OpenAI stellt Frontier vor, Anthropic veröffentlicht Claude Opus 4.6

OpenAI hat Frontier am 5. Februar 2026 vorgestellt. Mit der Plattform sollen Unternehmen KI-Agenten entwickeln, einsetzen und über interne Systeme hinweg verwalten können.¹ Frontier bietet den Agenten gemeinsamen Kontext und unterstützt ihre Einarbeitung, Rückmeldungen, Berechtigungen und Governance.¹ Zum Start war die Plattform nur für ausgewählte Kunden verfügbar. OpenAI kündigte eine breitere Verfügbarkeit in den folgenden Monaten an.¹

Frontier ergänzt ChatGPT Enterprise und Business sowie bestehende Entwicklerwerkzeuge, statt sie zu ersetzen.²³ Die Plattform soll auch Agenten anderer Anbieter einbinden können.⁴ Damit könnte sie Unternehmen helfen, Agenten aus verschiedenen Quellen zentral zu verwalten. Ob das Angebot nach der begrenzten Einführung als allgemein verfügbares Produkt bereitgestellt wird, war zum Start offen.³

Anthropic hat Claude Opus 4.6 am 5. Februar 2026 vorgestellt.¹ Das Modell ist auf Programmierung, große Codebasen und länger laufende Aufgaben mit KI-Agenten ausgelegt.¹ Es ist über claude.ai, die Claude API und große Cloud-Plattformen verfügbar.¹ Erstmals bietet die Opus-Reihe ein Kontextfenster mit bis zu 1 Million Tokens, zunächst als Beta.¹

Anthropic nennt Verbesserungen bei Planung, Code-Review, Fehlersuche und der Suche in großen Dokumentbeständen.¹ Damit richtet sich das Modell an Teams, die umfangreiche Codebestände und mehrstufige Arbeitsabläufe bearbeiten.¹ Das große Kontextfenster ist dabei kein Nachweis für zuverlässige Ergebnisse bei jeder langen Eingabe. Unternehmen sollten die Leistung an eigenen Aufgaben messen und prüfen, ob der zusätzliche Kontext tatsächlich hilft.

Cursor hat am 12. Februar 2026 eine Research Preview seiner Long-running Agents vorgestellt. Sie sollen größere Programmieraufgaben zunächst planen und dann über längere Zeit selbstständig bearbeiten. Laut Cursor entstehen dabei umfangreichere Pull Requests, die weniger Nacharbeit erfordern. Der Zugang läuft über cursor.com/agents und ist auf ausgewählte Abos beschränkt.¹

Die Vorschau baut auf Cursors Forschung zu „self-driving codebases“ auf, bei der mehrere Agenten ihre Arbeit an einem Softwareprojekt koordinieren.² Cursor berichtete für einen internen, einwöchigen Lauf von einer Spitze von mehr als 1.000 Commits pro Stunde über Hunderte Agenten hinweg.³ Das zeigt, in welchem Umfang das Unternehmen die Koordination erprobt. Die Zahl ist aber kein unabhängiger Vergleichswert für die Qualität des erzeugten Codes oder die Leistung der öffentlich verfügbaren Vorschau.

Augment Code hat Context Engine MCP am 6. Februar 2026 veröffentlicht. Der Dienst stellt die semantische Codesuche des Unternehmens über das Model Context Protocol bereit. Damit können MCP-kompatible Coding-Agenten, darunter Claude Code, Cursor und Codex, Kontext aus einem Repository abrufen. Augment bietet dafür einen lokalen Modus über die Auggie CLI und einen gehosteten MCP-Endpunkt an.¹²

Der zusätzliche Repository-Kontext soll Agenten helfen, vorhandenen Code bei Änderungen besser zu berücksichtigen. Augment meldet in eigenen Tests einen Leistungszuwachs von mehr als 70 % und weniger Tool-Aufrufe und Gesprächsschritte.¹² Die Ergebnisse sind keine unabhängige Bewertung und belegen keinen allgemeinen Gewinn für jedes Projekt. Für Unternehmen ist vor allem die Anbindung an bereits verwendete Agenten interessant: Sie können die Suche ergänzen, ohne den Coding-Agenten zu wechseln.¹²

Perplexity hat Model Council am 5. Februar 2026 vorgestellt. Die Funktion schickt eine Anfrage gleichzeitig an drei KI-Modelle und führt deren Antworten zu einem Ergebnis zusammen. Dieses zeigt, wo die Modelle übereinstimmen und wo ihre Antworten voneinander abweichen.¹ Zum Start ist Model Council im Web für Abonnenten von Perplexity Max verfügbar.¹

Damit geht die Funktion über den Wechsel zwischen einzelnen Modellen hinaus: Nutzer erhalten eine zusammengeführte Antwort, ohne dieselbe Frage mehrfach stellen zu müssen.¹ Ein separates Modell prüft die Ergebnisse und versucht, Widersprüche aufzulösen.¹ Am 12. Februar erweiterte Perplexity die Funktion um Memory, damit die beteiligten Modelle bei Bedarf relevanten persönlichen Kontext einbeziehen können.² Ob die zusammengeführten Antworten verlässlicher sind als einzelne Modellantworten, belegen die verfügbaren Ankündigungen nicht mit Benchmarks.¹²

Ein Team mit Beteiligung von Meta, Imperial College London und der University of Cambridge veröffentlichte am 4. Februar die Vorabveröffentlichung „Scaling Small Agents Through Strategy Auctions“.¹ Darin beschreibt es Strategy Auctions for Workload Efficiency (SALE): Kleine KI-Agenten bieten kurze Lösungsstrategien an. Ein Mechanismus wählt nach Kosten und erwartetem Nutzen aus; ein gemeinsamer Speicher soll spätere Entscheidungen verbessern.¹ Eine öffentliche Bereitstellung beschreibt die Arbeit nicht.¹

Der Ansatz soll ein Problem herkömmlicher Modell-Router lösen: Aus einer Aufgabenbeschreibung lässt sich der Erfolg längerer Agentenabläufe schwer vorhersagen. SALE bewertet deshalb vorgeschlagene Vorgehensweisen statt nur die Aufgabe und das Modell.¹ In den beschriebenen Tests sanken die gesamten Inferenzkosten laut Forschungsteam um 35 %, während die Erfolgsquote gegenüber dem stärksten Einzelagenten leicht stieg.¹² Ob sich diese Einsparungen in produktiven Abläufen halten, ist offen.