KI-Entwicklertools · Was kam heute

Claude Fable 5.1 and Claude Mythos 5.1 haben ihre Verfügbarkeit erreicht. Fable 5.1 ist sofort auf allen Plattformen verfügbar, einschließlich AWS, Google Cloud und Microsoft Azure über die Claude API als claude-fable-5-1. Die Preisgestaltung wurde reduziert: Cache-Lesevorgänge kosten jetzt 75% weniger ($0,25 pro Million Tokens), was zu einer Gesamtkostenreduktion von etwa 25% bei typischen Workloads oder bis zu 45% bei hochkomplexen Aufgaben im Vergleich zu Fable 5 führt. Input-Tokens kosten $10 pro Million, Output-Tokens $50 pro Million. Mythos 5.1 mit höheren Safeguards steht nur über Trusted-Access-Programme für Cybersecurity- und Life-Sciences-Profis zur Verfügung. Die Modelle zeigen signifikante Leistungsverbesserungen bei Benchmarks: Fable 5.1 erreicht 52,6% beim Terminal-Bench-Science 0.1, 55,8% beim Agentic Coding Terminal-Bench 4.0 und 77,9% beim OSWorld 2.0, übertroffen nur in Agentic Coding durch Mythos 5.1 mit 60,9%.

Google hat TimesFM-3 veröffentlicht, ein Multivariate-Time-Series-Foundation-Model mit 330 Millionen Parametern, das auf über einer Billion Zeitpunkten pre-trainiert wurde. Das Modell erzielt State-of-the-Art-Ergebnisse bei der Vorhersage mehrerer zusammenhängender Zeitreihen in einem Single Forward Pass und unterstützt nativ Past Covariates, Past-Future Covariates und Multiple Targets. Auf den Benchmarks Gift-Eval, FEV-Bench und Time rangiert TimesFM-3 als Top-Modell bei Point- und Probabilistic-Forecasting-Metriken gegenüber konkurrierenden Foundation Models wie Chronos-2 und Toto 2.0. Das Modell ist ab sofort auf GitHub und Hugging Face verfügbar, BigQuery-Integration folgt in den kommenden Wochen.

Positron August Release bringt erweiterte Data Connections (Preview), verbesserte Quarto Inline-Ausgabe, zentralisierte KI-Provider-Konfiguration sowie Performance- und Zuverlässigkeitsverbesserungen. Posit AI hat zwei neue Open-Weight-Modelle (Kimi K3 und GLM 5.2) hinzugefügt, die Token etwa doppelt so schnell streamen wie Anthropic-Modelle bei geringeren Kosten pro Token. cuda.ml 0.4.0 bringt GPU-beschleunigte Machine Learning direkt zu R-Workflows mit optimierter Developer Experience und erweiterter Tree-Ensemble-Inference. Orbital 0.6.0 erweitert Scikit-learn-Pipeline-Konvertierung um PyTorch-Support, sodass trainierte torch.nn.Sequential-Modelle direkt zu SQL für datenbankgebundenes Inferencing kompilieren. recipes 1.4.0 fügt interne Inspektionsmöglichkeiten, erhebliche Speedups bei vielen Spalten und Multi-Column-Support hinzu. themis 1.1.0 ergänzt die recipes-Package um elf neue Sampling-Steps zur Behandlung unbalancierter Daten mit verbesserten Distanzmetriken.