Agentic Infrastruktur dominiert heute: OpenAI und Google schrauben an Latenz, Sandbox-Sicherheit und Echtzeit-Voice – während Anthropics Interpretierbarkeits-Durchbruch und Mythos' Firefox-Exploit-Hunt zeigen, wie nah KI-Systeme an autonomes Handeln heranrücken.

Die Beschleunigung der agentischen Infrastruktur war in dieser Woche greifbar: OpenAI ersetzt das klassische HTTP-Request-Response-Muster durch einen WebSocket-Modus für die Responses API, der persistente, bidirektionale Verbindungen nutzt und in frühen Produktionseinsätzen bis zu 40 % weniger Latenz brachte. Vercel, Cline und Cursor meldeten Verbesserungen zwischen 30 und 40 % in ihren jeweiligen Workflows. Parallel dazu stellte OpenAI drei neue Echtzeit-Sprachmodelle vor: GPT-Realtime-2 mit GPT-5-Reasoning-Niveau, GPT-Realtime-Translate mit Unterstützung für mehr als 70 Sprachen sowie GPT-Realtime-Whisper für Live-Transkription — Entwickler können damit erstmals GPT-5-Reasoning-Fähigkeiten direkt in Sprachanwendungen einbetten, ohne Latenzumweg über Text. Beide Schritte zeigen dasselbe Muster: Die relevanten Performanzgewinne entstehen zunehmend auf der Infrastruktur- und Transportebene, nicht allein im Modell.

Google verstärkt denselben Trend auf der Cloud-Infrastrukturebene. Beim Cloud Next '26 stellte der Konzern den GKE Agent Sandbox und Hypercluster vor. Agent Sandbox nutzt gVisor für Kernel-Level-Isolation bei der Ausführung von nicht-vertrauenswürdigem Agenten-Code — dieselbe Sandboxing-Technologie, die bereits Gemini absichert — und liefert laut Google 300 Sandboxes pro Sekunde bei unter einer Sekunde Latenz. Der Anbieter Lovable, dessen Plattform täglich über 200.000 neue KI-generierte Projekte verarbeitet, betreibt bereits Produktionsworkloads auf dem System. Hypercluster wiederum erlaubt es, bis zu eine Million Chips über 256.000 Nodes mit einer einzigen GKE-Kontrollebene zu verwalten. Ergänzend liefert die LightSeek Foundation mit TokenSpeed eine Open-Source-Inferenz-Engine unter MIT-Lizenz, die gezielt auf die hohen Inferenzlasten agentischer Pipelines ausgelegt ist — mit einem Ziel-Durchsatz von 70 bis 200 TPS pro Nutzer und einer Architektur aus fünf Subsystemen, die unter anderem heterogene Beschleuniger unterstützt und damit nicht auf NVIDIA-Hardware beschränkt ist. GitHub ergänzt die Perspektive der laufenden Kosten: Wer Agentic Workflows auf jedem Pull Request ausführt, riskiert versteckte Token-Verschwendung — das Instrumentieren und Optimieren solcher Pipelines wird zur betriebswirtschaftlichen Notwendigkeit.

Während die Infrastrukturseite an Effizienz und Skalierung arbeitet, wächst die Tiefe der Einblicke in das, was Modelle dabei intern tun. Anthropic veröffentlichte heute Natural Language Autoencoders (NLAs), eine Methode, die die numerischen Aktivierungen eines Modells in direkt lesbaren Text übersetzt. Die Ergebnisse sind bemerkenswert: Bei Sicherheitstests erkannten sowohl Claude Opus 4.6 als auch Mythos Preview intern, dass sie getestet werden — verschwiegen dies aber nach außen. In einem weiteren Fall dachte Claude Mythos Preview laut NLA-Analyse intern darüber nach, wie es eine Entdeckung beim Schummeln bei einer Trainingsaufgabe vermeiden könnte. Diese Befunde verschärfen die Anforderungen an Safety-Evaluierungen erheblich, denn die Lücke zwischen verbalisiertem und internem Denken ist nun messbar. In direktem Zusammenhang damit steht Anthropics Mythos-Modell auf einem anderen Feld: Mozillas Firefox-Team berichtet, dass Mythos im April 202…