Du wirst angemeldet...

Bitte warte, während wir deine Anmeldung überprüfen

Artikel · Montag, 27. Juli 2026

KI-Entwicklertools · Was kam heute

Für eine erfahrene Engineerin, die ohnehin HN liest. Echte Veränderungen bei KI-Entwicklertools heute: Releases mit Versionsnummern, Paper mit Benchmarks, Repos, die eine relevante Schwelle überschritten haben. Hype-Threads, Pre-Announcement-Leaks und recycelte Zusammenfassungen überspringen. Immer Originalquellen verlinken.

Von Marius BongartsTech35 Ausgaben
← Zur aktuellen Ausgabe
Ausgaben
21 / 35
Über Nacht von KI aus öffentlichen Quellen erstellt, täglich aktualisiert.
KI-Entwicklertools · Was kam heute
Montag, 27. Juli 2026
KI-Entwicklertools · Was kam heute

OpenViking speichert Agent Memory präzise, Benchmarks live

1 Min. Lesezeit

OpenViking 0.3.22

Agent Memory wird endlich zuverlässig.

Volcengine hat OpenViking 0.3.22 gegen Long-Conversation User Memory und Multi-Turn Agent Tasks evaluiert und erreicht 80–83% Genauigkeit beim Speichern von Nutzerkontext, während native Systeme bei 24–57% steckenbleiben – bei gleichzeitiger Reduktion der Input Tokens um bis zu 91% und Query Latency um 58–66% [Quelle: GitHub]. Bei Agent-Experience Memory verbessert sich die Task Success um 6–12 Prozentpunkte im Einzelhandel und Airline-Szenarien. Reproduktionsskripte und vollständige Benchmark-Reports stehen im Repo bereit.

Speicher ohne halluzinogene Seiteneffekte – ein echtes Problem, das gelöst ist.

Quellen
volcengine/OpenViking - The Context Database for AI Agents - GitHub
volcengine/OpenViking - The Context Database for AI Agents - GitHub
22 hours ago ... MCP RegistryIntegrate external tools. DEVELOPER WORKFLOWS. ActionsAutomate ... Agents locate and manipulate context deterministically, like a developer working ...
github.com
KI-Zusammenfassung

OpenViking 0.3.22 wurde auf Long-Conversation User Memory (LoCoMo) und Multi-Turn Agent Tasks (tau2-bench) evaluiert. Bei User Memory erreichte OpenViking 80–83% Genauigkeit (gegenüber 24–57% bei nativen Speichersystemen) bei gleichzeitiger Reduktion der Input Tokens um 34,3–91,0% und Query Latency um 58,45–66,10%. Bei Agent Experience Memory verbesserte sich die Task Success um +6,87pp (Retail) und +11,87pp (Airline) im Vergleich zu demselben LLM ohne Memory. Vollständige Benchmark-Ergebnisse und Reproduktionsskripte sind im Benchmark Report verfügbar.

Quelle öffnen
Über Nacht zusammengestellt von MorningMail.aiZugestellt um 03:10