Claude Code v2.1.117 Veröffentlichung: Subagent-Forking, Plugin-Verbesserungen und Leistungsoptimierungen

Claude Code v2.1.117 führt mehrere praktische Verbesserungen für Entwickler ein, die KI-Coding-Agenten nutzen, mit Fokus auf Subagenten-Funktionalität, Plugin-Verwaltung und Leistungsoptimierungen.
Wichtige Funktionen und Änderungen
- Geforkte Subagenten können nun bei externen Builds aktiviert werden, indem
CLAUDE_CODE_FORK_SUBAGENT=1gesetzt wird - Agent-Frontmatter mcpServers werden nun für Haupt-Thread-Agenten-Sitzungen via
--agentgeladen - Verbesserter /model-Befehl: Auswahl bleibt über Neustarts hinweg erhalten, auch wenn Projekte unterschiedliche Modelle festlegen, und der Start-Header zeigt an, ob das aktive Modell vom Projekt oder Managed-Settings-Pins stammt
- /resume-Befehl bietet nun an, veraltete, große Sitzungen zusammenzufassen, bevor sie erneut gelesen werden, entsprechend dem bestehenden
--resume-Verhalten - Schnellerer Start wenn sowohl lokale als auch claude.ai MCP-Server konfiguriert sind (gleichzeitige Verbindung jetzt Standard)
- Plugin-Verbesserungen:
plugin installbei bereits installierten Plugins installiert nun fehlende Abhängigkeiten; Abhängigkeitsfehler zeigen "nicht installiert" mit Installationshinweisen;claude plugin marketplace addlöst fehlende Abhängigkeiten automatisch auf - Managed-Settings-Durchsetzung:
blockedMarketplacesundstrictKnownMarketplaceswerden nun bei Plugin-Installation, -Update, -Aktualisierung und -Autoupdate durchgesetzt - Advisor Tool (experimentell): Dialog trägt "experimentell"-Label mit Learn-More-Link; Sitzungen bleiben nicht mehr mit "Advisor tool result content could not be processed"-Fehlern hängen
- Cleanup-Erweiterung:
cleanupPeriodDays-Aufräumlauf umfasst nun~/.claude/tasks/,~/.claude/shell-snapshots/und~/.claude/backups/ - OpenTelemetry-Updates:
user_prompt-Events enthaltencommand_nameundcommand_sourcefür Slash-Befehle;cost.usage,token.usage,api_requestundapi_errorenthalteneffort-Attribut, wenn Modelle Effort-Levels unterstützen - Native Build-Verbesserungen: macOS- und Linux-Builds ersetzen Glob- und Grep-Tools durch eingebettete
bfsundugrep, verfügbar über Bash-Tool (Windows- und npm-installierte Builds unverändert) - Windows-Optimierung: Gecachte
where.exe-Executable-Lookups pro Prozess für schnellere Subprozess-Starts - Standard-Effort-Änderung: Pro/Max-Abonnenten auf Opus 4.6 und Sonnet 4.6 verwenden nun standardmäßig
highEffort (warmedium)
Bemerkenswerte Korrekturen
- Behoben: Plain-CLI OAuth-Sitzungen brechen mit "Please run /login" ab, wenn Access-Tokens während der Sitzung ablaufen
- Behoben:
WebFetchhängt bei sehr großen HTML-Seiten nicht mehr, indem Eingabe vor HTML-zu-Markdown-Konvertierung gekürzt wird - Behoben: Absturz, wenn Proxies HTTP 204 No Content zurückgeben
- Behoben:
/loginhat keine Wirkung, wenn mitCLAUDE_CODE_OAUTH_TOKENEnv-Var gestartet und Token abläuft - Behoben: Prompt-Eingabe-Undo (
Ctrl+_)-Verhalten - Behoben:
NO_PROXYwird für Remote-API-Anfragen unter Bun nicht beachtet - Behoben: Opus 4.7-Sitzungen zeigen überhöhte
/context-Prozentsätze und komprimieren zu früh automatisch – berechnete gegen 200K Kontextfenster statt Opus 4.7s native 1M - Behoben: Subagenten, die andere Modelle als Hauptagent ausführen, kennzeichnen Dateilesevorgänge fälschlicherweise nicht mehr mit Malware-Warnungen
- Behoben: Inaktiver Re-Render-Loop reduziert Speicherwachstum auf Linux
- Behoben: VSCode "Manage Plugins"-Panel bricht nicht mehr mit mehreren großen Marketplaces
Dieses Release kommt hauptsächlich Entwicklern zugute, die Claude Code für komplexe Coding-Aufgaben mit Subagenten nutzen, jenen, die mehrere Plugins verwalten, und Nutzern, die Leistungsprobleme mit großen Kontextfenstern oder HTML-Verarbeitung erfahren.
📖 Read the full source: GitHub Claude-Code
👀 Siehe auch

Qwen 3 8B übertrifft größere Modelle in blinden Peer-Evaluierungen bei schwierigen Aufgaben.
In einer verblindeten Peer-Evaluation von 10 kleinen Sprachmodellen bei 13 schwierigen Aufgaben auf Spitzenniveau gewann Qwen 3 8B 6 Bewertungen und platzierte sich in 12 von 13 Aufgaben unter den Top 3, wobei es Modelle mit bis zu 4-facher Parameterzahl übertraf. Die Evaluation umfasste Debugging verteilter Sperren, Nebenläufigkeitsfehler in Go, SQL-Optimierung, Bayes'sche medizinische Diagnose, Simpsons Paradoxon, Arrows Wahltheorem und Analyse des Überlebendenfehlers.

Der versteckte Preis von KI-generiertem Code: Debugging von Spaghetti-Code
Ein Reddit-Beitrag fängt die Realität ein: KI-generierten Code schnell ausliefern – und dann Wochen damit verbringen, aufgeblähte Funktionen, Nullzustandsfehler und kryptische Variablennamen zu debuggen.

Gemma 4 31B übertrifft größere Modelle auf dem FoodTruck Bench.
Gemma 4 31B belegte den 3. Platz beim FoodTruck Bench Benchmark und übertraf GLM 5, Qwen 3.5 397B sowie alle Claude Sonnet-Modelle. Das Modell scheint langfristige Aufgaben besser zu bewältigen und folgt seinen eigenen Planungsempfehlungen.

Open Source vs. Frontier-Modelle: Einzeldatei-Canvas-Autoszene-Benchmark
Ein Entwickler testete 12 Modelle, darunter GPT-5.5, Claude Opus 4.7 und Qwen 3.6 Plus, an einer Einzeldatei-HTML-Canvas-Fahranimationsaufgabe, deren Ergebnisse öffentlich verglichen wurden.