KI-Entwicklertools · Was kam heute

Anthropic hat Claude Fable 5.1 und Claude Mythos 5.1 veröffentlicht. Fable 5.1 ist ein neues KI-Modell für Coding und Knowledge Work mit erheblichen Leistungsverbesserungen gegenüber dem Vorgänger: Es schneidet bei Terminal-Bench 4.0 mit 55,8% ab (gegenüber 42,0% bei Fable 5), bei CursorBench 3.2.0 mit 73,4% und bei Humanity's Last Exam mit 60,9%. Das Modell kostet etwa 25% weniger als Fable 5 bei typischen Workloads, bei agentic work sogar bis zu 45% weniger durch 75% reduzierte Cache-Read-Preise ($0,25 pro Million Tokens statt $1). Claude Mythos 5.1 ist identisch, hat aber weniger strikte Safeguards für verifizierte Cybersecurity- und Life-Sciences-Profis. Neben den Benchmark-Verbesserungen zeigt Claude Fable 5.1 neue Fähigkeiten: Im wissenschaftlichen Bereich designte das Modell hochaffine Protein-Binder mit 10-fach höheren Bindungsaffinitäten als bisherige Wettbewerbe und einer Hit-Rate von 50%, erstellte eine hochauflösende Karte der Venus-Oberfläche und optimierte sieben Open-Source-Deep-Learning-Modelle um bis zu 2,5x, was GPU-Kosten um 30–60% senkt.

Hermes Agent ist ein selbstverbesserndes KI-Agenten-Framework von Nous Research mit integrierter Lernschleife, das Fähigkeiten aus Erfahrungen erstellt und diese während der Nutzung verbessert. Das Tool unterstützt flexible Modellauswahl (Nous Portal, OpenRouter, OpenAI, benutzerdefinierte Endpunkte) ohne Lock-in, läuft auf verschiedenen Infrastrukturen von günstigen VPS bis serverlos, und bietet Terminal-, Telegram-, Discord-, Slack-, WhatsApp- und Signal-Interfaces aus einem Gateway-Prozess. Die Plattform ermöglicht autonome Skill-Erstellung, FTS5-Sitzungssuche mit LLM-Zusammenfassung, geplante Automationen via Cron-Scheduler, Parallelisierung durch Sub-Agenten und Batch-Trajektoriengenerierung für das Training von Tool-Calling-Modellen.

United Imaging Intelligence (UII) hat ein Open-Source-Modell namens uAI NEXUS MedVLM für medizinische Video-KI veröffentlicht und dabei 531.850 Video-Instruction-Pairs aus acht öffentlichen medizinischen Videodatensätzen annotiert. Parallel dazu wurde MedVidBench mit zwei Batches von insgesamt 12.515 Test-Samples als öffentlicher Benchmark mit zehn Bewertungsmetriken (Next-Action Prediction, Skill Assessment, Spatiotemporal Grounding) gelauncht – die Plattform überschritt bereits 30.000 Downloads. Die Ressourcen bilden die Grundlage für die MedVidU Challenge, an der 75 Teams aus 18 Ländern teilnahmen und vier Teams es ins Finale schafften, zwei davon präsentierten akzeptierte Papers beim ECCV 2026 Workshop in Malmö.