlich in den Firmen anrichtet.

Frisch ausgeschwitzt, die Picks der wortwörtlich heißen 31. Kalenderwoche des Jahres 2026.

MAI-Cyber-1-Flash

Microsoft hat mit MAI-Cyber-1-Flash jetzt auch ein spezialisiertes Sicherheitsmodell am Start, das direkt in MDASH wandert – den hauseigenen Multi-Agenten-Harness zum Finden und Patchen von Schwachstellen. Das Modell stammt aus der intern entwickelten MAI-Thinking-1-Linie und ist auf Lücken in großen, unübersichtlichen Codebasen ausgelegt.

Der eigentliche Trick ist die Arbeitsteilung. MAI-Cyber-1-Flash soll nach Herstellerangaben bis zu 90 Prozent aller Aufgaben allein erledigen, nur die harten 10 Prozent gehen an GPT-5.4 weiter. Auf CyberGym landet die Kombination bei 95,95 Prozent und damit zwölf Punkte über Mythos. Die vielzitierte Halbierung der Kosten bezieht sich übrigens nicht auf Infrastruktur allgemein, sondern auf den Vergleich mit Microsofts bisher bestem MDASH-Stack aus GPT-5.4, 5.4 mini und 5.3 codex.

Beim Benchmark lohnt ein zweiter Blick. Microsoft stellt dort das komplette MDASH-System mit über hundert Agenten gegen nackte Einzelmodelle wie Mythos, Gemini und GPT. Die zwölf Punkte Vorsprung messen also zu einem erheblichen Teil das Harness und nicht das Modell – ein Vergleich, den man so aufstellen kann, wenn man das Ergebnis schon kennt.

Unter dem Strich bleibt eine betriebswirtschaftliche Optimierung der eigenen Architektur, hübsch verpackt als Sicherheitsdurchbruch. Teure Allround-Modelle für standardisierbare Quellcode-Analysen zu verheizen, war schon immer Unsinn, und ein vorgeschaltetes kompakteres System behebt genau das. Wie sich Erkennungsraten und Ersparnis in einer heterogenen Firmenumgebung ohne Microsofts Telemetriedaten verhalten, steht auf einem anderen Blatt. Mitgeliefert wurde außerdem „Perception“, ein Agenten-System für laufende Security-Workflows – das dürfte uns noch beschäftigen.

Open Secure AI Alliance

Eine ganze Reihe von Branchengrößen hat die Open Secure AI Alliance ins Leben gerufen: Nvidia, Microsoft, Red Hat, CrowdStrike, Hugging Face, IBM, Mistral, SpaceXAI, Perplexity, Thinking Machines Lab und rund vierzig weitere. Statt KI-Sicherheit hinter den verschlossenen Türen einzelner Großanbieter zu horten, sollen defensive Werkzeuge, Testsysteme und Schutzmechanismen quelloffen entstehen. Die Linux Foundation ist Gründungsmitglied, die Initiative baut auf deren Akrites-Programm und der OpenSSF-Arbeit auf.

Als Argument dient ausgerechnet der Vorfall bei Hugging Face. Weil proprietäre Sicherheitstools nicht zwischen Angreifer und Verteidiger unterscheiden konnten und die Forensik blockierten, fuhr Hugging Face kurzerhand GLM 5.2 auf eigener Infrastruktur hoch und analysierte damit über 17.000 Aktionen. Wer im Ernstfall nicht selbst entscheiden kann, welches Modell auf welchen Daten läuft, hat genau dann ein Problem, wenn Geschwindigkeit zählt.

Als Microsofts Beitrag zur offenen Sache wird im Übrigen MDASH gelistet. Also exakt das System, das einen Absatz weiter oben noch die Kostenstruktur eines kommerziellen Enterprise-Produkts optimiert hat. Auffällig sind auch zwei andere Namen in der Gründerliste: SAP und Palantir. Eine verwunderte Bewertung unterlasse ich an dieser Stelle.

Spannender ist ohnehin, wer fehlt. OpenAI, Google und Anthropic – also exakt die drei Häuser mit den stärksten geschlossenen Frontier-Modellen. Ein Versehen wird das eher nicht sein.

Open Weights and American AI Leadership

Womit wir beim zweiten Bündnis der Woche wären, und das hat einen deutlich unterhaltsameren Verlauf genommen. Gegen den Plan der US-Administration, ausländische Open-Weights-Modelle zu verbieten, regt sich Widerstand aus der eigenen inländischen Industrie (nicht nur, aber hauptsächlich). Der offene Brief „Open Weights and American AI Leadership“ argumentiert, dass offene Modellgewichte Innovation fördern, Kunden Kontrolle zurückgeben und in der Verteidigung schlicht gebraucht werden.

Gestartet ist das Ganze am 24. Juli mit 25 Unterzeichnern. Nvidia, Microsoft, Meta, IBM, Palantir, Mozilla, Hugging Face, die Linux Foundation. Nicht dabei: OpenAI, Google, Anthropic und xAI. Innerhalb eines Tages trugen sich OpenAI und Google dann doch ein, inzwischen stehen laut Brad Smith über 230 Unternehmen auf der Liste, von AMD über Intel und Amazon bis SpaceX (und damit dann doch auch xAI).

Die Argumente im Brief sind gut, und trotzdem sollte man sie lesen wie das, was sie sind: Lobbyarbeit. Nvidia verkauft die Hardware, auf der Open Weights laufen. Meta und Mistral veröffentlichen selbst welche. Microsoft vermietet die Infrastruktur dazu. Ein Markt, in dem jedes Unternehmen sein eigenes Modell feintunt, ist für praktisch jeden Unterzeichner ein besseres Geschäft als einer mit drei geschlossenen APIs. Das entwertet die Position nicht, aber es erklärt die Geschlossenheit.

Anthropic fehlt bei beiden Initiativen – als einziges der großen Labs.

Gemini API Managed Agents: 3.6 Flash, Hooks und mehr

Google baut die Managed Agents in der Gemini API aus, und die Meldung ist mehr wert, als die Überschrift vermuten lässt. Standardmodell für den antigravity-preview-05-2026-Agenten ist ab sofort Gemini 3.6 Flash, ohne dass du etwas anfassen musst.

Interessanter sind die Environment Hooks. Über eine .agents/hooks.json hängst du eigene Skripte vor oder hinter jeden Tool-Call, den der Agent in seiner Sandbox absetzt. Der Matcher versteht Regex, du kannst also gezielt auf code_execution|write_file schießen oder mit * alles einsammeln. Gibt dein Gate-Skript ein {"decision": "deny"} zurück, wird der Aufruf übersprungen und die Begründung landet im Kontext des Modells. Das ist eine deterministische Guardrail an einer Stelle, an der bisher nur Hoffnung war.

Ein Vorbehalt bleibt, und der ergibt sich aus dem Wochenthema der letzten Woche. Deine Hook-Skripte laufen in derselben Sandbox wie der Agent, den sie kontrollieren sollen. Solange die Isolation hält, ist das ein sauberes Gate. Bricht sie, sind Wächter und Bewachter im selben Raum.

Dazu kommen Dinge, die im Produktivbetrieb über Freude oder Frust entscheiden. Ein Token-Deckel via max_total_tokens stoppt Endlosschleifen sauber mit status: "incomplete", der Zustand bleibt erhalten und lässt sich mit frischem Budget fortsetzen. Cron-Trigger fahren wiederkehrende Aufgaben in derselben Sandbox, Dateien überleben zwischen den Läufen. Und die Environments API räumt Sandboxes auf, statt sieben Tage auf den TTL zu warten. Free Tier ist auch dabei.

Crew Studio

Bin ich diese Woche auf X.com drüber gestolpert, und weil ich es vorher nicht kannte, kommt es jetzt hier rein. Crew Studio ist CrewAIs visuelle Arbeitsumgebung für Agenten-Workflows und läuft dort schon eine Weile mit.

Das System kombiniert Text- und Sprach-Prompts mit einem Canvas-Editor, der Agenten, Tasks und Tools als verbundene Knoten abbildet. Links läuft der Reasoning-Stream mit, mittig der Canvas, rechts ein Panel mit Komponenten zum Reinziehen. Beide Wege teilen sich denselben State, du kannst also mitten im Bauen zwischen Chat und Drag-and-drop wechseln. In der Execution-Ansicht siehst du Event-Timeline und Logs, und fertige Abläufe gehen als ZIP-Quellcode, React-Komponente oder MCP-Server raus.

Im Kern ist das ein visueller Wrapper um das bestehende Framework, und CrewAI schreibt in der eigenen Doku dazu wörtlich „vibe coding AI Agents“. Für schnelles Prototyping ist das trotzdem praktisch, gerade weil der Export nicht in einer Blackbox endet.

Qwen Cloud Node für n8n

Neu in n8n ist ein nativer Qwen Cloud Node, frisch angekündigt und mit fünf Operationen an Bord:

• Message a model (wäre auch enttäuschend gewesen, wenn der nicht dabei gewesen wäre)
• Analyze image
• Generate an image
• Generate video from text
• Generate video from image

In der Doku tauchen als Beispielmodelle Qwen3.5 Flash, Qwen3 Max und Qwen-VL Flash auf. Praktisch relevanter für Automatisierung ist allerdings das zugehörige Sub-Node „Qwen Cloud Chat Model“, das du direkt an einen AI-Agent-Node hängst. Kleine Kuriosität am Rande: Intern heißt der Node weiterhin n8n-nodes-langchain.alibabacloud, die Umbenennung ist also noch nicht ganz durchgezogen.

Bemerkenswert finde ich vor allem die Systematik dahinter. Moonshot Kimi und MiniMax haben inzwischen ebenfalls eigene Nodes. Während in Washington über Verbote diskutiert wird, verdrahtet ein Berliner Automatisierungstool die chinesischen Modelle einfach durch.

n8n: Version 3.0

Bleiben wir bei n8n – jetzt mit weniger erfreulichen Nachrichten, zumindest wenn du selbst hostest und dabei nicht Docker nutzt. Version 3 fällt demnächst hinten raus, laut Mail im Oktober. Ich hätte da gern etwas Offizielles verlinkt, aber der Link zu den Release Notes in der E-Mail vom Freitag läuft auf eine 404 … schade eigentlich.

Also zitiere ich die Mail:

Docker-based deployment will be required for self-hosted n8n If you currently run n8n using npm, npx n8n, you should start planning a move to a Docker-based deployment before upgrading to v3.

Legacy workflow functionality will be removed We're removing a number of older nodes, modes, and helpers that have been replaced by newer, more reliable patterns. This includes legacy Function, Function Item, and Items List nodes, older Execute Workflow node behavior, and the deprecated $getPairedItem expression helper.

Security defaults are getting stronger v3 includes changes designed to make n8n safer by default, including tighter handling of risky resource names, more secure credential behavior, and key rotation being enabled by default.

Some older product capabilities will be retired A few legacy or lower-usage features are planned for removal, including Chat hub, workflow import from URL in the editor, and non-functional nodes.

Wenn du n8n self-hosted auf npm fährst, fang jetzt mit der Docker-Migration an und nicht erst im September.

LogWerk 1.4.0

Mein kleines Projekt hat ein Update bekommen, und anders als beim letzten Release ist diesmal einiges davon sichtbar.

Größter Brocken ist ein vierter Tab namens Crawler & Quellen, der aus dem geparsten Log Antworten statt Diagramme macht. Top Crawl Waste zeigt dir die Pfade, auf denen Bot-Anfragen ins Leere liefen, samt Status-Aufschlüsselung und Verursacher – so unterscheidest du eine Redirect-Kette von einem 404-Sturm. Bot-Bandbreite listet das ausgelieferte Datenvolumen pro Bot mit Typ, weil der größte Verbraucher erfahrungsgemäß gern mal ein Entwickler-Tool statt eines KI-Crawlers ist. Dazu kommen die Seiten, die ausschließlich von KI-Crawlern abgerufen wurden, die Einstiegsseiten menschlicher Sessions und Referrer in voller Pfadtiefe.

Unter der Haube steckt eine automatische Formaterkennung, die eine gleichmäßig verteilte Stichprobe gegen alle eingebauten Formate hält und das nimmt, das die meisten Zeilen tatsächlich erklärt – nicht das, was der Dateiname verspricht. Zwei neue Formate sind auch dabei: Apache vhost_combined, also Debians other_vhosts_access.log und das, was cPanel in die domlogs schreibt, sowie ein erweitertes Nginx-Format mit Cache-Status und Response-Zeiten samt eigenem Cache-&-Performance-Panel.

Und dann war da noch ein Bug, den ich hier nicht unterschlagen will. Das Combined-Pattern hat seinen User-Agent-Block ans Zeilenende verankert, wodurch jedes zusätzliche Feld eines eigenen log_format mit hineinrutschte. Still, weil die Zeile ja weiterhin matchte. Da der Session-Fingerprint aus IP und User-Agent gebaut wird, machte ein $request_time pro Request aus jeder einzelnen Anfrage eine eigene Session. Ist gefixt, und das Parsing klassischer Logs ist nachweislich unverändert.

Der Quellcode liegt auf GitHub, die Live-Demo läuft mit anonymisiertem Beispiel-Log direkt im Browser.

KI-Müdigkeit: Fast drei Viertel wünschen sich die Arbeitswelt vor ChatGPT zurück

Eine Studie der Adaptavist Group unter 2.500 Wissensarbeitern zeichnet ein Bild, das jeder kennt, der schon mal einen Rollout begleitet hat. Heise fasst die Zahlen zusammen: 72 Prozent hätten gern die Arbeitswelt vor generativer KI zurück, 41 Prozent würden sie am liebsten ganz abschaffen. Als Gründe nennen die Befragten sinnentleerte Arbeit (45 Prozent), Kreativitätsverlust (25 Prozent) und ethische Bedenken (20 Prozent). In Deutschland stecken 39 Prozent mehr Zeit in die Korrektur von KI-Ergebnissen, als sie durch den Einsatz sparen.

Diese 41 Prozent sind eine ernstzunehmende Minderheit, die das Zeug tatsächlich nicht will. Der Rest der Zahlen erzählt aber eine andere Geschichte:

Zwei von drei Beschäftigten (67 Prozent) wünschen sich sogar, dass ihr Unternehmen den KI-Einsatz weiter ausbaut. Knapp ebenso viele (64 Prozent) vertrauen darauf, dass KI ethisch verantwortungsvoll eingesetzt wird.

Das ist keine flächendeckende Technologieablehnung, das ist eine Umsetzungskrise. Neal Riley von Adaptavist bringt die Ursache auf den Punkt, wenn er sagt, dass Unternehmen Nutzungskennzahlen messen – wer klickt wie oft auf welches Tool – statt der Wirkung auf die Arbeit selbst. Wer Adoption zur Zielgröße macht, bekommt Adoption. Ob dabei etwas Brauchbares herauskommt, misst dann niemand.

Fairerweise: Adaptavist verkauft Beratung für genau die Rollouts, deren Scheitern die Studie diagnostiziert. Ein Ergebnis, das „ihr macht es falsch, aber die Technologie ist gut“ lautet, ist für dieses Geschäftsmodell die bestmögliche Nachricht. Die Zahlen sind trotzdem nicht falsch, sie decken sich mit dem, was ich so höre, sehe und berichtet bekomme. Nur würde ich sie nicht als neutrale Bestandsaufnahme lesen.

Gemini bringt neue Sprachsteuerung auf den Mac

Passend zum vorigen Pick eine Meldung mit unfreiwilliger Pointe. Apfeltalk berichtet – auf Basis eines AppleInsider-Artikels – über zwei neue Funktionen der nativen Gemini-App unter macOS. Der Sprachmodus liegt systemweit auf der Fn-Taste, transkribiert an der Cursor-Position und wirft „äh“ und „hm“ gleich mit raus. Die optionale screen-aware-Funktion lässt Gemini den sichtbaren Bildschirminhalt mitlesen, bevor es an komplexere Aufgaben geht.

Der Artikel stellt dann die naheliegenden Fragen nach Datenschutz und Kompatibilität – welche macOS-Berechtigungen fällig werden, wie Google die Inhalte verarbeitet, ob das in allen Textfeldern funktioniert. Berechtigte Fragen, alle offen. Was im Text untergeht: Der Rollout startet weltweit ausschließlich auf Englisch, weitere Sprachen kommen „später 2026“ ohne Datum. Für dich heißt das erstmal nichts.

Und ganz am Ende steht dieser Satz:

Hinweis: Dieser Beitrag ist eine automatisch erstellte Zusammenfassung mithilfe von Künstlicher Intelligenz. Eine redaktionelle Prüfung fand nicht statt.

Die richtigen Fragen zu einem screen-aware-Assistenten stellt also ein LLM, dessen Ergebnis niemand gegengelesen hat. Ganz heißer Take: Genau diese Sorte Output ist gemeint, wenn im Pick davor 39 Prozent sagen, sie verbringen mehr Zeit mit Nachprüfen, als sie sparen.

Grok Voice Think Fast 2.0

Du bist keine richtige KI-Bude, wenn du nicht mindestens ein eigenes, aktuelles Voice-Modell hast. Dachte sich auch Elmos SpaceXAI und hat Grok Voice Think Fast 2.0 für Speech-to-Speech-Anwendungen vorgestellt.

Im Speech-to-Speech Quality Index landet das Modell bei 82,9 Prozent, die Time to First Audio fällt von 1,25 auf 0,70 Sekunden. Diese Werte stammen von Artificial Analysis, also aus einer Drittmessung – ausgesucht und aufbereitet hat sie allerdings x.ai selbst, was den Kreis der gezeigten Konkurrenten erklärt. Vollständig herstellereigen sind dagegen die Transkriptionswerte, und die klingen entsprechend sportlich. Über tausende kurze Phrasen in 24 Sprachen will x.ai einen Faktor von 1,5 bis 2,0 gegenüber dedizierten Modellen wie Deepgram Nova 3 und ElevenLabs Scribe v2 gemessen haben, unter Störgeräuschen und Telefoniekompression sogar rund das Zehnfache. Diese Zahlen würde ich gern mal unabhängig nachgeprüft sehen.

Technisch spannend ist die parallele Verarbeitung von Sprachausgabe und internem Reasoning. Version 2.0 braucht im Median nur noch 0,4× der Reasoning-Token pro Antwort, was Tool-Calls meist schon vor dem Ende des ersten Satzes durchlaufen lässt. Ab dem 5. August 2026 zeigt grok-voice-latest automatisch auf das neue Modell, wer beim alten bleiben will, pinnt grok-voice-think-fast-1.0 vorher fest. Abgerechnet wird mit 0,08 US-Dollar pro Minute Audio.

Nettes Detail am Rande: Getestet wurde in A/B-Läufen auf der Starlink-Hotline. Wenn dich also demnächst am Telefon jemand auffällig geduldig durch einen Tarifwechsel führt, weißt du Bescheid.

Introducing Inkling-Small

Das Thinking Machines Lab hat Inkling-Small rausgelassen, die kleine Variante des im Juli vorgestellten Basismodells. Ein Mixture-of-Experts-Modell mit 276 Milliarden Parametern gesamt und 12 Milliarden aktiv, trainiert auf NVIDIA GB300 NVL72, mit nativer Unterstützung für Audio und Bilder, variabler Denkleistung zur Laufzeit und einem Kontextfenster von bis zu einer Million Token.

Bei einem Bruchteil der Rechenkosten zieht die kleine Variante an ihrem großen Bruder vorbei – 31,6 Prozent auf Humanity’s Last Exam gegenüber 29,7 Prozent, 80,2 Prozent auf SWE-Bench Verified gegenüber 77,6 Prozent. Und hier wird es für einmal erfrischend: Die meisten Werte stammen nicht aus dem eigenen Keller, sondern von Artificial Analysis, Scale AI, ARC Prize und ForecastBench. Eigene Harnesses kommen nur bei SWE-Bench Verified und Terminal-Bench zum Einsatz, und das steht sauber in den Fußnoten. Davon können sich einige Labs eine Scheibe abschneiden.

Weniger prominent in den bunten Grafiken steht der Preis dafür. Beim Faktenwissen bricht das kleine Modell deutlich ein: SimpleQA Verified liegt bei 20,6 Prozent, das große Inkling schafft 43,9 Prozent. Überraschend ist das nicht, denn Weltwissen steckt nun mal in den Parametern, und ein Viertel der Parameter speichert eben auch weniger davon. Reasoning und Agentenverhalten lassen sich nachtrainieren, gelernte Fakten nicht. Für Coding- und Tool-Use-Workflows ist das ein starkes Angebot, als Wissensdatenbank taugt es nicht – häng ihm eine Suche dran, sonst wird das nichts. Die Gewichte liegen auf Hugging Face, Fine-Tuning läuft über Tinker.

Beelink SEi14 AI

Beelink stellt dir die bessere Bürokiste ins Office. Warum besser? Intel Core Ultra 9 185H mit 16 Kernen, 32 GB DDR5 Systemspeicher, dazu ein separater NPU mit bis zu 160 TOPS und eigenen 24 GB Inferenzspeicher, 1 TB SSD. Ubuntu ist vorinstalliert, OpenClaw gleich mit – da sollte man wissen, was man tut, aber machen kann man das.

Damit fährst du kein Kimi K3 und auch kein GLM 5.2 auf dem Ding. Aber z.B. ein Gemma 4 12B Unified läuft da entspannt. Und noch interessanter wäre das 26B A4B, weil bei einem MoE mit 3,8 Milliarden aktiven Parametern die begrenzte Rechenleistung weniger weh tut als bei einem dichten Modell derselben Größe. Und ja, die Durchsatzangaben von Beelink beziehen sich auf Decoder-Geschwindigkeit bei 64K Kontext in OpenClaw-Szenarien, gemessen vom Hersteller.

Preispunkt: 2.059 $, aktuell allerdings nur als Vorbestellung. Lieferung erfolgt bei EU-Adresse aus einem EU-Lager, es kommen also keine Zoll- und Einfuhrgebühren obendrauf.

Das ist kein Nvidia B300 Cluster, klar. Für den Büroalltag und Automatisierungen mit einem lokalen LLM aber genau das, was man zu dem Preis haben möchte – und der oder die Datenschutzbeauftragte lächelt auch wieder. Die naheliegende Alternative bleibt der Mac mini M4 Pro, der mit 48 GB bei rund 2.250 Euro startet. Vergleichbar sind die beiden allerdings nur bedingt: Der Beelink hat mehr Speicher insgesamt, aber getrennt in 32 GB System und 24 GB NPU, während Apple 48 GB unified mit deutlich höherer Bandbreite anbietet. Und der Dollarpreis liegt umgerechnet spürbar unter dem Euro-Preis des Mac. Wer viel Kontext durchschiebt, merkt den Bandbreitenunterschied schneller als die Ersparnis.

Damit Schluss für diese Woche. Und falls bei euch demnächst ein KI-Rollout ansteht: Messt bitte, was hinten rauskommt, nicht wer wie oft klickt.