Soofi S aktiviert aus 30 Milliarden Parametern pro Token nur 3 Milliarden und übertrifft damit europäische und US-amerikanische Open-Source-Modelle bei deutlich niedrigerem Rechenaufwand.
GPT-Red erkennt indirekte Prompt Injections mit 84 Prozent Erfolgsquote — deutlich höher als die 13 Prozent menschlicher Experten — und trägt zur Entwicklung sichererer Modellgenerationen…
KI-Kosten hängen von Nutzungsmustern und Modellabfragen ab, nicht nur von Infrastrukturkapazität – klassisches FinOps muss um Unit-Economics-Tracking und Use-Case-Zuordnung erweitert werden.
SEED nutzt selbstgenerierten Hindsight-Supervision aus Sprachmodell-eigenen Analysen von Trajektorien, um die Supervision-Lücke zwischen episodischen Outcomes und Token-Level-Lernbefehlen zu schließen.
Moderne autonome Agenten verbessern sich selbstständig durch strukturierte Updates an Modellen und ihrer Infrastruktur, was eine Systematik für Produktion verlangt.
Agentic-AI-Systeme erzeugen Sicherheitsrisiken durch ihre Autonomie, die klassische Bedrohungsmodelle nicht abdecken und andere Kontrollmechanismen erfordern.
Claude Fable 5 ist in Claude Cowork reserviert für mehrstufige, komplexe Workflows, bei denen es auf längerfristige Kontextkontinuität und Selbstkorrekturfähigkeit ankommt.
Ein strukturiertes Evaluierungsprotokoll mit mehreren komplexen Test-Umgebungen und LLM-gestützter Schwachstellenerkennung ermöglicht realistischere Bewertung von KI-Pentesting-Agenten jenseits klassischer Benchmark-Szenarien.
Kimi K3 ist das erste „Open 3T-Klasse“-Modell eines chinesischen Labs mit Preisen von 3 US-Dollar pro Million Input-Token und 15 Dollar pro Million Output-Token –…
Während die Mehrheit der Unternehmen KI-Risiken und Cloud-Sicherheit als kritisch einstuft, können praktiker:innen die tatsächliche KI-Nutzung nicht überblicken, während Management diese Kontrollverluste unterschätzt.
KI-Agenten lassen sich durch manipulierte Inhalte in externen Datenquellen zu unbeabsichtigten Aktionen verleiten, ohne dass der Agent selbst gehackt werden muss.
