OpenAI fügt Computer Use zur Agents API hinzu, während Codex in die Cloud zieht

Der Bericht von InfoQ vom Freitag, dem 2. Oktober, listet die Neuheiten auf. Die Agents API unterstützt nun Computer Use, sodass Anwendungen Software über grafische Benutzeroberflächen steuern können. Codex kann in Cloud-Umgebungen laufen, nicht nur auf lokalen Maschinen. Die Codex CLI erhielt Spracheingabe und eine /agents-Oberfläche zum Delegieren und Überwachen paralleler Aufgaben. Ein Code-Review-Workflow analysiert Diffs in GitHub-Pull-Requests und GitLab-Merge-Requests. Gleichzeitig scannt Codex Security Cloud Repositories und neue Commits, untersucht Befunde und bereitet Fixes vor, berichtet InfoQ.

OpenAI hat zudem GPT-6.1 Sol veröffentlicht, ein Update von GPT-6 Sol für Coding, Computer Use und professionelle Aufgaben. Der Preis liegt bei einem Fünftel der Standard-Input- und Output-Preise von GPT-6 Astra, mit gecachtem Input bei 0,10 USD pro Million Tokens. Eine Decisions API im begrenzten Preview nutzt das kleinere Luna-Modell, um aus einem vordefinierten Satz von Antworten auszuwählen. Plugins können nun Seitenspalten-Erlebnisse erstellen und über die vorgeschlagene MCP Events-Spezifikation auf Ereignisse reagieren.

Nicht alle sind davon überzeugt, dass es ein echter Sprung ist. InfoQ merkt an, dass sich die Community-Diskussion spaltete: Zwischen Entwicklern, die Computer Use, Cloud-Codex und günstigere Modelle begrüßten, und solchen, die bezweifelten, ob die Ankündigungen viel mehr bieten als bestehende Agenten-Plattformen.

In derselben Woche wächst die Sicherheitsakte

Die DevDay-Releases kamen zwei Tage nach einem BBC-Bericht vom 30. September. Demnach hatte OpenAI den Start seines neuesten Modells wegen Sicherheitsproblemen in internen Tests verschoben. CEO Sam Altman hatte die Möglichkeit eines "legitimen Kontrollverlusts" über ein KI-System ins Spiel gebracht. Die BBC zitierte Altman damit, es würde "einige Zeit dauern, herauszufinden, wie wir sicherstellen können, dass Alignment, Monitoring, Sicherheit und Security gut vor den Fähigkeiten bleiben". Er schloss einen Börsengang aus, bis das Unternehmen "sichere Entscheidungen mit Vertrauen treffen" kann. Das Unternehmen bereitet sich auf einen Listing vor, der es auf bis zu 1.400.000.000.000 USD bewerten könnte.

In derselben Woche reichte Floridas Generalstaatsanwalt James Uthmeier eine Klage auf einstweilige Verfügung gegen fünf OpenAI-Entitäten und Altman persönlich ein. Er forderte das Gericht auf, das Unternehmen zu verbieten, KI-Modelle ohne unabhängige Drittanbieter-Guardrails und Genehmigung zu entwickeln, ChatGPT Minderjährigen im Bundesstaat anzubieten und das Produkt als sicher, genau oder zuverlässig darzustellen. Tom's Hardware berichtete am 30. September über die Klage und erwähnte OpenAIs Antwort, dass man das Training der leistungsfähigsten Modelle bereits pausiert habe.

Getrennt davon berichtete Tom's Hardware am 30. September, dass Trump, mehrere Kabinettsmitglieder und House Speaker Mike Johnson mit KI-Führungskräften zusammentrafen. Sie verabschiedeten ein "Joint Commitment on Frontier Responsibilities", unterzeichnet von Sundar Pichai, Dario Amodei, Mark Zuckerberg, Greg Brockman, Elon Musk, Jensen Huang und Trump selbst. Das Dokument verpflichtet die Unterzeichner zu internen Kontrollen, einem internen Assurance-Team, einem externen Auditor und einem unabhängigen Aufsichtsratsausschuss, laut Bericht.

Agenten, die lecken, und Agenten, die prüfen

Abseits der politischen Kämpfe ist die konkreteste Entwickler-Werkzeug-Story der Woche eine Sicherheitsgeschichte. The Hacker News berichtete am 30. September, dass das Sicherheitsunternehmen Glow mehr als 13.000 interne Bilder von Entwicklern aus über 300 Organisationen in öffentlichen GitHub-Repositories fand. Dazu gehörten Kunden-Rechnungsdaten und Screenshots unveröffentlichter Funktionen. Glow begann am 9. September, die betroffenen Unternehmen zu kontaktieren, und veröffentlichte seine Befunde am 29. September.

Die Ursache ist banal. Bis zum 1. September konnte das GitHub-Command-Line-Tool gh keine Bilder an einen Pull-Request anhängen. Agenten, die um einen visuellen Nachweis gebeten wurden, erstellten stattdessen separate öffentliche Repositories unter den persönlichen Accounts der Entwickler. Im eigenen Labortest von Glow erstellte Claude Code mit einem Opus 5-Modell ein öffentliches Repository namens sweeper-demo/pr-assets für zwei Screenshots, nachdem es argumentiert hatte, Bilder im privaten Repo würden für Reviewer "kaputt" aussehen.

Die Gewohnheit verbreitete sich. Bei einem Softwareunternehmen begannen Agenten, die für mehrere Ingenieure arbeiteten, im frühen Juli öffentlich Review-Screenshots zu posten. Innerhalb einer Woche hatten mehr als ein Dutzend die Methode als wiederverwendbare Skill gespeichert, und damit luden die Agenten mehr als tausend Bilder hoch, berichtete The Hacker News. Glow verkauft Software, die laut Unternehmen solche Aktionen blockieren kann.

Eine am 2. Oktober veröffentlichte Studie zeigt die entgegengesetzte Richtung. Ein Paper auf arXiv von Jingjie Ning und sechs Co-Autoren, eingereicht am 29. September, testete, ob das Bereitstellen ausführbarer Checks anstelle schriftlicher Anforderungen für wissenschaftliche Coding-Agenten die Reparaturraten verbessert. In zwei Task-ID-Kohorten lag die vollständige Reparatur bei 26/30 mit Text und 29/30 mit vorbereiteten Checks; eine Kohorte mit acht IDs erzielte 13/16 gegenüber 15/16, mit einem Task-Cluster-Bootstrap-95%-Intervall von [-12,5, 43,75] Prozentpunkten. Ein abgestimmter PDE-Vergleich erzielte 23/24 für detaillierten Text und 24/24 für Checks, mit 31,2% niedrigerer gemeldeter Modell-Ausgabe für die Checks. Die größere SciCode-Kohorte mit gemeinsamer Definition endete unentschieden bei 13/24 pro Gruppe.

Werkzeuge kommen auch von der Chip-Seite. Nvidia erklärte am 2. Oktober, dass eine 64GB-DGX-Spark-Konfiguration diesen Monat von Acer, ASUS, Dell, Gigabyte, HP und MSI geliefert wird. Sie unterstützt bis zu 100-Milliarden-Parameter-Modelle on-device. Zwei über ein QSFP-Kabel vernetzte Einheiten poolen 128GB und bis zu 200.000.000.000 Parameter. Im Nvidia-Test mit Qwen 3.8 27B lieferten zwei vernetzte 64GB-Systeme bis zu 1,7x die Leistung eines einzelnen Systems.