> ## Content Index
> Fetch the complete content index at: https://t01.li/llms.txt
> Use this file to discover other available public pages before exploring further.

# KI Picks der 45. KW
- URL: https://t01.li/ai-shorts/ki-picks-der-45-kw/
- Published: 2026-11-06T09:09:07.000Z
- Updated: 2026-11-12T09:26:16.000Z
- Description: Anthropic verliert Cat Wu an OpenAI, Claude Code spart bei Hintergrund-Subagents, OpenAI baut Git mit Pando um. Dazu Orca, Herdr, Pi 1.5.0, Nimbus Docs, Hinoki HO1, Tencent Hy4, Ripple-65B, Inkling 2 Small, die Kimi-K3.1-Pro-Weights und Airbnbs 2B-Klassifikator.
- Author: Tobias Glawe
- Tags: AI Shorts

Die Woche ist so gut wie rum und wieder mal gibt es eigentlich keine relevanten Hardware-News, dafür wieder mal reichlich Software und ein paar frische LLM-Modelle. Es wird aber spürbar Herbst, vor der Tür genauso wie in der Nachrichtenlage. Trotzdem gibt's was Neues: Anthropic laufen gleich zwei bekannte Köpfe aus dem Claude-Code-Team davon und die Flut an Decision Models ist erst einmal abgeebbt. Passend zum Software-Schwerpunkt gibt es dafür ein paar Harness-Neuigkeiten.

Ansonsten so: Am 3\. November habe ich [meinen Beitrag](https://github.com/abbottis/logcarve?ref=t01.li) zum [Hackathon rund um Metas *Muse*](https://t01.li/ai-shorts/ki-picks-der-43-kw/) eingereicht. Meine gesammelten Erfahrungen mit [*Muse Spark 1.3*](https://t01.li/ki-news/muse-spark-1-3/) und [*Muse Code*](https://dev.meta.ai/products/muse-code?ref=t01.li) breite ich zu gegebener Zeit ausführlicher aus. Vorweg: Das Gespann *Muse* und *Muse Code* lieferte deutlich weniger Ungereimtheiten und benötigte weniger Iterationen, als ich zunächst befürchtet hatte.

Dann richten wir unser Augenmerk mal auf die 45\. Kalenderwoche im Jahr 2026\. Cheerio!

## Claude Code spart Kontingent und die Desktop-App bekommt `/storage` spendiert

Anthropic hat den [Kontingentverbrauch von Hintergrund-Subagents](https://x.com/ClaudeDevs/status/2118063143167693011?ref=t01.li) in der CLI gesenkt. Bisher hat ein laufender Subagent alle 30 Sekunden seine komplette Unterhaltung erneut eingelesen, nur um seine Statuszeile zu aktualisieren. Jetzt schreibt [*Haiku 5.5*](https://t01.li/ki-news/claude-haiku-5-5-preis-benchmarks-subagents/) diese Meldung aus kurzen Notizen, und der Subagent selbst behält sein gewähltes Modell. Laut Anthropic kostet jedes Statusupdate dadurch rund 99 % weniger. Das gehört allerding noch dazu: Für ganze Sessions mit Hintergrund-Subagents [nennt das Unternehmen](https://x.com/ClaudeDevs/status/2118063144572772627?ref=t01.li) etwa 5 % weniger Verbrauch, also ungefähr 6 % mehr Prompts aus demselben Limit. Die Änderung greift ab Version 2.1.316 und ist für die meisten Pro-, Max- und Ultra-Nutzer sowie alle Team- und Enterprise-Kunden aktiv. Die Desktop-App betrifft das nicht, sie [schreibt diese Statuszeile gar nicht erst](https://x.com/lydiahallie/status/2118063724582125715?ref=t01.li).

In den Antworten unter der Ankündigung wird das eher als Bugfix verbucht, und so ganz unrecht haben die Leute nicht. In einem [GitHub-Issue vom August](https://github.com/anthropics/claude-code/issues/86879?ref=t01.li) hatte ein Nutzer gemessen, dass die Statusmeldungen in einer subagentlastigen Session 22,7 % aller Requests ausmachten.

In der Desktop-App gibt es mit `/storage` jetzt [eine Speicherübersicht samt Aufräumfunktion](https://x.com/lydiahallie/status/2118045439803195567?ref=t01.li). Man sieht, wie viel Platz Claude auf dem Rechner belegt, und kann inaktive Tasks sowie ungenutzte Worktrees entfernen. Praktisch, wenn sich nach vielen [parallelen Coding-Sessions](https://t01.li/ai-shorts/ki-picks-der-42-kw/#claude-code-desktop-app-frisch-renoviert-f%C3%BCr-parallele-sessions) die Arbeitsverzeichnisse stapeln.

Auch bei den Integrationen fällt Login-Klickerei weg. Mit [Auto-Connect für Plugins](https://x.com/ClaudeDevs/status/2117680635561312732?ref=t01.li) richten Admins (Owner oder Primary Owner) in Team- und Enterprise-Organisationen einen unterstützten Dienst einmal zentral ein, die Mitglieder bekommen ihn dann beim ersten Login ohne separate Anmeldung. Neben dem Weg über den eigenen Identity Provider samt SSO gibt es jetzt eine [Variante, bei der Claude selbst als vertrauenswürdiger Aussteller der Identitätsbestätigung auftritt](https://support.claude.com/en/articles/15537633-auto-connect-your-organization-s-apps-to-claude?ref=t01.li). Dafür braucht es weder Identity Provider noch SSO, der Dienst ordnet die Person über ihre E-Mail-Adresse zu. Diese Variante läuft als Beta mit 14 Diensten, darunter Notion, Figma und HubSpot, und funktioniert nur, wenn der jeweilige Anbieter sie [auf seinem MCP-Server unterstützt](https://claude.com/docs/connectors/building/enterprise-managed-auth?ref=t01.li). Wer mehrere Tools im Team anbinden will, muss damit weniger einzelne Anmeldungen organisieren.

## Anthropic verliert gleich zwei bekannte Köpfe aus dem Claude-Code-Team

Anthropic verliert mit Cat Wu und Thariq Shihipar innerhalb kurzer Zeit zwei bekannte Gesichter aus dem Claude-Code-Team. Wu, bislang Head of Product für *Claude Code*, hat in der Nacht zum 5\. November [ihren Wechsel zu OpenAI](https://x.com/%5Fcatwu/status/2118137612577968402?ref=t01.li) angekündigt. Dort leitet sie das Produktmanagement für Core Products und arbeitet mit Tibo Sottiaux zusammen. Als Richtung nennt sie Agenten für Einzelpersonen und Teams, bei denen die Nutzer die Kontrolle behalten sollen.

Ihren [Abschied von Anthropic](https://x.com/%5Fcatwu/status/2117731934340337676?ref=t01.li) hatte Wu bereits am 3\. November öffentlich gemacht. In ihrem Rückblick beschreibt sie, wie sie vor zwei Jahren zum Team kam, als *Claude Code* noch ein kleines internes Werkzeug war, und bedankt sich auch beim Team hinter *Cowork* und *Tag*. Für OpenAI wechselt damit Erfahrung aus dem Aufbau von Coding- und Arbeitsagenten in eine zentrale Produktrolle.

Thariq Shihipar hatte [seinen Abgang](https://x.com/trq212/status/2113844051938054167?ref=t01.li) schon am 24\. Oktober bekannt gegeben, nach mehr als einem Jahr Arbeit an *Claude Code*. Er gönnt sich zunächst eine Pause, bevor er etwas Neues beginnt. Wohin es danach geht, sagt er nicht.

## Orca AI Orchestrator

[*Orca*](https://www.onorca.dev/?ref=t01.li) wird gerade mit dem üblichen „Can't live without it anymore“ durch X.com gereicht wie die beste Tüte Gras und [das Repo](https://github.com/stablyai/orca?ref=t01.li) steht inzwischen bei über 112.000 Sternen. Die kostenlose Desktop-App von Stably AI bringt *Claude Code*, *Codex*, *OpenCode*, *Pi* und weitere CLI-Agenten in eine gemeinsame Arbeitsoberfläche, samt Terminal, Browser und Code-Review. Läuft unter macOS, Windows und Linux, Lizenz: MIT.

Für parallele Aufgaben legt *Orca* separate Git-Worktrees an, also eigene Arbeitsverzeichnisse mit eigenen Branches, damit die Agenten ihre Änderungen getrennt bearbeiten können. Du kannst beispielsweise mehrere Agenten dieselbe Aufgabe lösen lassen (die Doku hat dafür sogar ein Rezept „Race three agents on the same task“), anschließend die Diffs vergleichen und Kommentare zu einzelnen Codezeilen direkt an den jeweiligen Agenten zurückschicken. Das ist ein konkreter Nutzwert für alle, die solche Vergleiche bisher zwischen Terminalfenstern und Git-Ansichten zusammenhalten.

Über die eigene CLI können Agenten auch weitere Worker starten und Aufgaben koordinieren. Diese [Orchestrierung](https://www.onorca.dev/docs/cli/orchestration?ref=t01.li) ist allerdings noch als experimentell gekennzeichnet und bei neuen Profilen standardmäßig ausgeschaltet. Für längere Läufe lassen sich eigene Rechner, SSH-Hosts oder Cloud-VMs anbinden, auf denen die Agenten weiterarbeiten, wenn der Laptop schläft. Per iOS- oder Android-App kannst du unterwegs auf Rückfragen reagieren.

Der „Ship 100x“-Slogan ist halt ein bisschen Werbung. Aufhorchen lässt mich aber die Kombination aus verschiedenen Agenten, getrennten Arbeitsständen und direktem Review in einer App. Wer regelmäßig mehrere [Coding-Agenten](https://t01.li/glossar/#coding-agent) parallel beschäftigt, hat hier einen nachvollziehbaren Anlass zum Ausprobieren. Wie viel Arbeit das tatsächlich spart, zeigt sich dann im Projekt.

## Herdr jetzt auch als Desktop-App

Terminal-Phobie? Macht nichts, denn [*Herdr*](https://herdr.dev/?ref=t01.li) gibt es inzwischen auch als native Desktop-App für macOS, Linux und Windows, nicht mehr nur als TUI. Das Prinzip dahinter bleibt: Coding-Agenten wie *Claude Code* oder *Codex* laufen in echten Terminals, *Herdr* organisiert sie in Spaces, Tabs und Panes und zeigt, welcher Agent gerade arbeitet, fertig ist oder wartet. Neu an der App ist vor allem die Trennung zwischen Oberfläche und *herdr-core*. Wird das Fenster geschlossen oder stürzt die App ab, laufen die Terminals weiter. Auch entfernte Maschinen lassen sich per SSH einbinden und tauchen anschließend in derselben Sidebar auf. Ganz frisch ist das Ganze noch, die App steht laut [Changelog](https://github.com/herdrdev/herdr-app?ref=t01.li) bei Version 0.1.13 vom 4\. November.

Nice to have: *Herdr* macht die eigene Oberfläche praktisch zum Agentenfutter. Layouts, Keybindings und Mods liegen als Dateien unter `~/.config/herdr-app`, und eine mitgelieferte `AGENTS.md` erklärt dem Coding-Agenten, was er daran ändern darf. Damit wird aus dem Terminal-Organizer eher ein konfigurierbarer Workspace, den sich der Agent auf Zuruf selbst umbaut.

Zwei klitzekleine Haken: Usage-Telemetrie ist in Release-Builds [standardmäßig aktiviert](https://herdr.dev/privacy/?ref=t01.li) (ein anonymer Nutzungsbericht am Tag, ohne Terminalinhalte, Dateinamen oder Prompts), lässt sich aber in den Einstellungen abschalten. Und Mods laufen als Trusted Code ohne Sandbox. Fremde Mods würde ich daher ungefähr genauso bedenkenlos installieren wie irgendwelche Shell-Skripte aus einem Reddit-Kommentar, also eher gar nicht. Außerdem teilen sich die neue Desktop-App und das bisherige [*Herdr TUI*](https://herdr.dev/tui/?ref=t01.li) ihre laufenden Agenten nicht. Es sind getrennte Programme mit getrenntem Backend.

## Pi v1.5.0: flüssigeres Streaming und Changelogs für Extensions

Apropos [Harness](https://t01.li/glossar/#harness): Der erweiterbare Coding-Agent fürs Terminal hat am 2\. November [Version 1.5.0](https://github.com/earendil-works/pi/releases/tag/v1.5.0?ref=t01.li) spendiert bekommen. Große Tool-Aufrufe werden jetzt schrittweise verarbeitet, bereits gerendertes Markdown und Code-Highlighting werden wiederverwendet. Das reduziert den Rechenaufwand bei langen Ausgaben. Extensions können beim ersten frischen Start nach einem Update ihre Änderungen anzeigen, mit `collapseChangelog` auf eine Zeile pro Paket verkürzt. Nützlich, wenn man sich seinen Agenten aus mehreren Erweiterungen zusammensteckt.

Neu ist außerdem die Unterstützung für [*GPT-6.1 Terra*](https://t01.li/ai-shorts/ki-picks-der-44-kw/#gpt-61-terra) über OpenAI, Azure OpenAI Responses und OpenAI Codex. Bei Terra lässt sich die Reasoning-Stufe mitten in der Session ändern oder ganz auf `off` setzen, über Codex stehen 500.000 Tokens Kontext zur Verfügung. Als Standard für OpenAI verwendet *Pi* jetzt [*GPT-6.1 Sol*](https://t01.li/ki-news/gpt-6-1-sol-artificial-analysis-api-preis/) statt *GPT-5.5*. Für angepasste Installationen lässt sich `pi update` über einen eigenen Befehl (`PI_SELF_UPDATE_COMMAND`) an Wrapper oder andere Paketmanager anbinden.

Wer eigene Extensions entwickelt, sollte die Breaking Changes beachten. Die Tool-Validierung läuft nun über `pi-schema`, und TypeBox-Sonderfunktionen außerhalb von JSON Schema wie `Type.Refine()` greifen dort nicht mehr. Das kann Anpassungen erfordern. Außerdem berücksichtigt *Pi* gespeicherte „Do not trust“-Entscheidungen jetzt korrekt. Die konnten bisher bei bestimmten Projektordnern ignoriert werden, etwa wenn diese nur eine `AGENTS.md` enthielten.

## OpenAI: Pando als Backend für Git-Repositories

Je mehr Agenten parallel in eigenen Worktrees arbeiten, desto mehr Last landet am Ende im Repository. OpenAI hat am 2\. November mit [*Pando*](https://openai.com/de-DE/index/scaling-git-at-openai/?ref=t01.li) ein neues Backend für Git-Repositories vorgestellt, das inzwischen die gesamte Entwicklung im eigenen Monorepo trägt. Das passt zu einer Baustelle, die wir mit [Delta](https://t01.li/ai-shorts/ai-picks-der-38-kw/#delta-public-beta) und Anthropics [Scion](https://t01.li/ai-shorts/ki-picks-der-42-kw/#scion-versionierung-made-by-anthropic) schon hatten: Wenn Agenten massenhaft Änderungen produzieren, müssen Versionsverwaltung, Reviews und CI hinterherkommen. Zeds Delta organisiert die Zusammenarbeit neu, Scion ersetzt Git gleich ganz, und *Pando* setzt beim Betrieb hinter dem vertrauten Git-Workflow an. Vor dem Umbau lag die Zuverlässigkeit von Fetches, Pushes und Merges laut OpenAI zeitweise unter 90 %.

Der Ansatz: Pushes auf unterschiedliche Branches werden unabhängig voneinander verarbeitet. Für Downloads verwendet *Pando* bereits gespeicherte, komprimierte Git-Datenpakete (Packfiles) wieder und verteilt sie über regionale Caches. Das spart die Berechnung individueller Pakete für jeden Client. Git-Protokoll und gewohnte Befehle bleiben erhalten. Der technische Kompromiss liegt bei der Konsistenz: Änderungen desselben Branches werden weiterhin koordiniert, beim Abruf mehrerer Branches ist aber kein gemeinsamer Zeitpunkt ihres Zustands garantiert.

Laut OpenAI sank die mediane Push-Latenz um fast 80 %, und *Pando* liefert inzwischen knapp ein Petabyte Git-Daten pro Tag aus. Das sind Betriebszahlen aus OpenAIs eigener Infrastruktur, die zumindest zeigen, in welcher Größenordnung hier optimiert wird. Gebaut wurde das System übrigens mit *Codex*, in zehn Wochen vom Start bis zur Produktion, seit April läuft es mit echtem Traffic.

Das ergänzt aus meiner Sicht die ganze Diskussion um einen wichtigen Punkt: Die vertraute Git-Schnittstelle lässt sich offenbar weitertragen, auch wenn darunter erhebliche Umbauten nötig werden. *Pando* läuft intern, eine Bereitstellung für Kunden prüft OpenAI noch. Einige Verbesserungen am Git-Client sind bereits im Upstream-Projekt angekommen, darüber kann die Arbeit auch außerhalb dieses Monorepos nützlich werden.

## Nimbus Docs: Doku für Menschen und Agenten gleich mit

[*Nimbus Docs*](https://nimbus-docs.com/?ref=t01.li) ist ein Dokumentations-Framework von Cloudflare auf Basis von [Astro](https://astro.build/?ref=t01.li) (zum Vergleich: Astros eigenes Docs-Theme [Starlight](https://starlight.astro.build/?ref=t01.li)), bei dem der „AI-ready“-Teil von vornherein eingebaut ist. Der Scaffolder schreibt Layouts, Components und Styles direkt ins eigene [Repo](https://t01.li/glossar/#repo). Die Dateien gehören dem Nutzer und lassen sich ohne Theme-Fork oder proprietäre Plattform anpassen. Jede Seite steht zusätzlich als Markdown bereit, dazu kommen `llms.txt` und `llms-full.txt` als Index für Agenten. Installiert ist das Ganze mit `npm create @cloudflare/nimbus-docs@latest`, für den [Quickstart](https://nimbus-docs.com/quickstart/?ref=t01.li) verlangt *Nimbus* Node 22.12 oder neuer. Laut [Readme](https://github.com/cloudflare/nimbus?ref=t01.li) ist das Projekt noch vor Version 1.0, die öffentliche API kann sich also zwischen Minor-Releases ändern.

Was das relevant und praktisch macht: Browser bekommen die normale Dokumentation, Agenten eine besser konsumierbare Markdown-Struktur, ohne dass dafür zwei getrennte Dokumentationen gepflegt werden müssen. Dazu prüft `nimbus-docs check` Struktur und Inhalte und liefert die Befunde mit `--json` gleich in agententauglicher Form. Das passt vor allem zu technischen Docs, die ohnehin im Repo leben.

## Hinoki Offensive One

Da bin ich am Dienstag drüber gestolpert: Mit [*Hinoki Offensive One*](https://hinoki.security/?ref=t01.li) (kurz: HO1) bietet Hinoki ein auf Offensive Security spezialisiertes Modell an, das sich unter anderem mit *Claude Code*, *Codex* und *OpenCode* nutzen lässt. Der Anbieter stellt in den Vordergrund, dass HO1 auch Sicherheitsaufgaben bearbeitet, die andere Modelle ablehnen, und nennt 88,4 % auf CyberGym. Beides sind Herstellerangaben. Den praktischen Nutzwert sehe ich beim zusätzlichen Blick auf den eigenen Code, etwa auf fehlende Berechtigungsprüfungen oder unsichere Eingaben.

Seit dem 25\. Oktober ist HO1 auch auf der [Coding-Plattform AQ](https://aq.dev/launches/hinoki/?ref=t01.li) verfügbar. Dort lässt sich ein einzelner Diff oder das ganze Repository prüfen. Die Findings sollen Schweregrad, konkrete Fundstellen, Belege, ein mögliches Ausnutzungsszenario und einen Fix-Vorschlag enthalten. Einen Patch kann man anschließend im selben Thread anfordern. Das ist ein greifbarer Workflow für den Review vor dem Merge.

| Merkmal                              | Hinoki HO1                                                                                                                                |
| ------------------------------------ | ----------------------------------------------------------------------------------------------------------------------------------------- |
| **Basis**                            | nachtrainiertes [*DeepSeek V4.1 Flash*](https://t01.li/ai-shorts/ki-picks-der-43-kw/#deepseek-v41-flash-1017-%E2%80%93-viva-la-evolution) |
| **Parameter (Basismodell)**          | 552B                                                                                                                                      |
| **Aktive Parameter (Basismodell)**   | 8B beim Einlesen / 16B bei der Ausgabe                                                                                                    |
| **Input / gecachter Input bei *AQ*** | 0,20 / 0,16 $ je 1 Mio. Tokens                                                                                                            |
| **Output bei *AQ***                  | 0,80 $ je 1 Mio. Tokens                                                                                                                   |

Die Parameterangaben stammen aus der [Model Card von *DeepSeek V4.1 Flash*](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash?ref=t01.li), die Preise gelten bei AQ seit dem 2\. November (zum Start gab es 5 % Rabatt).

## Tencent Hy4 mit Vision und Computer Use

Am 4\. November hat Tencent [*Hy4*](https://www.tencent.com/tencent-launches-hy4-joining-the-ranks-of-the-worlds-leading-open-source-ai-models/?ref=t01.li) vom Stapel gelassen. Gegenüber der [Preview](https://t01.li/ai-shorts/ai-picks-der-35-kw/#hy4-preview) kommen Bildverständnis und Computer Use hinzu. Das Modell kann Bilder und Diagramme auswerten und wurde für Aufgaben mit Kommandozeile und grafischen Oberflächen trainiert, darunter Arbeiten mit Blender und CAD-Software. Für Frontend- und Dokumenten-Workflows ist das eine brauchbare Erweiterung, weil Screenshots und visuelle Inhalte jetzt direkt in die Arbeit mit dem Modell einfließen können.

Und es gibt bereits einen externen Gegencheck. Bei [Vals AI](https://www.vals.ai/models/tencent%5Fhy4?ref=t01.li) erreicht *Hy4* im Vals Index 59,35 % gegenüber 53,21 % für die Preview und liegt damit auf Platz 13 von 34 getesteten Modellen (Stand 6\. November). Deutlicher fällt der Sprung bei Terminal-Bench 4.0 aus, von 8,08 % auf 39,39 %. Gerade für den Einsatz als Coding-Agent ist das die interessantere Verbesserung. Die Werte gelten für das jeweilige Testsetup.

Beim Open-Source-Versprechen fehlt noch die Veröffentlichung: Tencent kündigt Weights und System Card für die kommenden Tage an, mit Schwerpunkt auf Cyber- und Biosicherheit. Für die Preview waren 770 Milliarden Parameter bei 49 Milliarden aktiven genannt, für die finale Version nennt Tencent bislang keine Zahlen. Ob es dabei bleibt, müssen wir sehen. Ausprobieren lässt sich *Hy4* bereits über die API, *WorkBuddy* und *CodeBuddy* sind laut Ankündigung vom 4\. bis 15\. November kostenlos nutzbar.

| Merkmal                          | Tencent Hy4                                                                     |
| -------------------------------- | ------------------------------------------------------------------------------- |
| **Architektur / Parameter**      | Für die finale Version noch nicht dokumentiert (Preview: MoE, 770B / 49B aktiv) |
| **Kontextfenster**               | 1 Mio. Tokens                                                                   |
| **Input**                        | Text, Bilder                                                                    |
| **Output**                       | Text, maximal 65.536 Tokens                                                     |
| **Input / 1 Mio. Tokens**        | 0,417 $                                                                         |
| **Cached Input / 1 Mio. Tokens** | 0,021 $                                                                         |
| **Output / 1 Mio. Tokens**       | 1,251 $                                                                         |

Kleine Anmerkung: Die Preise stammen von [OpenRouter](https://openrouter.ai/tencent/hy4?ref=t01.li) über *Tencent Cloud* und enthalten die aktuelle 50-%-Aktion, Stand 5\. November. Laut Tencent gilt der Rabatt bis zum 31\. Dezember.

## Ripple-65B Preview

Bei Ricursive Intelligence hat am 4\. November [*Ripple-65B Preview*](https://huggingface.co/ricursiveAI/Ripple-65B-Preview?ref=t01.li) das Licht der Welt erblickt, zumindest dann auch öffentlich. Das LLM wurde von Grund auf mit zwölf Billionen Tokens trainiert, von einem Team, das laut Model Card während der Entwicklung von einer auf fünf Personen wuchs, und legt den Schwerpunkt auf Reasoning und agentisches Coding. Die [Weights](https://t01.li/glossar/#open-weights) stehen unter Apache 2.0 bereit. Zusammen mit nativem [Tool Calling](https://t01.li/glossar/#tool-calling) ist das ein potenzieller Kandidat für eigene Coding-Agenten, mit der Wahl zwischen API und eigener Infrastruktur. Vorausgesetzt, am Ende fällt auch das heraus, was man erwartet.

Auf Terminal-Bench 2.1 meldet Ricursive 80,52 %, auf SWE-bench Pro v2.0 Hard 79,1 %. Das nehme ich erst einmal nur zur Kenntnis, denn es sind herstellereigene Werte. Den [beworbenen Spitzenplatz](https://x.com/Azaliamirh/status/2118058466678030407?ref=t01.li) grenzt das Lab selbst auf bestimmte Coding-Benchmarks im Vergleich zu US-Open-Weight-Modellen ein. Die Model Card erläutert außerdem, dass die Vergleichswerte teilweise aus fremden Veröffentlichungen und teilweise aus eigenen Tests stammen. Das gehört zur Tabelle dazu, genauso wie die Zeilen, in denen Ripple hinten liegt: Auf DeepSWE 1.1 kommt es auf 44,3 %, *Muse Spark Open* auf 60,0 %.

Für lokale Tests ist die [NVFP4-Version](https://huggingface.co/ricursiveAI/Ripple-65B-Preview-NVFP4?ref=t01.li) interessant, aber weiterhin ein ordentliches Paket: Der Download umfasst rund 57 GB. Quantisiert werden die MLP-Layer, während die Attention-Layer in BF16 bleiben. Die genannten Benchmarkwerte wurden mit BF16-Modellen bei maximalem Reasoning-Effort gemessen, für die experimentelle [Quantisierung](https://t01.li/glossar/#quantisierung) liefern sie keine eigene Leistungsmessung.

| Merkmal                          | Ripple-65B Preview          |
| -------------------------------- | --------------------------- |
| **Architektur**                  | Dense Transformer           |
| **Parameter gesamt / aktiv**     | Rund 65 Mrd. / 65 Mrd.      |
| **Kontextfenster**               | Bis zu 1.048.576 Tokens     |
| **Input / Output**               | Text / Text                 |
| **Gewichte**                     | BF16; experimentelles NVFP4 |
| **Lizenz**                       | Apache 2.0                  |
| **Input / 1 Mio. Tokens**        | 0,20 $                      |
| **Cached Input / 1 Mio. Tokens** | 0,05 $                      |
| **Output / 1 Mio. Tokens**       | 0,60 $                      |

Anmerkung: Die API-Preise stammen von [OpenRouter](https://openrouter.ai/ricursiveai/ripple-65b-preview?ref=t01.li) über GMICloud, Stand 5\. November.

## Inkling 2 Small

In Ripples Vergleichstabelle taucht übrigens noch das große *Inkling* auf, und bei Thinking Machines Lab ist am 5\. November auch schon [*Inkling 2 Small*](https://thinkingmachines.ai/news/inkling-2-small/?ref=t01.li) hinten rausgefallen: ein multimodales Reasoning-Modell für Coding, visuelle Aufgaben und Agentenläufe, die laut Lab auch gerne länger dauern dürfen. Testen lässt es sich im Tinker Playground, über Tinker sind auch [Fine-Tuning](https://t01.li/glossar/#fine-tuning) und Inferenz verfügbar. Die hervorhebenswerte Besonderheit: Das ist mal ein Modell von einem US-amerikanischen Lab. „Small“ ist dabei relativ, denn [*Inkling-Small*](https://t01.li/ai-shorts/ai-picks-der-31-kw/#introducing-inkling-small) kam im Juli noch mit 276 Milliarden Parametern aus.

[Artificial Analysis](https://artificialanalysis.ai/models/inkling-2-small?ref=t01.li) misst 31 Punkte im Intelligence Index, gegenüber 13 beim Vorgänger. Auf AutomationBench-AA steigt das Ergebnis von 5 auf 46 %. Der Fortschritt geht allerdings mit rund viermal so vielen Ausgabetokens pro Indexaufgabe einher, das Modell nimmt sich entsprechend mehr Zeit (laut AA gut 21 Minuten pro Aufgabe). Auf Terminal-Bench 4.0 liegt es mit 13 % zudem klar hinter *Claude Sonnet 5.5* (medium) mit 30 %.

Nach der Veröffentlichung der Gewichte wäre *Inkling 2 Small* laut [Artificial Analysis](https://x.com/ArtificialAnlys/status/2118493376186388530?ref=t01.li) das im eigenen Index höchstbewertete Open-Weight-Modell außerhalb Chinas. Thinking Machines plant den Download für die kommende Woche, sobald externe Sicherheitstests und Red-Teaming abgeschlossen sind.

| Merkmal                          | Inkling 2 Small                                     |
| -------------------------------- | --------------------------------------------------- |
| **Architektur**                  | MoE                                                 |
| **Parameter gesamt**             | 594B                                                |
| **Parameter aktiv**              | 17B                                                 |
| **Kontextfenster**               | Bis zu 1 Mio. Tokens                                |
| **Input / Output**               | Text, Bilder / Text                                 |
| **Input / 1 Mio. Tokens**        | 0,30 $                                              |
| **Cached Input / 1 Mio. Tokens** | 0,03 $                                              |
| **Output / 1 Mio. Tokens**       | 1,00 $                                              |
| **Lizenz**                       | Aktuell Tinker Terms of Use; Apache 2.0 angekündigt |

Details stehen in der [Model Card](https://thinkingmachines.ai/model-card/inkling-2-small/?ref=t01.li), die Preise nennt Artificial Analysis für Tinker.

## Kimi K3.1 Pro: die Weights sind da

Wie [angekündigt](https://t01.li/ai-shorts/ki-picks-der-44-kw/#kimi-k31-pro) hat Moonshot am 4\. November [die Gewichte von *Kimi K3.1 Pro*](https://x.com/Kimi%5FMoonshot/status/2118010528123773297?ref=t01.li) auf [Hugging Face](https://huggingface.co/moonshotai/Kimi-K3.1-Pro?ref=t01.li) veröffentlicht, pünktlich zur selbst gesetzten Frist. Damit lässt sich das bereits über Kimi und die API verfügbare Modell auch auf eigener Infrastruktur betreiben und anpassen.

Die Größenordnung ist mal ordentlich: Das multimodale [MoE](https://t01.li/glossar/#moe)\-Modell bringt 2,8 Billionen Gesamtparameter mit, aktiviert davon 104 Milliarden pro Token und verarbeitet Text sowie Bilder mit einem Kontextfenster von rund einer Million Tokens. Ausgeliefert werden MXFP4-Gewichte mit MXFP8-Aktivierungen, die niedrige Präzision wurde bereits beim Training berücksichtigt.

Allein das Repository umfasst rund 1,56 TB. Für den Eigenbetrieb nennt Moonshot vLLM, SGLang und TokenSpeed. Das [vLLM-Rezept](https://recipes.vllm.ai/moonshotai/Kimi-K3.1-Pro?ref=t01.li) rechnet für die MXFP4-Gewichte mit einer Tensor-Parallel-Gruppe aus acht GPUs, also zwei GB300-Trays, einem B300-Knoten oder einem Knoten mit AMD Instinct MI355X. Der Zugewinn liegt damit vor allem bei Unternehmen und Forschungsteams mit entsprechender Infrastruktur, die das Modell selbst betreiben oder weitertrainieren wollen.

Die Veröffentlichung erfolgt unter der eigenen [Kimi K3.1 Pro License](https://huggingface.co/moonshotai/Kimi-K3.1-Pro/blob/main/LICENSE?ref=t01.li). Sie erlaubt Nutzung, Anpassung und Weitergabe, enthält aber Zusatzpflichten für größere kommerzielle Angebote: Wer Model as a Service mit mehr als 20 Millionen $ Umsatz in zwölf Monaten betreibt, braucht eine separate Vereinbarung, und ab 100 Millionen monatlich aktiven Nutzern oder 20 Millionen $ Monatsumsatz muss „Kimi K3.1-Pro“ sichtbar in der Oberfläche stehen. Rein interner Einsatz ist von diesen Zusatzregeln ausgenommen. Das Muster kennen wir schon von [*Kimi K3*](https://t01.li/ki-news/kimi-k3-weights-lizenz-self-hosting/).

## Airbnb: Ein kleiner Klassifikator auf Frontier-Niveau

Mal Daten aus dem Produktivbetrieb in größerem Maßstab: [Airbnb erreicht mit einem feintrainierten *Gemma4-E2B*](https://airbnb.tech/ai-ml/frontier-quality-at-1-of-the-cost-a-production-benchmark-of-llm-classifiers/?ref=t01.li) die Qualität großer Modell-APIs, allerdings bei einer sehr konkreten Aufgabenstellung. Nutzerinhalte werden in Echtzeit auf Verstöße gegen die Regeln zur Preis- und Zahlungstransparenz geprüft, bevor sie veröffentlicht werden. Das Latenzbudget dafür liegt bei 200 ms.

Das Modell hat zwei Milliarden effektive Parameter. Nach Fine-Tuning auf Hunderttausenden gelabelten Beispielen steigt der maximale F1-Wert von 0,563 auf 0,902\. Die Auswertung umfasst 10.000 gewichtete Testbeispiele. Auf einer einzelnen NVIDIA RTX Pro 6000 liegt die Latenz bei 35 ms im Median und etwa 85 ms beim 99\. Perzentil, die verglichenen Frontier-APIs brauchen im Median rund 900 ms.

Bei Tausenden Anfragen pro Minute liegen die Serving-Kosten laut Airbnb bei ungefähr einem Hundertstel der verglichenen Frontier-APIs. Die Rechnung vergleicht GPU-Miete mit API-Tokenkosten, und für die gehosteten Modelle hat Airbnb sogar eine Cache-Trefferquote von 71 % angesetzt. Unter rund 15 bis 30 Anfragen pro Minute waren *Claude Sonnet 5.5* und *GPT-6.1 Sol* in dieser Aufgabe günstiger als die dedizierte GPU. Für kleinere Volumen bleibt die API also die bequemere und billigere Wahl.

Auch [*Jev*](https://t01.li/ki-news/jev-typesafe-system-one-model-einordnung/) schneidet gut ab. Es ist im Test das stärkste fertig verfügbare Modell unter 100 ms. Seine Wahrscheinlichkeitswerte erlauben, wie beim eigenen Klassifikator, gezielt Schwellenwerte für die gewünschte Balance zwischen Präzision und Recall einzustellen. Womit die Decision Models diese Woche doch noch einen Auftritt bekommen.

Das war's für die 45\. KW. Ich schreibe derweil an [meinem Hackathon-Fazit](https://t01.li/ai-dev/muse-code-hackathon-erfahrungen-muse-spark-1-3/) und der Herbst darf gern noch ein bisschen bleiben.