Wer mit dem GitHub Copilot eine Unterhaltung startet, kann diese jetzt in VS Code fortsetzen – ohne Kontext, Code-Änderungen oder Gesprächsverlauf zu verlieren.
Ein neuer Workflow erlaubt es, eine Copilot-Sitzung aus der Smartphone-App ohne Kontextverlust in Visual Studio Code fortzusetzen.
GitHub arbeitet daran, die Grenze zwischen mobilem Nebenbei-Arbeiten und ernsthaftem Entwickeln aufzuloesen. Wer unterwegs mit der GitHub-Copilot-App eine Idee anstoesst, soll diese Sitzung spaeter am Schreibtisch im Editor nahtlos weiterfuehren koennen - ohne dass die Konversation, die vorgeschlagenen Code-Aenderungen oder der Arbeitskontext verloren gehen. Es geht also weniger um ein neues Modell oder spektakulaere Benchmark-Zahlen, sondern um eine Alltagsfrage: Wie bleibt die Arbeit mit einem KI-Agenten durchgaengig, wenn man das Geraet wechselt?
Konkret beschreibt ein am 19. Oktober 2026 veroeffentlichter Beitrag im GitHub-Blog, wie man eine Agent-Sitzung aus der Copilot-App in Visual Studio Code (VS Code, der weit verbreitete Code-Editor von Microsoft) uebernimmt. GitHub Copilot ist der KI-Programmierassistent, den Microsoft-Tochter GitHub seit einigen Jahren anbietet; er schlaegt Code vor, beantwortet Fragen zum Projekt und kann - im sogenannten Agent-Modus - mehrstufige Aufgaben eigenstaendig ausfuehren. Neu ist laut Beitrag, dass eine solche Agent-Sitzung inklusive Verlauf, Code-Aenderungen und Kontext aus der mobilen App in den Desktop-Editor wandern kann. Technische Details zu Datenformat, Synchronisation oder Verfuegbarkeit nennt die vorliegende Zusammenfassung nicht.
Relevant ist das aus zwei Gruenden. Erstens verschiebt sich der Umgang mit KI-Assistenten gerade von einzelnen Chat-Fenstern hin zu laufenden, geraete- und kontextuebergreifenden Sitzungen - aehnlich wie man es von Messengern kennt. Zweitens setzt GitHub damit einen Standard, an dem sich Wettbewerber messen lassen muessen: Entwicklerinnen und Entwickler erwarten zunehmend, dass eine KI nicht bei jedem Werkzeugwechsel die Erinnerung verliert. Fuer Teams in Unternehmen, in denen Arbeit oft zwischen Pendelzeit, Besprechungen und konzentrierten Coding-Phasen zerfaellt, kann ein durchgaengiger Faden mit dem Agenten Reibungsverluste verringern. Auch Nicht-Entwickler sollten die Richtung verstehen: Was bei Copilot mit Code passiert, duerfte bald fuer Office-Dokumente, Praesentationen oder Analysen genauso selbstverstaendlich werden.
Offen bleibt im Material einiges. Nicht belegt ist, ob die Funktion fuer alle Copilot-Plan-Stufen gilt, ob sie an bestimmte Betriebssysteme oder App-Versionen gebunden ist und wie der Transfer technisch ablaeuft - etwa ob die Sitzungsdaten dauerhaft auf GitHub-Servern liegen und wer in Unternehmen darauf zugreifen kann. Datenschutz- und Compliance-Fragen draengen sich auf, werden im vorliegenden Beitrag aber nicht beantwortet. Ebenso unklar ist, wie zuverlaessig der Kontext tatsaechlich uebertragen wird, wenn eine Agent-Sitzung bereits Dateien geaendert oder Befehle ausgefuehrt hat. Der Blogbeitrag ist seiner Form nach eine Anleitung, kein unabhaengiger Test; Erfahrungswerte aus der Praxis fehlen damit noch.
Fuer die naechsten Tage lohnt der Blick auf drei Punkte: Erstens, ob GitHub Details zur Verfuegbarkeit in Enterprise-Plaenen nachreicht. Zweitens, ob Wettbewerber mit eigenen Coding-Assistenten aehnliche Sitzungs-Uebergaenge ankuendigen. Und drittens, wie Nutzerinnen und Nutzer die Funktion im Alltag bewerten - gerade dort, wo mobile Vorarbeit und konzentriertes Arbeiten am Rechner tatsaechlich ineinandergreifen sollen. Ob daraus ein echter Produktivitaetsgewinn wird oder nur eine weitere Komfortfunktion, laesst sich aus dem Material heute noch nicht sagen.
Bundeskanzler Merz und Nvidia-Chef Jensen Huang haben eine strategische KI-Kooperation vorgestellt. Das Investitionsvolumen liegt im mehrstelligen Hundert-Millionen-Euro-Bereich. Ziel ist die Stärkung industrieller KI in Deutschland.
OpenAI steht vor einer Sammelklage: 8 US-Bundesstaaten werfen dem Unternehmen unzureichenden Nutzer- und Jugendschutz bei ChatGPT vor. Der Fall könnte die KI-Regulierung in den USA deutlich beeinflussen.
Das europäische Forschungszentrum CERN und das KI-Unternehmen Mistral haben eine Absichtserklärung zur strategischen Zusammenarbeit unterzeichnet. Details zur konkreten Ausgestaltung sind noch nicht bekannt.
Mistral veröffentlicht Timestral, ein Foundation-Modell speziell für Zeitreihendaten. Solche Modelle eignen sich etwa für Prognosen in Finanzen, Energie oder Industrie. Weitere Details zum Modell sind im Material nicht enthalten.
DeepSeek hat eine neue Version seines Modells unter dem Namen V4.1 Flash 1017 (Max) veröffentlicht. Technische Details oder Benchmarks enthält das vorliegende Material nicht.
Anthropic hat eine Initiative unter dem Titel 'Investing in the public benefit' bekannt gegeben. Konkrete Zahlen oder Ziele nennt das vorliegende Material nicht. Unklar, welche Projekte oder Partnerschaften damit verbunden sind.
Ein Entwickler hat das Open-Source-Modell Qwen3-4B nachtrainiert, um typische KI-Schreibmuster zu entfernen. Das Ergebnis soll natürlicher klingen. Das Projekt wurde auf Hacker News als Community-Beitrag vorgestellt.
Ein Beitrag beschreibt, wie das Terminal-Tool Tmux zusammen mit Claude Code genutzt werden kann. Über Send-Keys lassen sich KI-gestützte Coding-Sitzungen gezielter steuern. Details zu Grenzen dieser Methode enthält der Titel ('Ceiling').
DeepSeek-V4.1-Flash versteht gleichzeitig Bilder und Text. Das Modell wurde fast 18.000 Mal heruntergeladen und richtet sich an Nutzer, die multimodale Aufgaben schnell erledigen wollen.
Timestral-28M von Mistral ist auf Vorhersagen aus Zeitreihendaten spezialisiert – etwa für Umsatz- oder Verbrauchsprognosen. Mit 28 Millionen Parametern bleibt es kompakt und schnell.
Das Modell scFM-dataselection von Microsoft richtet sich an Forschende, die biologische Einzelzelldaten analysieren. Bisher kaum genutzt: null Downloads, ein Like.
Auf einer Branchenveranstaltung in Berlin kündigten NVIDIA und die European Broadcasting Union eine Zusammenarbeit an. Ziel ist ein souveränes Cloud-Framework für die Medienbranche.
TorchNeuron vereinfacht den Betrieb von Hugging-Face-Modellen auf Amazons KI-Chip Trainium. Für Entwickler bedeutet das weniger Aufwand beim Wechsel auf spezialisierte Hardware.
Das Startup Laminar hat flow-1 veröffentlicht – ein mit Reinforcement Learning trainiertes Modell, das Fehler in Abläufen von KI-Agenten erkennt. Grundlage ist ihr Open-Source-Observability-Tool für Agenten.
Keine Termine gemeldet.