Anthropic zeigt Claude Duet, Meta veröffentlicht Muse Spark Open

Anthropic hat Claude Duet am 21. Oktober 2026 als Research Preview vorgestellt.¹ Der Assistent basiert auf Claude Opus 5.5 und arbeitet in einer virtuellen Maschine mit eigenem Browser weiter, ohne dass das Gerät des Nutzers eingeschaltet bleiben muss.¹ In den USA können sich Abonnenten von Pro und Max für den Zugang vormerken lassen.² Duet erstellt morgendliche Übersichten, überwacht verbundene Dienste und meldet sich, wenn eine Entscheidung nötig ist.¹

Anthropic nennt Terminplanung, Prognosen sowie die Erstellung von Dashboards und Webanwendungen als Einsatzfälle.¹ Über eine Integration mit Stripe kann Duet nach Freigabe auch Einkäufe per virtueller Karte abwickeln.³ Das Produkt zielt damit auf Arbeitsabläufe, die sich über mehrere Anwendungen erstrecken. Für sensible Aktionen wie das Senden von Nachrichten, Zahlungen oder das Löschen von Dateien ist eine Freigabe nötig.¹² Ob sich solche Abläufe im Alltag bewähren, bleibt während der begrenzten Vorschau offen.

Meta hat Muse Spark Open am 15. Oktober 2026 veröffentlicht und die Modellgewichte zum Download bereitgestellt.¹ Das Open-Weight-Modell hat 816 Milliarden Parameter, von denen pro Token etwa 42 Milliarden aktiv sind.¹² Es verarbeitet Text, Bilder, Audio und Video und gibt Text aus.² Meta richtet es auf Programmierung, Werkzeugnutzung und mehrstufige Agentenaufgaben aus.¹² Zusätzlich ist es über mehrere API-Anbieter verfügbar.¹

Das Modell gehört zur Muse-Reihe und folgt auf Muse Glimmer.² Meta arbeitet mit Apple daran, die lokale Ausführung mit MLX zu optimieren.¹ Dafür ist spezielle Hardware vorgesehen, kein gewöhnlicher Mac.¹³ Die Muse Model License begrenzt unter anderem den kommerziellen Weiterverkauf als gehosteten Dienst.⁴ Metas veröffentlichte Benchmarkwerte zeigen Ergebnisse aus eigenen Tests, aber keine unabhängig bestätigte Leistung in realen Arbeitsabläufen.⁴

OpenAI und Google Cloud haben am 21. Oktober angekündigt, OpenAI-Modelle und agentenbasierte Codex-Workflows über Google Cloud anzubieten. Die Modelle werden in Model Garden aufgenommen; Unternehmen sollen dabei die Infrastruktur, Zugriffskontrollen und Datenverwaltung von Google Cloud nutzen können. Der Zugang startet für ausgewählte Unternehmenskunden als private Vorschau. Der Kauf soll über Google Cloud Marketplace möglich sein. Eine allgemeine Verfügbarkeit ist für die kommenden Wochen geplant, ein fester Termin fehlt.¹²

Außerdem sollen OpenAI-Modelle künftig in Google Antigravity und Gemini Agent verfügbar sein; diese Integrationen sind noch nicht abgeschlossen.¹² Das Angebot erweitert die Modellauswahl für Google-Cloud-Kunden und schafft einen zusätzlichen Vertriebsweg für OpenAI. Microsoft bleibt laut OpenAI dessen wichtigster Cloud-Partner.¹ Preise, unterstützte Regionen und verbindliche Leistungszusagen wurden nicht veröffentlicht.¹²

Zwei kritische Schwachstellen in PHP können unter bestimmten Bedingungen eine Ausführung von Code aus der Ferne ohne Anmeldung ermöglichen.¹² Wiz nutzte bei der Suche und Prüfung OpenAIs GPT-5.6 Sol, Googles Gemini 4 Argon und seinen Atlas-Agenten.² Die Sicherheitsfirma Calif hatte die Fehler laut AFP bereits im August bei einer von OpenAI finanzierten Codeprüfung gefunden.² PHP veröffentlichte am 21. Oktober Sicherheitsupdates.¹

Die Fehler betreffen die Speicherverwaltung und lassen sich zu einer Angriffskette verbinden.¹³ Palo Alto Networks ermittelte mehr als 22,6 Millionen öffentlich erreichbare Instanzen, die möglicherweise verwundbar sind; das ist keine Zahl bestätigter Angriffe.² Angriffsversuche wurden bereits gemeldet.¹² Für Betreiber ist deshalb entscheidend, betroffene Installationen zu aktualisieren und öffentlich erreichbare Systeme zu prüfen.

DeepSeek hat DeepInfer am 20. Oktober 2026 als Open-Source-Software veröffentlicht. Das Unternehmen nutzt das Framework nach eigenen Angaben für seine produktiven Inferenzdienste.¹² Die erste öffentliche Fassung ist auf Offline-Inferenz für DeepSeek-V4.1-Flash ausgelegt. Sie enthält unter anderem optimierte Rechenkerne, verteilte Inferenz und spekulatives Decoding.¹³ Mit deepseek-recipe stellt DeepSeek zudem eine Komponente bereit, die die Tokenverarbeitung der offiziellen API in eigenen Installationen nachbilden soll.²

DeepSeek will damit Rechenkosten und Energieverbrauch senken. Wie groß mögliche Einsparungen ausfallen, belegt die Ankündigung nicht mit Messwerten oder unabhängigen Tests.² Der veröffentlichte Code ist zudem kein vollständiges System für Online-Dienste: KV-Cache-Verwaltung, die Trennung von Prefill und Decode sowie Lastverteilung für Datenparallelität fehlen laut einer Analyse des Releases.⁴ Unternehmen müssen deshalb sowohl den Nutzen als auch den Integrationsaufwand für ihre eigenen Workloads prüfen.

DeepSeek hat am 17. Oktober 2026 sein Modell V4.1 Flash aktualisiert. DeepSeek-V4.1-Flash-1017 ist unter dem bestehenden API-Namen deepseek-flash verfügbar; bestehende Integrationen benötigen laut API-Dokumentation keine Codeänderung.¹ Die Modellgewichte wurden unter der MIT-Lizenz veröffentlicht.² Zugleich öffnete DeepSeek Search und Fetch als öffentliche APIs: Search liefert Websuchergebnisse, Fetch ruft einzelne Seiten ab.³⁴

Die Endpunkte können Coding-Agenten bei der Webrecherche unterstützen. Sie sind jedoch nicht generell kostenlos: Eigenständige Search- und Fetch-Aufrufe kosten jeweils 0,75 US-Dollar pro 1.000 erfolgreiche Anfragen.³ Nur serverseitige Aufrufe über DeepSeek Harness, Claude Code und Codex sind für DeepSeek-API-Nutzer vorübergehend kostenfrei.³ Wer die Dienste in Agenten einbindet, sollte deshalb zwischen diesem befristeten Angebot und den regulär berechneten API-Aufrufen unterscheiden.

NVIDIA hat am 15. Oktober Nemotron 3.5 Super VL veröffentlicht, ein multimodales Modell mit offenen Gewichten für KI-Agenten. Es verarbeitet Text, Bilder, Dokumente und Videos und soll Schlussfolgern, Anweisungen und den Einsatz von Werkzeugen in einem Modell verbinden.¹² NVIDIA stellt es über Hugging Face, OpenRouter, ModelScope und NVIDIA NIM bereit; vorgesehen ist auch der Einsatz auf Workstations und in Rechenzentren.¹

Das Modell richtet sich unter anderem an Abläufe, in denen Agenten Tabellen, Diagramme oder Webseiten auswerten.¹ NVIDIA bewirbt einen bis zu fünfmal höheren Durchsatz gegenüber anderen offenen Modellen ähnlicher Größe. Der Vergleich stammt vom Hersteller und ist durch die angeführten Quellen nicht unabhängig bestätigt.¹ Für den Einsatz in Unternehmen sind daher eigene Tests mit den vorgesehenen Dokumenten und Videos wichtig.

Inception hat Mercury 3 am 19. Oktober 2026 vorgestellt. Das Sprachmodell ist für Anwendungen gedacht, bei denen kurze Antwortzeiten wichtig sind, und ist über die Inception API, Baseten, OpenRouter und Vercel verfügbar.¹ Anders als autoregressive Modelle erstellt es mehrere Teile einer Antwort parallel und überarbeitet sie anschließend.² Inception gibt auf NVIDIA-GPUs eine Geschwindigkeit von 1.068 Tokens pro Sekunde an.²

Damit rückt neben der Qualität auch die Wartezeit als Auswahlkriterium für Sprachmodelle in den Vordergrund. In Inceptions Vergleich erreichte Mercury 3 in acht von zwölf Tests den besten Wert gegenüber GPT-6 Luna und Claude Haiku 5.5; andere Tests gewannen die Konkurrenzmodelle.² Die Geschwindigkeits- und Benchmarkwerte sind Angaben des Unternehmens, keine Garantie für den Einsatz unter eigenen Bedingungen. Hardware, Auslastung und API-Anbieter können die tatsächlich erreichte Leistung beeinflussen.²

Die Forschungsgruppe Hazy Research von Stanford hat Next-Concept Modeling (NCM) vorgestellt. Der Projektbeitrag wurde am 19. Oktober aktualisiert.¹ Das Verfahren verdichtet Text zunächst mit einem Autoencoder zu einer Hierarchie diskreter Codes. Anschließend erzeugt ein Transformer diese Hierarchie von grob nach fein und berechnet die Codes jeder Ebene parallel.¹ Das Team hat Code und vortrainierte Checkpoints veröffentlicht.²

Die Ergebnisse zeigen einen möglichen Weg zu schnellerer Textgenerierung, aber keinen allgemeinen Geschwindigkeitsvorteil gegenüber heutigen großen Sprachmodellen. Die berichteten Vergleiche beziehen sich auf ausgewählte Aufgaben und Diffusionsmodelle ähnlicher Größe; Geschwindigkeit und Textqualität hängen vom jeweiligen Test ab.¹ Für Unternehmen ist NCM damit vorerst ein Forschungsansatz, den sie anhand eigener Aufgaben und Hardware prüfen müssten, bevor sie Rückschlüsse auf die Leistung im Betrieb ziehen.

OpenAI hat am 19. Oktober 2026 Ergebnisse zur Migration von COBOL-Programmen mit GPT-6.1 Sol veröffentlicht.¹ Bei geringem Reasoning-Aufwand bestand das Modell 86,6 % der Testaufgaben; GPT-5.6 Sol erreichte unter denselben Bedingungen 5,4 %.¹ Die Aufgabe war, Programme in andere Sprachen zu übertragen und ihr beobachtbares Verhalten beizubehalten.¹ Die Veröffentlichung enthält neue Testergebnisse für ein bereits vorgestelltes Modell.²¹

OpenAI prüfte die erzeugten Programme mit verdeckten Tests auf bytegenau gleiche Ausgaben. Als Erfolg zählte eine Migration nur, wenn sie alle Tests bestand.¹ Der Wert misst damit den Erfolg bei diesen Aufgaben, nicht die sichere Übertragbarkeit bestehender COBOL-Systeme in Unternehmen.¹ Für produktive Migrationen sind weiterhin fachliche Prüfung sowie Tests gegen Geschäftsregeln und Abhängigkeiten nötig.¹ Die Ergebnisse stammen von OpenAI und erlauben keinen direkten Vergleich mit konkurrierenden Modellen.¹