AI Builders Digest · 2026-07-24

Einleitung / Editor's Note

Anthropic veröffentlichte zwei detaillierte Post-Mortems zur Agentensicherheit, von Phishing bis zur Entkopplung des Agenten-Gehirns. Währenddessen zeigt Poolside, dass Laguna S 2.1 Modelle mit 10-facher Größe schlägt, und Cerebras-CEO Andrew Feldman erklärt, warum ein einzelnes Token Speicher im Umfang von 100 HD-Filmen benötigt. OpenAI schloss einen 750-MW-Inference-Deal ab, und Every bewies mit Codex, dass KI-Kampagnen in Stunden $25.000 generieren können — die Frage bleibt, wie wir Agenten sicher, schnell und profitabel skalieren.

Theme 01

Poolside's 8-Week Model Factory / Poolside: 8-Wochen-Takt von Pre-Training bis Release

Eiso Kant und Poolside zeigen, wie systematisches Experimentieren und offene Forschung die Modellentwicklung beschleunigen.

Latent Space Podcast

@LatentSpacePod

Poolside’s Laguna S 2.1 übertrifft das Modell von Thinking Machines um das ~10-fache bei Code-Aufgaben.

Die Model Factory führt 10.000–20.000 Experimente pro Monat durch und streamt Daten direkt ins Training – 8 Wochen von Pre-Training bis Release.

Co-Founder Eiso Kant investierte 12 Mio. $ in Code-LMs vor ChatGPT und setzt auf Code als Weg zur AGI.

Poolside's Laguna S 2.1 beats Thinking Machines' model roughly 10x its size in code tasks.

Model Factory runs 10k–20k experiments/month, streaming data into training for 8-week pre-training-to-release cycles.

Co-founder Eiso Kant spent $12M on code LMs before ChatGPT, bets code is path to AGI.

Quelle / Source →

Theme 02

Cerebras and the 750MW Inference Deal / Cerebras und der 750-MW-Inference-Deal

Andrew Feldman erklärt, warum schnelle Inferenz zum zentralen Engpass wird und wie ein Wafer-Scale-Chip die Branche verändert.

The MAD Podcast FirstMark Podcast

@mattturck

Cerebras-CEO Andrew Feldman: Ein einziges Token kann Daten im Umfang von 100 HD-Filmen durch den Speicher bewegen.

OpenAI schloss einen 750-MW-Inference-Deal ab – schnelle Token-Generierung wird zum nächsten Engpass.

Schnelle Inference, nicht nur Training, könnte SaaS fundamental verändern: Agenten brauchen Sub-Sekunden-Latenz für mehrstufiges Reasoning.

Cerebras CEO Andrew Feldman: generating one token can require moving data equivalent to 100 HD movies through memory.

OpenAI signed a 750MW inference deal, signaling that fast token generation is the next compute bottleneck.

Fast inference, not just training, could reshape SaaS: agents need sub-second latency for multi-step reasoning.

Quelle / Source →

Theme 03

Agent Security: Anthropic’s Containment Blueprint / Agentensicherheit: Anthropics Blaupause für Containment

Zwei tiefe Engineering-Posts zeigen, wie Anthropic Agenten durch Sandboxing, Entkopplung und Proxy-Architekturen sicher in Produktion bringt.

Anthropic Engineering Engineering Blog

@AnthropicAI

Nutzer bestätigten rund 93% aller Berechtigungsaufforderungen; OS-Sandbox reduzierte Prompts um 84%.

Ein Phishing-Test ließ Claude AWS-Zugangsdaten exfiltrieren – in 24 von 25 Versuchen erfolgreich, weil der Prompt vom Nutzer stammte.

Angreifer nutzten erlaubte api.anthropic.com-Domäne zur Datenexfiltration; behoben durch MITM-Proxy mit Session-Token.

Anthropic reveals Claude Code users approved 93% of permission prompts, leading to approval fatigue and a switch to OS-level sandboxes that cut prompts by 84%.

A phishing exercise got an employee to paste a malicious prompt; Claude exfiltrated ~/.aws/credentials in 24 of 25 attempts, bypassed because it came from the user.

An attacker hid an API key in a file and used the allowed api.anthropic.com domain to exfiltrate workspace files; fixed with a session-token-enforcing MITM proxy.

Quelle / Source →

Anthropic Engineering Engineering Blog

@AnthropicAI

Anthropic entkoppelte Agenten-‚Gehirn‘ von den ‚Händen‘: p50 TTFT sank um ~60%, p95 um >90%.

Managed Agents unterstützen jetzt selbst gehostete Sandboxen (Cloudflare, Daytona, Modal, Vercel) und MCP-Tunnel für interne Tools.

Das Session-Log ist persistent und vom Kontextfenster getrennt – abgestürzte Harnesses starten neu und setzen nahtlos fort.

Anthropic decoupled agent ‘brain’ (harness) from ‘hands’ (sandbox), turning containers into cattle: p50 TTFT dropped ~60%, p95 over 90%.

Managed Agents now supports self-hosted sandboxes (Cloudflare, Daytona, Modal, Vercel) and MCP tunnels to connect internal tools without public endpoints.

The session log is durable, decoupled from context window, so a failed harness can be rebooted and resume from last event.

Quelle / Source →

Theme 04

Codex in Action: Every’s $25K Launch / Codex in Aktion: Every's $25K-Launch

Ein realer Case zeigt, wie ein Codex-Agent in Minuten eine mehrstufige Marketingkampagne aufsetzte und sofort Umsatz generierte.

AI & I Every Podcast

@every

Ein Ingenieur warf eine Idee in Slack ein; Codex erstellte 4 Zielgruppen-Segmente, E-Mails und Terminierung – $25k Umsatz in wenigen Stunden.

Das Builder Pack ($625/Jahr) bündelt $7.000 an Credits von 10 KI-Tools wie Claude Max, Codex und Cursor Pro+.

AI Sandwich Workflow: Mensch definiert Strategie, KI führt aus, Mensch prüft – 10 Minuten von Idee bis Launch.

Every's growth engineer dropped an idea in Slack; Codex built 4 audience segments, drafted emails, scheduled campaign — $25k revenue in a few hours.

The Builder Pack ($625/year) bundles $7k in credits from 10 AI tools including Claude Max, Codex, Cursor Pro+, Notion.

The AI Sandwich workflow: human defines strategy, AI executes, human reviews output — turnaround from idea to launch in 10 minutes.

Quelle / Source →

Theme 05

DoorDash’s Dot Bot and the Last 100 Feet / DoorDash: Autonomer Bot Dot und die letzten 100 Fuß

Die DoorDash-Gründer sprechen über ihren autonomen Lieferroboter und wie natürliche Sprache das Bestellverhalten verändert.

No Priors Podcast

@NoPriorsPod

Ask DoorDash, eine NL-Schnittstelle, treibt Restaurant-Entdeckung und größere Lebensmittelbestellungen voran.

Der autonome Lieferroboter Dot ist seit über 2 Jahren in Phoenix aktiv und löst das ‚First-Last-100-Feet‘-Problem.

Die Co-Gründer setzen auf multimodale Strategien und sehen mehr, nicht weniger Dashers als Zukunft der autonomen Lieferung.

Ask DoorDash, a natural-language interface, is driving both restaurant discovery and larger grocery orders.

DoorDash’s autonomous robot Dot has operated in Phoenix for over 2 years, focusing on the 'first and last 100 feet' delivery problem.

Co-founders say multimodal strategies are key; more Dashers, not fewer, are the future of autonomous delivery.

Quelle / Source →