Ziemlich anständige Pelikane aus den neuen GLM-4.5 und GLM-4.5 Air Modellen. Beide Modelle sind MIT-lizenziert und wurden heute Morgen von @Zai_org veröffentlicht.

Ich sehe eine ganze Menge Beiträge, die den schrecklichen Datenleck der Tea-App dem Vibe-Coding zuschreiben. Ich glaube nicht, dass Vibe-Coding dabei eine Rolle gespielt hat: Die Aussage von Tea besagt, dass der Leak ein "veraltetes Datenspeichersystem" aus Februar 2024 betraf - Vibe-Coding fand damals wirklich nicht statt.

Hat jemand Erfolg damit, eine vollständige Claude Code-Stil agentische Codierungsschleife gegen ein lokales Modell auszuführen? Das fühlt sich gerade wie die ultimative Herausforderung für lokale Toolaufrufe an, da es potenziell Dutzende von Aufrufen in einer Schleife erfordert und eine gute Leistung über einen längeren Kontext hinweg.

Anthropic hat gerade das Rate-Limit für Stufe 2 und höher verzehnfacht. Stufe 2 ist die, die du erhältst, wenn du mindestens 40 $ an Credits gekauft hast - das vorherige Rate-Limit für Sonnet 4 lag bei 40.000 Tokens pro Minute, das neue Limit beträgt 450.000 Tokens pro Minute! (Das Anfrage-Limit pro Minute für Stufe 2 bleibt bei 1.000)

GitHub hat gestern Spark veröffentlicht, ihre äußerst gut gestaltete Plattform zum Erstellen und Iterieren von React-Apps mit Benutzer-Authentifizierung und persistentem Speicher. Ich mag es sehr! Ich habe es mit Spark selbst rückentwickelt, die Details sind faszinierend.

Was ist das beste lokale Modell, das du auf macOS für die Nutzung von Tools zum Laufen gebracht hast, und wie hast du es ausgeführt? Ich hatte nicht großartige Ergebnisse mit denen, die ich auf Ollama ausprobiert habe - selbst bei sehr einfachen Dingen (einzelne Aufrufe) scheinen sie oft zu vergessen, sie aufzurufen oder basierend auf dem Ergebnis zu antworten.

Ich habe einige Notizen zum neuen OSS Rebuild-Projekt von Google Security verfasst, das die Sicherheit der Lieferkette für beliebte Pakete auf PyPI, NPM und Crates erhöht, indem es unabhängige Build-Bestätigungen anbietet.

Das Bemerkenswerteste an diesem Ergebnis ist, dass dieses namenlose experimentelle Denkmodell diese Punktzahl ohne jegliche Werkzeugnutzung erreicht hat - es sieht aus, als wäre es einfach ein weiteres klassisches LLM zur Vorhersage des nächsten Tokens, mit einer Menge an verstärkendem Lernen obendrauf.

75 Cent pro Sekunde für die Videoerstellung mit Veo 3 über die neue API (oder 50 Cent pro Sekunde ohne Audio) - das sind 45 $/Minute (oder 30 $/Minute ohne Ton) und 2.700 $ (oder 1.800 $) pro Stunde.

Diese neuen Voxtral-Modelle sehen wirklich nützlich aus! Ich habe sie in meinem llm-mistral-Plugin zum Laufen gebracht, das jetzt URLs zu Audiodateien als Anhänge akzeptieren kann, um sie an voxtral-small und voxtral-mini weiterzugeben.