Google sien nieget Pro-Modell mutt noch töven, Afslag op Gemini 3.7 Flash schall dat överbrüggen

Google lenkt mit en begrenzten Rabatt op Gemini 3.7 Flash vun’t fehlende Pro-Modell af

Google hett an’n Dönnerdag Gemini 3.7 Flash rutbröcht, en Modell, dat op Coding un agentische Arbeidsafloopen utricht is un de erst dree Weken ole Version 3.6 Flash aflööst. Dat siet Maanden ankünnigte Flaggschipp Gemini 3.5 Pro hett dat Ünnernehmen dorbi ahn Termin nöömt, as Reuters un Axios berichtet. Google harr in’n Juli seggt, 3.5 Pro warrt mit Partners test' un kummt „bald“; bi de Google I/O in’n Mai weer luut Ars Technica noch de Juni as Starttermin nöömt worrn. Google begrünnt de korte Taktung mit Entwickler-Feedback un algorithmische Verbetern.

Bit Enn 2026 kost Gemini 3.7 Flash 0,75 Dollar pro Million Input-Token un 3,75 Dollar pro Million Output-Token, de Hälft vun den oorsprünglichen Instiegspries vun 3.6 Flash. Vun’n 1. Januar 2027 an stiegt de Sätz op 1,50 un 7,50 Dollar. Den Rabatt hett Google na Angaven vun The New Stack bit to’n 31. Dezember ok op 3.6 Flash anwennt.

Technisch büddt dat Modell dree thinking_level-Stopen (low, medium, high), wobi medium de Standard is; niedrigere Stopen teelt op latenzkritische Anwennungen, high op swore Coding-, Mathe- un Planungsopgaven. De Tokenverbruuk över de hele Agenten-Slööp entscheedt dormit över de tatsächlichen Inference-Kosten. Verföögbor is 3.7 Flash in AI Studio, Android Studio, Google Antigravity, de Gemini Enterprise Agent Platform as ok för Endbrukers över den Agenten Spark för AI-Pro- un Ultra-Abonnenten in mehr as 160 Länner. Na Angaven vun den Anbeder wörrn todem de Schuulmechanismen gegen Missbruuk in de Berieken CBRN un Cyber-Angrepen aktualiseert.

De Start fallt in en unruhige Tiet bi Google DeepMind. Verleden Week geev Demis Hassabis de Leiten an sienen Vize Koray Kavukcuoglu af, toglietied verleten de beiden oorsprünglichen technischen Co-Leads vun Gemini dat Ünnernehmen, üm en egen Startup to grünnen. Reuters bericht' todem, Mitgrünner Sergey Brin harr zentrale KI-Mitarbeiders drängt, allens op Gemini to setten. Sundar Pichai harr in de Juli-Bilanzkonferenz Kritik an de Vertöögern vun’t Flaggschipp torüchwiest. → VentureBeat, The New Stack, Google, Thurrott, Quartz, Finimize, Bloomberg, Business Standard, 9to5Google, Ars Technica

Synthszr Take: 65,3 Perzent op DeepSWE, hoochsprungen vun 49, is de Tall, de jüst dör de Entwickler-Kanälen geiht un över de Modellwahl entscheedt. De tweete Tall steiht in’t Lüttdruckte un warrt in keen Benchmark-Screenshot deelt: An’n 1. Januar 2027 verdubbelt Google de Tarifen op 1,50 un 7,50 Dollar pro Million Token, un dat dröppt utrekent de Teams an’n hardsten, de dat Modell nu thinking_level high gevt, dormit dat de kniffligen Fäll würklich lööst. En Agent, de teihn Warktüügoproopen un veel Kontext pro Opgaav verbrükt, süht in’n August as en Schnäppken ut un in’n Januar as en Budgetposten, den nümms inplant hett. De vernünftige Reakschoon is unspektakulär: Kosten pro afarbeidte Opgaav mit den 2027er Tarif dörreken, nich mit den Inföhrenspries, un den Modelloproop achter en Konfiguratschoon hollen, de sik ahn Refactoring ümstellen lett.

OpenAI gifft GPT-5.6 Sol en Ultrafast-Modus mit 750 Token pro Sekunn

OpenAI hett en ne’en Bedriefsmodus namens Ultrafast rutbröcht, de dat aktuelle Spitzenmodell GPT-5.6 Sol na Angaven vun’t Ünnernehmen mit de 14-fache Snelligkeit vun de Standardverarbeiden lopen lett. Konkret nöömt OpenAI bit to 750 utgevene Token pro Sekunn. In en Blogpost vun’n Dönnerdag schrifft dat Ünnernehmen, dat Echtiet-Tempo bitlang mehrstendeels bedüüd hett, op en lütter oder spezialiseert Modell uttowirken. Technisch löppt de Modus över de Partnerschop vun OpenAI mit den Chiphersteller Cerebras. Ultrafast is opstunns as Vörschau verföögbor un blots för en lütte Grupp vun Kunnen freegeschalt. OpenAI künnigt an, den Togang uttowieden, sobald de Kapazität wasst. En Pries för den Modus warrt in de Ankünnigung nich nöömt. → TechCrunch

Synthszr Take: 750 Token pro Sekunn klingt na en Feature, sünd aver en Budgetfraag. Snelligkeit warrt in Compute betahlt, un de Cerebras-Kapazität is oogenschienlich knapp, annernfalls müss OpenAI de Vörschau nich op en lütte Kunnen-Grupp begrenzen. De ene Tall, de in de Ankünnigung fehlt, is de Pries pro Token in dissen Modus, un ahn de is jede Kalkulatschoon Koffisatzleseree. En hard Token-Limit pro Döörloop un en Meetgrött „Kosten pro lööst Ticket“ statt „Token pro Sekunn“ höört in’t Setup, bevör de eerste Ultrafast-Job anfangt. Bi Incident Response, wo en sparte Minuut echt Geld is, rekent sik de Opries wohrschienlich foorts; bi Kunnenservice-Batches warrt de Fraag eerst spannend, wenn OpenAI de Prieslist nariekt.

DeepSeek gifft V4 Pro free un höllt den Pries bi 43,5 Cent pro Million Token

DeepSeek hett sien Flaggschipp-Modell V4 Pro vun de Preview-Phaas in de allgemeene Verföögborkeit överföhrt, ahn de Priesen antohögen. En Oproop kost wiederhen 0,435 Dollar pro Million Input-Token un 0,87 Dollar pro Million Output-Token, luut The Code en Bröökdeel vun dat, wat för Fable 5 fällig warrt. Dat Modell arbeidt mit en Kontextfinster vun en Million Token un ünnerstütt „Tool Calling“, lett sik also direkt in bestahn Agenten-Pipelines inhangen. Bi’t agentische Coding liggt V4 Pro na Angaven vun den Anbeder wiederhen licht achter Fable 5. → The Code

Synthszr Take: De egentliche Vörgang is, dat bi den Sprung vun Preview to General Availability de Pries nich anstegen is. Ööblich weer dat Gegendeel: Preview billig, GA düürer, sobald de Kunnen jemehr Pipelines buut hebbt. DeepSeek verzichtt op dissen Opslag un markeert dormit 43,5 Cent as Grundpries för Frontier-nahes Coding. För jeden lütteren Anbeder, dessen Geschäftsmodell op en poor Dollar Opslag pro Million Token opbuut is, is dat en ungenehme Reken, denn bi en Veerdel vun den Grok-Tarif un en Bröökdeel vun den Fable-5-Tarif blifft keen Luft mehr för „wi sünd de günstige Alternative“. Över blievt Grünn, de nix mit den Tokenpries to doon hebbt: europääsch Hosting, prüüfte Domänendaten, Latenzgarantien, Haftung.

US-Geheemdeenst foddert digitale Geboortsurkunnen för KI-Agenten

Doug Cossa, Chief Information Officer vun de US-Geheemdeenstgemeenschop in’t Office of the Director of National Intelligence, hett op de DoDIIS-Konferenz vun de Defense Intelligence Agency en eenheitlich Identitätssystem för KI-Agenten foddert. Na den vun Breaking Defense bericht' un vun PYMNTS opgrepen Optritt stellt agentische künstliche Intelligenz dat Prinzip „Zero Trust“ op den Kopp: Anstatt vun minimale Rechtenvergaav kriggt en Agent allens, wat he to’n sülvstännigen Arbeiden bruukt. Cossa argumenteert, dat Agenten as Brukers un Geräten Daten anfraagt, spiekert un verarbeidt un dorüm desülvige Identitätsgrundlaag nödig hebbt. Disse Identität schall de Basis dorför billen, to entscheiden, wat en Agent överhaupt dröff. En System över Behöörden henweg to’n Faststellen un Kontrolleren vun de Identität vun autonome Bots gifft dat na siene Angaven bitlang nich.

Synthszr Take: Haftung bruukt en Adressaten, un den levert opstunns meist keen Agenten-Architektur. In de Praxis löppt en Agent ünner den Togang vun en Mitarbeider oder en deelt Service-Konto, un wenn dat scheefgeiht, steiht in’t Protokoll en Kennung, achter de twee Teams, en Anbeder un en vergeten Skript staht. Cossa sien Foddern na en gemeensam Identitätssystem is in’n Karn en Bewiesfraag: Ahn Identität keen Toreken, ahn Toreken keen Verantwoorten. De beruhigende Gedank, an’t Enn haft ja jümmers de Minsch, driggt genau so lang, bit en Agent en tweeten Agenten anstart un siene Rechten wiedergifft, ahn dat irgendwo dokumenteert is, in ween sien Opdrag dat passeert is. Wat nu tellt, is en egen Berechtigungs-Principal pro Agent, mit Afloopdatum, nöömten Opdraggever un en Protokoll, dat de Kedd trüchwarts lesbor maakt.

Addy Osmani: Automatiseerte Leitplanken vervangt Code-Review bi KI-Agenten

Addy Osmani seggt in sien Substack-Newsletter, dat dat klassische Code-Review bi KI-Agenten an sien Grenzen kummt, wiel eenfach to veel Kood entsteiht, as dat den noch een lesen kunn. Qualitätsprüfung verlagert sik dorüm in dat Agent Harness, in de Ümgebung un in dat Bedriefssystem rund üm den Agenten. Constraints leggt dor fast, wat en Systeem överhaupt doon dröff: Tests un deterministische Prüfungen loopt gegen jeden Vörslag vun den Agenten, ehrder he dörkummt. Osmani beschrifft Szenarien, in de Agenten hunnertdusende bit Millionen Ännern pro Dag maakt, un he besteiht dorop, dat blots sülke Slöfen dorbi toverlässig produktionsriepe Software levert. → Substack

Synthszr Take: Twee Reviews, dree Antwoorden, dat sülve Stück Kood. Dat is de eigentliche Naricht in disse Debatt, un se maakt de Idee tonicht, dat man den minschlichen Prüfer eenfach dör en tweten Agenten uttuschen kunn. En Merge dröff nich an en Oordeel hangen, dat bi’n nächsten Dörloop anners utfallt, also mutt de Prüfinstanz deterministisch ween: Tests, Typen, Verdrags-Checks, reproduzeerbare Builds, harde Gates op jeden Commit. Domit schufft sik de düürste Arbeit in’t Entwicklerteam vun’t Lesen na’t Boen vun de Prüfmechanik, un genau disse Arbeit gell teihn Johr lang as Kostensteed, de man bi’n nächsten Spoorloop tohoopstrikt. Wenn Agenten hunnertdusende Ännern an’n Dag produzeert, is de Testinfrastruktur de Steed, an de Tempo överhaupt eerst nüttbor warrt; ahn se blifft jede Beslünigung en Höpen, de in’n Bedrief oprüümt warrn mutt.

DeepSeek Harness (dsh) is nu Open Source

DeepSeek hett an’n Dunnersdag den DeepSeek Harness (dsh) as Open Source publizeert, en op Node.js baseerte Looptiedümgebung för Coding-Agenten ünner MIT-Lizenz. Na The New Stack sammel dat GitHub-Repository binnen weniger Stünnen över 33.000 Steerns, dorto billt sik al en Katalog an Community-Plugins. Dat Projekt löppt utdrücklich as Developer Preview; in’t README künnigt DeepSeek kompatibilitätsbreken Ännern an. Start warrt de Web-Böversiet per npx @deepseek-ai/dsh web op Port 3080. Architektonisch folgt de Agent Harness dat Prinzip, dat allens en Plugin is, un dat Team meent dat wöörtlich: Modell-Adapter, Tool-Registry, Session-Log un de Agent-Loop sülvst sünd uttuuschbore Plugins. De Dokumentatschoon snackt vun en Systeem ahn privilegeren Karn, de patcht warrn müss. Ünnerbo is Cordis, en Meta-Framework för dynamische Kompositschoon, de sien Entwurf in en Paper vun dree Forschers vun de Peking-Universität un DeepSeek beschreven warrt. → The New Stack, GitHub

Synthszr Take: Wat dat Modell süht, mutt ut een enkelten Event-Stream rekonstrueerbor ween. Domit warrt Navulltreckborkeit to en Bovörschrift, Resume, Fork un Replay fallt as Nevenprodukt an. De Kehrsiet steiht ok in’t Repo: 33.000 Steerns in wenig Stünnen, en gau wassen Frömd-Plugin-Katalog un en Preview-Status, de Breaking Changes ankünnigt. Vör jeden produktiven Insatz mutt kloort warrn, welk Plugins in’n Loop hangt, wokeen se pleegt un of de Event-Stream ahn Lücken is. Landlock un Seatbelt schuult dat Dateisysteem, de Leverkeed vun de Plugins schuult se nich.

Apple will Verlagen pro Siri-Oproop betahlen statt per Pauschallizenz

Apple verhannelt na en Bericht vun’t Wall Street Journal mit Verlagen doröver, se för de Nüttung vun aktuelle Narichteninhalten in de överarbeidte Siri to betahlen. Statt de in de Branche gewöhnliche Pauschallizenz, de en breden Togripp op en Archiv afdeckt, hett Apple en nüttungsafhängig Modell vörslahn: Betahlt warrt jedet Maal, wenn Siri Material vun en Verlag bruukt. För disse Betahlen överleggt Apple na den Bericht en Budget in’n negnstelligen Beriek. → Techpresso

Synthszr Take: Mit dat Pro-Oproop-Modell kriggt Aktualität to’n eersten Maal en Stückpries, un de warrt över den helen Markt gellen. Bit nu hebbt Verlagen Pauschalen kasseert, de sik goot in de Johrsplanung maken deen un den wohren Nüttungswert vernevelt hebbt. En negnstelligen Budget klingt na veel, verdeelt sik aver op jeden enkelten Oproop, un Apple weet na söss Maanden Bedrief genau, welk Born wo faken bruukt warrt un welk nie. Domit köfft sik jeder Assistenz-Anbeder Frische tokünftig in as Rekenstiet: variabel, meetbor, verhannelbor na ünnen. För Verlagen heet dat, dat de Betahlen an de Nafraag koppelt is statt an den Markennaam, un in de Breedt warrt dat de wenigsten winnen.

Düütsche Forschers finnt API-Keys in Agenten-Logs

En Forscherteam ut Düütschland hett 315.320 verslötelte Reasoning Blocks ut 6.708 apentlich deelte Agenten-Trajektorien dekodeert un dorin private Daten funnen, de in de sichtboren Chatverlööp nich opdükert sünd. De Trajektorien kemen vun GitHub un Hugging Face, bedrapen weern de kommerziellen Snittstellen vun Anthropic, OpenAI un Google. Grundlaag is en Preprint vun’n 10. August 2026, an den ünner annern Alexander Panfilov vun’t ELLIS Institute Tübingen un dat Max-Planck-Institut för Intelligente Systemen mitarbeidt hett. De Methood hett keen Verslötelung knackt: En intakten Block wörr en kompatiblen, swächer schuulten Modell vun densülven Anbeder vörleggt, dat em as vörherige Denkschreed akzepteer un op Anfraag transkribeer. Vörarbeit dorto lever de Kryptograf Matthew Green vun de Johns Hopkins University, de in’n Mai 2026 wies, dat sik sülke Blöck över Sessions un Accounts henweg wedderbruken laat. → Marcus Schuler

Synthszr Take: In jeden Entwicklerteam gaht Agenten-Logs rüm as Screenshots: gau in’t Issue kleeft, in’t Repo committ, op Hugging Face as Datensatz hoochladen, dormit een den Fehler navulltrecken kann. Genauso dorut hebbt de Forschers 6.708 Trajektorien insammelt, un in 328 Sessions, also 4,9 Perzent vun de Steekproov, steek tomindst een echt Geheemnis. De wirklich ungenehme Weert sünd de 64 Artefakten, de blots in’t verborgene Reasoning legen: Dat Modell hett bi’t Reenmaken vun de Konversatschoon de Passwöör ut den lesboren Text rutnahmen un in den verslötelten Anhang stahn laten, den nümms pröven kann. Domit löppt jede Sichtprüfung vör’t Delen in’t Leere, un de gewöhnlichen Secret-Scanner in’n Commit-Hook griept ok nich, wiel se den Block as Binärruschen seht. De Patch vun de Anbeders maakt en Angreepsweg weg, aver de Logs liggt wiederhen apen in’t Nett, un Slötels verfallt nich dör Tietverloop.

Meist autonomen KI-Angreep op Taiwans Regeren: 2.500 Personal-Datensätz afflaten

Vörmodlich chinesische Angriepers hebbt mit free verfügbore KI-Modellen en taiwaansche Regerenssteed kompromitteert un dorbi över 2.500 Personal-Datensätz aftogen. Dat bericht de israeelsche Sekerheitsfirma Dream in en an’n Middeweek publizeerten Blogpost, över den toeerst de Financial Times schreev. Na Angaven vun Dream hannelt sik dat üm en „Multi-Agenten-System“, dat op de Open-Source-Frameworks Hermes un OpenClaw opsett un na de Forschers so kunfigureert weer, dat sik dat midden in de Operatschoon ahn minschlich Todoon anpassen kunn. De Firma beschrifft so nöömte „Learning Cycles“, in de dat Systeem sülvstännig Swacksteden-Datenbanken, GitHub-Repositories un Sekerheits-Publikatschonen na passen Techniken för de Infrastruktur vun’t Teel dörsöcht. De Operatschoon bleev nich bi’t oorsprüngliche Teel: Na Dream wörrn parallel IT-Deenstleisters vun de Regeren, en Nuklearsekerheitsbehöörd, en Regerens-E-Mail-Systeem un mehr as söven Energieünnernehmen op Fehlkonfiguratschonen un apen Admin-Böversieden afsöcht. De Sekerheitsmechanismen vun de Modellen güngen de Angriepers na Dream üm, indem se ehr Anfragen as autoriseerten Penetrationstest deklareern deen. → Techpresso

Synthszr Take: De Ünnerscheed twüschen automatiseert un autonom lett sik an een Steed fastmaken: an de Fraag, wokeen beslutt, wat de nächste Schreed is. En Scan-Skript arbeidt en List af, de een vörher schreven hett. Dat Systeem, dat Dream utgraven hett, prioriseert sien Telen bayessch, korrigeert sik na Fehlversöken sülvst un geiht in egene Recherchezyklen, wenn em de Technik fehlt. Genauso dat steiht ok in Dream sien egen Inschätzen, un dat is de interessanteste Steed vun den helen Bericht: En Modell lopen to laten, reckt dorför nich, dat bruukt afstimmte Agentenkoordinatschoon un fientuunte Beslutenslogik. De 1.400 Dateien in’t apen Archiv sünd dat eigentliche Warkstück, dat Modell is de billigste Deel dorvun.