Suchen

Meta veröffentlicht Muse Glimmer als Open Source, OpenAI startet GPT-5.6-Cyber für die Cyberabwehr, Claude macht Fortschritte bei der Riemann-Vermutung

JLS42 /
Von künstlicher Intelligenz generierter Artikel
anthropic claude openai meta deepseek open-source github ia-generative actualites
Meta veröffentlicht Muse Glimmer als Open Source, OpenAI startet GPT-5.6-Cyber für die Cyberabwehr, Claude macht Fortschritte bei der Riemann-Vermutung

ai-powered-markdown-translator

Artikel aus dem Französischen ins Deutsche mit gpt-5.4-mini.

Projekt auf GitHub ansehen ↗

Diese Woche veröffentlicht Meta Muse Glimmer, ein multimodales agentisches Modell mit 30 Milliarden Parametern und offenen Gewichten, das sofort über einen NVIDIA-GPU-beschleunigten Endpunkt zusätzlich zu Hugging Face zugänglich ist. OpenAI restrukturiert sein Daybreak-Cybersicherheitsprogramm und startet GPT-5.6-Cyber, ein Modell, das bereits dabei geholfen hat, eine bislang unbekannte Schwachstelle in der JavaScript-Engine von Chrome zu entdecken. Ein weiteres Highlight: Eine unveröffentlichte Forschungsversion von Claude hat bei einem mathematischen Problem im Zusammenhang mit der Riemann-Vermutung Fortschritte erzielt, mit verifizierter formaler Beweisführung. Ebenfalls auf dem Programm: Anthropic-Preisgestaltung, Entwickler-Tools, Unternehmens-Voice-KI und IA-native Finanzen.

Meta veröffentlicht Muse Glimmer, ein agentisches 30B-Modell mit offenen Gewichten, verfügbar über NVIDIA

Meta hat Muse Glimmer veröffentlicht, ein dichtes multimodales Modell mit 30 Milliarden Parametern (2B visueller Encoder + 28B Textdecoder), das für den lokalen, dauerhaften Betrieb auf Endverbraucherhardware optimiert ist — Mac oder PC mit leistungsstarker GPU. Die Gewichte werden unter der Lizenz Apache 2.0 verteilt. Das Modell unterstützt ein Kontextfenster von mehr als 120.000 Tokens und erreicht laut NVIDIA bis zu 20.000 Tokens pro Sekunde auf einer einzelnen GPU; Alexandr Wang (Meta Superintelligence Labs) präzisiert, dass es auf 24 GB VRAM ohne Verlust an agentischer Zuverlässigkeit läuft.

Technisch kombiniert Muse Glimmer Sliding-Window-Attention und vollständige Attention, eine Gated Grouped-Query-Attention-Architektur, die den Speichercache um den Faktor 16 reduziert, sowie ein leichtes Entwurfmodell DFlash, das die Generierung um das 2- bis 4-Fache beschleunigt. Die Unterstützung ist ab Tag 0 in transformers, llama.cpp und vLLM verfügbar, mit quantisierten GGUF-Gewichten und Bereitstellungen über Hugging Face Inference Endpoints.

Technische EigenschaftGemessener Wert
Parameter30B (Encoder 2B + Decoder 28B)
LizenzApache 2.0
Kontextfenster120.000+ Tokens
Mindest-VRAM24 GB
Durchsatz (1 GPU)bis zu 20.000 Tokens/s
MCP Atlas (agentisch)75,5 (gegenüber 54,2–62,5 bei den Wettbewerbern)

NVIDIA hat umgehend einen GPU-beschleunigten Zugangspunkt geöffnet, um Muse Glimmer zu testen, optimiert für seine Edge-, Desktop- und Workstation-Plattformen — eine konkrete Verfügbarkeit zusätzlich zum Herunterladen der Gewichte.

Introducing Muse Glimmer, an open-weight 30B-parameter model optimized for local, always-on agent workflows. […] we’re releasing model weights under a permissive Apache 2.0 license.

🇩🇪 Vorstellung von Muse Glimmer, einem Modell mit offenen Gewichten und 30 Milliarden Parametern, optimiert für lokale und dauerhafte Agenten-Workflows. […] wir veröffentlichen die Modellgewichte unter der permissiven Apache-2.0-Lizenz. — @AIatMeta auf X

🔗 NVIDIA bietet einen GPU-beschleunigten Endpunkt für Muse Glimmer an

OpenAI erweitert Daybreak und startet GPT-5.6-Cyber, eine neue in Chrome entdeckte CVE

OpenAI restrukturiert sein Cybersicherheitsprogramm Daybreak in zwei Zugriffsebenen und startet GPT-5.6-Cyber, ein spezialisiertes Modell auf Basis von GPT-5.6 Sol. Das erklärte Ziel: Spitzenintelligenz in die Hände vertrauenswürdiger Verteidiger zu legen, bevor offensive Fähigkeiten bei Angreifern massenhaft verfügbar werden.

ZugriffsstufeVerwendetes ModellZielgruppe
Daybreak BlueGPT-5.6 Sol (System-Sicherungen aufgehoben)Empfohlener Einstiegspunkt für die Mehrheit der Verteidiger
Daybreak RedGPT-5.6-Cyber (neu)Erfahrene Sicherheitsforscher, fortgeschrittene autorisierte Arbeiten

GPT-5.6-Cyber reduziert Ablehnungen bei bestimmten hochriskanten Dual-Use-Anfragen (etwa Pentesting auf Produktionssystemen) und übertrifft GPT-5.6 Sol sowie das ältere GPT-5.5 Cyber bei ExploitGym 2. Unter realen Bedingungen half das Modell dabei, zwei bislang unbekannte Schwachstellen in V8, der JavaScript-Engine von Chrome, zu entdecken, die Speicherbeschädigung und einen Sandbox-Ausbruch aus dem Heap ermöglichten; nach koordinierter Offenlegung gegenüber Google wurde die Lücke behoben und als CVE-2026-15903 erfasst. Außerdem identifizierte es mindestens fünf Schwachstellen in einem populären mobilen Betriebssystem, drei kritische Lücken in einer populären Datenbank und mehr als 400 Privilege-Escalation-Schwachstellen in einem populären Betriebssystemkern — Korrekturen laufen derzeit mit den Daybreak-Partnern.

OpenAI verlangt ab dem 1. September 2026 Hardware-Sicherheitsschlüssel für alle individuellen Daybreak-Konten, und ein Daybreak Cyber Partner-Programm bringt bereits Dienstleister (Accenture, IBM, KPMG) und Sicherheitsanbieter (Palo Alto Networks, CrowdStrike, Cisco) zusammen, um diese Modelle in ihre Dienste zu integrieren.

We’re expanding our cybersecurity initiative Daybreak and introducing GPT-5.6-Cyber, a new model for advanced, authorized cybersecurity work.

🇩🇪 Wir erweitern unsere Daybreak-Cybersicherheitsinitiative und starten GPT-5.6-Cyber, ein neues Modell für fortgeschrittene und autorisierte Cybersicherheitsarbeiten. — @OpenAI auf X

🔗 Daybreak erweitern, während sich das Zeitfenster für die Cyberabwehr verengt

Claude macht Fortschritte bei der Riemann-Vermutung, ohne sie zu lösen

Anthropic bat eine unveröffentlichte Forschungsversion von Claude, sich der Riemann-Hypothese zu widmen, einem der sieben Millennium-Preis-Probleme des Clay Mathematics Institute (je 1 Million US-Dollar). Claude löste das Problem nicht, machte aber bei einer verwandten Frage Fortschritte: Es hob die Untergrenze des Anteils der Nullstellen der Riemannschen Zetafunktion, die die Hypothese erfüllen, von 41,6 % auf 67,2 % an.

Die Arbeit erfolgte in zwei Sitzungen mit insgesamt 31 Millionen Ausgabetokens. Die erste erzeugte 650 Anfangsideen, die allesamt erfolglos blieben. Für den zweiten Versuch koordinierte Claude 60 spezialisierte Subagenten (mathematische Entwicklung, Ideengenerierung, Validierung, Redaktion), führte 2.400 Shell-Befehle aus und lud 54 Artikel von arXiv herunter, um seine Ansätze zu überprüfen. Das Ergebnis wurde anschließend von zwei Mathematikern bei Anthropic gegengelesen und dann von den externen Experten Brian Conrey und Dan Goldston geprüft. Claude lieferte einen formal in Lean verifizierten Beweis, der die Standardvalidierung bestand.

Dieses Ergebnis verlässt den üblichen Benchmark-Rahmen: Eine messbare Verbesserung bei einem seit Jahrzehnten offenen Problem, mit unabhängiger Verifikation und formaler Beweisführung, zeigt, wie Anthropic seine Forschungsmodelle mittlerweile an fundamentalen mathematischen Problemen testet statt an klassischen Software-Engineering-Aufgaben.

We asked an unreleased research version of Claude to take a stab at the Riemann hypothesis. It didn’t solve it, but it did make strides on a related problem: it increased the lower bound for the fraction of zeros of the Riemann zeta function that satisfy the hypothesis from 41.6% to 67.2%.

🇩🇪 Wir haben eine unveröffentlichte Forschungsversion von Claude gebeten, ihr Glück bei der Riemann-Hypothese zu versuchen. Sie hat sie nicht gelöst, aber bei einem verwandten Problem Fortschritte gemacht: Sie hat die Untergrenze des Anteils der Nullstellen der Riemannschen Zetafunktion, die die Hypothese erfüllen, von 41,6 % auf 67,2 % angehoben. — @AnthropicAI auf X

🔗 Vollständige methodische Details im Forschungsblog von Anthropic

Anthropic: Preisgestaltung und Sicherheit

Der Einführungspreis von Sonnet 5 wird dauerhaft

Anthropic bestätigt, dass der Einführungspreis von Claude Sonnet 5 — $2 pro Million Input-Tokens, $10 pro Million Output-Tokens — dauerhaft wird. Das Modell war im Juni mit diesem als Aktionspreis bezeichneten Tarif gestartet worden, gültig bis zum 31. August 2026. Anthropic beseitigt damit die Unsicherheit für Teams, die ihre erwarteten Kosten um diesen Einführungspreis herum kalkuliert hatten: Für dieses Modell ist zum Herbst keine Preiserhöhung zu erwarten, was seine Preisposition gegenüber der Konkurrenz bei tokenintensiven Einsatzszenarien festigt.

🔗 Ankündigung

Prompt-Injection ist laut Anthropic „weitgehend gelöst“

Boris Cherny, Produktleiter von Claude Code bei Anthropic, sagt, dass Prompt-Injection — die häufigste Angriffsart gegen Nutzer und KI-Agenten, bei der eine bösartige Website oder ein Dokument eine versteckte Anweisung einschleust, die vom Modell ausgeführt wird — mit Claude-Modellen inzwischen in der Praxis weitgehend gelöst sei. Er präzisiert, dass dieser Fortschritt vor allem aus dem Training der Modelle stammt und durch mehrere übereinanderliegende Sicherheitsklassifikatoren ergänzt wird: Die Kombination aus Modell + Detektor (Probe) + Automatikmodus würde die Erfolgsquote von Angriffen auf 0 % senken; dieses Setup wird am 14. August zum Standard-Permisssionsmodus von Claude Code. Es handelt sich um eine öffentliche Aussage auf X, nicht um eine formelle Forschungsarbeit mit detaillierter Methodik.

🔗 Tweet

Entwicklungstools: Amp wechselt zu OpenAI, Copilot Chat verbessert sich

Amp stellt sein Modussystem auf OpenAI um, wenn ein ChatGPT-Abonnement verknüpft ist

Das agentische Code-Tool Amp ändert die Routing-Logik seiner Modi („the Dial“), wenn ein Konto mit einem ChatGPT-Abonnement verknüpft ist. Mit verknüpftem Abonnement wechseln die Modi low, medium und high auf OpenAI-Modelle (GPT-5.6 Terra für den low-Modus und Code-Review, GPT-5.6 Sol für den Agenten und das Orakel im high-Modus) statt GLM-5.2 oder Claude Fable. Ohne verknüpftes Abonnement ändert sich nichts. Amp begründet den Verzicht auf Claude Fable als Orakelmodell mit einer Konvergenz der Frontier-Modellleistungen: Mitgründer @sqs hält es für unwahrscheinlich, dass ein zukünftiger Test den 80-fachen Preisunterschied zwischen Fable und den eingesetzten OpenAI-Modellen rechtfertigen würde. Der Ultra-Modus ist nicht betroffen und läuft weiterhin auf Claude Fable.

🔗 We changed the Dial

Copilot Chat auf github.com: verbesserte Gesprächssteuerung

GitHub aktualisiert Copilot Chat auf github.com mit drei Verbesserungen, allgemein verfügbar für alle Pläne. Der Zugriff auf jüngste Unterhaltungen wird erleichtert, das Chatfenster kann nun während der Antwortgenerierung minimiert und anschließend wieder geöffnet werden, um das Gespräch fortzusetzen, und eine Anzeige des Tokenverbrauchs erscheint direkt im Chat — mit Aufschlüsselung nach Sitzung und Nachricht. Diese Anpassungen sind eher ergonomische Verbesserungen als ein großes neues Feature, entsprechen aber einem konkreten täglichen Bedarf für Konten mit begrenzten Copilot-Kontingenten.

🔗 Copilot im Web erweitert die Gesprächssteuerung

Open-Source-Ökosystem und Inferenz

NVIDIA veröffentlicht Magpie TTS Multilingual, offenes TTS für Sprachagenten in 12 Sprachen

NVIDIA veröffentlicht Magpie TTS Multilingual, ein Sprachsynthese-Modell mit offenen Gewichten und rund 357 Millionen Parametern, unter der NVIDIA Open Model License, das zwölf Sprachen abdeckt (darunter Französisch) und jeweils männliche und weibliche Stimmen bietet. Die Latenz bis zum ersten Ton beträgt 32 ms bei Einzelstream auf einer B200-GPU (239 ms bei 64 gleichzeitigen Streams), 47 ms auf H100 und 79 ms auf A100, bei einem Realzeitfaktor von bis zu 320x. Auch die Zeichenfehlerrate sinkt: von 2,70 % auf 1,54 % für Französisch, von 1,14 % auf 0,60 % für Spanisch. Die Bereitstellung ist über die offenen Gewichte auf Hugging Face oder über NVIDIA NIM in Produktion möglich.

🔗 Multilinguale Sprachagenten mit niedriger Latenz entwickeln

Eine Destillationstechnik reduziert den benötigten GPU-Speicher um bis zu 15x

Multiverse Computing veröffentlicht eine Wissensdestillationstechnik, die Offline-Caching der Teacher-Logits mit einer verschmolzenen KL-Verlustfunktion kombiniert, sodass die vollständige Vokabular-×-Sequenzlängen-Matrix nicht materialisiert werden muss. Ergebnis: Der GPU-Speicher sinkt bei 32K Kontexttokens von 85,2 GB auf 5,45 GB (bis zu 15,6-fache Reduktion), und die Distillation eines GPT-OSS-20B-Modells ging von vier GPU-Knoten auf einen einzigen über, bei etwa 5x kürzerer Iterationszeit. Auf GPT-OSS 120B und Kimi-K3 (2,8T Parameter) angewendet, behält die Technik etwa 90 % der Teacher-Genauigkeit bei BoolQ und HellaSwag. Der Code ist als Open Source auf GitHub veröffentlicht.

🔗 Wissensdestillation so günstig machen, dass sie im großen Maßstab läuft

DeepSeek-V4-Flash über den Ollama-Cloud-Stack von Together AI verfügbar

Together AI stellt nun die Inferenzinfrastruktur hinter DeepSeek-V4-Flash für die Ollama-Cloud bereit, die als derzeit leistungsstärkstes Hosting für dieses Modell mit offenen Gewichten beschrieben wird. Das Angebot betont eine Zero-Retention-Datenpolitik sowie Hosting in den USA und in der Europäischen Union — ein Argument für Souveränität für Unternehmen, die DeepSeek-V4-Flash nutzen wollen, ohne von einer chinesischen Infrastruktur abhängig zu sein. Das ist ein neuer Vertriebskanal zusätzlich zur bereits bestehenden Verfügbarkeit von DeepSeek-V4-Flash direkt auf Together AI.

🔗 Tweet

Sakana AI trainiert seinen Fugu-Orchestrator auf einer Gemma-4-Basis

Sakana AI veröffentlicht eine neue Version des Orchestrator-Modells seines Multi-Agent-Orchestrierungsprodukts Fugu, diesmal auf Basis des offenen Modells Gemma 4 trainiert, zusätzlich zum bereits angebotenen austauschbaren Modellpool. Die zweischichtige Architektur — ein kleines Orchestrator-Modell, das Aufgaben verteilt, und ein Modellpool, der die eigentliche Verarbeitung ausführt — stützt sich auf die auf der ICLR 2026 vorgestellten Arbeiten Trinity und Conductor. Interne Bewertungen zeigen eine mit der vorherigen Version vergleichbare Orchestrierungsleistung bei reduzierten Kosten. Langfristig zielt Sakana AI auch auf eigene Orchestrator-Modelle ab, um den Anforderungen an digitale Souveränität in Japan gerecht zu werden.

🔗 Fugu × Gemma 4

Together AI erläutert die Partnerschaft mit Cursor für Echtzeit-Inferenz

Together AI veröffentlicht einen gemeinsam mit Cursor verfassten Artikel, der die Infrastrukturschaft ihrer Inferenzpartnerschaft beschreibt: In den Editor integrierte Agenten erzeugen Code, während Entwickler ihre Datei aktiv bearbeiten, was strenge Latenzanforderungen mit sich bringt — die Modellantwort muss sich in die Feedback-Schleife des Editors einfügen, ohne den Arbeitsfluss zu unterbrechen. Der Artikel zeigt, wie Together AI seine Infrastruktur aufgebaut hat, um diese Ziele in großem Maßstab zu erreichen, ein konkreter Anwendungsfall seiner dedizierten Inferenzangebote für KI-gestützte Entwicklungstools.

🔗 Tweet

Generative Medien: ElevenLabs bei Deutsche Telekom, MiniMax erläutert H3

ElevenLabs rollt seine KI-Sprachtechnologie bei Deutsche Telekom aus

ElevenLabs kündigt eine Partnerschaft mit Deutsche Telekom, dem größten Telekommunikationsanbieter Europas, an, um seine KI-Sprachtechnologie auf drei Ebenen zu integrieren: Kontaktzentrum, Consumer-App und das Netzwerk selbst. Der KI-Anrufassistent läuft auf ElevenLabs und ist direkt in das Netzwerk eingebunden, wodurch er auf jedem Mobilgerät verfügbar ist, das Anrufe tätigen kann, ohne dedizierte App — mit Live-Unterstützung während Anrufen, Echtzeitübersetzung und Transkription/Zusammenfassung von Gesprächen. Die Partnerschaft begann Anfang 2025 als Set von App-Funktionen und entwickelte sich zu einer Kernintegration in die Dienste von Deutsche Telekom, mit geplanter Ausweitung.

🔗 Tweet

MiniMax erläutert die Open-Source-Roadmap von H3

Nach einer AMA-Session auf Reddit veröffentlicht MiniMax eine Zusammenfassung der Open-Source-Roadmap seines Videomodells H3. Ein Wechsel zur Lizenz Apache-2.0 ist „auf dem Tisch“, sobald die urheberrechtlichen Fragen geklärt sind; ein vollständiger technischer Bericht soll folgen. MiniMax plant außerdem, die Gewichte von H3-Regenerate-2K offenzulegen, einem Latent-Space-Regenerationsmodell, das ein 768p-Ergebnis erneut in 2K ausgeben kann, eine Sparse-Attention-Implementierung, eine untersuchte latenzarme 4-NFE/8-NFE-Variante sowie ein einheitliches Bildgenerierungs-/Bildbearbeitungsmodell aus der H3-Linie. Der Ref2VA-Workflow ermöglicht es bereits, Clips aneinanderzureihen, um 60-Sekunden-Videos zu erzeugen.

🔗 Tweet

Multimodale Agenten und IA-native Finance

Qwen-MM-Plugins: multimodale Agenten nativ machen

AlibabaQwen kündigt Qwen-MM-Plugins an, eine Plugin-Familie, die darauf ausgelegt ist, jede Agenten-Laufzeitumgebung (_agent harness) multimodal-nativ zu machen: Bilder, Videos und Dokumente lesen, Videos bearbeiten und mit 3D-/CAD-Dateien arbeiten. Die Idee: Statt eines isolierten multimodalen Modells wird eine Plugin-Schicht auf die bereits vom Entwickler verwendete Umgebung aufgesetzt. Die Ankündigung nennt weder Benchmarks noch Preise noch ein genaues Verfügbarkeitsdatum — sie bleibt auf Teaser-Produktebene, mit einer Videodemonstration zur Untermauerung. Dieser Launch setzt die Qwen-Strategie von 2026 fort, die ihr Angebot nun eher in Richtung multimodaler agentischer Werkzeuge als in Richtung neuer Rohmodellgewichte ausweitet.

🔗 Tweet

Fünf Lehren für den Aufbau einer IA-nativen Finance-Funktion

Die CFO von OpenAI, Sarah Friar, teilt fünf Lehren zum Aufbau einer IA-nativen Finance-Funktion, rund um zwei Ziele: einen Zero-Day-Abschluss (eine Echtzeit-, abgeglichene und nachvollziehbare Sicht auf die Unternehmensfinanzen) und eine kontinuierliche Prognose. Zu den Lehren gehören: Zugang für alle schaffen und dann einen Grund geben, ihn zu nutzen — veranschaulicht durch einen Finance-Hackathon, aus dem IR-GPT entstand, ein benutzerdefiniertes GPT zur Beantwortung von Due-Diligence-Fragen von Investoren; Experimentieren von unten nach oben mit einer Strategie von oben nach unten verbinden; statische Tabellenkalkulationen zugunsten lebendiger Tools überwinden, die auf dem vollständigen Geschäftskontext aufbauen; klare Verantwortlichkeiten in jedem Workflow schaffen; und den Return on Investment von IA messen.

🔗 Building an AI-native finance function

Premium-Sitze kommen für ChatGPT Business

OpenAI führt Premium-Sitze für ChatGPT Business ein, die den aktivsten Mitarbeitenden 5-mal so viel Nutzung wie Standard-Sitze und keine Nutzungsgrenze über fünf Stunden hinweg bieten.

SitztypMonatspreisJahrespreis (monatlich umgelegt)
Standard$25/Nutzer$20/Nutzer
Premium$125/Nutzer$100/Nutzer

Unternehmen können Standard- und Premium-Sitze innerhalb desselben Arbeitsbereichs kombinieren. Einführungsangebot: Arbeitsbereichsinhaber, die sich vor dem 20. August 2026 anmelden, erhalten $100 Guthaben pro hinzugefügtem Premium-Sitz (bis zu $500 für fünf Sitze), mit möglichem frühem Zugang vor der allgemeinen Verfügbarkeit.

🔗 Premium-Sitze für ChatGPT Business

Kurzmeldungen

  • Claude Code — Leistungsgewinne bei CPU und Speicher: Das Team meldet in den letzten Monaten deutliche Verbesserungen bei CPU-Nutzung und Speicher am 99. Perzentil (P99 RSS), ohne genaue veröffentlichte Zahlen. 🔗 Tweet
  • Replit-CEO beschreibt die „self-driving company“ in Platformer: Amjad Masad erläutert seine Vision eines von einem internen Bot und Agenten gesteuerten Unternehmens, die Anwendungen anstelle von Menschen nutzen. 🔗 Tweet
  • Sakana AI erweitert sein RSI Lab auf Physical AI: Das Unternehmen will World Models für Physical AI aufbauen und stellt Vollzeit- und Praktikumsstellen in Tokio ein. 🔗 Tweet
  • FC Bayern München kooperiert mit Google Pixel und Gemini: Partnerschaft angekündigt, ohne Details zur genauen Art (Sponsoring, Produktintegration). 🔗 Tweet
  • Gemini: Tipps für den Besuch amerikanischer Landwirtschaftsmessen: Lifestyle-Artikel im Google-Blog, der fünf bestehende Gemini-Anwendungen zusammenfasst (Routen, Ask Maps, AI Mode, Gemini Live, Fotobearbeitung), ohne neue Funktion. 🔗 Google Blog
  • GitHub-Abrechnung in Indien: Kundinnen und Kunden können nun die automatische wiederkehrende Zahlung per gespeicherter Karte aktivieren, über ein elektronisches Mandat gemäß der Reserve Bank of India. 🔗 Changelog
  • GitHub stellt personalisierte Abonnements pro Thread ein: Nur die Zustände Subscribed/Not subscribed bleiben verfügbar, bestehende personalisierte Abonnements werden automatisch auf Subscribed umgestellt. 🔗 Changelog
  • NVIDIA optimiert vLLM für Qwen 3.5 auf GB200: Die Optimierungen erreichen 25.000 Tokens pro Sekunde und GPU, als Vorbereitung auf den Start von Qwen 3.8. 🔗 Tweet
  • Codex Build Week — Projekte und Gewinner folgen: OpenAI gibt an, dass die Teilnehmenden ihre Ideen mit Codex in reale Projekte verwandelt haben; die Bekanntgabe der Gewinner folgt. 🔗 Tweet
  • OpenAI-Brief an den Gouverneur von Texas: Das Unternehmen erläutert sein Engagement für eine verantwortungsvolle Entwicklung der IA-Infrastruktur im Bundesstaat. 🔗 OpenAI
  • Model ML beschleunigt die Finance-Arbeit mit GPT-5.6 Sol: Die Kanzlei automatisiert die Erstellung nachvollziehbarer PowerPoint-Decks und Excel-Arbeitsmappen, mit 36 % weniger Tokens als Opus 5 in einem Excel-Workflow. 🔗 OpenAI

Was das bedeutet

Das Rennen um offene Gewichte beschleunigt sich und wird vielfältiger: Meta (Muse Glimmer), Alibaba (Qwen-MM-Plugins), MiniMax (H3-Roadmap) und Sakana AI (Fugu auf Gemma 4) veröffentlichen alle in derselben Woche wiederverwendbare Bausteine statt nur geschlossener Modelle. Der Trend geht über reinen Text hinaus: NVIDIA veröffentlicht ein mehrsprachiges TTS mit 357 Mio. Parametern, und Sakana AI begründet seine Wahl ausdrücklich mit digitaler Souveränität — ein Argument, das auch bei Together AI für das Hosting von DeepSeek-V4-Flash in der EU und den USA auftaucht.

IA-Sicherheit wandert vom Labor in die konkrete Produktion. GPT-5.6-Cyber von OpenAI begnügt sich nicht mit einem Benchmark-Score: Es hat eine echte CVE in V8 und Hunderte anderer Schwachstellen behoben und wird von einem verschärften Zugangsregime begleitet (Hardware-Schlüssel ab September verpflichtend). Im Gegenzug sagt Anthropic, die Prompt-Injection auf der Verteidigungsseite dank der Kombination aus Modell + Klassifikatoren neutralisiert zu haben — zwei komplementäre Ansätze (gezielter Angriff auf der einen Seite, gehärtete Verteidigung auf der anderen), die zeigen, dass Sicherheit zu einem eigenständigen Produktdifferenzierungsmerkmal wird und nicht zu einem Nebenthema.

Auf Infrastrukturseite bleibt die Ökonomie der Inferenz unter Druck: Die Distillationsmethode von Multiverse Computing halbiert den benötigten GPU-Speicher um den Faktor 15, Together AI stärkt seine Partnerschaft mit Cursor, um strenge Latenzanforderungen bei der Codebearbeitung einzuhalten, und Anthropic stabilisiert dauerhaft den Preis von Sonnet 5. Zusammengenommen deuten diese Bewegungen auf einen anhaltenden Kostendruck bei der Inferenz hin, da agentische und interaktive Anwendungen immer weiter verbreitet werden.

Schließlich etabliert sich IA ebenso in den Support-Funktionen von Unternehmen wie in der Grundlagenforschung. OpenAI dokumentiert, wie der eigene Finance-Bereich IA-nativ wird, und führt ChatGPT-Business-Sitze mit erhöhter Kapazität ein, während Model ML konkrete Token-Gewinne in Excel-Workflows meldet. Am anderen Ende des Spektrums erinnert das Ergebnis von Claude zur Riemann-Vermutung — formal verifiziert und von externen Mathematikern gegengeprüft — daran, dass dieselben Modelle auch an Problemen der Grundlagenforschung arbeiten, weit entfernt von Produktanwendungsfällen.

Quellen