MODELLHaiku 5.5: 1M Kontext, 0,10/0,50 $ bis 100k Token, Sonnet-Cache halbiertMODELLGPT-6 in ChatGPT: Intelligent UI liefert Diagramme, Formulare und Mini-ToolsWERKZEUGAgents SDK 0.27.0: ContainerHarness neu, agents/channels entferntWERKZEUGCopilot sperrt Agenten-Befehle lokal ein: Dateien, Netzwerk, Git-CredentialsSTANDARDGoogle-Doku für Agenten: Developer Knowledge API mit gcloud, Skill und SDKsMUSTERFigma Agent: Canvas-Agent mit MCP-Kontext und Skills per Slash-BefehlMODELLHaiku 5.5: 1M Kontext, 0,10/0,50 $ bis 100k Token, Sonnet-Cache halbiertMODELLGPT-6 in ChatGPT: Intelligent UI liefert Diagramme, Formulare und Mini-ToolsWERKZEUGAgents SDK 0.27.0: ContainerHarness neu, agents/channels entferntWERKZEUGCopilot sperrt Agenten-Befehle lokal ein: Dateien, Netzwerk, Git-CredentialsSTANDARDGoogle-Doku für Agenten: Developer Knowledge API mit gcloud, Skill und SDKsMUSTERFigma Agent: Canvas-Agent mit MCP-Kontext und Skills per Slash-Befehl
Jeden Morgen, was sich fürs Bauen mit KI ändert: neue Plattformen, Standards, Modelle, Werkzeuge und Produktmuster. Ausgewählt von einem Gericht aus KI-Agenten, ohne Wiederholungen.
Claude Haiku 5.5 wird deutlich billiger, GPT-6 in ChatGPT
AUSGABE 116 Meldungen
Anthropic veröffentlicht Claude Haiku 5.5 mit 1M Token Kontext und Preisen ab 0,10 Dollar pro Million Eingabe-Token, im Schnitt laut Hersteller rund 75 Prozent günstiger als der Vorgänger. Damit kannst du Zusammenfassen, Klassifizieren und Subagenten großzügig einsetzen, solange du die Preisstufe bei 100.000 Token Prompt im Blick behältst. Parallel rollt OpenAI GPT-6 in ChatGPT aus, das Antworten je nach Frage als bedienbare Oberfläche statt als reinen Text ausgibt.
Was ist neuAnthropic hat am 7. Oktober 2026 Claude Haiku 5.5 veröffentlicht, sein laut Hersteller schnellstes und günstigstes Modell. Es hat 1M Token Kontext, 128k maximale Ausgabe und als erstes Haiku einen einstellbaren Effort. Bei Prompts bis 100.000 Token kostet es 0,10 Dollar Eingabe und 0,50 Dollar Ausgabe pro Million Token, darüber 0,50 und 2,50 Dollar; Haiku 4.5 lag bei 1 und 5 Dollar. Im Schnitt nennt Anthropic rund 75 Prozent Ersparnis, eingerechnet ist, dass der neue Tokenizer pro Aufgabe etwas mehr Token verbraucht. Auf Terminal-Bench 4.0 kommt es laut Anthropic auf 39,2 Prozent, GPT-6 Luna auf 16,4, Sonnet 5.5 auf 70,6. Verfügbar ist es als "claude-haiku-5-5" in der Claude API sowie bei AWS, Google Cloud und Microsoft.
Was heißt das für dichZusammenfassen, Klassifizieren und Subagenten werden so billig, dass du sie großzügig einsetzen kannst; für komplexes agentisches Coding empfiehlt Anthropic weiter Sonnet 5.5 und Opus 5.5. Achte auf die Preisstufe: Über 100.000 Token Prompt kostet alles das Fünffache. Zugleich halbiert Anthropic die Cache-Reads von Sonnet 5.5 auf 0,10 Dollar, was Agentenarbeit laut Hersteller um rund 20 Prozent verbilligt.
Was du diese Woche tun kannstStell einen Haiku-4.5-Aufruf auf "claude-haiku-5-5" um und prüfe zwei Dinge: "budget_tokens" liefert jetzt einen 400-Fehler, und Antworten können mit Thinking-Blöcken beginnen. Zähle die Token an deinen echten Prompts neu. Mit Max oder Team: Lös das monatliche API-Guthaben ein, sobald es diese Woche ausgerollt ist.
Noch nicht geprüftBenchmarks, Tempo und die rund 75 Prozent Ersparnis sind Angaben von Anthropic. Wie viel mehr Token der neue Tokenizer verbraucht, beziffert Anthropic nicht.
Was ist neuOpenAI rollt GPT-6 seit dem 7. Oktober 2026 weltweit in ChatGPT aus, zuerst für Plus, Pro, Business und Enterprise, einen Tag später für Free und Go. Die höheren Tarife bekommen GPT-6 Sol, Free und Go das effizientere GPT-6 Luna. Neu ist die Intelligent UI: Das Modell wählt je nach Frage selbst, ob es statt reinem Text Diagramme, Formulare, Buttons oder einen Vergleich nebeneinander ausgibt, und baut auf Wunsch kleine Tools wie Sparrechner oder Rechnungsteiler direkt in die Antwort. Außerdem antwortet GPT-6 schon, während es noch denkt, was die Wartezeit laut OpenAI um 44 Prozent verkürzt. Zu API-Zugang, Preisen, GPT-6.1 Sol und zur Nutzung der Intelligent UI in eigenen Apps steht in den vorliegenden Berichten nichts.
Was heißt das für dichGenerative Oberflächen werden im Chat zum Normalfall: Laut The Decoder hat Google mit "Neural Expressive" schon im Mai Ähnliches in Gemini gebracht. Wer ein Chat-Produkt baut, wird an Antworten gemessen, die sich bedienen lassen, nicht nur lesen. Zwei Muster kannst du dir abschauen: Das Modell wählt das Format passend zur Frage, und es liefert Teilantworten, während es noch Informationen sammelt.
Was du diese Woche tun kannstStell ChatGPT mit GPT-6 drei Fragen aus deinem eigenen Produkt: einen Vergleich, eine Erklärung und einen Wunsch nach einem Mini-Tool wie einem Rechner. Notiere, wann es eine Oberfläche statt Text wählt und welche Bausteine es nutzt. Für den Einbau in eigene Apps musst du auf Angaben von OpenAI zur API warten.
Noch nicht geprüftDer OpenAI-Beitrag lag nicht vor, alle Angaben stammen aus den Berichten von The Decoder und The Verge. Die 44 Prozent kürzere Wartezeit ist eine OpenAI-Angabe, die nur The Decoder wiedergibt.
Was ist neuagents@0.27.0 bringt vier experimentelle Harnesses mit der Schnittstelle von PiHarness: AiSdkHarness, ThinkHarness, ContainerHarness und OpenCodeHarness. ContainerHarness aus "agents/harness/container" startet eine Agenten-CLI wie Claude Code oder Codex in einem Cloudflare Container und steuert sie aus einem Durable Object. Presets wie "claudeCode()" und "codex()" legen fest, was läuft; das Image entsteht zur Laufzeit aus "cloudflare/debian-trixie". ContainerEgress hält Zugangsdaten außerhalb, der Container sieht nur einen Platzhalter-Key. Nach fünf Minuten Leerlauf (Standard) stoppt er, der nächste Prompt setzt die Session fort. Breaking: "agents/channels" samt ChannelHost entfällt, Channels liegt neu unter "agents/experimental/channels".
Was heißt das für dichDu kannst Claude Code oder Codex als gehosteten Agenten hinter einem Durable Object betreiben, ohne eigenes Image und ohne API-Key im Container. Alle Harness-Einstiege sind experimentell und können sich laut Release Notes vor der Stabilisierung ändern. Nutzt du "agents/channels", bricht dein Build beim Update: Auch die Fallback- und Fanout-Composites sowie die Helfer für AI SDK, TanStack AI und Voice sind weg.
Was du diese Woche tun kannstSuche vor dem Update nach Importen von "agents/channels" in deinem Projekt. Slack, Telegram und Email liegen jetzt unter "agents/experimental/channels/slack", "/telegram" und "/email". Für einen ersten Test von ContainerHarness reicht ein Wegwerf-Worker mit dem Preset "claudeCode()" oder "codex()".
Was ist neuLokales Sandboxing für GitHub Copilot ist allgemein verfügbar: in Copilot CLI, der Copilot-App und VS-Code-Sitzungen mit Agent Host. Werkzeuge und Befehle, die Copilot startet, laufen mit eingeschränktem Zugriff auf Dateisystem, Netzwerk und Zugangsdaten. Die Richtlinie legst du selbst fest oder deine Organisation. Microsoft eXecution Container (MXC) übersetzt sie in native Betriebssystem-Kontrollen auf Windows, macOS und Linux; Besonderheiten für macOS nennt der Changelog nicht. Steuerbar sind lesbare und änderbare Verzeichnisse sowie der Zugriff auf Internet, lokale Netze, Git- und GitHub-CLI-Credentials. Lokale MCP- und Language-Server sind abgedeckt, "wo unterstützt". Unternehmen können Sandboxing über verwaltete Einstellungen erzwingen, die Entwickler nicht abschwächen können. Es kostet nichts extra.
Was heißt das für dichJe autonomer ein Agent arbeitet, desto wichtiger ist eine harte Grenze auf Betriebssystem-Ebene statt Rückfragen pro Befehl. Die Richtlinie gilt laut GitHub für die Tool-Ausführung unabhängig vom gewählten Modell. Dass auch lokale MCP-Server in die Sandbox fallen können, ist relevant, wenn du fremde Server einbindest. Welche Server tatsächlich unterstützt sind, sagt der Changelog nicht.
Was du diese Woche tun kannstWenn du Copilot CLI oder die Copilot-App nutzt: Lies die verlinkte Doku-Seite "About cloud and local sandboxes for GitHub Copilot" und schalte die Sandbox in einem Testprojekt ein. Lass den Agenten dann eine Datei außerhalb des Projektordners lesen und einen Netzwerkaufruf machen und prüfe, ob beides blockiert wird.
Was ist neuGoogle erweitert die Developer Knowledge API um eine gcloud-CLI-Oberfläche, einen Agent Skill, den APIs Explorer und Client-Bibliotheken. Die API liefert offizielle Doku zu Google Cloud, Firebase, Android und weiteren Produkten als Markdown, mit semantischer und Stichwortsuche, Chunking und belegten Antworten. Im Terminal gibt es "gcloud developer-knowledge answer-query", "documents search-chunks" und "documents describe", in Cloud Shell vorinstalliert. Der Skill weist Assistenten wie Claude Code, Cursor und GitHub Copilot an, den Developer Knowledge MCP-Server zu nutzen oder per curl auf die REST-API auszuweichen. Bibliotheken gibt es für sieben Sprachen, darunter Node.js und TypeScript; "BatchGetDocuments" holt bis zu 20 Dokumente pro Aufruf. Preise und Kontingente nennt der Beitrag nicht.
Was heißt das für dichDein Coding-Agent muss bei Google-APIs nicht mehr aus veraltetem Trainingswissen raten oder Webseiten scrapen, sondern holt aktuelle Doku direkt aus der Quelle. Der Skill sucht erst Chunks und lädt ganze Seiten nur bei Bedarf, was laut Google Tokens spart. Auch als Muster ist das interessant: Doku als API, MCP-Server und Skill statt nur als Website.
Was du diese Woche tun kannstArbeitest du mit Firebase, Android oder Google Cloud, führe im Projekt "npx skills add google/skills --skill retrieving-developer-knowledge" aus und richte die Anmeldung per Application Default Credentials oder API-Schlüssel ein. Mit gcloud testest du vorab "gcloud developer-knowledge answer-query". Codex nennt Google nicht ausdrücklich.
Noch nicht geprüftDen Status Public Preview für API und MCP-Server nennt nur der Feed-Anriss, nicht der vorliegende Blogpost. Die Einstufung Beta stützt sich darauf.
Was ist neuFigma hat laut Product-Hunt-Eintrag vom 6. Oktober 2026 einen Agenten gestartet, der direkt auf dem Design-Canvas arbeitet. Er greift laut Eintrag auf echte Komponenten, Variablen und Team-Dateien zu statt auf flache Bilder, erzeugt Layout-Varianten, ändert mehrere Screens auf einmal, setzt Kommentare in Änderungen um und baut Prototypen aus einem Prompt. Kontext holt er per MCP aus Notion, Slack, GitHub und Linear. Wiederholbare Abläufe lassen sich als Skills speichern, die das Team mit "/" startet; außerdem baut der Agent auf Zuruf Plugins und Shader. Product Hunt vermerkt "Free Options", nennt aber keine Preise, Pläne oder Limits. Eine Nutzerfrage nach nutzungsabhängiger Abrechnung blieb dort unbeantwortet.
Was heißt das für dichDas Muster ist interessant: Der Agent arbeitet im strukturierten Dokument mit dem Design-System statt Bilder zu erzeugen, und Skills per Slash-Befehl wandern damit aus Coding-Agenten in ein Design-Werkzeug. Für die Übergabe zu Code zählt, ob Instanzen mit der Bibliothek verknüpft bleiben. Genau diese Frage steht im Product-Hunt-Thread ohne Antwort; zur Übergabe selbst sagt der Eintrag nichts.
Was du diese Woche tun kannstÖffne eine Figma-Design-Datei und prüfe, ob der Agent in deinem Plan erscheint. Wenn ja: Lass ihn einen Frame mit Bibliothekskomponenten ändern und kontrolliere, ob die Instanzen verknüpft bleiben. Preise und Limits musst du in Figmas eigener Ankündigung nachlesen, sie lag hier nicht vor.
Noch nicht geprüftAlle Angaben stammen aus dem Product-Hunt-Eintrag und dem Kommentar der Hunterin, Figmas eigene Ankündigung lag nicht vor. Verfügbarkeit, Reifegrad und Preise sind damit nicht bestätigt; die Einstufung als Beta ist eine vorsichtige Annahme.
Sandboxing heißt: Ein Programm läuft in einer abgegrenzten Umgebung und darf nur das, was eine Richtlinie ausdrücklich erlaubt. Bei GitHub Copilot gilt das jetzt für alle Werkzeuge und Befehle, die der Agent lokal startet. Du oder deine Organisation legt fest, welche Verzeichnisse lesbar und änderbar sind und ob der Agent auf Internet, lokale Netze sowie Git- und GitHub-CLI-Credentials zugreifen darf. Durchgesetzt wird das über native Kontrollen des Betriebssystems, unabhängig vom gewählten Modell. Je autonomer ein Agent arbeitet, desto mehr zählt eine solche harte Grenze statt einer Rückfrage pro Befehl.
Aus 113 neuen Meldungen von 60 Quellen ausgewählt · 272.607 Tokens · Verbrauch