KI-Entwicklertools · Was kam heute

Der Artikel beschreibt geleakte, aber unbestätigte Early-Access-Varianten von Claude-Modellen mit den internen Codenamen Marshmallow und Melon. Die Modell-IDs claude-marshmallow-eap und claude-melon-eap wurden in Drittanbieter-Tools und Discord-Communities entdeckt, ohne dass Anthropic diese offiziell dokumentiert oder anerkannt hat. Community-Tester berichten anekdotisch, dass Marshmallow Melon überträfe und eine bessere Konversationserfahrung als Claude Opus 5 biete, keines der Modelle jedoch Claude Fable 5 erreiche — dabei handelt es sich jedoch um Eindrücke ohne veröffentlichte Benchmarks oder Eval-Ergebnisse. Die Namensgebung mit Lebensmittel-Codenamen unterscheidet sich vom Muster literarischer Gattungsnamen (Haiku, Sonnet, Opus) und deutet auf einen separaten Entwicklungszweig hin. Basierend auf dem Honeycomb-Präzedenzfall von Juli, das drei Wochen vor Claude Opus 5 durchsickerte, werden Marshmallow und Melon als mögliche bevorstehende Releases spekuliert — Marshmallow möglicherweise als Opus-Klasse-Modell, Melon im Sonnet-Bereich. Bis offizielle Modell-IDs in Anthropics Dokumentation erscheinen, sollten Entwickler diese geleakten IDs nicht in Produktion nutzen und sich auf die bestätigten aktuellen Modelle verlassen.

Google Gen AI SDK bietet eine einheitliche Schnittstelle zu Gemini-Modellen für Gemini Developer API und Gemini Enterprise Agent Platform. Das SDK ist für Python (google-genai auf PyPI), Go (google.golang.org/genai), TypeScript/JavaScript (@google/genai auf npm), Java (Version 1.4.1 auf Maven Central), und .NET (Google.GenAI auf NuGet) verfügbar. Code ist zwischen den Plattformen portierbar, sodass Entwickler mit der Developer API prototypisieren und dann zur Enterprise Agent Platform migrieren können ohne Code umzuschreiben.

Google hat die Gewinner des Gemma 4 Good Challenge angekündigt, einem Kaggle-Wettbewerb, bei dem Entwickler KI-Lösungen mit dem Gemma 4 Modell für reale Herausforderungen erstellten. Die über 1.600 eingereichten Projekte zeigen den Einsatz von Technologien wie LiteRT, Cactus, Ollama, llama.cpp und Unsloth zur Bereitstellung performanter Lösungen auf ressourcenbegrenzter Hardware. Gewinnerprojekte umfassen unter anderem GEM-4 (robotische Assistenz für ältere Menschen), Trido (sprachgesteuertes Whiteboard für Lehrkräfte), PenguinAgent (Wildtierforschung im Offline-Modus) und CodeBuddy (Programmier-Tutoring für indonesische Schulen ohne Internetverbindung), wobei die Projekte Gemma 4 Modelle in verschiedenen Größen (E2B, E4B, 26B, 31B) für Edge-Computing-Szenarien optimierten.