★ Aktuell
Google DeepMind has launched Gemma 4, a family of state-of-the-art open models designed to enable multi-step planning and autonomous agentic workflows directly on-device. The release includes the Google AI Edge Gallery for experimenting with "Agent Skills" and the LiteRT-LM libra...
• google
• developers
Google has updated its account settings to allow U.S. users to change their @gmail.com usernames while keeping all exist...
• developers
The Agent Development Kit (ADK) SkillToolset introduces a "progressive disclosure" architecture that allows AI agents to...
• developers
The launch of Agent Development Kit (ADK) for Go 1.0 marks a significant shift from experimental AI scripts to productio...
• developers
The newly introduced continuous checkpointing feature in Orbax and MaxText is designed to optimize the balance between r...
• developers
Google has released version 1.0.0 of the Agent Development Kit (ADK) for Java, introducing powerful new features like Go...
• google
To bridge the gap between static model knowledge and rapidly evolving software practices, Google DeepMind developed a "G...
• google
The provided workflow streamlines motion-controlled game development by using Gemini Canvas to rapidly prototype mechani...
• google
This blog post introduces a workflow for extracting high-quality data from complex, unstructured documents by combining ...
▶ Tages-Digest — 28. Oktober 2026
727 Artikel, 38 relevant
# KI-Tagesüberblick 2026-10-28
Highlights
1. Model Context Protocol (MCP) etabliert sich als Standard — Über 10.000 öffentliche MCP-Server sind nun aktiv. ChatGPT, Gemini, Cursor und Microsoft Copilot haben alle Unterstützung hinzugefügt. [MCP vs API Calls: Which Should You Use for Python LLM Apps?](https://realpython.com/mcp-vs-api/)
2. October als Inflection Point für Game Development — Aktuelle Modellversionen (Opus 4.5, GPT-5.1) haben eine Zuverlässigkeitsschwelle erreicht, die auch für "Vibe-basierte" Spieleentwicklung mit KI-Agenten ausreicht. [The October inflection point for vibe game development](https://simonwillison.net/2026/Oct/28/vibe-game-development/)
3. Neue Sicherheitsrahmen für KI-Agenten — Das [Concordat-Projekt](https://arxiv.org/abs/2610.37461) bietet eine Python-Bibliothek zur strukturierten Kontrolle von Agent-Aktionen mit expliziten Bestätigungsregeln statt reiner Prompt-Anweisungen.
4. Verbesserungen bei Long-Horizon Coding Tasks — [Spine-Framework](https://arxiv.org/abs/2610.37224) adressiert Context-Inflation durch strukturierte Subtask-Bäume und verhindert Performance-Degradation bei komplexen Coding-Aufgaben.
5. Anthropic-Plattform-Architektur offengelegt — [Latent Space-Interview](https://latent.space/p/opus55/) zeigt, wie Anthropic Modelle ("Brain") von Agent-Aktionen ("Hands") trennt und damit Sicherheit und Skalierbarkeit verbessert.
## Modell-Updates
- Claude Code v2.1.312 — Bug-Fixes für OIDC-Integration (Microsoft Entra ID), verbesserter Nachrichtenversand im Fullscreen-Modus, Fehlerbehandlung für Organisation-Policies. [Release Notes](https://github.com/anthropics/claude-code/releases/tag/v2.1.312)
- Hob Open-Source-Desktop-App — Kostenlose Alternative zu Claude/ChatGPT mit lokaler Ausführung von Open-Weight-Modellen (Gemma 4, gpt-oss). Chats und Dateien bleiben auf dem Gerät. [GitHub](https://github.com/FrigadeHQ/hob)
## Forschung
- Agent-Commit-Erkennung — Neue Methoden zur [Unterscheidung von KI-Agent-Commits von menschlichen Commits](https://arxiv.org/abs/2610.36229) ohne Authorship-Signaturen in Open-Source-Repositories.
- Prompt-Caching Mis-Integration — [Empirische Studie](https://arxiv.org/abs/2610.34817) identifiziert versteckte Kosten und Latenz-Probleme bei fehlerhafter Prompt-Caching-Integration über verschiedene LLM-Anbieter.
- Multi-Agent Streaming (StreamMA) — [Neue Architektur](https://arxiv.org/abs/2606.05158) reduziert Latenz durch asynchrones Streaming von Reasoning-Steps zwischen Agenten und verbessert gleichzeitig die Effektivität.
- Benchmark-Forschung — Mehrere neue Evaluierungs-Frameworks: [kw-bench](https://arxiv.org/abs/2610.36405) für Real-World Tasks, [PRISM-BENCH](https://arxiv.org/abs/2610.36554) für Multimodales Reasoning jenseits von Final-Answer-Accuracy, [M4Bench](https://arxiv.org/abs/2610.37459) für klinische EHR-Derivationen.
- Self-Improving Agents — [GEPA-Curator](https://arxiv.org/abs/2610.37651) filtert wenig hilfreiche Fehler-Signale aus Agent-Rollouts, um effektiver zu lernen.
- Formalisierung von Research Papers — [PaperFormalizer](https://arxiv.org/abs/2610.31810) nutzt Lean-verifizierte Agenten zur Schließung von Beweislücken in akademischen Papern.
## Sonstiges
- Verschiedene neue Benchmarks adressieren die Bewertung von Coding-Agenten unter praxisnahen Bedingungen; Entscheidungskriterien für Benchmarks-Auswahl entstehen.
Bereiche