MODELLMeta Muse Spark Open: 816B offen, 1M Kontext, läuft auf zwei M5-Ultra-MacsPLATTFORMMLX: 816B-Modell auf vier Mac Studio, laut Apple über 36 Tokens/sWERKZEUGT3 Code v0.1.0: delegate_task, Thread-Forks und T3 Code MCP sind stabilWERKZEUGCodex CLI 0.163.0: Sofort-Umlenken, durchsuchbares /config, parallele Read-ToolsMUSTERNetflix: IntelliJ-Index für Claude Code und Codex spart meist 20–30 % TokensMODELLNemotron 3.5 Super VL: offen, 120B MoE, liest Screenshots, ab 0,10 USDWERKZEUGVoid: Vite-Plugin legt D1, Queues und AI-Bindings beim Deploy anPLATTFORMVercel Drives GA: Sandbox-Speicher, der bleibt und sich für Worker forken lässtSTANDARDVercel Connect: MCP Events als öffentliche Beta, Agenten reagieren auf WebhooksMUSTERFigma Specs bündelt Designsprache für Agenten, Code Layers jetzt in Open BetaMODELLMeta Muse Spark Open: 816B offen, 1M Kontext, läuft auf zwei M5-Ultra-MacsPLATTFORMMLX: 816B-Modell auf vier Mac Studio, laut Apple über 36 Tokens/sWERKZEUGT3 Code v0.1.0: delegate_task, Thread-Forks und T3 Code MCP sind stabilWERKZEUGCodex CLI 0.163.0: Sofort-Umlenken, durchsuchbares /config, parallele Read-ToolsMUSTERNetflix: IntelliJ-Index für Claude Code und Codex spart meist 20–30 % TokensMODELLNemotron 3.5 Super VL: offen, 120B MoE, liest Screenshots, ab 0,10 USDWERKZEUGVoid: Vite-Plugin legt D1, Queues und AI-Bindings beim Deploy anPLATTFORMVercel Drives GA: Sandbox-Speicher, der bleibt und sich für Worker forken lässtSTANDARDVercel Connect: MCP Events als öffentliche Beta, Agenten reagieren auf WebhooksMUSTERFigma Specs bündelt Designsprache für Agenten, Code Layers jetzt in Open Beta
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.
Meta gibt Muse Spark Open mit offenen Gewichten frei
AUSGABE 1910 Meldungen10 min Lesezeit
Meta stellt mit Muse Spark Open ein multimodales 816B-Modell für Agenten frei. Du kannst es selbst hosten oder bei mehreren Anbietern nutzen, und Apple zeigt mit MLX gleich, wie es auf vier Mac Studio läuft. Dazu kommen T3 Code v0.1.0 mit Delegation über Provider hinweg und Codex CLI 0.163.0, in der du eine laufende Antwort direkt umlenken kannst.
Was ist neuMeta stellt die Gewichte von Muse Spark Open frei: ein multimodales Mixture-of-Experts-Modell mit 816 Mrd. Parametern, davon 42 Mrd. aktiv, und bis zu 1 Mio. Token Kontext. Es nimmt Text, Bild, Audio und Video an, gibt Text aus und ist für Coding und Agenten trainiert. Die Gewichte liegen als BF16 (rund 1,5 TB) und NVFP4 auf Hugging Face. Gehostet läuft es unter anderem bei OpenRouter, Together AI, Fireworks und Groq. Laut Meta reichen zwei Mac Studios mit M5 Ultra und je 512 GB per MLX für den lokalen Betrieb. In Benchmarks für Agenten, Reasoning und Multimodalität liegt es laut Meta vor Qwen 3.8, GLM 5.3 und Kimi K3, beim Coding teils dahinter. Die Lizenz verlangt den Hinweis „Built with Muse Spark Open“; API-Anbieter mit über 20 Mio. Dollar Jahresumsatz brauchen eine eigene Vereinbarung.
Muse Spark Open in Zahlen
816 Mrd.Parameter gesamt
42 Mrd.Davon aktiv
1 Mio. TokenKontext bis zu
816 Mrd. Parameter insgesamt, aber nur 42 Mrd. aktiv, dazu bis zu 1 Mio. Token Kontext.
Was heißt das für dichDamit gibt es ein US-Modell mit offenen Gewichten in der Größenklasse chinesischer Agenten-Modelle, das du selbst hosten oder bei mehreren Anbietern beziehen kannst. Für Coding-Agenten ist es kein klarer Gewinner, denn Meta räumt selbst Rückstand bei Coding-Benchmarks ein. Interessanter ist es für Agenten mit Screenshots, Audio oder Video im Kontext. Lokal ist es nur mit rund 1 TB Unified Memory realistisch.
Was du diese Woche tun kannstLass eine echte Aufgabe aus deinem Repo, etwa einen kleinen Bugfix mit Screenshot, über OpenRouter mit meta/muse-spark-open laufen und vergleiche Ergebnis, Tokenverbrauch und Kosten mit deinem aktuellen Modell. Prüfe vor jedem Produkteinsatz die Hinweispflicht der Muse Model License.
NOCH NICHT GEPRÜFT
Den Benchmark-Vergleich und die Lizenzauflagen (Hinweispflicht, 20-Mio.-Grenze) belegt hier nur The Decoder. Der OpenRouter-Preis und die Verfügbarkeit im Vercel AI Gateway sind nicht belegt, weil diese Seiten nicht vorlagen.
Was ist neuApple hat am 15. Oktober eine neue MLX-Version veröffentlicht und lässt damit Muse Spark Open (816 Mrd. Parameter, davon 42 Mrd. aktiv, MoE) auf vier Mac Studio mit M5 Ultra laufen. Laut Apple sind das über 36 Tokens/s bei 8.192 Tokens Kontext. Auf einen Mac Studio mit 512 GB passen Qwen 3.8 27B (bis 68 GB) und Mistral Medium 3.5 128B (bis 158 GB bei 65.536 Tokens). Muse Spark braucht in NVFP4 schon für die Gewichte rund 493 GB und läuft deshalb nur auf mehreren Macs. Pipeline-Parallelisierung teilt die Schichten auf und bringt beim Decode kaum Tempo. Tensor-Parallelisierung teilt jede Schicht auf: Mistral kommt so auf vier Macs auf 23,4 statt 7,7 Tokens/s. Du brauchst macOS 26.2 mit RDMA über Thunderbolt 5, MLX ab 0.30.1 mit Backend jaccl und zwei Kabel pro Maschinenpaar.
Mistral auf vier Macs: TempoTokens/s
Ohne Tensor-Parallelisierung
Mit Tensor-Parallelisierung
Mistral Medium 3.5 128B−67 %
Ohne Tensor-Parallelisierung: 7,7
Mit Tensor-Parallelisierung: 23,4BESSER
Tensor-Parallelisierung bringt Mistral auf vier Macs auf 23,4 statt 7,7 Tokens/s.
Was heißt das für dichmlx_lm.server stellt eine OpenAI-kompatible Schnittstelle bereit, also lassen sich Coding-Agenten wie OpenCode ohne Cloud an ein lokales Modell anbinden. Lange Agenten-Kontexte bleiben der Engpass: Muse Spark braucht laut Apple bei 65.536 Tokens selbst auf vier Macs 40,6 s bis zum ersten Token. Für die meisten ist ein einzelner Mac mit einem 27B-Modell der realistische Weg.
Was du diese Woche tun kannstWenn dein Mac genug RAM hat: Aktualisiere mit „pip install -U mlx-lm“, starte mlx_lm.server --model Qwen/Qwen3.8-27B --port 8080 und trag in OpenCode den Provider @ai-sdk/openai-compatible mit baseURL http://127.0.0.1:8080/v1 ein. Miss das Tempo vorher mit mlx_lm.benchmark -p 8192 -g 128 -b 1.
NOCH NICHT GEPRÜFT
Alle Leistungs-, Speicher- und Verbrauchswerte stammen aus Apples eigenen Benchmarks. Die Versionsnummer der neuen MLX-Version nennt der Beitrag nicht. Nicht in den abgerufenen Seiten gefunden: 23,4, 7,7.
Was ist neuT3 Code v0.1.0 ist die erste stabile Version von Orchestrator V2. Mit delegate_task startet ein Agent Kind-Agenten auf beliebigem Provider und Modell, zum Beispiel plant Claude und Codex implementiert. Jedes Kind behält seine eigene Historie. Threads lassen sich forken, und über den T3 Code MCP legen Agenten Threads an, steuern und durchsuchen sie. Den Provider kannst du mitten im Thread wechseln, aber dabei geht Kontext verloren: Der neue Provider bekommt nur eine Auswahl der Nachrichten, ohne Reasoning, Tool-Aufrufe und Anhänge. Beim Update wird die Datenbank einmalig kopiert. Alle Server, Desktop-Apps und die Mobile-App (T3 Code 2.0) müssen auf V2. OpenCode 1.x wird nur noch eingeschränkt unterstützt.
Was heißt das für dichWenn du Claude Code und Codex parallel nutzt, kannst du mit delegate_task Arbeit zwischen den Harnesses verteilen, ohne dass Kontext verloren geht. Den Provider-Wechsel im Thread empfiehlt T3 Code dafür ausdrücklich nicht. Für lange Agenten-Läufe hilft außerdem die Queue auf dem Server: Sie übersteht Neustarts und Usage-Limits, und abgebrochene Threads laufen nach einem Neustart weiter.
Was du diese Woche tun kannstPrüf vor dem Update unter Settings → Providers die Mindestversionen (Codex 0.159+, Claude Code 2.1.280+). Beantworte offene Approvals und aktualisiere Server, Desktop-App und Mobile-App zusammen. Teste dann einen Thread, in dem Claude plant und per delegate_task Codex umsetzen lässt.
Was ist neuCodex CLI 0.163.0 übernimmt eine Folgenachricht, die du während einer Antwort schickst, sofort als Kurskorrektur. Ein Abbruch stoppt jetzt auch laufende Code-Mode-Zellen samt ihrer Tool-Aufrufe. /config durchsucht Einstellungen über alle Kategorien, übernimmt unterstützte Änderungen sofort und zeigt, was einen Neustart braucht. In /keymap gibt es eine Leader-Taste, standardmäßig Ctrl+X. Voice-Mute liegt jetzt auf F9. /daemon startet den Hintergrund-Server neu, warnt vorher vor unterbrochener Arbeit und verbindet sich danach selbst wieder. Unabhängige Read-only-Tools wie Skill-, Memory- und Verlaufsabfragen laufen parallel. Daybreak ist für berechtigte Accounts standardmäßig aktiv. Fortgesetzte Threads bekommen ihre Berechtigungen und Netzwerkfreigaben zurück.
Was heißt das für dichIm Alltag zählt vor allem das Umlenken: Merkst du, dass der Agent falsch abbiegt, musst du ihn nicht mehr abbrechen und neu ansetzen. Parallele Lesezugriffe sollten lange Sitzungen mit vielen Skills und viel AGENTS.md-Kontext beschleunigen. Wiederhergestellte Freigaben beim Fortsetzen ersparen dir erneutes Bestätigen, gehen aber auch ohne Nachfrage wieder durch. Das solltest du wissen, wenn du alte Threads weiterführst.
Was du diese Woche tun kannstAktualisiere Codex und schick bei der nächsten längeren Aufgabe mitten in der Antwort eine Korrektur wie nutze stattdessen wrangler dev. Prüfe danach in /keymap, ob Ctrl+X als Leader-Taste mit deinem Terminal oder tmux kollidiert, und stell sie bei Bedarf um.
NOCH NICHT GEPRÜFT
Was Daybreak genau ist, erklären die Release Notes nicht. Laut den PR-Titeln ist es eine wählbare Funktion mit Zugangsprüfung, die auch codex exec mit API-Key nutzen kann, wenn der Server sie anbietet.
Was ist neuNetflix hat die headless Code-Engine von IntelliJ IDEA, die JetBrains als LSP anbietet, an Claude Code und Codex angebunden. Dafür baute Netflix einen eigenen Daemon und eine CLI, denn JetBrains liefert so einen Daemon noch nicht. Der Daemon hält den Index pro Projekt im Speicher, damit nicht jeder Aufruf einen Kaltstart von mehreren Sekunden kostet. Gemessen wurde im Juli und August 2026 an einem internen Spring-Boot-4-Service mit Gradle und am Open-Source-DGS-Framework (Kotlin/Java). Getestet wurden Opus 5 und Sonnet 5 in Claude Code sowie GPT-5.6 Sol in Codex, jeweils mit mittlerem und hohem Effort. Jede Aufgabe lief einmal mit und einmal ohne die Engine. Ein LLM als Richter prüfte die Korrektheit, abgestürzte Läufe flogen aus beiden Armen. Laut JetBrains lag der Gewinn typischerweise bei 20 bis 30 Prozent. Die 65 Prozent erreichte nur die stärkste Konfiguration mit hohem Effort bei Navigationsaufgaben, bei End-to-end-Aufgaben kam sie auf etwa 24 Prozent. End-to-end lagen alle Kombinationen bei 10 bis 30 Prozent, die Korrektheit blieb gleich oder stieg. Welche Konfiguration zu welchem Modell gehört, nennt der Beitrag nicht.
Ersparnis durch die Code-Engine
65 %Spitze bei Navigationsaufgaben
24 %Stärkste Konfiguration end-to-end
Die 65 Prozent sind ein Spitzenwert bei Navigation, End-to-end liegt die stärkste Konfiguration bei etwa 24 Prozent.
Was heißt das für dichDer Effekt entsteht vor allem an JAR-Grenzen: Die Bibliotheken liegen dort nur kompiliert vor, und die Agenten müssen raten, entpacken und greppen. Mehr Modell und mehr Effort verstärken den Gewinn, die 65 Prozent sind also ein Spitzenwert. Für TypeScript plant Netflix erst einen Test und sagt selbst, dass die Mechanik je Sprache anders ist. Zu Swift steht im Beitrag nichts.
Was du diese Woche tun kannstÜbernimm den Messaufbau: Lass eine Navigationsaufgabe in deinem TypeScript-Repo, etwa „wo wird dieses Interface verwendet“, zweimal in Claude Code laufen, einmal mit Zugriff auf einen Language Server und einmal ohne. Vergleiche dann Tokens und Zeit. Eine fertige JetBrains-Lösung für TypeScript oder Swift gibt es noch nicht.
NOCH NICHT GEPRÜFT
Alle Prozentwerte stammen aus der Fallstudie von JetBrains und Netflix. Rohdaten oder Ergebnisse pro Modell sind nicht veröffentlicht.
Was ist neuNvidia hat Nemotron 3.5 Super VL veröffentlicht, ein offenes Mixture-of-Experts-Modell mit 120 Milliarden Parametern, von denen pro Token 12 Milliarden aktiv sind. Es nimmt Text, Bilder, Dokumente, GUI-Screenshots und Video entgegen und antwortet in Text. Der Kontext umfasst 1M Token, und es unterstützt Tool Calling sowie Ausgaben nach JSON-Schema. Bei OpenRouter kostet es je nach Anbieter ab 0,10/0,40 USD pro Million Input- und Output-Token. Daneben gibt es einen Gratis-Endpunkt, dessen Eingaben Nvidia protokolliert. Nvidia legt Gewichte, Datensätze, Trainingsrezepte und RL-Umgebungen offen. Dazu kommt Bolt 74B-A9B, auf 2 Bit quantisiert für 24 GB Speicher und lauffähig mit llama.cpp, Ollama, LM Studio und vLLM. Bolt E4B 4GB soll später im Monat folgen.
Nemotron 3.5 Super VL in Zahlen
120 Mrd.Parameter gesamt
12 Mrd.Aktiv pro Token
1 M TokenKontext
Von 120 Milliarden Parametern sind pro Token nur 12 Milliarden aktiv, bei 1M Token Kontext.
Was heißt das für dichDas Modell ist günstig und offen und wertet Screenshots, PDFs und Tabellen ohne separates Bildmodell aus. Damit kommt es für Dokumenten- und Browser-Agenten in Frage, bei denen Frontier-Modelle zu teuer sind. Laut OpenRouter führt Artificial Analysis es mit einem Intelligence Index von 26,5, also klar unter den geschlossenen Spitzenmodellen. Ob Bolt auf dem Mac läuft, sagen die Quellen nicht. Nvidia nennt nur eigene Hardware.
Was du diese Woche tun kannstSchick über OpenRouter mit dem Slug nvidia/nemotron-3.5-super-vl zehn echte Screenshots oder PDF-Seiten aus deiner App, gib ein JSON-Schema in response_format vor und vergleiche Trefferquote und Kosten mit deinem jetzigen Vision-Modell. Für vertrauliche Daten nimmst du nicht den Gratis-Endpunkt, sondern legst einen bezahlten Anbieter fest.
NOCH NICHT GEPRÜFT
Offene Datensätze und die Angaben zu Bolt stammen von Nvidia und liegen nur über The Decoder vor, der Nvidia-Blog lag nicht vor. Lizenz und Mac-Tauglichkeit von Bolt nennen die Quellen nicht.
Was ist neuCloudflare und VoidZero stellen Void als Open Source vor. Es besteht aus SDK, CLI und einer selbst hostbaren Platform und kommt als ein npm-Paket mit Vite-Plugin (npm install void). Das SDK macht aus einer Vite-App eine Full-Stack-App für Workers. Es bringt dateibasiertes API-Routing, Adapter für React und Vue und durchgehende Typen von der Datenbank bis zur UI mit. Aus Imports wie void/db oder void/ai leitet void deploy die Bindings ab und legt D1, Queues oder den Zugang zum AI Gateway an. Die CLI baut auf der neuen cf CLI auf. Vinext, React Router, SvelteKit, Nuxt, TanStack Start und Astro lassen sich weiter nutzen. Die Platform läuft auf Workers for Platforms und braucht R2, PostgreSQL und einen Login-Anbieter.
Was heißt das für dichBei Workers-Projekten musst du Bindings und Ressourcen nicht mehr von Hand pflegen. Das hilft vor allem Agenten, die Code schreiben und selbst deployen. Die Platform zeigt ein Muster für interne Vibe-Coding-Apps: Mitarbeitende deployen ohne eigenen Cloudflare-Zugang, Admins setzen Limits. Zu Beta-Status, Preisen und dem Verhältnis zu Wrangler sagt der Beitrag nichts.
Was du diese Woche tun kannstNimm ein kleines Vite-Projekt und trag voidPlugin() in die vite.config ein. Importiere dann void/db und führe void deploy mit einem Test-Account aus. Prüf danach im Dashboard, welche D1-Datenbanken und sonstigen Ressourcen Void angelegt hat.
NOCH NICHT GEPRÜFT
Laut Hersteller läuft Void schon seit Monaten bei VoidZero im Produktivbetrieb. Ein offizielles Beta-Label nennt der Beitrag nicht, die Einstufung als Beta stammt von der Redaktion.
Was ist neuVercel Drives ist jetzt allgemein verfügbar, und zwar für Vercel Sandbox auf den Plänen Hobby, Pro und Enterprise. Ein Drive ist persistenter Speicher, den du als Verzeichnis in eine Sandbox einhängst. Die Dateien bleiben erhalten, wenn die Sandbox stoppt, und spätere Läufe oder andere Sandboxes können denselben Drive einhängen. Mit drive.fork() erzeugst du unabhängige, beschreibbare Kopien. Sie übernehmen Daten, Region und Maximalgröße des Originals und speichern nur ihre eigenen Änderungen. Auf der Vercel Ship kamen außerdem Daemons als Public Beta dazu, also dauerhaft laufende Container-Worker für Queues, Celery, Temporal oder CI-Runner, und Python ist jetzt allgemein verfügbar. Preise, Größenlimits und Regionen nennt der Changelog nicht.
Was heißt das für dichFür Coding-Agenten löst Drives ein Grundproblem: Workspace, Abhängigkeiten und dateibasiertes Gedächtnis bleiben über einen Sandbox-Lauf hinaus erhalten. Mit Forks starten mehrere Agenten-Versuche parallel vom selben Stand, ohne sich gegenseitig zu stören. Wenn du auf Cloudflare baust, hast du damit einen konkreten Maßstab für eigene Agenten-Sandboxes mit dauerhaftem Zustand.
Was du diese Woche tun kannstLege mit @vercel/sandbox einen Drive mit fertig installierten Abhängigkeiten an und forke ihn für zwei Worker. Miss dann, wie viel Startzeit du pro Sandbox gegenüber einem frischen npm install sparst. Lies vorher in der Drives-Dokumentation nach, was Preise und Größenlimits sind.
NOCH NICHT GEPRÜFT
Preise, Größenlimits und Regionen von Drives stehen in keiner der vorliegenden Seiten. Ein Vergleich mit Cloudflare Artifacts und Containers mit Snapshots ließ sich mangels Quellen nicht belegen.
Was ist neuVercel Connect unterstützt MCP Events als öffentliche Beta. Apps und Agenten abonnieren damit Webhook-Ereignisse kompatibler MCP-Server, etwa neue Nachrichten, neu angelegte Issues oder Feedback zu Dokumenten. Connect legt die Abos beim Server an und verlängert sie bei Bedarf automatisch. Es prüft die Webhooks des Servers und leitet die Ereignisse authentifiziert an deine App weiter. Im SDK abonnierst du mit experimental_subscribe aus @vercel/connect/mcp und übergibst Ereignisname, Argumente, Zielpfad, Laufzeit per ttlMs und einen Idempotenz-Schlüssel. Am Endpunkt prüft experimental_verifyMcpEvent, ob eine Zustellung wirklich von Connect stammt. Über einen Adapter lassen sich Discovery und Abos auch als AI-SDK-Tools an Agenten geben.
Was heißt das für dichAgenten müssen MCP-Server nicht mehr abfragen, sondern können auf Ereignisse reagieren. Das öffnet Produktmuster wie automatische Issue-Reviews oder Zusammenfassungen. Die Funktionen tragen das Präfix experimental_, die API kann sich also noch ändern. Außerdem funktioniert das nur mit MCP-Servern, die Events anbieten.
Was du diese Woche tun kannstNutzt du schon Vercel Connect, lege eine Route mit experimental_verifyMcpEvent an und abonniere ein Ereignis mit kurzer ttlMs. Prüf vorher, ob dein MCP-Server überhaupt Events anbietet. Ohne kompatiblen Server musst du warten, bis deine Anbieter nachziehen.
Was ist neuFigma hat am 14. Oktober auf seiner ersten Config in Indien Figma Specs vorgestellt, einen Markdown-Editor, in dem Teams ihre Designsprache festhalten. Laut TechCrunch dient das Dokument Teams und Agenten als Referenz, eigenen wie fremden. Specs können als eigene Datei oder direkt auf dem Canvas liegen, auf Canvas-Elemente verweisen und FigJam-Diagramme, Code Layers und Designs einbetten. Dazu kommen Design- und Code-Bibliotheken sowie Guidelines als Kontext. Code Layers, seit Juni in privater Beta, ist jetzt Open Beta: Code direkt im Design für interaktive Prototypen, und der Agent setzt Designs in Code um. Laut Figma unterstützt der MCP-Server über 20 neue Tools, darunter Open Code, Dia und Grok Bot.
Was heißt das für dichDas Muster ist dasselbe wie bei AGENTS.md: Regeln stehen als Markdown an einem zentralen Ort, damit Agenten berechenbarer arbeiten. Wenn Figma das über MCP an Claude Code oder Codex ausliefert, könnte die Designsprache aus Figma direkt in den Agenten-Kontext deines Repos fließen. Das spart doppelt gepflegte Stilregeln in Prompts.
Was du diese Woche tun kannstLeg dir in einem Projekt eine DESIGN.md mit Farben, Abständen und Komponentenregeln an und verweise in AGENTS.md darauf. Dann kannst du später direkt vergleichen, ob Figma Specs per MCP mehr liefert. Wer Figma nutzt, testet Code Layers an einem echten Prototyp.
NOCH NICHT GEPRÜFT
Der Text stützt sich nur auf TechCrunch, die Ankündigung von Figma lag nicht vor. Ob und wie Agenten Specs über MCP abrufen und ab wann Specs verfügbar sind, ist offen.
Alle Schritte dieser Ausgabe. Abhaken merkt sich dein Browser, sonst niemand.
Lass eine echte Aufgabe aus deinem Repo, etwa einen kleinen Bugfix mit Screenshot, über OpenRouter mit meta/muse-spark-open laufen und vergleiche Ergebnis, Tokenverbrauch und Kosten mit deinem aktuellen Modell. Prüfe vor jedem Produkteinsatz die Hinweispflicht der Muse Model License.
Wenn dein Mac genug RAM hat: Aktualisiere mit „pip install -U mlx-lm“, starte mlx_lm.server --model Qwen/Qwen3.8-27B --port 8080 und trag in OpenCode den Provider @ai-sdk/openai-compatible mit baseURL http://127.0.0.1:8080/v1 ein. Miss das Tempo vorher mit mlx_lm.benchmark -p 8192 -g 128 -b 1.
Prüf vor dem Update unter Settings → Providers die Mindestversionen (Codex 0.159+, Claude Code 2.1.280+). Beantworte offene Approvals und aktualisiere Server, Desktop-App und Mobile-App zusammen. Teste dann einen Thread, in dem Claude plant und per delegate_task Codex umsetzen lässt.
Aktualisiere Codex und schick bei der nächsten längeren Aufgabe mitten in der Antwort eine Korrektur wie nutze stattdessen wrangler dev. Prüfe danach in /keymap, ob Ctrl+X als Leader-Taste mit deinem Terminal oder tmux kollidiert, und stell sie bei Bedarf um.
Übernimm den Messaufbau: Lass eine Navigationsaufgabe in deinem TypeScript-Repo, etwa „wo wird dieses Interface verwendet“, zweimal in Claude Code laufen, einmal mit Zugriff auf einen Language Server und einmal ohne. Vergleiche dann Tokens und Zeit. Eine fertige JetBrains-Lösung für TypeScript oder Swift gibt es noch nicht.
Schick über OpenRouter mit dem Slug nvidia/nemotron-3.5-super-vl zehn echte Screenshots oder PDF-Seiten aus deiner App, gib ein JSON-Schema in response_format vor und vergleiche Trefferquote und Kosten mit deinem jetzigen Vision-Modell. Für vertrauliche Daten nimmst du nicht den Gratis-Endpunkt, sondern legst einen bezahlten Anbieter fest.
Nimm ein kleines Vite-Projekt und trag voidPlugin() in die vite.config ein. Importiere dann void/db und führe void deploy mit einem Test-Account aus. Prüf danach im Dashboard, welche D1-Datenbanken und sonstigen Ressourcen Void angelegt hat.
Lege mit @vercel/sandbox einen Drive mit fertig installierten Abhängigkeiten an und forke ihn für zwei Worker. Miss dann, wie viel Startzeit du pro Sandbox gegenüber einem frischen npm install sparst. Lies vorher in der Drives-Dokumentation nach, was Preise und Größenlimits sind.
Nutzt du schon Vercel Connect, lege eine Route mit experimental_verifyMcpEvent an und abonniere ein Ereignis mit kurzer ttlMs. Prüf vorher, ob dein MCP-Server überhaupt Events anbietet. Ohne kompatiblen Server musst du warten, bis deine Anbieter nachziehen.
Leg dir in einem Projekt eine DESIGN.md mit Farben, Abständen und Komponentenregeln an und verweise in AGENTS.md darauf. Dann kannst du später direkt vergleichen, ob Figma Specs per MCP mehr liefert. Wer Figma nutzt, testet Code Layers an einem echten Prototyp.
BEGRIFF DES TAGES
Mixture-of-Experts (MoE)
Ein Mixture-of-Experts-Modell besteht aus vielen Teilnetzen, den Experten. Pro Token rechnet nur ein kleiner Teil davon. Muse Spark Open hat 816 Mrd. Parameter, aktiv sind pro Token aber nur 42 Mrd. Bei Nemotron 3.5 Super VL sind es 12 von 120 Mrd. Deshalb rechnen solche Modelle schneller, als ihre Größe vermuten lässt. Im Speicher liegen müssen trotzdem alle Gewichte, und genau darum braucht Muse Spark lokal mehrere Mac Studio.
Aus 144 neuen Meldungen von 60 Quellen ausgewählt · 418.445 Tokens · Verbrauch