★ Aktuell
Google DeepMind has launched Gemma 4, a family of state-of-the-art open models designed to enable multi-step planning and autonomous agentic workflows directly on-device. The release includes the Google AI Edge Gallery for experimenting with "Agent Skills" and the LiteRT-LM libra...
• google
• developers
Google has updated its account settings to allow U.S. users to change their @gmail.com usernames while keeping all exist...
• developers
The Agent Development Kit (ADK) SkillToolset introduces a "progressive disclosure" architecture that allows AI agents to...
• developers
The launch of Agent Development Kit (ADK) for Go 1.0 marks a significant shift from experimental AI scripts to productio...
• developers
The newly introduced continuous checkpointing feature in Orbax and MaxText is designed to optimize the balance between r...
• developers
Google has released version 1.0.0 of the Agent Development Kit (ADK) for Java, introducing powerful new features like Go...
• google
To bridge the gap between static model knowledge and rapidly evolving software practices, Google DeepMind developed a "G...
• google
The provided workflow streamlines motion-controlled game development by using Gemini Canvas to rapidly prototype mechani...
• google
This blog post introduces a workflow for extracting high-quality data from complex, unstructured documents by combining ...
▶ Tages-Digest — 12. Juni 2026
608 Artikel, 34 relevant
KI-Tagesüberblick 2026-06-12
### Highlights
1. Anthropic veröffentlicht Claude Fable 5 — Das neue Modell von Anthropic sorgt für polarisierte Reaktionen: Während einige es als Durchbruch zu AGI sehen, kritisieren andere die angebliche "Gatekeeping"-Politik des Unternehmens. Eine objektive Einordnung der tatsächlichen Fähigkeiten bleibt abzuwarten.
2. OpenAI erwägt Preissenkungen — Angesichts verstärkten Wettbewerbs durch Anthropic prüft OpenAI laut Wall Street Journal eine Reduktion seiner API-Preise, um Nutzer zu halten.
3. KI-Agenten in der Praxis: Hohe Ablehnungsquoten — Eine Analyse des AIDev-Datasets zeigt, dass 46,4% der von AI-Coding-Agenten (Copilot, Devin, Cursor, Claude) generierten Pull Requests abgelehnt werden — ein erheblicher Effizienzproblem.
### Modell-Updates
- Claude-Code v2.1.174 — Update mit verbesserter [Modellauswahl-Funktion](https://github.com/anthropics/claude-code/releases/tag/v2.1.174), Opus-Modell wird nun korrekt als eigene Option angezeigt.
### Forschung
Agentic AI & Evaluation:
- [Iterating Toward Better Search](https://arxiv.org/abs/2606.12924) — Framework für Evaluierung von konversationalen Shopping-Assistenten mit simulierten Buyer-Agenten
- [Shopping Reasoning Bench](https://arxiv.org/abs/2606.12608) — Erstes Benchmark für Multi-Turn-Shopping-Assistenten, das Geschäftslogik und Kundenpräferenzen kombiniert
- [GeoNatureAgent Benchmark](https://arxiv.org/abs/2606.12821) — Evaluation von LLM-Agenten für Umwelt- und Geospatial-Analysen mit echten APIs
- [DSAEval](https://arxiv.org/abs/2601.13591) — Benchmark mit 641 realen Data-Science-Problemen zur Evaluierung von Daten-Agenten
- [AgentBeats](https://arxiv.org/abs/2606.13608) — Standardisiertes, agentenunabhängiges Assessment-Framework für faire Agenten-Bewertung
Agent-Architektur & Self-Evolution:
- [Recursive Agent Harnesses](https://arxiv.org/abs/2606.13643) — Analyse der Rekursionsmuster in LLM-Agenten mit Sub-Agenten
- [SkillCAT](https://arxiv.org/abs/2606.13317) — Training-freie Methode zur Skill-Self-Evolution durch kontrastives Learning
- [Getting Better at Working With You](https://arxiv.org/abs/2606.13174) — Mechanismen zur Einhaltung von Nutzer-Korrektionen über Sessions hinweg (Mem0 zeigt 57,5% Fehlerquote)
Spezialisierte Agenten:
- [Agents-K1](https://arxiv.org/abs/2606.13669) — Wissensorchestration für wissenschaftliche Forschungs-Agenten
- [Parthenon Law](https://arxiv.org/abs/2606.04602) — Self-Evolving Framework für Jura-Agenten mit Domain-spezifischer Architektur
- [VISTA](https://arxiv.org/abs/2605.26144) — Benchmark für Web-App-Generierung aus visuellen Spezifikationen
- [Fantastic Scientific Agents](https://arxiv.org/abs/2606.12834) — AgentBuild-Ansatz für wissenschaftliche Workflows mit Scientist-authored Contracts
Sicherheit & Evaluation:
- [One Token to Fool LLM-as-a-Judge](https://arxiv.org/abs/2507.08794) — Kritische Sicherheitslücke: LLM-basierte Reward-Modelle sind anfällig für Reward-Hacking durch oberflächliche Manipulationen
### Tools & Infrastruktur
- [Cloudflare Data Loss Prevention](https://developers.cloudflare.com/changelog/post/2026-06-11-custom-ai-prompt-topics/) — Custom Topics für AI-Prompt-Schutz ermöglichen Detection proprietärer Konzepte über Standard-Kategorien hinaus
### Sonstiges
- Bildungs-KI: [GenAI Assessment Graders](https://arxiv.org/abs/2606.12422) — LLM-basierte Bewertungssysteme für standardisierte schulische Leistungsbewertung mittels Context Engineering
---
Fazit: Die Woche zeigt Bewegung im agentengetriebenen KI-Markt mit Fortschritten bei Evaluierungsmethoden, aber auch praktischen Limitierungen (hohe Ablehnungsquoten, Sicherheitslücken). Die intensive Entwicklung von Benchmarks deutet auf ein erkanntes Evaluierungs-Defizit hin.
Bereiche