Beobachtetes Signal · 31. Aug. 2026 · Technical Release · Quelle: https://martechseries.com/feed/ · Relevanz: 2/5 · Sentiment: Positiv
Aurora Mobiles Modellix veröffentlicht Beta-Plugin für DeepSeek Harness
Aurora Mobile hat bekannt gegeben, dass Modellix.ai die Beta-Version von dsh-modellix veröffentlicht hat – ein Plugin für DeepSeek Harness, mit dem Nutzer LLMs über das Modellix-Gateway mit einem einzigen API-Key aufrufen können. Das am 13. August 2026 als Open Source veröffentlichte DeepSeek Harness nutzt eine Plugin-First-Architektur; das dsh-modellix-Plugin bietet drei umschaltbare Funktionen (LLM, Web, Design). Die Beta unterstützt den Live-Modellkatalog von Modellix mit über 28 Modellen verschiedener Anbieter wie OpenAI und Anthropic und bietet kostenfreie Modelle wie „modellix-ai/free-llm“ und „zai/glm-4.7-flash“. Das Gateway von Modellix ist protokollkompatibel mit APIs im OpenAI- und Anthropic-Stil, um Integrationen zu vereinfachen und Entwicklern einen effizienten Zugriff auf Multi-Vendor-LLMs zu ermöglichen.
Erweitert den Entwicklerzugriff auf Multi-Vendor-LLMs inklusive kostenloser Modelle über ein einziges Gateway und integriert sich in einen rasant wachsenden Open-Source-Coding-Agenten; relevant für KI- und MarTech-Toolchains, stellt jedoch keine fundamentale Plattformänderung dar.
Marktsignale zu DeepSeek in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Aurora Mobile hat bekannt gegeben, dass Modellix.ai die Beta-Version von dsh-modellix als Plugin für DeepSeek Harness veröffentlicht hat.
- DeepSeek Harness wurde am 13. August 2026 als Open Source veröffentlicht und verzeichnete innerhalb von zwei Wochen fast 200.000 GitHub-Stars.
- Das Plugin ermöglicht Harness-Nutzern den Aufruf von LLMs über das Modellix-Gateway mit einem einzigen API-Key, einschließlich kostenloser Modelle.
- Das Modellix-Gateway stellt über 28 Modelle verschiedener Anbieter bereit und ist protokollkompatibel mit den Ökosystemen von OpenAI und Anthropic.
- Das Plugin bietet drei unabhängig umschaltbare Funktionen: LLM (in Beta aktiv), Web (leitet Web-Tools weiter) und Design (Generierung, aktuell als Vorschau).
Verknüpfte Unternehmen
8 verknüpfte Unternehmen“DeepSeek Harness, open-sourced on August 13, 2026, is built on a plugin-first architecture — its motto is “Everything is a Plugin” — that le...”
“LLM— syncs Modellix’s live model catalog into Harness’s model selector, covering 28+ models across OpenAI, Anthropic, Google, xAI, GLM, Qwen...”
“LLM— syncs Modellix’s live model catalog into Harness’s model selector, covering 28+ models across OpenAI, Anthropic, Google, xAI, GLM, Qwen...”
“LLM— syncs Modellix’s live model catalog into Harness’s model selector, covering 28+ models across OpenAI, Anthropic, Google, xAI, GLM, Qwen...”
“GlobeNewswire is one of the world's largest newswire distribution networks, specializing in the delivery of corporate press releases financi...”
“MarTech Series is a leading publishing platform that provides daily updates on marketing technology news, in-depth interviews with industry ...”
“Marketing Technology News:[MarTech Interview with Mark Listes, CEO @ Pendulum Intelligence]...”
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
DeepSeek stellt Vorschau auf Open-Source-LLM V4 vor
DeepSeek hat am 24. April 2026 den lang erwarteten Nachfolger DeepSeek V4 in den Varianten Pro und Flash als Open-Source Large Language Model mit einer neuen Architektur und 1,6 Billionen Parametern veröffentlicht. Das Modell erzielt signifikante Leistungssteigerungen beim logischen Schließen, in der Mathematik sowie in MINT-Disziplinen und unterstützt Kontextfenster von bis zu einer Million Token bei gleichzeitig reduzierten Rechen- und Speicherkosten. DeepSeek positioniert V4 Pro bei Programmieraufgaben als deutlich kostengünstiger im Vergleich zu OpenAI GPT-5.5. Der Rollout umfasst zudem eine strategische Partnerschaft mit Huawei zur Nutzung von Ascend-950-Supernode-Clustern, wodurch die Abhängigkeit von Nvidia und AMD verringert werden soll. Die Marktreaktion fällt jedoch verhaltener aus als beim R1-Durchbruch im Jahr 2025.
DeepSeek V4 Flash setzt neue „Kill Line“ für LLMs
DeepSeek hat V4 Flash-0731 veröffentlicht, ein Modell mit 284 Milliarden Parametern, das laut ersten Benchmarks GLM-5.2 übertrifft und mit Anthropic's Opus 4.8 konkurriert. Der Artikel prägt das Konzept der „Kill Line“: Modelle, die teurer und leistungsschwächer als DeepSeek V4 sind, gelten als praktisch nicht mehr wettbewerbsfähig. Diese Veröffentlichung setzt proprietäre Modelle im Mid-Tier-Segment massiv unter Druck, Preise zu senken, aufwendige Betriebsmodelle zu wählen oder zu veralten. DeepSeek plant in den kommenden Wochen ein V4 Pro mit rund fünfmal so vielen Parametern sowie ein Harness Agent Framework. Die Analyse verweist auf die Open-Source-Adoption und eine Sprachbarriere im chinesischsprachigen Ökosystem für westliche Entwickler. Zudem wird gewarnt, dass sich die Kill Line verschieben wird, da DeepSeek im Takt von zwei bis drei Monaten weitere Updates liefert.
DeepSeek V4: Architektonische Revolution mit Fokus auf Long-Context-Codierung erwartet
DeepSeek, ein chinesisches Open-Source-KI-Startup, plant die Veröffentlichung von DeepSeek V4 (Gerüchte-Codenamen MODEL1) zum chinesischen Neujahrsfest im Februar 2026. Code-Commits deuten auf eine grundlegende architektonische Überholung hin, die auf extreme Long-Context-Codierung und Software-Engineering-Aufgaben ausgerichtet ist. Zu den wichtigsten Innovationen gehört Engram, ein konditionales Memory-Lookup, das faktisches Abrufen von Reasoning trennt und millionenfache Token-Wissensspeicher ermöglicht. Zudem stabilisieren Manifold-Constrained Hyper-Connections (mHC) die schichtübergreifende Konnektivität, während DeepSeek Sparse Attention (DSA) Kontextfenster von über einer Million Token unterstützt. Berichten zufolge verzögerte sich das Training des R2-Modells zuvor aufgrund von Hardware-Instabilitäten bei Huawei Ascend Chips, weshalb für das finale Training wieder auf Nvidia GPUs gewechselt wurde. Diese Entwicklung unterstreicht die rasante Innovationsdynamik chinesischer Open-Weight-Modelle und wirft ein Schlaglicht auf geopolitische Lieferkettenabhängigkeiten im KI-Training.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.