Claude Code 2.1.260: Diff-Bedienfeld, /reload-plugins, Fable 5.1-Korrekturen
Anthropics Claude Code CLI wurde auf v2.1.260 aktualisiert, mit einem visuellen Diff-Panel, erweiterten Headless-Sitzungsbefehlen und einer Reihe von Fehlerbehebungen bei Berechtigungen, Caching und Modellwechsel, die Entwicklern Probleme bereitet haben.
Neue Funktionen und Befehle
- Diff-Panel: Öffnet sich neben dem Chat im Vollbildmodus und zeigt ungespeicherte Änderungen, während Claude Änderungen vornimmt. Ein-/ausblenden mit
/diff. - /reload-plugins: Jetzt auch in Headless-Sitzungen verfügbar (via
-pund Agent SDK), sodass es in den Befehlslisten von Claude Code Desktop und SDK erscheint. - Textversion von /advisor:
/advisor,/advisor <model>,/advisor off– für Desktop-App, Remote Control und andere Headless-Sitzungen. - OIDC scope_on_refresh: Zum Claude-Apps-Gateway hinzugefügt, für Identitätsanbieter, die ein
id_tokenbei Aktualisierung nur auf erneute Anforderung zurückgeben. - Neue Desktop-Policy-Schlüssel: Unterstützung für
userPluginMarketplacesEnabledunduserPluginUploadsEnabled.
Wichtige Korrekturen
- Berechtigungspfade mit Klammern: Fehler behoben, bei denen Regeln verworfen wurden, sodass schreibgeschützte Ordner beschreibbar blieben.
- Ungültiger Regex in Dateiberechtigungsregeln: Eine einzelne Regel mit nicht kompilierbarem Muster schützt nun den wörtlichen Pfad, anstatt alle Bearbeitungen abstürzen zu lassen.
- Bash-Auto-Genehmigung umgangen: Zsh-Befehle, die Befehlsersetzung in
REPORTTIME,REPORTMEMORYoderDIRSTACKSIZEverstecken, fordern jetzt zur Genehmigung auf. - Fable 5.1 Kontextfenster: Über
ANTHROPIC_DEFAULT_FABLE_MODELfestgelegte Agenten ignorierten manchmal das[1m]-Tag und liefen mit 200K Kontextfenster – jetzt behoben. - Fable 5.1 Prompt-Caching: Kontext nach Tool-Ergebnissen wurde ungespeichert erneut gesendet; Caching deckt dies jetzt ab.
- Modellwechsel: Blieb nach einem Plugin-Hook-Lade Fehler oder wenn der Marktplatz eines org-verwalteten Plugins nicht geladen werden konnte; jetzt wird jedes Mal neu geprüft und die Ursache benannt.
- SDK MCP-Server: Desktop-Konnektoren fehlten manchmal im ersten Turn; sie erscheinen jetzt sofort.
- /rewind Zuverlässigkeit: Keine falschen Erfolgsmeldungen und veraltete Datei-Lese-Tracking nach Rewinds mehr.
- Terminaldarstellung: Flags und verbundene Emojis werden nicht mehr über Zeilen getrennt oder hinterlassen veralteten Text.
Ebenfalls behoben: Bedrocks lokaler Zertifikatsfehler, wenn die Root-CA nur im OS-Store liegt, permissions.blockReadsOutsideWorkingDirectories, das die Git-Konfiguration auf macOS verbarg, verwaltete Einstellungen, die für Enterprise/Team-Benutzer mit übrig gebliebenen API-Schlüsseln nicht geladen wurden, und Remote Control, das ungültige Modellauswahlen akzeptierte.
📖 Vollständige Quelle: GitHub Claude-Code
👀 Siehe auch

Apple Core AI Framework: Erster Blick auf Apples aufkommende KI-Agentenbasis
Apples neue Core AI Framework-Dokumentationsseite ist live, der Inhalt ist jedoch hinter einer JavaScript-Wand verborgen. Wir erklären, was dies für die KI-Agentenentwicklung auf Apple-Plattformen bedeutet.

Claude Code übernimmt die Entfernung des QNX Big Kernel Locks, beginnend mit Benutzerraum-Kontentionsstatistiken
Ein Entwickler bat Claude Code, den QNX-Microkernel umzugestalten, um den Big Kernel Lock zu entfernen. Claude schätzte 3 Monate für einen Top-Entwickler und begann dann damit, /proc-ähnliche Locking-Statistiken zu entwerfen und Kernel-Subsysteme nacheinander zu reparieren.

Aktueller LLM-Kostenvergleich: Deepseek, Qwen, MiniMax vs. OpenAI
Eine Reddit-Analyse zeigt, dass Deepseek-V3.2 mit 0,26 $/0,38 $ pro Million Tokens etwa 10-mal günstiger ist als GPT-4, während es laut Benchmarks eine GPT-5-ähnliche Leistung erbringt. Qwen3.5 und MiniMax-M2.5 bieten wettbewerbsfähige Alternativen zu Claude und OpenAI.

Cambridge-Forscher entwickeln Hafniumoxid-Memristor für energieeffiziente KI-Chips
Forscher der Universität Cambridge haben einen auf Hafniumoxid basierenden Memristor entwickelt, der Ströme eine Million Mal niedriger schaltet als herkömmliche Oxidgeräte, was den Energieverbrauch von KI-Hardware potenziell um bis zu 70 % reduzieren könnte.