Mit dem Asustor Lockerstor 24R Pro Gen2 ist die Lockerstor-Pro-R-Gen2-Serie der Rackmount-NAS-Modelle des Herstellers nun komplett. Das neue Modell bietet 24 Laufwerksschächte und ist neben dem Lockerstor 12R Pro Gen2 und dem Lockerstor 16R Pro Gen2 mit 12 bzw. 16 Einschüben als dritten NAS der Reihe verfügbar.

Technisch setzt der Lockerstor 24R Pro Gen2 auf einen AMD Ryzen Pro 7745, 16 GB DDR5-4800 ECC-RAM, die auf bis zu 192 GB aufgerüstet werden können, und die Unterstützung einer M.2-PCIe-Gen-5-SSD. Die maximale Speicherkapazität beträgt 768 TB. Die Anbindung ans Netzwerk erfolgt über zwei 10-Gigabit-Schnittstellen. Bei 10 GbE spricht Asustor von Übertragungsraten von bis zu 2.309 MB/s beziehungsweise 1.886 MB/s beim sequenziellen Lesen und Schreiben über SMB-Multichannel im RAID 5. Für die Stromversorgung im 24/7-Dauerbetrieb sind zwei redundant ausgelegte 550-Watt-Netzteile zuständig.

Das Lockerstor 24R Pro Gen2 kann darüber hinaus mit dem Xpanstor 12R erweitert werden, um 50 Prozent mehr Laufwerksschächte hinzuzufügen. Mit 32-TB-Festplatten lässt sich so eine Speicherkapazität von einem Petabyte überschreiten. Um die Speicherleistung zu maximieren, bietet die Lockerstor-R-Pro-Gen2-Serie zudem RAID-50- und RAID-60-Konfigurationen.

Einen Preis für das Rackmount-NAS nennt Asustor nicht. Die beiden kleineren Modelle Lockerstor 12R Pro Gen2 und Lockerstor 16R Pro Gen2 mit gleicher Hardware sind im Handel für rund 5.500 Euro erhältlich.

Anthropic hat mit der Einführung Cloud-basierter KI-Agenten begonnen, zunächst nur als öffentliche Beta-Version, die für den Unternehmenseinsatz noch eingeschränkt geeignet sein dürfte. Die neue Funktion soll eine schnellere Erstellung von Agenten ermöglichen und durch sichere Code-Ausführung sowie Sitzungsverfolgung glänzen.

Mit weniger Ressourcen schneller zum Ziel

Mit der neuen Suite aus kombinierbaren API richtet sich Anthropic vor allem an Entwickler und Teams in Unternehmen, die eine robuste und produktionsreife Agenteninfrastruktur benötigen, ohne sich selbst mit dem Aufbau sicherer Ausführungsumgebungen, der Zustandsverwaltung oder einer individuellen Orchestrierung befassen zu müssen. Bislang waren dafür umfangreiche Entwicklungsressourcen erforderlich, etwa für sichere Infrastrukturen, Berechtigungsverwaltung und die Anpassung von Agentenschleifen bei jedem Modell-Upgrade. Sowohl einfache Einzelaufgaben als auch komplexe Multi-Agenten-Pipelines gehörten ebenfalls zu diesem Aufwand.

Künftig will Anthropic hier unterstützen, sodass sich Teams stärker auf die Gestaltung der Agentenaufgaben konzentrieren können, anstatt sich mit Backend-Prozessen aufzuhalten. Dazu wird ein auf Leistung optimierter Agent-Harness mit einer Produktionsinfrastruktur kombiniert, wodurch sich der Zeitraum vom Prototyp bis zur Markteinführung von bislang häufig mehreren Monaten auf wenige Tage verkürzen soll.

Deutlicher Zugewinn bei weniger benötigten Ressourcen

In einem Blogbeitrag spricht Anthropic davon, dass sich entsprechende Agenten mit den neuen Möglichkeiten bis zu zehnmal schneller erstellen lassen sollen. Interne Tests hätten zudem gezeigt, dass die zur Generierung strukturierter Dateien verbesserten Managed Agents die Ergebnisse bei entsprechenden Aufgaben um bis zu zehn Punkte gegenüber einer Standard-Prompt-Schleife steigern können, wobei die größten Zugewinne bei besonders anspruchsvollen Problemstellungen erzielt wurden.

Zahlreiche neue Funktionen

Die auf aktuellen Claude-Modellen basierende Plattform bietet Funktionen wie eine sichere Code-Ausführung in einer Sandbox, abgesicherte Authentifizierungen, Checkpointing, bereichsbezogene Berechtigungen sowie persistente, lang laufende Sitzungen, die auch nach Verbindungsabbrüchen erhalten bleiben. Entwickler können darüber hinaus Agentenaufgaben, zusätzliche Werkzeuge und Sicherheitsmechanismen definieren, während die Infrastruktur von Anthropic die Steuerung, das Kontextmanagement und die Fehlerbehebung übernimmt. Zu den zentralen Funktionen zählen unter anderem die Multi-Agent-Koordination in der Research Preview sowie in die Claude-Konsole integrierte Werkzeuge zur Sitzungsverfolgung. Darüber hinaus können Agenten auch andere Agenten starten. Ebenso werden auf Wunsch klassische Prompt-and-Response-Workflows unterstützt, um eine strengere Kontrolle zu gewährleisten.

Muse Spark ist das erste Modell, das Metas neue Abteilung – und für Milliardensummen eingekaufte – Superintelligence Lab entwickelt hat. Es ist das technische Grundgerüst für den KI-Assistenten Meta AI und wird in den kommenden Wochen für WhatsApp, Instagram, Facebook, den Messenger sowie die AI Glasses ausgerollt.

Was Metas neue Modelle bis dato bieten, sind Funktionen, die mittlerweile Standard sind. Gemeinsam mit einem neuen Design erhält der KI-Assistent Meta AI einen Thinking-Modus. Bei komplexen Fragen berechnet und prüft das Modell mehrere Lösungswege und kann Aufgaben in mehrere Schritte unterteilen.

Je nach Frage kommen dafür laut Meta mehrere Subagents zum Einsatz. Das Modell profitiert von multimodalen Funktionen, kann also auch Bilder als Eingabe verarbeiten. Verfügbar sind die neuen Modelle zunächst nur in den USA, weitere Länder sollen in den kommenden Wochen folgen. Ebenso prüft Meta, zukünftige Versionen des Modells als Open-Source-Variante zu veröffentlichen.

Meta sucht den Anschluss

Meta hat damit über Reasoning-Funktionen, die beispielsweise OpenAI, Anthropic und Google seit über einem Jahr bieten. Branchenbeobachter wie Ethan Mollick, Ökonom an der Wharton School der University of Pennsylvania, beschreiben Muse Spark als „not-quite-frontier“ – also als nicht ganz auf dem Stand der Technik. Für Meta sei es dennoch ein Wiedereinstieg in den Wettbewerb mit den Top-KI-Entwicklern.

Meta selbst beschreibt das Modell in dem Blog-Beitrag als „klein und schnell“, mit ausreichend Kapazitäten, um komplexe Fragen in Bereichen wie Mathematik, Wissenschaft und Gesundheit zu beantworten. Technische Eckdaten veröffentlicht der Konzern aber ebenso wenig wie interne Benchmarks.

Laut einem Bericht von Reuters zeigte das Modell in unabhängigen Bewertungen, dass es in Bereichen wie Sprache und visuellem Verständnis zu den Top-Anbietern OpenAI, Anthropic und Google aufschließen kann. In anderen Bereichen wie Coding und abstraktem Schlussfolgern liegt es aber noch deutlich zurück.

Dass es in manchen Bereichen bei der Leistung noch hakt, meldeten Medien bereits im März.

Muse Spark ist die Grundlage

Interessant ist vor allem, was in Zukunft kommt. Laut Meta ist das aktuelle Modell ein „erster Meilenstein“, den die neue KI-Abteilung in den neun Monaten des Bestehens entwickelt hat. Größere und leistungsfähigere Versionen sollen bald kommen.

Angesichts der enormen Investitionen steht Meta unter Zugzwang. Allein in diesem Jahr will der Konzern bis zu 135 Milliarden US-Dollar für die KI-Infrastruktur ausgeben. Viel hat man sich zudem die Ablöse von Entwicklern und Forschern kosten lassen, um das neue Superintelligence Lab aufzubauen.

State-of-the-Art sind derzeit vor allem KI-Agenten. Für Aufsehen sorgt derzeit Anthropic mit Claude Code. Das neue Modell Claude Mythos soll beim autonomen Aufdecken von Sicherheitslücken sowie dem Entwickeln von Exploits so leistungsfähig sein, dass Anthropic eine Preview nur für ausgewählte Organisationen bereitstellt, um die IT-Infrastruktur abzusichern.