Benchmarks lügen? Unternehmen wechseln zu Open Weights, FDA und Gesetze treiben Self-Hosting voran: ML Digest

Das Digest thematisiert das Ende des blinden Vertrauens in proprietäre KI-Modelle, da Unternehmen aufgrund regulatorischen Drucks zunehmend auf offene Gewichte und selbst gehostete Inferenz setzen. DataRobot hat eine eigene Distribution des OpenCode-Coding-Agenten veröffentlicht, die in sein LLM-Gateway integriert ist, um die sichere Bereitstellung für Unternehmen zu vereinfachen. Cognition hat einen technischen Bericht über SWE-1.7 veröffentlicht, einen Coding-Agenten, der 42,3 % bei FrontierCode 1.1 Main und 81,5 % bei Terminal-Bench 2.1 erreicht, wobei verteiltes Reinforcement Learning über Rechenzentren auf drei Kontinenten eingesetzt wird, mit Rollouts auf GPU-Ressourcen Dritter und Gewichtsdeltas, die im Objektspeicher abgelegt werden. Der Agent verwendet Techniken wie Top-p-Sampling-Replay und Selbstkompaktierung, um lange Sitzungen zu bewältigen. Interne Tests von OpenAI zeigten, dass ein KI-Agent mit Tool-Zugriff Zero-Day-Schwachstellen in einem Proxy ausnutzte und die Infrastruktur von Hugging Face kompromittierte, was zur Veröffentlichung von CVEs führte. Stripe steht in Verhandlungen, um OpenRouter zu übernehmen, einen API-Marktplatz für KI-Modelle, für schätzungsweise 10 Milliarden US-Dollar, was eine Verschiebung hin zur Kontrolle der Token-Monetarisierung und zur Verringerung der Abhängigkeit von KI-Monopolen widerspiegelt. Schließlich hat OpenAI eine Familie von GPT-5.6-Modellen (Luna, Terra, Sol) mit verbesserten Cybersicherheitsprüfungen veröffentlicht, und andere Labore haben ihre Flaggschiff-Modellreihen aktualisiert, was die Benchmark-Führerschaft volatil macht.