Hallo Freunde,

Ein Anthropic Forscher hat während er das WM-Finale schaute, das aktuell stärkste Modell, Fable 5, auf das ungelöste mathematische Problem der Jacobi-Vermutung losgelassen. Und es nach knapp 100 Jahren nun widerlegt. Ihr wisst nicht was die Jacobi-Vermutung aussagt? Wir leider auch nicht, dafür aber was diese Woche die wichtigsten KI News sind. Los gehts!

Peanuts für heute:

Vor einer Woche wurde Hugging Face von einem autonomen KI-Agentensystem angegriffen. Hugging Face ist, vereinfacht gesagt, das GitHub der KI-Industrie. Wer mit KI-Modellen arbeitet, kommt an der Plattform kaum vorbei.

Der Angriff begann mit einem manipulierten Datensatz. Anschließend führte ein autonomes Agentensystem Tausende koordinierte Aktionen in den internen Systemen aus. Allein um den Ablauf zu rekonstruieren, musste Hugging Face mehr als 17.000 protokollierte Ereignisse auswerten, darunter ausgeführte Befehle, verwendete Exploits und abgegriffene Zugangsdaten.

Dafür wollte das Unternehmen wiederum KI einsetzen. Doch die gängigen Top-Modelle blockierten Teile der Analyse. Ihre Sicherheitsfilter konnten nicht erkennen, ob hier ein Angreifer einen neuen Angriff vorbereitet oder ein Sicherheitsteam einen laufenden Angriff untersucht.

Also wechselte Hugging Face zu GLM 5.2, einem chinesischen Open-Weight-Modell, und betrieb es auf der eigenen Infrastruktur. Das Modell konnte die Daten analysieren, während Angriffsprotokolle und Zugangsdaten im Unternehmen blieben. Der Angreifer war an keine Nutzungsrichtlinie gebunden. Der Verteidiger, in diesem Fall Hugging Face, zunächst schon.

Bis vor Kurzem war das ein vernünftiger Kompromiss. Offene Modelle ließen sich selbst betreiben und verändern, waren den besten geschlossenen Modellen aber deutlich unterlegen. Unternehmen konnten Kontrolle haben oder maximale Qualität. Beides gleichzeitig war schwierig.

Aber das scheint sich gerade zu ändern. Und das ist ausgerechnet für deutsche Unternehmen ein richtig großes Ding.

Innerhalb weniger Tage wurden gleich drei neue offene Modelle veröffentlicht oder angekündigt, die unterschiedliche Teile dieser Verschiebung zeigen:

Was diese Modelle im Einzelnen können, erklären wir weiter unten in den Highlights. Für diese Geschichte reicht zunächst die gemeinsame Botschaft: Die Modelle sind sehr, sehr gut. Nicht besser als die Top-Modelle von OpenAI und Co., aber gut genug.

Für ein amerikanisches Start-up ist diese Entwicklung vor allem eine Frage von Kosten und Anbieterabhängigkeit. Für ein deutsches Unternehmen geht es häufig um etwas Grundsätzlicheres: Welche Daten darf das Modell überhaupt sehen?

Statt die Daten an die API eines amerikanischen Modellanbieters zu schicken, kann das deutsche Unternehmen das Modell grundsätzlich dort betreiben lassen, wo die Daten bereits liegen. Zum Beispiel bei einem deutschen oder europäischen Cloudanbieter, in einer privaten Cloud oder auf eigener Infrastruktur.

Das bedeutet nicht, dass jedes mittelständische Unternehmen künftig ein Modell mit 2,8 Billionen Parametern in den eigenen Serverraum stellt. Die von Moonshot empfohlene Hardware liegt schnell im Millionenbereich. Rechenleistung und Betrieb bleiben teuer und kompliziert.

Aber ein Unternehmen muss diese Infrastruktur nicht zwingend selbst besitzen. Weil die Modellgewichte offen verfügbar sind, können unterschiedliche Cloud- und Infrastrukturunternehmen dasselbe Modell betreiben. Das Unternehmen kann also selbst entscheiden, bei welchem Anbieter, in welchem Land und unter welchen Bedingungen es läuft.

Bei einem geschlossenen Modell gehören das Modell und die API dagegen demselben Unternehmen. Der Anbieter bestimmt den Preis, den Speicherort, die Nutzungsbedingungen und die Aufgaben, die das Modell ausführen darf.

Genau das hat Hugging Face während des Angriffs erlebt.

Wir haben uns hieran erinnert gefühlt: Im Mai 2023 wurde ein internes Google-Memo mit dem Titel „We Have No Moat, And Neither Does OpenAI“ geleakt.
Übersetzt: „Wir haben keinen Burggraben. Und OpenAI auch nicht.“ Kurz: OpenSource wird gewinnen. Google hat keinen Wettbewerbsvorteil und OpenAI auch nicht.

Es war keine offizielle Position des Konzerns, sondern die Einschätzung eines Mitarbeiters. Damals waren offene Modelle noch deutlich schwächer als die geschlossenen Top-Modelle. Drei Jahre später wird klar, wie richtig die grundsätzliche Beobachtung war.

Open Source muss nicht das intelligenteste Modell der Welt hervorbringen. Es reicht, wenn der Vorsprung der geschlossenen Modelle so klein wird, dass er für viele Aufgaben weniger wichtig ist als Kosten, Datenzugang und Kontrolle.

China hat diese Verschiebung verstanden. Deshalb wirbt Xi Jinping ausgerechnet jetzt für Open Source und die internationale Verbreitung von KI. Die stärksten geschlossenen Modelle und APIs kommen heute überwiegend aus den USA. Wenn chinesische Labore leistungsfähige Modelle offen verbreiten, verlieren amerikanische Anbieter ihre Macht. China hat nur einen Bruchteil der KI-Investitionen der USA, und trotzdem ist die Modellqualität nur knapp dahinter.

Für deutsche Unternehmen kann genau das eine Chance sein. Viele ihrer wertvollsten Daten können oder dürfen nicht ungeprüft an die API eines amerikanischen Modellanbieters gehen. Ein leistungsfähiges Open-Weight-Modell kann dagegen in einer selbst gewählten und kontrollierten Umgebung betrieben werden.

Und genau das ist das Versprechen von offenen Modellen.

Quellen: Ankündigung Inkling, Blogpost zu Kimi, Artikel, Analyse

Dieser Tipp ist schon so alt, aber in der letzten Woche wurde ich daran erinnert und war überrascht, wie sehr er geholfen hat. Es ist wirklich ein Trauerspiel, wenn man in 2026 noch in PowerPoint und Keynote händisch Folienbausteine in Präsentationen von links nach rechts schieben muss.
Claude Design macht herausragende Präsentationen, aber wenn man im OpenAI-Ökosystem ist oder kein Anthropic-Abonnement haben möchte, dann sehen Präsentationen fast immer schlecht aus. Dabei ist der Workaround wahnsinnig einfach:

GPT-5.6 Sol, das OpenAI-Frontiermodell, ist nämlich herausragend gut in Frontend-Aufgaben. Also z. B. Webseiten in HTML zu coden und dafür zu sorgen, dass sie richtig gut aussehen. Also sagt man Codex einfach, es soll die Präsentationen in HTML bauen, lässt sie diese als Webseite anzeigen und speichert die Folien mit einem Klick auf cmd + p als PDF ab. Bolt Slides von den Machern des Vibe-Coding-Tools “Bolt” folgt dem gleichen Muster und hat ein Open-Source-Tool veröffentlicht, das Pitches, Strategie-Decks oder Daten-Präsentationen als interaktive React-Anwendung erstellt. Wenn es also doch interaktiv bleiben soll, ist auch das eine gute Möglichkeit. Link

Unsere Gemischte Tüte ist immer vollgepackt - in dieser Sektion kuratieren wir die aus unserer Sicht wichtigsten Links:

Mira Muratis, Ex-CTO von OpenAI, Thinking Machines veröffentlicht erstes eigenes Modell: “Inkling”. Es kann Texte verstehen und schreiben, Bilder und Diagramme analysieren, Audioaufnahmen auswerten, programmieren und selbstständig mit digitalen Werkzeugen arbeiten. Die vollständigen Modellgewichte sind offen verfügbar und dürfen von Unternehmen verändert und weiterverwendet werden. Über die Plattform Tinker kann man dem Modell beispielsweise anhand eigener Beispiele beibringen, wie im Unternehmen Entscheidungen getroffen, Dokumente bewertet oder Ergebnisse ausgegeben werden sollen. Das Unternehmen bekommt dadurch nicht nur Zugang zu einem allgemeinen Chatbot, sondern kann eine eigene Version entwickeln und die angepassten Gewichte anschließend behalten. Die Wette von Thinking Machines lautet: Unternehmen wollen langfristig nicht alle dieselbe universelle KI. Sie wollen Modelle, die ihre Produkte, Prozesse und Qualitätsmaßstäbe verstanden haben. Link

Moonshot AI bringt größtes offenes Modell der Welt. Das chinesische KI-Labor Moonshot AI hat mit Kimi K3 eines der derzeit meistdiskutierten Modelle veröffentlicht. Kimi kann programmieren, im Internet recherchieren, lange Dokumente verarbeiten, Bilder verstehen und über längere Zeit selbstständig an komplexen Aufgaben arbeiten. Insgesamt liegt es noch knapp hinter den besten Modellen von OpenAI und Anthropic. Bei manchen Coding-Aufgaben kann es bereits mithalten oder sie sogar übertreffen. Die vollständigen Gewichte sollen am 27. Juli veröffentlicht werden. Es soll sehr billig sein, doch in unabhängigen Tests kostete eine erledigte Aufgabe mit Kimi ungefähr so viel wie mit GPT-5.6 Sol, aber deutlich weniger als mit den teuersten Claude-Modellen. Der Preisvorteil ist real, nur nicht ganz so spektakulär wie der reine Tokenpreis vermuten lässt. Link

Alibaba kündigt Qwen3.8 an und Anthropic wird misstrauisch. Alibaba hat mit Qwen3.8 bereits das nächste große Open-Weight-Modell angekündigt. Es soll ähnlich wie Kimi Texte, Bilder, Coding-Aufgaben und selbstständige Agentenarbeit beherrschen und laut Alibaba nur knapp hinter den besten geschlossenen Modellen liegen. Noch ist es nicht draußen, als unklar. Besonders neugierig macht der Release aber wegen eines aktuellen Vorwurfs von Anthropic. Das Unternehmen behauptet, mit Alibaba verbundene Akteure hätten über fast 25.000 Accounts rund 28,8 Millionen Gespräche mit Claude geführt, um Qwen zu verbessern. Das Verfahren nennt man Destillation. Vereinfacht gesagt lässt man ein Modell Millionen Antworten eines stärkeren Modells studieren, damit es dessen Fähigkeiten nachahmen kann, ohne den gesamten ursprünglichen Trainingsaufwand wiederholen zu müssen. Link, Link2

China is now leading the AI arms race after spending a tenth what the US did

Du hast Fragen, Anmerkungen oder brauchst unsere Hilfe?
Schreib uns einfach an:
[email protected]