Modelle1. August 2026

Microsoft führt Project Perception Plattform für agentenbasierte Cybersicherheit ein

Microsoft wird seine Project Perception Plattform am 3. August der Öffentlichkeit zugänglich machen. Die Initiative konzentriert sich auf ein neues, speziell für Cybersicherheit entwickeltes Modell namens MAI-Cyber, das agentenbasierte Sicherheitsfunktionen für Unternehmensumgebungen bereitstellen soll.

Warum das wichtig ist

Für Teams, die KI-Anwendungen entwickeln, bedeutet dieser Wechsel hin zu spezialisierten agentenbasierten Modellen für Sicherheit eine Abkehr von Allzweck-LLMs in sensiblen Bereichen. Es unterstreicht die Bedeutung von domänenspezifischem Fine-Tuning für die Zuverlässigkeit bei der automatisierten Bedrohungserkennung.

Kernpunkte

Öffentlicher Start von Project Perception für den 3. August geplant
Einführung von MAI-Cyber, einem speziell für Cybersicherheitsaufgaben entwickelten Modell
Fokus auf agentenbasierte Sicherheit zur Automatisierung komplexer Verteidigungsabläufe
Branchenfokus auf die vom Anbieter gemeldeten Leistungskennzahlen für das neue Modell

Passende Lösungen

KI-Agenten & Automatisierung Generative KI Machine Learning

Alle KI-Nachrichten

Mehr KI-Nachrichten

Modelle

Moonshot AI stellt Kimi K3.1 Pro und High-Speed-Variante für die kommerzielle Evaluierung vor

Moonshot AI hat sein Modell Kimi K3.1 Pro zusammen mit einer speziellen High-Speed-Version für eine schnellere Verarbeitung offiziell eingeführt. Unternehmen, die die Veröffentlichung prüfen, untersuchen die Betriebskosten und die Datenverarbeitungsrichtlinien des Anbieters genau, bevor sie sich für den Produktiveinsatz entscheiden.

Modelle

Kimi K3.1 Pro sichert sich den fünften Platz auf dem SevenLab AI Leaderboard

Kimi K3.1 Pro des Entwicklers Kimi ist offiziell in die Top Ten des SevenLab AI Leaderboards eingestiegen und belegt insgesamt den fünften Platz. Der Benchmark bewertet führende Basismodelle anhand einer speziellen wertbereinigten Methodik, die auf Evaluierungsdaten von Artificial Analysis basiert.

Modelle

Auswahl von Enterprise-Hardware für lokale LLMs priorisiert Speicherkapazität und Bandbreite

Unternehmensteams, die Hardware für die lokale Ausführung von Sprachmodellen evaluieren, müssen Speicherkapazität und Bandbreite gegenüber reiner Rechenleistung priorisieren. Die Unified-Memory-Architektur ermöglicht es Entwickler-Workstations, Modelle mit größeren Parametern direkt in den Speicher zu laden. Planungsverantwortliche prüfen diese Spezifikationen, um eine kosteneffiziente On-Device-Inferenz sicherzustellen.

Ready to build something extraordinary?

15 minutes. No pitch deck. Just a conversation about what AI can do for your team.

Talk directly with our AI specialists

15 Min, unverbindlich

Kein Verkaufsdruck

Prototyp in 7 Tagen