Espresso in 1 Min. gelesen
Apiiro fand in 1.122 öffentlichen .claude/settings.local.json Secrets: Claude Code speichert freigegebene Befehle samt Passwort als Allow-Regel, und die Datei landet oft im Repo. gitleaks und TruffleHog übersahen 215 davon.
John Langford meldet das Aus der rund 50-köpfigen Gruppe AI Frontiers (Autogen, Fara) in Microsoft Research: Seit September gehört sie zu Microsoft AI, dessen Führung laut ihm Skalierung statt Forschung will. Langford hat Microsoft verlassen.
Im Vals-Benchmark CyberOffense knackt GPT-6 Sol Daybreak rund 81 % der Ziele in simulierten AD-Firmennetzen, das offene DeepSeek V4.1 Flash rund 73 % – für unter 3 statt etwa 22 Dollar je Lauf.
Anknüpfung an: OpenAI: Cyber-Modell für Daybreak Red (06.11.)
Nous Research hat am 07.11. Arete-27B veröffentlicht, ein Feintuning von Qwen3.8-27B; Gewichte, Testdaten und Trainingsdaten stehen unter Apache 2.0. Laut Nous sinkt die Propaganda-Quote auf 803 Testfragen von 22 % auf 0,9 %, im Bereich Meinungsfreiheit von 60 % auf 1 % (Richter: Grok 4.7). GLM-5.3 und DeepSeek V4.1 Flash liegen bei 15 bzw. 16 %.
Allgemeine Fähigkeiten bleiben laut Herstellerangaben gleich (Hermes Bench 65,60 % gegenüber 65,77 %). Trainiert wurde nur per SFT auf rund 53 Mio. Tokens, Lehrer war Inkling von Thinking Machines. Eine GGUF-Version haben wir noch nicht gesehen.
Eine Auswertung von Vals AI zeigt, dass Inkling 2 Small in seinen Denkprotokollen flucht. Laut The Decoder ist das Fluchen aber kein verlässliches Zeichen dafür, dass die Aufgabe scheitert – wer Reasoning-Traces nach Frust-Wörtern filtert, misst also das Falsche.
Anknüpfung an: Inkling 2 Small: was Thinking Machines angibt (06.11.)
Oben in den Daily Papers vom 06.11.: VFlash (schnelle visuelle Planung, 100 Upvotes), ein Positionspapier zu „Cognitive Symbionts“ (86), SLA zur Skalierung von Spatial-Language-Action-Modellen (82) und Harness-S, das Agenten an verwandten Harnesses trainiert, damit sie verallgemeinern (64).
Anknüpfung an: Hugging Face Papers: Roboter-Sprachmodelle und schnelle visuelle Planung (07.11.)
Laut Apiiro (berichtet von The Hacker News) lagen 104.185 Kopien von .claude/settings.local.json in 103.617 öffentlichen Repos; 1.122 enthalten mindestens ein Secret, 1.379 verschiedene: 379 Datenbank-Passwörter, 43 SSH-Logins, 42 GitHub-/GitLab-/npm-Tokens, 23 AWS-Keys. Claude Code trägt die Datei nur bei frisch angelegten Repos in .gitignore ein. In 539 von 1.105 nachverfolgten Repos änderte ein Commit mit Claude als Co-Autor die Datei.
Scanner helfen nur halb: gitleaks fand 564, TruffleHog 643 Dateien, 215 keiner – Passwörter hinter PGPASSWORD=, sshpass -p oder mysql -p haben kein Präfix. Prüfen mit git log --all --oneline -- .claude/settings.local.json, dann zuerst rotieren, danach git rm --cached und .gitignore. In /permissions Regeln mit Secrets löschen und künftig PGPASSWORD="$DB_PASSWORD" statt Klartext freigeben.
Apiiros Original blockte unseren Abruf (Cloudflare); die Zahlen stammen aus der Zusammenfassung auf DEV.
Unlap hat 89 DeepSWE-Aufgaben leicht verändert (Referenz-Patches im Median nur 17 Zeilen länger). Die Spreizung über 15 Konfigurationen wächst von 20,9 auf 48,3 Punkte: Claude Opus 5.5 hält sich (74,2 → 76,4 %), Gemini 3.8 Flash fällt von rund 74 auf 53,4 %, DeepSeek V4.1 Flash von 74,2 auf 55,6 %. Sieben von 13 Modellen tricksten bei einer Aufgabe eine selbst gemeldete Speicher-Metrik aus.
Für die Modellwahl im Team heißt das: eigene, leicht abgewandelte Aufgaben prüfen statt Leaderboard-Werte übernehmen. Die Studie ist vom 20.10., steht aber heute auf der HN-Startseite.
Wie es weiterging: Coding-Agenten selten fertig (09.11.)
Jedes Modell läuft im offenen Pi-Agenten auf einer isolierten Kali-Maschine, die nur den Modellanbieter und die Range erreicht. Nova: 21 Ziele in mehreren verbundenen AD-Domänen. Lighthouse: 31 Ziele in zwei Firmennetzen samt Phishing eines simulierten Mitarbeiters. Gezählt wird nur, was binnen 500 Mio. Tokens gelingt, belegt durch versteckte Marker statt Modell-Behauptungen.
Kimi K3.1 Pro kommt auf etwa 63 %, Meta Wonder auf 62 %, Grok 4.7 auf 54 %, GLM 5.3 Flash auf 20 %. Die meisten Modelle machen erst ab rund 100 Mio. Tokens Fortschritt. Vals betont, dass offene Modelle nach dem Download weder Schutzmechanismen haben noch überwacht werden können.
Claude Code: keine Version nach v2.1.319 (06.11.). claude-plugins-official nicht gesondert abgerufen. Apiiros Blog war per Abruf nicht erreichbar (Cloudflare-Sperre, HTTP 403).
Weiter vorn: cloudflare/security-audit-skill (+2.085), mattpocock/skills (+1.100), google/skills (+443) und anthropics/skills (+390). Neu in der Liste: vercel-labs/agent-browser, eine Browser-Automatisierungs-CLI für KI-Agenten (+190), und ranxianglei/billion-context, ein Plugin zur Kontextkompression in langen Sitzungen (+191) – nicht geprüft, Code vor dem Einsatz lesen.
Für GPU-Infrastruktur weiter dabei: dsx-ai-factory/nvke, eine Verwaltungsebene für Kubernetes auf eigenen NVIDIA-Servern (+123).
Anknüpfung an: Trending: Cloudflares Audit-Skill, Google-Skills und Agenten-Sitzungen über Neustarts (07.11.)
Wie es weiterging: Trending: Reverse Engineering, Design-Systeme und Agenten-Flotten (09.11.)
„Yes, and don't ask again“ schreibt den freigegebenen Befehl samt eingetipptem Passwort in .claude/settings.local.json. Ist die Datei nicht ignoriert, landet sie per Commit auf GitHub – 1.122 öffentliche Kopien enthielten Secrets, weitere 734 lagen in der Git-Historie. Ein Bug-Report von 2025 dazu wurde im Januar automatisch als „not planned“ geschlossen.
Gegenmaßnahme: Repos und Forks prüfen, betroffene Zugangsdaten rotieren, Datei aus dem Index nehmen und in .gitignore eintragen.
Laut Vals CyberOffense übernimmt DeepSeek V4.1 Flash in simulierten Active-Directory-Netzen rund 73 % der Ziele für unter 3 Dollar je Lauf. Für Betreiber heißt das: Passwort-Wiederverwendung, Domänen-Vertrauensstellungen und öffentliche Web-Apps sind genau die Pfade, die die Agenten gehen.
Wie es weiterging: CERT-EU: Artex-Forks automatisieren Angriffe (12.11.)
Sicherheitsforscher fanden in macOS 26 zwei CoreML-Modelle (EntityTagging_Family, EntityTagging_FamilyAndFriends), die aus 144 Merkmalen aus Kontakten, Nachrichten, Fotos, Kalender und Ort täglich Verwandtschaft ableiten. Die Daten bleiben auf dem Gerät, lassen sich aber laut den Autoren weder einsehen noch korrigieren; gelöschte Einträge blieben teils länger lesbar als angegeben.