Die KI-News der Woche vom 29.10.2026

Claude Duet soll sich selbstständig melden und Aufgaben im Hintergrund erledigen. Google stellt mit Gemini 4 Carbon ein weiteres Spitzenmodell vor und zeigt mit Genie 4 interaktive KI-Welten mit Ton. Neue FLUX-Modelle versprechen kürzere Wartezeiten bei Bildern und Videos. Außerdem geht es um KI für die Computerbedienung, Präsentationen, Sprachagenten und kritische Sicherheitslücken in PHP.

Claude Duet arbeitet im Hintergrund weiter

Anthropic hat Claude Duet vorgestellt. Der Assistent soll dir morgens zusammenfassen, was in deinen verbundenen Apps ansteht, und sich im Laufe des Tages selbstständig melden, wenn etwas deine Aufmerksamkeit braucht. Du kannst ihm auch größere Aufgaben übergeben, etwa eine Präsentation vorzubereiten oder offene Rechnungen herauszusuchen.

Duet arbeitet laut Anthropic auf einem eigenen virtuellen Computer mit Browser. Dein Laptop muss dafür nicht geöffnet bleiben. Vor kritischen Aktionen, etwa dem Abschicken einer Nachricht oder dem Auslösen einer Zahlung, zeigt der Assistent seinen Plan und wartet auf deine Freigabe. Als Modell kommt Claude Opus 5.5 zum Einsatz.

Die Vorschau startet zunächst über eine Warteliste für Pro- und Max-Abonnements in den USA. In Deutschland ist Duet damit noch nicht zugänglich. Beachten solltest du außerdem das Nutzungslimit: Duet teilt sich das Kontingent mit deinem normalen Claude-Konto. Auch regelmäßige Prüfungen im Hintergrund zählen dazu. Der Assistent verbraucht somit Kontingent, wenn du gerade keine Unterhaltung mit ihm führst.

Google stellt Gemini 4 Carbon vor

Rund zwei Wochen nach der Freischaltung von Gemini 4 Argon hat Google Gemini 4 Carbon vorgestellt. Im aktualisierten Artificial Analysis Intelligence Index belegt Carbon Platz eins. Das Modell ist vor allem auf komplexe Programmierung, IT-Sicherheit und sehr lange Agentenaufgaben ausgerichtet. Laut Google arbeitete es in internen Tests teilweise tagelang an großen Codeprojekten, verfolgte nach Sackgassen andere Lösungswege und fand und reparierte schwer erkennbare Fehler.

Google berichtet außerdem, dass Carbon im Vergleich zu Argon nur noch halb so oft unbelegte Behauptungen aufstelle. Beim Schutz vor eingeschleusten Befehlen, sogenannten Prompt Injections, sei im genannten Test kein Angriff erfolgreich gewesen. Diese Angaben beziehen sich auf Googles Tests und sind keine Garantie für fehlerfreie Antworten oder vollständigen Schutz im Alltag.

Weil Carbon beim Finden und Ausnutzen von Sicherheitslücken deutlich leistungsfähiger geworden sei, beschränkt Google den Zugang zunächst auf ausgewählte IT-Sicherheitsforschende und Partner im Fairwind-Programm. Danach soll Carbon auch für die Softwareentwicklung, Unternehmen und reguläre User verfügbar werden. Angekündigt ist derselbe API-Einführungspreis wie bei Argon: zwei Dollar je Million Eingabe-Token und zehn Dollar je Million Ausgabe-Token. Später sollen die Preise auf vier beziehungsweise 20 Dollar steigen.

In der Zwischenzeit ist Gemini 4 Argon für Pro- und Ultra-Abonnements in der Gemini-App sowie über die API verfügbar. Die Gemini-App hat zudem einen Aufgabenmodus erhalten, in dem die KI im Hintergrund weiterarbeitet, wenn du den Rechner verlässt. In der Mac-App lässt sich außerdem die Programmierumgebung Antigravity direkt verwenden.

GPT-6.1 Terra soll Computerarbeit günstiger machen

OpenAI hat GPT-6.1 Terra veröffentlicht. Das Modell soll Bildschirminhalte verstehen und Anwendungen direkt bedienen, etwa Rechnungsdaten in eine Buchhaltungssoftware übertragen oder Formulare ausfüllen. Auch beim Schreiben soll es sich gegenüber GPT-5.6 Terra verbessern. Eingeführt wird Terra in ChatGPT Work, in Codex und über die API. Im gewöhnlichen Chat ist es laut OpenAI nicht auswählbar.

Die API-Preise für GPT-6.1 Terra liegen bei einem Dollar je Million Eingabe-Token und fünf Dollar je Million Ausgabe-Token. Damit kosten die Token halb so viel wie beim bisherigen Terra und bei GPT-6.1 Sol. OpenAI meldet in eigenen Tests außerdem Fortschritte beim Programmieren und weniger sachliche Fehler.

Bei Agenten kann sich ein niedrigerer Tokenpreis besonders bemerkbar machen, weil ein einzelner Auftrag oft viele Modellaufrufe erfordert. Solche Abläufe soll Terra schneller und günstiger machen. Für besonders schwierige Programmier- und Rechercheaufgaben empfiehlt OpenAI weiterhin die größeren Modelle Sol oder Astra.

Genie 4 erzeugt interaktive Welten mit Ton

Google DeepMind hat mit Genie 4 eine neue Generation seiner Weltsimulation vorgestellt. Damit lassen sich virtuelle Umgebungen erzeugen, durch die du dich live bewegen und die du währenddessen verändern kannst. Du kannst etwa das Wetter wechseln, eine Figur hinzufügen oder die Kamera anders ausrichten.

Genie 4 erzeugt nun auch den passenden Ton zur Umgebung. Figuren sollen in Echtzeit reagieren und sprechen können. Für die Filmvorbereitung ließen sich damit beispielsweise Kamerawinkel und Abläufe ausprobieren, bevor die Dreharbeiten beginnen. Teams in der Spieleentwicklung könnten Ideen zunächst als begehbare Umgebung testen.

Google DeepMind nennt auch Grenzen bei Konsistenz und Physik: In längeren Durchläufen können sich Details verändern, und die simulierte Physik bleibt fehleranfällig. Bisher haben nur ausgewählte Testpersonen Zugang. Als Nächstes sind Ultra-Abonnements in Project Genie und frühe API-Partner vorgesehen.

Kritische PHP-Lücken wurden mit KI entdeckt

Am 21. Oktober haben OpenAI und das PHP-Team zwei kritische Sicherheitslücken in PHP samt Updates öffentlich gemacht. PHP läuft auf dem Server und bildet unter anderem die Grundlage von WordPress. Unter bestimmten Bedingungen konnten Angreifende über die Lücken eigenen Code ausführen, ohne sich vorher anzumelden.

Das Forschungsteam Calif setzte GPT-5.6 Sol ein, um eine der Schwachstellen aufzuspüren. Die Sicherheitsfirma Wiz entdeckte und meldete beide Lücken unabhängig davon. Vor der Veröffentlichung arbeiteten die Beteiligten mit dem PHP-Team und großen Infrastruktur-Anbietern an Korrekturen und Schutzmaßnahmen.

Wenn du eine Website betreibst, prüfe bei deinem Hoster, ob deine eingesetzte PHP-Version die Sicherheitsupdates vom 21. Oktober bereits erhalten hat.

FLUX 3 Max beschleunigt die Videogenerierung

fal hat gemeinsam mit Black Forest Labs FLUX 3 Max vorgestellt. Das Videomodell baut auf FLUX 3 auf, wurde von fal weitertrainiert und auf Geschwindigkeit optimiert. Es ist direkt über fal verfügbar und erzeugt Videos aus Textbeschreibungen oder einem Startbild.

Nach den veröffentlichten Messungen des Anbieters entsteht ein zehn Sekunden langes Video in ungefähr zwölf Sekunden. Bei der Qualität verweist fal auf Spitzenplätze in der Video Arena von Artificial Analysis. Beides sind Angaben des Anbieters, keine eigenen Testergebnisse.

Beim Erzeugen mehrerer Varianten sind Wartezeiten von mehreren Minuten zwischen Versuchen häufig ein Hindernis. Kürzere Durchläufe können es erleichtern, Bewegungen zu korrigieren und verschiedene Kameraeinstellungen zu testen. Ob sich das erzeugte Material für deinen Schnitt eignet, hängt weiterhin vom Motiv und vom jeweiligen Ergebnis ab.

FLUX 3 Image Klein für lokale Bildgenerierung

Black Forest Labs hat außerdem FLUX 3 Image Klein veröffentlicht. Das kompakte Modell erzeugt und bearbeitet Bilder und kann bis zu zehn Referenzbilder zusammenführen. Über eingezeichnete Bereiche lässt sich festlegen, wo ein Element stehen oder welcher Bildteil verändert werden soll. So kannst du etwa einen einzelnen Gegenstand in einem ansonsten passenden Produktfoto austauschen. Über die API gibt es zusätzlich eine Funktion, die unveränderte Bildbereiche exakt erhält.

Die Modellgewichte stehen zum Download bereit. Laut Black Forest Labs läuft eine verkleinerte INT8-Version bereits auf Nvidia-Grafikkarten mit acht Gigabyte Grafikspeicher, etwa über ComfyUI. Damit sollen lokale Bildabläufe auch ohne große Server-Hardware möglich werden.

Es gibt eine Basisversion zum eigenen Anpassen und eine auf Geschwindigkeit optimierte Variante. Für die Nutzung gilt die FLUX Kommunity License. Vor einem Einsatz für Kundenprojekte solltest du daher die Lizenzbedingungen prüfen. Zum Ausprobieren gibt es die API und eine Demo auf Hugging Face.

ChatGPT Slides ermöglicht gemeinsame Präsentationen

OpenAI führt ChatGPT Slides ein. Aus einem Chatverlauf, einer Datei oder einer Gliederung lässt sich eine vollständige Präsentation erstellen. Eine vorhandene Beispielpräsentation kann als Designreferenz dienen. Texte, Bilder und Diagramme kannst du anschließend direkt auf der Folie oder per Anweisung bearbeiten.

In Space können mehrere Personen gleichzeitig an derselben Präsentation arbeiten und Kommentare hinterlassen. Im Web lassen sich die Folien als PowerPoint oder PDF exportieren oder direkt an Google Slides übergeben. Freigeschaltet wird die Funktion für berechtigte Pro-, Business- und Enterprise-Konten mit Space-Zugang. Teams können damit unmittelbar am erzeugten Entwurf weiterarbeiten; die abschließende inhaltliche Prüfung bleibt ihre Aufgabe.

Voxtral 3 für Transkripte und Sprachagenten

Mistral hat mit Voxtral 3 seine Sprachmodellfamilie erneuert. Dazu gehören Modelle für Transkripte mit Unterscheidung der sprechenden Personen, eine Echtzeitvariante und ein eigenes Modell für die Sprachausgabe. Die Erkennung unterstützt rund 50 Sprachen. Du kannst vorab Begriffe mitgeben, die voraussichtlich vorkommen, etwa Produktnamen oder Fachbegriffe.

Zum Angebot gehört ein SDK für die Entwicklung eigener Sprachagenten. Es verbindet Zuhören und Sprechen mit einem Sprachmodell und eigenen Software-Werkzeugen. Ein telefonischer Assistent könnte so während eines Gesprächs einen freien Termin nachsehen und eine Buchung vorbereiten.

Mistral bietet eine EU-gehostete API und den Betrieb auf eigener Infrastruktur an. Unternehmen können dadurch selbst festlegen, wo die Aufnahmen verarbeitet werden. Die neuen Modelle starten als öffentliche Vorschau.

Meta veröffentlicht Muse Spark Open

Meta hat die Modellgewichte von Muse Spark Open veröffentlicht. Das große multimodale Modell ist besonders für Programmieraufgaben und längere Agentenabläufe vorgesehen. Als Eingabe verarbeitet es Text, Bilder, Audio und Video; als Ausgabe erzeugt es Text. Nutzen lässt es sich über verschiedene API-Anbieter oder auf eigener Infrastruktur.

Für den Betrieb auf eigener Hardware ist viel Arbeitsspeicher nötig: Muse Spark Open hat insgesamt 816 Milliarden Parameter. Pro Schritt wird zwar nur ein Teil davon aktiv, die gesamten Modellgewichte müssen aber in den Speicher passen. Meta zeigt das Modell unter anderem auf zwei gemeinsam betriebenen Mac Studios mit M5 Ultra. Unternehmen und spezialisierte Teams können es auf eigener Hardware betreiben und anpassen. Die kommerzielle Nutzung richtet sich nach Metas Muse Model License.

Kimi K3.1 Pro erweitert Coding und 3D-Funktionen

Kimi K3.1 Pro von Moonshot steht seit dem 23. Oktober in Kimi Code, in den übrigen Kimi-Produkten und über die API bereit. Der Anbieter verspricht Fortschritte bei längeren Programmieraufgaben und bei der Arbeit mit 3D-Inhalten. Mit Kimi 3D Make lassen sich Modelle im Browser ansehen, bearbeiten und etwa für den 3D-Druck herunterladen. In den Demos bedient Kimi selbstständig 3D-Werkzeuge und baut daraus ganze Szenen auf.

Zusätzlich gibt es eine Highspeed-Variante, die laut Moonshot bei gleicher Qualität zwei- bis dreimal schneller antwortet. Kontextumfang und Modellvariante hängen vom Tarif ab. Die vollständigen Modellgewichte sind spätestens für den 4. November zum Download angekündigt.

Für einen praktischen Test der 3D-Funktion sind vor allem die exportierten Dateien relevant. Für den späteren Druck oder die Weiterbearbeitung zählt neben der Vorschau auch eine saubere Geometrie.

Runway App Studio baut Kreativ-Tools aus Text

Mit Runway App Studio lassen sich kleine Kreativ-Anwendungen per Textbeschreibung erstellen. Du beschreibst die Aufgabe, Runway erzeugt die passende Oberfläche. Im Hintergrund arbeiten die vorhandenen Bild-, Video- und Audiomodelle von Runway, kombiniert mit eigenen Dateien, Brand Kits und vorbereiteten Arbeitsabläufen. Zu den Startbeispielen gehören ein Werkzeug für Produktbilder und eine Anwendung für Kamerapositionen im dreidimensionalen Raum.

Ein Marketingteam könnte damit ein Werkzeug samt Prompts und Einstellungen einmal vorbereiten. Andere Personen im Team müssten später nur ein neues Produktfoto einsetzen, statt die Vorgaben für den Bildstil erneut zusammenzusuchen. Runway übernimmt für zahlende Konten das Hosting der fertigen Anwendungen. Sie lassen sich im Team nutzen oder per Link mit anderen Personen teilen, die Runway verwenden.