Der Loop ist das neue Prompt

Die Handkurbel-Methode

Jedes große Labor hat sich leise um dieselbe Idee herum neu aufgebaut: eine Schleife, die weiterarbeitet, nachdem du aufhörst zu tippen. Dies ist der Leitfaden dafür, wie Schleifen tatsächlich funktionieren, Stand 25. Juli 2026, bei Claude, GPT, Gemini, Grok, Metas Muse Spark, Mira und der Open-Weight-Welle, mit jeder Behauptung belegt.

Sieh jemandem bei der Arbeit mit KI zu, und du wirst meist dasselbe Ritual sehen. Eine Anfrage tippen. Warten. Die Antwort lesen. Die Probleme erkennen. Die Probleme erklären. Wieder warten. Das Ergebnis woanders hin kopieren. Morgen wiederkommen und alles von null an wiederholen.

Hier ist der unangenehme Teil: Dieses Ritual IST eine Schleife. Fragen, prüfen, korrigieren, wiederholen. Der einzige Unterschied zwischen dem und dem, was die Labore jetzt ausliefern, ist, wer die Kurbel dreht. Wenn du es von Hand machst, bist du der Auslöser, der Speicher, der Prüfer und die Stopp-Bedingung, und du bist teuer.

Im letzten Jahr haben sich alle ernsthaften KI-Labore auf dieselbe Lösung konzentriert: die Kurbel in die Maschine verlegen. Anthropic veröffentlicht eine offizielle Taxonomie von Schleifen für Claude. OpenAI hat ChatGPT um einen Arbeitsmodus herum neu aufgebaut, der mehrstufige Aufgaben eigenständig ausführt. Google verkauft Recherche-Schleifen, die du pro Aufgabe mietest. Meta hat sein Muse Spark-Modell speziell dafür trainiert, Flotten von Unter-Agenten zu orchestrieren. Selbst der kleinste Akteur in dieser Geschichte, ein Zwei-Personen-Startup mit einem Telegram-Bot namens Mira, verkauft im Grunde Schleifen an Leute, die niemals ein Terminal öffnen werden.

Und der Boden bewegt sich noch, während ich dies schreibe. Allein in den sieben Tagen vor diesem Update: Anthropic hat einen neuen Opus herausgebracht, der für den alltäglichen agentischen Einsatz gebaut ist, Alibaba hat einen Qwen mit 2,4 Billionen Parametern in der Vorschau gezeigt, und das größte jemals veröffentlichte Open-Weight-Modell wird in etwa 48 Stunden seine Gewichte veröffentlichen.

Das Ergebnis ist die größte stille Verschiebung in der Art und Weise, wie diese Technologie genutzt wird, seit Chat-Oberflächen auftauchten: Die Arbeitseinheit ist nicht mehr der Prompt. Es ist die Schleife, ein Arbeitszyklus, der so lange weiterläuft, bis eine von dir definierte Bedingung erfüllt ist.

Dieser Text ist die lange Version dieser Geschichte. Was eine Schleife tatsächlich ist, ohne Hype. Wie der Schleifen-Stack jedes Labors gerade aussieht, einschließlich der Modelle, die es vor einem Monat noch nicht gab. Was tatsächlich funktioniert, was sich über alle Anbieter hinweg als bemerkenswert konsistent herausstellt. Und die Fehlermodi und Kosten, die in den Startbeiträgen nicht erwähnt werden.

Eine Anmerkung zur Methode, weil der KI-Diskurs in selbstbewusstem Unsinn ertrinkt: Alles unten basiert auf der eigenen Dokumentation und den Ankündigungen der Labore oder auf benannten unabhängigen Bewertungen, die in der Woche bis zum 25. Juli 2026 live überprüft wurden. Wo eine Zahl von einem Anbieter selbst gemeldet wird, sage ich das. Wo etwas unbestätigt oder noch eine Vorschau ist, sage ich das auch. Die vollständige Quellenliste befindet sich am Ende.

Teil 1: Was eine Schleife tatsächlich ist

Entferne den Jargon, und eine Schleife besteht aus vier Schritten plus einem Grund zum Anhalten.

Das Claude Code-Team von Anthropic, das die diesem Bereich am nächsten kommende kanonische Definition veröffentlicht hat, bringt es auf den Punkt: Schleifen sind "Agenten, die Arbeitszyklen wiederholen, bis eine Stopp-Bedingung erfüllt ist". OpenAIs eigener Agenten-Leitfaden sagt dasselbe in Ingenieurssprache: "Jeder Orchestrierungsansatz benötigt das Konzept eines 'Durchlaufs', der typischerweise als eine Schleife implementiert wird, die es Agenten ermöglicht, zu arbeiten, bis eine Ausstiegsbedingung erreicht ist", wobei Ausstiegsbedingungen eine endgültige Ausgabe, einen Fehler oder eine maximale Anzahl von Durchläufen umfassen.

Die vier Schritte, in einfacher Sprache:

1. Auslöser. Etwas startet den Durchlauf. Du, ein Zeitplan, ein Alarm, ein neuer Pull-Request, eine eingehende E-Mail.
2. Arbeit. Das Modell sammelt Kontext und führt eine Aktion mit Werkzeugen aus: liest die Dateien, führt die Abfrage aus, entwirft die Nachricht, bearbeitet den Code.
3. Prüfung. Das Ergebnis wird gegen etwas Reales überprüft. Tests bestehen oder fallen durch. Die Zahl stimmt mit der Quelle überein. Ein zweites Modell bewertet den Entwurf anhand deiner Kriterien.
4. Wiederholen oder Anhalten. Wenn die Prüfung fehlschlägt, geht die Schleife mit dem, was sie gelernt hat, erneut durch. Wenn die Prüfung bestanden wird oder ein Limit erreicht ist, stoppt sie.

Das ist der ganze Trick. Ein Prompt ist ein Durchlauf durch die Schritte zwei und drei, wobei du Schritt drei im Kopf machst. Eine Schleife ist dasselbe, wobei die Prüfung und Wiederholung an die Maschine übergeben werden, plus zwei Sicherheitsschienen: eine Stopp-Bedingung, damit sie nicht ewig laufen kann, und ein Budget, damit sie nicht unendlich viel ausgeben kann.

Die Nebenrollen

Um diese vier Schritte herum liefert jeder ernsthafte Schleifen-Stack dieselben fünf unterstützenden Teile, egal wie der Anbieter sie nennt:

• Speicher. Notizen, die zwischen den Durchläufen bestehen bleiben, damit Durchlauf vierzig weiß, was Durchlauf eins gelernt hat.
• Zustand. Wo sich die Schleife gerade befindet: was erledigt ist, was fehlgeschlagen ist, was als nächstes kommt.
• Prüfer. Das Ding, das entscheidet, was "gut genug" ist. Die mit Abstand wichtigste Designentscheidung, die du treffen wirst.
• Stopp-Bedingung. "Tests bestanden", "Warteschlange ist leer", "Stopp nach fünf Versuchen", "Es ist 9 Uhr und die Zusammenfassung wurde versendet".
• Kostenmesser. Token und Dollar pro Zyklus, denn Schleifen multiplizieren alles, was sie berühren, einschließlich deiner Rechnung.

Die vier Arten von Schleifen

Anthropics Taxonomie ist es wert, gelernt zu werden, weil sie sich sauber auf die Produkte jedes anderen Anbieters abbilden lässt, auch wenn die Namen unterschiedlich sind. Ihr Team sortiert Schleifen danach, was du abgibst:

• Rundenbasierte Schleifen. Du gibst einen Prompt ein, der Agent macht einen Zyklus (sammeln, handeln, prüfen, antworten), du prüfst, du gibst erneut einen Prompt ein. Du bist immer noch die Stopp-Bedingung. Hier fängt jeder an, und Anthropic stellt fest, dass jeder Prompt diese Mikro-Schleife bereits intern ausführt.
• Zielbasierte Schleifen. Du gibst die Stopp-Bedingung ab. Du definierst, wie "erledigt" aussieht, und der Agent wiederholt, bis er dort ankommt oder ein Rundenlimit erreicht. In Claude Code ist das buchstäblich ein /goal-Befehl, und jedes Mal, wenn das Modell versucht zu stoppen, "überprüft ein Bewertungsmodell deine Bedingung und schickt es zur Arbeit zurück, bis das Ziel erreicht ist". Deterministische Kriterien funktionieren am besten: Tests bestanden, Punktzahl erreicht, Checkliste abgearbeitet.
• Zeitbasierte Schleifen. Du gibst den Auslöser ab. Die Schleife läuft in einem Intervall oder nach einem Zeitplan und reagiert auf das, was sich geändert hat: jeden Morgen Slack zusammenfassen, den Pull-Request überprüfen, bis der CI durchläuft.
• Proaktive Schleifen. Du gibst den Prompt selbst ab. Ein Ereignis oder Zeitplan startet den Durchlauf ohne einen Menschen in Echtzeit: Neue Fehlerberichte werden bei ihrem Eintreffen priorisiert, Abhängigkeiten werden wöchentlich aktualisiert, und jede Aufgabe wird beendet, wenn ihr eigenes Ziel erreicht ist.

Behalte diese Leiter im Kopf (gib die Prüfung ab, dann die Stopp-Bedingung, dann den Auslöser, dann den Prompt) und der Rest dieses Artikels ist nur das Zusehen, wie sieben Anbieter sie aus verschiedenen Richtungen erklimmen.

Teil 2: Der aktuelle Stand, auf einen Blick

Vor dem Rundgang durch die einzelnen Labore eine Orientierung, denn die Grenze hat sich in den fünf Wochen vor diesem Artikel absurd schnell bewegt: Grok 4.5 wurde am 8. Juli ausgeliefert, Metas Muse Spark 1.1 und OpenAIs GPT-5.6 wurden beide am 9. Juli ausgeliefert, Thinking Machines veröffentlichte sein erstes Modell am 15. Juli, Moonshots Kimi K3 landete am 16. Juli, Alibaba zeigte eine Vorschau auf Qwen3.8-Max am 19. Juli, und Anthropic veröffentlichte Claude Opus 5 am 24. Juli, einen Tag vor diesem Update.

Als neutraler Maßstab bewertet der unabhängige Evaluator Artificial Analysis die allgemeine Leistungsfähigkeit auf seinem Intelligence Index. Zum Stand dieser Woche (v4.1) sieht die veröffentlichte Tabellenspitze wie folgt aus:

• Claude Fable 5 (Anthropic): 59,9
• GPT-5.6 Sol Max (OpenAI): 58,9
• Kimi K3 (Moonshot, Open Weights demnächst): 57,1, insgesamt Vierter
• Mit Claude Opus 4.8, Grok 4.5, Muse Spark 1.1, GLM-5.2 und dem Rest des Feldes darunter

Zwei Vorbehalte, die ihren Platz verdienen. Claude Opus 5 ist zum Zeitpunkt dieses Schreibens einen Tag alt und noch nicht indexiert. Und ein einzelner zusammengesetzter Index kann keine langfristige agentische Arbeit abbilden, was die Sache ist, die Schleifen tatsächlich tun. Wenn also ein Labor agentenspezifische Ergebnisse veröffentlicht hat, zitiere ich sie im Abschnitt dieses Labors und kennzeichne sie als selbst gemeldet, wenn sie es sind.

Zwei Dinge sind dennoch zu beachten. Die Spitze der Tabelle ist jetzt eine Spanne von weniger als drei Punkten, was bedeutet: Für den Zweck des Schleifenbaus ist die Modellwahl innerhalb dieser Spanne weniger wichtig als die Schleife darum herum. Und ein Open-Weight-Modell sitzt jetzt zum ersten Mal innerhalb dieser Spanne.

Claude: die Schleife als erstklassiges Grundelement

Die Modelle. Claude Fable 5, veröffentlicht am 9. Juni 2026, ist Anthropics leistungsfähigstes Modell und dasjenige, das am explizitesten für diese Art von Arbeit gebaut wurde. Anthropics eigene Darstellung ist, dass es, in einem Geschirr wie Claude Code ausgeführt, "tagelang arbeiten kann: Planung über Phasen hinweg, Delegation an Unter-Agenten und Überprüfung der eigenen Arbeit". Sein Denken ist adaptiv und immer aktiv, gesteuert durch eine Aufwands-Einstellung, mit einem Kontextfenster von einer Million Token. Es führt immer noch den unabhängigen Index oben an. Sein Geschwistermodell Mythos 5, das gleichzeitig veröffentlicht wurde, ist der Spezialist, den Anthropic bei Cybersicherheitsaufgaben am stärksten einschätzt.

Die Neuigkeit dieser Woche ist Claude Opus 5, veröffentlicht am 24. Juli: Anthropic beschreibt es als nahe an der Grenzintelligenz von Fable 5 zum halben Preis (5 $ pro Million Eingabe-Token und 25 $ Ausgabe), den neuen Stand der Technik bei Wissensarbeit-Bewertungen wie GDPval-AA laut Ankündigung und das neue Standardmodell im Max-Plan von Claude. Für Schleifenbauer ist die Botschaft unverblümt: Grenznahe Zyklen zum halben Preis verändern, was du dir leisten kannst, den ganzen Tag laufen zu lassen.

Der Schleifen-Stack. Was Anthropic auszeichnet, ist, dass Schleifen keine Funktion sind, die in einer App versteckt ist. Sie sind benannte Grundelemente, die du eingeben kannst:

• /goal definiert "erledigt" und lässt ein Bewertungsmodell den Agenten zur Arbeit zurückschicken, bis die Bedingung erfüllt ist oder ein Rundenlimit erreicht wird. Dies ist die zielbasierte Schleife, buchstäblich als Produkt.
• /loop führt einen Prompt in einem Intervall auf deinem Rechner erneut aus; /schedule verschiebt diese Schleife als Routine in die Anthropic-Cloud, wo sie bei geschlossenem Laptop weiterläuft, ausgelöst durch Zeitpläne, API-Aufrufe oder GitHub-Ereignisse.
• Dynamische Workflows decken das extreme Ende ab: Claude schreibt ein tatsächliches Orchestrierungsskript, das bis zu 1.000 Unter-Agenten in einem einzigen Durchlauf koordinieren kann. Die Flaggschiff-Anekdote ist ein Entwickler, der die Bun-Laufzeitumgebung, grob 750.000 Zeilen, in etwa elf Tagen mit Hunderten von parallelen Agenten von Zig nach Rust portiert hat.
• Skills, Hooks und Unter-Agenten füllen die Nebenrollen: Skills kodieren, wie Arbeit überprüft wird, ein Zweitagent mit frischem Kontext macht Code-Review, und der Speicher bleibt in Dateien zwischen Sitzungen erhalten.

Die Philosophie. Anthropics Anleitung ist ungewöhnlich explizit in Bezug auf Zurückhaltung: Nicht jede Aufgabe braucht eine komplexe Schleife, beginne mit dem einfachsten Grundelement, setze deterministische Stopp-Kriterien, pilotiere einen kleinen Ausschnitt vor einem großen Durchlauf und überwache die Nutzung mit eingebauten Befehlen. Ihre Aussage, die das ganze Feld immer wieder neu entdeckt: Agenten, die ihre eigene Ausgabe überprüfen und verbessern können, sind grundlegend zuverlässiger.

Zusammenfassung: das Entwickler-Schleifen-Labor. Die am besten lesbare, am besten zusammensetzbare Version jedes Schleifentyps, und jetzt mit einem günstigeren grenznahen Motor, der darin läuft.

OpenAI: drei Modi und ein separater Genehmiger

Die Modelle. OpenAIs GPT-5.6-Generation wurde am 9. Juli 2026 in drei Stufen allgemein verfügbar: Sol (Flaggschiff, 5 $ Eingabe / 30 $ Ausgabe pro Million Token), Terra (die ausgewogene Mitte) und Luna (schnell und günstig), alle mit einem Kontextfenster von etwa einer Million Token. Sol liegt auf dem unabhängigen Index auf Platz zwei, im Wesentlichen gleichauf mit Fable 5. Seine herausragende Schleifenfunktion ist ein Ultra-Modus, der bei schwierigen Problemen standardmäßig vier Agenten parallel koordiniert.

Der Consumer-Schleifen-Stack. OpenAIs Geschichte hier ist ein Umbau. Der eigenständige "ChatGPT-Agent" von 2025 wurde eingestellt; an seiner Stelle hat ChatGPT jetzt drei Modi: Chat für Konversationen, Work für lange mehrstufige Aufgaben, die fertige Ergebnisse liefern, und Codex für Software. Work führt Jobs in der Cloud aus, kann an Genehmigungs-Checkpoints pausieren und kann entscheidenderweise auf Auslöser hin ausgeführt werden: Geplante Aufgaben enthalten jetzt Überwachungsaufgaben, die in einem Intervall etwas überprüfen und dich nur benachrichtigen, wenn es etwas zu melden gibt. Das ist eine zeitbasierte Schleife, die an Verbraucher verkauft wird, ohne Code. Ein Agenten-Modus lebt auch im Atlas-Browser für Aktionen im Web.

Der Entwickler-Schleifen-Stack. Die Trennlinie wird in OpenAIs Dokumentation klar dargelegt: "Verwende die Responses API, wenn du die Schleife selbst besitzen möchtest. Verwende das Agents SDK, wenn du möchtest, dass das SDK sie ausführt." Die Responses API ist standardmäßig agentisch und lässt das Modell Websuche, Dateisuche, Computernutzung, Codeausführung und deine Funktionen innerhalb einer einzigen Anfrage aufrufen. Zwei Ergänzungen aus der GPT-5.6-Ära sind für Schleifen besonders wichtig: Programmatische Werkzeugaufrufe, bei denen das Modell ein kleines JavaScript-Programm in einer Sandbox schreibt, um seine eigenen Werkzeugaufrufe zu koordinieren, und eine Multi-Agenten-Beta, bei der ein Wurzel-Agent einen Baum von Unter-Agenten erzeugt und verwaltet.

Die besondere Idee: Trenne den Ausführenden vom Genehmiger. OpenAIs interessantester Schleifenbeitrag ist Auto-Review(30. April 2026): Wenn ein Codex-Agent etwas außerhalb seiner Sandbox tun möchte, entscheidet ein separates Bewertungsmodell, nicht der Agent selbst, ob die Aktion mit dem übereinstimmt, was der Benutzer verlangt hat. Ihre Begründung ist unverblümt: Der Hauptagent ist darauf optimiert, die Aufgabe zu erledigen, was Druck erzeugt, eine Genehmigungsgrenze als ein weiteres Hindernis zu behandeln. Die Genehmigungsentscheidung in einem anderen Modellaufruf zu belassen, macht sie überprüfbar. Ergebnis, laut OpenAI: Sitzungen stoppen etwa 200-mal seltener, um einen Menschen zu fragen, und der Prüfer genehmigt etwa 99 Prozent dessen, was noch eskalieren muss. Diese Zahlen sind selbst gemeldet, aber das Designprinzip ist übertragbar: Lass niemals das Modell, das fertig werden will, auch das Modell sein, das entscheidet, dass es fertig ist.

Zusammenfassung: die Einstiegsschleife für Verbraucher, plus ein ernsthafter Entwickler-Stack. Und ein Memento Mori für Plattformersteller: OpenAI hat seinen visuellen Agent Builder innerhalb eines Jahres nach der Einführung eingestellt, mit einer harten Abschaltung am 30. November 2026.

Google: Recherche-Schleifen, die du pro Aufgabe mietest

Das Modell. Googles aktuelles Flaggschiff ist Gemini 3.1 Pro (April 2026), aber der interessante Teil für diese Geschichte ist nicht das Chat-Modell. Es ist, dass Google eine ganze Schleife in ein Produkt verwandelt hat.

Der Schleifen-Stack. Die Deep Research-Agenten, die am 21. April 2026 in zwei Geschmacksrichtungen gestartet wurden (Standard, für Geschwindigkeit, und Max, für Gründlichkeit), sind zielbasierte Recherche-Schleifen, die du mit einem einzigen API-Aufruf aufrufst. Die Dokumentation beschreibt den Zyklus direkt: planen, suchen, lesen, iterieren, ausgeben, läuft Minuten bis zu einer Stunde im Hintergrund, mit Zitaten im endgültigen Bericht. Die Designdetails sind eine kleine Meisterklasse in Schleifentechnik:

• Hintergrundausführung ist obligatorisch. Eine Recherche-Schleife überdauert ein HTTP-Timeout, also fragst du nach dem Ergebnis ab. Die Schleife, nicht die Anfrage, ist die Arbeitseinheit.
• Gemeinsame Planung ist ein menschliches Tor am Anfang: Der Agent schlägt seinen Rechercheplan vor, du bearbeitest oder genehmigst ihn, dann läuft er. Steuerung vor der Schleife anstatt Beaufsichtigung während der Schleife.
• Eine harte Stopp-Bedingung ist eingebaut: maximale Recherchezeit von 60 Minuten, die meisten Aufgaben werden in etwa 20 Minuten erledigt.
• Werkzeuge sind pro Durchlauf begrenzt: Google-Suche, URL-Lesen, Codeausführung standardmäßig, deine eigenen MCP-Server und Dateispeicher optional, und du kannst das offene Web vollständig abschalten, um nur deine privaten Daten zu durchsuchen.
• Die Kosten werden pro Schleife berechnet, ehrlich.Googles eigene Schätzungen: Eine typische Standardaufgabe verbraucht etwa 80 Suchvorgänge und etwa eine Viertelmillion Eingabe-Token, was bei einem bis drei Dollar liegt; ein Max-Durchlauf kann 160 Suchvorgänge und etwa 3 bis 7 Dollar erreichen. Eine Schleife ist keine Chat-Nachricht, und Google berechnet sie auch so.

Zusammenfassung: der klarste kommerzielle Beweis dafür, dass die Schleife, nicht der Modellaufruf, zum Produkt wird. Du kaufst keine Token; du kaufst eine fertige Untersuchung.

Ein ehrlicher Vorbehalt: Zum Zeitpunkt dieses Schreibens befinden sich die Deep Research-Agenten über die Interactions API in der Vorschau, also erwarte, dass sich die Schnittstelle ändern wird.

Muse Spark 1.1: der Neuling, der für die Orchestrierung trainiert wurde

Das Modell. Muse Spark 1.1 ist das multimodale Reasoning-Modell von Meta Superintelligence Labs', veröffentlicht am 9. Juli 2026 als Upgrade von Muse Spark 1.0 vom April, und es ist aus drei Gründen einer der bedeutendsten Neuzugänge in dieser Zusammenstellung.

Erstens, die Strategie: Es ist Metas erste kostenpflichtige Modell-API überhaupt, zu 1,25 $ pro Million Eingabe-Token und 4,25 $ Ausgabe, und es hat geschlossene Gewichte, ein klarer Bruch mit der offenen Llama-Ära. Die Verfechter der Llama-Reihe geben das Feld im Wesentlichen an die unten behandelte Open-Weight-Welle ab; Meta hat nur gesagt, dass es hofft, zukünftige Muse-Versionen zu öffnen.

Zweitens, das Trainingsziel. Wo die meisten Modelle agentisches Verhalten als Nebenprodukt lernen, sagt Meta, dass dieses Modell direkt für die Organisationsstruktur trainiert wurde: "Als Hauptagent kann es Kontext sammeln, einen Plan erstellen und die Ausführung an parallele Unteragenten delegieren. Als Unteragent hält es sich an seine Aufgabe, versteht die verfügbaren Werkzeuge und weiß, wann es an den Hauptagenten eskalieren muss." Es nimmt ohne Weiteres neue Werkzeuge, MCP-Server und benutzerdefinierte Fähigkeiten auf, verwaltet aktiv seinen Kontext von einer Million Token (Merken, Abrufen und Komprimieren während der Arbeit) und bewältigt Computer-Use-Workflows über mehrere Anwendungen hinweg.

Drittens, die Preis-Leistungs-Position. Auf dem unabhängigen Index ist es in drei Monaten um acht Punkte von Version 1.0 gesprungen, was es unter das führende Trio bringt, aber zu einem Bruchteil von deren Kosten pro Aufgabe, und es führt derzeit den MCP Atlas Tool-Use-Benchmark mit 88,1 an (anbieternahe Zahlen; mit der üblichen Vorsicht zu genießen).

Die Fußnote für Schleifenbauer, die zeigt, wohin das alles führt. Metas eigene Entwicklerdokumentation warnt davor, dass, wenn du einen mehrrundigen Agenten auf der alten Chat Completions-API baust, das Reasoning des Modells zwischen den Runden verworfen wird, sodass Schleifen abdriften und Arbeit wiederholen; sie lenken dich zu einer Responses-ähnlichen API, die verschlüsseltes Reasoning über Runden hinweg transportiert. Die Infrastruktur der Branche wird um Schleifen herum neu aufgebaut, eine API nach der anderen.

Zusammenfassung: der Motor, den du für orchestrierungsintensive Schleifen mietest, wenn das führende Trio in Bezug auf die Kosten übertrieben ist. Noch jung; die Steigung von 1.0 auf 1.1 ist der Grund, darauf zu achten.

Grok 4.5: günstige, schnelle Zyklen, am Job trainiert

Das Modell. Grok 4.5 wurde am 8. Juli 2026 von Musks xAI (jetzt unter dem öffentlich gehandelten SpaceXAI-Dach operierend) ausgeliefert, angepriesen als sein intelligentestes Modell für Codierung, agentische Aufgaben und Wissensarbeit. Musks eigene Positionierung war ungewöhnlich direkt: ein Opus-Klasse-Modell, in etwa vergleichbar mit Claude Opus 4.7, aber schneller und günstiger. Die unabhängige Bewertung ist konsistent mit dem Vibe: über der vorherigen Opus-Generation, unter dem führenden Trio.

Warum es speziell für Schleifen wichtig ist. Zwei Behauptungen, beide von xAI und beide schleifenrelevant, selbst wenn man das Marketing abzieht:

• Es wurde in Schleifen trainiert. xAI sagt, dass das Reinforcement Learning Hunderttausende von mehrstufigen Ingenieuraufgaben mit automatisierter Bewertung abdeckte, auf einer Infrastruktur, auf der agentische Rollouts stundenlang laufen, während das Training fortgesetzt wird. Was auch immer die Benchmarks sagen, der Trainingsinhalt war der Job selbst.
• Schleifen-Ökonomie ist das Verkaufsargument. Bei 2 $ Eingabe / 6 $ Ausgabe pro Million Token, etwa 80 Token pro Sekunde und einer behaupteten zweifachen Token-Effizienz (Lösen von Aufgaben in weniger als der Hälfte der Schritte vergleichbarer Modelle) ist das Argument nicht "intelligentester Zyklus", sondern "meiste Zyklen pro Dollar". Für Schleifen, wo die Kosten gleich Kosten-pro-Zyklus mal Zyklen sind, ist diese Arithmetik das ganze Spiel. Die Dokumentation untermauert dies mit unglamouröser Schleifen-Infrastruktur: konversationsfixiertes Prompt-Caching, damit lange Schleifen nicht die Kalt-Cache-Preise zahlen, und Anleitungen zur Kontextkomprimierung für werkzeugintensive Läufe.

Die produktisierte Schleife lebt in Grok Build, seinem Codierungsagenten (trainiert zusammen mit Cursor, wo er in allen Tarifen verfügbar ist), der sich in seltsam praktische Bereiche erstreckt: mehrseitige Excel-Modelle mit Websuche, native PowerPoint-Diagramme, Word-Dokumente.

Zusammenfassung: das Budget-Arbeitstier für Schleifen mit hohem Volumen, mit dem üblichen Vorbehalt, dass die meisten Effizienzzahlen vom Anbieter selbst stammen.

Mira: Schleifen für Leute, die niemals ein Terminal öffnen werden

Hier ist der Eintrag, der in einer Liste von Grenzmodellen wie ein Fehler aussieht, und tatsächlich einer der lehrreichsten ist.

Was Mira tatsächlich ist. Mira ist kein Modell. Es ist ein KI-Agent für Verbraucher, der vollständig innerhalb von Telegram lebt, gebaut von einem Startup, das so klein ist, dass es auf zwei Personen hinausläuft, geleitet von Daria Yakovleva und ausgebrütet von The Open Platform, einem Softwareunternehmen im Telegram-Ökosystem. Es startete leise im Februar 2026 und meldete Anfang Juni eine Million monatliche Nutzer (selbst gemeldet, etwa 1,17 Millionen). Unter der Haube ist es modellunabhängig: Es leitet jede Aufgabe an Modelle von Drittanbietern weiter (GPT, Claude und andere), anstatt eigene zu betreiben.

Warum es in diesen Artikel gehört. Weil Miras Produkt Schleifen sind und nichts als Schleifen, verkauft an Leute, die das Wort nie hören werden. Seine verpackten Automatisierungen, genannt Skills, bündeln jeweils die genaue Anatomie aus Teil 1: einen Auslöser (einen Zeitplan, eine Sprachnotiz, ein Gruppen-Chat-Ereignis), eine Aktion über verbundene Apps (Kalender, E-Mail, Projekt-Tracker, Content-Tools) und eine autonome Zustellung zurück in den Chat. Überwache einen Flugpreis und alarmiere mich. Verwandle meine Sprachnotiz in Beiträge für drei Plattformen. Fasse zusammen, was diese Gruppe heute entschieden hat, und lege die Aktionspunkte ab. Die Positionierungszeile in seinen eigenen Materialien ist die sauberste Zusammenfassung der gesamten Schleifen-Ära: ChatGPT antwortet, Mira handelt.

Die ehrlichen Vorbehalte. Die Nutzerzahlen und Verbindungszahlen (die in seinen Materialien unterschiedlich zwischen 200 und über 1.000 Diensten liegen) sind selbst gemeldet und inkonsistent über die Seiten hinweg, das Unternehmen veröffentlicht keine technischen Anleitungen dazu, wie seine Schleifen irgendetwas überprüfen, und Skills als "Schleifen" zu bezeichnen, ist eine externe Interpretation, nicht Miras eigene Vokabular. Ein winziges Team, das die Modelle anderer Labore einwickelt, ist auch eine fragile Grundlage im Vergleich zu allem anderen auf dieser Liste.

Zusammenfassung: das Nachfragesignal. Wenn ein Zwei-Personen-Telegram-Bot eine Million Nutzer erreicht, indem er Auslöser, Aktionen und autonome Zustellung für normale Leute verpackt, hat die Schleife aufgehört, ein Entwicklerkonzept zu sein. Verbreitung und null Einrichtung schlagen die Leistungsfähigkeit für einen enormen Teil der echten Arbeit.

Die Open-Weight-Welle: Bring deine eigene Schleife mit

Die lauteste Geschichte Mitte 2026 ist, dass die Open-Weight-Welt aufgehört hat, Jahre hinterherzuhinken, und begonnen hat, Monate hinterherzuhinken, und in den letzten zwei Wochen, Punkte. Für Schleifenbauer ändert das die Rechnung vollständig, denn ein offenes Modell ist der einzige Schleifenmotor, den dir niemand unter den Füßen wegziehen kann.

Die kurze Tour, Daten und Lizenzen überprüft:

• Kimi K3 von Moonshot ist jetzt die Hauptnachricht. Veröffentlicht am 16. Juli 2026 mit 2,8 Billionen Parametern, wurde es das erste Open-Track-Modell, das die Frontier-Band des unabhängigen Index knackte: 57,1 auf Artificial Analysis (v4.1), insgesamt Platz vier, hinter nur Fable 5 und GPT-5.6 Sol Max unter den veröffentlichten Werten. Es belegte auch den ersten Platz auf der blind bewerteten Frontend Code Arena von Arena.ai vor Fable 5. Die vollständigen Gewichte sollen am 27. Juli 2026 auf HuggingFace unter einer modifizierten MIT-Lizenz veröffentlicht werden, was es zum ersten herunterladbaren Modell seiner Klasse machen würde; zum 24. Juli waren die Gewichte noch nicht ausgeliefert, also betrachten Sie diese Behauptung als geplant, nicht als erledigt. Moonshots Flaggschiff-Demo ist reines Loop-Theater: 48 Stunden ununterbrochener autonomer Betrieb, der einen kleinen funktionalen Chip entwirft, ausgeführt als einzelner Agent mit einem Kontext von einer Million Token. Eine weitere Zahl, die zählt, aus derselben unabhängigen Bewertung: K3s gemessene Halluzinationsrate stieg auf etwa 51 Prozent bei faktenempfindlichen Aufgaben, gegenüber 39 bei seinem Vorgänger, während die faktische Genauigkeit verbessert wurde. Besser bei richtigen Antworten, schlechter darin zu wissen, wann es falsch liegt. Denken Sie daran für Teil 3.
• Qwen3.8-Max von Alibaba, am 19. Juli 2026 während der World AI Conference vorgestellt: ein behauptetes multimodales Modell mit 2,4 Billionen Parametern, das erste des Qwen-Teams über einer Billion Parameter, mit der Selbstbeschreibung „nur hinter Fable 5“ und dem Versprechen, dass bald offene Gewichte kommen. Die Vorschau ist live; die Benchmark-Tabelle, der Modellausweis, die Lizenz und die Gewichte sind es nicht, also verbuchen Sie jede Behauptung als Herstellervorschau, bis sie eintreffen.
• DeepSeek V4 (24. April 2026, MIT-Lizenz) war, in OpenRouters Ausdruck, das erste offene Modell, das Teams in echte agentische Pipelines als plausible Frontier-Alternative einbauten. Die Pro-Variante führt die Open-Weight-Coding-Agent-Charts auf SWE-bench Verified mit 80,6 Prozent an; die Flash-Variante behält fast das gesamte Niveau zu Preisen, die auf Centbeträge gerundet sind.
• GLM-5.2 von Z.ai (Mitte Juni 2026, MIT, 753B Mixture-of-Experts) war der Open-Weight-Qualitätsführer, bis K3 kam, von OpenRouter als der nächstgelegene offene Ersatz für Opus-artige Planung und Langzeit-Codierung beschrieben. Bekanntes Laster: es denkt teuer und verbrennt Ausgabe-Token.
• MiniMax M3 (1. Juni 2026, modifizierte MIT) ist die offene multimodale Spur: natives Bild- und Video-Verständnis über einen Kontext von einer Million Token, was wichtig wird, sobald Ihre Schleife Screenshots lesen oder UI-Zustände inspizieren muss.
• NVIDIA Nemotron 3 Ultra ist das stärkste in den USA gebaute Open-Weight-Modell, das sich eher durch Bereitstellung und den NVIDIA-Stack als durch Spitzenwerte unterscheidet.
• Auch dabei: Thinking Machines Lab, Mira Muratis Firma, hat am 15. Juli 2026 sein erstes Modell, Inkling, ausgeliefert: ein multimodales Mixture-of-Experts mit 975 Milliarden Parametern unter Apache 2.0. Ein weiteres erstklassiges Labor, das darauf setzt, dass offene Gewichte der Hebel sind.

Lesen Sie es so: Wenn Ihre Schleife hohes Volumen hat, datenschutzsensitiv ist oder länger halten muss als die Roadmaps der Anbieter, ist die offene Welle nicht länger die Kompromissoption. Der Abstand zur geschlossenen Frontier wird jetzt in einzelnen Punkten gemessen und hat sich nicht vergrößert.

Teil 3: Was tatsächlich funktioniert

Das ist das Auffällige nach Wochen in der Dokumentation von sieben Anbietern: Wenn man das Branding weglässt, geben alle den gleichen Rat. Wenn erbitterte Konkurrenten bei identischer Anleitung zusammenkommen, ist das so nah an der Wahrheit, wie dieses Feld nur kommen kann. Sieben Regeln, jede von den Laboren trianguliert.

1. Definieren Sie „erledigt“, bevor Sie beginnen. An anthropic /goal existiert, damit ein Evaluator eine explizite Bedingung prüfen kann; OpenAIs Leitfaden verlangt Abbruchbedingungen für jeden Durchlauf; Google begrenzt Forschung auf 60 Minuten genau. Eine Schleife ohne klare Stoppbedingung ist keine Automatisierung, sondern ein Abonnement für Token-Verbrennung. Deterministisch schlägt Stimmung: Tests bestanden, Zahl stimmt, Checkliste abgehakt, maximal N Versuche.

2. Der Verifizierer ist das Produkt. Die Qualitätsobergrenze der Schleife ist ihr Prüfschritt, nicht das Modell. Anthropic sagt, Sie sollen die Verifikation als Fähigkeiten codieren und einen zweiten Agenten mit frischem Kontext auf die Überprüfungen ansetzen. OpenAI ging noch weiter und machte den Genehmiger zu einem strukturell separaten Modell vom Ausführenden, aus dem ausdrücklichen Grund, dass der Ausführende fertig werden will. Google untermauert Berichte mit Zitaten, auf die man klicken kann. Und diese Woche lieferte die Regel ihren besten Beweis: Das beeindruckendste offene Modell auf dem Brett wurde messbar besser darin, richtige Antworten zu produzieren, während es schlechter darin wurde zu wissen, wann es falsch liegt. In einem Chat ist das eine Fußnote. In einer unverifizierten Schleife ist es eine Fabrik für selbstbewusste Fehler. Wenn Sie irgendwo eine Stunde investieren, investieren Sie sie in das, was „geprüft“ für Ihre Aufgabe bedeutet.

3. Lassen Sie den Ausführenden niemals sich selbst bei irgendetwas Wichtigem benoten. Das gleiche Prinzip von der anderen Seite, denn es ist die eine Lektion, die die gesamte Branche bezahlt hat zu lernen: Ein aufgabenabschließendes Modell behandelt jedes Tor als Hindernis. Separates Verifizierermodell, separater Prüferagent oder ein Mensch am irreversiblen Schritt.

4. Verwalten Sie den Kontext wie die knappe Ressource, die er ist. An anthropic's Kontext-Engineering-Anleitung (kleinster Satz von hochsignifikanten Token, Notizdateien, Unteragenten, die Zusammenfassungen zurückgeben), Metas aktive Kompaktierung, Groks Kompaktierungsanleitung, Kimis Gegenargument mit riesigem Kontext: Alle beantworten die gleiche Frage, nämlich wie eine lange Schleife kohärent bleibt. Die Konsensantwort ist Gedächtnis außerhalb des Fensters plus Abruf bei Bedarf, nicht vollstopfen.

5. Eskalieren Sie den Schleifentyp nur, wenn die vorherige Stufe versagt. Anthropic sagt, beginnen Sie mit dem einfachsten Primitiv. OpenAI sagt, maximieren Sie einen einzelnen Agenten, bevor Sie zu mehreren Agenten übergehen. Google lässt Sie einen Plan genehmigen, bevor ein einstündiger Durchlauf beginnt. Die Leiter aus Teil 1 ist auch eine Disziplin: Geben Sie die Prüfung ab, dann die Stoppbedingung, dann den Auslöser, dann die Eingabeaufforderung, in dieser Reihenfolge, eine Stufe nach der anderen.

6. Preisen Sie die Schleife, nicht die Nachricht. Die Kosten einer Schleife sind Kosten pro Zyklus mal Zyklen, weshalb Google Forschung pro Aufgabe bepreist (1 bis 7 $), weshalb Grok mit Token-Effizienz vorangeht, weshalb Anthropic gerade den Preis für nahe-Frontier-Zyklen mit Opus 5 halbiert hat, und weshalb jeder ernsthafte Stack Nutzungsprüfwerkzeuge ausliefert. Entscheiden Sie, was ein Durchlauf kosten darf, bevor Sie ihn starten.

7. Behalten Sie einen Menschen an den Toren, die nicht rückgängig gemacht werden können. Geld abfließen, E-Mails senden, Daten löschen, Code in Produktion zusammenführen. Genehmigungsprüfpunkte des Arbeitsmodus, kollaborative Planung, Berechtigungsmodi, Eskalationen der Auto-Review: Jeder Anbieter, ohne Ausnahme, behielt ein menschliches Tor am irreversiblen Schritt. Die Anbieter mit den leistungsfähigsten Schleifen bestehen auch am meisten darauf. Das sollte Ihnen etwas sagen.

Teil 4: Was Ihnen niemand sagt

Die Startbeiträge hören hier auf. Die Betriebserfahrung nicht.

Schleifen multiplizieren alles, einschließlich Fehler. Eine falsche Annahme in einem Chat ist eine schlechte Antwort. Die gleiche falsche Annahme in einer Schleife sind fünfzig konsistente, selbstbewusste, falsche Artefakte bis zum Morgen. Deshalb ist Verifikation Regel eins, und deshalb sollten unbeaufsichtigte Schleifen schreibgeschützt beginnen, bis sie sich Schreibzugriff verdient haben.

Die Rechnung summiert sich leise. Jeder Anbieterleitfaden hat einen Token-Management-Abschnitt aus gutem Grund. Denkintensive Modelle können Dollar an Ausgabe-Token bei einem einzigen schwierigen Schritt verbrennen; eine Routine, die stündlich läuft, wenn sich die zugrunde liegende Sache täglich ändert, zahlt 24x für nichts. Passen Sie das Intervall der Änderungsrate an, begrenzen Sie die Durchläufe und prüfen Sie den Zähler.

Prompt-Injection wird in einer Schleife schlimmer. Sobald Ihre Schleife das offene Web, Posteingänge oder Benutzer-Uploads liest, gehen Sie davon aus, dass jemand irgendwann Anweisungen in diesen Inhalt einpflanzt. Ein Chat-Assistent, der hereingelegt wird, blamiert Sie einmal; eine hereingelegte Schleife mit Werkzeugzugriff handelt darauf, wiederholt, während Sie schlafen. OpenAIs eigene Sicherheitsdokumente sagen den stillen Teil: Selbst mit Schutzmaßnahmen werden Agenten nicht perfekt sein und können immer noch hereingelegt werden. Behandeln Sie alles, was die Schleife aufnimmt, als Daten, niemals als Befehle, und beschränken Sie seine Berechtigungen, als ob Sie es ernst meinen.

Die Kluft zwischen Demo und Produktion ist real. Ein 48-stündiger autonomer Chipentwurf ist eine großartige Demo und auch eine kontrollierte. Selbstberichtete Effizienzmultiplikatoren, private Benchmarks, Parameterzahlen in Herstellervorschau ohne Modellausweise: Nützliche Signale, keines ein Ersatz dafür, die Schleife mit eigenen Aufgaben und eigenem Verifizierer laufen zu lassen. Jedes Labor stimmt leise zu, weshalb sie alle sagen, Sie sollen Evaluierungen bauen.

Plattformen ändern sich unter Ihren Füßen. In den zwölf Monaten vor diesem Artikel: OpenAI stellte sein eigenständiges Agentenprodukt ein, zog Pulse zurück und plante die Abschaltung seines visuellen Agent Builders (30. November 2026); ein neuer Opus mischte Claudes Planaufstellung über Nacht; APIs wurden um schleifenfreundliche Designs herum neu aufgebaut; und eine Exportkontrollrichtlinie im Juni brachte sogar Frontier-Claude-Modelle kurzzeitig offline für viele Nutzer. Bauen Sie Ihre Schleifen so, dass die Logik (das Ziel, der Verifizierer, die Notizen) in Ihren Dateien lebt, nicht in der Benutzeroberfläche eines Anbieters, und der Motor austauschbar bleibt.

Der Burggraben ist nicht das Modell. Die Frontier ist jetzt ein Spread von unter drei Punkten, der sich wöchentlich neu sortiert, und ein offenes Modell ist gerade beigetreten. Was sich ansammelt, ist Ihres: das Evaluierungsset, das aus Ihren Fehlern aufgebaut wurde, der Verifizierer, der Ihre Standards codiert, die Notizen, die Ihre Schleifen angesammelt haben. Modelle zu wechseln ist eine Konfigurationsänderung. Ein Jahr Verifikationslogik wieder aufzubauen ist nicht.

Welcher Schleifen-Stack ist Ihrer?

Das ehrliche Matchmaking angesichts all dessen:

• Sie leben in einem Terminal und wollen maximale Kontrolle: Claude Code, mit Fable 5 für die schwierigsten Durchläufe und Opus 5 als neuer Wertstandard. Die lesbarsten Primitive (/goal, /schedule, dynamische Workflows) und die am besten dokumentierte Philosophie.
• Sie wollen Schleifen innerhalb eines Produkts, das jeder bereits nutzt: ChatGPTS Arbeitsmodus plus geplante Aufgaben (Überwachungsaufgaben werden kriminell untergenutzt) oder Codex mit Auto-Review für Code.
• Ihre Schleife ist „Untersuche X gründlich und gib mir einen zitierten Bericht“: Mieten Sie Googles Deep Research oder Deep Research Max pro Aufgabe und überspringen Sie das Bauen von etwas.
• Sie orchestrieren viele Unteragenten und beobachten Kosten: Muse Spark 1.1 oder Grok 4.5 als Motor; beide sind genau dafür bepreist und gebaut, eine Stufe unter dem Frontier-Trio.
• Sie wollen Automatisierungen in der Tasche ohne Einrichtung: Mira-artige Verbraucheragenten innerhalb der Chat-App, die Sie bereits nutzen.
• Sie brauchen Volumen, Datenschutz oder Beständigkeit: die offene Welle. DeepSeek V4 Flash für Kosten, GLM-5.2 für Planungsqualität, MiniMax M3 für Multimodalität, und Kimi K3, wenn Sie Frontier-Band-Fähigkeit wollen, die Sie (ab 27. Juli, wenn die Gewichte planmäßig ausgeliefert werden) tatsächlich herunterladen können. Bringen Sie nur einen echten Verifizierer mit; K3s eigene Zahlen sprechen für einen.

Ihre erste Schleife diese Woche

Ein ehrliches Rezept, anbieterneutral:

1. Wählen Sie eine Aufgabe, die Sie bereits von Hand wiederholen, bei der Sie der Engpass sind.
2. Schreiben Sie zuerst die Stoppbedingung. Wenn Sie nicht schreiben können, dass „erledigt X bedeutet“, ist die Aufgabe noch nicht schleifenbereit.
3. Schreiben Sie die Prüfung. Ein Skript, ein Test, eine Bewertungsmatrix für ein zweites Modell. Das ist die Stunde, die zählt.
4. Führen Sie es ein paar mal rundenbasiert aus und beobachten Sie jeden Zyklus.
5. Geben Sie die Stoppbedingung ab (eine Zielschleife mit einer Durchlaufbegrenzung). Beobachten Sie, wo sie ins Stocken gerät oder übers Ziel hinausschießt; verschärfen Sie die Kriterien.
6. Erst dann geben Sie den Auslöser ab (planen Sie es ein), mit einem Budgetlimit und schreibgeschützten Berechtigungen zu Beginn.
7. Wenn es scheitert, und es wird scheitern, machen Sie den Fehler zu einem Testfall. Das ist der selbstverbessernde Teil, und es sind Sie und die Schleife zusammen.

Steigen Sie eine Stufe nach der anderen. Die Leute, die überdurchschnittliche Ergebnisse mit diesen Systemen erzielen, haben kein geheimes Modell gefunden. Sie haben eine Aufgabe gefunden, die sich zu schleifen lohnt, „erledigt“ definiert und eine Prüfung gebaut, der sie vertrauen.

Noch eines

Die Prompt-Ära hat alle trainiert, bessere Fragen zu stellen. Die Schleifen-Ära verlangt etwas anderes von Ihnen: Ergebnisse genau genug zu definieren, dass eine Maschine sie verfolgen kann, während Sie woanders sind, und die Prüfungen zu entwerfen, die diese Verfolgung ehrlich halten.

Das ist eine echte Fähigkeit, und es ist nicht Prompt-Schreiben. Es ist näher am Management. Ein Ziel, ein Standard für „erledigt“, die richtigen Werkzeuge, ein Budget, eine Prüfung, der Sie vertrauen, und ein Eskalationspfad für Entscheidungen. Jedes Labor in diesem Artikel, von einem Drei-Billionen-Dollar-Unternehmen bis zu einem Zwei-Personen-Telegram-Startup, konvergiert zu Maschinerie, die genau diese Fähigkeit belohnt.

Der langsame Weg funktioniert immer noch, wenn Tippen, Warten, Reparieren und erneutes Fragen die Beziehung ist, die Sie mit dieser Technologie haben wollen. Aber die Handkurbel ist jetzt optional, und die Labore haben gemeinsam entschieden, in welche Richtung das geht. Die Arbeitseinheit ist die Schleife. Die Person, die die Schleife definiert, sind Sie.

Beginnen Sie mit einer. Definieren Sie „erledigt“. Vertrauen Sie, aber prüfen Sie. Dann lassen Sie die Kurbel los.

Quellen

Alles oben wurde anhand von Primärquellen in der Woche bis zum 25. Juli 2026 überprüft. Gruppiert nach Labor:

Das Schleifenkonzept

• Anthropic, Erste Schritte mit Schleifen: claude.com/blog/getting-started-with-loops
• OpenAI, Ein praktischer Leitfaden zum Bau von Agenten: openai.com/business/guides-and-resources/a-practical-guide-to-building-ai-agents
• Anthropic, Effektive Agenten bauen: anthropic.com/engineering/building-effective-agents und Effektives Kontext-Engineering: anthropic.com/engineering/effective-context-engineering-for-ai-agents

Anthropic

• Claude Fable 5: anthropic.com/claude/fable und Startbeitrag: anthropic.com/news/claude-fable-5-mythos-5
• Claude Opus 5 (24. Juli 2026): anthropic.com/news/claude-opus-5
• Routinen: code.claude.com/docs/en/routines · Dynamische Workflows: code.claude.com/docs/en/workflows

OpenAI

• GPT-5.6: openai.com/index/gpt-5-6 · Work und Codex: help.openai.com/en/articles/20001275 · ChatGPT-Agent eingestellt: help.openai.com/en/articles/11752874 · Agenten-Leitfaden: developers.openai.com/api/docs/guides/agents· Auto-Review: alignment.openai.com/auto-review

Google

• Deep Research Max Ankündigung: blog.google · Deep Research Dokumentation: ai.google.dev/gemini-api/docs/deep-research

Meta

• Muse Spark 1.1 Ankündigung: ai.meta.com/blog/introducing-muse-spark-meta-model-api · Coding-Agenten-Leitfaden: dev.meta.ai/docs/guides/coding-agents

xAI

• Grok 4.5: x.ai/news/grok-4-5 · Dokumentation: docs.x.ai/developers/grok-4-5

Mira

• Produktseite: mira.tg · Meilensteinbeitrag: mira.tg/blog/mira-1-million-monthly-users

Open-Weight-Welle

• Kimi K3 unabhängige Bewertung und Gewichte-Zeitplan: TechTimes, 24. Juli 2026 · Start: VentureBeat, 16. Juli 2026
• Qwen3.8-Max Vorschau: MarkTechPost, 19. Juli 2026
• OpenRouter, Die Open-Weight-Modelle, die zählen, Juni 2026: openrouter.ai/blog
• Thinking Machines Inkling: TechCrunch, 15. Juli 2026
• Unabhängige Bewertungen: Artificial Analysis Intelligence Index v4.1, wie am 24. Juli 2026 berichtet