ai-powered-markdown-translatorAus dem Fr ins De übersetzter Artikel mit gpt-5.4-mini.
Diese Woche ist geprägt von einer Stellungnahme von Demis Hassabis zur Governance von Frontier-KI, zwei NVIDIA-Publikationen zu den Effizienzgewinnen von Blackwell und einer neuen agentengesteuerten Forschungsmethode sowie der allgemeinen Verfügbarkeit von GPT-5.6 auf Amazon Bedrock. Der Rest der Nachrichten deckt eine Welle offener Modelle (OCR, Vision-Language, ternäre Quantisierung), mehrere GitHub- und Manus-Neuigkeiten im Bereich Tooling sowie die Open-Source-Veröffentlichung des WANDR-Benchmarks von Perplexity ab.
Demis Hassabis schlägt einen Rahmen für Frontier-KI und einen Standards Body vor
14. Juli — In einem langen auf X veröffentlichten Beitrag bezieht Demis Hassabis, Mitgründer und CEO von Google DeepMind, Position zur Entwicklung hin zur künstlichen allgemeinen Intelligenz (AGI). Er ist der Ansicht, dass ein System mit allen kognitiven Fähigkeiten des menschlichen Gehirns wahrscheinlich nur noch wenige Jahre entfernt ist, und vergleicht die Tragweite dieses Umbruchs mit der Entdeckung von Elektrizität oder Feuer, mit einem potenziellen Einfluss, der zehnmal so groß ist wie der der industriellen Revolution, bei zehnfacher Geschwindigkeit.
Er warnt jedoch: Der derzeitige kommerzielle und geopolitische Wettlauf ist so intensiv, dass er weder die nötige Zeit lässt, die Risiken gut zu verstehen (Cybersicherheit und letztlich nukleare und biologische Risiken), noch die Kontrolle über immer autonomere und selbstverbesserungsfähige Systeme zu behalten.
Sein zentraler Vorschlag: ein Standards Body zur Bewertung von Frontier-Modellen, nach dem Vorbild einer öffentlich-privaten Partnerschaft unter Aufsicht des US-Bundesstaats — ähnlich der FINRA im Finanzwesen — mit einem Gremium aus unabhängigen technischen Expertinnen und Experten sowie Vertreterinnen und Vertretern der Open-Source-Welt. Die Finanzierung, überwiegend privat, soll führende technische Talente anziehen und die für Tests im großen Maßstab nötige Rechenleistung finanzieren. Hassabis sieht die Vereinigten Staaten als das am besten geeignete Land, um diesen Ansatz anzustoßen, und ruft zugleich zu internationaler Zusammenarbeit bei Sicherheitsfragen auf.
If you stop to think about it, we’ve essentially found a way to make sand think. It’s miraculous. The magnitude of this technology’s impact will be unprecedented, perhaps 10x of the Industrial Revolution at 10x the speed.
🇩🇪 Wenn man darüber nachdenkt, haben wir im Grunde einen Weg gefunden, Sand denken zu lassen. Das ist wundersam. Das Ausmaß der Auswirkungen dieser Technologie wird beispiellos sein, vielleicht zehnmal so groß wie die industrielle Revolution, bei zehnfacher Geschwindigkeit. — @demishassabis auf X
NVIDIA — Leistung pro Watt, die Schlüsselmetrik für die Effizienz von KI-Infrastrukturen
14. Juli — NVIDIA verteidigt die Leistung pro Watt als Referenzmetrik für die Effizienz von KI-Infrastrukturen: In einem Kontext, in dem die verfügbare elektrische Leistung die härteste Einschränkung ist, bestimmt dieses Verhältnis, wie viele Tokens eine KI-Fabrik innerhalb eines festen Leistungsbudgets erzeugen kann, und damit ihren Umsatz und ihre Rentabilität.
Das Unternehmen beziffert die Zugewinne seiner Blackwell-NVL72-Plattform gegenüber der Hopper-Generation:
| Bewertetes Modell | Gewinn an Leistung pro Watt (Blackwell NVL72 vs Hopper) |
|---|---|
| DeepSeek V4 Pro | bis zu 25x |
| GLM 5.1 | bis zu 20x |
| Kimi K2.6 (lange agentische Workloads) | bis zu 10x |
Ein Teil dieser Gewinne stammt vom Wechsel von einer GPU-Domäne mit 8 Einheiten (Hopper) zu integrierten Racks mit 72 GPUs, mit einem NVLink Switch der sechsten Generation, der In-Network-Computing (SHARP-Technologie) integriert. Über die Hardware hinaus liefert die Softwareoptimierung weiterhin erhebliche Zugewinne: bis zu 5x zusätzliche Leistung auf DeepSeek V4 in nur einem Monat, über den Stack TensorRT-LLM, Dynamo, SGLang und vLLM.
Auf der Ebene der elektrischen Infrastruktur soll die DSX-MaxLPS-Technologie den Betrieb von bis zu 40 % mehr GPUs bei identischem Leistungsbudget ermöglichen, dank temperierter Wasserkühlung und dynamischem Power-Management — wobei heute nur etwa 60 % des aus dem Netz bezogenen Stroms tatsächlich in nützliche KI-Arbeit in einer Fabrik umgewandelt werden. NVIDIA positioniert diesen Ansatz im Hinblick auf seine kommende Vera-Rubin-Plattform und verweist auf Produktionsrollouts bei Anthropic, OpenAI, CoreWeave, Perplexity und Fireworks AI.
NVIDIA — Nemotron Labs: autonome RL-Forschung, gesteuert durch Agentenfähigkeiten
14. Juli — NVIDIA hat „RL Autoresearch“ vorgestellt, eine Demonstration von Forschung im Reinforcement Learning, die von einem Agenten gesteuert wird und auf NeMo RL, NeMo Gym und wiederverwendbaren Skills basiert. Das Prinzip: einem codierenden Agenten ein Ziel und ein Zeitbudget geben und ihn dann die Trainingsumgebung selbst aufbauen, das Modell trainieren und evaluieren lassen, während die Forschenden lediglich die allgemeine Ausrichtung der Arbeit überwachen.
Im gezeigten Beispiel sollte der Agent einem Vision-Modell beibringen, farbige Sterne zu zählen. Das Modell Qwen3-VL-2B stieg von 25 % auf 96,9 % Genauigkeit, und der Agent schlug selbst das als Nächstes durchzuführende Experiment vor, ohne dass es ihm vom Forschenden vorgegeben wurde.
Ein zweites Beispiel, das eher dem Post-Training als der autonomen Forschung zuzuordnen ist, zeigt einen ähnlichen Einsatz: Ein Cosmos-3-Nano-Modell, das bei der Zero-Shot-Evaluation zunächst nicht in der Lage war, eine dennoch sichtbare Ampel zu erkennen, wurde per LoRA für die WTS-Validierungsaufgabe nachtrainiert (Fahrszenarien mit Wetter, Verkehr und Signalisation). Die Genauigkeit steigt nach dem LoRA von 54,41 % auf 87,14 % und anschließend mit NVIDIA TAO AutoML auf 93,35 % — alles in weniger als einem Tag.
We gave a coding agent a goal and a time budget: build a training environment and teach a vision model to count colored stars.
🇩🇪 Wir haben einem codierenden Agenten ein Ziel und ein Zeitbudget gegeben: eine Trainingsumgebung aufbauen und einem Vision-Modell beibringen, farbige Sterne zu zählen. — @NVIDIAAI auf X
Offene Modelle & Forschung
Sieben Veröffentlichungen prägen diese Woche im Bereich offener Modelle und Forschung, insbesondere getragen von Hugging Face, Together AI und Sakana AI.
| Bewertetes Modell | Herausgeber | Parameter | Lizenz | Schlüssel-Benchmark |
|---|---|---|---|---|
| OvisOCR2 | Unabhängiger Autor (HF) | 0,9 Milliarden | Apache 2.0 | 96,58 auf OmniDocBench v1.6 |
| MOSS-VL-Realtime | Open_MOSS | 11 Milliarden | Apache 2.0 | Kontext von 256.000 Tokens |
| Ternary Bonsai 27B | PrismML | ~27,3 Milliarden (ternär) | Kostenlos auf Together AI | 99,20 auf MATH-500 |
OvisOCR2: Dokumentenerkennung mit 0,9 Milliarden Parametern
OvisOCR2 reklamiert einen Wert von 96,58 auf OmniDocBench v1.6 und präsentiert sich als erstes End-to-End-Modell, das Pipeline-Systeme übertrifft (OCR, Layout-Erkennung und Analyse getrennt behandelt). Der Autor schlägt ein Verfahren vor, das Hugging Face Jobs nutzt, um beliebige Datensätze ohne lokale GPU per OCR in Markdown umzuwandeln. Einschränkung: Dieser Wert und die Aussage „erstes End-to-End-Modell“ stammen aus dem Ankündigungs-Tweet und wurden nicht anhand eines vollständigen Model Sheets überprüft.
MOSS-VL-Realtime: offenes Vision-Language-Modell für Echtzeitvideo
Das Open_MOSS-Team veröffentlicht ein Vision-Language-Modell mit 11 Milliarden Parametern, das für die kontinuierliche Analyse von Videostreams statt einzelner Bilder konzipiert ist: Es beobachtet das Video weiter, während es seine Antwort generiert, kann sie überarbeiten, wenn sich die Situation auf dem Bildschirm ändert, und entscheidet sich, ohne ausreichende Beweise zu schweigen. Die Varianten Base, Instruct und Realtime erscheinen alle unter Apache 2.0, mit Day-0-Unterstützung durch die Teams SGLang und LMSYS.
🔗 MOSS-VL-Realtime-Ankündigung auf X
LeRobot v0.6.0: native Unterstützung für Tiefe
Die Open-Source-Robotikbibliothek von Hugging Face fügt eine native End-to-End-Unterstützung für Tiefe (depth) hinzu: Wenn man eine Intel-RealSense-Kamera anschließt und use_depth: true aktiviert, werden die Tiefenkarten automatisch mit den RGB-Streams synchronisiert, in 12 Bit quantisiert und verlustfrei in HEVC kodiert. Die Funktionalität deckt SO-100/101, Koch, OpenArm, reBot und Unitree G1 ab.
🔗 LeRobot-v0.6.0-Ankündigung auf X
Sakana Marlin: ein „Virtual CSO“ für strategische Forschung
Sakana AI startet einen autonomen Forschungsagenten, der über den AB-MCTS-Mechanismus und einen AI-Scientist-ähnlichen Ablauf rund 8 Stunden lang tiefgehendes Denken betreibt, um statt einer Zusammenfassung strukturierte strategische Optionen zu liefern. Zu den Ergebnissen gehören Bericht, Anhänge, Referenzen und Folien. Das Produkt ist in Beta, mit nutzungsbasierter Preisgestaltung (98 Yen pro Credit) oder einem Enterprise-Angebot auf Anfrage.
Ternary Bonsai 27B: ternäre Quantisierung im Telefonformat
PrismML veröffentlicht eine von Qwen3.6 27B abgeleitete, ternär quantisierte Variante (g128-Format, 1,71 Bit pro Gewicht, etwa 9,4-mal kompakter als eine FP16-Basis), die laut Herausgeber 95 % der Qualität der Vollpräzision beibehält.
| Bewerteter Benchmark | Score |
|---|---|
| MATH-500 | 99,20 |
| AIME 2025 | 90,84 |
| HumanEval+ | 93,90 |
| Durchschnitt (15 Thinking-Benchmarks) | 80,49 |
Das Modell unterstützt einen Kontext von 262.000 Tokens und eine visuelle Eingabe und wird kostenlos auf der serverlosen Infrastruktur von Together AI angeboten.
🔗 Ternary-Bonsai-27B-Ankündigung auf X
Flash-BoN: Best-of-N neu gedacht für Diffusion
Sayak Paul (Hugging Face) zeigt, dass Best-of-N für das Scaling beim Inferenzzeitpunkt in Diffusionsmodellen eine robustere Referenz darstellt, als man bisher dachte — vorausgesetzt, man misst auch die reale Laufzeit und nicht nur die Anzahl der Funktionsauswertungen. Das Team führt Flash-BoN ein, das eine breitere Exploration der Samples statt wiederholter Zwischenvalidierungen bevorzugt.
Hugging Face öffnet ZeroGPU für alle Nutzer
Der Zugang zu den ZeroGPU-Demos (kostenlose GPUs auf Abruf) ist nun für alle Hugging-Face-Nutzer verfügbar, mit einem Agent-Skill, der es ermöglicht, eine Demo direkt aus einem Prompt in natürlicher Sprache zu bauen.
GitHub, Copilot & Manus
Code Scanning zeigt KI-Sicherheitsbefunde auf Pull Requests an
14. Juli — GitHub Code Scanning liefert jetzt KI-gestützte Sicherheitsbefunde direkt auf Pull Requests aus und erweitert damit die Abdeckung auf Sprachen und Frameworks, die von CodeQL nicht unterstützt werden. Die Funktion befindet sich in der öffentlichen Vorschau, ist weiterhin informativ: Sie blockiert das Mergen nicht, erfordert aktiviertes Default Setup von CodeQL sowie eine Copilot-Lizenz und verbraucht nur dann KI-Credits, wenn ein Befund erkannt wird.
Dependabot führt standardmäßig eine Latenzperiode ein
14. Juli — Dependabot wartet jetzt standardmäßig drei Tage nach der Veröffentlichung einer neuen Version, bevor ein Pull Request zur Aktualisierung geöffnet wird, um die Angriffsfläche für Supply-Chain-Angriffe zu verringern. Diese Verzögerung ist über die Option cooldown in .github/dependabot.yml konfigurierbar; Sicherheitsupdates bleiben sofort. Die Funktion wird in GitHub Enterprise Server ab Version 3.23 verfügbar sein.
/security-review in der GitHub-Copilot-App
14. Juli — Der Befehl /security-review ist in der öffentlichen Vorschau in der GitHub-Copilot-App verfügbar: Er analysiert laufende Code-Änderungen und liefert nach Schweregrad und Vertrauensniveau klassifizierte Ergebnisse, mit direkt anwendbaren Vorschlägen, ohne die App zu verlassen. Er deckt unter anderem Injections, Cross-Site Scripting und Path Traversal ab und ist für die Pläne Free, Pro, Business und Enterprise zugänglich.
Manus erzeugt jetzt native .pptx-Dateien
14. Juli — Manus erzeugte bisher Folien und konvertierte sie dann in .pptx; jetzt erzeugt es die native PowerPoint-Datei direkt, mit wirklich editierbaren Diagrammen (sie werden neu gezeichnet, wenn sich ein Wert ändert) und der Möglichkeit, Beschriftungen, Raster und Legende ein- oder auszuschalten.
Manus startet die automatische Veröffentlichung generierter Sites
13. Juli — Die neue Option auto-publish veröffentlicht automatisch jeden erfolgreichen Build einer Site unter ihrer Online-URL und ist standardmäßig deaktiviert. In Kombination mit einer Warteschlange für Änderungen entfernt sie den letzten manuellen Schritt zwischen dem Erstellen und dem Produktivsetzen.
Bild- & Videogenerierung
Wan-Dancer-14B: Open-Source-Videoerzeugung für Tanz
14. Juli — Alibaba stellt Wan-Dancer-14B als Open Source bereit, ein lokal ausführbares Modell, das auf die Erzeugung langer, rhythmischer Tanzvideos spezialisiert ist und die Synchronisierung zwischen Bewegung und Musik über längere Sequenzen hinweg statt nur für kurze Clips anstrebt.
HeyGen: Wort-für-Wort-Zeitstempel für Echtzeit-Avatare
14. Juli — HeyGen dokumentiert einen nicht öffentlichen Ablauf seiner Avatar-Realtime-API: ein Wort-für-Wort-Zeitstempelkana l ({mot, début, fin}), der die genaue Synchronisierung von Gesten und Sprache ermöglicht. Die Bestätigung des Sendens eines Textes erfolgt in etwa 70 ms, aber das Wort wird erst mehrere Sekunden später tatsächlich ausgesprochen, weshalb ein etwa viermal pro Sekunde neu berechneter Anker nötig ist. Der Mechanismus wurde über eine 24/7 auf Twitch ausgestrahlte Sendung erprobt, mit 9.269 live ausgegebenen Urteilen.
HeyGen — Figma → HyperFrames, Tag 9/30
14. Juli — Die Fähigkeit /figma importiert Assets, Brand-Tokens, Komponenten, Motion-Timelines und Storyboards direkt aus einer Figma-Datei. Für die Demonstration importierte das Team 27 benannte Farben und Stile und rekonstruierte ein Storyboard aus acht Frames als live interpretiertes Drehbuch.
NVIDIA — Nemotron: quantifizierte Rückmeldungen von Unternehmenskunden
14. Juli — NVIDIA veröffentlicht mehrere quantifizierte Kundenfälle rund um die offenen Nemotron-Modelle: H Company übertraf mit Holotron 3 Nano 76 % Genauigkeit auf OSWorld-Verified; Harvey hat Nemotron 3 Ultra so nachtrainiert, dass die Ausführungskosten mindestens zehnmal niedriger als bei geschlossenen Alternativen sind; Arcee AI gibt an, etwa 20-mal günstiger als ein vergleichbares geschlossenes Modell zu sein und gleichzeitig den zweiten Platz auf PinchBench zu belegen; Abridge und YTL AI Labs haben es jeweils für klinische Gespräche und die malaiische Sprache angepasst.
Anthropic
Claude for Teachers: kostenloser Zugang für K-12-Lehrkräfte in den USA
14. Juli — Anthropic startet einen kostenlosen Zugang zu den Premium-Funktionen von Claude für verifizierte K-12-Lehrkräfte in den USA, mit einer Bibliothek pädagogischer Skills und einer Anbindung an validierte Programme über Learning Commons, abgestimmt auf die Standards aller 50 Bundesstaaten. Gespräche werden niemals zum Training der Modelle verwendet, und Schülerdaten sind durch eine mit FERPA konforme Verarbeitungsvereinbarung abgedeckt.
Artifacts: öffentliche Freigabe, Multiplayer-Bearbeitung und Erstellung über Claude Tag
13. Juli — Artifacts erhalten öffentliche Freigabe (jeder mit dem Link kann sie ansehen), gleichzeitige Multiplayer-Bearbeitung (Team- und Enterprise-Tarife) sowie die Erstellung aus Claude Tag in Slack auf einfache Anfrage in einem Thread.
OpenAI
GPT-5.6 allgemein verfügbar auf Amazon Bedrock
13. Juli — Die drei am 9. Juli gestarteten GPT-5.6-Modelle — Sol (Flagship-Reasoning), Terra (Zwischenstufe) und Luna (schnelle Inferenz) — sind jetzt allgemein verfügbar auf Amazon Bedrock, auf der neuen Bedrock-Inferenz-Engine, die auf Leistung, Sicherheit und Skalierung ausgelegt ist. Damit werden die Zugangswege zu GPT-5.6 neben ChatGPT, der direkten OpenAI-API und Drittanbieter-Integrationen (Copilot, M365, Warp, Cursor, Devin) erweitert.
Codex, standardmäßig empfohlener Agent in JetBrains AI
14. Juli — JetBrains macht Codex zum standardmäßig empfohlenen Agenten in JetBrains AI (IntelliJ IDEA, PyCharm, WebStorm), eine nicht exklusive Wahl — der Nutzer kann jederzeit zu einem anderen Agenten wechseln —, die jeden Monat neu bewertet wird, während sich die Modelle weiterentwickeln.
Gemini
Gemini in Google Chrome im Vereinigten Königreich gestartet
14. Juli — Gemini ist nun von jedem geöffneten Chrome-Tab im Vereinigten Königreich aus zugänglich, ohne den Kontext zu wechseln: eine Seite zusammenfassen, Inhalte zwischen Tabs vergleichen, Fragen dazu beantworten, was auf dem Bildschirm angezeigt wird.
Erster Gemini-Bericht für Südostasien: Rekordadoption und Gemini Spark
14. Juli — Google veröffentlicht seinen ersten „Gemini Southeast Asia Report“: Die aktiven Nutzer haben sich in einem Jahr auf den sechs wichtigsten Märkten mehr als verdoppelt (Indonesien, Malaysia, Philippinen, Singapur, Thailand, Vietnam), fast 70 % der Anfragen werden in der lokalen Sprache gestellt, und im vergangenen Jahr wurden über Nano Banana 5 Milliarden Bilder erzeugt. Zu diesem Anlass führt Google Gemini Spark ein, einen proaktiven Agenten, der in der Lage ist, Workspace-Aufgaben in lokalen Sprachen für Advanced-Abonnenten in der Region zu übernehmen.
Dev-Tools & Agenten
Devin Fusion: ein Preview-Agent, der an Fable 5 weiterleitet
13. Juli — Cognition startet Devin Fusion, einen in der Vorschau verfügbaren Agenten in Devin Cloud, bei dem ein Modell die Rolle eines Managers übernimmt und Aufgaben an ein kostengünstigeres Modell delegiert, statt alles mit einem einzigen Premium-Modell auszuführen. Laut dem Team verhält sich Fable 5 wie ein Manager, der delegiert, indem er vollständige Spezifikationen schreibt, während andere Modelle wie Opus 4.8 dazu neigen, Mikromanagement zu betreiben und ihren Kontext zu überladen. Ergebnis: geringere Kosten pro Aufgabe als bei Opus 4.8, trotz eines höheren Stückpreises von Fable 5 — außer beim seriellen Debugging, wo die Einsparungen weiterhin schwerer zu erzielen sind.
Perplexity stellt seinen WANDR-Benchmark als Open Source bereit
14. Juli — Perplexity veröffentlicht WANDR (Wide ANd Deep Research), einen internen Benchmark zur Bewertung von Recherche-Agenten bei breiten und tiefgehenden Aufgaben: 500 Aufgaben, 170.495 einzeln verifizierbare Datensätze auf drei Schwierigkeitsstufen. Der Prüfer ruft jede zitierte Seite erneut ab, um sicherzustellen, dass jede Behauptung durch die zugrunde liegende Evidenz gestützt wird. Bei sechs getesteten Produktionssystemen bleiben die Ergebnisse bescheiden: 0,363 in weichem F1 und nur 0,133 in strengem F1, bei Kosten pro Aufgabe von 0,03 Dollar bis 324,83 Dollar, je nach Konfiguration.
🔗 Perplexity-Ankündigung auf X · Benchmark auf GitHub
Kurzmeldungen
- Anthropic stellt 10 Millionen kanadische Dollar bereit, um neue KI-Forschungsarbeiten in Kanada in Partnerschaft mit lokalen Institutionen zu finanzieren. 🔗 Quelle
- Cognition feiert ein Jahr seit der Übernahme von Windsurf: annualisierter Umsatz von 73 Millionen auf über 500 Millionen Dollar gestiegen, mehr als 20 Millionen Zeilen Code geschrieben, Vereinheitlichung unter der Marke Devin Desktop. 🔗 Quelle
- Amp (Sourcegraph) veröffentlicht ein öffentliches Dashboard, das die Nutzung seiner Agent-Modi in Echtzeit zeigt, sowohl für alle Nutzer als auch für das interne Team. 🔗 Quelle
- Warp integriert Sentry über MCP, um Root-Cause-Analyse (Seer) und das Erstellen von Pull Requests direkt aus dem Terminal heraus zu verbinden. 🔗 Quelle
- Composio ist jetzt auf Warp verfügbar und verbindet Agenten mit über 1.000 Anwendungen (Gmail, Slack, Linear, Google Calendar). 🔗 Quelle
- Zach Lloyd (CEO von Warp) veröffentlicht einen Essay über den Übergang von interaktiven Agenten zu „cloud software factories“, die den gesamten Software-Lebenszyklus automatisieren. 🔗 Quelle
- Hugging Face Jobs erlaubt es jetzt, einen lokalen Ordner direkt in einem Job über
-v dossier:/chemineinzubinden, ohne vorherigen Upload in ein Repository. 🔗 Quelle - llama.cpp feiert seine 10.000. Veröffentlichung (release), ohne zusätzliche technische Details. 🔗 Quelle
- LlamaCoder v4 (Together AI) erzeugt vollständige Anwendungen in einem einzigen Prompt, neu aufgebaut auf GLM 5.2 mit einer neuen WebAssembly-Rendering-Engine, kostenlos und Open Source. 🔗 Quelle
- NotebookLM fasst seine jüngsten Funktionen zusammen (automatische Drive-Synchronisierung, Anheften von Notizbüchern, Neuordnung von Folien, mobile Freigabe) und wartet auf eine bevorstehende, nicht näher erläuterte Ankündigung. 🔗 Quelle
- GitHub ermöglicht es jetzt, die Lizenzkosten von Code Quality zu schätzen (aktive Committer, monatliche Projektion), bevor diese am 20. Juli 2026 auf 10 Dollar pro aktivem Committer und Monat steigen sollen. 🔗 Quelle
- NVIDIA startet „AI Model Co-Design“, eine neue Reihe über die Synergie zwischen Modellgrößen und GPU-Leistung. 🔗 Quelle
- Kling AI veröffentlicht den Trailer zu ODYSEEUS: The Fall, dem zweiten KI-Spielfilm des Studios Fountain 0, unter der Regie von Ash Koosha. 🔗 Quelle
- OpenAI veröffentlicht einen Enterprise-Leitfaden zur Steuerung von KI-Investitionen im agentischen Zeitalter, mit Fokus auf die Messung nützlicher Arbeit pro ausgegebenem Dollar. 🔗 Quelle
- OpenAI beschreibt, wie Vertriebsteams ChatGPT Work für Pipeline-Notizen, Meeting-Vorbereitungen und Diagnosen blockierter Deals nutzen. 🔗 Quelle
- OpenAI beschreibt, wie Data-Science-Teams ChatGPT Work für Root-Cause-Notizen, Wirkungszusammenfassungen und Spezifikationen für Dashboards nutzen. 🔗 Quelle
- Cohere ist Mit-Sponsor des Hugging Face Hackathons und zeichnet zwei Projekte aus: Tiny Army (2. Platz, Thousand-Token-Wood-Track) und Eyas, ein Videoüberwachungs-Agent (Preis für den besten Agenten). 🔗 Quelle
Was das bedeutet
Auf materieller Ebene richtet NVIDIA seine Kommunikation um eine einzige Idee aus: Nicht der Siliziumeinsatz, sondern die elektrische Leistung ist inzwischen der Engpass, der die Rentabilität einer KI-Fabrik bestimmt. Die Leistungsgewinne pro Watt von Blackwell (bis zu 25x bei DeepSeek V4 Pro) und die in den Nemotron-Kundenfällen auf ein Vielfaches reduzierten Kosten erzählen dieselbe Geschichte: Energieeffizienz und Kosten pro Token werden zum wichtigsten Verkaufsargument, noch vor reiner Rechenleistung. Die RL-Autoresearch-Demonstration geht in dieselbe Richtung, indem sie darauf abzielt, die Forschungs-, Trainings- und Evaluationsschleife selbst zu automatisieren, die bislang weitgehend manuell war.
Bei den offenen Modellen zeigt die Woche eine schnelle Diversifizierung der Nischen: ultraleichte Dokumentenerkennung (OvisOCR2), kontinuierliches Videoverständnis (MOSS-VL-Realtime), Robotik mit nativer Tiefenerfassung (LeRobot) und vor allem die ternäre Quantisierung von Bonsai 27B, die eine multimodale Kapazität der 27-Milliarden-Parameter-Klasse in einem Speicherbedarf unterbringt, der eher an ein Smartphone erinnert. Diese Veröffentlichungen, getragen von Hugging Face, Together AI, Sakana AI und unabhängigen Teams, zeigen ein Open-Source-Ökosystem, das den Fähigkeiten geschlossener Modelle weiterhin dicht auf den Fersen bleibt und gleichzeitig die Inferenzkosten drastisch senkt.
Im Bereich der Governance fällt Demis Hassabis’ Intervention deutlich vom üblichen Ton der Produktankündigungen ab: Sie stellt explizit fest, dass das aktuelle kommerzielle Wettrennen das kollektive Verständnis der Risiken überholt, und schlägt einen konkreten Mechanismus vor — eine von der FINRA inspirierte Standards Body — statt bloß zu Vorsicht aufzurufen. Dass dieser Vorschlag vom CEO von Google DeepMind kommt, mitten in einer Woche voller Produktlaunches, veranschaulicht die Spannung zwischen kommerziellem Tempo und regulatorischer Vorausschau, die den gesamten Sektor durchzieht.
Schließlich ordnet sich das Entwickler-Tooling weiterhin um die Delegation zwischen Modellen statt um das Rennen zu einem einzigen leistungsstärkeren Modell neu: Devin Fusion setzt auf ein Manager-Modell, das an ein günstigeres ausführendes Modell delegiert, GitHub erweitert sein KI-gestütztes Sicherheitsscanning direkt in Pull Requests, und Perplexity öffnet seinen WANDR-Benchmark, um die realen Grenzen von Recherche-Agenten objektiver zu machen — eine nützliche Erinnerung daran, dass selbst die besten heutigen Systeme bei groß angelegten Aufgaben zur Faktenprüfung noch weit von vollständiger Zuverlässigkeit entfernt sind.
Quellen
- Demis Hassabis — Ankündigung auf X
- Demis Hassabis — vollständiger Artikel auf X
- NVIDIA — Leistung pro Watt
- NVIDIA — RL Autoresearch
- NVIDIA — Ankündigung von Nemotron Labs
- OvisOCR2
- MOSS-VL-Realtime
- LeRobot v0.6.0
- Sakana Marlin
- Ternary Bonsai 27B
- Flash-BoN
- Hugging Face ZeroGPU
- GitHub — KI-Sicherheitsscanning auf PRs
- GitHub — Dependabot cooldown
- GitHub — /security-review in der Copilot-App
- Manus — natives .pptx
- Manus — automatische Veröffentlichung
- Alibaba Wan-Dancer-14B
- HeyGen — wortgenaue Zeitstempelung
- HeyGen — Figma → HyperFrames
- NVIDIA — Kundenfeedback zu Nemotron
- Claude for Teachers
- Artifacts — öffentliche Freigabe
- GPT-5.6 auf Amazon Bedrock
- Codex in JetBrains AI
- Gemini in Chrome (UK)
- Gemini-Bericht für Südostasien
- Devin Fusion
- Perplexity WANDR
- Anthropic — KI-Forschung in Kanada
- Cognition — ein Jahr nach Windsurf
- Amp — Live-Nutzung
- Warp x Sentry
- Composio auf Warp
- Warp — cloud software factories
- Hugging Face Jobs — lokaler Ordner-Mount
- llama.cpp — 10.000. release
- LlamaCoder v4
- NotebookLM — Zusammenfassung
- GitHub Code Quality — Lizenzschätzung
- NVIDIA — AI Model Co-Design
- Kling AI — ODYSEEUS: The Fall
- OpenAI — KI-Investitionen
- OpenAI — ChatGPT Work für den Vertrieb
- OpenAI — ChatGPT Work für Data Science
- Cohere — Hugging Face Hackathon