Offene Multimodal-Modelle reifen. Baue mit Browser-Agent, OCR und Video sofort Praxisflows.

Wichtige KI-Nachrichten

Meta Muse Spark Open landet in Transformers

Muse Spark Open ist jetzt in Transformers 5.20. Es ist multimodal und verarbeitet Text, Bilder, Audio und Video in einem Lauf. Das Modell nutzt Mixture-of-Experts, ein Ansatz, der pro Token nur einen Teil der Experten schaltet, und kommt laut Release auf 816B gesamt und 42B aktiv pro Token. Die Kontextlänge liegt bei bis zu 1.048.576 Tokens. Meta trainierte es für agentisches Coding, etwa Multi-File-Editing, Debugging und Toolaufrufe. Checkpoints stehen in BF16 und NVFP4 bereit. Ein Analyst stuft es als stärkstes US-Open-Weight ein. Das ist eine Einschätzung, keine unabhängige Messung. Für dich heißt das: Du kannst lange, gemischte Eingaben und Code-Hilfen ohne API nutzen, wenn du passende GPUs hast.¹²

NVIDIA Nemotron 3.5 Super VL für spezialisierte Agenten

NVIDIA stellt Nemotron 3.5 Super VL als offenes, anpassbares Multimodal-Modell für Workflows mit Sehen, Gründen und Toolnutzung vor. Es soll Dokumente lesen, Quellen prüfen und mehrere Tools in einem Auftrag steuern. Lokal ist es bereits in LM Studio verfügbar. Für den Vollausbau nennt LM Studio rund 70 GB RAM. Das begrenzt den Einsatz auf starke Workstations. Für dich ist das interessant, wenn sensible Inhalte lokal bleiben sollen.³⁴

Debatte um geleakten Anthropic-Gesetzentwurf

Berichte sprechen von einem von Anthropic gepitchten US-AI-Gesetzentwurf. Kritiker heben eine starke Preemption hervor, also das Verdrängen von Landesrecht durch Bundesrecht, und schwächere Durchsetzung im Vergleich zum FRONTIER-Act. Teils würde es Staaten Kompetenzen zur Aussetzung riskanter Modelle nehmen, während die Hürden auf Bundesebene hoch lägen. Plane Compliance nicht ausschließlich auf Basis einzelner Bundesstaaten. Das ist eine Einordnung der zitierten Autoren, keine gerichtete Bewertung.⁵

GPT-Rosalind: Sponsored-Zugang für akademische Labore

OpenAI bietet einen Rosalind Academic Plan. Förderberechtigte akademische Labore erhalten gesponserten Zugang zu GPT-Rosalind und Tools für Life Sciences. Das richtet sich an Forschung, nicht an Unternehmen. Wenn du ein Uni-Labor leitest, kann das Zugangsbarrieren senken.⁶

MOSS-Image: dichter Text und Layouts im offenen Bildmodell

Ein technischer Bericht stellt MOSS-Image vor. Ziel ist bessere Wiedergabe von dichtem Text und komplexen Layouts bei offenen Text-zu-Bild-Systemen. Das ist Forschung, keine fertige Produktfunktion. Für Marketing-Teams kann das später Infografiken und Plakate verbessern.⁷

Highlights für deinen Arbeitsalltag

• Lerne agentisches Coding im Browser. DeepLearning.AI hat ein neues Lab mit Live-Vorschau. Du brauchst nichts zu installieren. Einschreibung ist laut Anbieter kostenlos. Gut für Teams ohne Dev-Setup.⁸

• Videos günstig testen. Dreamina bietet laut Partner-Post einen Basic-Monat für 1,50 US-Dollar. Du wandelst Ideen mit Seedance in Clips. Prüfe Preis und Konditionen vor dem Kauf. Das ist eine Anbieterangabe.⁹

• Lange PDFs in einem Rutsch transkribieren. UnlimitedOcr ist in Transformers 5.20 enthalten. Es verarbeitet lange Dokumente, gibt bei Bedarf Bounding Boxes aus und eignet sich für Posteingänge. Das erfordert Python und Modell-Setup.¹

Tools und Updates

• Transformers 5.20 bringt MOSS-Transcribe-Diarize. Du erhältst in einem Lauf Transkript, Sprecher-Zuordnung und Zeitmarken für lange Audios. Einsatz: Meetings, Interviews. Voraussetzung: Nutzung von Transformers, kein Fertig-Service.¹

• Nemotron 3.5 Super VL in LM Studio. Vision-Eingaben und Toolnutzung lokal. Rechne mit ca. 70 GB RAM. Einsatz: interne Auswertung vertraulicher Dokumente.⁴

• LaTeX-Renderer als Link-Tool. Ein leichtes Web-Tool rendert LaTeX aus dem URL-Fragment. Teilen geht per Link. Nützlich für Teams mit Formeln, ohne schweren Editor.¹⁰

In fünf Minuten ausprobieren

Eine kleine Agenten-Übung im Browser, ohne Installation. Grundlage ist das neue Lab von DeepLearning.AI.⁸

1) Melde dich im Browser für das Lab an. Öffne ein Starter-Projekt mit Live-Vorschau. 2) Bitte den Coding-Agenten, eine kleine Funktion zu bauen, die aus einem Support-Text Ticketnummer, Kunde, Produkt und Dringlichkeit extrahiert. Nutze diesen Text: „Ticket #84219 von Acme GmbH. Produkt: A-12. Problem: Rechnung doppelt. Bitte bis morgen klären. Hoch.“ 3) Starte die Vorschau. Prüfe, ob die vier Felder korrekt gefüllt sind. Kriterium: Ticketnummer 84219, Kunde Acme GmbH, Produkt A-12, Dringlichkeit Hoch.

Erwartetes Ergebnis: Eine kurze Ausgabe mit vier korrekt erkannten Feldern. Du siehst die Änderung sofort in der Live-Vorschau.

Ein guter Fund

AI:AM diskutiert, wie Agenten Zugriff bekommen, ohne die Kontrolle zu verlieren. Zwei Punkte sind direkt nutzbar. Binde sicherheitskritische Aktionen wie Passwort-Änderungen an Out-of-Band-Bestätigung. Kopple Code-Vorschläge von LLMs mit formalen oder automatischen Checks, bevor etwas live geht. So hältst du den „Steuerknopf“ in der Hand, auch wenn Agenten Routinearbeit übernehmen.¹¹

Quellen

1. Transformers v5.20.0 (github.com)
2. Meta shakes up the frontiers, open and closed (interconnects.ai)
3. NVIDIA Nemotron 3.5 Super VL Powers Specialized Agents with Multimodal Reasoning (developer.nvidia.com)
4. @lmstudio: Nemotron 3.5 Super VL from @NVIDIAAI is live in LM Studio!

• 120B total / 12B active MoE • Supports vision input, reasoning • Trained for visual understanding, tool use

Requires (x.com) 5. Leaked Anthropic Draft AI Regulatory Bill Is Unacceptable and Troubling (thezvi.substack.com) 6. Bringing GPT-Rosalind to academic research labs (openai.com) 7. Paper: MOSS-Image Technical Report (huggingface.co) 8. @deeplearningai: 💻Learn by building with an AI coding agent, right in your browser. 👀Live preview, nothing to install.

📚Try https://t.co/lR4uQ0iJ7H’s new agentic coding lab in our course, Building (x.com) 9. @datachaz: 🚨 Dreamina's $1.50 Basic offer is somehow still live.

It gives you a full month to turn saved ideas into actual videos with the Seedance lineup, including Seedance 2.5.

ICYMI the (x.com) 10. LaTeX renderer (simonwillison.net) 11. AI:AM: Where's the Steering Wheel? My Agent Set the Password, Hidden Valence, Proofs Find Linux Bugs (cognitiverevolution.ai)