Veröffentlichung von Claude-Code v2.1.25: Fehlerbehebung für Validierungsfehler
Claude-Code hat die Version v2.1.25 veröffentlicht, die sich auf die Behebung eines spezifischen Validierungsfehlers konzentriert, mit dem Benutzer beim Beta-Header konfrontiert waren. Dieser Fehler betraf insbesondere diejenigen, die das Gateway auf Plattformen wie Bedrock und Vertex verwendeten. Als Antwort darauf wurde ein Workaround durch die Einführung der Umgebungsvariable CLAUDE_CODE_DISABLE_EXPERIMENTAL_BETAS=1 bereitgestellt, die verwendet werden kann, um dieses Problem zu verhindern.
Dieses Update ist entscheidend für Entwickler, die Claude-Code in Systeme integriert haben, in denen die experimentellen Beta-Funktionen während der Nutzung zu Validierungsfehlern führten. Durch das Setzen der oben genannten Umgebungsvariable können Entwickler einen reibungslosen Betrieb sicherstellen, ohne auf den zuvor erlebten Validierungsfehler des Beta-Headers zu stoßen.
📖 Lesen Sie die vollständige Quelle: GitHub Claude-Code
👀 Siehe auch
Microsoft beendet Umsatzbeteiligung mit OpenAI, Auswirkungen auf KI-Agenten unklar
Microsoft wird seine Umsatzbeteiligung mit OpenAI, seinem wichtigsten KI-Partner, einstellen, wie Bloomberg berichtet. Dieser Schritt könnte sich darauf auswirken, wie Entwickler KI-Agenten über Azure OpenAI Services integrieren.
Meta verfolgt Mitarbeiter-Computerinteraktionen für KI-Agenten-Training
Meta installiert auf den Computern von US-Mitarbeitern Tracking-Software, um Mausbewegungen, Klicks und Tastenanschläge zu erfassen. Diese Daten dienen dem Training von KI-Modellen, die Arbeitsaufgaben eigenständig ausführen können. Das Tool läuft auf arbeitsbezogenen Apps und Websites und macht gelegentlich Bildschirmaufnahmen für den Kontext.
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.
Googles TimesFM 2.5: 200-Millionen-Parameter-Zeitreihenmodell mit 16k-Kontext
Google Research hat TimesFM 2.5 veröffentlicht, ein 200-Millionen-Parameter-Decoder-Foundation-Modell für Zeitreihenvorhersagen mit 16k Kontextlänge und kontinuierlicher Quantilvorhersage bis zu 1k Horizont.