Coding-Modelle

Ein Prompt von David Crawshaw demonstriert, wie KI-Agenten Code-Updates automatisch verwalten können – und wirft die Frage auf, ob kritische Entwickler-Tools wirklich proprietär sein dürfen.

Claude und ähnliche LLMs senken die Hürde für das Verständnis und die Modifikation von fremdem Code dramatisch – eine These, die das klassische Open-Source-Ideal in neuem Licht erscheinen lässt.

Claude und andere LLMs ermöglichen es Programmierern erstmals praktisch, Open-Source-Tools zu verstehen und anzupassen – ohne die frühere Einstiegsreibung.

OpenAI-Mitgründer Andrej Karpathy nutzt Claude Opus 5 für seine neuen „Vibe-Tests": Herr-der-Ringe-Text rein, Browser-3D-Szene raus – ein cleverer Check für echte KI-Fähigkeiten.

Ein Enthusiast testet das Frontier-Modell DeepSeek V4 Flash lokal auf Multi-GPU-Hardware und bewertet die Performance anhand standardisierter Aufgaben.

Coding-Agenten können marode Wissenschaftssoftware bis zu 60-fach schneller erneuern, doch Forscher müssen Fehler mühsam überprüfen.

Das neue Open-Weights-Reasoning-Modell Inkling Small ist ein Drittel kleiner als sein Vorgänger, übertrifft ihn aber bei Coding- und Reasoning-Aufgaben.

Ein Fine-Tune von Qwens 27B-Modell, das mit erweitertem Chain-of-Thought-Reasoning für Coding-Aufgaben optimiert wurde.

OpenAI entwickelt einen tragbaren Sprachassistenten, während sich KI-Engineering fundamental verschiebt – von klassischen IDEs zu Coding-Agenten und Workflows mit menschlicher Kontrolle.

OpenAI stellt das Sicherheits-Tool Codex Security CLI als Open Source bereit, das automatisch Schwachstellen in Code aufspürt und behebt – ein direkter Schachzug gegen Anthropic und eine Antwort auf KI-gestützte Cyberattacken.

Poolsides neues Coding-Modell mit 118 Milliarden Parametern übertrifft Systeme, die zehnmal so groß sind – nicht wegen seiner Architektur, sondern durch clevere Trainings- und Optimierungstechniken.

KI-Coding-Agenten beschleunigen Softwareentwicklung und wissenschaftliche Entdeckungen in Genomik und darüber hinaus.

Cursors neue Agenten-Schwarm-Architektur mit getrennten Planer- und Arbeiter-Rollen meistert komplexe Coding-Aufgaben wie SQLite-Neubau in Rust fehlerlos, wo das alte System an Merge-Konflikten scheiterte.

Astral hat Ruff mit 413 statt 59 Standardregeln ausgestattet – und macht dabei die Arbeit für KI-Agenten leichter.

Anthropics Claude Opus 5 führt die KI-Benchmark-Rankings an und unterbietet dabei Konkurrenz-Modelle deutlich im Preis, besonders im Coding- und Analytics-Bereich.

Ein praktischer Test zeigt: Das chinesische Spitzenmodell Kimi K3 glänzt zwar in Benchmarks, scheitert in der Realität aber bei anspruchsvollen Engineering-Aufgaben häufiger als geschlossen entwickelte Konkurrenten.

Ein neues Coding-Modell des Startups Poolside beweist, dass intelligenteres Verhalten statt mehr Parameter bessere Ergebnisse bringt – sogar bei einem alten Mathe-Problem.

Moonshot hat mit Kimi K3 ein riesiges Open-Weight-Modell mit 2,8 Billionen Parametern veröffentlicht – die Frage ist, ob es auch liefert.

Cisco veröffentlicht zwei kleine, offene KI-Modelle, die Schwachstellen im Code 150-mal kosteneffektiver als große KI-Agenten aufdecken.

Anthropic-Teams berichten, wie KI-Coding-Agenten ihren Arbeitsalltag transformieren und welche Best Practices sich beim Einsatz von Claude durchgesetzt haben.