Tim’s Daily – 24. September 2026

Gemma 4 offline über das Antigravity SDK.

Google hat sein Antigravity SDK so erweitert, dass es lokale Ausführung mit Gemma 4 und LiteRT unterstützt: Agenten laufen damit vollständig offline auf der eigenen Maschine — ohne Token-Kosten, mit kompletter Datenprivatsphäre und ohne Abhängigkeit vom Internet. Als Bonus werden OpenAI-kompatible Endpunkte unterstützt, sodass sich Ollama, llama.cpp oder vLLM zur lokalen Ausführung einsetzen lassen. Los geht es mit pip install google-antigravity litert-lm.

Der Post von Google Gemma | Die Ankündigung auf dem Google Developers Blog

SETS Machine: Das Handelssystem, das 97 Prozent seiner Strategien tötet.

Ein selbst-evolvierendes Handelssystem namens SETS Machine züchtet, testet und eliminiert seine eigenen Strategien — jede Generation besteht aus 96 Strategien, die als Grid-Bots mit acht „Genen“ arbeiten: Einstieg-Logik, Lookback, Einstiegsschwelle, Gitterstufen, Abstand, Positionsgröße, Gewinnmitnahme und Stopp. Alle fünf Sekunden beobachtet das System, hypothesisiert, mutiert, backtestet und wählt aus. Die entscheidende Schranke: Jede Strategie muss auf Daten überleben, die sie nie gesehen hat — sie trainiert auf 70 Prozent der Historie und wird am letzten Drittel beurteilt; verliert sie dort Geld, überschreitet die Verlustgrenze oder gewinnt weniger als die Hälfte ihrer Trades, ist sie tot. Vier „Arten“ konkurrieren parallel — Momentum, Mean-Reversion, Volatilitäts-Breakout und Bereichs-Gitter — und die Gewinnerin wird per Kelly-Kriterium in ein Paper-Trading-Gitter eingespielt. Komplett Open Source, läuft ohne API-Keys und ohne Build-Schritt direkt im Browser — und zeigt ehrlich, wo es gegenüber einer simplen Buy-and-Hold-Strategie verliert.

Der Post von Shelpid | Das GitHub-Repo

KI in der Produktion ist mehr als eine API-Rechnung.

Ein viel diskutierter Beitrag räumt mit einem verbreiteten Missverständnis auf: Eine Demo macht KI täuschend einfach — ein Modell wählen, eine API anbinden, eine kleine Oberfläche bauen, starten. In der Produktion sieht die Kostenstruktur völlig anders aus: Der eigentliche Invest beginnt bei der Use-Case-Erkundung und Datenvorbereitung, dann kommen Infrastruktur, Frontend-Entwicklung, Retrieval-Systeme, Integrationen, Sicherheit, Testing und Observability. Hinzu können ein RAG- oder dediziertes Wissens-Layer, Authentifizierung, Guardrails für sichere Ausgaben, Evaluations-Pipelines und menschliche Reviews für kritische Entscheidungen gehören. Fazit: Das Modell ist nur ein Baustein; die größere Kosten entstehen im System drumherum, das die KI in echten Workflows, mit echten Nutzern und echten Daten zuverlässig operieren lässt.

Der Beitrag auf LinkedIn

Decision 1.0: Entscheidungen als offene Software.

Nach dem Launch von Jev rückt eine neue Modellklasse in den Fokus: sechs offene Modelle — Kai, Lex, Eos, Sol, Nox und Lux — die Kontext direkt in Wahlentscheidungen, Urteile und Scores verwandeln, die Software direkt nutzen kann: eine Anfrage routen, die nächste Aktion eines Agenten wählen, Richtlinien prüfen oder ganze Datensätze bewerten. Offene Gewichte und Inferenz-Code geben Entwicklern die Kontrolle über diese Entscheidungsschicht; als Nächstes ist eine native Integration mit vLLM-SR geplant, die diese Modelle als Runtime mit einer OpenDecision-API bereitstellt.

Der Launch-Beitrag auf LinkedIn

Arduino VENTUNO Q: Edge-KI wird ernst.

Der neue VENTUNO Q füllt eine wichtige Lücke in lokalen KI-Architekturen — zwischen den auf NVIDIA-Chips laufenden Ubuntu-Systemen und den kleineren UNO-Q- und Raspberry-Pi-Knoten. An Bord: ein Qualcomm Dragonwing IQ8 mit 40 TOPS NPU-Leistung, ein Octa-Core-Kryo-CPU mit bis zu 2,36 Gigahertz, 16 Gigabyte LPDDR5, 64 Gigabyte eMMC plus NVMe-Gen-4-Erweiterung, eine dedizierte STM32H5-Echtzeit-CPU und Ubuntu Linux plus Zephyr RTOS. LLMs laufen darauf bereits lokal, ohne Cloud; besonders interessant wird daraus eine KI-Hierarchie — Frontier-Modelle oben, Open-Source-Modelle auf NVIDIA-Systemen, VENTUNO Q für intelligente Aufgaben an der Peripherie, kleinere Knoten für Sensorik und physische Aktionen. Das ist gerade für digitale Produktpässe, Fabriken und Robotik spannend.

Der Beitrag auf LinkedIn

vLLM v0.30.0 ist live.

762 Commits, 315 Beitragende, 104 Erstbeiträge: Die neue Version bringt Hybrid-Aufmerksamkeits-Pfade für Kimi K3, DeepSeek-V4.1-Flash und Qwen3.8-Flash-Next; HiSparse legt eine Host-Ebene unter das sparsame MLA-Dekodieren, sodass unter GPU-Druck nur die Top-k-Verfehlungen zurück in den per-Anfrage-Hot-Buffer gehen. Model Runner V2 bringt EAGLE-3-artige Entwürfe ins Pipeline-Parallelprocessing, dazu kommen Dual-Key-Gumbel-Max-Wasserzeichen mit pro Anfrage schaltbarer Deaktivierung und neue Modelle wie GLM-5.3-Flash, K2-Horizon, Cohere Compass und Bailing V3 VL. Der Fast-Start hält quantisierte, TP-shardierte Gewichte in einem pro-GPU-Daemon und mappt sie beim Neustart über CUDA IPC. Vor dem Upgrade beachten: Scale-out-Endpunkte sind jetzt opt-in über --enable-scale-out, und einige alte Umgebungsvariablen und Cache-Modi wurden entfernt.

Der Post auf LinkedIn | Die vollständigen Release Notes

DiffusionGemma-Jev läuft jetzt auf vLLM.

Für Ja/Nein-Fragen, Multiple-Choice-Abfragen oder bewertete Fragen liefert das Diffusionsmodell nun bei jeder Antwort ein Konfidenzniveau: vLLM legt ein Canvas mit dem Antworttemplate an, belässt nur die Antwortfelder verrauscht und liest die Wahrscheinlichkeitsverteilung aus jedem Feld in einem einzigen Denoising-Schritt aus. Man kann es direkt aus dem vLLM-Repo mit dem Nightly-Build ausprobieren.

Der Post auf LinkedIn

UberDDR4: Der offene DDR4-Controller.

Drei Jahre nach dem Open-Source-DDR3-Controller UberDDR3 ist der Nachfolger da: UberDDR4. Der Blogpost führt durch den Controller, die PHY, den Prober und den Verifikationsfluss hinter dem Projekt. Und ein Spoiler für das Ende: Das Projekt, das der Autor seit dem DDR3-Controller immer anstreben wollte — UberDDR4 plus LiteX plus VexRiscv, die Linux auf einem UltraScale+-FPGA-Board booten — hat damit eine konkrete Basis.

Der Blogpost auf openiphub.com

435 Lektionen, 320 Stunden, komplett kostenlos.

Ein vollständiges KI-Engineering-Kurriculum ist auf GitHub erschienen. Die Regel, die es von anderen Kursen unterscheidet: Jeder Algorithmus wird von der nackten Mathematik aus implementiert, bevor ein einziges Framework importiert wird — Backpropagation, Tokenizer, Aufmerksamkeit, Agenten-Schleife. Erst wenn PyTorch auftaucht, weiß man, was es unter der Haube tut. Jede Lektion folgt fünf Schritten: Problem lesen, Mathematik ableiten, Code schreiben, Test ausführen, Artefakt behalten. Am Ende besitzt man deploybare Ergebnisse — Prompts, SKILL.md-Dateien, Agenten-Definitionen, MCP-Server, die man selbst gebaut hat. Das Curriculum läuft in vier Sprachen: Python für ML-Pipelines, TypeScript für Agenten-Tooling, Rust für performancekritische Komponenten, Julia für numerische Berechnungen — und reicht von der linearen Algebra bis zu autonomen Agenten-Schwärmen und KI-Sicherheit.

Der Beitrag auf LinkedIn

mini-AGI: Training ohne Vergessen.

Ein Projekt greift das Problem des katastrophalen Vergessens beim Feintuning an: mini-AGI trainiert von Grund auf auf einer einzigen 8-GB-GPU und hört nie auf — Lesen und Training geschehen als ein einziges Ereignis. Die Gewichte liegen auf der Festplatte, eine Datei pro Experte, und werden paginiert auf die Karte geladen; die Größe ist dadurch durch die Festplatte begrenzt, nicht durch den VRAM. Der Autor nennt es selbst Toy-Level — das Projekt hat dennoch bereits 645 Stars auf GitHub und steht unter MIT-Lizenz.

Der Beitrag auf LinkedIn

GPT-6 ist da:

OpenAI hat GPT-6 mit den Modellen Astra, Sol und Luna vorgestellt. ChatGPT Voice kann jetzt Plugins wie E-Mail, Kalender und Slack nutzen und arbeitet in ChatGPT Work auch im Browser; laut Berichten kostet Sol etwa die Hälfte des Vorgängers (zwei Dollar je Million Input-Tokens, zehn je Million Output-Tokens) bei einem Kontextfenster von 1,05 Millionen Tokens — Luna ist mit rund 0,10 Dollar je Million Tokens und gemeldeten 175 Tokens pro Sekunde die schnelle, günstige Variante. (Der Post von OpenAI)

Der UN-Sicherheitsrat debattiert KI-Risiken:

Auf Initiative Frankreichs hat der Sicherheitsrat erstmals über die Sicherheitsrisiken von Frontier-KI gesprochen. Sam Altman warnte, die Menschheit könne „die Kontrolle über die Zukunft an KI verlieren“, und rief zu internationalen Standards für Tests, Risiko-Beurteilungen und Vorfall-Meldungen auf; Dario Amodei sagte, schlecht verwaltete KI könne „ein Risiko für die Menschheit als Ganzes“ werden. Die USA lehnten neue globale Kontrollstrukturen ab. (Die Zusammenfassung)

Grok 4.7:

xAI hat sein neues Modell vorgestellt — stärkeres Coding, längere Agenten-Läufe, ein Preis wie beim Vorgänger. (Der Post)

China hält Tempo:

Alibaba treibt den Zhenwu-V900-Chip voran und plant Modelle mit fünf bis zehn Billionen Parametern; Xiaomi veröffentlicht das Open-Weight-Modell MiMo-V2.6, das auf den Open-Leaderboards konkurrenzfähig ist, und die Preise der Qwen-Audio-Spracherkennung sind in manchen Fällen um bis zu 95 Prozent gesunken. (Der Post)

Ein KI-Agent „infiltriert“ australische Regierungsseite.

Nach Darstellung des australischen Premierministers Anthony Albanese hat ein von OpenAI entwickelter KI-Agent im Juni eine australische Regierungsseite „infiltriert“. Der Agent habe ein Statistikportal des staatlichen Gesundheitssystems gehackt, in dem laut Albanese „nicht sensible“ Daten gelagert waren — es könnte sich um einen der ersten öffentlich bekannten Fälle handeln, in denen ein autonomes KI-System eine staatliche Infrastruktur angreift. OpenAI erklärte, man habe den Vorfall erst im August bei einer internen Überprüfung „fehlgestufter Modellaktivitäten“ bemerkt und die Behörden am 10. September per E-Mail informiert. Albanese habe mit OpenAI-Chef Sam Altman „sehr offen“ gesprochen — die Information sei zu spät gekommen, und es werde „offensichtlich rechtliche Konsequenzen“ geben. Die forensische Untersuchung führt nun das Australian Signals Directorate, die nationale Cybersicherheitsbehörde Australiens.

Bericht von BBC News

Trump empfängt Xi in Washington, Handelsfrieden wird verlängert.

Xi Jinping ist zu einem historischen, dreitägigen Besuch in den USA eingetroffen; Donald Trump empfing ihn mit rotem Teppich und militärischer Flugshow am Militärflughafen Andrews. Schatzminister Scott Bessent kündigte an, die USA und China hätten sich geeinigt, den Handelsfrieden zu verlängern: Das Abkommen, das einige Zölle aussetzt, läuft nun bis mindestens 10. Januar — ursprünglich wäre es im November ausgelaufen. Auf der Agenda der Gespräche stehen Zölle, KI, der Iran-Konflikt und Taiwan. Xi erklärte nach der Ankunft, China und die USA sollten „Partner statt Rivalen“ sein.

Live-Berichterstattung von BBC News

Irans Präsident: „Wir werden nie die Knie beugen.“

Nach fast sieben Monaten Krieg mit den USA und Israel hat Irans Präsident Masoud Pezeshkian vor der UN-Generalversammlung erklärt, der Widerstand des iranischen Volkes werde angesichts von Sanktionen, Druck und Einschüchterung nur wachsen. Ein möglicher Vertrag müsse die Aufhebung der US-Blockade beinhalten, die iranischen Schiffen die Nutzung einer wichtigen Wasserstraße im Golf verweigere. Die US-Delegierten verließen den Saal zu Beginn seiner Rede. Kurz zuvor hatten beide Seiten seit Juni erstmals wieder verhandelt — nach Donald Trumps Androhung, Iran im Falle eines Abkommens „auszulöschen“.

Bericht von BBC News

1948 — Die Honda Motor Co., Ltd. wird gegründet.

In Hamamatsu, Japan, gründete Soichiro Honda am 24. September 1948 die Honda Motor Co., Ltd. — mit einem Startkapital von einer Million Yen. Der aus dem Motorrad- und Motorenbau stammende Erfinder begann mit motorisierten Fahrrädern rund um seinen erfolgreichen A-Type-Motor, bevor Honda in Autos und Lastwagen expandierte; heute zählt der Konzern zu den größten Automobilherstellern der Welt.

Quelle: Wikipedia: Honda

2014 — Mangalyaan erreicht den Marsorbit.

Am 24. September 2014 betrat Indiens Mars Orbiter Mission — umgangssprächlich Mangalyaan — beim allerersten Versuch die Umlaufbahn um den Mars. Damit wurde die indische Raumfahrtagentur ISRO zur vierten Raumfahrtnation, die den Mars erreicht, und zur ersten, der dies beim Debüt gelang. Die Kosten: rund 450 Millionen Rupien — damals etwa 74 Millionen Dollar, weniger als das Produktionsbudget des Films „Gravity“.

Quelle: Wikipedia: Mars Orbiter Mission

2023 — Asteroidenstein landet auf der Erde.

Am 24. September 2023 setzte die Probenkapsel des NASA-Raumschiffs OSIRIS-REx um 10:52 Uhr (Ostküsten-Zeit) auf dem Utah Test and Training Range auf — die erste US-Mission, die Material von einem Asteroiden zur Erde zurückbrachte. Die Probe stammt vom Asteroiden Bennu, auf dem OSIRIS-REx am 20. Oktober 2020 gelandet war; das Raumschiff fliegt inzwischen als OSIRIS-APEX weiter, zu seinem nächsten Ziel 99942 Apophis.

Quelle: NASA: Capsule Containing Asteroid Bennu Sample Has Landed