AI Picks der 38. KW

Viel Agenten- und Harness-Kram, dafür weniger neue Modelle (immerhin ein neuer Rätselkandidat). Obendrauf gibt's einen eingestampften Umschalter bei Claude, weil Menschen offenbar zu dumm zum Lesen sind. Als Abschluss ein kleiner Rant über Buden, die kein AI im Namen tragen sollten. Ein buntes Potpourri diese Woche und ein bisschen voller als letzte Woche – also hängen wir uns rein in die 38. Kalenderwoche des Jahres 2026.

Gemini 3.8 Live und 3.5 Transcribe

Google hat am 15. September zweieinhalb Sprachmodelle in die Gemini API und AI Studio geschoben: Gemini 3.8 Live, 3.8 Live Extended Thinking und Gemini 3.5 Transcribe. Das „halb“ ist wörtlich gemeint. Transcribe ist laut Google schon seit August draußen und wurde jetzt nur noch einmal mit ins Paket gelegt.

Die beiden Live-Modelle sind native Speech-to-Speech-Modelle, also ohne die klassische Kette aus Transkription, LLM und Sprachausgabe. Sie beherrschen asynchrones Function Calling (der Tool-Aufruf läuft im Hintergrund, während das Modell weiterredet), verstehen visuellen Kontext (WTF?! – der Agent soll sehen, was du siehst, während du mit ihm sprichst), lesen alphanumerischen Kram wie Bestätigungscodes sauber ein und decken 97+ Sprachen ab. Die Extended-Thinking-Variante bringt konfigurierbares Thinking mit; Google zitiert dafür Platz 1 im Speech-to-Speech-Index von Artificial Analysis. Die Zahl stammt von AA, den Vergleich zieht aber Google.

Preislich nennt Google 0,005 $ pro Minute Audio-Input und 0,018 $ pro Minute Output, hochgerechnet aus 3 beziehungsweise 12 $ pro Million Tokens. Auf dem Papier ist das ein Bruchteil der 0,05 $ pro Minute, die OpenAI letzte Woche für die Voice-Schicht von GPT-Live-1 aufgerufen hat. Ganz vergleichbar ist das nicht. Bei OpenAI hängt das Backend-Modell separat dran, bei Google wird in Tokens statt in Minuten gerechnet, und was am Ende auf der Rechnung steht, zeigt erst ein echtes Gespräch.

3.5 Transcribe ist ein reines Speech-to-Text-Modell und beherrscht automatisches Code-Switching innerhalb desselben Satzes, benutzerdefinierte Vokabularlisten mit bis zu 1.000 Begriffen (Firmennamen, Fachjargon) und einen Smart-Transcription-Modus, der Struktur reinbringt und Füllwörter rauswirft. 85+ Sprachen, Word Error Rate von 4,0 % im Streaming und 2,6 % ohne, herstellereigene Werte. Über die Interactions API nimmt das Modell Audiodateien bis zu einer Stunde, inklusive Timestamps und Speaker-Labels.

Union Alpha auf OpenRouter

Und es geht wieder los: Seit dem 16. September steht mit Union Alpha ein neues Stealth-Modell auf OpenRouter, und die Spekulationen kochen. Was OpenRouter offiziell dazu sagt: multimodal, gebaut für Research, Coding und agentische Workflows, „frontier-level performance“, 262K Kontextfenster, bis zu 131K Output-Tokens. Prompts und Completions darf der anonyme Anbieter speichern, trainieren soll er damit nicht. Kundendaten gehören da trotzdem nicht rein, aber das muss ich hier niemandem sagen.

Die Performance ist eher so na ja. Als ich draufgeschaut habe, waren es 19 tok/s bei gut zehn Sekunden Latenz, die OpenRouter-Seite zeigt inzwischen 11 tok/s und knapp fünf Sekunden. Den meisten Traffic schicken derzeit Cline und Codex hin, was immerhin verrät, wer das Ding gerade ausprobiert. Schauen wir mal, was dabei herauskommt. In jedem Fall genießt das Modell aktuell nicht die höchste Priorität auf der Hardware, wenn es wirklich „Frontier“ sein sollte.

Kostenlos auf OpenRouter testbar, solange die Preview läuft.

Google Antigravity: neues Permission-System, Sandbox per Default

Mit Version 2.14.0 vom 15. September ist das neue Berechtigungssystem von Antigravity offiziell. Der Kern steckt in drei Presets. „Default“ schaltet die Sandbox ein und lässt Befehle darin ohne Rückfrage laufen, alles, was raus will, fragt. „Request Review“ fragt immer, „Turbo“ fragt nie und lässt die Sandbox gleich ganz weg. Die Sandbox selbst baut auf Bordmitteln des Betriebssystems, unter Linux auf Kernel-Namespaces, unter macOS auf sandbox-exec. Kein Docker, keine VM, kein Startverzug. ~/.ssh und .env sind gesperrt, Netzwerk gibt es in der Sandbox per Default nicht, nur die Domains aus deiner read_url-Freigabe. In den Worten von Rody Davis:

Using the default mode will result in fewer permission prompts

Da kann man jetzt selbst entscheiden, ob man das gut oder schlecht findet. Für so etwas wie den Vault-Zugriff über MCP ist das Preset-System jedenfalls die richtige Richtung, denn eine Berechtigungsregel greift, bevor das Modell den Tool-Aufruf überhaupt absetzt, während eine Anweisung in der Instruction File jederzeit ignoriert werden kann.

Ach so, kleiner Haken: Das funktioniert aktuell nur unter macOS und Linux. Als Windows-Nutzer fährst du weiter den alten Weg und legst den Schalter „Enable Sandbox Mode (Preview)“ selbst um.

Muse Code nun auch nativ unter Windows

Kleine Meldung, aber trotzdem relevant, wenn man auf Windows angewiesen ist: Metas Muse Code tut es seit dem 16. September auch nativ unter Windows, ganz ohne Linux-Subsystem. PowerShell-fluent, Sandbox auch hier per Default, x64 und ARM64, und die Installation kommt ohne Admin-Rechte aus. Bis dahin hat der Installer unter Windows seit dem Beta-Start am 5. August schlicht mit „unsupported platform“ abgebrochen, WSL2 war der einzige Weg rein.

Angekündigt ist außerdem Intersession Messaging, also ungefähr das, was Claude Code seit 2.1.224 kann. Und wer sich fragt, was das Modell dahinter taugt: Muse Spark 1.3 steht bei mir weiterhin auf der Testliste (ich komme gerade irgendwie nur zur Hälfte von dem, was ich vorhatte).

DeepSeek Harness

Das DeepSeek Harness gibt es seit Mitte August, aber das ist trotzdem einen weiteren Hinweis wert, denn hier tut sich richtig was! Man muss nur mal schauen, in welchem Rhythmus sie die Releases raushauen: zehn Stück allein zwischen dem 1. und dem 15. September, wenn auch noch als Alpha oder Release Candidate markiert. Das jüngste, v0.1.6-alpha.1, bringt experimentelles Browser Use (Playwright MCP, Chrome DevTools MCP, Stagehand), experimentelles Computer Use, einen Headless-Modus mit NDJSON-Ausgabe und Remote-Workspaces über SSH. Nebenbei ist V4.1-Flash inzwischen das Default-Modell. Das Repo steht bei 226.000 Stars, das Motto lautet „Everything is a Plugin“.

Aber: Laut Safety-Hinweis hat das Harness noch kein Security-Audit hinter sich, Sandbox, Freigaben und Permissions reduzieren das Risiko, garantieren aber keine Isolation. Empfohlen wird eine Wegwerf-VM oder ein Container. Für Kundencode also eher noch nicht.

Ich finde den Ansatz der Plugin-Architektur trotzdem spannend. Daher schaue ich mal, ob ich ein kleines Testprojekt aufsetze, auf das ich das loslassen kann. Dann kann man sich Modell samt Baukasten in Ruhe ansehen.

Delta Public Beta

Zed hat am 16. September Delta in die Public Beta geschickt – eine kollaborative Entwicklungsumgebung, die klassische Pull Requests durch sogenannte Threads ersetzen soll. In einem Thread bleiben nicht nur die Codeänderungen sichtbar, sondern auch die Agenten-Konversation, die Entscheidungen und die Zwischenschritte, die zu ihnen geführt haben. Reviewer sehen denselben Kontext, bekommen eigene isolierte Worktrees und können Änderungen direkt mit dem Agenten prüfen oder selbst nachbessern. Zed nennt das „continuous engineering“ und hat kurz vor dem Launch die Pull Requests im eigenen Delta-Repo abgeschaltet – 33 Leute, 570 Änderungen auf main seitdem.

Technisch basiert Delta auf DeltaDB, das Git um feinere, inkrementelle Versionen zwischen Commits ergänzt. Git bleibt kompatibel, Commits bleiben die üblichen Checkpoints für Push, Pull und Builds. Das Ganze läuft unter macOS, Linux und Windows, im Browser und notfalls auf dem Smartphone. Während der Beta ist es kostenlos, danach gibt es den Personal Tier für 0 $ mit BYOK oder externen Agenten und Pro für 10 $ im Monat, 5 $ an Tokens inklusive.

Bevor man das jetzt aber als GitHub-Killer liest: Zeds eigener Editor bleibt vorerst auf GitHub, weil die Community dort ihre Issues und Beiträge abliefert.

ChatGPT behandelt lokale Unternehmen als Entitäten

Andrea Volpini von WordLift hat sich in die Server-Sent Events von ChatGPT Search gehängt und zeigt, wie ChatGPT lokale Unternehmen als eigenständige Entitäten auflöst. Jedes Objekt der Kategorie local_business bekommt eine interne ID nach dem Muster lbe1_…, und die lässt sich über Name, Adresse, Telefon, Website und Bewertungszahl auf reale Google-Place-IDs beziehungsweise CIDs abbilden. Kein umkehrbares Encoding, sondern eine Reconciliation, dieselbe reale Entität in zwei ID-Systemen. ChatGPT verarbeitet also Webseiten und versucht obendrein zu verstehen, welches reale Unternehmen hinter den Informationen steht.

Die Entität klebt dabei nicht bloß als Metadatum an der Antwort. Ein Klick öffnet das Entity-Panel mit Route, Website, Anruf und einem „Follow up“, und die Folgefrage trägt die Entität als Kontext in die nächste Suche. Das Panel läuft über einen internen, authentifizierten Request, eine öffentliche URL gibt es nicht. Wer also lbe1 in sein sameAs schreiben will, lässt es besser bleiben. Was Volpini stattdessen empfiehlt: schema:hasMap mit der CID-URL als explizite Identitätsaussage, stabile @ids für jede Filiale, Beziehungen zwischen Entitäten modellieren und Identitätssignale über alle Plattformen hinweg konsistent halten. hasMap ist keine Voraussetzung, ChatGPT löst auch ohne auf, aber es nimmt dem Resolver das Raten ab.

Kleiner Dämpfer an der Nummer: Das sind Beobachtungen am aktuellen ChatGPT-Web-Client aus WordLifts eigenen Captures, kein API-Vertrag. Und WordLift verkauft das passende Produkt gleich mit. RESONEO und GPTSpy sehen allerdings unabhängig davon dasselbe Muster. Für KI-Sichtbarkeit bedeutet das, dass neben Content und Erwähnungen die Entity Consistency wichtiger wird. Name, Adresse, Telefon, Website und Kategorie gehören überall gleich, auch in ihrer Schreibweise.

Claude Cowork und Claude sind jetzt eins

Dem Unmut eines Teils der zahlenden Kundschaft, der den Unterschied zwischen Claude und Claude Cowork nicht verstanden hat, ist Anthropic nun entgegengekommen. In Anthropics eigenen Worten: Der frustrierende Teil sei gewesen, zu entscheiden, wohin eine Aufgabe gehört. Bei Anthropic hat man also gewürfelt und dachte: „Scheiß drauf, wir machen eins daraus.“

Gesagt, getan. Seit dem 16. September entscheidet Claude selbst, ob und wann eine Aufgabe mehrstufige Tasks, Dateien, Skills oder Connectors braucht. Per Default fragt es vor jeder Aktion, wer will, lässt es durchlaufen und nur bei Bedarf nachhaken. Zeitgleich starten Claude Docs und Claude Slides als neue Funktionen, während Claude Design direkt in den Chat wandert. Dokumente und Präsentationen lassen sich dort gemeinsam mit Claude bearbeiten, teilen und unter anderem als PowerPoint oder PDF exportieren. Alle drei laufen als Beta auf den bezahlten Plänen, Enterprise-Admins entscheiden selbst, wann sie das einschalten.

Zuerst ausgerollt wird über die nächsten Wochen für Pro- und Max-Nutzer auf Web, Desktop und Mobile, Team und Free sollen folgen, Enterprise-Kunden bekommen 30 Tage Vorlauf. Cowork-Projekte, Chats, Artefakte und bestehende Integrationen bleiben erhalten. Wer es lieber auf Deutsch liest, findet bei stadt-bremerhaven.de eine Zusammenfassung.

How OpenAI's GPT-6 Astra Can Help You Build Presentations

Ladies and gentlemen, herzlich willkommen zu einer neuen Folge von: Wir verbrennen sinnlos Tokens!

Was überhaupt passiert ist: Mike Kaput vom Marketing AI Institute zeigt an einem Praxistest, wie GPT-6 Astra per Computer Use direkt in Keynote eine Präsentation baut. Ausgangspunkt waren bereits fertige Recherche, Outline, Narrative und Skript sowie klare Designvorgaben, für die es laut Kaput trotzdem „a lot of back and forth“ brauchte. Astra erledigte ungefähr 80 % des ersten Builds selbst, inklusive Layout, Größen, Ausrichtung und Formatierung. Die restlichen 20 % bestanden aus kreativem Feinschliff und inhaltlicher Beurteilung.

Das ist so lange okay und halbwegs plausibel, wie man dafür nicht die ineffizienteste Ebene nutzt, die es gibt, nämlich Computer Use. Und dann auch noch das fetteste Modell auf diese Aufgabe ansetzt. Was spricht gegen eine direkte Generierung? Skript rein, Datei raus, meinetwegen mit einem Skill für das Corporate Design. Keynote importiert PPTX - recht entspannt sogar. Dafür hätte es nicht mal ansatzweise Astra gebraucht.

Der unfreiwillige Joke steckt am Ende des Artikels. Kaput weist selbst darauf hin, dass Computer Use ordentlich Tokens frisst und entsprechend teuer werden kann. Kannst du dir nicht ausdenken.

Damit Schluss für diese Woche – und lasst die Tokens nicht unbeaufsichtigt durchrauschen.