KI-Entwicklertools · Was kam heute

Anthropic released Claude Fable 5.1 and Claude Mythos 5.1, positioning them as the world's most advanced models for coding and knowledge work. Fable 5.1 achieves approximately 25% lower costs than Fable 5 for typical workloads through reduced cache read pricing (now $0.25 per million tokens, a 75% reduction), with savings up to 45% for highly agentic tasks. The model demonstrates significant performance improvements across multiple benchmarks: Terminal-Bench-Science 0.1 (52.6%), Terminal-Bench 4.0 (60.9% for Mythos 5.1), Humanity's Last Exam (65.0% with tools), and CursorBench 3.2.0 (73.4%), outperforming Fable 5 and competitor models. Mythos 5.1, available through trusted access programs, shows advanced capabilities in scientific research including protein design with hit rates near 50% across 12 targets and computational biology optimizations achieving up to 2.5x speedup on GPU models.

DeepSeek V4.1 Flash, Claude Fable 5.1 and GPT-6 Astra wurden in das BullshitBench Benchmark aufgenommen, das misst, wie gut Modelle Nonsense erkennen und ablehnen. Das V2-Benchmark umfasst 100 Fragen mit 214 Modell-/Reasoning-Varianten und 21.400 Antworten, bewertet von einer Jury aus Claude Sonnet 4.6, GPT-5.2 und Gemini 3.1 Pro Preview. Das aktualisierte Dashboard wurde am 10. September 2026 als Standard-Viewer zur Verfügung gestellt.

Nemotron 3.5 Lightning wurde mit einer hybriden Mamba-2- und Transformer-MoE-Architektur (30B gesamt / 3B aktive Parameter) veröffentlicht und bietet ein 1M-Token-Kontextfenster mit spekulativen Dekodierungsmodi. Nemotron 3 Super mit 120 Milliarden Parametern (12 Milliarden aktiv) nutzt LatentMoE und Multi-Token-Prediction und liefert 5x höheren Durchsatz als die vorherige Version. Nemotron 3 Ultra, ein 550B-Modell (55B aktiv), wurde für komplexe Multi-Agenten-Anwendungen optimiert. Im RAG-Stack wurden Nemotron Parse v1.2, Llama Nemotron Embed VL 1B v2 und Llama Nemotron Rerank VL 1B v2 veröffentlicht. Cosmos 3 Super (32B), Cosmos 3 Nano (8B) und Cosmos 3 Edge (4B) wurden als offene omni-Modelle für Physical AI freigegeben. Dazu kommen offene Trainingsdatensätze aus der Nemotron Datasets Collection für Pretraining, Math-Reasoning, Code-Generation, Safety und Vision-Language-Tasks.

Für KI-Agentenentwicklung präsentiert NVIDIA ein Framework zur Evaluierung von Agenten anhand von Tool-Nutzung und Aufgabenvollendung. Der Artikel erklärt, warum moderne Benchmarks von isolierten Funktionsaufrufen zu End-to-End-Aufgabenmessungen übergegangen sind und stellt Metriken wie Task-Erfolgsrate, Tool-Call-Präzision und Argument-Genauigkeit vor. Nemotron 3.5 Lightning erreicht auf PinchBench 86% Genauigkeit und ist 30% schneller als vergleichbare Modelle, mit Reproducibility-Dokumentation und Gewichten auf Hugging Face verfügbar.

Die Publikation „Toward Reliable LLM-Integrated Web Architectures for Teacher-Aligned Automatic Student Grading" von Jonas Gwozdz und Prof. Dr Andreas Both erhielt den Best Student Paper Award der ICWE 2026 in Lyon. Die Arbeit beschreibt eine Architektur, die große Sprachmodelle in Lehrkontexten einsetzt, wobei die Lehrkraft die Kontrolle über die Bewertung behält – das Modell wird systematisch an die Bewertungskriterien des Lehrers ausgerichtet und erreichte in der besten Konfiguration eine Übereinstimmung mit manuellen Bewertungen von etwa 91 Prozent, getestet auf realen anonymisierten Prüfungsdaten.