KI-Wochenrückblick: Die Woche, in der sich alles veränderte

KI-Wochenrückblick: Die Woche, in der sich alles veränderte

Ich wachte am Montagmorgen auf mit einer Benachrichtigung von einem Sicherheitsforscher, dem ich auf X folge. Er hatte etwas in Anthropics Content-Management-System gefunden — fast 3.000 unveröffentlichte Assets, die öffentlich zugänglich waren, darunter Blog-Entwürfe, die ein Modell beschrieben, das Anthropic als "bei Weitem das leistungsfähigste KI-Modell, das wir je entwickelt haben" bezeichnete. Bis Dienstag hatte Fortune die Geschichte. Bis Mittwoch hatte sie jeder.

Und das war nicht einmal die größte Nachricht der Woche.

Dies war eine jener Wochen, in denen jeder Morgen eine neue Ankündigung brachte, die in einer normalen Woche den gesamten Nachrichtenzyklus dominiert hätte. Aber diese Woche? Jeden Tag stapelte sich etwas obendrauf.

Ich verfolge nun seit zwei Jahren täglich KI-Entwicklungen, und dies ist vielleicht die dichteste Sieben-Tage-Periode, die ich erlebt habe. Nicht wegen eines einzelnen Durchbruchs, sondern weil sich alles gleichzeitig verschob — Modelle, Plattformen, Strategien und die zugrundeliegende Ökonomie der KI selbst.

Hier ist, was passiert ist, was es wirklich bedeutet, und was ich in meinem eigenen Workflow deshalb ändere.

Das Anthropic-Leak: Claude Mythos und Capybara sind real

Beginnen wir mit der Geschichte, die das Internet zerbrach — und es auf die ironischste Weise tat.

Sicherheitsforscher Roy Paz von LayerX Security und Alexandre Pauwels von der Universität Cambridge entdeckten exponierte Assets in Anthropics Contentful-Instanz — Produktmarketing-Material, interne Dokumentation und Modellbeschreibungen für unveröffentlichte Claude-Varianten.

Claude Mythos ist das Top-Modell. Die geleakten Entwürfe beschreiben es als einen "Quantensprung" in den Fähigkeiten, mit dramatischen Verbesserungen bei Reasoning, Coding und agentischem Verhalten. Interne Dokumente deuten darauf hin, dass Mythos möglicherweise so leistungsfähig ist, dass Anthropic die Veröffentlichung verzögert, während Sicherheitsbewertungen noch abgeschlossen werden.

Capybara sitzt zwischen Mythos und dem aktuellen Opus-Flaggschiff — eine neue Modellebene, die leistungsfähiger als Opus 4.6 ist, aber nicht das volle Sicherheitsrisikoprofil von Mythos trägt.

Hier ist, was dies wirklich bedeutsam macht und nicht nur interessanten Klatsch darstellt. Die geleakten internen Dokumente spezifizieren konkrete Benchmark-Verbesserungen — keine vagen Behauptungen über "bessere Leistung", sondern spezifische Bewertungszahlen über Coding-Assessments, agentische Aufgabenerfüllung und mehrstufiges Reasoning.

Die geplante Rollout-Strategie verrät alles darüber, wo Anthropic gedanklich steht. Sie könnten Zwischenversionen veröffentlichen, die als sicher genug eingestuft werden, während das vollständige Mythos-Modell in eingeschränkter Evaluation bleibt. So handeln Unternehmen nicht bei kleinen Verbesserungen — so handeln sie, wenn sie etwas haben, das ihre eigenen Bewertungsrahmen übersteigt.

Meine Einschätzung? Zwei Dinge fallen auf. Erstens, die Sicherheitsbedenken sind real und spezifisch — das ist kein vages Händewedeln über "potenzielle Risiken." Zweitens, die Tatsache, dass dies über eine CMS-Fehlkonfiguration geleakt wurde statt einer bewussten Ankündigung, zeigt, dass Anthropics interner Zeitplan für diese Modelle nicht mit ihrer öffentlichen Kommunikation übereinstimmte.

Wenn Sie etwas bauen, das von Claudes aktuellem Fähigkeitsplafond abhängt — agentische Workflows, automatisierte Sicherheitsanalyse, komplexe Schlussfolgerungsketten — beginnen Sie jetzt mit der Planung für einen signifikanten Sprung in dem, was möglich ist. Der Zeitplan ist unklar, aber die Richtung nicht.

Die Ironie, dass ein sicherheitsorientiertes KI-Unternehmen versehentlich die Details seines gefährlichsten Modells über eine CMS-Fehlkonfiguration leakt, schreibt sich von selbst. Aber die Implikationen sind ernst.

OpenAIs "Spud" — Und warum sie Sora getötet haben, um es zu bauen

Während alle Anthropics Leak analysierten, machte OpenAI Schritte, die genau zeigen, wohin sich ihre Prioritäten verschieben.

CEO Sam Altman schickte ein internes Memo — später berichtet von The Information — das ein neues Sprachmodell mit dem Codenamen "Spud" als Top-Priorität beschrieb, die "KI-Forschung bis zu dem Punkt beschleunigen wird, an dem sie zur Lösung der dringendsten Weltprobleme beitragen kann."

Aber hier ist der Teil, der mich aufhorchen ließ. Um Rechenkapazität für Spud und andere Prioritäten freizumachen, fährt OpenAI Sora herunter, ihr KI-Videogenerierungstool.

Sora — das KI-Videogenerierungstool, das mit enormem Hype gestartet war — erreichte seinen Höhepunkt bei etwa 3,3 Millionen Downloads im November 2025, brach aber bis März 2026 auf 600.000 ein. Die Wirtschaftlichkeit ergab nie Sinn — Videogenerierung ist rechnerisch extrem teuer, und die meisten Nutzer experimentierten, anstatt zu bezahlen.

Das strategische Signal ist unverkennbar. OpenAI wettet darauf, dass rohe Modellintelligenz — die Art, die "helfen kann, die dringendsten Weltprobleme zu lösen" — mehr wert ist als Content-Erstellungstools. Sie geben buchstäblich ihr am meisten viral vermarktetes Produkt auf, um Rechenbudget zu einem Sprachmodell zu verschieben.

Altman gab auch die direkte Aufsicht über OpenAIs Sicherheits- und Security-Teams ab, um sich auf "den Bau von Rechenzentren in beispiellosem Maßstab" zu konzentrieren. Diese Neuordnung — weniger Sicherheitsaufsicht, mehr Fokus auf Infrastruktur — erzählt ihre eigene Geschichte.

Für uns im Developer-Tools-Bereich ist Spud aus einem praktischen Grund wichtig: Es könnte als Fundament für OpenAIs nächste Generation von Codex dienen. Wenn Spud die Fähigkeitssprünge liefert, die Altman intern beschreibt, wird die Developer-Tooling-Landschaft in sechs Monaten ganz anders aussehen.

Apropos Codex — es bekam diese Woche ebenfalls ein großes Upgrade.

Codex bekommt Plugins: Vom Coding-Tool zur Ausführungsplattform

OpenAI führte ein Plugin-System für Codex ein, das es von einem isolierten Coding-Agenten in eine erweiterbare Plattform verwandelt.

Plugins in Codex sind keine einfachen Add-ons. Es sind installierbare Pakete, die Skills, App-Integrationen und MCP (Model Context Protocol) Server in wiederverwendbare Pakete bündeln. Denken Sie an den Unterschied zwischen einer App, die nur Fotos bearbeiten kann, und einer, die Plugins für RAW-Verarbeitung, Batch-Bearbeitungen und direkte Veröffentlichung auf zehn verschiedenen Plattformen unterstützt.

Was dies in der Praxis bedeutet: Codex ist nicht mehr nur ein Coding-Agent. Es wird zu einer Ausführungsumgebung, in der Sie spezialisierte Workflows installieren können, die zu Ihrem Tech-Stack, Ihren Teamprozessen und Ihrem persönlichen Produktivitätsstil passen.

Die Zahlen untermauern das Momentum. Codex erreichte 1,6 Millionen wöchentlich aktive Nutzer, teilweise getrieben durch den Start eines Plugin-Marktplatzes. Und diese Woche führte OpenAI ein Pay-per-Use-Modell für erweiterte Aufgaben ein — $0,02 pro 1K Token für schwere Workloads — womit die Reichweite über Abonnement-Stufen hinaus erweitert wird.

Dies ist ein direkter Angriff auf Claude Codes Plugin- und Skills-Ökosystem. Ich schrieb über Claude Codes Plugin-System früher diesen Monat, und der architektonische Ansatz unterscheidet sich erheblich — Claude Code stützt sich stärker auf MCP-Server und skill-basierte Prompts, während Codex ein containerartiges Paketmodell verwendet.

Meine ehrliche Einschätzung? Codex' Plugin-Ansatz ist für nicht-technische Nutzer polierter, die schlüsselfertige Workflows wollen. Claude Codes Ansatz ist leistungsfähiger für Entwickler, die benutzerdefiniertes Verhalten und tiefe Integrationen mit bestehenden Tool-Chains wollen.

Aber während die proprietären Labs um Plugins kämpften, passierte in der Open-Source-Welt etwas, das ernsthafte Aufmerksamkeit verdient.

GLM 5.1: Das Open-Source-Modell, das 94,6% von Opus erreicht

Z.ai (ehemals Zhipu AI) machte GLM 5.1 am 27. März für alle Coding-Plan-Nutzer verfügbar, und die Benchmark-Zahlen sind bemerkenswert.

Mit Claude Code als Testwerkzeug — was eine gut kontrollierte Vergleichsumgebung ist — erzielte GLM 5.1 45,3 Punkte im SWE-bench Coding-Test verglichen mit Claude Opus 4.6s 47,9 Punkten. Das sind 94,6% der Spitzenleistung, eine Lücke von nur 2,6 Punkten.

Ich testete das vorherige GLM 5 (Pony Alpha), als es erstmals als Stealth-Release auf OpenRouter erschien, und die Verbesserungen in 5.1 sind substanziell — besonders bei Context-Handling und Tool-Nutzung, den beiden Bereichen, in denen die Vorgängerversion am meisten strauchelte.

Die Preisgestaltung macht dies besonders interessant. GLM Coding-Pläne beginnen bei 3€/Monat Promotion, 10€/Monat Standard. Verglichen mit Claude Pro bei 20€/Monat oder Codex auf einem ähnlichen Niveau macht das Preis-Leistungs-Verhältnis es zu einer überzeugenden Alternative für viele Aufgaben, die keine absolute Spitzenleistung erfordern.

Z.ai hat GLM 5.1 noch nicht open-source gemacht, aber sie haben angedeutet, dass es kommt — und ihre Erfolgsbilanz stützt die Behauptung. GLM 4.9 wurde open-source, nachdem es sich als Premium-Angebot bewährt hatte. Wenn GLM 5.1 denselben Weg geht, bekommt die Open-Source-Gemeinschaft ein Modell, das nahezu gleichwertig mit den besten proprietären Optionen ist.

Die Lücke zwischen Open-Source- und proprietären KI-Modellen wird nicht mehr in Generationen gemessen. Sie wird in einstelligen Prozentzahlen gemessen.

Nun zu etwas völlig anderem — und aufrichtig Demütigendem.

ARC AGI 3: Die Benchmark, die jede KI dumm aussehen ließ

ARC AGI 3 startete am 25. März 2026, und es könnte die wichtigste Benchmark-Veröffentlichung des Jahres sein — nicht wegen dem, was KI kann, sondern weil es klar macht, was KI nicht kann.

Dies ist die erste interaktive Reasoning-Benchmark. Frühere Benchmarks testen, ob ein Modell Fragen beantworten oder Code generieren kann. ARC AGI 3 platziert KI-Agenten in neuartigen Umgebungen, die sie aktiv erkunden, implizite Ziele ableiten und Strategien durch Trial-and-Error entwickeln müssen — genau die Art von adaptivem Reasoning, das Menschen mühelos bewältigen.

Die Ergebnisse sind ernüchternd:

• Google Gemini 3.1 Pro: 0,37%
• OpenAI GPT 5.4: 0,26%
• Anthropic Opus 4.6: 0,25%
• Menschen: 100%

Lesen Sie diese Zahlen nochmal. Das beste KI-System der Welt — Googles Flaggschiff-Modell — löste weniger als ein halbes Prozent der Aufgaben, die untrainierte Menschen routinemäßig bewältigen.

Der Preispool beträgt 850.000$ für das erste System, das 85% bei ARC AGI 3 erreicht — ein Ziel, das angesichts der aktuellen Ergebnisse unmöglich weit entfernt scheint.

Warum ist dies über akademisches Interesse hinaus wichtig? Weil ARC AGI 3 etwas fundamental Anderes misst als das, worin aktuelle KI-Systeme gut sind. GPT 5.4, Opus 4.6, Gemini 3.1 — sie sind alle außerordentlich gut in Mustererkennung und Wissensabruf. Aber wenn sie mit wirklich neuartigen Situationen konfrontiert werden, die Exploration und Anpassung erfordern, versagen sie katastrophal.

Dies ist die Lücke zwischen "KI, die bekannte Aufgaben automatisiert" und "KI, die wirklich neuartige Situationen bewältigen kann." Jedes Frontier-Lab jagt Letzteres. Keines ist in der Nähe.

Für Praktiker ist dies ein nützlicher Realitätscheck. Die KI-Tools, die wir verwenden — Claude Code, Codex, Gemini — sind außerordentlich gut in dem, was sie tun. Aber was sie tun, ist fundamental anders als universelles Reasoning. Planen Sie Ihre Workflows entsprechend.

Dennoch ist Googles Position an der Spitze selbst dieser brutalen Benchmark erwähnenswert. Was uns zu ihrer anderen großen Neuigkeit dieser Woche bringt.

Gemini 3.1 Flash Live: Echtzeit-Sprache und Vision geht live

Google DeepMind veröffentlichte Gemini 3.1 Flash Live, ein neues Mitglied der Gemini-Familie, speziell für Echtzeit-Sprach- und Vision-Interaktionen entwickelt.

Flash Live ist ein Echtzeit-multimodales Sprach- und Vision-Modell. Es verarbeitet Audio nativ — nicht durch Transkription, sondern indem es Klang als erstklassige Eingabe behandelt. Es kann gleichzeitig durch Kamera oder Bildschirmfreigabe sehen. Und es antwortet mit einer Latenz, die niedrig genug ist, um in einem Gespräch natürlich zu wirken.

Die praktische Implikation: Sie können jetzt konversationelle KI-Agenten bauen, die in Echtzeit sehen und hören, mit einer Latenz, die niedrig genug für natürliche Interaktion ist. Dies erschließt Anwendungsfälle, die bisher theoretisch waren — Pair Programming, bei dem die KI Ihren Bildschirm sieht, Kundenservice, der Produktprobleme visuell diagnostizieren kann, Lernassistenten, die mit physischen Materialien arbeiten können.

Google sagt, sie haben über ein Jahr auf Infrastruktur und Entwicklererfahrung für diese Veröffentlichung fokussiert. Das Modell unterstützt 1 Million Token Kontext, Echtzeit-Streaming und native Tool-Nutzung — was bedeutet, es kann externe APIs mitten in einem Gespräch aufrufen, ohne den Fluss zu unterbrechen.

Ich habe noch nichts mit Flash Live gebaut — es startete vor zwei Tagen — aber ich sehe bereits drei Anwendungsfälle, die ich testen möchte: einen Echtzeit-Code-Review-Assistenten mit Bildschirmfreigabe, einen mehrsprachigen Kundenservice-Agenten mit Sprachverarbeitung und ein interaktives Tutorial-Tool, das sehen kann, was ich tue.

Wenn Sie etwas mit Sprach- oder Video-Interaktion bauen, ist dies das Modell zum Beobachten. Die Kombination aus nativer Audioverarbeitung, Vision und Niedrig-Latenz-Reaktion in einem Modell — statt mehrerer miteinander verketteter Modelle — ist architektonisch sauberer als alles bisher Verfügbare.

Claude Code: Drei Updates, die meinen täglichen Workflow verändern

Anthropic lieferte diese Woche drei Claude Code-Updates aus, die ich bereits täglich nutze. Lassen Sie mich jedes einzelne durchgehen.

Auto-Fix in der Cloud

Dies ist das Update, das wirklich verändert hat, wie ich mit Pull Requests arbeite. Claude Code kann jetzt Ihre PRs remote überwachen und CI-Fehler automatisch beheben — selbst wenn Sie nicht am Schreibtisch sitzen.

Wenn CI fehlschlägt, liest Claude den Fehler, untersucht die Ursache, pusht einen Fix und erklärt, was es getan hat. Bei klaren Reparaturen ist der Zyklus PR einreichen → Fix gepusht → Tests bestanden — ohne menschliches Eingreifen.

Ich reichte am Mittwochnachmittag drei PRs ein und ging kochen. Als ich zurückkam, waren zwei grün — Claude hatte einen Type-Hint-Fehler und einen fehlenden Import behoben, ohne dass ich hinschauen musste.

Die Zeitersparnis ist real, aber der größere Gewinn ist die Eliminierung von Kontextwechseln. Der PR-Review-Zyklus fragmentierte früher meine produktiven Stunden — Code schreiben, einreichen, auf CI warten, zurückwechseln, fixen, erneut einreichen. Jetzt ist es: einreichen und weitermachen.

Auto Mode

Am 24. März gestartet, führt Auto Mode einen eingebauten KI-Classifier ein, der jede Anfrage vor der Ausführung bewertet und automatisch genehmigt, was er als sicher einstuft.

Dies ist der Mittelweg zwischen "jede Aktion genehmigen" (sicher aber erschöpfend) und "alle Berechtigungen überspringen" (schnell aber gefährlich). Der Classifier bewertet, ob eine Aktion nur lesend ist, Dateien ändert, Netzwerkzugriff hat oder Systembefehle ausführt — und passt seine Schwellenwerte entsprechend an.

Anthropic ist angemessen vorsichtig — es ist eine Forschungsvorschau, verfügbar für Team-Pläne, mit Enterprise- und API-Zugang später. Aber selbst in der frühen Form ist es eine spürbare Produktivitätsverbesserung für repetitive Aufgaben, bei denen man sonst durch Dutzende "Erlauben Sie dies?"-Abfragen klicken würde.

Spitzenzeiten-Sitzungslimits

Das weniger aufregende, aber praktisch wichtige Update: Anthropic passte die Sitzungslimits während der Spitzenzeiten an für Claude Code-Nutzer. Während Zeiten hoher Nachfrage erreichen Sie die Limits möglicherweise früher.

Der Silberstreif? Nebenzeiten bekamen eine temporäre Promotion — verdoppelte Nutzungslimits — die bis zum 28. März lief. Mein Workflow verschob sich dahin, schwere Agent-Aufgaben auf Abende und Wochenenden zu planen, was ehrlich gesagt gut dazu passt, wie ich Deep Work bereits strukturiere.

Wenn Sie lieber jemanden haben möchten, der einen Claude Code-Workflow mit Auto-Fix, Auto Mode und optimiertem Sitzungsmanagement für Ihre Teamumgebung einrichtet, kontaktieren Sie mich über Fiverr — ich habe dies mittlerweile für mehrere Teams gemacht.

Die Nebenrollen: Fünf weitere Geschichten, die es wert sind, verfolgt zu werden

Nicht jede Geschichte dieser Woche war eine Schlagzeile, aber mehrere verdienen eine Erwähnung, weil sie in den kommenden Wochen wichtiger werden.

Mistrals Voxtral TTS — Open-Weight-Stimme, die ElevenLabs Konkurrenz macht

Mistral veröffentlichte Voxtral TTS am 26. März, ein 4 Milliarden Parameter Open-Weight Text-to-Speech-Modell mit mehrsprachiger Unterstützung, emotionaler Kontrolle und Sprachqualität, die mit Premium-geschlossenen Diensten konkurriert.

Das entscheidende Detail: Mistral veröffentlicht die vollständigen Modellgewichte. Sie können Voxtral TTS herunterladen, auf Ihren eigenen Servern betreiben und Sprache generieren ohne Pro-Request-API-Kosten. Für Hochvolumen-Anwendungen — Podcast-Produktion, Voice-Agent-Deployment, Content-Narration — ist der Kostenvorteil gegenüber API-basierten TTS-Diensten substanziell.

Anthropics Operon — Claude bekommt ein Biologielabor

Operon ist ein neuer dedizierter Modus in der Claude Desktop-App, speziell für Biologie- und Gesundheitsforschung entwickelt. Er enthält spezialisierte Werkzeuge, Referenzdatenbanken und Workflow-Integrationen speziell für Life-Sciences-Anwendungen.

Dies signalisiert Anthropics Vorstoß in vertikale KI-Anwendungen. Zusammen mit Partnerschaften mit dem Allen Institute und Howard Hughes Medical Institute deutet es darauf hin, dass Claudes Verbraucherprodukt weniger generalistisch und mehr domänenspezifisch wird — mit spezialisierten Modi für verschiedene Fachgebiete.

ElevenLabs CLI wird Agent-First

ElevenLabs rollte umfassende Updates für seine CLI im März aus und machte sie nativ integrierbar mit KI-Agent-Frameworks. Sie können jetzt Sprachgenerierung, Stimmklonierung und Audiokonvertierung direkt aus Agent-Pipelines aufrufen — ohne die Web-UI zu berühren.

Für jeden, der automatisierte Audio-Workflows baut — Podcast-Produktion, Voice-Agent-Deployment, Content-Narration — ist dies die Integration, die Sie brauchen. Besonders jetzt, da Open-Weight-Alternativen wie Voxtral die Preislandschaft wettbewerbsfähiger machen.

Der Cursor Composer 2-Skandal

Dies ist eine Geschichte, die langsam hochkocht. Am 19. März startete Cursor Composer 2 mit der Behauptung, es habe 61,7 auf Terminal-Bench 2.0 erzielt — und damit Claude Code und Codex geschlagen. Das Team vermarktete es als neues proprietäres Modell, das auf ihren eigenen Daten aufgebaut sei.

Dann entdeckte ein Entwickler namens Fynn etwas. Die API-Antworten von Composer 2 enthielten Metadaten, die mit Moonshots Kimi K2.5 übereinstimmten — was darauf hindeutet, dass Cursors "proprietäres" Modell tatsächlich ein lizenziertes (oder möglicherweise nicht lizenziertes) Open-Weight-Modell mit einer benutzerdefinierten Hülle darum ist.

Das Lizenzproblem? Kimi K2.5s Modified MIT License erfordert, dass jedes kommerzielle Produkt mit über 20 Millionen Dollar monatlichem Umsatz eine separate kommerzielle Lizenz erwirbt. Cursors Finanzierungsrunde bewertet sie mit über 10 Milliarden Dollar. Die Mathematik wird kompliziert.

Diese Geschichte ist über das Drama hinaus wichtig. Sie zeigt, wie die Grenzen zwischen "proprietären" und "Open-Source"-Modellen auf Weisen verschwimmen, die rechtliche und ethische Fragen aufwerfen, die die Branche noch nicht gelöst hat.

Soras stiller Tod

Ich habe die Sora-Abschaltung bereits im Kontext von OpenAIs Spud-Pivot behandelt, aber es ist erwähnenswert, den Zeitplan für alle zu notieren, die Workflows darum herum aufgebaut hatten: Web- und Mobile-Apps werden Mitte April abgeschaltet. Exportieren Sie Ihre Arbeit jetzt.

Was diese Woche wirklich bedeutet — Meine Einschätzung

Treten Sie von den einzelnen Geschichten zurück, und drei Muster werden sichtbar.

Muster 1: Die Fähigkeitsdecke steigt schnell, aber ungleichmäßig. Mythos und Spud deuten darauf hin, dass die nächste Generation von Frontier-Modellen signifikant leistungsfähiger sein wird als das, was wir jetzt haben. Aber ARC AGI 3 zeigt, dass "leistungsfähiger" nicht "wirklich intelligent" bedeutet — die Lücke im adaptiven Reasoning bleibt enorm.

Muster 2: Die Open-Source-Lücke ist fast geschlossen. GLM 5.1 bei 94,6% von Opus. Voxtral TTS, das ElevenLabs gleichkommt. Kimi K2.5, das so gut ist, dass proprietäre Unternehmen es heimlich nutzen. Die Frage ist nicht mehr, ob Open Source konkurrieren kann — es ist, ob proprietäre Labs einen Premium-Mehrwert rechtfertigen können, wenn kostenlose Alternativen 95% davon liefern.

Muster 3: Der KI-Markt konsolidiert sich um Sprachmodelle. OpenAI tötete sein Videoprodukt, um sich auf Sprache zu konzentrieren. Anthropic baut spezialisierte Modi um Claude. Google investiert in Echtzeit-Multimodalität als Erweiterung von Sprache. Die Wetten konvergieren.

Für meinen eigenen Workflow, hier ist, was ich diese Woche ändere:

1. Umgestellt auf Auto Mode in Claude Code in Docker-Containern für alle Nicht-Produktionsarbeit
2. PR Auto-Fix aktiviert für drei aktive Repositories — wodurch ich etwa 30-40 Minuten pro Tag an Kontextwechsel zurückgewinne
3. Begonnen GLM 5.1 zu testen über den Coding Plan für Hochvolumen-, Niedrigrisiko-agentische Aufgaben, wo 94,6% Genauigkeit ausreicht
4. ARC AGI 3-Leaderboard gespeichert als Realitätscheck, wann immer KI-Hype zu laut wird

Eine Woche. Acht große Entwicklungen. Und wir sind erst drei Monate in 2026.

Die Frage, auf die ich immer wieder zurückkomme, ist nicht, ob KI sich schnell bewegt — das ist offensichtlich. Die Frage ist, ob wir Workflows bauen, die sich mitbewegen, oder ob wir Strukturen aufbauen, die bei jedem Sprung neu erfunden werden müssen.

Diese Woche hat die nächste Welle deutlich sichtbarer gemacht.

Häufig gestellte Fragen

Was ist Claude Mythos und wann wird es veröffentlicht?

Claude Mythos ist Anthropics noch nicht veröffentlichtes KI-Modell der nächsten Generation, versehentlich durch einen CMS-Konfigurationsfehler enthüllt. Interne Dokumente beschreiben es als einen "Quantensprung" in den Fähigkeiten mit signifikanten Verbesserungen bei Reasoning, Coding und agentischem Verhalten. Es gibt kein bestätigtes Veröffentlichungsdatum — Anthropic hält es in Evaluation, während Sicherheitsbewertungen abgeschlossen werden.

Wie unterscheidet sich ARC AGI 3 von früheren KI-Benchmarks?

ARC AGI 3 ist die erste interaktive Reasoning-Benchmark, die erfordert, dass KI-Agenten neuartige Umgebungen erkunden, Ziele ableiten und Strategien durch Trial-and-Error entwickeln. Im Gegensatz zu traditionellen Benchmarks, die Wissen oder Codegenerierung testen, misst es adaptives Reasoning — die Art des Denkens, das Menschen mühelos bewältigen, bei dem KI jedoch katastrophal versagt (das bestbewertete Modell erreichte nur 0,37%).

Ist GLM 5.1 Open Source?

GLM 5.1 ist zum 28. März 2026 noch nicht Open Source, aber Z.ai hat eine bevorstehende Open-Weight-Veröffentlichung signalisiert. Das Modell ist derzeit über Coding-Pläne (3-10€/Monat) verfügbar und erreicht 94,6% von Claude Opus 4.6s Coding-Leistung — was es zum leistungsfähigsten Open-Weight-Track-Modell macht, das verfügbar ist.

Was ist mit OpenAIs Sora-App passiert?

OpenAI fährt Sora herunter, um Rechenressourcen auf sein neues "Spud" Sprachmodell umzuleiten. Die Sora Web- und Mobile-Apps werden Mitte April 2026 abgeschaltet. Nutzer sollten ihre Arbeit vor der Schließung exportieren.

Was ist Claude Code Auto Mode?

Claude Code Auto Mode, gestartet am 24. März 2026, nutzt einen eingebauten KI-Sicherheitsclassifier, um automatisch Niedrigrisiko-Aktionen zu genehmigen, während für Operationen mit höherem Risiko weiterhin eine Bestätigung verlangt wird. Es ist als Forschungsvorschau für Team-Pläne verfügbar, mit Enterprise-Verfügbarkeit zu einem späteren Zeitpunkt.

Lassen Sie uns zusammenarbeiten

Sie möchten KI-Systeme aufbauen, Workflows automatisieren oder Ihre technische Infrastruktur skalieren? Ich helfe gerne.

• Fiverr (Individuallösungen & Integrationen): fiverr.com/s/EgxYmWD
• Portfolio: mejba.me
• Ramlit Limited (Enterprise-Lösungen): ramlit.com
• ColorPark (Design & Branding): colorpark.io
• xCyberSecurity (Sicherheitsdienste): xcybersecurity.io