{"briefing":{"date":"2026-10-13","lede":"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.","tldr":[{"title":"Gemini 4 Argon verfügbar","text":"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.","url":"https://simonwillison.net/2026/Oct/13/llm-gemini/","source_label":"Simon Willison","themen":["modelle"]},{"title":"Anthropic ersetzt Git durch Scion","text":"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.","url":"https://www.anthropic.com/engineering/redesigning-source-control","source_label":"Anthropic Engineering","themen":["devops","agenten","claude"]},{"title":"Liquid AI LFM2.5-24B-A2B","text":"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.","url":"https://www.llmreference.com/model/lfm-2.5-24b-a2b/liquid","source_label":"LLM Reference","themen":["modelle","lokal","agenten"]}],"models":[{"title":"Gemini 4 Argon","paragraphs":["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."],"tag":null,"date_label":"13.10.","meta":[],"install":"llm install -U llm-gemini","links":[{"label":"Simon Willison","url":"https://simonwillison.net/2026/Oct/13/llm-gemini/"},{"label":"llm-gemini 0.35","url":"https://github.com/simonw/llm-gemini/releases/tag/0.35"}],"themen":["modelle"]},{"title":"LFM2.5-24B-A2B von Liquid AI","paragraphs":["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."],"tag":null,"date_label":"13.10.","meta":[],"install":null,"links":[{"label":"LLM Reference","url":"https://www.llmreference.com/model/lfm-2.5-24b-a2b/liquid"},{"label":"lmmarketcap","url":"https://lmmarketcap.com/model/liquidai-lfm2-5-24b-a2b"}],"themen":["open-weights","lokal","agenten"]}],"engineering":[{"title":"Scion: Versionskontrolle für Agenten-Tempo","paragraphs":["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)."],"tag":"Infra","date_label":"13.10.","meta":[],"install":null,"links":[{"label":"Anthropic Engineering","url":"https://www.anthropic.com/engineering/redesigning-source-control"},{"label":"Simon Willison mit Chart","url":"https://simonwillison.net/2026/Oct/13/redesigning-source-control-at-anthropic/"}],"themen":["devops","agenten"]},{"title":"Pre-Commit-Hook als Leitplanke für Agenten","paragraphs":["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."],"tag":null,"date_label":"13.10.","meta":[],"install":null,"links":[{"label":"Simon Willison","url":"https://simonwillison.net/2026/Oct/13/geoffrey-huntley/"}],"themen":["agenten","devops"]}],"skills":[],"skills_note":"Keine neuen offiziellen Skills/Plugins für den Zeitraum geprüft (nachträgliche Erstellung).","trending":[],"trending_note":"Nachträglich erstellt – GitHub-Trending für diesen Tag nicht verfügbar.","risks":[],"todos":[{"title":"Hook statt Prompt-Regel","paragraphs":["Eine Konvention aus `CLAUDE.md` (z. B. „keine `kubectl apply` ohne Kustomize“, „Logging nur über unser Modul“) als Pre-Commit-Hook oder Claude-Code-`PreToolUse`-Hook mit verständlicher Fehlermeldung umsetzen. Der Agent liest die Meldung und repariert selbst."],"tag":null,"date_label":null,"meta":[],"install":null,"links":[],"themen":["agenten","claude","devops"]},{"title":"LFM2.5 lokal testen","paragraphs":["Sobald GGUF/MLX-Varianten verfügbar sind, das Modell in Ollama gegen ein vorhandenes Qwen-MoE auf Tool-Calling prüfen – etwa mit ein paar echten `kubectl`-/GitLab-API-Aufgaben aus dem Alltag statt Benchmarks."],"tag":null,"date_label":null,"meta":[],"install":null,"links":[],"themen":["lokal","open-weights"]}],"sources":[{"label":"Simon Willison: llm-gemini 0.35 / Gemini 4 Argon","url":"https://simonwillison.net/2026/Oct/13/llm-gemini/"},{"label":"Anthropic: Redesigning source control","url":"https://www.anthropic.com/engineering/redesigning-source-control"},{"label":"Simon Willison, 13.10.","url":"https://simonwillison.net/2026/Oct/13/"},{"label":"LLM Reference: LFM2.5-24B-A2B","url":"https://www.llmreference.com/model/lfm-2.5-24b-a2b/liquid"},{"label":"OrcaRouter: LFM2.5-24B-A2B","url":"https://www.orcarouter.ai/es/blog/lfm2-5-24b-a2b-release"}]},"meta":{"model":"claude-opus-5-5","started_at":"2026-10-18T20:22:38Z","finished_at":"2026-10-18T20:23:31Z","input_tokens":0,"output_tokens":0,"web_searches":2,"web_fetches":3,"iterations":1,"source":"import"}}