1
Gemini 4 Argon verfügbar
Googles neues Modell ist per Gemini API und im 100-$-Abo nutzbar. Zum Start 2 $/10 $ pro Mio. Tokens; ab 1. Dezember verdoppelt sich der Preis auf das Niveau von Opus 5.5.
Dein KI-Espresso · Dienstag, 13. Oktober 2026
Google schaltet Gemini 4 Argon frei, Anthropic erklärt, warum Git für 30.000 Merges am Tag nicht mehr reicht, und Liquid AI bringt ein kleines MoE-Modell für Agenten auf dem Gerät.
Der Espresso die drei Schlucke des Tages
2
Anthropic ersetzt Git durch Scion
Von rund 2.500 Merges pro Tag im Mai auf über 30.000 im September: Anthropic hat sein Monorepo in fünf Monaten auf das eigene System Scion migriert. Checkouts dauern Sekunden statt Minuten, die Infrastruktur braucht rund 200x weniger CPU und RAM als die Git-Mirrors.
3
Liquid AI LFM2.5-24B-A2B
24B-MoE mit etwa 2,45B aktiven Parametern, 128K Kontext, auf Tool-Calling und Agenten-Workflows nachtrainiert. Laut Liquid gleichauf mit Qwen3.6-35B-A3B bei Agenten-Benchmarks – unabhängige Tests fehlen noch.
Neue Modelle & Releases 2
Gemini 4 Argon
Laut Simon Willison kostet Argon zum Start so viel wie GPT-6 Sol, halb so viel wie Opus 5.5 und ein Fünftel von Fable 5.1 bzw. GPT-6 Astra. Für einen kompletten Lauf des Artificial-Analysis-Benchmarks (High) fallen rund 2.407 $ an – ähnlich wie bei GLM-5.3.
Das Plugin llm-gemini 0.35 unterstützt das Modell bereits. Kontextfenster und Benchmark-Werte nennt der Beitrag nicht.
llm install -U llm-gemini
LFM2.5-24B-A2B von Liquid AI
Größtes Modell der LFM2.5-Reihe: 40 Layer, 64 Experten mit Top-4-Routing, Hybrid aus gated Short Convolutions und Grouped-Query-Attention. Das Modell denkt immer vor der Antwort. Die Preisangaben unterscheiden sich je nach Anbieter (ab 0,05 $ Input pro Mio. Tokens).
Mit nur ~2,5B aktiven Parametern ist es ein Kandidat für lokale Agenten auf Apple Silicon – die Benchmarks sind bislang Herstellerangaben.
Agentic Engineering & Praxis 2
InfraScion: Versionskontrolle für Agenten-Tempo
Der Main-Branch des Anthropic-Monorepos hat knapp 100 GB Historie, CI macht rund 25 Mio. Checkouts pro Tag; Hunderte Git-Mirrors wurden zum Engpass. Scion setzt auf immer verbundene Clients, serverseitige Merges/Rebases, einen Changeset-Log statt ganzer Trees sowie Caching-Stufen (Node-Daemon, regionale Caches, Spanner-Backend) mit über 99 % Hit-Rate.
Statt globalem Merge-Lock: Tests nach dem Merge und vor dem Deploy, Konflikte löst Claude. Scion ist nicht Open Source; Anthropic nennt Metas Sapling/Mononoke und Googles Piper als Vorbilder und empfiehlt, die Ideen auf Git zu übertragen (Sparse/Virtual Checkouts, API statt Checkout).
Pre-Commit-Hook als Leitplanke für Agenten
Geoffrey Huntley lässt einen Pre-Commit-Hook den Diff nach direkten Aufrufen von Observability-Modulen durchsuchen, die seine Diagnose-Bibliothek umgehen. Schlägt der Hook fehl, bekommt der Agent den Hinweis und korrigiert – laut Huntley hat das die Regeltreue deutlich verbessert.
Skills, Plugins & MCP-Server 0
Keine neuen offiziellen Skills/Plugins für den Zeitraum geprüft (nachträgliche Erstellung).