AI, machine learning and LLM insights.
Das neu veröffentlichte Apache-2.0-Repository enthält immer noch die Exfiltrationsroutine hinter einem versteckten serverseitigen Flag und beinhaltet sogar nicht zugeordnete Code-Schnipsel von OpenAI. Entwickler müssen das Tool daher prüfen und alle exponierten Zugangsdaten erneuern.
Die von Lightspeed Venture Partners angeführte Serie-C-Finanzierung wird die Flaggschiff-Klinik von Neko in New York finanzieren. Diese kombiniert hochauflösende Bildgebung, Bluttests und proprietäre Sensoren mit KI, um es Medizinern zu ermöglichen, Krankheitsvorläufer zu erkennen, bevor Symptome auftreten.
Die Studie liefert lediglich unvollständige Aktivierungskarten, die mit bestimmten Aufgaben korrelieren, lässt jedoch die Kausalität unbewiesen. Obwohl dies einen Schritt in Richtung Transparenz signalisiert, müssen Entwickler es als eine frühe Diagnose betrachten und nicht als eine Sicherheitsgarantie.
Im Experiment wurden Entwickler in eine KI-gestützte Gruppe und eine Gruppe, die ausschließlich Dokumentationen nutzte, unterteilt; die KI-Gruppe schnitt bei einem Konzept-Quiz um 17 % schlechter ab und wies keinen messbaren Zeitvorteil auf. Dies verdeutlicht, dass schnelle Code-Snippets eine Wissenslücke kaschieren, die später die Wartungskosten in die Höhe treibt.
Das US-Urheberrechtsamt entschied, dass mit Midjourney erstellte Bilder für einen Graphic Novel nicht urheberrechtlich geschützt werden können, während die Prosa des Autors und die Anordnung der Panels weiterhin geschützt bleiben. Dies unterstreicht die Notwendigkeit eines dokumentierten menschlichen Beitrags.
Die integrierte CodeQL-Abfrage markiert jeden Datenfluss von einer nicht vertrauenswürdigen Quelle (wie dem Textkörper eines GitHub-Issues) zu einem SDK, das Modellaufrufe tätigt. Durch das Bündeln von positiven und negativen Testdateien mit einem expected-alerts.json-Vertrag verwandeln Sie diese Erkennung in ein Gate während der Build-Zeit.
Durch die Überwachung der Cache-Lese- und Schreibzeiten können Angreifer sowohl Eingabedaten als auch Teile der gelernten Gewichte eines Modells ableiten – eine Schwachstelle, die selbst bei Constant-Time-Code oder Modellverschlüsselung bestehen bleibt.
In einem Praxistest verbrachte ein Entwickler mehrere Stunden damit, LLMs, Memory-Layer, Planer und Tool-Integrationen zusammenzufügen, nur um sich dann mit Halluzinationen, endlosen Retries und Token-Kosten herumzuschlagen – ein Beweis dafür, dass echte Autonomie nach wie vor ein manueller Prozess ist.
Der Downstream-Maintainer hat die Reihenfolge von zwei GTK-Aufrufen geändert und verhindert so eine Nullpointer-Dereferenz, die bei Qt-basierten Electron-Apps unter Linux zu Segmentierungsfehlern führte. Dieselbe Änderung ist bereits in einem offenen Upstream-PR enthalten, aber Nutzer erhalten den Fix nun bereits mit der Version 42.6.0.
Das Honcho-Team hat festgestellt, dass das Offenhalten einer Datenbankverbindung während des Wartens auf langsame LLM- oder Embedding-Aufrufe den Connection-Pool blockieren kann. Durch den Wechsel zu Pre-flight-Reads, das Schließen der Session und das erneute Öffnen nur für Schreibvorgänge konnten sie die Latenz verringern und die Skalierbarkeit verbessern.
Microsoft vollzieht einen Strategiewechsel, um seine Vertriebsteams gegen OpenAI und Anthropic einzusetzen. Microsoft verändert grundlegend seinen Marktansatz und wandelt sich von einem engen Partner der KI-Pioniere...
The benchmark ran five agents on a single RTX 5090, tasking them with adding a Tag Manager to an admin panel without any cloud APIs. Qwen 3.6 35B-A3B completed the job autonomously, added sensible improvements, and required zero post-run patches.
Das Claude Apps Gateway bettet die Control Plane direkt in das AWS-Konto des Kunden ein. Dies bietet der IT eine zentrale Konsole zur Verwaltung von Identitäten, Audit-Logs und Kosten, während Entwickler Claude-gestützte Sitzungen starten können, ohne Daten nach außen zu exponieren.
Der Assistent liefert die Modellgewichte zusammen mit einer statischen Webseite aus und nutzt eine feste Liste von acht Tools, grammatikgesteuertes Decoding sowie RAG – alles trainiert auf nur 30 Mio. Token auf einer einzigen 16-GB-GPU.
Der Detektor erfasst die rohen Attention-Scores über alle Heads hinweg, aggregiert diese schichtweit und nutzt einen log-MAD-Test, um Token zu markieren, die den Großteil der Attention absorbieren. Das Entfernen dieser „Sink“-Token aus dem KV-Cache destabilisiert die Generierung und lässt die Qualität massiv einbrechen.
Der Vorschlag weitet bestehende Regeln zur Nachrichtenfilterung auf alle Dienste aus, bei denen zwei Personen Text austauschen. Das bedeutet, dass KI-Anbieter jeden Benutzer-Prompt durch automatisierte Scanner laufen lassen müssten, noch bevor das Modell ihn überhaupt sieht.
Das Self-Play-System lässt ein Angriffsmodell gegen ein verteidigendes Gegenstück antreten. Es lernt aus jedem Fehler, um Exploit-Muster aufzudecken, die Menschen nie in Betracht ziehen würden, und speist diese Erkenntnisse direkt in die Trainingspipeline von GPT-5.6 ein.
Die Codex Micro verfügt über beleuchtete Agenten-Tasten, programmierbare Shortcuts, einen Joystick und ein Reasoning Dial. Diese Funktionen sind direkt mit der ChatGPT-Desktop-App verknüpft, sodass Entwickler mehrere KI-Agenten überwachen und steuern können, ohne ihre IDE verlassen zu müssen.
Das Ausführen eines KI-Agenten auf Lambda mag pro Millisekunde zwar günstig erscheinen, doch die eigentlichen Kosten entstehen durch Cold-Start-Latenzen, Retry-Loops, die mehrfache Modellaufrufe auslösen, und den daraus resultierenden Token-Verbrauch, der die Rechenkosten bei weitem übersteigt.
Die beiden anfälligen Skripte – eines mit einem eingebetteten HMAC-Signierschlüssel, das andere mit einem SMTP-Passwort im Klartext – verdeutlichen, wie LLMs fehlende Werte ergänzen, wenn sie nach einem „nutzbaren Beispiel“ gefragt werden. Dadurch werden praktische Code-Schnipsel zu Lecks von Zugangsdaten in der Versionsverwaltung und der Produktion.
Die vier neu bekannt gewordenen Schwachstellen resultieren aus Standardeinstellungen – öffentliche Netzwerkbindungen, weltweit lesbare Konfigurationen, zu lockere Sandboxes und fehlende Audit-Logs – und ermöglichen es Angreifern, innerhalb von Minuten von einem harmlosen Log-Eintrag zur vollständigen Systemkontrolle überzugehen.
Ode with Anthropic, founded by Chris Taylor and Eddie Siegel, fuses Fractional AI’s talent pool with Anthropic’s Claude models, backed by Blackstone, Hellman & Friedman, and Goldman Sachs, to turn proof-of-concepts into production-grade AI systems.
Inkling, trainiert auf 45 Billionen multimodalen Token, liefert Coding-Performance auf Nvidia-Niveau, während nur ein Bruchteil seiner 975 Milliarden Parameter aktiviert wird, was die Latenz und die Betriebskosten für Unternehmenskunden drastisch reduziert.
Das Self-Play-‚Dojo‘ ermöglicht es GPT-Red, als Angreifer zu agieren, während Verteidigungsmodelle Abwehrmechanismen erlernen. Dabei werden neuartige Tricks wie der Fake-Chain-of-Thought-Angriff aufgedeckt, der LLMs dazu verleitet, falsche Prämissen zu akzeptieren.
