MODELLUPDATE · Gemini 4 Argon GA: "gemini-4-argon", 2/10 Dollar bis Ende November, dann 4/20MUSTERArgon 11 h unbeaufsichtigt: 6 Vorschläge, 2 im Review übernommenWERKZEUGClaude Code 2.1.299 kompaktiert ruhende 200K-Gespräche vor dem Cache-AblaufSTANDARDCloudflare MCP: Workers Issues kommen als signierte MCP Events per WebhookMUSTERShopify: Jeder KI-Agent soll bald über Shop und Shop Pay einkaufen könnenMODELLLFM2.5-24B-A2B: 2 Mrd. aktive Parameter, 131K Kontext, laut Liquid 184 tok/s aufPLATTFORMGoogle Play: private KI-Apps aus AI Studio ohne Store-Eintrag, vorerst nur USAPLATTFORMNeue Apple-Lizenzvereinbarung: Group Purchases, Volume Purchasing, Zustimmung nöMODELLUPDATE · Gemini 4 Argon GA: "gemini-4-argon", 2/10 Dollar bis Ende November, dann 4/20MUSTERArgon 11 h unbeaufsichtigt: 6 Vorschläge, 2 im Review übernommenWERKZEUGClaude Code 2.1.299 kompaktiert ruhende 200K-Gespräche vor dem Cache-AblaufSTANDARDCloudflare MCP: Workers Issues kommen als signierte MCP Events per WebhookMUSTERShopify: Jeder KI-Agent soll bald über Shop und Shop Pay einkaufen könnenMODELLLFM2.5-24B-A2B: 2 Mrd. aktive Parameter, 131K Kontext, laut Liquid 184 tok/s aufPLATTFORMGoogle Play: private KI-Apps aus AI Studio ohne Store-Eintrag, vorerst nur USAPLATTFORMNeue Apple-Lizenzvereinbarung: Group Purchases, Volume Purchasing, Zustimmung nö
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.
Gemini 4 Argon ist da: günstig bis 30. November
AUSGABE 178 Meldungen
Google hat Gemini 4 Argon per API allgemein verfügbar gemacht. Bis zum 30. November zahlst du den halben Preis, danach 4 und 20 Dollar pro Million Token. Wie du Argon über viele Stunden an einem großen Repo arbeiten lässt, zeigt Google gleich mit: Ein 11-Stunden-Lauf an ADK lieferte zwei brauchbare Optimierungen. Dazu kommen Claude Code 2.1.299 mit Idle Compaction und eine Allow-Regel, die bestehende Setups brechen kann, sowie Workers-Fehler, die der Cloudflare-MCP-Server als Event an deinen Agenten schickt.
Was ist neuGoogle hat Gemini 4 Argon am 13. Oktober 2026 als "gemini-4-argon" allgemein verfügbar gemacht. Laut API-Changelog ist es Googles leistungsstärkstes Modell für komplexes Coding, Agenten, Mathematik und Wissenschaft. Zugang gibt es über das bezahlte Tier der Gemini API in AI Studio und Android Studio. Google AI Ultra bekommt es zusätzlich in Antigravity, Ultra und Pro in der Gemini-App und im AI Mode. Der Einführungspreis liegt bei 2 Dollar pro Million Input-Token und 10 Dollar pro Million Output-Token, gecachter Input kostet 95 Prozent weniger. Nach dem 30. November 2026 gelten 4 und 20 Dollar. Das Limit liegt bei 1M Token für Ein- und Ausgabe zusammen, dazu kommt ein neues Continuation-Protokoll. Laut Google führt Argon den Vals Index an.
Was heißt das für dichFür lange Agentenläufe wie Refactorings oder Migrationen ist Argon im Moment günstig zu testen. Ab Dezember verdoppelt sich der Preis, deshalb sollte deine Kostenrechnung schon jetzt mit 4/20 Dollar laufen. Das gemeinsame 1M-Limit für Ein- und Ausgabe und das Continuation-Protokoll können eigene Agent-Loops verändern. Kostenlose Keys reichen für den Zugang nicht.
Was du diese Woche tun kannstLass mit einem Paid-Tier-Key eine echte Refactoring-Aufgabe aus deinem Workers-Repo gegen "gemini-4-argon" laufen. Notiere die Token pro Lauf und rechne die Kosten mit 4/20 Dollar statt 2/10 Dollar, bevor du Argon fest einplanst. Lies vorher in der API-Doku nach, wie das Continuation-Protokoll funktioniert.
Noch nicht geprüftDen Platz eins im Vals Index meldet Google selbst. Denkstufen, Copilot, Vercel, OpenRouter und unabhängige Vergleiche fehlen im Text, weil die Seiten dazu nicht vorlagen.
Was ist neuGoogle-Ingenieure haben Gemini 4 Argon in Google Antigravity 11 Stunden lang unbeaufsichtigt an google/adk-python arbeiten lassen. Das Repo hat rund 205.000 Zeilen in fast 800 Dateien und 16.892 Unit-Tests. Ein erster Lauf ohne Repo-Regeln fand echte Engpässe, verletzte aber Konventionen: Er änderte ein öffentliches JSON-Schema, ließ nur 216 Tests laufen und schrieb keine Benchmark-Zahlen in den PR. Für Runde zwei kamen die Maintainer-Regeln nach ".agents/skills". Jeder Skill hat ein kurzes "SKILL.md" als Index, das bei Bedarf auf Dateien unter "references/" verweist. Dazu kamen der "/goal"-Modus, der das Ziel über Kontext-Kompaktierungen hinweg hält, und ein Prompt mit klarem Endzustand: ein PR mit Vorher-Nachher-Zahlen, ohne Merge. Argon las zuerst 12 Regeldateien und maß eine Baseline über vier Workloads. Am Ende ließ es alle Tests laufen und hörte von selbst auf. Von sechs Optimierungen kamen laut Google zwei durch: Filtern vor dem Deep-Copy im "InMemorySessionService" (etwa 40 Prozent weniger Vorbereitungszeit in langen Sessions) und Lazy Imports (21 Prozent schnellerer Import). Abgelehnt wurden ein Cache mit schwacher Referenz, ein Zugriff auf private OpenTelemetry-Interna und zwei Änderungen, die nur im synthetischen Benchmark etwas brachten. Gemessen wurde mit einem Holdout-Benchmark, den das Modell nie sah.
Was heißt das für dichDas Muster lässt sich auf jedes Repo übertragen: Regeln als Skills, die erst bei Bedarf geladen werden, ein Ziel mit prüfbarem Endzustand statt Einzelanweisungen, die volle Testsuite als Pflicht und ein eigener Benchmark, den der Agent nicht sieht. Der Fall zeigt auch die Grenze: Obwohl alle offenen Tests grün waren, brachen 25 interne Testziele, und vier von sechs Ideen fielen im Review durch. Der Agent erkundet, der Mensch streicht.
Was du diese Woche tun kannstLege in einem deiner Repos ".agents/skills/<name>/SKILL.md" mit Verweisen auf "references/"-Dateien für deine Review-Regeln an. Schreib vorher einen Benchmark, den der Agent nicht sieht. Dann gib Claude Code oder Codex einen Zielprompt: ein PR mit Vorher-Nachher-Zahlen, die volle Testsuite grün, kein Merge.
Noch nicht geprüftDie Messwerte von 40 und 21 Prozent sowie die Bewertung beider Läufe stammen allein von Google. Den Commit und die Skill-Dateien in google/adk-python hat die Redaktion nicht selbst eingesehen.
Was ist neuClaude Code v2.1.299 ist am 14. Oktober 2026 erschienen und bringt Idle Compaction im Terminal. Ruht ein Gespräch mit mindestens 200K Tokens etwa 54 Minuten, wird es kompaktiert, bevor der einstündige Prompt-Cache abläuft. So muss die nächste Nachricht nicht alles neu verarbeiten. Die Schwelle änderst du mit "CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS", mit "idleCompaction": false in der settings.json schaltest du die Funktion ab. Beides setzt laut Changelog v2.1.290 oder neuer voraus. Ist "CLAUDE_CODE_DISABLE_FILE_MENTIONS" gesetzt, bekommt Claude bei @-Erwähnungen nur die Pfade und liest die Dateien selbst ein. Mods, die über verwaltete Einstellungen installiert sind, erhalten "$.prompt.media" für angehängte Bilder und Dokumente sowie "$.session.identity()" für Anmeldeart, Organisation und E-Mail.
Was heißt das für dichWenn du nach einer Pause in eine lange Session zurückkehrst, zahlst du weniger und wartest kürzer. Dafür arbeitet Claude danach mit einer Zusammenfassung statt mit dem vollen Verlauf. Pfade statt Dateiinhalte halten den Kontext bei großen Dateien schlank. Achtung, eine Änderung kann bestehende Setups brechen: Die Allow-Regel "mcp__a" erlaubt keine Server mehr, deren Name nur mit "a" beginnt. Nötig ist jetzt "mcp__<voller Servername>__*".
Was du diese Woche tun kannstAktualisiere mit "claude update" und durchsuche deine settings.json nach "mcp__"-Regeln. Ergänze dort, wo nötig, "mcp__<voller Name>__*". Teste danach eine lange Session mit Pause. Fehlt dir nach der Kompaktierung Kontext, setz "idleCompaction": false oder hebe "CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS" an.
Was ist neuWorkers Issues ist das eingebaute Fehler-Monitoring für Cloudflare Workers. Es erkennt Produktionsfehler und fasst zusammengehörige Fehler zu Issues zusammen, ohne SDK und ohne Wrapper im Code. Der Cloudflare API MCP Server verschickt diese Issues jetzt als MCP Events. Es ist das erste Event, das der Server anbietet. Clients finden das Event "cloudflare.alert.workers_observability_real_time_issue" über "events/list" und abonnieren es mit "events/subscribe", entweder für ein ganzes Konto oder für einen einzelnen Worker. Tritt ein Issue neu oder erneut auf, schickt der Server ein signiertes Event an den Webhook des Clients. Voraussetzung: Issues ist am Worker aktiviert, und "https://mcp.cloudflare.com/mcp" ist mit den Berechtigungen "Notifications Write" und "Workers Observability Write" an einen Client angebunden, der MCP-Events-Webhooks unterstützt.
Was heißt das für dichMCP wird damit vom reinen Abfrage-Protokoll zum Auslöser. Ein Agent muss nicht mehr pollen, sondern wird geweckt, sobald in Produktion etwas kaputtgeht, und kann direkt mit Logs und Code weiterarbeiten. Für Worker-Projekte ist das der Grundbaustein für automatische Fehleranalyse oder Fix-Vorschläge. Der Haken liegt beim Client: Ohne Unterstützung für MCP-Events-Webhooks kommt kein Event an.
Was du diese Woche tun kannstAktiviere Issues an einem Worker mit echtem Traffic. Verbinde dann "https://mcp.cloudflare.com/mcp" mit einem Token, das "Notifications Write" und "Workers Observability Write" hat, und rufe "events/list" auf. So siehst du, ob dein Client das Event überhaupt anbietet und abonnieren kann.
Noch nicht geprüftZum Stand der MCP-Events-Erweiterung in der Spezifikation und dazu, welche Clients die Webhooks schon unterstützen, lag keine Quelle vor. Der Changelog verlinkt die Spezifikation nur und nennt keine Clients.
Was ist neuLaut The Verge hat Shopify angekündigt, dass Käufer bald beliebige KI-Agenten für sich einkaufen lassen können, ohne dass dafür eine Partnerintegration nötig ist. Bisher ging das nur mit Metas Agent Muse, angekündigt im September. Die Agenten bekommen Zugriff auf über eine Milliarde Angebote im Shopify-Katalog, darunter auch Artikel, die nicht aus Shopify-Shops stammen. Dafür verbindet der Kunde den Agenten mit seinem Konto bei Shop. Bezahlt wird mit Shop Pay per Klick direkt im Chat, die Bestellungen landen in der Shop-App. Nutzer können Regeln vorgeben, etwa ein Budget oder nur Produkte mit schnellem Versand, und müssen jeden Kauf bestätigen. Ein Startdatum, Preise und technische Schnittstellen nennt der Bericht nicht.
Was heißt das für dichDas Muster wird gerade gesetzt: Der Agent kauft nicht über Scraping, sondern über ein Käuferkonto mit hinterlegter Zahlung, festen Regeln und einer Freigabe für jeden einzelnen Kauf. Wer einen eigenen Agenten oder Assistenten baut, könnte Commerce künftig ohne Partnervertrag anbinden. Händler auf Shopify werden für fremde Agenten erreichbar, ohne selbst etwas zu integrieren.
Was du diese Woche tun kannstIntegrieren kannst du noch nichts: Der Bericht nennt weder Schnittstelle noch Startdatum. Warte auf Shopifys Entwicklerdoku, die zeigt, wie sich ein Agent mit einem Shop-Konto verbindet. Prüfe dann, ob sich dein Agent über einen Connector anbinden lässt.
Noch nicht geprüftDer ganze Text stützt sich auf den Bericht von The Verge, Shopifys eigene Ankündigung lag nicht vor. Auch die Zahl von über einer Milliarde Angeboten stammt nur aus diesem Bericht.
Was ist neuLiquid AI hat LFM2.5-24B-A2B mit offenen Gewichten auf Hugging Face veröffentlicht, dazu eine Base-Variante. Das MoE-Modell hat 24 Mrd. Parameter, von denen pro Token 2 Mrd. aktiv sind. Es denkt vor jeder Antwort in einer Chain of Thought und verarbeitet 131K Token Kontext, der Vorgänger kam auf 32K. Laut Liquid AI liegt es bei Tool-Use vor Qwen3.6-35B-A3B, etwa mit 48,09 zu 38,19 auf LiveClaw. Bei SWE-Bench Verified (51,0 zu 66,2) und bei Wissensbenchmarks liegt es zurück. Der Hersteller nennt 184 Token/s auf einem Apple M5 Max. llama.cpp, MLX, vLLM, SGLang und ONNX werden vom ersten Tag an unterstützt.
Was heißt das für dichFür Agenten, die lokal auf dem Mac laufen, ist das ein ernsthafter Kandidat. Durch die wenigen aktiven Parameter sind Reasoning-Token billig, und laut Hersteller ist das Modell gerade bei Tool-Calls und beim Befolgen von Anweisungen stark. Als Coding-Agent taugt es weniger, und für Wissensfragen brauchst du Retrieval. Der Blog nennt weder den Speicherbedarf noch Werte für iPhones.
Was du diese Woche tun kannstStarte das Modell mit llama.cpp oder MLX auf Port 8080 und trage "http://localhost:8080/v1" als OpenAI-kompatiblen Endpunkt in deinem Agenten ein. Lass dann einen echten Tool-Call-Workflow deiner App dagegen laufen und vergleiche mit deinem bisherigen lokalen Modell. Prüf vor dem Produktiveinsatz die Lizenz auf der Model Card.
Noch nicht geprüftBenchmarks und Geschwindigkeit sind Angaben von Liquid AI und nicht unabhängig geprüft. Lizenz, Speicherbedarf und Laufzeiten auf Smartphones nennt der Blog nicht. Nicht in den abgerufenen Seiten gefunden: 51,0, 66,2.
Was ist neuLaut TechCrunch kannst du eine Android-App in Google AI Studio per Prompt bauen und sie über Google Play mit deinem normalen Google-Konto auf dem eigenen Gerät starten. Die App taucht nicht in der Play-Suche oder in Listings auf und ist nur für dich sichtbar. Sie muss trotzdem die bestehenden Google-Play-Richtlinien einhalten. Zum Start gibt es die Funktion nur in den USA und nur für Nutzer ab 18. Für die kommenden Monate kündigt Google an, dass du solche Apps mit einem kleinen Kreis vertrauter Personen teilen kannst. Außerdem soll es einen Weg geben, eine private App nach den Trust-and-Safety-Prüfungen öffentlich im Play Store zu veröffentlichen. Preise und technische Grenzen nennt der Bericht nicht.
Was heißt das für dichGoogle macht damit die native Android-App für eine einzige Person zum offiziellen Produkt. Bisher war dafür eine Veröffentlichung im Store nötig, deshalb blieben viele beim Web. Interessant ist der vorgesehene Ablauf von privat über einen Freundeskreis bis zum Store: Die Prüfung kommt erst, wenn die App wächst. Prüf das als Muster für eigene Plattformen und Agenten-Produkte, bei denen Nutzer sich Werkzeuge selbst bauen.
Was du diese Woche tun kannstAus Deutschland kannst du die Funktion noch nicht nutzen, sie ist vorerst auf die USA beschränkt. Warte auf die Freigabe für weitere Länder und auf Googles offizielle Doku zu Konto, Prüfung und Grenzen. Erst dann lohnt ein Test mit einer kleinen App aus AI Studio.
Noch nicht geprüftAlle Angaben beruhen auf dem Bericht von TechCrunch. Googles eigene Ankündigung und Doku lagen nicht vor, ebenso keine Quelle zu Apples Wegen für private Apps.
Was ist neuApple hat die Apple Developer Program License Agreement überarbeitet. Mitglieder müssen die neuen Bedingungen nach dem Login in ihren Developer-Account akzeptieren. Neu geregelt sind die Nutzung einer Live Assistance API (Abschnitt 3.3.8(j)), eines App Replacement Entitlement (3.3.8(k)) sowie Widgets von iOS-Apps auf Apple HomeView und CarPlay-Apps dort (6.4 bis 6.4.2). Abos lassen sich künftig mit mehreren Plätzen über Group Purchases und über Volume Purchasing an Organisationen in Apple Business und Apple School Manager verkaufen. Außerdem meldet Apple Steuer-, Umsatz- und Kontaktdaten an Steuerbehörden. Steuerdaten von Kunden, die Apple weitergibt, dürfen Entwickler nur für gesetzlich vorgeschriebene Zwecke nutzen. Übersetzungen folgen laut Apple innerhalb eines Monats.
Was heißt das für dichFür Abo-Apps öffnen sich zwei neue Vertriebswege: Mehrplatz-Abos für Teams und Familien sowie Volumenlizenzen für Firmen und Schulen. Damit werden B2B-Modelle im App Store einfacher. Die Live Assistance API, das App Replacement Entitlement und Apple HomeView tauchen hier erstmals auf. Was sie technisch können, sagt die Meldung nicht. Rechne damit, dass bald Doku dazu kommt.
Was du diese Woche tun kannstMelde dich auf developer.apple.com an, lies Schedule 2 und 3 sowie die Abschnitte 3.3.8(j) und (k) und akzeptiere die neuen Bedingungen. Prüfe dann, welche deiner Abo-Apps Team- oder Schulkunden haben, für die Group Purchases oder Volume Purchasing ein eigenes Angebot wären.
Noch nicht geprüftFunktion und Verfügbarkeit von Live Assistance API, App Replacement Entitlement und Apple HomeView beschreibt Apple in der Meldung nicht. Der Text stützt sich nur auf die Liste der geänderten Vertragsabschnitte.
Ein Holdout-Benchmark ist ein Messverfahren, das vor dem Optimierer geheim bleibt. Hier ist der Optimierer der Agent. Kennt ein Modell den Benchmark, kann es Änderungen bauen, die nur dort gut aussehen und in echter Nutzung nichts bringen. Genau das ist beim ADK-Lauf mit Gemini 4 Argon passiert: Zwei der sechs Änderungen wirkten nur im synthetischen Benchmark und wurden deshalb abgelehnt. Google hat die Ergebnisse mit einem Holdout-Benchmark geprüft, den Argon nie gesehen hat. Wenn du einen Agenten optimieren lässt, halte also eine eigene Messung zurück und bewerte das Ergebnis erst damit.
Aus 142 neuen Meldungen von 60 Quellen ausgewählt · 347.430 Tokens · Verbrauch