KI-Entwicklertools · Was kam heute

Das Papier "MLToolBench" beschreibt ein System zur Verbesserung von KI-Agenten für Machine Learning Engineering-Aufgaben. Es werden 67 neue Diagnose-Tools für Datenprüfung, Code-Verifikation und Experiment-Diagnostik eingeführt, die in ein Trainings-Framework integriert sind. Die Autoren präsentieren "Spice" (Solution-Privileged Information Credit Estimation), eine neue Reward-Shaping-Methode, die kontextabhängige Unterstützung für Agenten-Aktionen bereitstellt. Tests zeigen, dass das kombinierte System (Supervised Fine-Tuning + Reinforcement Learning mit Spice) die Erfolgsrate von Qwen3-8B von 24,8% auf 52,4% und von Qwen3.5-35B-A3B von 35,6% auf 69,2% erhöht – für einen erfahrenen ML-Engineer ein konkretes Release mit neuem Benchmark, neuem Tool-Set und empirisch validierter Trainings-Methode.

Anthropic hat Claude Fable 5.1 und Claude Mythos 5.1 veröffentlicht – KI-Modelle mit erweiterten Fähigkeiten für Coding und Knowledge Work. Fable 5.1 ist circa 25% günstiger als sein Vorgänger bei typischen Workloads durch reduzierte Cache-Read-Preise (bis zu 45% Kostenersparnis bei agentic Work), dabei zeigt das Modell in mehreren Benchmarks höhere Performance: Terminal-Bench-Science 0.1 (52,6%), Terminal-Bench 4.0 (55,8% für Mythos), Humanity's Last Exam (60,9% mit Tools), CursorBench 3.2.0 (73,4%) und OSWorld 2.0 (77,9% partial). Claude Fable 5.1 setzt damit neue Standards für agentische wissenschaftliche Forschung, Terminal-Coding und multidisziplinäres Reasoning. Bei wissenschaftlichen Anwendungen demonstriert Claude Mythos 5.1 fortgeschrittene Fähigkeiten: Die KI entwarf hochaffine Protein-Binder mit zehnfach höherer Bindungsaffinität als bisherige Wettbewerbsergebnisse und erreichte eine Hit-Rate von fast 50% (vs. typisch 10–15%). Zudem trainierte Fable 5.1 ein neuronales Netzwerk für hochauflösende Höhenkarten der Venus und optimierte sieben Open-Source-Deep-Learning-Modelle durch Custom-GPU-Kernel um bis zu 2,5× bei identischen Outputs. Die Modelle sind ab sofort auf allen Plattformen verfügbar, Claude Mythos 5.1 zusätzlich über Trusted-Access-Programme für Cyberdefense und Life Sciences.

Ideogram 4.5 wurde am 30. September 2026 als spezialisiertes Bildbearbeitungsmodell veröffentlicht, das Pixeldrift bei wiederholten lokalisierten Änderungen reduzieren soll. Das geschlossene, gehostete Modell kostet 0,03–0,22 USD pro Bild je nach Rendering-Einstellung und unterstützt native 2K-Ausgabe sowie Bearbeitung in Quellauflösung bis 24,2 Megapixel. Laut Artificial Analysis positioniert sich Ideogram 4.5 mit 1.064 Elo im Ranking für Bildbearbeitung auf Platz 23 von gemessenen Modellen, deutlich hinter GPT Image 2.5 Sunburst und anderen Top-Konkurrenten – die zentrale Behauptung zur Driftminderung wurde bisher in keinem unabhängigen Benchmark gemessen. Das Unternehmen kündigte an, die Modellgewichte bald zu veröffentlichen, was bislang aber nicht geschehen ist.