Anthropic sagt 5 % seiner Aktien für einen Public Benefit Fund zu, OpenAI erweitert seine API Agents, Thomas Wolf schätzt den auf dem Hub geteilten Rechenaufwand auf fast eine Milliarde Dollar

Anthropic gründet einen Public Benefit Fund und sagt ihm vorbehaltlich der Zustimmung seiner Aktionäre 5 % seiner Aktien zu, mit weiteren Zuwendungen abhängig vom Anstieg seines Unternehmenswerts: Rechnet man die Zusage seiner Mitgründer und die vom Unternehmen aufgestockten Aktienspenden seiner Beschäftigten hinzu, sind nun rund 20 % seines Kapitals dem Gemeinwohl gewidmet. In OpenAIs API Agents hält GPT-6 Astra Ultrafast Einzug, und inaktive Umgebungen werden nicht mehr berechnet, wie aus dem Wochenrückblick eines Mitglieds des API-Teams hervorgeht. Thomas Wolf von Hugging Face schätzt den Rechenaufwand für das Training, den Labore auf dem Hub kostenlos geteilt haben, auf fast eine Milliarde Dollar, gegenüber weniger als 40 Millionen Ende 2023.

Anthropic sagt 5 % seiner Aktien für einen Public Benefit Fund zu, der mit seinem Unternehmenswert wachsen kann

18. Oktober — Anthropic gründet den Anthropic Public Benefit Fund, eine LLC, die sich zu 100 % im Eigentum des Unternehmens befindet und vollständig dem Gemeinwohl gewidmet ist. Vorbehaltlich der Zustimmung seiner Aktionäre sagt das Unternehmen dem Fonds 5 % seiner Aktien zu; sein Verwaltungsrat kann anschließend bei jedem Anstieg des Unternehmenswerts um 50 % über einen nicht veröffentlichten Referenzwert hinaus bis zu 2 % hinzufügen. Das Unternehmen stellt diesen Mechanismus als Gegenstück zu den steigenden Aktienvergütungen dar, die Tech-Unternehmen ihren Führungskräften üblicherweise gewähren.

Aktienzusage	Umfang der Zusage
Public Benefit Fund zu Beginn, vorbehaltlich der Zustimmung der Aktionäre	5 % der Aktien von Anthropic
Stufe bei jedem Wertanstieg um 50 % über den Referenzwert hinaus	bis zu 2 % zusätzlich, nach Ermessen des Verwaltungsrats
Zusage der Mitgründer seit der Gründung	80 % ihrer Beteiligungen
Aktienspenden der Beschäftigten, von Anthropic aufgestockt	etwa die Hälfte der Beschäftigten beteiligt sich
Insgesamt dem Gemeinwohl gewidmet, einschließlich des Fonds	rund 20 % der Aktien, ohne künftige Zuwendungsstufen

Die Aktien des Fonds werden weder für Lobbying noch für politische Spenden eingesetzt, weder in den USA noch anderswo. Aktivitäten, die öffentliches Interesse und geschäftlichen Nutzen verbinden (Sicherheit und Interpretierbarkeit, angewandte biomedizinische Forschung, Rabatte auf Claude für gemeinnützige Organisationen und wissenschaftliche Einrichtungen), verbleiben im Unternehmen, einer Gesellschaft mit Gemeinwohlauftrag (public benefit corporation). Der Fonds kann umfangreiche Spenden an gemeinnützige Organisationen oder direkte Zahlungen an bestimmte Bevölkerungsgruppen leisten; der Beitrag erläutert ausführlicher das Thema Beschäftigung, für das Anthropic nach eigenen Angaben bereits 200 Millionen Dollar zugesagt hat. Einzelheiten zu Struktur, Governance und Zuwendungsstufen sollen in den kommenden Monaten folgen, zusammen mit einem Gemeinwohlbericht (public benefit report) über die Fortschritte bei der Erfüllung seines Auftrags.

🔗 Investitionen in das Gemeinwohl (Anthropic) · Die Ankündigung auf X (@AnthropicAI)

OpenAIs API Agents: GPT-6 Astra Ultrafast, Sandbox-Snapshots und keine Abrechnung inaktiver Umgebungen mehr

17. Oktober — Steve (@stevendcoffey) aus dem API-Team von OpenAI veröffentlicht auf X seinen Wochenrückblick zur API Agents, dem Codex-Harness, das Entwicklern seit dem 10. September als öffentliche Beta offensteht; der Account OpenAI Developers hat ihn erneut geteilt. Darin führt er sieben Neuerungen auf, ohne Preise oder Zahlen zu nennen. Nur die erste wird als verfügbar angekündigt: GPT-6 Astra Ultrafast, der am 29. September in der API und in Codex eingeführte Premium-Geschwindigkeitsmodus.

Neuerung der API Agents	Im Rückblick beschriebener Umfang
GPT-6 Astra Ultrafast	In der API Agents verfügbar
Sandbox-Snapshots (sandbox snapshots)	Von OpenAI gehostete Umgebungen lassen sich nach Inaktivität mit unveränderten Dateien wiederherstellen
Überarbeitete Abrechnung (verbesserte Abrechnung)	Inaktive Umgebungen werden nicht mehr berechnet
Umgebungsschlüssel	Programmatisch erstellbar, nicht mehr nur über das Dashboard
Artifact SDK	Tabellen, Präsentationen und Word-Dokumente in den Sandboxen von OpenAI erstellen oder bearbeiten
Verlauf pro Turn	Elemente eines bestimmten Turns des Root-Agenten, einschließlich der Interaktionen von Subagenten
Filtern von Tresoren (vaults)	Tresore lassen sich anhand ihrer Metadaten filtern

Zum Zeitpunkt unserer Lektüre am Abend des 18. Oktober war davon noch nichts in der Dokumentation zu finden: Der API-Changelog enthielt keinen Eintrag nach dem 16. Oktober, und die Seite zu den von OpenAI gehosteten Sandboxen nannte weiterhin die Standardtarife für Container (standard container rates), wobei die Modellnutzung separat berechnet wird.

🔗 Steves Rückblick auf X

Hub Dollars: Thomas Wolf schätzt den auf dem Hub geteilten Trainingsrechenaufwand auf fast eine Milliarde Dollar

18. Oktober — Thomas Wolf von Hugging Face veröffentlicht eine Überschlagsrechnung (Bierdeckelrechnung), die vom Account @huggingface aufgegriffen wird: Wie viel hätte die Anmietung der GPUs gekostet, auf denen die finalen Trainingsläufe der wichtigsten kostenlos herunterladbaren Modellfamilien mit offenen Gewichten auf dem Hub durchgeführt wurden? Sein Space Hub Dollars schätzt diesen Betrag für 75 Familien und 35 Organisationen auf 991 Millionen Dollar, mit einer Spanne von 816 Millionen bis 1,35 Milliarden (vom 10. bis zum 90. Perzentil). Ende 2023 lag diese Summe noch unter 40 Millionen Dollar.

Fun and crazy napkin math: Meta, NVIDIA, Alibaba, DeepSeek, Moonshot, Mistral and ~30 other labs have shared close to $1B worth of training compute on the Hugging Face Hub

🇩🇪 Eine unterhaltsame und etwas verrückte Überschlagsrechnung: Meta, NVIDIA, Alibaba, DeepSeek, Moonshot, Mistral und rund dreißig weitere Labore haben auf dem Hub von Hugging Face Trainingsrechenaufwand im Wert von fast einer Milliarde Dollar geteilt. — @Thom_Wolf auf X

Organisation auf dem Hub	Zentrale Schätzung in Millionen Dollar
Meta	156
Alibaba	149
NVIDIA	114
Moonshot	55
Mistral AI	49
DeepSeek	47
Summe der 35 Organisationen	991 (von 816 bis 1 345)

Wolf selbst betrachtet diese Summe als Untergrenze. Ein Grundstock von rund 502 Millionen Dollar, also etwa die Hälfte, beruht auf von den Entwicklern veröffentlichten Angaben zum Rechenaufwand, der Rest auf Annahmen. Weder der Long Tail noch die rund 900 000 Fine-Tunings der Community auf dem Hub sind eingerechnet.

🔗 Der Space Hub Dollars

Kurzmeldungen

Produkte, Plattformen und Auszeichnungen

OpenAIs dots auf iOS — Nachtrag zum 16. Oktober: Dominik Kundel aus OpenAIs DevX-Team kündigt iOS-Widgets für dots, die am 29. September gestarteten dauerhaft aktiven Agenten, sowie Unterstützung für die Action-Taste des iPhone an; sein Video zeigt außerdem einen Trick mit Raccourcis, um seinen dot über die Kamera-Taste aufzurufen. 🔗 Quelle
Decider V1.2 auf Vercels AI Gateway — Nachtrag zum 16. Oktober, dem Tag ihrer am 17. behandelten Einführung auf OpenRouter: Die Entscheidungsmodelle Decider V1.2 27B und Decider Flash V1.2 4B von Perplexity sind nun über Vercels AI Gateway verfügbar, zu den Preisen von Perplexity ohne Aufschlag oder Plattformgebühren, auch mit eigenen Schlüsseln (BYOK), über das AI SDK oder die API Decisions. 🔗 Quelle
SynthID unter den Erfindungen des Jahres — Nachtrag zum 15. Oktober: Wie die am 16. behandelten Omnilingual ASR von Meta und NemoClaw von NVIDIA gehört auch das unsichtbare Wasserzeichen von Google DeepMind zu den besten Erfindungen des Jahres 2026 des Magazins TIME. Der Eintrag erinnert daran, dass es auch Inhalte von OpenAI, NVIDIA, Kakao und bald Apple kennzeichnet, die alle auf synthid.com überprüfen können. 🔗 Quelle · 🔗 TIME
Gemini CLI, Nightly vom 18. Oktober — Keine Änderung: Sie übernimmt den Commit der Version vom 17., und nur der Veröffentlichungsbot hat die Versionsnummern aktualisiert. Seit dem Abend des 16. Oktober wurde nichts in den Hauptbranch gemergt, und die Community-PR, die Gemini 4 Argon zur Modellauswahl hinzufügt, ist weiterhin offen. 🔗 Quelle · 🔗 PR

Community-Beiträge auf dem Hub von Hugging Face

OpenYap Turn — The Agentic Data Company stellt ein Audiomodell für Sprecherwechsel mit 72,4 Millionen Parametern vor, das auf 1 984 Stunden Gesprächen zwischen einander nahestehenden Personen trainiert wurde. Bei der Erkennung des Endes eines Redebeitrags belegt es auf TurnBench von Sesame unter 24 Modellen den ersten Platz und erreicht eine mediane Latenz von 298 ms, gegenüber 595 und 548 ms bei den beiden nächstplatzierten Modellen. Seine Gewichte sind nicht auf dem Hub verfügbar. 🔗 Quelle
RetryBench — You Liu stellt einen Benchmark vor, der die Entscheidung, einen Tool-Aufruf nach einer Zeitüberschreitung zu wiederholen, und das Ergebnis des erneuten Versuchs getrennt bewertet. Wird ihnen ein veränderter Schlüssel angeboten, wiederholen die als Sol, Terra und Luna bezeichneten GPT-Endpunkte den Aufruf unbegründet in 1, 55 beziehungsweise 60 von 80 Fällen. Der Code ist unter einer nicht kommerziellen Lizenz veröffentlicht. 🔗 Quelle
Eine Evaluation anhand der Aktivierungen erkennen — An Qwen3, PLLuM und Gemma 3 zeigt Mateusz Piesiak (Project Inkblot), dass acht Evaluationshinweise unterschiedliche Richtungen ergeben: Die übliche Richtung erkennt vor allem die ausdrückliche Erwähnung eines Tests (Kosinus von 0,81 bis 0,89), und eine anhand von sieben Hinweisen erlernte Richtung erkennt den achten, die Künstlichkeit des Szenarios, kaum (AUROC von 0,49 bis 0,62). 🔗 Quelle
Nemotron 3.5 Super VL mit 4 Bit — Letzter der drei Berichte von Thoughtworks, deren erster zu CharXiv am 16. Oktober behandelt wurde: Bei gleicher Tokenzahl stellt Gustavo A. Lujan keinen Unterschied zwischen einer GPTQ-Kalibrierung mit juristischen oder allgemeinen Texten fest. Die Gewichte schrumpfen von 231,8 auf 68,1 Gio, bei einem auf einer Vorabversion des Modells gemessenen Anstieg der Kreuzentropie auf juristischen Texten um 0,32 bis 0,61 %. 🔗 Quelle

Was das bedeutet

Anthropics Fonds sagt Kapitalanteile zu, keinen Geldbetrag: Der Beitrag nennt weder eine Bewertungsgrundlage noch einen Dollarbetrag, und die Tragweite hängt zunächst von der Abstimmung der Aktionäre, dann von der Governance und den für die kommenden Monate angekündigten Zuwendungsstufen ab. Auch seine Rechtsform spielt eine Rolle. Da der Fonds zu 100 % Anthropic gehört und als LLC statt als gemeinnützige Organisation (501(c)(3)) organisiert ist, bleibt er unter dessen Kontrolle und kann zwischen verschiedenen Spendenformen wechseln, wobei zwei Verbote von vornherein feststehen: Lobbying und politische Spenden. Schließlich ist Beschäftigung, das im Beitrag ausführlicher behandelte Beispiel, auch das Thema der am 16. Oktober veröffentlichten Berichte über die eigenen Teams, in denen der Anteil der Berufseinsteiger bei technischen Neueinstellungen von 27 % auf 9 % gefallen ist.

Die Neuerungen der API Agents zielen dagegen auf die Zeit, in der der Agent nichts tut. Eine inaktive Umgebung nicht mehr zu berechnen und sie samt ihren Dateien wiederherstellen zu können, senkt die Kosten für Agenten, die mit Unterbrechungen arbeiten. Diese Zeit fällt stark ins Gewicht: Anthropics Berichte über die eigenen Teams hielten fest, dass interaktive Sitzungen rund 80 % der Zeit inaktiv waren und auf eine Antwort warteten. Die Quelle bleibt ein auf X veröffentlichter Rückblick: Am Abend des 18. Oktober erwähnten weder der API-Changelog noch die Seite der gehosteten Sandboxen, die weiterhin die Standardtarife für Container nannte, diese Änderungen.

Die Zahl von Thomas Wolf vermittelt schließlich eine Größenordnung des Gemeinguts, das offene Modelle bilden: Rechenaufwand im Wert von fast einer Milliarde Dollar, gegenüber weniger als 40 Millionen Ende 2023, wobei nur die finalen Trainingsläufe der wichtigsten Familien berücksichtigt sind. Es handelt sich, wie Wolf selbst einräumt, um eine Überschlagsrechnung, die nur zur Hälfte auf veröffentlichten Zahlen beruht. Die Aufstellung zeigt auch, wer die Kosten getragen hat: Meta, Alibaba und NVIDIA an der Spitze, gefolgt von Moonshot, Mistral AI und DeepSeek. Wolf vergleicht diesen gemeinsamen Fundus mit Wikipedia, die in ehrenamtlichen Arbeitsstunden geschrieben wird, während dieser Fundus in GPU-Stunden und Daten entsteht.