GPT-5.6 Sol Terra Luna in der Vorschau, Anthropic Economic Index, Gemma 4 auf Cerebras: KI-Überblick vom 26. Juni 2026

Der 26. Juni 2026 ist ein dicht gefüllter Tag an mehreren Fronten: OpenAI enthüllt die begrenzte Vorschau der GPT-5.6-Reihe (Sol, Terra, Luna), ein neues Namenssystem mit gesenkten Preisen für Terra und Luna; Anthropic veröffentlicht seinen sechsten Economic Index „Cadences“ mit den Ergebnissen einer Umfrage unter 9 700 Nutzern; Gemma 4 überschreitet in 2,5 Monaten 200 Millionen Downloads und wird auf Cerebras zum ersten multimodalen Modell mit 1 500 Tokens pro Sekunde. Auf der Entwickler-Tooling-Seite integriert GitHub Desktop 3.6 Worktrees und das Copilot SDK, Copilot for Jira geht allgemein verfügbar und der Skill LSP Setup bringt semantische Intelligenz in Copilot CLI für 14 Sprachen. HeyGen meldet 200 Millionen USD ARR in acht Monaten, und Cohere positioniert sich als Antwort auf die staatlichen Beschränkungen für GPT-5.6 im Bereich der Enterprise-Souveränität.

GPT-5.6 Sol, Terra und Luna — begrenzte Vorschau der neuen OpenAI-Generation

26. Juni — OpenAI startet eine begrenzte Vorschau der GPT-5.6-Reihe, bestehend aus drei Modellen mit unterschiedlicher Positionierung. Die Reihe führt ein neues Namenssystem ein: Die Zahl (5.6) kennzeichnet die Generation, während Sol, Terra und Luna nachhaltige Fähigkeitsstufen bezeichnen, die sich unabhängig voneinander entwickeln können.

“Introducing a limited preview of GPT-5.6 Sol, our next generation frontier model, as well as GPT-5.6 Terra, a balanced model for efficient, everyday work, and GPT-5.6 Luna, a fast and affordable model for high-volume work.”

🇩🇪 Start der begrenzten Vorschau von GPT-5.6 Sol, unserem Modell der neuen Generation, sowie von GPT-5.6 Terra, einem ausgewogenen Modell für effiziente tägliche Arbeit, und GPT-5.6 Luna, einem schnellen und kostengünstigen Modell für Aufgaben mit hohem Volumen. — @OpenAI auf X

Drei Modelle, drei Fähigkeitsstufen

GPT-5.6 Sol: Flaggschiffmodell der neuen Generation, das bisher leistungsstärkste für Cybersicherheit, Code und Biologie. Führt eine maximale Reasoning-Effort-Stufe (max reasoning effort) und einen ultra-Modus ein, der Unteragenten nutzt, um komplexe Aufgaben zu beschleunigen.
GPT-5.6 Terra: Ausgewogenes Modell für die tägliche Arbeit, mit Leistungen vergleichbar mit GPT-5.5, aber zweimal günstiger.
GPT-5.6 Luna: Schnelles und kostengünstiges Modell für hohe Volumina, mit den niedrigsten Kosten der Reihe.

Preisgestaltung und Leistung

Modell	Eingabe (pro Million Tokens)	Ausgabe (pro Million Tokens)	Positionierung
GPT-5.6 Sol	$5	$30	Flaggschiff / Frontier
GPT-5.6 Terra	$2,50	$15	Ausgewogen, 2× günstiger als GPT-5.5
GPT-5.6 Luna	$1	$6	Schnell / kostengünstig

In den Benchmarks stellt Sol einen neuen state of the art-Rekord auf Terminal-Bench 2.1 (Code/CLI) auf und übertrifft GPT-5.5 bei GeneBench v1 (Biologie) mit weniger Tokens. Auf ExploitBench² (Cybersicherheit) ist Sol mit Mythos Preview vergleichbar und benötigt dabei etwa ein Drittel der Ausgabe-Tokens. Sol wird ab Juli 2026 auf Cerebras mit bis zu 750 Tokens pro Sekunde verfügbar sein.

Verstärkte Sicherheit und eingeschränkte Verfügbarkeit

OpenAI gibt an, das bisher robusteste Sicherheitspaket (safety stack) eingesetzt zu haben: mehr als 700 000 A100-äquivalente GPU-Stunden für automatisiertes red teaming, Echtzeit-Klassifikatoren für Cybersicherheit und Biologie, sowie Überprüfung auf Kontoebene zur Erkennung anhaltend schädlichen Verhaltens. GPT-5.6 Sol überschreitet nicht die Schwelle „Cyber Critical“ des Preparedness Frameworks von OpenAI.

Auf Anfrage der US-Regierung startet OpenAI mit einer begrenzten Vorschau für eine kleine Gruppe vertrauenswürdiger Partner, bevor in den „nächsten Wochen“ eine breitere Bereitstellung über die API, Codex und ChatGPT erfolgt.

🔗 OpenAI-Blog — GPT-5.6-Vorschau

Anthropic Economic Index — sechster Bericht „Cadences“

26. Juni — Anthropic veröffentlicht den sechsten Bericht des Anthropic Economic Index mit dem Titel „Cadences“. Es ist die erste Ausgabe, die eine kontinuierliche stündliche Stichprobe, einen Klassifikator für erzeugte Artefakte und die Ergebnisse einer Umfrage unter 9 700 Claude-Nutzern kombiniert.

Neue Methodik

Änderung	Beschreibung
Stündliche Stichprobe	Kontinuierlich erhobene Daten (nicht mehr auf ein 7-Tage-Fenster beschränkt) — stündliche Schwankungen sichtbar
Artefakt-Klassifikator	Jede Unterhaltung wird nach ihrem Haupt-Output kategorisiert (Erklärung, Dokument, Code usw.)
Granulare Daten	Aufgeteilt zwischen Claude-Unterhaltungen (Chat + Cowork) und API 1P, monatlich aggregiert

Die Rhythmen der Nutzung

Die Nutzung spiegelt den Kalender und die täglichen Gewohnheiten wider: Der Anteil persönlicher Unterhaltungen steigt unter der Woche von ~35 % auf ~50 % am Wochenende. Rezepte werden um 18 Uhr 2,3-mal häufiger angefragt als im Durchschnitt; Schlafratgeber erreichen ihren Höhepunkt gegen 5 Uhr. Steuerbezogene Anfragen waren am 14. April (am Vorabend der US-Steuerfrist) achtmal häufiger als im Mai-Durchschnitt. Bei Claude Code gehen am Wochenende vor allem Back-End-Architektur und API-Debugging zurück; am stärksten zunehmen: KI-Agenten-Design, quantitativer Handel, Videospiele.

Was Claude erzeugt

93 % der Unterhaltungen erzeugen ein identifizierbares Artefakt: Erklärungen (17 %), Dokumente und Berichte (15 %), Ratschläge (11 %), Code und Skripte (~16 % zusammen). Apps und Websites verbrauchen mehr als das Dreifache der Tokens einer mittleren Unterhaltung. Claude antwortet im Durchschnitt auf einem Leseverständnisniveau, das etwa einem zusätzlichen Studienjahr gegenüber dem Prompt entspricht — die größte Lücke zeigt sich bei Bildern und Grafiken (+2,6 Jahre), Spielen (+1,9) und Apps (+1,7).

Die Umfrage unter 9 700 Befragten

Indikator	Wert
Erwarten innerhalb von 12 Monaten erhebliche Änderungen ihrer Aufgaben	>1/3
Glauben, dass KI innerhalb von 12 Monaten die Mehrheit ihrer Aufgaben übernehmen kann	>35 %
Berichten von Produktivitätsgewinnen bei der Geschwindigkeit	86 %
Berichten von Produktivitätsgewinnen beim Arbeitsvolumen	82 %
Berichten von Produktivitätsgewinnen bei der Qualität	69 %
Lernen dank KI mehr	68 %
Finden, dass KI ihre Fähigkeiten aufwertet	57 %
Halten es für wahrscheinlich, ihren eigenen Job zu verlieren	~10 %
Halten es für wahrscheinlich, dass ihr jüngerer Kollege seinen Job verliert	>1/3

Zentrale Erkenntnis: Nutzer, die am meisten an Claude delegieren, sind diejenigen, die am optimistischsten auf die Auswirkungen von KI auf ihren Job und ihre Fähigkeiten blicken — ohne dass dies mit einem Rückgang des wahrgenommenen Lernens einhergeht. Frauen machen 12 % der gekoppelten Stichprobe aus; nach Kontrolle der beruflichen Unterschiede nutzen sie Claude Code um 6,3 Prozentpunkte weniger, verbringen aber mehr aktive Zeit im Chat.

🔗 Anthropic Economic Index — Cadences-Bericht

Claude Code v2.1.193 — autoMode, OpenTelemetry und Bash-Autovervollständigung

25. Juni — Claude Code v2.1.193, spät abends veröffentlicht, bringt mehrere neue Funktionen mit Fokus auf Kontrolle des automatischen Modus, Observability und Terminal-Ergonomie.

Funktionalität	Detail
`autoMode.classifyAllShell`	Alle Bash-/PowerShell-Befehle durchlaufen den Klassifikator des automatischen Modus
Ablehnungsgründe im Auto-Modus	Im Transkript, im Toast und im Tab `/permissions` vermerkt
OpenTelemetry `claude_code.assistant_response`	Protokolliert den Antworttext des Modells (standardmäßig verborgen; `OTEL_LOG_ASSISTANT_RESPONSES=1`)
Bash-Pfad-Autovervollständigung (`!`)	In Echtzeit bei der Eingabe vorgeschlagene Pfade
MCP-auth-Benachrichtigung	Hinweis an `/mcp`, wenn Server beim Start eine Authentifizierung benötigen
Automatische Shell-Antwort bei Hintergrund-Leerlauf	Auf Eingaben wartende Befehle erhalten automatisch eine Antwort (deaktivierbar über `CLAUDE_CODE_DISABLE_BG_SHELL_PRESSURE_REAP=1`)

Mehrere Regressionen werden behoben: Angeheftete Agenten im Hintergrund werden nach jedem automatischen Update nicht mehr erneut mit „continue where you left off“ eingeladen, und der Phantom-Subagent „general-purpose (resumed)“, der die Hauptkonversation neu startete, wird entfernt. Das headersHelper-MCP startet nach einem 401/403-Rückgabewert automatisch neu und verbindet sich erneut.

🔗 Claude-Code-Changelog

Google / Gemini — Gemma 4 auf Cerebras, 200 Mio. Downloads und Juni Drops

Gemma 4 × Cerebras — erstes multimodales Modell mit 1 500 Tokens/s

26. Juni — Gemma 4 wird das erste multimodale Modell, das auf Cerebras verfügbar ist. Die 31B-Version läuft mit 1 500 Tokens pro Sekunde auf der Cerebras-Infrastruktur. Ein 24-stündiger virtueller Hackathon findet am 28. Juni mit $5 000 Preisgeld für die Teilnehmenden statt, die über Luma frühzeitigen Zugang zu Gemma 4 auf Cerebras erhalten (Cerebras × Google Gemma 4: $5 000 Hackathon).

🔗 Tweet @googlegemma — Cerebras × Gemma 4

Gemma 4 — 200 Millionen Downloads in 2,5 Monaten

25. Juni — Die Gemma-4-Familie überschreitet in nur 2,5 Monaten seit ihrem Start 200 Millionen Downloads. Zum Vergleich: Die gesamte Gemma-Familie hatte zum Start von Gemma 3 100 Millionen Downloads erreicht — Gemma 4 hat diesen Wert also in 2,5 Monaten verdoppelt. Dieser Meilenstein wurde von @GoogleDeepMind retweetet, was die Bedeutung verdeutlicht, die Google diesem Ergebnis beimisst.

🔗 Tweet @googlegemma — 200 Mio. Downloads

Gemini Drops Juni 2026 — Echtzeit-Bilder per Sprache und SMB-Tools

26. Juni — Die Gemini-App veröffentlicht ihre monatliche Juni-Zusammenfassung („Gemini Drops“): Bilderzeugung in Echtzeit per Sprache und neue Tools für kleine Unternehmen. Der Tweet verweist auf einen Google-Blogartikel mit den Monatsfunktionen im Detail.

🔗 Tweet @GeminiApp — Gemini Drops Juni 2026

GitHub Copilot — Desktop 3.6, Jira GA und semantische CLI-Intelligenz

GitHub Desktop 3.6 — Worktrees und Copilot SDK

26. Juni — GitHub Desktop 3.6 bringt zwei große Neuerungen: Unterstützung für Git worktrees und eine tiefere Integration von Copilot über das neue Copilot SDK.

Funktionalität	Detail
Copilot SDK	Gemeinsame Grundlage für alle Copilot-Funktionen in Desktop
Commit-Erstellung	Erzeugt Nachrichten, die `.github/copilot-instructions.md` und `AGENTS.md` entsprechen
Konfliktlösung	Die KI erklärt widersprüchliche Änderungen und schlägt eine Lösung zum Akzeptieren oder Bearbeiten vor
Git worktrees	Arbeit an mehreren Branches parallel ohne Stashing oder wiederholtes Klonen
Model picker	Modellauswahl für jede Copilot-Funktion
BYOK	Verbindung zu einem Drittanbieter oder einem lokalen Modell

Verfügbar für macOS und Windows (GitHub Desktop 3.6.0). Worktrees sind besonders nützlich in Verbindung mit Coding-Agents, die isolierte Arbeitsbereiche (worktrees) erstellen.

🔗 GitHub Changelog — Desktop 3.6

GitHub Copilot for Jira — Allgemeine Verfügbarkeit

25. Juni — GitHub Copilot for Jira geht nach einer Public Preview seit März 2026 in die allgemeine Verfügbarkeit (GA). GA bringt zwei neue Fähigkeiten mit: Progress-Streaming (Updates des Coding-Agents werden in Echtzeit ohne Kontextwechsel an das Jira-Ticket gesendet) und Post-Session Steering (nach dem Öffnen eines Draft-PR kann der Nutzer direkt in Jira neue Anweisungen geben; der Agent arbeitet am selben PR weiter). Das Onboarding der GitHub-Organisation und der Repositories wird vereinfacht.

🔗 GitHub Changelog — Copilot for Jira GA

LSP Setup skill — semantische Intelligenz in 14 Sprachen für Copilot CLI

25. Juni — GitHub Copilot CLI erhält einen neuen LSP Setup Skill, der ihm echte semantische Code-Intelligenz verleiht — Definitionen, Referenzen, Typen — über LSP-Server (Language Server Protocol), und den grep-/Dekompressionsansatz ersetzt. Abdeckung: 14 Sprachen. Konfiguration und Installation der LSP-Server werden vom Skill übernommen.

🔗 GitHub Blog — LSP Setup skill · Tweet @github

Offene Modelle und Forschung — HF Jobs vLLM und Sakana CoffeeBench

HF Jobs — OpenAI-kompatibler vLLM-Server mit einem Befehl

26. Juni — Hugging Face veröffentlicht eine offizielle Anleitung, um mit nur einem Befehl einen privaten, OpenAI-kompatiblen vLLM-Server auf der HF-Jobs-Infrastruktur zu starten (hf jobs run --flavor a10g-large --expose 8000 vllm/vllm-openai:latest vllm serve Qwen/Qwen3-4B). Kein Kubernetes, keine bereitzustellenden Server, sekundengenaue Abrechnung.

Aspekt	Detail
Verfügbare GPUs	A10g-large (1,50 USD/h), H200×2, H200×8
Protokoll	OpenAI-kompatibel (ChatCompletions), Authentifizierung per HF-Token
SSH-Zugang	`hf jobs run --ssh` + `hf jobs ssh <job_id>`
Getestete Modelle	Qwen3-4B, Qwen3.5-122B-A10B (MoE, 2×H200)
Gradio-Oberfläche	Streaming-Unterstützung mit einklappbarem Reasoning
Agent-Coding	Pi-Framework-Integration (provider-agnostisch)
Unterschied zu Inference Endpoints	Jobs = Experimentieren/Evals, Endpoints = Produktion mit Scale-to-zero

Voraussetzungen: huggingface_hub >= 1.20.0.

🔗 HF-Blog — vLLM auf HF Jobs

Sakana CoffeeBench — Multi-Agenten-Simulation über 90 Tage der Kaffeelieferkette

26. Juni — Sakana AI veröffentlicht in Zusammenarbeit mit der Azusa Audit Corporation CoffeeBench: einen Benchmark zur Bewertung der langfristigen Managementfähigkeiten von LLM-Agenten. Sechs Unternehmen (Landwirte, Röster, Händler), jeweils von einem eigenen Agenten gesteuert, führen Preisverhandlungen, erteilen Bestellungen und verwalten ihre Bestände über 90 simulierte Tage mit dem Ziel, den Nettogewinn zu maximieren. Die Ergebnisse zeigen deutliche Verhaltensunterschiede zwischen den Modellen: Einige Agenten verhandeln aktiv, andere analysieren, ohne zu handeln, und rutschen in Verluste. Die Forschung wird auf dem ICML-2026-Workshop „Failure Modes in Agentic AI“ vorgestellt. Der Tweet erzielte 173.800 Aufrufe.

🔗 Sakana — CoffeeBench · arXiv 2606.16613 · @SakanaAILabs auf X

HeyGen überschreitet 200 Millionen USD ARR in acht Monaten

25. Juni — HeyGen, die auf Identity-first AI Video fokussierte KI-Videoplattform, gibt bekannt, dass sie 200 Millionen USD ARR (annual recurring revenue) überschritten hat und sich damit in acht Monaten verdoppelt hat. Das Wachstum spiegelt eine schnelle Adoption sowohl durch unabhängige Creator als auch durch 85 % der Fortune-100-Unternehmen wider.

Metrik	Wert
ARR	200 Millionen USD (Verdopplung in 8 Monaten)
Nutzer	30 Millionen
Länder	196
Sprachen	175+
Fortune 100	85 %
Erstellte Videos	118 Millionen
Kapitaleffizienz	2,70 USD ARR pro eingeworbenem Dollar

HeyGen hebt Avatar V hervor (15 Sekunden Video genügen, um einen digitalen Zwilling zu erstellen), HyperFrames (ein Open-Source-Framework unter Apache 2.0 für agentische Videoproduktion, 21.600 GitHub-Sterne in einem Monat) sowie die HeyGen-MCP-Integration für KI-Agenten-Workflows. 63 Funktionen wurden in 3 Monaten veröffentlicht.

🔗 HeyGen-Blog — 200 Millionen USD ARR

Cohere — Enterprise-Souveränität angesichts der Beschränkungen für GPT-5.6

25. Juni — Cohere veröffentlicht einen offensiven Positions-Tweet zu Souveränität und Enterprise-Kontrolle als Reaktion auf die Ankündigung von OpenAI, GPT-5.6 auf Ersuchen der US-Regierung für eine eng begrenzte Partnergruppe einzuschränken.

“When you use Cohere, there are no staggered releases. No sudden disablements. We trust you completely: ‘[The customer] is in full control. We can’t see in, we can’t switch it off.’”

🇩🇪 Mit Cohere gibt es keine gestaffelten Rollouts. Keine plötzlichen Abschaltungen. Wir vertrauen Ihnen vollkommen: „Der Kunde hat die volle Kontrolle. Wir können nicht hineinschauen, wir können es nicht abschalten.“ — @cohere auf X, unter Berufung auf Aidan Gomez, CEO von Cohere

Diese Positionierung erfolgt am selben Tag, an dem OpenAI bekannt gibt, dass GPT-5.6 Sol, Terra und Luna „im Allgemeinen erst in den kommenden Wochen“ verfügbar sein werden, vorerst nur für eine eng begrenzte Gruppe auf Ersuchen der US-Regierung. Der Tweet erzielte 18.900 Aufrufe.

Kurzmeldungen

Warp — Cloud Software Factory-Serie (Artikel 1) (25. Juni) — Erster Artikel einer Warp-Serie über den Aufbau einer Cloud-Software-Factory mit Skills und Loops. Diese Folge behandelt die „automatic triage skill“, um das Triage von Tickets in einem Entwicklungsworkflow zu automatisieren. Bildungsinhalt (7 Min. Lesezeit). 🔗 Warp-Blog
Sakana Fugu — technischer Bericht arXiv 2606.21228 (26. Juni) — Offizieller technischer Fugu-Bericht, veröffentlicht auf arXiv, als Ergänzung zum Launch vom 22. Juni. Dokumentiert die Architekturen Fugu, Fugu-Ultra und Fugu-Llama auf Benchmarks für Coding, Reasoning, Rollenspiel und agentische Aufgaben (darunter SWE-Bench Pro). 🔗 arXiv 2606.21228 · Tweet @SakanaAILabs
Antigravity 2.2.1 (25. Juni) — Googles KI-Entwicklungsumgebung veröffentlicht Version 2.2.1: neues integriertes Skill „Antigravity Guide“, Audio-Datei-Rendering, Dateisuche per Teilzeichenfolge, 19 Verbesserungen und 17 Fehlerbehebungen. Vorherige Version: 2.1.4 vom 11. Juni. 🔗 Antigravity — Changelog
Copilot Code Review — Effizienz-Updates (25. Juni) — Copilot Code Review nutzt jetzt native CLI/SDK-Tools (grep, rg, glob, view), wodurch die Kosten um 20 % sinken, bei gleichbleibender Qualität. Die medium analysis depth ermöglicht die Zuordnung im Zusammenfassungs-Kommentar des PR und die Einstellung des Review-Niveaus auf Organisationsebene. 🔗 GitHub Changelog
MAI-Code-1-Flash ausgeweitet auf Copilot Business und Enterprise (26. Juni) — Das Modell MAI-Code-1-Flash ist jetzt für Copilot-Business- und Copilot-Enterprise-Pläne verfügbar. 🔗 GitHub Changelog
Cohere — Meme-Reaktion „Taps sign“ (26. Juni) — Als Reaktion auf den eingeschränkten Zugriff auf GPT-5.6 Sol veröffentlicht Cohere auf X ein humorvolles Meme mit Aidan Gomez auf dem Titelblatt von FORTUNE und deutet damit an, dass ihr CEO bereits das Wesentliche gesagt hat. Der Tweet erreicht 37.800 Aufrufe und 444 Likes. 🔗 Tweet @cohere

Was das bedeutet

Die Fragmentierung des Zugangs zu Frontier-Modellen wird zu einem kommerziellen Thema. GPT-5.6 Sol wird in einer begrenzten Vorschau auf Ersuchen der US-Regierung veröffentlicht — ein in diesem Maßstab für OpenAI beispielloser gestaffelter Rollout. Cohere reagiert sofort mit einer Positionierung auf die vollständige Souveränität des Kunden („We can’t see in, we can’t switch it off“) und signalisiert damit, dass die Enterprise-Kontrolle über KI-Modelle zu einem differenzierenden Verkaufsargument wird. Das Meme vom folgenden Tag bestätigt, dass diese Positionierung bewusst und abgestimmt ist. Die GPT-5.6-Sol/Terra/Luna-Serie steht außerdem für eine bemerkenswerte Änderung der Namensgebung: langlebige Namen, die sich unabhängig entwickeln können, statt einer fixierten Versionsnummer.

Die Messung der wirtschaftlichen Auswirkungen von KI gewinnt an Tiefe und Nuancen. Der Anthropic Economic Index „Cadences“ ist die erste Ausgabe, die reale Nutzungsdaten mit einer Umfrage unter 9.700 Befragten kombiniert. Die Ergebnisse relativieren die vorherrschende Erzählung: 86 % berichten von Produktivitätsgewinnen bei der Geschwindigkeit, aber die Nutzer, die am meisten delegieren, sind auch am optimistischsten — ohne dass dies mit einer Verringerung des wahrgenommenen Lernens einhergeht. Die geschlechtsspezifische Lücke (12 % Frauen in der kombinierten Stichprobe, -6,3 Punkte Claude-Code-Nutzung) bleibt weitgehend unerklärt, wird jedoch erstmals in dieser Granularität dokumentiert. Die zeitlichen Nutzungsmuster (Steuererklärung am 14. April, Einnahmen um 18 Uhr, Schlaf um 5 Uhr) sind eine konkrete Lesart dafür, wie KI in den Alltag eingebettet wird.

Die Werkzeuge der Entwicklungsteams verdichten sich gleichzeitig an mehreren Fronten. GitHub Desktop 3.6, Copilot for Jira GA und das LSP-Setup-Skill für Copilot CLI erscheinen am selben Tag und bilden eine vollständige Abdeckung des Entwicklungszyklus: Desktop (Desktop), Projektmanagement (Jira), Terminal (semantische CLI in 14 Sprachen). Claude Code v2.1.193 ergänzt OpenTelemetry-Observability der Modellantworten und den automatischen Shell-Befehlsklassifikator — zwei Funktionen, die Compliance- und Nachverfolgbarkeitsanforderungen im Unternehmen adressieren. HF Jobs vLLM senkt seinerseits die Einstiegshürde für bedarfsgesteuerte Inferenz ohne zu verwaltende Infrastruktur.

Open-Source-Modelle und KI-Video erreichen kommerzielle Meilensteine, die die Karten neu mischen. Gemma 4 verdoppelt in 2,5 Monaten den historischen Gesamtwert der Gemma-Familie zum Zeitpunkt der Einführung von Gemma 3 und wird zum ersten multimodalen Modell, das auf Cerebras mit 1.500 Tokens/s läuft. HeyGen (200 Millionen USD ARR, 2,70 USD ARR pro eingeworbenem Dollar) zeigt, dass KI-Video eine im Tech-Sektor seltene Kapitaleffizienz erreichen kann. CoffeeBench von Sakana veranschaulicht eine dritte Form des Beitrags: Multi-Agent-Benchmarks über lange Horizonte (90 Tage Lieferkette), die Verhaltensweisen erfassen, die klassische Evaluierungen nicht sehen — Lücken, die auf der ICML 2026 vorgestellt werden.