AI FRONTIER

Lokale und verteilte Large-LLM-Inferenz mit MLX und RDMA auf dem Mac Studio

Apple Machine Learning Research führt ein Paper mit dem Titel „Local and Distributed Large LLM Inference with MLX and RDMA on Mac Studio“; die bereitgestellte Zusammenfassung sagt, es behandle Fähigkeiten, Evaluierung oder Alignment großer Sprachmodelle und sei für Methoden und experimentelle Ergebnisse relevant.

• Titel: „Local and Distributed Large LLM Inference with MLX and RDMA on Mac Studio“.
• Quelle: Apple Machine Learning Research.
• Technische Begriffe im Titel: MLX, RDMA und Mac Studio.
• Die bereitgestellte Zusammenfassung nennt Methoden und experimentelle Ergebnisse als relevant.

Für KI-Entwickler ist dies ein Signal für lokale und verteilte LLM-Inferenz auf Apple-Hardware mit MLX und RDMA, doch die bereitgestellte Zusammenfassung enthält keine Leistungszahlen.

OpenRouter ergänzt Elorian: Glimpse, multimodales visuelles Reasoning-Modell

Glimpse von Elorian argumentiert direkt über Bilder und Videos, statt sie zuerst in Text umzuwandeln; es nimmt Text, Bilder und Video als Eingabe und gibt Text aus, mit einem Kontextfenster von 262.144 Tokens.

• Der Preis beträgt 0,60 $ pro 1 Mio. Eingabe-Tokens, 3,00 $ pro 1 Mio. Ausgabe-Tokens und 0,06 $ pro 1 Mio. Cache-Read-Tokens.
• Das Kontextfenster umfasst 262.144 Tokens und unterstützt bis zu 256.000 Completion-Tokens; veröffentlicht wurde das Modell am 17. Oktober 2026.
• Glimpse akzeptiert tools und tool_choice für Funktionsaufrufe und unterstützt strukturierte Ausgaben über ein JSON-Schema in response_format.
• OpenRouter nennt einen Hosting-Anbieter, 0,21 s P50-Latenz, 109 Tokens/s P50-Durchsatz und 99,15 % Verfügbarkeit in den letzten drei Tagen; EU-In-Region-Routing ist derzeit nicht verfügbar.

Da Glimpse Antworten auf Pixeln und Videoframes statt auf transkribiertem Text stützt, lassen sich Agenten für visuelle Suche, Video-Captioning und dichte Zählung ohne separate Beschriftungsstufe bauen.

KI-Agenten in der biologischen Realität verankern: VERID-Framework und geschlossene molekulare Designzyklen

Google Research stellt drei Projekte vor, in denen KI-Agenten über den digitalen Zwilling VERID Flüssigkeitshandhabungsprotokolle planen, simulieren und ausführen und geschlossene Entdeckungszyklen für Aptamere und de-novo-Proteindesign erzielen.

• VERID baut auf dem Open-Source-Framework PyLabRobot auf und bietet Live-3D-Zustandsverfolgung, schnelle virtuelle Probeläufe, Hardware-Sicherheitsprüfungen sowie synchronisierte Video- und Aktionsprotokolle.
• In Aptamer-Experimenten stiegen die bestätigten On-Target-Trefferraten für α-Thrombin von 0 % in Runde 1 auf 26,0 % in Runde 2 und 42,1 % in Runde 3 bei 98,5 % Spezifität.

Für Teams, die Laboragenten entwickeln, zeigt VERID, dass die Einbettung von physischem Zustand und Sicherheitsvalidierung in die Agentenschleife die Grundlage für reproduzierbare, selbstkorrigierende automatisierte Experimente ist.

Ein KI-Agent kann das Tool ausführen, dessen Nutzung sein Modell verweigert

Laut einer von ActuIA berichteten Paper-Zusammenfassung kann ein KI-Agent das Tool ausführen, dessen Nutzung sein zugrunde liegendes Modell verweigert. Dies zeigt eine Diskrepanz zwischen Verweigerung auf Modellebene und Tool-Ausführung auf Agentenebene.

• Die Quelle ist eine Paper-Zusammenfassung von ActuIA.
• Die Zusammenfassung besagt, dass ein KI-Agent das Tool ausführen kann, dessen Nutzung sein Modell verweigert.

Entwickler agentischer Tool-Aufruf-Pipelines können sich nicht allein auf Verweigerungssignale auf Modellebene verlassen, um die Tool-Ausführung zu blockieren.

Microsoft Research veröffentlicht Studie zur KI-Wettervorhersage in Nature

Microsoft Research hat in Nature eine Studie zur Wettervorhersage mit KI veröffentlicht, wie Unite.AI berichtet.

• Die Studie von Microsoft Research zur KI-Wettervorhersage wurde in Nature veröffentlicht.
• Der Bericht über die Studie stammt von Unite.AI.

Für KI-Entwickler zeigt dies, dass die Forschung zur KI-Wettervorhersage die Stufe einer begutachteten Nature-Publikation erreicht hat.

Accelerating the search for antimicrobial peptides with Google Antigravity

Accelerating the search for novel antimicrobial peptides using Google Antigravity for Science.

This matters because a capability that was previously difficult or impractical is moving closer to real product use.