KI-News vom 23.10.2026

Meta hat nach eigenen Angaben die Marke von zehn Millionen Muse-Nutzern überschritten. Rund ein Viertel der Menschen, die Muse täglich oder regelmäßig zum Einkaufen einsetzen, soll dabei im Durchschnitt Waren im Wert von mehr als 200 US-Dollar gekauft haben. Etwa 25 Prozent der Menschen, die Muse einrichten, nutzen die App laut Meta täglich. Der Agent kann unter anderem mit Zahlungsdiensten, E-Mail und Kalendern verbunden werden.

Für Meta ist das ein wichtiger Test, ob persönliche KI-Agenten nicht nur Fragen beantworten, sondern auch als Einkaufsassistenten funktionieren. Das Unternehmen plant, über Transaktionen und kostenpflichtige Zusatzfunktionen Geld zu verdienen. Zugleich wirft der Einsatz von Zahlungs- und Kontodaten Fragen nach Vertrauen, Datenschutz und Verantwortung auf: Je mehr Muse selbstständig erledigt, desto wichtiger werden klare Freigaben und nachvollziehbare Grenzen.

Anthropic bringt Claude Duet als neue App für iOS, Android und das Web in eine Forschungs-Vorschau. Der Agent soll nicht vor allem Besorgungen erledigen, sondern berufliche Aufgaben begleiten: Er kann tägliche Briefings erstellen, Dashboards bauen, Daten aus verbundenen Diensten auswerten und Handlungsvorschläge machen. Duet basiert auf Claude Opus 5.5 und soll mit mehr als 6.000 Verbindungen und Erweiterungen im Claude Marketplace arbeiten können. Einkäufe über Stripe Link oder Shop Pay sind möglich, müssen aber bestätigt werden.

Damit verschiebt Anthropic Claude vom reaktiven Chatfenster zum dauerhaft arbeitenden digitalen Mitarbeiter. Der Dienst richtet sich zunächst an Pro- und Max-Kunden und ist nur über eine Warteliste zugänglich. Entscheidend wird sein, ob Nutzer einem Agenten dauerhaft Zugriff auf ihre Daten geben und ob Anthropics Schutzmechanismen sensible Informationen zuverlässig zurückhalten.

OpenAI macht seine Decisions API erstmals für alle Kunden verfügbar. Die Anwendung ist auf schnelle Auswahlentscheidungen spezialisiert: Sie bewertet mehrere Optionen, entscheidet sich für eine davon und kann zusätzlich angeben, wie sicher sie ist. OpenAI hat dafür ChatGPT Luna so umgebaut, dass die Antwortzeiten von etwa ein bis drei Sekunden auf rund 100 bis 180 Millisekunden sinken sollen. Die API unterstützt außerdem Sprache und Bilder.

Damit entsteht neben klassischen Sprachmodellen eine eigene Kategorie für Aufgaben, bei denen nicht lange formuliert, sondern sehr schnell sortiert, klassifiziert oder gesteuert werden muss. Das kann etwa für Sprachlern-Apps, Überwachungssysteme oder Software mit vielen kleinen Entscheidungen interessant sein. Der Wettbewerb ist bereits intensiv: Unternehmen wie TypeSafe und Liquid entwickeln ebenfalls sogenannte Entscheidungsmodelle, die weniger Rechenleistung benötigen und dadurch günstiger betrieben werden können.

Der Passwortmanager 1Password hat 1Password for Agents gestartet. Damit kann ein KI-Agent im Auftrag eines Nutzers einen Login anstoßen, ohne das eigentliche Passwort zu erhalten oder dauerhaft speichern zu müssen. Der Agent weist sich über einen digitalen Schlüssel aus, 1Password benachrichtigt den Nutzer und dieser bestätigt die Anfrage. Danach füllt der Passwortmanager die Zugangsdaten selbst ein und ermöglicht die gewünschte Aktion.

Das Verfahren soll ein zentrales Sicherheitsproblem agentischer Software entschärfen: Wer einem Agenten direkt Benutzernamen und Passwörter übergibt, verliert leicht die Kontrolle darüber, wo diese Daten gespeichert oder weiterverwendet werden. 1Password unterstützt zunächst unter anderem Claude Duet, OpenAI Dots, ChatGPT Work, Grok Bot und Meta Muse. Trotzdem bleibt ein Risiko: Nutzer müssen weiterhin prüfen, ob ein Agent wirklich die richtige Aktion anfordert, besonders bei Finanz- und Geschäftskonten.

Recursive hat mit Flint sein erstes öffentlich verfügbares KI-Modell vorgestellt. Das kostenlose Coding-Modell soll direkt auf Laptops laufen und ist unter einer offenen Lizenz erhältlich. Es verwendet eine sogenannte Mixture-of-Experts-Architektur: Für eine Anfrage wird nur ein kleiner Teil des insgesamt 40 Milliarden Parameter großen Modells aktiviert. Dadurch soll Flint auch auf üblicher Hardware schnell genug arbeiten können. Recursive gibt an, dass die eigene Eureka Machine große Teile von Training, Nachtraining und Ausführung mitentwickelt hat.

Bemerkenswert ist deshalb nicht nur das Modell selbst, sondern auch seine Entstehung. Ein kleines Team will Flint in weniger als vier Monaten gebaut haben, unterstützt von einem automatisierten System, das Ideen entwickelt, Experimente ausführt und die nächsten Schritte auswählt. Lokale Ausführung kann Programmcode besser schützen, Kosten senken und Offline-Arbeit ermöglichen. Gleichzeitig ist noch offen, wie zuverlässig solche kleinen Modelle bei komplexen Softwareprojekten im Alltag sind.