-
Smart-Home-Geräte im Alltag: Warum echte Praxistests mehr bringen als Datenblätter
Wer Smart-Home-Geräte zu Hause ausprobiert, merkt schnell: Entscheidend sind nicht Prospektwerte, sondern Alltag, Einrichtung und Zuverlässigkeit.
-
Discord Phoenix: Weniger RAM wäre der wichtigste Fortschritt
Eine frühe Rust-Version von Discord soll deutlich weniger RAM belegen. Der Wert ist interessant, aber noch kein pauschales Sparversprechen.
-
Rain Bird IQ4 landet in HACS: Warum das für Home-Assistant-Nutzer mehr ist als ein kleines Bastler-Update
Die Rain-Bird-IQ4-Integration ist jetzt in HACS verfügbar. Das bringt Zonen als eigene Geräte, Schalter pro Bereich und Live-Updates in Home Assistant.
-
OpenAI meldet 948 Linux-Lücken: Warum Updates zählen
OpenAI berichtet von 948 Lücken zur lokalen Rechteausweitung im Linux-Kernel. Was das Risiko bedeutet und warum erzeugte Patches noch keinen Schutz bieten.
-
Stanford zeigt, wie KI mit 16 Tokens ganze Gesprächsverläufe im Kopf behalten kann
Ein neues KI-Gedächtnissystem von Stanford komprimiert ganze Gesprächs- und Dokumentverläufe auf 16 Memory-Tokens, arbeitet deutlich schneller und spart massiv Rechenaufwand.
-
Mysa Gen 3 oder Sinopé Wi‑Fi Color: Welcher smarte Thermostat besser zu Elektroheizungen passt
Mysa Gen 3 und Sinopé Wi‑Fi Color im Vergleich: Zwei smarte Thermostate für elektrische Fußleistenheizungen, mit klaren Unterschieden bei App, Plattformen und Alltagstauglichkeit.
-
Anthropic Model 4: Schnellere Forschung ist noch kein Produkt
METR meldet bei Anthropic Model 4 einen hohen AECI-Wert. Was der Vergleich mit Opus 4.6 und Mythos 5 sagt – und was nicht.
-
Warum der Spott über eine platzende KI-Blase zu kurz greift
Eine hitzige Debatte aus der Singularity-Szene zeigt, worum es beim KI-Hype wirklich geht: nicht um Memes, sondern um den langen Umbau von Software, Arbeit und Geschäftsmodellen.
-
KI-Shopping-Agenten scheitern oft – und kaufen trotzdem
Im Visa-Test scheiterten KI-Einkaufsagenten in 42,8 Prozent der Durchläufe. Viele kauften trotzdem. Die Freigabe sollte beim Nutzer bleiben.
-
Anthropics internes „Model 4“ legt ein Problem offen: Die üblichen KI-Benchmarks reichen nicht mehr
Ein noch unveröffentlichtes Anthropic-Modell liegt laut METR auf allen 15 getesteten Fähigkeits-Benchmarks über 50 Prozent. Das ist mehr als eine starke Zahl: Es stellt die gängigen Tests selbst infrage.
Jens Könnig
E-Commerce-Leiter, Entwickler und Betreiber dieser Seite. Hier schreibe ich über Technik, Smart Home und KI — mit dem Blick dessen, der es selbst aufbaut, betreibt und Fehler macht.
Mehr über mich →




























