Coding-Modelle

MicroPython läuft jetzt als WebAssembly-Build – eine Sandbox-Lösung für isolierte Python-Code-Ausführung mit Wasmtime.

JetBrains veröffentlicht Mellum2, ein 12-Milliarden-Parameter-Modell mit Mixture-of-Experts-Architektur, das Programmieraufgaben effizient bewältigen soll.

Ein bekanntes Benchmark-System für Software-Engineering-KI-Modelle wird als obsolet erklärt – möglicherweise weil neue Systeme es übertroffen haben.

Ein praktisches Framework zeigt, wie man Coding-Agenten wirklich beobachtet und vergleicht – und damit endlich sieht, was sie kosten und ob sie lohnen.

Das chinesische Unternehmen MiniMax stellt M3 vor – ein offenes Modell, das Coding-Leistungen auf Spitzenniveau mit massivem Kontextfenster, Multimodalität und deutlich besserer Effizienz kombiniert.

Entwickler ersetzt Claude durch Hermes Agent und DeepSeek V4 Flash im Self-Hosting – bei gleicher Leistung 5x günstiger und mit 24/7-Verfügbarkeit.

Eine Anthropic-Studie zeigt: Forscher mit männlichen Namen verwenden Coding-Agenten wie Claude Code mehr als doppelt so oft wie Kolleginnen – auch bei gleicher Fachkompetenz.

Entwickler Simon Willison zeigt, wie man Python ASGI-Anwendungen vollständig im Browser via Pyodide und WebAssembly laufen lässt – mit Hilfe von Claude Opus als Coding-Partner.

OpenAIs Codex kann nun eigenständig Windows-Programme steuern, testen und debuggen – eine bedeutende Ausweitung der KI-Fähigkeiten auf lokale Desktops.

Salesforce hat seine gesamte Entwicklung auf Anthropics Claude Code umgestellt und berichtet von massiven Produktivitätsgewinnen – doch unabhängige Überprüfung bleibt aus.

Anthropics neues Flaggschiff-Modell Opus 4.8 glänzt vor allem durch höhere Zuverlässigkeit und Ehrlichkeit beim Code – ein Fokus auf praktische Verbesserungen statt Benchmark-Rekorde.

DeepSWE-Benchmark offenbart Leistungslücken bei komplexen Coding-Aufgaben, während Tokenknappheit und Finanzierungsdruck das Marktmodell unter Druck setzen.

Braintrust-Ingenieure setzen Codex mit GPT-5.5 ein, um Experimente durchzuführen und schneller Code zu schreiben.

Ein praktisches Tutorial zur Performance-Analyse von PyTorch-Modellen mit dem nativen Profiling-Tool torch.profiler.