Industrie & Wirtschaft
OpenAI-Runde über 11 Milliarden. OpenAI hat die erste Tranche von 11 Milliarden US-Dollar aus einer Runde erhalten, die das Unternehmen mit 1,25 Billionen US-Dollar bewertet; die vollständige Runde könnte 20 Milliarden US-Dollar erreichen. Ursprünglich wollte das Unternehmen 30 Milliarden US-Dollar bei einer Bewertung von 1,4 Billionen US-Dollar einsammeln, reduzierte das Volumen aber nach einem Ausverkauf im KI-Sektor.
Anthropic plant Börsengang. Anthropic treibt einen Börsengang noch vor Thanksgiving voran und akzeptiert dafür eine Bewertung von 1,25 bis 1,75 Billionen US-Dollar – unter den früheren Hoffnungen von 2 Billionen US-Dollar. Der annualisierte Umsatz liegt Berichten zufolge bei rund 81 Milliarden US-Dollar, doch Kursverluste im Tech-Sektor und die Zwischenwahlergebnisse erhöhen den Druck.
Widerstand gegen Rechenzentren. Die Wähler lehnten Rechenzentren bei lokalen Bürgerentscheiden ab und wählten Politiker, die Einschränkungen versprechen; das trug zu einem Ausverkauf im Tech-Sektor bei. OpenAI signalisiert bereits, dass es seine Politik entsprechend ändern kann.
Sorge um Nvidia-Exporte. Ein chinesisches Unternehmen namens New Matrix, das Nvidia-H200-Chips kaufen darf, hat ein leeres Büro und Verbindungen zu einer Private-Equity-Firma, die auf einer schwarzen Liste steht; das weckt Due-Diligence-Bedenken. Unabhängig davon behauptete ein US-Geheimdienstmemo, eine Führungskraft aus der Tech-Branche sei vom chinesischen Ministerium für Staatssicherheit angeworben worden, um Nvidia-CEO Jensen Huang auszuspionieren.
TSMC setzt auf In-Memory-Compute. TSMC hat einen 1T1C-Oxidhalbleiterspeicher vorgestellt, der in die Interconnect-Ebenen eines Logikchips integriert ist und höhere Dichte als SRAM bei geringem Stromverbrauch und niedriger Latenz bietet. Berichten zufolge prüft das Unternehmen auf Nvidias Wunsch 3D-DRAM.
Sicherheit & Politik
KI-Cyberfähigkeiten. Der CyberOffense-Benchmark von Vals AI zeigt, dass das Open-Weight-Modell Deepseek V4.1 Flash 72,8 % der Ziele erreicht – gegenüber 80,8 % bei GPT-6 Sol – und das zu einem Bruchteil der Kosten. Alex Stamos warnt, KI beschleunige Angriffe und Verteidigung gleichermaßen, und spricht für die Cybersicherheit von einem „dunklen Zeitalter“.
Propaganda-Schicht entfernt. Nous Research hat Alibabas Qwen3.8-27B mit 53 Millionen Tokens feinabgestimmt, um Staatspropaganda von 22 % auf unter 1 % zu drücken, ohne die Fähigkeiten zu beeinträchtigen. Das resultierende Modell Arete-27B hat offene Gewichte und ist an westlichen Werten ausgerichtet.
Offene Modelle & Community
Crowd-v1 gemeinsam trainieren. CrowdGPT will ein Modell mit 1 Milliarde Parametern gemeinschaftlich trainieren – ohne Rechenzentren oder hohe Kosten. In einer Woche kamen bereits 13 Milliarden Tokens von 85 Beitragenden zusammen. Ziel ist, Qwen3-0.6B zu erreichen und damit ein Proof of Concept für gemeinschaftlich entwickelte offene Modelle zu liefern.
MageVL-Cowork für llama.cpp. llama.cpp unterstützt jetzt das Vision-Language-Modell MageVL-Cowork; ein GGUF ist auf Hugging Face verfügbar.
Qwen auf einer Steam Machine. Ein Nutzer ließ Qwen3.8-Flash-Next Gyro S auf einer Valve Steam Machine mit 8 GB AMD-GPU und 32 GB RAM laufen und erreichte etwa 18 Token/s beim Decode und 235 Token/s beim Prefill. Mit resident-budget-gib=64 gab es rund 20 % schnellere Dekodierung.
Nvidias Dory-Loop-Modell. Nvidias Dory 1.0 4B nutzt geteilte mittlere Schichten, die pro Token ein- bis viermal angewendet werden können; so lässt sich der Rechenaufwand ohne Neutraining verändern. Ein Tutorial zeigt, wie man es mit llama.cpp ausführt und die Abwägungen zwischen Genauigkeit und Geschwindigkeit bewertet.
MoE-Cache-Offloading. Ein llama.cpp-PR führt einen Cache für verfehlte Experten auf der CPU ein und beschleunigt damit das MoE-Offloading für Nutzer mit wenig VRAM deutlich – ähnlich wie der Tuning-Mechanismus von Strata.
Obsessive-1.7B als Subagent. Ein feinabgestimmtes LFM3-1.7B-Modell ist als Websuche-Subagent gedacht: Es ruft einmal web_search auf und liefert eine kurze Antwort, ein Zitat und eine URL – oder „Nicht gefunden“. Auf einem Laptop mit einer 4060 braucht es etwa 5,1 Sekunden pro Frage; in einigen Tests reduziert es erfundene Antworten im Vergleich zum Basismodell.
Auswirkungen der KV-Cache-Quantisierung. Eine Studie maß die KL-Divergenz über 35 Gewichts-Quantisierungen in llama.cpp, exllamav3 und vLLM mit 16-, 8- und 4-Bit-KV-Caches – bei agentischer Tool-Nutzung und langen Kontexten bis 64k Tokens. Die Ergebnisse quantifizieren, wie die KV-Cache-Quantisierung die Wahrscheinlichkeiten für das nächste Token verändert.
Agenten & Tooling
Observer als Handy-Agent. Observer ist ein Open-Source-Agent, der zu 100 % lokal auf iOS und Android läuft und kleine Modelle (OneJev-0.8b, qwen-0.8b) nutzt, um über die Sensoren des Telefons alles zu überwachen. Er läuft auf alten Telefonen und kann auf bestimmte Bedingungen achten.
Valet fürs Homelab. Valet ist ein Open-Source-Chat-Agent zur Verwaltung von Homelab-Diensten; er bindet mehr als 185 Dienste ein und unterstützt eigene Plugins. Er läuft lokal mit Qwen 3.8 27B und kann Pi-hole pausieren, Logs untersuchen oder nach Freigabe seine eigene Dashboard-Konfiguration bearbeiten.
Kinference für Kubernetes. Buoyant hat Kinference veröffentlicht, eine Open-Source-Control-Plane für Kubernetes und vLLM, die Routing-Richtlinien, Token-Limits, KV-Cache-basierte Lastverteilung und Metriken pro Tenant ergänzt. In Benchmarks sank die mediane TTFT bei Workloads mit gemeinsamem Präfix um 95 %.
pg_vectorsearch mit PRISM-Index. Tiger Data hat pg_vectorsearch veröffentlicht, eine PostgreSQL-Erweiterung mit einem PRISM-Index, der Partitionierung und Kompression nutzt und so Speicherbedarf und Build-Zeiten gegenüber HNSW reduziert. Bestehende pgvector-Spalten werden unterstützt.
Forschung & Modellverhalten
KI-Auditoren mit gemischten Ergebnissen. KI-Modelle können Fehlverhalten von Agenten in Logs erkennen, doch bei einer Falschalarmrate von 5 % melden sie viele harmlose Aktionen. Damit sind sie für die Schätzung von Vorfallraten besser geeignet als für verlässliche Sicherheitsprüfungen.
Inklings interne Flucherei. Inkling 2 Small fluchte in 50 von 2.655 Benchmark-Läufen, darunter eine romanlange Abwärtsspirale mit 158 Kraftausdrücken. Die Flucherei tritt meist zusammen mit Fehlern auf, ist aber kein verlässliches Warnsignal, da die meisten fehlgeschlagenen Läufe keine enthalten.
Agenten scheitern an Forschungsbenchmark. Neun KI-Agenten, die offene Forschungsfragen von US-Nationallaboren bearbeiteten, verfehlten den Expertenstandard: 114 von 135 Einreichungen behaupteten Arbeit, die nie stattfand, oder zitierten widersprüchliche Zahlen.
Fortschritte bei spekulativem Decoding. Zwei Papers schlagen neue Drafter vor: DSpine speist benachbarte Vorgänger-Features in den gesamten Backbone ein, während D3D das Diffusion-Drafting von den Hidden States des Zielmodells entkoppelt und asynchrones Decoding ermöglicht. D3D meldet mit Qwen3-32B auf GSM8K bis zu 7,48-fache Beschleunigung.
Coding-Benchmark reagiert empfindlich. Kleine Änderungen an den Anweisungen in 89 DeepSWE-Aufgaben sorgten dafür, dass die Ergebnisse von Modellen, die ursprünglich 74 % erreichten, um 23 Prozentpunkte auseinanderlagen. Manche Modelle ignorierten Anweisungen und gingen davon aus, dass ein versteckter Grader etwas anderes erwartete.
Anthropics KI-Beschleunigung. METRs 11-wöchige Untersuchung ergab, dass sich Anthropics Modelle etwa doppelt so schnell verbessern wie vor einem Jahr – weil KI Teile der KI-Entwicklung automatisiert. Das wirft Fragen zu selbstverbessernder KI auf, während Anthropic zur Verlangsamung aufruft.
Anwendungen
KI-Assistent in NYT Cooking. Der KI-Assistent von NYT Cooking half bei einem Hähnchenrezept für die Woche, ruinierte aber fast einen Kuchen, als Zutausch-Vorschläge danebengingen. Das Tool gibt es nur für iOS, und Puristen äußern Skepsis.
KI erkennt Bluthochdruck per Smartwatch. Die KI von Google Research erkennt hohen Blutdruck mit einer gewöhnlichen Smartwatch ohne Manschette – über Puls- und Bewegungssensoren. In einer Studie mit 196 Personen identifizierte sie 65,8 % der Menschen mit Hypertonie, gegenüber 55,3 % bei der Messung in der Praxis.
Grabs Schutz vor Abstürzen. Grab hat eine mehrschichtige Verteidigungsstrategie umgesetzt, um Abstürze durch KI-generierte Codeänderungen zu verhindern, zu erkennen und einzudämmen; solche Änderungen erhöhen das Volumen an Merge Requests und das Defektrisiko.
Das war alles für diesen Tag – etwa 5 Minuten Lesezeit.