23 geprüfte Beiträge zu KI-Forschung, Produkten und Branchenentwicklungen.
Anthropic öffnet Claude-Nutzungsdaten für Stanford, Oxford und METR sowie ein Datenschutz-Audit durch Imperial College London; mehr als die Hälfte der Gespräche betrifft folgenreiche Aufgaben.
Ein Test von Hume AI mit 11 ASR-Modellen zeigt: Die niedrigste Fehlerrate fällt oft mit der höchsten Quote an übernommenen Referenzfehlern zusammen – ein Warnsignal für die Modellauswahl in der Produktion.
In einem zwölfseitigen arXiv-Artikel warnt Terence Tao: Wenn KI-Beweise nur noch Dutzende bis Hunderte Dollar kosten, wird nicht der Beweis, sondern der Mensch, der ihn versteht, zur Mangelware.
Prime Intellect ließ 18 KI-Modelle 153 autonome nanoGPT-Experimente durchführen: Das beste Modell schließt 82 % der Lücke zum Menschen, doch neue Methoden lieferte keines.
Anthropic veröffentlicht Testergebnisse: Claude entwirft Bindemoleküle für 15 Proteinziele mit einer Trefferquote weit über dem Branchendurchschnitt – mit einem gewöhnlichen Dialogmodell statt eines Spezialtools.
Aureka Biotechnologies finanziert mit einer Series B über 100 Millionen Dollar biologische Basismodelle und eine Wet-Lab-Feedbackschleife.
Anthropic sagt, eine unveröffentlichte Claude-Forschungsversion habe eine Untergrenze zu Riemann-Zeta-Nullstellen von 41,6% auf 67,2% verbessert.
BigBang-V1 macht synthetische Daten zu einer Agenten-Schleife aus Aufgabenbau, Loesung, Pruefung und Filterung.
OpenAI stellt Astra mit zehn Ergebnissen in Mathematik und theoretischer Informatik vor, samt 249-seitigem Paper, Lean-Zertifikaten und Reasoning-Walkthroughs.
Google ATLAS analysiert 14,65 Millionen Gemini-Interaktionen und zeigt breite KI-Nutzung, aber geringe Aufgabentiefe und begrenzte Automatisierung.
Eine Nature-Studie von MIT, Cambridge, Princeton und Partnern legt nahe, dass Menschen neue Spiele mit schneller, flacher und zielgerichteter Simulation verstehen, nicht mit tiefer Suche.
Oak Lab setzt ein 20-Watt-Ziel für kontinuierlich lernende Agenten. Der Beitrag ordnet die überprüften Fakten und die Bedeutung über die einzelne Meldung hinaus ein.
GPT-5.6 liefert einen Graphentheorie-Beweis. Eine knappe Einordnung der geprüften Fakten und des Branchensignals dahinter.
ICML 2026 zeichnet zwei Diffusionsarbeiten aus wird für deutschsprachige Tech-Leser eingeordnet, mit den wichtigsten Zahlen und offenen Prüfpunkten.
Anthropic startet Claude Science für Laborarbeit. Der Beitrag ordnet Bericht, Kennzahlen, Aussagen der Unternehmen und die Folgen für Markt oder Regulierung ein.
Anthropic stellt Claude Science als prüfbare Workbench vor。
Die Entwicklung zeigt, dass KI-Wettbewerb nicht nur über Modelle oder Tools entschieden wird, sondern über Kapital, Kundeneinsatz und regulatorische Belastbarkeit.
OpenAI sagt nun, vollständige Automatisierung sei nicht die gewünschte Zukunft, und verschiebt die Sprache vom autonomen KI-Forscher zur Zusammenarbeit.
Der Reinforcement-Learning-Pionier sieht bei Next-Token-Modellen fehlende Kausalität, Experimente und eigene Erfahrung.
Aletheia, die neueste Mathematik-KI von DeepMind, hat 6 von 10 unveröffentlichten Forschungsproblemen aus der FirstProof-Challenge gelöst. Fünf Lösungen wurden von externen Experten als „nach geringfügigen Änderungen veröffentlichungsreif" eingestuft.
Fei-Fei Lis World Labs setzt auf räumliche Intelligenz. Der Beitrag ordnet die Ankündigung, den strategischen Kontext und die praktischen Risiken für betroffene Nutzer oder Unternehmen ein.
Google hat die Notebooks-Funktion in Gemini eingeführt und NotebookLM direkt in den Hauptworkflow des KI-Assistenten integriert, während Deep Research angebunden wird, um persönliches Wissen zu verwalten.
Yann LeCun gründet AMI Labs, schließt eine Seed-Finanzierung von 1,03 Milliarden US-Dollar bei einer Bewertung von 3,5 Milliarden US-Dollar ab und will eine KI bauen, die nicht auf der Vorhersage des nächsten Wortes basiert.