Wie nutzt man Video-Use? Claude Code, Codex und andere AI Coding Agents schneiden Videos automatisch: Bearbeitung in natürlicher Sprache, Material und der praktische AI-Video-Workflow

Tippen Sie „schneid die Ähms raus“ ins Eingabefeld. Schickt der Agent die ganze mp4 nur an ein Bildmodell, gehen Rechnung und Latenz als Erstes durch die Decke. video-use von browser-use geht einen anderen Weg: Claude Code, Codex und andere Coding-Agents, die Befehle ausführen, lesen die Transkription, schreiben die Schnittentscheidung als EDL und rufen ffmpeg für die Datei auf. Das Repository weist sich als 100 % Open Source aus, der Einstieg ist github.com/browser-use/video-use. Dieser Text folgt README, install.md und SKILL.md im Stand vom 23. September 2026. Befehle und Pfade gelten nach den Dateien dieses Tages. Ändert sich nach dem Pull etwas, gilt Ihre lokale SKILL.md.

Die offizielle Liste der passenden Filme: Talking-Head, Montage, Tutorial, Reise, Interview. Ein voreingestelltes Menü gibt es nicht. Was Sie brauchen, ist eine Agent-Sitzung, die durchläuft, und eine Maschine, die nach der Transkription nicht mitten im Render einschläft.

Was video-use schneidet

Sie öffnen keine Timeline. Die Roh-Takes liegen in einem Ordner, dort starten Sie den Agent und sagen das Ziel in Klartext. Das offizielle Beispiel ist ein Satz: edit these into a launch video. Der Agent sichtet zuerst das Material, schlägt eine Strategie vor, wartet auf Ihre Zustimmung und schreibt dann edit/final.mp4 neben das Material. Das Skill-Repository bleibt sauber; Ergebnisse dürfen nicht nach video-use/ geschrieben werden.

Was das README als fertigen Film aufführt, ist das, was ffmpeg und ein paar optionale Animations-Engines können, kein neues Modell:

• Füllwörter und tote Luft zwischen den Takes entfernen: umm, uh, Versprecher mit Neustart, Stille
• Grading pro Segment: warmer Kinolook warm_cinematic, neutrale Anhebung neutral_punch, oder Ihre eigene ffmpeg-Filterkette
• 30ms Audio-Fade an jedem Schnittpunkt, damit es nicht knackst
• Untertitel einbrennen: standardmäßig zwei Wörter, alles in Großbuchstaben, der Stil ist änderbar
• Animationen darüberlegen: HyperFrames, Remotion, Manim oder PIL; mehrere Animationen laufen parallel über Sub-Agents
• Selbstcheck nach dem Render, erst danach sehen Sie das Ergebnis; der Sitzungsstand steht in project.md, nächste Woche geht der Schnitt weiter

Dieselbe Idee wie bei browser-use und Webseiten: Statt den Kontext mit Screenshots zu füllen, bekommt das Modell einen strukturierten Text. Beim Video ist dieser Text die Transkription.

Wie das Modell Video „liest“

Das SKILL sagt es direkt: Das LLM schaut sich das Video nie an, es liest es. Zwei Schichten reichen, um an Wortgrenzen zu schneiden.

Erste Schicht, immer geladen: die Audio-Transkription. Jede Quelldatei geht einmal durch ElevenLabs Scribe. Zurück kommen wortgenaue Zeitstempel, Sprechertrennung und Audio-Ereignisse wie (laughter), (applause), (sigh). Alle Takes landen in einer etwa 12KB großen takes_packed.md. Phrasen brechen, wenn die Stille 0,5 Sekunden erreicht oder der Sprecher wechselt. Das Modell liest vor allem Zeilen dieser Art:

## C0103  (duration: 43.0s, 8 phrases)
  [002.52-005.36] S0 Ninety percent of what a web agent does is completely wasted.
  [006.08-006.74] S0 We fixed this.

Zweite Schicht, nur bei Bedarf: das Bildkomposit. timeline_view exportiert für ein Zeitfenster Filmstreifen, Wellenform und Wortetiketten als PNG. Nur an Entscheidungspunkten: eine unsichere Pause, welche von zwei Wiederholungen bleibt, ob der Schnitt sauber sitzt. Es ist kein Scan-Werkzeug. Rufen Sie es nicht für jede Sekunde auf.

Zum Vergleich nennt das Projekt einen naiven Weg: 30.000 Frames mal etwa 1.500 Token pro Frame, ungefähr 45 Millionen Token Rauschen. Der Weg von video-use ist 12KB Text plus ein paar PNGs. Diese Zahl ist der Vergleich im Repository, keine auf dieser Website gemessene Rechnung. Die Richtung zählt: Im Kontext gehören Wörter und Zeiten, nicht herausgezogene Frames.

Installation: Claude Code, Codex, OpenClaw

Sie klonen den Skill, installieren ffmpeg, schreiben den ElevenLabs-Schlüssel und rendern im Materialordner nach bestätigter Strategie edit/final.mp4. Auf der Maschine müssen dafür vier Dinge zusammenpassen: ein Klon auf einem stabilen Pfad, ffmpeg und ffprobe im $PATH, der ElevenLabs-Schlüssel in der .env im Repo-Root und ein laufender Agent, der SKILL.md findet. Die Python-Abhängigkeiten stehen in pyproject.toml: requests, librosa, matplotlib, pillow, numpy. Einen eigenen Konsolenbefehl gibt es nicht; die Skripte starten direkt über python helpers/….py.

Die Installation dem Agent überlassen

Die offizielle Empfehlung: den folgenden Block an Claude Code, Codex, Hermes, OpenClaw oder jeden Agent mit Shell geben. Er klont selbst, installiert die Abhängigkeiten, registriert den Skill und fragt Sie einmal nach dem Schlüssel, wenn er ihn braucht:

Set up https://github.com/browser-use/video-use for me.

Read install.md first to install this repo, wire up ffmpeg, register the skill with whichever agent you're running under, and set up the ElevenLabs API key — ask me to paste it when you need it. Then read SKILL.md for daily usage, and always read helpers/ because that's where the editing scripts live. After install, don't transcribe anything on your own — just tell me it's ready and wait for me to drop footage into a folder.

Den Schlüssel gibt es auf der API-Keys-Seite von elevenlabs.io. Die Installationsprüfung sieht nur timeline_view.py --help und ffprobe -version. Transkribieren Sie keinen echten Clip, nur um zu beweisen, dass alles steht — Scribe wird pro Aufruf berechnet. Schreiben Sie ELEVENLABS_API_KEY in die .env im Repository-Root und setzen Sie chmod 600. Legen Sie den Schlüssel nicht in den Materialordner und lassen Sie bei der Installationsprüfung keine Transkription laufen. Nicht ausgeben, nicht committen. Der übliche Ort ist ~/Developer/video-use/.env.

Selbst klonen und registrieren

Wenn Sie es selbst machen, folgen Sie der manuellen Installation im Repo. Der Symlink zeigt auf das ganze Verzeichnis, weil helpers/ neben SKILL.md liegen muss. Klonen Sie github.com/browser-use/video-use nach ~/Developer/video-use und verlinken Sie das ganze Verzeichnis nach ~/.claude/skills/video-use oder ~/.codex/skills/video-use.

git clone https://github.com/browser-use/video-use ~/Developer/video-use
ln -sfn ~/Developer/video-use ~/.claude/skills/video-use
# Codex: ln -sfn ~/Developer/video-use ~/.codex/skills/video-use

cd ~/Developer/video-use
uv sync                         # or pip install -e .
brew install ffmpeg             # required; ffprobe comes with it
brew install yt-dlp             # optional, only when pulling footage from a URL

cp .env.example .env            # ELEVENLABS_API_KEY=...

Im Repository uv sync oder pip install -e . ausführen. Unter macOS brew install ffmpeg. yt-dlp erst installieren, wenn Footage von einer URL gezogen werden soll.

ffmpeg braucht 4.x oder neuer. Ein statischer Build geht auch. Unter Linux das Paket der Distribution, das sudo-Passwort nicht erraten. HyperFrames, Remotion und Manim installieren Sie erst, wenn der erste Animations-Slot drankommt. Am Tag der Installation ziehen Sie keinen davon global vor. HyperFrames braucht aktuell Node.js 22+. Für yt-dlp gilt dasselbe: erst bei Bedarf.

Zum Aktualisieren reicht git pull --ff-only. Der Symlink sieht den neuen Code in der nächsten Sitzung. Hat sich die Abhängigkeitsliste geändert, noch einmal uv sync.

Der erste Schnitt

Mit video-use schneiden Sie über Claude Code oder Codex den ersten Film. Nach der Installation arbeiten Sie im Materialordner, nicht im Skill-Repository:

cd /path/to/your/videos
claude    # or codex, hermes

Wechseln Sie mit cd in den Materialordner, starten Sie claude oder codex und sagen Sie zuerst, die Takes zu sichten und eine Strategie vorzuschlagen. Erst nach der Bestätigung rendern; die Datei liegt unter edit/final.mp4. Der erste Satz lautet nicht „fang an zu rendern“, sondern: Sichte diese Takes und gib mir die Strategie in Klartext. Der offizielle Ablauf ist: nachfragen, bestätigen, ausführen, selbst prüfen und in project.md notieren. Ohne Zustimmung zur Strategie wird nicht geschnitten.

Eine normale Sitzung stellt diese Fragen. Sie ändern sich mit dem Material, eine feste Liste gibt es nicht: Art des Films, Zieldauer und Bildformat, Anmutung, Momente, die bleiben müssen, Momente, die raus müssen, Animation und Grading ja oder nein, Untertitel ja oder nein. Danach beschreibt der Agent die Form in 4 bis 8 Sätzen: welcher Take, wohin geschnitten, Animation, Grading, Untertitel, voraussichtliche Dauer. Erst nachdem Sie zugestimmt haben, schreibt er edl.json, macht das Grading pro Segment und ruft render.py auf.

Die Vorschau läuft über render.py --preview (720p, schnell). Der Selbstcheck betrachtet auf der Endfassung etwa 1,5 Sekunden vor und nach jedem Schnittpunkt per timeline_view, plus Anfang, Ende und zwei bis drei Stellen in der Mitte, und prüft die Dauer mit ffprobe. Bei einem Fehler ändern, neu rendern, neu ansehen, höchstens 3 Runden. Bleibt nach 3 Runden etwas offen, wird es Ihnen markiert, keine Endlosschleife. Wenn Sie die Vorschau sehen, ist der Selbstcheck bereits durch.

Das Projekt bietet auch eine gehostete Probe (Browser Use Cloud) und einen dauerhaft laufenden Zugang über die Browser Use Box, von einem VPS oder aus Telegram. Auf Ihrer eigenen Maschine oder einem Cloud Mac ist der Weg der oben beschriebene: Materialordner plus registrierter Skill.

Ordner, Skripte und EDL

Die Originale bleiben unangetastet. Die ganze Sitzung landet in <videos_dir>/edit/:

Die Pipeline ist eine Gerade. Der Selbstcheck darf zum Render zurück, aber nur begrenzt:

Transcribe → Pack → LLM reasoning → EDL → Render → Self-Eval
                                              └ if something is wrong, revise, at most 3 rounds

Die üblichen Skripte liegen in helpers/, die Pfade relativ zum Verzeichnis von SKILL.md:

• transcribe.py: Scribe für eine Datei, optional --num-speakers, das Ergebnis wird gecacht
• transcribe_batch.py <videos_dir>: 4 Worker parallel, dafür bei mehreren Takes
• pack_transcripts.py --edit-dir: JSON wird zu takes_packed.md zusammengezogen
• timeline_view.py: PNG mit Filmstreifen an Entscheidungspunkten
• render.py <edl.json> -o …: pro Segment extrahieren, zusammenfügen, Overlays, zuletzt Untertitel einbrennen. --preview geht auf 720p, --build-subtitles schreibt dabei master.srt
• grade.py: Preset oder eigene Kette über --filter. Das Grading passiert beim Extrahieren des Segments, nicht als erneutes Kodieren des ganzen Films nach dem Zusammenfügen

Die Form von edl.json sieht ungefähr so aus. Zeiten und Pfade kommen aus Ihrem Material, die Sekunden aus dem Beispiel nicht übernehmen:

{
  "version": 1,
  "sources": {"C0103": "/abs/path/C0103.MP4"},
  "ranges": [
    {"source": "C0103", "start": 2.42, "end": 6.85,
     "beat": "HOOK", "quote": "...", "reason": "cleanest take"}
  ],
  "grade": "warm_cinematic",
  "overlays": [
    {"file": "edit/animations/slot_1/render.mp4", "start_in_output": 0.0, "duration": 5.0}
  ],
  "subtitles": "edit/master.srt",
  "total_duration_s": 87.4
}

Wenn aus mehreren Takes der beste Satz gewählt wird, startet ein weiterer Edit-Sub-Agent. Zusammengesetzt wird nach Beat (HOOK, Problem, Lösung …), nicht nach Dateireihenfolge. Anfang und Ende müssen auf Wortgrenzen liegen. Die Struktur darf Launch-Film, Tutorial, Interview oder etwas Eigenes sein. Keine Form festnageln.

Harte Regeln, an denen es scheitert

Das SKILL überlässt das künstlerische Urteil dem Modell und nagelt nur die 12 Regeln fest, deren Bruch den Film lautlos kaputt macht. Unten die, die Sie beim Schneiden wirklich hören und sehen. Die übrigen (Transkription cachen, Animationen parallel, erst bestätigen dann schneiden, Ergebnisse nur nach edit/) stehen schon weiter oben.

Das SRT von lokalem Whisper ist ausdrücklich als Anti-Pattern beschrieben: langsam, und es normalisiert Füllwörter weg. Die Transkription läuft über gehostetes Scribe und wird pro Quelldatei gecacht.

Wie das Material behandelt wird

Schnittpunkte kommen aus dem Gesprochenen und aus den Atempausen, das Bild folgt. Stille von ≥400ms ist meist der sauberste Schnitt. Phrasengrenzen bei 150–400ms gehen, das Bild aber einmal ansehen. Unter 150ms liegt der Schnitt meist mitten im Satz, das ist unsicher. Beim Sprecherwechsel dürfen 400–600ms Luft bleiben; ein schneller Schnitt zieht das zusammen, dokumentarisch bleibt mehr Luft. Das ist Geschmack, kein Gesetz. Lachen, Pointe und Betonung brauchen einen Ausklang; das Lachen selbst ist der Beat. Ereignisse wie (laughs) sind ein Signal, der Schnitt darf nicht davor sitzen.

Jeder Schnitt muss in Ton und Bild gleichzeitig tragen. Nur das Audio oder nur das Bild zu reparieren ist die Fehlerart, die das SKILL benennt.

Grading pro Segment. Erst einen Frame in timeline_view ansehen, dann eine Sache ändern, dann wieder ansehen. Presets sind nur der Anfang: Bei Talking-Head ist warm_cinematic die sicherere Wahl, neutral_punch hebt nur den Kontrast und lässt den Farbton in Ruhe, none ist der Standard, wenn Grading nicht erwähnt wurde. Solange die Hauttöne nicht geprüft sind, die Kurve nicht hart ziehen.

Untertitel haben drei Regler: Wörter pro Zeile, Groß- und Kleinschreibung, Abstand zum unteren Rand. Der fertige Stil für ein kurzes Launch-Video: zwei Wörter, durchgehend groß, Helvetica 18 Bold, weiße Schrift mit schwarzer Kontur, MarginV=35. Eine Dokumentation kann auf einen Satz mit 4–7 Wörtern, normale Schreibung und einen größeren Rand wechseln. In beiden Fällen die Untertitel zuletzt einbrennen, der Timecode liegt auf der Achse der Endfassung.

Animation: die Engine pro Slot wählen. Remotion nicht nur deshalb, weil es „nach Webseite“ aussieht:

• HyperFrames: HTML/CSS/GSAP, Motion für Produkt-UI, transparentes WebM. Im Slot-Ordner npx --yes hyperframes, braucht Node 22+
• Remotion: erst, wenn Sie React ausdrücklich nennen oder schon ein Remotion-Designsystem haben
• Manim: Formeln, Zustandsmaschinen, Morphs von Graphen. Das Repo bringt skills/manim-video/ mit
• PIL + PNG-Sequenz: Zähler, Schreibmaschine, einzelne Reveals. Das Launch-Beispiel nimmt genau diesen Weg, und er ist schnell

Sind Farben und Schrift unklar, in der Strategiephase stehen bleiben und erst nach der Bestätigung zeichnen. Karten, die zur Off-Stimme passen: einfache etwa 5–7 Sekunden, komplexe Grafiken 8–14 Sekunden, das Schlussbild mindestens 1 Sekunde stehen lassen. Reveals mit kubischem Ease-Out, nicht linear. Mehrere Animations-Slots starten gleichzeitig Sub-Agents; die reale Wartezeit entspricht ungefähr der langsamsten Animation. Der Prompt jedes Sub-Agents muss für sich stehen, weil sie die Elternsitzung nicht sehen.

Das Bildformat folgt der Quelle, außer Sie geben eines vor. Übliche Ziele: kinematisch 1920×1080@24, Bildschirminhalt 30fps, Hochformat 1080×1920, Quadrat 1080×1080. render.py skaliert standardmäßig alles, was ankommt, auf 1080p. Das Lieferformat gehört als Frage in die Strategie.

Formulierungen in natürlicher Sprache

Wirksame Sätze begrenzen die Strategie, sie schreiben ffmpeg keine Filter. Unten Sätze aus demselben Ablauf, die Sie direkt sagen können, auf Deutsch oder Englisch. Der Agent liest die Absicht:

• „Außer der Transkription noch nichts. Dateinamen, Dauer und ob Dialog da ist sichten. Die Strategie in sechs Sätzen, die EDL erst nach meiner Antwort.“
• „Das ist ein Talking-Head zum Produktlaunch. Ziel 60–90 Sekunden, 16:9. Ähms, Ahs und neu angesetzte Versprecher entfernen. Den Satz We fixed this und das Lachen danach behalten.“
• „Beide Takes erklären die Preise. Nimm den ohne Versprecher. Der Schnitt liegt auf der Wortgrenze, davor und danach jeweils etwa 80ms.“
• „Kein Grading. Keine Untertitel. Zuerst --preview. final.mp4 erst, wenn ich zustimme.“
• „Hochformat 1080×1920, Untertitel mit zwei Wörtern in Großbuchstaben. Als Animation nur eine Titelkarte von 5 Sekunden, die Farben erst nach Bestätigung.“
• „Die Quelldatei ist unverändert, nicht neu transkribieren. Nur den Out-Punkt des HOOK nach meiner letzten Anmerkung ändern.“

Änderungen laufen als Schleife in natürlicher Sprache: Strategie neu fassen, neu rendern, nicht neu transkribieren. Die Endfassung kommt erst, nachdem Sie die Vorschau bestätigt haben. Am Ende jeder Sitzung hängt project.md Strategie, Entscheidungen und offene Punkte an. Beim nächsten Öffnen des Ordners soll der Agent die letzte Sitzung in einem Satz zusammenfassen und fragen, ob es weitergeht.

Wann Sie es lassen sollten

Es ist ein Schnitt-Skill auf einem Coding-Agent, kein Grading-Pult.

• Musikmontage fast ohne Dialog. Schnittpunkte hängen an Sprachgrenzen und Stille. Die Bildabsicht müssen Sie selbst in die Strategie schreiben, sonst hat das Modell keine Hauptlektüre.
• Keyframes von Hand ziehen, Multicam live schalten, feine sekundäre Farbkorrektur. Das bleibt in Final Cut, Premiere und DaVinci. video-use macht den Rohschnitt, entfernt Füllwörter, brennt Untertitel ein und legt einfache Overlays. Die Datei kann danach ins NLE.
• Transkriptionsbudget. Scribe verbraucht ElevenLabs-Kontingent. Der Cache ist da, damit Sie nicht zweimal zahlen. Beim Installieren einen langen Clip probeweise zu transkribieren ist die häufigste Verschwendung.
• Selbstcheck ist keine Abnahme. Er zieht PNGs und Wellenformen um die Schnitte und fängt Jump Cuts, Knackser und verdeckte Untertitel. Er garantiert nicht, dass der Witz sitzt oder die Markenfarbe stimmt. Der Geschmack bleibt Ihre Zustimmung.
• Rechte. Nur Material schneiden, das Sie schneiden dürfen. Der Skill kann mit yt-dlp eine URL ziehen; das ist ein Materialeingang, kein Grund, Urheberrecht zu umgehen.
• Schlüssel. Nur in der .env des Skill-Repos. Nicht in den Materialordner, nicht in einen Chat, der woanders synchronisiert wird.

Warum lange Sessions auf einen Cloud Mac gehören

Ein Launch-Film ist oft: Batch-Transkription, Strategie hin und her, Vorschau in 720p, ein oder zwei Animations-Slots, am Ende 1080p. ffmpeg und die Sub-Agents brauchen Zeit. Klappt das Notebook zu, schläft der Agent-Prozess mit, und edit/ bleibt auf einer halben Vorschau stehen.

• Die Sitzung nicht abreißen lassen. Auf dem Cloud Mac tmux öffnen, Claude Code oder Codex darin laufen lassen. Nach dem Disconnect läuft das Rendern weiter, project.md ist noch da.
• Die Toolchain ist brew. Der offizielle macOS-Weg ist brew install ffmpeg. Auf derselben Maschine liegen Python, uv und Node 22 für HyperFrames. Nicht mitten im Render auf ein Linux wechseln und dort nach Filterunterschieden suchen.
• Die Platte folgt dem Material. Original und edit/ liegen auf der Platte, auf der der Agent läuft. Der Symlink verlinkt nur das Skill-Repo, nicht das Material.
• Getrennt von Coding-Aufgaben geht, auf einer Maschine ist es einfacher. Auf demselben Mac ändert Codex vormittags das Repo, nachmittags schneidet video-use den Launch-Talk. Beides sind lange Sessions, beide fürchten den Schlaf.

Das Modell kann nächste Woche ein anderes sein, das Skill-Verzeichnis und ffmpeg nicht. Legen Sie den Agent auf einen Vuncloud Cloud Mac. Das Notebook schaut nur preview.mp4 an und antwortet mit „HOOK noch zwei Sekunden kürzer“.

FAQ

Ist video-use eine Schnittsoftware?

Nein. Es ist ein Open-Source-Agent-Skill von browser-use. Sie sprechen im Materialordner, der Agent liest die wortgenaue Transkription, schreibt die EDL und rendert mit ffmpeg edit/final.mp4. Eine Timeline-Oberfläche gibt es nicht.

Welche Agents funktionieren?

Jeder, der eine Shell ausführen und SKILL.md lesen kann. Die offiziellen Pfade decken Claude Code, Codex, Hermes und OpenClaw ab. Verlinken Sie das ganze Repository, nicht nur ein Markdown.

Braucht es unbedingt ElevenLabs?

Für die Transkription ja. Scribe liefert wortgenaue Zeitstempel, Sprechertrennung und Ereignisse wie Lachen. Der Schlüssel liegt in der .env des Repositories, Rechte 600. Ohne Schlüssel startet die Pipeline nicht. Bei der Installation keinen echten Clip zur Probe transkribieren.

Sieht das Modell das ganze Video als Bilder?

Nicht dauerhaft. Die Hauptlektüre ist takes_packed.md. Bilder kommen nur an Entscheidungspunkten und beim Selbstcheck der Endfassung, als PNG über timeline_view.

Wo liegt die Datei, und wird das Original verändert?

Die Originaldateien bleiben liegen. Die Ergebnisse liegen in edit/ im Materialordner, die Endfassung ist final.mp4. Ohne Ihre Bestätigung der Strategie soll nicht geschnitten werden.

Ersetzt es Premiere oder Final Cut?

Rohschnitt von Talking-Head und Tutorial, Füllwörter entfernen, Untertitel einbrennen: das geht schnell. Keyframes, Multicam und feines Grading bleiben beim NLE. Bei fast dialoglosen Filmen müssen Sie die Bildstrategie selbst ausformulieren.

Fazit

Drei Sätze: video-use lässt den Coding-Agent die Transkription lesen, nicht Frames ziehen; vor Ihrer Zustimmung soll er nicht rendern; die Datei liegt neben dem Material in edit/final.mp4, nicht im Skill-Repository. Zuerst ffmpeg, Schlüssel und den Symlink auf das ganze Verzeichnis richtig setzen. Der erste Satz verlangt nur die Strategie. Grading und Animation erst, wenn die Vorschau steht.

Füllwörter und Atempausen passen in diese Pipeline. Geschmack und Rechte bleiben bei Ihnen. Die Maschine darf mitten im Render nicht einschlafen.

Weiterlesen

• Beste KI-Coding-Tools 2026 im Ranking: Claude, Cursor, GitHub Copilot, Codex, Gemini
• Codex-Wochenlimit erreicht? 7 Fixes, Kontingent-Mechanik & alternative APIs (2026)
• OpenAI DevDay 2026 voraus: Was kommt am 29. September? GPT-6-Astra, Agents API, Hosted Sandbox, Codex, API-Preise und AI-Agent-Funktionen auf einen Blick