{"briefing":{"date":"2026-11-05","lede":"Offene Gewichte von zwei Seiten: Moonshot legt Kimi K3.1 Pro zum Download, ein US-Start-up kontert mit einem dichten 65B-Coder – und Anthropic zeigt, wie man beweist, welches Modell wirklich antwortet.","tldr":[{"title":"Kimi K3.1 Pro: Gewichte offen","text":"Moonshot hat die Gewichte von Kimi K3.1 Pro auf Hugging Face gestellt: MoE mit 2,8 Bio. Parametern (104 Mrd. aktiv), 1M Kontext, MXFP4-Gewichte aus quantisierungsbewusstem Training, eigene Lizenz. Empfohlen: vLLM, SGLang.","url":"https://huggingface.co/moonshotai/Kimi-K3.1-Pro","source_label":"HF-Modellkarte","originaltitel":null,"themen":["open-weights","china","modelle"],"modell":null,"bezug":[],"kurz":"Moonshot veröffentlicht die Gewichte von Kimi K3.1 Pro: 2,8 Billionen Parameter, 1 Million Token Kontext – eher fürs Rechenzentrum als für den Laptop."},{"title":"Beweisbar: welches Modell antwortet","text":"Anthropics Frontier Red Team stellt FlashProve vor: ein zkSNARK belegt je Antwort, dass sie von einem zuvor festgelegten Modell stammt. Prototyp mit Llama 4 Maverick auf einer H100, rund 70–95-facher GPU-Aufwand, Code unter Apache 2.0.","url":"https://www.anthropic.com/research/provable-inference","source_label":"Anthropic Research","originaltitel":null,"themen":["forschung","sicherheit"],"modell":null,"bezug":[],"kurz":"Anthropic zeigt einen kryptografischen Nachweis, dass eine Antwort wirklich vom versprochenen Modell kommt – noch teuer, aber als offener Prototyp verfügbar."},{"title":"Ripple-65B: dichter US-Coder","text":"Ricursive Intelligence veröffentlicht Ripple-65B Preview unter Apache 2.0: dichter Transformer, 80 Schichten, bis 1M Kontext. Herstellerangaben: Terminal-Bench 2.1 80,5 und SWE-bench Verified 76,5 – vor viel größeren US-Modellen.","url":"https://www.ricursive.com/ripple","source_label":"Ricursive","originaltitel":null,"themen":["open-weights","modelle","agenten"],"modell":null,"bezug":[],"kurz":"Ein offenes 65B-Modell aus den USA meldet beim agentischen Programmieren Werte auf dem Niveau von Modellen mit dem Zehnfachen an Parametern."}],"models":[{"title":"Kimi K3.1 Pro: was in der Modellkarte steht","paragraphs":["93 Schichten (eine dicht), 896 Experten mit 16 je Token plus 2 geteilten; Attention aus 69 KDA- und 24 Gated-DSA-Schichten, dazu der Vision-Encoder MoonViT-V2 (401 Mio. Parameter) für Bildeingaben. Gewichte in MXFP4 mit MXFP8-Aktivierungen, also schon beim Training auf 4 Bit ausgelegt.","Herstellerangaben bei maximalem Reasoning: Terminal-Bench 4.0 65,7, SWE Marathon v1.1 51,7, BrowseComp 92,1, OSWorld V2.1 79,6, GPQA-Diamond 94,2. Die Karte führt auch Cyber-Benchmarks (ExploitBench 74,7); laut Berichten hat Moonshot für die offene Fassung Cyber-Trainingsdaten entfernt – nicht selbst geprüft.","Die Karte verlinkt Community-Quantisierungen für llama.cpp, Ollama und LM Studio, nennt aber keine Größen. Selbst bei 4 Bit ist das ein Modell für Mehr-GPU-Server, nicht für einen Mac."],"tag":null,"date_label":"04.11.","meta":["HN: 444 Punkte","Lizenz: Kimi K3.1 Pro License"],"install":null,"links":[{"label":"HF-Modellkarte","url":"https://huggingface.co/moonshotai/Kimi-K3.1-Pro"},{"label":"HN-Diskussion","url":"https://news.ycombinator.com/item?id=50366999"}],"originaltitel":null,"themen":["open-weights","china","modelle"],"modell":null,"bezug":[],"schwere":null,"betrifft":[]},{"title":"Ripple-65B Preview: Architektur und Vergleich","paragraphs":["Ricursive leitet Ripple aus seinem proprietären Chip-Design-Modell ab. Dicht statt MoE: d_model 5120, 80 Schichten, mehr Sliding-Window- als globale Schichten, Gated Attention, globales NoPE, Value Residuals. Im Repo liegen BF16-Gewichte, ein NVFP4-Checkpoint separat; laut Karte passt das Modell auf eine DGX Spark.","Herstellertabelle: MMLU-Pro 84,2, GPQA Diamond 85,2, SWE-bench Pro 61,4, MCP Atlas 71,7. Bei Terminal-Bench 2.1 (selbst gemessen) liegt es knapp vor Reflection Beam 501B (80,1), bei SWE-bench Verified und MCP Atlas dahinter. Hosting bei Together AI, GMI Cloud und OpenRouter."],"tag":null,"date_label":"04.11.","meta":["HN: 267 Punkte","Apache 2.0"],"install":null,"links":[{"label":"Ricursive","url":"https://www.ricursive.com/ripple"},{"label":"HF-Modellkarte","url":"https://huggingface.co/ricursiveAI/Ripple-65B-Preview"},{"label":"HN-Diskussion","url":"https://news.ycombinator.com/item?id=50369925"}],"originaltitel":null,"themen":["open-weights","modelle","agenten"],"modell":null,"bezug":[],"schwere":null,"betrifft":[]},{"title":"Hugging Face Papers: Robotik und Weltmodelle vorn","paragraphs":["Die meistgelesenen Papers des Tages drehen sich um Weltmodelle und Robotik: „GameVerse“ (Gameplay-Datensatz mit minutenlangen Sequenzen), „PyRUA-DataFarm“ (LLM-Agent als günstiger Teleoperator für Roboterdaten) und native Vision-Language-Action-Policies. Für den Betrieb wenig Unmittelbares."],"tag":null,"date_label":null,"meta":[],"install":null,"links":[{"label":"GameVerse","url":"https://huggingface.co/papers/2610.37257"},{"label":"PyRUA-DataFarm","url":"https://huggingface.co/papers/2611.05320"},{"label":"HF Papers","url":"https://huggingface.co/papers"}],"originaltitel":null,"themen":["forschung"],"modell":null,"bezug":[],"schwere":null,"betrifft":[]}],"engineering":[{"title":"FlashProve: Zahlen und Grenzen","paragraphs":["Der Anbieter veröffentlicht vorab eine Verpflichtung (Commitment) auf die Gewichte, jede Antwort bekommt einen Beweis, der nichts über die Gewichte verrät. Der Aufwand skaliert mit den rund 17 Mrd. aktiven Parametern des 400B-MoE, Beweise entstehen nachträglich im Batch und schichtweise auf einer GPU.","Messwerte (Llama 4 Maverick, 4 Bit, eine H100): etwa 110 Token/s beim Beweisen, rund 19 MB Beweis je 1.024-Token-Anfrage, Prüfung in etwa 17 s auf einer 24-Thread-CPU. Gebraucht werden eine 80-GB-GPU und rund 290 GB Hauptspeicher; das Commitment (39 min) gilt für etwa 16 Mio. Anfragen.","Grenzen: nur Greedy-Decoding auf ganzzahligen Gewichten, Kontext 1.024 Token, Architektur bleibt sichtbar. Prover, C++- und Lean-Verifier stehen unter Apache 2.0. Interessant für alle, die Modelle über Router oder Drittanbieter beziehen: Man könnte prüfen, ob wirklich das bezahlte Modell antwortet."],"tag":null,"date_label":"02.11.","meta":["HN: 198 Punkte"],"install":null,"links":[{"label":"Anthropic Research","url":"https://www.anthropic.com/research/provable-inference"},{"label":"The Decoder","url":"https://the-decoder.de/anthropics-neues-open-source-tool-soll-beweisen-welches-ki-modell-wirklich-antwortet/"},{"label":"HN-Diskussion","url":"https://news.ycombinator.com/item?id=50368626"}],"originaltitel":null,"themen":["forschung","sicherheit"],"modell":null,"bezug":[],"schwere":null,"betrifft":[]},{"title":"CloudOpsBench: Agenten schaffen 60 % der AWS-Aufgaben","paragraphs":["Ein Team um Ang Chen (University of Michigan) hat einen offenen Benchmark für Cloud-DevOps-Agenten veröffentlicht: 45 von DevOps-Leuten geschriebene AWS-Aufgaben wie Dienste reparieren, Rechte einschränken, Updates ausrollen, Projekte stilllegen – identisch auf echtem AWS und im Emulator. GCP, Azure und OCI sollen folgen.","Bestwerte laut The Decoder: Claude Fable 5.1 60 %, GPT-6 Astra 53 %. Rund 80 % der Fehler sind Denkfehler (Umfang falsch eingeschätzt, Dienste nicht geprüft, zu früh aufgehört), etwa 20 % falsche Aktionen – teils mit nicht umkehrbaren Folgen für die Infrastruktur."],"tag":null,"date_label":"04.11.","meta":[],"install":null,"links":[{"label":"The Decoder","url":"https://the-decoder.de/cloudopsbench-testet-ki-modelle-bei-devops-und-selbst-die-besten-loesen-nur-60-prozent/"},{"label":"GitHub","url":"https://github.com/CloudOpsBench/CloudOpsBench"}],"originaltitel":null,"themen":["devops","agenten"],"modell":null,"bezug":[],"schwere":null,"betrifft":[]},{"title":"Claude-Wasserzeichen: Sampling-Lücke gilt auch für die zweite Welle","paragraphs":["Anthropic weitet das Text-Wasserzeichen am 16.11. auf Opus 4.6, Opus 4.5, Sonnet 4.5 und Haiku 4.5 aus (Bedrock ggf. einige Tage später). Wie schon bei Opus 4.6 und Sonnet 4.6 greift es dort nur, wenn `temperature`, `top_p` und `top_k` auf Standard bleiben – ändert man einen Wert, fehlt es womöglich.","Für Mythos 5 und Opus 4.7 nennt Anthropic diese Einschränkung nicht. Abschalten lässt sich das Wasserzeichen nicht; eine Erkennungs-API ist in privater Vorschau."],"tag":null,"date_label":"04.11.","meta":[],"install":null,"links":[{"label":"The Decoder","url":"https://the-decoder.de/anthropic-api-nutzer-koennen-wasserzeichen-bei-aelteren-claude-modellen-leicht-umgehen/"}],"originaltitel":null,"themen":["claude","politik"],"modell":null,"bezug":["2026-11-01.tldr.0","2026-11-01.engineering.0"],"schwere":null,"betrifft":[]},{"title":"OpenAI kauft Pierre, ChatGPT macht GIFs","paragraphs":["OpenAI übernimmt die Pierre Computer Company, die hinter Code Storage und mehreren Open-Source-Entwicklerwerkzeugen steht, um seine Coding-Werkzeuge zu stärken; die Behörden müssen noch zustimmen. OpenAIs eigene Mitteilung war für uns nicht abrufbar (HTTP 403).","Außerdem erzeugt ChatGPT jetzt animierte GIFs aus Text oder Fotos, auf Basis des neuen Bildmodells Images 2.6; die Funktion wird für alle ausgerollt."],"tag":null,"date_label":"04.11.","meta":["HN: 216 Punkte (Pierre)","HN: 199 Punkte (Images 2.6)"],"install":null,"links":[{"label":"The Decoder: Pierre","url":"https://the-decoder.de/openai-uebernimmt-entwickler-tool-firma-pierre-fuer-bessere-ki-coding-werkzeuge/"},{"label":"The Decoder: GIFs","url":"https://the-decoder.de/chatgpt-kann-jetzt-animierte-gifs-erstellen-openai-rollt-neue-bildfunktion-aus/"},{"label":"HN: Pierre","url":"https://news.ycombinator.com/item?id=50366863"},{"label":"HN: Images 2.6","url":"https://news.ycombinator.com/item?id=50372945"}],"originaltitel":null,"themen":["agenten","modelle"],"modell":null,"bezug":[],"schwere":null,"betrifft":[]}],"skills":[{"title":"Trending: Ontologien für Agenten, AWS-Emulator und Kimi in C","paragraphs":["Neu oben: `NVIDIA/auto-ontology`, ein Python-Framework für graphbasierte semantische Schichten über Daten für LLM- und Agenten-Workflows (+2.050), und `floci-io/floci`, ein schlanker lokaler AWS-Emulator (+1.090) – praktisch, um Agenten ohne echtes Konto auf Infrastruktur loszulassen. Dazu `FareedKhan-dev/kimi-k3-in-c` (C99-Inferenz für Kimi auf einer CPU) und `scenario-labs/skills` (Agenten-Skills für Bild, Video, Audio und 3D).","Weiter stark: `vercel-labs/agent-desktop` (+2.470), `max-sixty/worktrunk` (+531) und `thedotmack/claude-mem` (+1.172). Simon Willison hat `datasette-agent` 0.5a0 mit Seitenleiste für den Agenten-Chat veröffentlicht."],"tag":null,"date_label":null,"meta":[],"install":null,"links":[{"label":"auto-ontology","url":"https://github.com/NVIDIA/auto-ontology"},{"label":"floci","url":"https://github.com/floci-io/floci"},{"label":"datasette-agent 0.5a0","url":"https://simonwillison.net/2026/Nov/3/datasette-agent/"}],"originaltitel":null,"themen":["agenten","mcp-skills","devops"],"modell":null,"bezug":[],"schwere":null,"betrifft":[]}],"skills_note":"anthropics/skills und claude-plugins-official nicht gesondert abgerufen. Claude Code: kein neues Release nach v2.1.318 (04.11.).","trending":[{"name":"vercel-labs/agent-desktop","url":"https://github.com/vercel-labs/agent-desktop","stars_today":"+2,5k","description":"Computer-Use-CLI für KI-Agenten in Rust."},{"name":"NVIDIA/auto-ontology","url":"https://github.com/NVIDIA/auto-ontology","stars_today":"+2,1k","description":"Graphbasierte semantische Schicht über Daten für LLM- und Agenten-Workflows."},{"name":"D4Vinci/Scrapling","url":"https://github.com/D4Vinci/Scrapling","stars_today":"+2,0k","description":"Web-Scraping-Framework von Einzelabfragen bis zu großen Crawls."},{"name":"mattpocock/skills","url":"https://github.com/mattpocock/skills","stars_today":"+1,4k","description":"Engineering-Skills aus dem eigenen .agents-Verzeichnis."},{"name":"thedotmack/claude-mem","url":"https://github.com/thedotmack/claude-mem","stars_today":"+1,2k","description":"Dauerhaftes Gedächtnis über Agenten-Sitzungen hinweg."},{"name":"floci-io/floci","url":"https://github.com/floci-io/floci","stars_today":"+1,1k","description":"Freier, schlanker lokaler Emulator für AWS-Dienste."},{"name":"github/spec-kit","url":"https://github.com/github/spec-kit","stars_today":"+808","description":"Werkzeuge für spezifikationsgetriebene Entwicklung."},{"name":"max-sixty/worktrunk","url":"https://github.com/max-sixty/worktrunk","stars_today":"+531","description":"Git-Worktrees für parallele Agenten-Workflows."},{"name":"FareedKhan-dev/kimi-k3-in-c","url":"https://github.com/FareedKhan-dev/kimi-k3-in-c","stars_today":"+351","description":"Portable C99-Inferenz für ein großes Kimi-Modell auf einer CPU."},{"name":"The-PR-Agent/pr-agent","url":"https://github.com/The-PR-Agent/pr-agent","stars_today":"+280","description":"Quelloffener KI-Reviewer für Pull Requests."}],"trending_note":"GitHub Trending (daily) direkt abgerufen am 05.11. früh; die Seite nennt kein Datum.","risks":[{"title":"PHP2Shell: KI-gestütztes Audit macht alten Absturz zur Codeausführung","paragraphs":["IEEE Spectrum (2.11.) ordnet PHP2Shell ein: Forscher von Calif fanden in einem von OpenAI gesponserten, KI-gestützten PHP-Audit binnen rund zwei Wochen einen Weg, einen schon 2024 gemeldeten Out-of-Memory-Fehler zum Auslesen von Daten und zur Codeausführung zu nutzen; Wiz bestätigte und erweiterte die Befunde. Betroffen sind PHP und darauf gebaute Seiten wie WordPress und Drupal.","Der Patch (PHP-Sicherheitsrelease vom 21.10.) kam vor bekannter Ausnutzung. Matthew Green rät, Updates zügig einzuspielen, und erwartet einen größeren Vorfall dieser Art um Anfang 2027."],"tag":null,"date_label":"21.10.–02.11.","meta":["HN: 1134 Punkte"],"install":null,"links":[{"label":"IEEE Spectrum","url":"https://spectrum.ieee.org/ai-in-cybersecurity-php2shell-vulnerability"},{"label":"HN-Diskussion","url":"https://news.ycombinator.com/item?id=50364336"}],"originaltitel":null,"themen":["sicherheit","devops"],"modell":null,"bezug":[],"schwere":"hoch","betrifft":["PHP","WordPress","Drupal"]}],"todos":[{"title":"Eigenen Ops-Agenten mit CloudOpsBench prüfen","paragraphs":["Bevor ein Agent in GitLab-Pipelines oder am Cluster Rechte bekommt: CloudOpsBench gegen den Emulator laufen lassen und vor allem die Fehlerart „zu früh aufgehört“ und nicht umkehrbare Aktionen ansehen. Für eigene Tests ohne AWS-Konto bietet sich `floci` als lokaler Emulator an."],"tag":null,"date_label":null,"meta":[],"install":"git clone https://github.com/CloudOpsBench/CloudOpsBench","links":[{"label":"CloudOpsBench","url":"https://github.com/CloudOpsBench/CloudOpsBench"},{"label":"floci","url":"https://github.com/floci-io/floci"}],"originaltitel":null,"themen":["devops","agenten"],"modell":null,"bezug":[],"schwere":null,"betrifft":[]},{"title":"PHP-Images auf den Oktober-Stand bringen","paragraphs":["Container mit PHP (WordPress, Drupal, eigene Images) auf Versionen ab dem Sicherheitsrelease vom 21.10. prüfen und neu bauen; Basis-Images in der Registry nicht vergessen."],"tag":null,"date_label":null,"meta":[],"install":"php -v","links":[{"label":"IEEE Spectrum","url":"https://spectrum.ieee.org/ai-in-cybersecurity-php2shell-vulnerability"}],"originaltitel":null,"themen":["sicherheit","devops"],"modell":null,"bezug":[],"schwere":null,"betrifft":[]},{"title":"Ripple-65B im Blick behalten, Quantisierungen abwarten","paragraphs":["BF16 sind rechnerisch rund 130 GB (65 Mrd. × 2 Byte) – zu viel für die meisten Macs. Die HF-Karte verlinkt neun Quantisierungen; erst mit einem GGUF/MLX-Build mit belegter Größe lohnt der Test gegen Qwen 3.8 27B in Ollama."],"tag":null,"date_label":null,"meta":[],"install":null,"links":[{"label":"HF-Modellkarte","url":"https://huggingface.co/ricursiveAI/Ripple-65B-Preview"}],"originaltitel":null,"themen":["lokal","open-weights"],"modell":null,"bezug":[],"schwere":null,"betrifft":[]}],"sources":[{"label":"Hacker News","url":"https://news.ycombinator.com/"},{"label":"Kimi K3.1 Pro auf Hugging Face","url":"https://huggingface.co/moonshotai/Kimi-K3.1-Pro"},{"label":"Anthropic: Provable inference","url":"https://www.anthropic.com/research/provable-inference"},{"label":"Ricursive: Ripple-65B Preview","url":"https://www.ricursive.com/ripple"},{"label":"Ripple-65B auf Hugging Face","url":"https://huggingface.co/ricursiveAI/Ripple-65B-Preview"},{"label":"IEEE Spectrum: PHP2Shell","url":"https://spectrum.ieee.org/ai-in-cybersecurity-php2shell-vulnerability"},{"label":"The Decoder","url":"https://the-decoder.de/"},{"label":"Simon Willison","url":"https://simonwillison.net/"},{"label":"GitHub Trending","url":"https://github.com/trending?since=daily"},{"label":"Claude Code Releases","url":"https://github.com/anthropics/claude-code/releases"},{"label":"Hugging Face Papers","url":"https://huggingface.co/papers"}],"maschen":[]},"meta":{"model":"claude-opus-5-5","started_at":"2026-11-05T05:37:37Z","finished_at":"2026-11-05T05:49:29Z","input_tokens":0,"output_tokens":0,"web_searches":14,"web_fetches":15,"iterations":0,"source":"import"}}