Today’s frontier report
Research Pool → Multi-Scout → Editor → Edition
3qk7 · AI LOCAL LABS TECHNICAL SCOUTING

AI FRONTIER

Signals worth understanding before they become obvious.

2026-11-09
01
testinferencecost collapse

Neues OpenRouter-Modell: Auto Router

Auto ist OpenRouters Flaggschiff-Modellrouter für allgemeine Nutzung: Er passt sich jeder Anfrage an, wählt kostenoptimale Modelle und justiert den Reasoning-Aufwand, wobei er Aufgabenkomplexität, Benchmark-Ergebnisse, Live-Preise und Prompt-Caching abwägt.

  • Auto Router hat keinen eigenen Festpreis; jede Anfrage wird zum Preis des Modells abgerechnet, das sie bedient.
  • Auto Router kann auf Modelle mit Kontextfenstern von bis zu 2.000.000 Tokens routen, und die für eine Anfrage verfügbare Kontextlänge entspricht der des Modells, das sie bedient.
  • Er akzeptiert Text, Bilder, Audio, Dateien wie PDFs und Video als Eingabe und gibt Text und Bilder zurück.
  • Auto Router wurde am 5. November 2026 veröffentlicht und ist derzeit nicht über EU-In-Region-Routing verfügbar.

Für Entwickler verlagert Auto die Modellauswahl und die Abstimmung des Reasoning-Aufwands auf den Router, sodass die Kosten je nach geroutetem Modell variieren und die Budgetkontrolle von Governance-Einstellungen statt von einem festen Stüc...

OpenRouter Models
02
watchagentscapability unlock

Google stärkt CodeMender, seinen KI-Agenten zur Behebung von Schwachstellen auf Basis von Gemini 4 Argon

Google hat CodeMender gestärkt, seinen KI-Agenten zur Behebung von Schwachstellen, der Gemini 4 Argon nutzt.

  • CodeMender ist Googles KI-Agent zur Behebung von Schwachstellen.
  • CodeMender nutzt Gemini 4 Argon.

Für Builder zeigt dies, wie Google Gemini 4 Argon mit einem automatisierten Agenten zur Schwachstellenbehebung kombiniert, ein Referenzpunkt für Agentendesign.

ビジネス+IT
03
watchresearchcapability unlock

Anthropic-KI soll ein seit 2008 offenes Quantenproblem gelöst haben

Laut einem Bericht, der sich auf ein Paper-Abstract beruft, soll eine künstliche Intelligenz von Anthropic ein Quantenproblem gelöst haben, das seit 2008 offen war.

  • Die Quelle ist ein von Opinando San Nicolás berichtetes Paper-Abstract.
  • Das Problem wird als seit 2008 offen beschrieben.

Bestätigt würde dies zeigen, dass ein KI-System ein langjährig offenes Quantenproblem angeht, weshalb es sich lohnt zu beobachten, ob sich die Methode auf andere ungelöste Probleme übertragen lässt.

Opinando San Nicolás
04
watchresearchincremental

DeepMind offenlegt zwei Schwachstellen in RSA 1024 Bit, RSA 2048 Bit bleibt sicher

Laut der Zusammenfassung der Arbeit hat DeepMind zwei Schwachstellen in RSA 1024 Bit offengelegt und zugleich angegeben, dass RSA 2048 Bit sicher bleibt.

  • Die Zusammenfassung der Arbeit gibt an, dass DeepMind zwei Schwachstellen in RSA 1024 Bit offengelegt hat.
  • Die Zusammenfassung der Arbeit gibt an, dass RSA 2048 Bit sicher bleibt.

Für KI-Entwickler deutet dieses Signal darauf hin, dass Systeme, die noch auf RSA 1024 Bit setzen, eine Migration prüfen sollten, während RSA 2048 Bit in dieser Zusammenfassung nicht als betroffen aufgeführt wird.

Pasquale Pillitteri
05
watchresearchincremental

Anzeichen von Bluthochdruck mit Wearable-Sensoren erkennen

Google Research stellt AI-PPG-ACC-HTN vor, ein multimodales KI-System, das PPG- und Beschleunigungssignale einer handelsüblichen Smartwatch nutzt, um einen dauerhaften hypertensiven Zustand ohne Manschettenkalibrierung passiv zu erkennen; validiert in einer Nature-Arbeit gegen 24-Stunden-Langzeitblutdruckmessung.

  • Der Wellenform-Encoder wurde mit selbstüberwachtem kontrastivem Lernen auf 492.347 Stunden unbeschrifteter Sensordaten von 2.109 einwilligenden Teilnehmenden mit 15-Sekunden-PPG- und ACC-Wellenformen vortrainiert.
  • Eine prospektive multizentrische Studie an fünf US-Standorten umfasste 196 Teilnehmende ohne bekannte kardiovaskuläre Erkrankung und ohne Blutdruckmedikation, verglichen mit 24-Stunden-Langzeitblutdruckmessung.
  • In der Bestätigungs-Teilgruppe (N=48) erreichte das System 78,4 % Sensitivität, 90,9 % Spezifität und 96,7 % positiven Vorhersagewert, gegenüber 67,6 %, 63,6 % und 86,2 % bei erneuten Praxis-Messungen.

Für KI-Entwickler zeigt die Arbeit ein Muster, bei dem ein Wellenform-Encoder auf unbeschrifteten Wearable-Daten vortrainiert und mehrtägige Embeddings pro Person aggregiert werden, um ohne Manschettenkalibrierung einen individuellen Risiko...

Google Research