Vom Abend des 4. November bis zum 5. November gab es Neuigkeiten zu offenen Gewichten, Übernahmen, Videomodellen und Sicherheitsforschung. Dieses Briefing umfasst 7 Meldungen, alle innerhalb der letzten 24 Stunden verifizierbar — keine alten Meldungen.
Kimi K3.1 Pro wird Open-Weight: erst die 5,6 TB prüfen
Am 5. November hat Moonshot AI die Gewichte von Kimi K3.1 Pro auf Hugging Face veröffentlicht: 2,8 Billionen Parameter insgesamt. In der Agent Arena liegt das Modell unter Open-Weight-Modellen auf Platz 1; bei Terminal-Bench 4.0 erreicht es 65,7 %. Doch die BF16-Gewichte sind rund 5,6 TB groß, die Einstiegshürde ist also hoch — auf einem normalen PC läuft das Modell praktisch nicht.
OpenAI will Pierre übernehmen und zielt auf Code-Speicherung
Am 4. November hat OpenAI die Übernahme von Pierre angekündigt, des Unternehmens hinter dem Code-Storage-Dienst. Codex nutzt bereits Pierres Trees- und Diffs-Bibliotheken zum Durchsuchen von Dateien und Prüfen von Änderungen; nach dem Abschluss bleiben die Projekte offen, und die Funktionen wandern schrittweise in Codex. Der Abschluss bedarf noch der behördlichen Genehmigung.
Kling 4.0 Flash für alle geöffnet: Videogenerierung direkt im Workflow
Am Abend des 4. November hat Kling bekannt gegeben, dass Kling 4.0 Flash nun vollständig verfügbar ist: Website und API stehen allen Nutzern offen, dazu kommen MCP-, CLI- und KI-Plugin-Anbindungen. Auch über Kling-Plugins in Adobes drei Apps lässt es sich direkt aufrufen. Das Modell soll Videoerstellung in bestehende Workflows einbinden.
PLaMo 3 Translate wird Open-Weight: 53 Sprachen
Am 5. November hat das japanische Unternehmen PFN die offenen Gewichte von PLaMo 3 Translate veröffentlicht, einem Übersetzungsmodell in vier Größen von 0,8B bis 31B für 53 Sprachen. Es läuft offline auf Smartphones, Laptops oder firmeneigenen Servern, ohne Cloud. Unternehmen und Einzelpersonen mit einem Jahresumsatz bis zu 1 Milliarde Yen können es unter einer Community-Lizenz kostenlos nutzen.
Goodfire schlägt „mechanistisches Shaping“ vor: aus den richtigen Gründen richtig liegen
Am 5. November hat Goodfire Forschung zum mechanistischen Shaping veröffentlicht: Wer nur richtige Antworten belohnt, bringt Modellen bei, aus den falschen Gründen richtig zu liegen. Die neue Methode greift während des Trainings direkt in interne Repräsentationen ein und lehrt Modelle, aus den richtigen Gründen richtig zu liegen. Das Papier belegt das Entfernen von Störfaktoren an einem medizinischen Diagnosemodell und behandelt auch das Verhindern von Schmeichelei und Reward Hacking sowie die Auswirkungen auf die Überwachbarkeit.
Datenzentren auf dem US-Wahlzettel: Mehrheit abgelehnt
Bei den US-Zwischenwahlen am 4. November wurden Datenzentren zum Wahlkampfthema: Bei über 40 Abstimmungen in 13 Bundesstaaten stimmten die Wähler in 38 Fällen gegen Datenzentren, sechs Städte verboten sie ganz, zwölf begrenzten ihren Stromverbrauch. Der texanische Gouverneur Abbott verlor seine Wiederwahl, nachdem er sich für Datenzentren eingesetzt hatte. Die Wähler wollen Entlastung bei Stromrechnungen und Wasser, keine weiteren Serverhallen.
OpenAI-Agenten scannen den Linux-Kernel: 948 Schwachstellen zur Rechteausweitung
Am 5. November gab OpenAI bekannt, dass sein Modell den Linux-Kernel in einer kontrollierten Umgebung gescannt, 1.724 von 2.308 Kandidatenbefunden reproduziert und 948 funktionierende Local-Privilege-Escalation-Exploits erstellt hat — für rund 1,21 Millionen Dollar. Die Agenten entdeckten außerdem 10 bislang unbekannte Angriffstechniken. Hunderte Meldungen und Patches zu kritischen Schwachstellen sind bereits an die Kernel-Maintainer gegangen.
