AI-Leistung

Ein gemeldetes Argo-Bench-Ergebnis zeigt, dass der führende KI-Agent 34,8 % von 210 Aufgaben löste, und macht ungelöste Zuverlässigkeitsgrenzen autonomer Systeme sichtbar.

Anthropic hat Opus 5.5 mit niedrigeren Token-Preisen, schnellerer Ausgabe und behaupteten Ergebnissen auf Fable-Niveau vorgestellt und damit die Messlatte für effiziente Enterprise-KI höher gelegt.

NVIDIA sagt, Vera Rubin NVL72 könne pro Megawatt bis zu 30-mal mehr agentische Inferenz-Durchsatzleistung als GB300 liefern, vorbehaltlich einer unabhängigen Überprüfung des Benchmarks.

Meta’s Muse Spark 1.3 verbessert Agenten- und Coding-Werte, doch die niedrigen Kosten pro Aufgabe könnten wichtiger sein als die noch nicht abgeschlossene Frontier-Herausforderung.

NVIDIA sagt, Vera Rubin NVL72 könne im Vergleich zu GB300 bis zu 30-mal mehr agentische KI-Durchsatzleistung pro Megawatt liefern und ziele damit auf die Kosten von Inferenz mit langem Kontext.

Meta hat Muse Spark 1.3 veröffentlicht und verweist auf bessere Leistungen bei Coding und agentenbasierten Aufgaben, während es mit OpenAI und Anthropic konkurriert.

NVIDIA sagt, Vera Rubin NVL72 könne bis zu 30x mehr agentische KI-Durchsatzleistung pro Megawatt als GB300 liefern und damit die Inferenzökonomie neu gestalten.

OpenAI sagt, sein Jalapeño-Chip verbessere die KI-Inferenzgeschwindigkeit und die Energieeffizienz über Modelle hinweg, doch die Ergebnisse stammen bislang vom Anbieter und liegen noch vor dem Einsatz.

OpenAI stellte Jalapeño-Inferenz-Benchmarks vor, die Nvidia-Systeme bei Geschwindigkeit und Effizienz schlagen, doch die begrenzte Bereitstellung und vom Anbieter bereitgestellte Daten dämpfen die Aussagekraft.

NVIDIA sagt, Vera Rubin NVL72 liefere bis zu 30x mehr agentischen Durchsatz pro Megawatt als GB300 und verändere damit die Inferenz-Ökonomie für KI-Entwickler.

Eine Studie der Princeton University und UC San Diego zeigt, dass AI-Agent-Skills die Ausführung stärker verbessern als Wissen, während die Retrieval-Genauigkeit mit wachsenden Bibliotheken zusammenbricht.

NVIDIA sagt, sein AVO-Agent habe eine perfekte ARC-AGI-3-Punktzahl erreicht und damit hervorgehoben, wie Speicher, Aufsicht und Werkzeuge die Modellleistung erweitern können.

NVIDIA hat SkillEvaluator veröffentlicht, ein Open-Source-Framework, das testet, ob Agentenfähigkeiten die Aufgabenergebnisse, Sicherheit und Effizienz in realen Durchläufen verbessern.

OpenAI stellt Ultrafast vor, eine API-Stufe, die GPT-5.6 Sol bis zu 14-mal schneller ausführt und mit Cerebras auf Echtzeit-Enterprise-Workflows abzielt.

Nvidia’s Nemotron 3.5 Lightning nutzt Sparse-Aktivierung und Quantisierung, um schnelle Open-Weight-Inferenz zu liefern, und zielt auf KI-Agenten mit hohem Volumen statt auf Spitzenwerte bei Benchmarks.

Oxford hat einen Live-Benchmark für das Risiko von KI-Informationsoperationen veröffentlicht und gibt Modellherstellern und Käufern damit ein neues Sicherheitssignal, das sie im Zeitverlauf beobachten können.

OpenAI sagt, zwei API-Einstellungen hätten die GPT-5.6-Ergebnisse auf ARC-AGI-3 verdreifacht und unterstreicht damit, wie die Inferenzkonfiguration die Modellleistung neu formen kann.

Anthropics Claude Opus 5 erzielte einen neuen Spitzenwert bei ARC-AGI-3 und wirft damit neue Fragen auf: echte Reasoning-Fortschritte oder gezielte Benchmark-Optimierung?

Das offene Modell Soofi S aus Deutschland beansprucht Spitzenwerte bei vollständig offenen Englisch- und Deutsch-Benchmarks, während seine Entwickler zudem einen Leck in Testdaten offengelegt und korrigiert haben.

NVIDIA sagt, dass das von LangChain getunte Nemotron 3 Ultra bei offenen Modellen Top-Ergebnisse im Agenten-Benchmark erreicht hat und damit günstigere Enterprise-KI-Stacks hervorhebt.