Heute geht es um Long-Context-Blindheit: Ein Paper zu ALiBi zeigt, wie Floating-Point-Underflow Attention-Heads teilweise blind machen kann, ohne dass Standardbenchmarks viel merken. Dazu: TurnSight für feinere Tool-Agenten-Lernsignale, HyperProbe als read-only Debugging-Agent und Meta Muse Code als Signal für terminalnahe Coding-Agenten.

• When Attention Goes Blind: Numerical Failure in ALiBi Positional Encodings
• TurnSight: Turn-Level Hindsight Self-Distillation for Tool-Integrated Reasoning
• HyperProbe
• Introducing Muse Code and Muse Spark 1.2

Zur Episode auf ailissy.de

Heute geht es um KI-Agenten im Betrieb: Fehler live erkennen, deterministisch prüfen und Läufe reparieren. Dazu: SWE-Touch zeigt, wie Shared-Workspace-Änderungen Coding-Agenten schwächen, und DocuMan bringt KI in nachvollziehbares Requirements-Management.

• Real-Time Detection and Repair of LLM Agent Failures
• SWE-Touch: Benchmarking Coding Agents When Users Touch the Code
• DocuMan

Zur Episode auf ailissy.de

Heute geht es um Werkzeugfähigkeit statt Modellglitzer: Data Turnstile zeigt, wie kleine Modelle durch bessere Function-Calling-Daten deutlich besser werden. Token Saver, nuphus-mcp und AirLLM zeigen drei praktische Hebel: lokales Retrieval, kontrollierte Desktop-Werkzeuge und Speicher-Streaming.

• Data Turnstile: A Scalable Open Framework for Function-Calling Data Generation
• Token Saver
• nuphus-mcp
• AirLLM

Zur Episode auf ailissy.de

Heute geht es um KI als Schicht über echten Arbeitsoberflächen: Google bringt Gemini näher an Browser und App, AWS packt Agentenlogik in Amazon Quick und macht Kimi K3 betreibbarer. Dazu zeigen ToolKnit und Vibe-Astock, warum lokale, kontrollierbare Workflows als Gegenbewegung wichtig bleiben.

• Gemini Drops: New updates to the Gemini app, July 2026
• Gemini Spark: new Chrome browsing integration
• Announcing the Agentic Catalog Experience in Amazon Quick
• Deploying Kimi K3 on Amazon SageMaker HyperPod and Amazon EKS
• ToolKnit Desktop
• Vibe-Astock

Zur Episode auf ailissy.de

Heute geht es um die Grenzen praktischer KI-Agenten: CRUX zeigt, dass Forschungsagenten nach sechs Tagen Engineering-Arbeit keinen substanziellen Forschungsfortschritt schaffen. HumanCLAW misst, warum Vision-Language-Modelle mit Körper und Weltzustand kämpfen. TurboVLA und SpecFirst zeigen, welche Architektur- und Workflow-Schritte Agenten trotzdem produktiver machen.

• Can AI agents conduct open-ended AI research? Early evidence from two case studies
• HumanCLAW: Can Vision-Language Models Act Through a Body?
• TurboVLA: Real-Time Vision-Language-Action Model at 32 Hz on an RTX 4090 with less than 1 GB VRAM
• Gemini Robotics 2 brings whole body intelligence to robots
• SpecFirst: Behavioral Specification Elicitation as a First-Class Step in Agent-Based Program Synthesis
• MindForge: Training Environments for Source-Free Program Synthesis

Zur Episode auf ailissy.de

Heute geht es um die Betriebsschicht unter praktischer KI: Tokenless routet Modellanfragen nach Kosten, agentacct macht Coding-Agenten abrechenbar, Gemini für macOS wird natürlicher bedienbar, Meta zeigt Assistenzrobotik mit DINO und SAM, und Prompt Architect Pro organisiert lokale Bild-Prompt-Workflows.

• Tokenless: The router that cuts your inference bill in half
• agentacct: local-first dashboard for coding agents
• Google: Speak naturally with Gemini app for macOS
• Meta: Assistive robotics with University of Pittsburgh, SAM and DINO
• Prompt Architect Pro

Zur Episode auf ailissy.de

Heute geht es um die unsichtbare Infrastruktur hinter besseren KI-Agenten: Agent Retrieval Bench zeigt, dass Coding Agents oft an falschem Repository-Kontext scheitern. Sol-Attn beschleunigt Video-KI, Anthropic testet Claude bei Kryptografie-Schwächen, OneCLI schützt API-Keys vor Agenten und Countify bringt No-Code Computer Vision in Labore.

• Agent Retrieval Bench: Evaluating Repository Context Retrieval for Coding Agents
• Sol-Attn: Accelerating Video Generation Inference via On-the-Fly Attention Sparsification
• Discovering cryptographic weaknesses with Claude
• OneCLI: Open-source credential gateway with a built-in vault
• Countify: No-Code Computer Vision for Labs

Zur Episode auf ailissy.de

Heute geht es um StateAct und eine einfache, aber wichtige These: Computer-Use-Agenten sollten nicht primär auf Screenshots starren, sondern den Program State lesen. Dazu passen Anthropics Enterprise-Partnerschaft mit Cognizant und neue Open-Source-Tools wie Approving, OpenClaude Improved und Deer Workflow.

• StateAct: Program State, before Pixels, for Long-Horizon Computer-Use Agents
• Anthropic: Cognizant and Anthropic expand partnership
• Approving: self-hostable workflows for coding agents
• OpenClaude Improved
• Deer Workflow

Zur Episode auf ailissy.de

Heute geht es um die Betriebsschicht für KI-Agenten: Claude Opus 5 und Gemini Spark zeigen die Modell- und Produktseite, Wattage, Boffin, Wmux und HART OS zeigen Kostenkontrolle, Workspace-Organisation und lokale Laufzeit. Der rote Faden: Agenten werden erst produktiv, wenn sie kontrollierbar werden.

• Anthropic: Introducing Claude Opus 5
• Google: Gemini Spark updates: macOS launch, connected apps and more
• Wattage: token-spend profiler and cost-regression gate
• Boffin: staff-engineer layer for AI coding agents
• Wmux: workspace multiplexer for AI agents
• HART OS: open-source agentic runtime

Zur Episode auf ailissy.de

Heute geht es um interaktive KI: ABot-World-0 streamt steuerbare 720p-Welten mit bis zu 16 FPS auf einer RTX 5090, AlayaRenderer-Flash bringt generatives Rendering auf 31,54 FPS, Claude wird zum Interface für Wirtschaftsdaten und OpenSkillRisk zeigt, warum Agenten klare Runtime-Gates brauchen.

• ABot-World-0: Infinite Interactive World Rollout on a Single Desktop GPU
• Generative World Renderer at the Speed of Play
• Anthropic: Ask Claude about the Anthropic Economic Index
• OpenSkillRisk: Benchmarking Agent Safety When Using Real-World Risky Third-Party Skills

Zur Episode auf ailissy.de