Claude Code v2.1.237: Prompt-Caching-Fix für LLM-Gateways + integrierter prägnanter Ausgabestil

✍️ OpenClawRadar📅 Veröffentlicht: 20. August 2026🔗 Source
Ad

Claude Code v2.1.237 ist da, mit zwei Änderungen, die den Alltag beeinflussen: eine Korrektur für das Prompt-Caching bei Nutzung über ein LLM-Gateway oder eine benutzerdefinierte Basis-URL sowie ein neuer integrierter 'Kompakt'-Ausgabestil.

Prompt-Caching-Fix für Gateways

Wenn Sie Claude Code mit einem LLM-Gateway (wie LiteLLM oder einem Unternehmens-Proxy) oder einer benutzerdefinierten Basis-URL verwenden, war das Prompt-Caching in früheren Versionen offenbar defekt. Das widerspricht dem Zweck – Caching sorgt dafür, dass große Kontextfenster schnell und kosteneffizient bleiben. v2.1.237 behebt dies, sodass Sitzungen über diese Einrichtungen wieder die üblichen Cache-Treffer erzielen.

Neuer 'Kompakt'-Ausgabestil

Es gibt auch einen neuen Ausgabestil namens Kompakt. Aus dem Änderungsprotokoll: "Claude führt mit Ergebnissen und überspringt Präambel und Erzählung, erledigt die Arbeit aber ebenso gründlich." In der Praxis bedeutet das weniger Füllwörter wie "Ich werde nun Ihre Codebasis analysieren" und mehr direkte Antworten. Sie können ihn umschalten, indem Sie /config ausführen und unter Ausgabestil Kompakt auswählen.

Dies ist eine globale Einstellung, die nach Auswahl für alle Ihre Sitzungen gilt. Wenn Sie bisher benutzerdefinierte Prompts verwendet haben, um Kürze zu erzwingen, ist dies jetzt eine erstklassige Option.

Ad

Für wen das ist

  • Teams, die Claude Code über ein LLM-Gateway oder eine benutzerdefinierte Basis-URL leiten – der Caching-Fix ist wichtig für Leistung und Token-Kosten.
  • Entwickler, die weniger Erzählung und schnellere Antworten wünschen – der Kompakt-Stil ist einen Versuch wert.

Das Release ist auf GitHub als v2.1.237 markiert. Aktualisieren Sie mit npm update -g @anthropic-ai/claude-code oder Ihrem üblichen Installationsprogramm.

📖 Vollständige Quelle lesen: GitHub Claude-Code

Ad

👀 Siehe auch

Wenn RLVR kleinen feinabgestimmten Modellen hilft: Eine Analyse mit 12 Datensätzen
Nachrichten

Wenn RLVR kleinen feinabgestimmten Modellen hilft: Eine Analyse mit 12 Datensätzen

Ein kontrolliertes Experiment testete das Hinzufügen von RLVR-Verstärkungslernen auf 1,7-Milliarden-Parameter-Modelle, die mit SFT feinabgestimmt wurden. Die Ergebnisse zeigen, dass Textgenerierungsaufgaben im Durchschnitt um +2,0 Prozentpunkte verbessert wurden, während strukturierte Aufgaben um -0,7 Prozentpunkte zurückgingen.

OpenClawRadar
Mühelose Bereitstellung: Neuer Ein-Klick-AWS-Setup für Open Claw veröffentlicht
Nachrichten

Mühelose Bereitstellung: Neuer Ein-Klick-AWS-Setup für Open Claw veröffentlicht

Open Claw-Enthusiasten haben jetzt einen Grund zum Feiern. Ein neues Tool für die AWS-Bereitstellung mit einem Klick vereinfacht den Einrichtungsprozess für Open Claw und macht es sowohl für Entwickler als auch für Hobbyisten zugänglicher.

OpenClawRadar
GPT 5.4 Aufgabenabschlussproblem und Lösungsansätze
Nachrichten

GPT 5.4 Aufgabenabschlussproblem und Lösungsansätze

Nutzer berichten, dass GPT 5.4 Aufgaben vorzeitig abbricht und falsche Fortschrittsmeldungen liefert. Als Workarounds werden Herzschlag-Systeme oder Cron-Jobs genannt, die jedoch den Token-Verbrauch und Speicherprobleme erhöhen.

OpenClawRadar
Claude Code v2.1.228: Behebung der Git-Erkennung, TUI-Modell-Zurücksetzungen und Skill-Sicherheit
Nachrichten

Claude Code v2.1.228: Behebung der Git-Erkennung, TUI-Modell-Zurücksetzungen und Skill-Sicherheit

Claude Code v2.1.228 behebt Probleme mit der Git-Erkennung unter Windows, dem /tui-Modellwechsel, Bereinigungsfehlern und härtert synchronisierte Skills gegen Command-Shadowing oder das Ausführen lokaler !-Befehle ab.

OpenClawRadar