Latent Space meldet GPT-6.1-Sol an der Spitze mit 87,9 Punkten, dicht gefolgt von Claude Opus 5.5 und Grok 4.7. Währenddessen senkte Sophos die Untersuchungszeit für Bedrohungen mit OpenAI Daybreak um 96 Prozent. Die Themen zeigen, wie Modellleistung und Sicherheitspraxis zusammenwachsen. Für Entwickler wird lokale Inferenz mit Saluki 27B auf 16-GB-Laptops praktikabel.
Neue Modelle und Quantisierungen verschieben Preis-Leistung und lokale Nutzbarkeit.
LSGPT-6.1-Sol führt das Latent-Space-Ranking mit 87,9 Punkten vor Claude Opus 5.5 (83,2) und Grok 4.7 (82,7).
Saluki 27B erreicht 96 Prozent von Qwen 3.8 bei einem Siebtel der Größe; 2-Bit-Quantisierung läuft offline auf 16-GB-Laptops.
Latent Space's leaderboard puts GPT-6.1-Sol at 87.9, ahead of Claude Opus 5.5 (83.2) and Grok 4.7 (82.7).
Saluki 27B hits 96% of Qwen 3.8's performance at ~1/7 size; a 2-bit quant runs offline on 16GB laptops.
LSLatent Space meldet: Claude Haiku 5.5 ist bei gleichem Preis besser als GPT-6 Luna.
Preisgleichheit macht kompakte Modellleistung zur direkten Konkurrenz für größere Luna-Klassen.
Latent Space reports Claude Haiku 5.5 matches or beats GPT-6 Luna at the same price point.
Pricing parity makes compact-model performance a direct challenge to larger Luna-class models.
NPMisha Laskin (ReflectionAI) stellt Beam vor, ein offenes Modell, das als 'The Great American Open Model' positioniert wird.
No Priors diskutiert, ob ein US-Open-Modell mit globalen offenen Modellen konkurrieren kann.
Misha Laskin (ReflectionAI) presents Beam, an open model positioned as 'The Great American Open Model.'
No Priors explores whether a US open model can compete with global open releases.
Konkrete Sicherheitseinsätze zeigen messbare Zeitersparnis und neue Bedrohungsmuster.
OSophos senkte die Bedrohungsuntersuchungszeit mit OpenAI Daybreak um 96 Prozent.
OpenAI Daybreak läuft produktiv in den Security-Workflows von Sophos.
Sophos cut threat investigation time by 96% using OpenAI Daybreak.
OpenAI Daybreak is running in production security workflows at Sophos.
TDOpenAI identifizierte russische und iranische Einflussoperationen, die Fake-Storys in echten Nachrichtenmedien platzierten.
Die Angriffe nutzten generierte Inhalte, um Narrative in legitimen Outlets unterzubringen.
OpenAI identified Russian and Iranian influence operations that planted fake stories in real news outlets.
The operations used generated content to place narratives inside legitimate media.
Simon Willison ships voice-built blog features and tokenizer tooling.
SWSimon Willison veröffentlichte ein neues Blog-Feature, das er per Sprache statt Tastatur entwickelt hat.
Der Beitrag zeigt Sprache als praktisches Entwickler-Interface für persönliche Automatisierung.
Simon Willison shipped a new blog feature built using his voice instead of a keyboard.
The post shows voice input as a practical developer interface for personal automation.
SWSimon Willison veröffentlichte ttok 1.0, ein Tokenizer-Tool für die Arbeit mit LLM-Tokens.
Das Release ergänzt seine Entwickler-Toolchain um ein dediziertes kleines Werkzeug.
Simon Willison released ttok 1.0, a tokenizer utility for working with LLM tokens.
The release adds a dedicated small tool to his developer toolchain.
Andy Pavlo discusses what happens when billions of AI agents hit databases.
TMAndy Pavlo untersucht, was passiert, wenn Milliarden KI-Agenten auf die Datenbank treffen.
Das Gespräch fokussiert die Datenbankbelastung durch agentische Workloads.
Andy Pavlo examines what happens when billions of AI agents hit your database.
The conversation focuses on database pressure from agentic workloads.