KI NordWest News — 23. September 2026

📰 KI NordWest — 23. September 2026

Neue Modelle, niedrigere Betriebskosten — und genauer hinschauen: GPT-6 Sol und Luna sowie Claude Opus 5.5 erweitern das Angebot für produktive Agenten. Hugging Face bringt quantisierte GGUF-Modelle näher an den Python-Alltag, Xiaomi legt bei offenen Gewichten nach. Der Muse-Hotfix und neue Evaluationswerkzeuge zeigen zugleich, warum Zugriffsrechte und nachvollziehbare Abläufe wichtiger sind als eine überzeugend formulierte Antwort.

🧠 Neue Modelle & API-Kosten

GPT-6 Sol, Luna und Opus 5.5 setzen auf günstigere Agentenarbeit
GPT-6 Sol und Luna sind auf Amazon Bedrock verfügbar (AWS, 22. September 2026): Sol richtet sich an anspruchsvolle Coding- und mehrstufige Werkzeugaufgaben, Luna an häufige Klassifikations-, Extraktions- und Zusammenfassungsaufgaben; AWS meldet niedrigere API-Preise als bei den jeweiligen GPT-5.6-Vorgängern und Unterstützung für explizites Prompt-Caching. Laut einer internen OpenAI-Auswertung macht Sol ungefähr halb so viele sachliche Fehler wie sein Vorgänger — das ist eine Herstellerangabe, keine unabhängige Messung für beliebige Anwendungen. Für den Betrieb lohnt damit ein Vergleich nach Kosten pro erfolgreich abgeschlossener Aufgabe einschließlich Wiederholungen und Latenz, nicht allein nach Tokenpreis. → Quelle
Claude Opus 5.5 kombiniert niedrigere Preise mit strengeren Schutzfiltern (AWS, 22. September 2026): Das neue Modell ist über Amazon Bedrock und Claude Platform on AWS verfügbar und soll laut Anthropic bei agentischem Coding und längeren Wissensaufgaben weniger Tokens benötigen als Opus 5; hinzu kommen niedrigere Tokenpreise und günstigere Cache-Lesezugriffe. Adaptive Thinking ist stets aktiv, die Steuerung erfolgt über den gewünschten Reasoning-Aufwand statt über manuelle Denkbudgets. Neue Sicherheitsklassifikatoren für Biologie, Cybersicherheit und KI-Entwicklung führen laut AWS häufiger zu Ablehnungen als bei bisherigen Opus-Versionen — bestehende Arbeitsabläufe sollten deshalb vor einer Umstellung erneut getestet werden. → Quelle

⚙️ Open Weights & lokale Inferenz

GGUF in Transformers; MiMo-V2.6-Pro führt Open-Weight-Ranking an
Transformers führt GGUF-Modelle mit ggml-Kernels aus (Hugging Face, 22. September 2026): Die neue Integration nutzt quantisierte Gewichte direkt über die vertrauten Transformers-APIs und bietet mit transformers serve auch eine OpenAI-kompatible Schnittstelle. Der speichersparende, quantisierte Inferenzpfad ist zunächst auf Apple Silicon mit MPS sowie Qwen3.5 und kompatible Qwen3.8-Modelle begrenzt und erfordert aktuell den Entwicklungsstand von Transformers; ohne passende Kernels kann die Dequantisierung den Speicherbedarf erhöhen. Für effiziente lokale Inferenz empfiehlt Hugging Face weiterhin llama.cpp, während die Integration besonders Experimente und Evaluationen in Python erleichtert — sie ist noch kein allgemeiner GGUF-Beschleuniger für jedes Linux-Homelab. → Quelle
Xiaomi veröffentlicht MiMo-V2.6 mit offenen Gewichten (heise online, 22. September 2026): MiMo-V2.6-Pro erreicht laut dem Bericht 46 Punkte im Intelligence Index von Artificial Analysis und führt damit dort die Open-Weight-Modelle an; Xiaomis API kostet 0,435 US-Dollar pro Million ungecachter Input-Tokens und 0,87 US-Dollar pro Million Output-Tokens. Pro ist allerdings ein MoE-Modell mit insgesamt 1,02 Billionen Parametern und 42 Milliarden aktiven Parametern pro Token, also trotz offener Gewichte kein kleines Desktop-Modell. Neben Pro und Flash veröffentlicht Xiaomi unter MIT-Lizenz auch das auf Qwen3.5-9B basierende Forschungsmodell MiMo-V2.6-Distill-Qwen-9B, das für Experimente auf kleinerer Hardware interessanter sein dürfte. → Quelle

🔐 Agenten & Zugriffsrechte

Meta schließt lokale Sicherheitslücke im Muse-Agenten für macOS
Muse-Hotfix verhindert Missbrauch des Agenten durch lokalen Schadcode (The Verge, 22. September 2026): Sicherheitsforscher Patrick Wardle zeigte, dass eine undokumentierte Einstellung die Sprachtranskription der macOS-App auf einen fremden Endpunkt umlenken konnte; darüber ließ sich der Agent unter anderem zum Fotografieren und Schreiben schädlicher Dateien bewegen. Meta hat einen Hotfix veröffentlicht und betont, dass bereits Schadcode unter dem Nutzerkonto laufen musste — es handelte sich nicht um einen unmittelbar aus der Ferne ausnutzbaren Angriff. Die praktische Lehre: App aktualisieren und Agentenrechte begrenzen, denn ein lokaler Angreifer kann von bereits erteilten Kamera-, Datei- und Kontozugriffen eines Assistenten profitieren. → Quelle

🧪 Evaluationen & nachvollziehbare Abläufe

AISI veröffentlicht Benchmark-Ergebnisse samt Auswertungskontext (Hugging Face / EvalEval, 22. September 2026): Das britische AI Security Institute stellt über Evaluation Cards Ergebnisse, Konfigurationen und Kontext zu fünf Benchmarks bereit, darunter SWE-Bench Pro, Terminal-Bench 2.0 und Humanity’s Last Exam. Die Veröffentlichung nutzt das gemeinsame Schema Every Eval Ever und ergänzt eine Untersuchung darüber, wie Inferenzbudget und Testprotokoll die gemessene Leistung verändern. Für Modellvergleiche zählt damit nicht nur die Rangliste: Unterschiedliche Tokenbudgets oder Rückmeldungen zur Korrektheit können scheinbar vergleichbare Scores erheblich beeinflussen. → Quelle
AWS prüft bei Skills Auswahl und Ausführung getrennt (AWS, 22. September 2026): Neue Evaluatoren in Strands Evals und Bedrock AgentCore unterscheiden, ob ein Agent den passenden Skill ausgewählt und dessen vorgeschriebene Schritte tatsächlich befolgt hat; ausgewertet werden aufgezeichnete Abläufe beziehungsweise OpenTelemetry-Traces. Strands Evals ergänzt mit SkillInvoked einen deterministischen Test, ob ein bestimmter Skill erfolgreich geladen wurde. Wichtig für Regressionstests: Die modellgestützten Prüfer bewerten aufgerufene Skills, liefern bei vollständig unterbliebenem Aufruf aber keinen Score — genau diese Lücke kann der zusätzliche deterministische Test schließen. → Quelle

🏛️ Regulierung & Haftung

EU-Abgeordnete nehmen KI-Haftung erneut in den Blick (heise online, 22. September 2026): Nach einem von heise aufgegriffenen Politico-Bericht bereiten vier Abgeordnete einen Vorstoß vor, um die Produkthaftungsregeln für universell einsetzbare und Frontier-Modelle auszuweiten. Es geht um mögliche Lücken bei unvorhergesehenen Schäden; der frühere Vorschlag einer eigenen KI-Haftungsrichtlinie war im Oktober 2025 zurückgezogen worden. Das ist bislang eine berichtete politische Initiative, keine verabschiedete neue Haftungspflicht. → Quelle