Modell-Releases & Open Source
Qwen4-Leak, Open-Source-Bekenntnis. Im Qwen-Code-Repo von Alibaba tauchen Verweise auf qwen4-max, qwen4-coder-plus und qwen4-omni-120b auf – die neuen Modelle stehen offenbar kurz bevor. Die Qwen-Führung dementierte Gerüchte über einen reinen API-Kurs und bekräftigte, dass Qwen 4.0 und 5.0 weiterhin Open Source bleiben.
Wissenschaftsmodell mit 753B. Deep Principle hat Hydrogen-1.0 veröffentlicht: ein offenes MoE-Modell mit 753B Parametern für Chemie, Materialwissenschaften und Life Sciences, aufgebaut auf GLM-5.3. Laut eigenen Angaben schlägt es GPT-6-Astra in FrontierScience-Research und erscheint unter MIT-Lizenz.
Quantisierung schrumpft MiniMax. Das offene MiniMax M3.1 Flash (428B) ist von Community-Entwicklern binnen 10 Tagen von 252,4 GB auf 93 GB komprimiert worden – MiniMax bedankte sich dafür. Das Modell setzt auf Quantization-Aware Training und sparse Attention und zielt mit bis zu 1M Kontext auf Coding- und Agenten-Aufgaben.
Quant-Report für 1,7B-Modell. Ein Quantisierungsbericht zu LFM3-1,7B von Liquid AI zeigt: Ein quasi verlustfreies Quant passt in 3,6 GB VRAM, eine 2,2-GB-Variante büßt nur moderat ein. Das Modell soll bei doppeltem Kontext und halbem VRAM besser abschneiden als MiniCPM5-2B.
Lokale Inferenz & Quantisierung
Lokaler Geschwindigkeitsvorteil. Ein direkter Vergleich von GLM 5.3 Flash über das Z.ai-Abo und lokalem Serving ergab: Dasselbe Modell beendete denselben Prompt lokal 4,2-mal schneller. Der Autor argumentiert, dass nicht nur die Token-Kosten, sondern vor allem die gesparte Zeit lokale KI wertvoll macht.
RTX 8000 als 3090-Alternative. Die Preise für die RTX 8000 mit 48 GB sind auf rund 2.100 US-Dollar gefallen, während gebrauchte 3090 doppelt so teuer wurden. Damit ist die RTX 8000 pro GB günstiger und fürs Heimlabor stromsparend: Sie stemmt größere Modelle und Kontexte als zwei 3090 – bei geringerer Leistungsaufnahme.
Streit um Quant-Qualität. Unsloth und ISTA-DASLab streiten öffentlich über die Quantisierungsqualität von DeepSeek-V4.1-Flash: Unsloth meldet, seine GGUFs lägen bei Long-Context-Coding-Benchmarks 10–20 % vor GSQ-RCO, während eine separate Analyse die Konsistenz in Unsloths LiveCodeBench-Diagrammen anzweifelt. Für die Community fallen dabei bessere Quants ab.
Versteckte Strata-Bremse. Strata/PolyStrata hat ein standardmäßig aktives Feature namens answer_room, das das Reasoning still auf 75 % von max_tokens deckelt und dem Denkprozess des Modells eine Abschlusszeile unterschiebt. Dieses versteckte Verhalten kann Benchmark-Vergleiche und die Qualität von Transkripten verzerren.
Unzensiertes DeepSeek für 12 GB. Ein modifiziertes GSQ-RCO-Quant von DeepSeek-V4.1-Flash-1017 entfernt Verweigerungen (auf JailbreakBench von 85 auf 0 %) und hält die GPQA-/AIME-Werte stabil. Es läuft mit Strata und SSD-Offload in 12 GB VRAM; die gerouteten Experten bleiben Byte für Byte identisch mit ISTAs Release.
Agenten, Coding & Tools
Coding-Agent für Growth-Teams. The Letter Company hat Letterpress-1 veröffentlicht: einen Coding-Agenten samt IDE, der eine Website und Marktsignale ausliest, Änderungen in einer Sandbox baut und dann Pull Requests mit Live-Vorschau öffnet. Er bietet 760 Tools über MCP/REST/CLI – öffentliche Benchmarks fehlen aber noch.
Git für Agenten-Last. OpenAI hat Pando gebaut, ein neues Git-Backend für sein Monorepo, das parallele Pushes und Reads im Codex-Maßstab verkraftet. Die mediane Push-Latenz sank um fast das Fünffache, täglich werden fast ein Petabyte Git-Daten ausgeliefert – und das Ganze bleibt Git-kompatibel.
Qwen improvisiert in Blender. Ein Nutzer hat beobachtet, wie Qwen 3.8 27B seinen Blender-MCP-Zugang entdeckte und Python in Blender schrieb, um Physik-Berechnungen zu beschleunigen. Dass das Modell unerwartete Werkzeuge eigenständig nutzt, zeigt, wie nötig explizite Leitplanken sind.
Modelle editieren Gewichte. GPT-6 Astra soll Qwen-Gewichte so bearbeitet haben, dass MATH-500 von 7,9 auf 48,1 % stieg; ein neues Preprint untersucht, wie LLMs neuronale Netze direkt lesen und schreiben. Das deutet auf Modelle hin, die andere Modelle unmittelbar verändern – ein Schritt weg von Prompting und Fine-Tuning.
Claude Code verbietet Klone. Anthropic hat den System-Prompt von Claude Code angepasst: Das Nachbauen konkreter existierender Spiele ist nun untersagt, eigene Spiele oder Genre-Titel bleiben erlaubt. Der Schritt dürfte KI-gestütztes Porting kaum verhindern; manche Nutzer lokaler LLMs nennen ihn als weiteren Grund, selbst zu hosten.
Goldman Sachs kappt Coding-KI. Goldman Sachs hat Händlern und Bankern den Zugang zu Claude Code und GitHub Copilot entzogen; nur noch Engineers dürfen die Tools nutzen. Die Bank erklärt die Experimentierphase für beendet und verweist auf Produktivität und Risikomanagement – obwohl sie „Vibe Coding“ durch nichttechnische Mitarbeiter zuvor noch gelobt hatte.
ChatGPT führt Tabs zusammen. OpenAI legt die Tabs Chat und Work in ChatGPT zusammen, damit Nutzer vom Ideenfinden direkt zum Bauen von Websites oder Präsentationen übergehen können – an einer Stelle. Codex bleibt getrennt, beide teilen sich aber inzwischen denselben Token-Topf.
Context Engineering im Wandel. Laut LangChain konvergiert die Standardarchitektur für Agenten aus LLM-Loop und Tools, doch neue Herausforderungen entstehen bei Long-Horizon-Kontextverwaltung, progressive disclosure und sandboxed Tool-Nutzung. Der Beitrag skizziert aufkommende Praktiken für Agenten Ende 2026.
Branche & Business
Anthropics Zahlen vor dem IPO. Anthropics Quartalsumsatz ist um das Zwölffache auf fast 17 Mrd. US-Dollar gestiegen, doch Betriebskosten von 17,5 Mrd. US-Dollar führten zu einem Nettoverlust von 23,3 Mrd. US-Dollar – getrieben von Compute-Verpflichtungen und Donation Matching. Die S-1 warnt zudem, das Unternehmen sei nahe an rekursiver Selbstverbesserung, und nennt das ebenso vielversprechend wie ein Sicherheitsrisiko.
Garry Tans Token-Budget. Y-Combinator-Chef Garry Tan gibt eigenen Angaben zufolge 100.000 bis 200.000 US-Dollar pro Jahr für KI-Tokens aus und nutzt Agenten fürs Coding, für Recherche und private Aufgaben. Sein „gstack“ mit 23 Claude-Code-Skills steht auf GitHub.
Trajectory sammelt 45 Mio. ein. Das Start-up Trajectory hat eine Series A über 45 Mio. US-Dollar eingesammelt – angeführt von Sequoia, bei einer Bewertung von 300 Mio. US-Dollar. Automatisiertes Fine-Tuning und kontinuierliches Lernen für Fachdomänen wie Recht und Finanzen sollen teure Beratung durch Forward-Deployed Engineers ersetzen.
Weltmodell für Verhalten. Das israelische Start-up 42AI ist mit 62,5 Mio. US-Dollar aus dem Stealth-Modus gekommen. Es beansprucht ein verhaltensbasiertes Weltmodell, das individuelle menschliche Entscheidungen in neuen Situationen vorhersagt, und wird zunächst bei Finanzbrokern eingesetzt, um das Verhalten von Tradern zu prognostizieren.
Grok Bot wird gedrosselt. SpaceX hat die Wochenkontingente für Grok Bot gekürzt, nachdem Musk die Betriebskosten als „untragbar hoch im Verhältnis zu den Einnahmen“ bezeichnet hatte. Manche Nutzer erreichten ihre Limits über Nacht – obwohl Grok Bot als am schnellsten wachsendes Produkt gilt.
Rechenzentren als Netzhelfer. OpenAI hat das Grid Protectors Program gestartet: Künftige Rechenzentren sollen bei Netzengpässen die Stromnachfrage um bis zu 1.000 MW senken können. Der Pilot in Georgia wird so gerahmt, dass KI-Campusse das Netz schützen statt es zu belasten.
Verlage verklagen Brave. Die New York Times und weitere Medienhäuser haben Brave verklagt: Der Browser habe urheberrechtlich geschützte Inhalte gescrapt und Zugang zu einem Index verkauft, den KI-Firmen wie Anthropic, Mistral und xAI nutzen. Die Klage richtet sich auch gegen Braves Paywall-Umgehung.
Agenten für Juristen. Legoras CTO spricht im Podcast Latent Space darüber, wie das Unternehmen KI-Agenten für Anwälte baut. Legora erreichte in unter 18 Monaten 100 Mio. US-Dollar ARR, zählt heute 1.800 Kunden und ist 8,8 Mrd. US-Dollar wert. Weil das Team keine Kundendaten sehen darf, baut es simulierte Testumgebungen.
Apple will an KI-Apps mitverdienen. Apple hat angedeutet, künftig an KI-Apps Dritter und entsprechenden Partnerschaften mitzuverdienen – womöglich indem KI-Agenten über den App Store verteilt und Provisionen fällig werden. Konkreteres gab es im Call zu den Quartalszahlen nicht.
Forschung & Infrastruktur
Durchbruch bei Sparse Attention. Zyphra hat ZHA veröffentlicht: eine baumstrukturierte sparse Attention, die sich mit minimalem Parameteraufwand in eingefrorene Modelle wie Qwen3.6-35B destillieren lässt und bei Reasoning und Coding nahe an dense herankommt. Ein verwandtes Open-Source-Projekt dehnt sparse Attention auf 10 Mio. Tokens aus, wobei die Genauigkeit bei den meisten Aufgaben erhalten bleibt.
PyTorch nativ auf TPUs. Google und Meta haben TorchTPU als Open Source freigegeben: ein natives PyTorch-Backend für TPUs mit Eager Execution und minimalen Codeänderungen. Es soll die Kompilierlatenz von PyTorch/XLA und dessen invasive Eingriffe in den Code beheben.
Benchmark für Echtzeit-KI. Forschende haben Realtime-Bench vorgestellt, einen Benchmark mit 50 Aufgaben, der prüft, ob KI in zeitkritischen Web- und Spielumgebungen handeln kann. Erste Ergebnisse zeigen: LLMs tun sich mit Entscheidungen bei niedriger Latenz weiterhin schwer.
Lücke bei Agenten-Analytics. Ein Bericht von MIT Technology Review Insights kommt zu dem Ergebnis, dass weniger als die Hälfte der von Agenten erzeugten Insights zu einer geschäftlichen Verbesserung führt; besonders schwach sind präskriptive Empfehlungen. Organisationen setzen deshalb darauf, die Qualität der Insights in Agenten-Analytics zu erhöhen.
Das war alles für diesen Tag – etwa 5 Minuten Lesezeit.