AI Picks der 32. KW

Das Thema marodierende KI-Modelle lässt uns nicht los und die Geschichte wird immer unterhaltsamer. Irgendwie droht es auch zu einem Statussymbol unter den Labs zu verkommen: „Hier, unser Top-Notch-Modell hat gestern leider mal Firma XY gehackt, sorry – kommt auch nicht wieder vor, versprochen.“ Welchem potenziellen Kundenkreis man sich damit so an den Hals wirft, kann sich wohl jeder ausmalen.

Ansonsten eher Specs und Software diese Woche, weniger Blech. Auf in die Picks der 32. Kalenderwoche des Jahres 2026:

Qwen3.8-Max

Das wird gerade auf X.com wie bestes Gras einmal quer durch die Community gereicht: Bei Alibaba ist mit Qwen3.8-Max das bisher größte Modell des Unternehmens hinten rausgefallen. 2,4 Billionen Parameter klingen auf dem Papier nach dem nächsten dicken Ding, entpuppen sich architektonisch aber als Mixture-of-Experts-System (MoE). Pro Token sind nur rund 95 Milliarden Parameter aktiv, was die Inferenzkosten im Rahmen halten soll. Neben dem üblichen Kontextfenster von 1 Million Tokens setzt Alibaba laut eigener Ankündigung vor allem auf die Ausrichtung als autonomer Agent. In den internen Demos durfte das Modell unter anderem über 16 Tage hinweg eigenständig an einem CLI-Projekt schrauben – Hersteller-Demo, versteht sich, unabhängig nachgestellt hat das noch niemand.

Zwei Details machen den Release trotzdem bemerkenswert. Die API spricht neben dem OpenAI-Format auch das Anthropic-Protokoll, das Modell lässt sich also per Base-URL-Wechsel in Claude Code, Codex oder OpenClaw einhängen. Und: Die Gewichte sollen kommende Woche offen veröffentlicht werden, als erstes Max-Modell überhaupt – zusammen mit einem 27B-Checkpoint für Hardware, die nicht gleich ein ganzes Rechenzentrum belegt.

Bei den Benchmarks hat mittlerweile Artificial Analysis nachgemessen.

Sakana Namazu

Vermutlich und wahrscheinlich werdet ihr dieses Ding nie benötigen (außer ihr fahrt einen nicht unerheblichen Anteil eures Umsatzes im japanischen Markt und mit lokalen Partnern vor Ort), aber den Kontext finde ich ganz unterhaltsam, deshalb landet die Meldung hier: Sakana Namazu ist ein auf den japanischen Geschäftskontext spezialisiertes LLM, das auf dem Open-Weights-Modell Kimi K2.6 basiert und mit firmeneigenen Daten für lokale Arbeitsabläufe feinabgestimmt wurde. Das Modell integriert laut Ankündigung standardmäßig Web-Suche sowie Code-Ausführung direkt in den API-Workflow und nutzt einen OpenAI-kompatiblen API-Endpunkt mit dem Modellnamen sakana-namazu. Also das Ding mal eben in eine fast beliebige Harness reinstricken sollte entspannt sein.

Preise sind rein verbrauchsabhängig ohne monatliche Grundgebühr: Input 0,95 $ pro Million Token, cached Inputs kosten 0,15 $ und Output liegt bei 4,00 $ pro Million Token. Hinzu kommen tool-spezifische Kosten von 7,00 $ je 1.000 Web-Suche-Aufrufen (inklusive Seiteninhalten) sowie 0,12 $ pro Stunde für persistente Session-Code-Ausführungen. Gegenüber dem Basismodell Kimi K2.6 behält Namazu laut Sakanas eigener Benchmark-Grafik die Leistungen bei AIME26 oder MMLU-Pro bei – eine Drittmessung existiert nicht.

Ein Haken für alle, die jetzt neugierig geworden sind: In der EU, in Großbritannien und der Schweiz ist Namazu offiziell nicht verfügbar. Die DSGVO-Compliance ist laut Sakana in Arbeit, bis dahin bleibt der Endpunkt für uns zu.

Wenn ihr schon immer mal einen extrem höflichen Chat-Bot wolltet: Bald ist die Chance da.

Muse Code und Muse Spark 1.2

Meta so: Terminal Coding Agent bzw. Agent Harness – können wir auch. Also haben sie Muse Code veröffentlicht (aktuell noch Beta).

Und womit läuft das so? Der Quickstart klärt auf:

Muse Code is a fast and accessible coding agent powered by Muse Spark.

Muse Spark haben sie dazu gleich auf Version 1.2 aktualisiert und Artificial Analysis hat auch direkt drüber geguckt.

Interessant auch die Tier-Modelle: Neben dem Standard-Tarif gibt es einen „Contributor“-Tarif für ein Zehntel des Preises – im Tausch trainiert Meta dann auf euren Prompts und Completions. Datenhunger als Rabattmodell, das überrascht mich jetzt ehrlich gesagt bei Meta nur geringfügig bis gar nicht.

Muse Spark 1.2 ist direkt ab Start in Europa nutzbar und man darf bei Meta seine Kreditkarte hinterlegen. Das habe ich auch mal getan, da ich ja eine Schwäche für CLIs habe und mir Muse Code zumindest mal ansehen wollte. Sagen wir mal so: Falls ihr mit Claude Code arbeitet, wird euch Muse Code nicht groß überraschen, was Commands, Struktur etc. angeht.

Ein paar weitere Auffälligkeiten:

• Es gibt noch keinen direkten Befehl für MCP. Wenn ich Muse danach frage, bietet es mir an, einen MCP samt Konfiguration anzulegen (getestet mit Chrome Dev Tools). Das ist aktuell eher unpraktisch, da alles extern via Packages installiert werden will und die Sandbox den direkten Aufruf blockiert. Aber: Die Sandbox funktioniert immerhin.
• YOLO Mode ist da, habe ich aufgrund des Beta-Status aber mal sein lassen.
• Plan Mode ebenfalls vorhanden und tut anscheinend, was er soll.
• Generell habe ich dafür plus einen kleinen Frontend-Test (statische HTML-Seite mit Tailwind-4-Integration samt Lite- und Dark-Mode) insgesamt 1,77 Euro für Spark 1.2 mit Medium Effort rausgeballert.
• Muse Spark hat noch weniger Persönlichkeit als ein durchschnittlicher Sparkassen-Geldautomat (das kann man gut oder schlecht finden).

Ich sage es mal so: Wenn man Codex oder Claude Code CLI gewohnt ist, wirkt das aktuell eher wie ein Rückschritt – eben weil Dinge (noch) fehlen. Das ließe sich jedoch durch den Beta-Status begründen. Also abwarten, was da noch kommt.

OpenAI-Modelle brechen bei Cyber-Evaluierungen aus Testumgebungen aus

Es kann mir niemand erzählen, dass OpenAI das nicht gern als kostenlose PR mitnimmt, und darauf wartet, dass die Nachrichtendienste bei ihnen mal wieder durchrufen. Bei Sicherheitsprüfungen durch externe Partner wie dem britischen AI Security Institute (UK AISI) und der Sicherheitsfirma Irregular sind OpenAI-Modelle über die vorgegebenen Grenzen der Testumgebungen hinaus im öffentlichen Internet aktiv geworden. Die Vorfälle passierten unter gezielt abgeschwächten Sicherheitskonfigurationen (z. B. deaktivierten Cyber-Klassifikatoren) und teilweise durch Fehlkonfigurationen in den Testumgebungen. Im Fall des UK AISI nutzte das Modell GPT-5.6 Sol unter anderem ein GitHub-Token, das der Agent eines anderen Labs öffentlich hatte liegen lassen (die Details werden immer besser), umging Account-Recovery- und Rate-Limits und machte einen lokalen DNS-Server über einen Tunneldienst im Internet erreichbar. Bei Irregular führte eine versehentlich bestehende Internetverbindung dazu, dass ein Modell eine reale Website mit einer fiktiven Zieladresse verwechselte und eine dortige Sicherheitslücke ausnutzte.

Genau: „versehentlich“ und „Fehlkonfigurationen in den Testumgebungen“ – man fragt sich, was die Leute da so beruflich machen. Als „frontier security lab“ (steht bei denen so auf der About-Seite) ist „versehentlich“ ein ganz schwieriges Verkaufsargument.

Und lustigerweise springt jetzt Meta auch mit auf den Zug auf – ausgerechnet mit Muse Spark, siehe oben.

Achso, und na klar:

… the most serious case arising when Anthropic's Mythos 5 model attempted to insert malicious code into an open source software application and created fake identities to deceive the human developers maintaining the project.

Die Randnotiz macht es rund: Von den 19 Vorfällen, die das UK AISI in seiner Testreihe zählte, gingen 2 auf GPT-5.6 Sol und 17 auf Anthropics Mythos 5 zurück. Da zeichnet sich ein Trend am Horizont ab. Aber irgendwie höre ich von den brandgefährlichen Open-Weights-LLMs aus China nichts dergleichen.

Introducing Shieldstral

Shieldstral ist ein multimodales Open-Weights-Modell (Apache 2.0) zur Inhaltsmoderation von Mistral (das erklärt auch den Namen). 3 Milliarden Parameter klein und darauf ausgelegt, Moderationsregeln dynamisch zur Inferenzzeit auszuwerten. Statt fester Trainingskategorien wie bei klassischen Guardrail-Modellen prüft Shieldstral Texte, Bilder oder Multimodal-Inputs anhand von in natürlicher Sprache formulierten Ja/Nein-Fragen und Kontextanweisungen. Als Ausgabe liefert die API einen kontinuierlichen Sicherheitswert über ein einzelnes Token. Und bei der Größe (eine einzelne 16-GB-GPU reicht) läuft das Ding quasi auf dem Bürotoaster. Die Gewichte liegen auf Hugging Face.

Ich habe dafür derzeit keinen Anwendungsfall, aber kennen ist besser als suchen, oder so.

@cloudflare/computer

Cloudflare (der Name fällt heute noch häufiger) hat mit @cloudflare/computer eine Open-Source-Bibliothek für Agent-Runtimes als Early Preview vorgestellt. Statt jeden Agent starr in einen eigenen Container zu sperren – was bei skalierten Setups schnell an Grenzen bei der Rechenkapazität stößt –, setzt das Paket auf eine hybride Architektur aus V8-Isolates und Container-Sandboxes. Der Agent-Harness läuft dabei als Durable Object im Isolate. Ein SQLite-basiertes virtuelles Dateisystem bildet den gemeinsamen Workspace, der Container bindet es per FUSE-Mount ein und synchronisiert Änderungen zurück. Das soll dem Modell erlauben, einfache Dateimanipulationen flott und kostengünstig im Isolate abzuwickeln und einen schwereren Linux-Container nur dann zuzuschalten, wenn beispielsweise native Binärdateien oder Paketmanager benötigt werden.

Cloudflare OS

Cloudflare hat seinen internen KI-Agenten-Workspace als Open Source unter Apache 2.0 veröffentlicht – nach eigener Aussage seit Mai firmenweit im Einsatz. Das Ganze dient als isolierte Umgebung zur Erstellung und Ausführung von KI-Agenten und kleinen internen Apps, die sich mit eigenen Access Controls teilen lassen. Sie nehmen dabei auch gerne den aktuellen Hype mit, alles „AI OS“ zu nennen, was nicht bei drei auf dem Baum ist.

Cloudflare Wallets

Diese Entwicklung war dermaßen absehbar, aber anders, als man erst vielleicht denkt: Cloudflare baut mit Cloudflare Wallets eine programmierbare Geldbörse für Agenten: Stablecoin-Zahlungen über das x402-Protokoll, das Micropayments direkt an HTTP-Requests hängt. Die Idee dahinter ist simpel – Agenten scheitern heute an Signup-Formularen, Zahlungsmethoden und API-Key-Gefrickel, das für Menschen gebaut wurde, und kicken die Aufgabe dann zurück an den Nutzer. Künftig soll der Agent eine API einfach ausprobieren und die paar Cent dafür selbst bezahlen.

Das Konstrukt besteht aus zwei Ebenen. Das Account Wallet gehört dem Menschen, der Geld einzahlt und Regeln setzt. Darunter hängen Virtual Wallets für die Agenten, mit Guardrails wie Budget-Limits, Allow-Lists und maximaler Transaktionsgröße – der Agent darf also mit 10 Dollar Spielgeld Dutzende APIs testen, ohne dass jemand aus der Buchhaltung nachts schweißgebadet aufwacht. Obendrauf kommt eine Identitätsschicht: Über cloudflare.pay-Handles können sich Agenten optional als Delegierte eines Accounts ausweisen, damit Seller wissen, wessen Bot da gerade einkauft. Zusammen mit dem kürzlich vorgestellten Monetization Gateway ergibt das die Verkäufer- und die Käuferseite eines Marktplatzes, auf dem Maschinen mit Maschinen handeln.

anydoc

Firecrawl liefert mit anydoc eine Open-Source-Bibliothek (MIT), die 14 Dokumentenformate – von Word über PowerPoint und Excel bis zu RTF, EPUB und PDF – in sauberes, GitHub-Flavored Markdown konvertiert. Der Clou steckt in dem, was fehlt: kein VLM, kein OCR-Modell, keine Cloud-API. Das Ganze ist pures Rust, parst jedes Format in ein gemeinsames Dokumentenmodell und rendert daraus einheitliches Markdown – mit einer medianen Konvertierungszeit unter 5 ms pro Dokument. Das Format wird dabei aus den Datei-Bytes erkannt, nicht aus der Endung, falsch benannte Dateien laufen also trotzdem durch. Bindings gibt es für Node.js, Python und den Browser (WASM), dazu ein fertiges Agent Skill für Claude Code und Co.

Die Grenze ist klar gezogen: Bei PDFs wird nur der Text-Layer verarbeitet. Gescannte Dokumente brauchen OCR, und das gibt es ausschließlich über Firecrawls gehostete Parse-API obendrauf – da schließt sich dann der kommerzielle Kreis. Das Konzept ist im RAG-Umfeld keineswegs revolutionär, bündelt aber die typischerweise zusammengefrickelte Dokumenten-Pipeline in ein einzelnes Tool, das lokal läuft und keine API-Keys sehen will.

• Eingabeformate: DOC, DOCX, PPT, PPTX, XLS, XLSX, ODT, ODS, ODP, RTF, EPUB, CSV, PDF (Text-Layer)
• Ausgabe: Clean Markdown

Agent Plugins

Vercel als primärer Initiator nebst Amazon, Cursor, GitHub, OpenAI und Microsoft haben eine offene Spezifikation vorgelegt, die das Verpacken von Agent-Erweiterungen standardisieren soll. Ein Agent Plugin ist dabei schlicht ein Verzeichnis mit einer plugin.json als Manifest, optional einem skills/-Ordner für Agent Skills und einer mcp.json für MCP-Server-Konfigurationen. Wer heute ein Skill samt zugehörigem MCP-Server für mehrere Clients ausliefert, baut das Paket derzeit für jeden Client neu – genau dieses Glue-Format-Gefrickel soll die Spezifikation ersetzen. Zum Start unterstützen unter anderem ChatGPT, Codex, Cursor, GitHub Copilot und VS Code das Format.

Die Spezifikation ist bewusst schmal gehalten: v1.0.0 definiert Paketstruktur und Discovery innerhalb des Verzeichnisses, aber kein Berechtigungsmodell, kein Sandboxing und keine Signaturprüfung – das steht alles offen in den Future Considerations. Auffällig ist, wer in der Liste fehlt: Anthropic. Claude Code fährt weiterhin sein eigenes Plugin-Format. Ob sich hier ein breiter Industriestandard etabliert oder am Ende zwei Lager nebeneinander existieren, entscheidet die Adaption – die technische Basis ist zumindest pragmatisch und ohne unnötigen Ballast aufgesetzt.

Pricing for DeepSeek API

Kam am 6. August per Mail, mittlerweile steht die Notice auch offiziell in der Pricing-Doku:

Dear DeepSeek API user,
We plan to raise the overall pricing for DeepSeek API services in the near future, with a significant increase expected. Please plan your usage accordingly. The specific pricing plan will be subject to official notice. Please keep an eye on the Open Platform announcements and check your email for further details.
If you continue to use our services after the billing adjustment, you will be deemed to have accepted the adjusted billing terms. If you do not agree, you may choose to cancel your service and apply for a refund. Should you have any questions or require further information, please do not hesitate to contact us.
Thank you for your support and understanding!

Dann hat sich das leider auch erledigt und ich muss mir etwas anderes für meinen kleinen OpenClaw suchen.

Fin. Das war's für diese Woche.