Anthropic und Google diskutieren neue AI-Agent-Frameworks
Gemini 4 Argon und Agenten-Workflows
Veröffentlicht am 2. November, ursprünglich publiziert auf ay3s.com
Gemini 4 Argon erscheint heute. Das ist eine große Nachricht, aber neben den anderen Ankündigungen fällt etwas anderes auf: Wenn Agenten mehr übernehmen, verändern sich auch ihre Entwicklungswerkzeuge.
Anthropic gestaltet die Versionsverwaltung neu. LangSmith erlaubt es, eine gescheiterte Aufgabe zu beschreiben und die zugehörigen Aufzeichnungen zu finden. Grok Bot bringt E-Mail und Apps in den Chat. Die Wahl eines KI-Werkzeugs bedeutet inzwischen, auch auf seine Anbindungen, seine Debugging-Fähigkeiten und die Möglichkeit zur Wiederaufnahme der Arbeit zu schauen, nicht nur auf das Modell.
Google hat ein globales Rollout angekündigt. Pichai listet die kostenpflichtige Gemini-API-Stufe und die Gemini-Plattform für Entwickler auf, wobei verschiedene Abonnements über Antigravity, die Gemini-App und die Suche bestimmen.
Wer die Werkzeuge von Google bereits nutzt, sollte den eigenen Zugriff prüfen und vertraute Aufgaben ausprobieren: eine Codeänderung am Projekt, ein langes Dokument und eine mehrstufige Aufgabe. Werden Anforderungen übersehen, bricht die Arbeit vorzeitig ab oder bleibt viel zur Reparatur übrig? Diese Antworten wiegen mehr als ein paar Punkte auf einer Bestenliste.
Google hebt Anwendungsgebiete wie Programmierung, Finanzen, Recht, Cybersicherheit und Wissenschaft hervor. Beginnen Sie mit der Aufgabe, die Sie am häufigsten ausführen, und erweitern Sie danach, wenn es gut funktioniert. Quellen 1 bis 2 unten.
Anthropic meldet, dass die täglich zusammengeführten Codeänderungen von etwa 2.500 im Mai auf mehr als 30.000 im September gestiegen sind. Eine Infrastruktur, die für die Entwicklung im Tempo von Menschen gebaut wurde, wurde zum Engpass und veranlasste eine Neugestaltung der Versionsverwaltung.
Änderungszahlen lassen sich nicht direkt in Programmiererproduktivität übersetzen; eine Änderung kann wenige Zeilen oder ein ganzes Modul betreffen. Die nützlichen Fragen schließen sich an: Wer prüft sie, wie wird sie getestet, was passiert, wenn Agenten denselben Bereich bearbeiten, und wie nimmt man eine Änderung zurück?
Selbst kleine Projekte brauchen Builds, Prüfungen, Änderungsgrenzen und einen Weg zurück. Eine halbe Stunde generierter Änderungen, gefolgt von zwei Stunden Aufräumen, gibt die gesparte Zeit wieder zurück. Quelle 3.
Das erklärt die Aufmerksamkeit rund um Harness Engineering: Werkzeuge, Prüfungen, das Speichern von Fortschritten und Wiederherstellung, die Agenten unterstützen. Baseten hat seine Reihe zu einem Buch ausgebaut. Das drumherum aufgebaute Umfeld hilft zu bestimmen, ob eine lange Aufgabe tatsächlich abgeschlossen wird. Quelle 8.
LangSmith AI Search akzeptiert Beschreibungen wie Nutzerfrust oder unvollständige Aufgaben und findet die passenden Ausführungsaufzeichnungen.
Ein Nutzer, der sagt, es habe nicht funktioniert, reicht nicht aus, um einen Prompt neu zu schreiben. Sie brauchen die Frage, die eingesetzten Werkzeuge und den Schritt, der schiefging. Diese Aufzeichnungen sind Traces. Wer Modellaufrufe, Werkzeugergebnisse, Dauer und Fehler aufzeichnet, hat etwas Konkretes zum Untersuchen; die Suche in natürlicher Sprache erleichtert das Auffinden. Für eine App mit echten Nutzern würde ich diese Aufzeichnungen vorrangig behandeln. Quelle 4.
Grok Bot 0.70.2 ergänzt Arbeitswerkzeuge. Separate E-Mail, Entwürfe, Figma/Notion/Canva-Karten im Chat und die öffentliche X-Suche könnten das Wechseln zwischen Alltagswerkzeugen verringern. Quelle 5.
Gemma wird für Betrugserkennung auf dem Gerät weiterentwickelt. DeepMind und GovTech aus Singapore feinen das Modell mit fine-tuning auf lokale Betrugsmethoden ab. Die Verarbeitung auf dem Gerät könnte bei manchen Entscheidungen den Umweg über die Cloud vermeiden. Das ist die Grundidee hinter On-device Inference. Quelle 6.
Argon hat auch eine Robotik-Demo. DeepMind zeigt video-basiertes Aufgabenverständnis, das Erstellen von Simulationen in Code und Apollo, der sieben Würfe in Folge ausführt. Die Verbindung von Video über Simulation zur Aktion ist bemerkenswert; die Leistung über verschiedene Aufgaben und Umgebungen hinweg bleibt eine wichtige nächste Frage. Quelle 7.
Context Engineering bedeutet, zu jedem Schritt zu ordnen, was das Modell sieht: relevante Materialien, den Verlauf, Werkzeugergebnisse und den Zeitpunkt, an dem veraltete Informationen verworfen werden. Ein Mitglied des LangSmith-Teams erläutert dieses Design für AI Search. Quelle 9.
Ein Agent, der eine Stunde lang arbeitet, muss das Ziel behalten, ohne in irrelevanten Ausgaben unterzugehen. Wenn Sie heute eine Sache verbessern wollen, öffnen Sie eine kürzlich gescheiterte Aufgabe und versuchen Sie, sie zu diagnostizieren. Ergänzen Sie fehlende Aufzeichnungen oder reparieren Sie ein defektes Werkzeug, bevor Sie entscheiden, ob das Modell ausgetauscht wird.
Dieser Artikel wurde für DEV mit KI-Unterstützung erstellt.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
Posted on Nov 2 • Originally published at ay3s.com
Gemini 4 Argon launches today. That’s big news, but alongside the other announcements, something else stands out: as agents do more, their development tools are changing too.
Anthropic is redesigning source control. LangSmith lets you describe a failed task and find its records. Grok Bot is bringing email and apps into chat. Choosing an AI tool now means looking at its connections, debugging and ability to resume work, as well as the model.
Google has announced a global rollout. Pichai lists the paid Gemini API tier and Gemini platform for developers, with different subscriptions governing Antigravity, Gemini app and Search.
If you already use Google’s tools, check your access and try familiar jobs: a project code change, a long document and a multistep task. Does it miss requirements, stop halfway or leave much for you to repair? Those answers matter more than a few points on a leaderboard.
Google highlights coding, finance, law, cybersecurity and science. Start with the task you do most often, then expand if it works well. Sources 1–2 below.
Anthropic reports daily merged code changes rising from roughly 2,500 in May to more than 30,000 in September. Infrastructure built for human-paced development became a bottleneck, prompting a source-control redesign.
Change counts don’t translate directly into programmer productivity; a change might touch a few lines or an entire module. The useful questions come next: who reviews it, how is it tested, what if agents edit the same area, and how do you roll back?
Even small projects need builds, checks, change boundaries and a way back. Half an hour of generated changes followed by two hours of cleanup gives back the time you saved. Source 3.
That helps explain the attention around Harness Engineering: tools, checks, progress saving and recovery that support agents. Baseten has turned its series into a book. The surrounding setup helps determine whether a long task gets finished. Source 8.
LangSmith AI Search accepts descriptions such as user frustration or unfinished tasks and locates matching execution records.
A user saying “it didn’t work” isn’t enough to rewrite a prompt. You need the question, the tools used and the step that went wrong. Those records are traces. Recording model calls, tool results, duration and errors gives you something concrete to inspect; natural-language search makes it easier to find. For an app with real users, I’d prioritize those records. Source 4.
Grok Bot 0.70.2 adds work tools. Dedicated email, drafts, Figma/Notion/Canva cards in chat and public X search could reduce switching between everyday tools. Source 5.
Gemma is being developed for on-device fraud detection. DeepMind and Singapore’s GovTech are fine-tuning it for local scam tactics. Local processing could avoid a cloud round trip for some decisions. That is the idea behind On-device Inference. Source 6.
Argon has a robotics demo too. DeepMind shows video-based task understanding, simulation coding and Apollo making seven consecutive throws. The connection from video to simulation and action is worth watching; performance across different tasks and settings remains an important next question. Source 7.
Context Engineering means arranging what the model sees at each step: relevant materials, history, tool results and when to discard outdated information. A LangSmith team member discusses that design for AI Search. Source 9.
An agent working for an hour needs to retain the goal without drowning in irrelevant output. If you improve one thing today, open a recent failed task and try to diagnose it. Add missing records or fix a broken tool before deciding whether to replace the model.
This article was prepared for DEV with AI assistance.