thekb.eu — Wirtschaft & Markt

Claude Fable 5.1 and Mythos 5.1

Tue, 01 Sep 2026 00:00:00 GMT

Am **1. September 2026** kündigt Anthropic **Claude Fable 5.1** und **Claude Mythos 5.1** an, präsentiert als die fortschrittlichsten Modelle für Coding und Wissensarbeit. Beide sind **dasselbe zugrunde liegende Modell**; nur die Stufen der Schutzmechanismen unterscheiden sich. Fable 5.1 ist allgemein verfügbar; Mythos 5.1 ist nur über vertrauenswürdige Zugangsprogramme zugänglich, mit Schutzmechanismen, die für Cybersicherheit und die Biowissenschaften konzipiert sind. Die Ankündigung reagiert ausdrücklich auf drei Rückmeldungen von Kunden. **Preisgestaltung**: Cache-Lesevorgänge sinken um 75 % auf 0,25 $ pro Million Token, während Input und Output mit 10 $ bzw. 50 $ unverändert bleiben; die Gesamtkosten sinken bei typischen Arbeitslasten um rund 25 % und bei stark agentischen Arbeitslasten um bis zu 45 %. **Datenaufbewahrung**: Die neuen *Enterprise Frontier Safeguards* speichern Daten auf der eigenen Infrastruktur des Kunden und bieten die Vertraulichkeit einer Zero-Retention-Vereinbarung, während die Erkennung von missbräuchlicher Nutzung erhalten bleibt; die stufenweise Einführung beginnt im Herbst. **Schutzmechanismen**: Cyber-Klassifikatoren erzeugen 60 % weniger Fehlalarme, und Fable 5.1 darf nun Software-Schwachstellen identifizieren — ohne Exploits zu entwickeln. Bei der Leistung erreicht Fable 5.1 52,6 % auf Terminal-Bench-Science 0.1 (gegenüber 24,7 % für Fable 5 und 29,0 % für Opus 5), 55,8 % auf Terminal-Bench 4.0 (60,9 % für Mythos 5.1), 1853 auf GDPval-AA v2 und 73,4 % auf CursorBench 3.2.0 sowie 31,4 % auf AutomationBench. Die Ergebnisse werden als Kosten-Genauigkeits-Kurven über fünf Aufwandsstufen dargestellt; bei niedrigem oder mittlerem Aufwand erreicht das Modell Fable 5 oder übertrifft es bei deutlich geringeren Kosten. Zweiundzwanzig Partner geben Erfahrungsberichte ab, darunter Millennium, wo das Modell einen Absturz mit einer Wahrscheinlichkeit von eins zu einer Million diagnostizierte, den niemand in vier bis fünf Jahren erklären konnte. Der Wissenschaftsabschnitt dokumentiert drei Ergebnisse. Beim **molekularen Design** erzielt Mythos 5.1 eine Erfolgsquote von nahezu 50 % über 12 Proteinziele hinweg, mit Affinitäten, die zehnmal höher sind als die besten Einreichungen von Adaptyv Bio. Bei der **Modellierung** erstellte Fable 5.1 eine carte altimétrique de Vénus, die ein Drittel der Venusoberfläche auf Basis von Magellan-Radardaten abdeckt und unter einer Creative-Commons-Lizenz veröffentlicht wurde. In der **Computational Biology** beschleunigte Mythos 5.1 sieben Open-Source-Modelle um bis zu das 2,5-Fache durch das Schreiben von GPU-Kernels und senkte die Kosten um 30 bis 60 %. In Sachen Sicherheit bleibt Mythos 5.1 im Bereich Biologie unter der nächsten Risikoschwelle der Responsible Scaling Policy und im Bereich Cyber in der unteren Kategorie des Frontier Compliance Framework. Das Alignment-Audit stellt fest, dass es besser ausgerichtet ist als Mythos 5, weist jedoch auf eine begrenzte Abdeckung von Long-Context-, Multi-Agent- und unmöglichen Aufgaben hin.

The turbulent AI era is here. The choices we make now are critical.

Wed, 26 Aug 2026 00:00:00 GMT

Bill Gates eröffnet mit seiner doppelten Laufbahn – Software bei Microsoft aufbauen, dann das so angehäufte Vermögen umverteilen – und leitet daraus seine Rahmensetzung ab: KI wird der größte Gleichmacher sein, der je erfunden wurde, oder die schlimmste Quelle von Ungerechtigkeit. Zum ersten Mal kann eine Technologie die menschliche Kognition ersetzen und übertreffen. Doch niemand bereitet sich auf diesen Übergang vor: Es existiert kein Plan. Er führt dieses Fehlen an Vorbereitung auf eine Unterschätzung der Wirkung zurück. Die aktuellen Fehler der Modelle sind irreführend, da sich die Zuverlässigkeit rasch selbst korrigiert. Wichtiger noch: Historische Analogien sind irreführend – der PC brauchte zwanzig Jahre, um die Arbeitswelt zu verändern, weil Software entwickelt, Preise gesenkt und Menschen geschult werden mussten. KI hingegen läuft auf bereits installierten Geräten und spricht natürliche Sprache – es ist die KI, die sich an uns anpasst. Gates legt seine fortbestehenden finanziellen Verbindungen zur Branche offen, stellt klar, dass die Gewinne aus seinen Investitionen an die Stiftung gehen, und überlässt es dem Leser zu urteilen. Er legt drei Risiken dar. Erstens der Arbeitsplatzverlust: Da die Substitution auf die Kognition zielt, trifft sie Recht, Kundenservice, Medizin, Software und Industrie gleichzeitig, innerhalb eines Jahrzehnts statt über Generationen hinweg. Einstiegs- und Positionen mittlerer Karrierestufe sind am stärksten exponiert; handwerkliche Berufe werden folgen, sobald robots dextres, vor allem in China entwickelt, günstig werden. Zweitens die Bewaffnung böswilliger Akteure: Cyberangriffe, Bioterrorismus, Betrug, Deepfakes, da nützliche und gefährliche Fähigkeiten nicht voneinander getrennt werden können – und, spiegelbildlich, die Machtkonzentration bei denjenigen, die sie bereits innehaben. Drittens die Wirkung auf die kindliche Entwicklung und auf menschliche Beziehungen, wobei compagnons IA als geschütztes Gewächshaus beschrieben werden, das Menschen der Lektionen echten Kontakts beraubt. Der Nutzen ist real und verortet: beschleunigte Forschung, Gesundheit, Landwirtschaft in einkommensschwachen Ländern – die Wirkung, die er als die schnellste bezeichnet –, öffentliche Dienstleistungen und Bildung. Doch das Verb bleibt „kann": Nichts geschieht automatisch, daher die notwendige Rolle von Staaten und Philanthropie. Er schlägt daher drei erste Maßnahmen vor. Den Aufbau eines beispiellosen nationalen und internationalen institutionellen Rahmens, angelehnt an die Nuklearinspektion, die Luftfahrtregulierung und die Ozonabkommen. Die Einrichtung eines Bereichs „Human Reserved", Berufe, die aus wirtschaftlichen oder menschlichen Gründen von der Automatisierung ausgenommen sind. Die Neuausrichtung der Besteuerung durch eine Steuer auf Token und Roboter, da das System heute dazu drängt, Menschen zu ersetzen. Er schließt mit dem Aufruf, den Kreis der Stimmen zu erweitern, die die Debatte prägen.

DuckDB and the changing physics of analytics

Wed, 26 Aug 2026 00:00:00 GMT

Andy Warfield, Ingenieur im S3-Team bei AWS, veröffentlichte am 26. August 2026 einen Gastbeitrag auf All Things Distributed, eingeleitet von Werner Vogels. Darin erklärt er, warum eingebettete analytische Engines wie DuckDB an Bedeutung gewinnen, und kündigt an, dass DuckLabs, das Team hinter der Entwicklung von DuckDB, zu AWS stößt. Sein Deutungsraster ist das einer sich verändernden „Physik". Während die Naturwissenschaften Invarianten erforschen, sucht die Systeminformatik den eleganten Kompromiss gegenüber Verhältnissen, die sich verschieben: Speichergeschwindigkeit gegenüber Netzwerkgeschwindigkeit, Reichhaltigkeit der Abstraktionen gegenüber verfügbarer Leistung. Er zitiert drei Momente — das NOW-Projekt in Berkeley, seine eigene Arbeit an Xen sowie die Forschung zu MonetDB und X100 am Amsterdamer CWI, wo sich der Engpass der Abfrageverarbeitung von der Festplatte zur CPU verschoben hatte — und stellt fest, dass diese Beschränkungen zyklisch wiederkehren. Auf Daten angewendet, erklärt dieses Raster die verteilte Verarbeitung. Verarbeitung ist auf einer einzelnen schnellen Maschine immer einfacher und effizienter, aber wenn die Festplatte oder Netzwerkkarte eines Servers das gewünschte Volumen nicht mehr lesen kann, wird partitioniert. Das war die Beschränkung der frühen 2000er-Jahre, die MapReduce und später die RDDs von Spark hervorbrachte. Warfield hebt zwei Eigenschaften dieser Systeme hervor: Sie innovierten stark bei der Entwicklerergonomie und akzeptierten einen festen Kosten für Planung und Verteilung, wobei sie auf den durch das Hinzufügen von Maschinen gewonnenen Durchsatz setzten statt auf Effizienz pro Einheit. Doch die Verhältnisse haben sich verändert. Eine aktuelle Instanz bietet etwa das Fünfzigfache an Speicher, Kernen und Netzwerkbandbreite der größten EC2-Instanz von 2007, während das Wachstum der Datensätze einer Verteilung folgt, deren Extremfälle den Schwanz bilden. Das Paper Scalability! But at what COST? von 2015 hatte bereits gezeigt, dass eine sorgfältig optimierte Einzelthread-Implementierung verteilte Frameworks schlagen konnte, die auf hundertachtundzwanzig Kernen liefen. DuckDB, 2018 von Hannes Mühleisen und Mark Raasveldt lanciert, wendet diese Logik an: eine analytische Bibliotheks-Engine, die prozessintern im Adressraum der Anwendung läuft und dem Vertriebsmodell von SQLite folgt. AWS wurde Kunde von DuckLabs und anschließend Sponsor der Iceberg-Erweiterung, parallel zu seiner Arbeit an S3 Tables; die Erweiterung unterstützt inzwischen Iceberg v2 und v3 und überschreitet 800.000 Downloads pro Woche. Warfield präsentiert das eingebettete Modell nicht als Ersatz: Wenn ein Job tausend Maschinen benötigt, benötigt er sie. Was sich ändere, schreibt er, sei, dass ein Großteil der an Daten geleisteten Arbeit tatsächlich nie einen Cluster benötigt hatte. DuckLabs stößt als Tochtergesellschaft zu AWS, wobei das Projekt unter der MIT-Lizenz und unter der Aufsicht der DuckDB Foundation quelloffen bleibt.

DeepSeek Harness developer preview: Everything is a plugin

Thu, 13 Aug 2026 00:00:00 GMT

Produkt-Launch-Seite, veröffentlicht am **13. August 2026** von **DeepSeek**, **nicht gezeichnet**, zur *Developer-Preview*-Veröffentlichung von **DeepSeek Harness** (`dsh`), einem Coding-Agent-Harness, **Open Source unter der MIT-Lizenz**, dessen Repository am selben Tag eröffnet wurde. **Was die Seite sagt.** Zwei Versprechen, in vierhundert Wörtern und ohne eine einzige Zahl. **« Everything is a plugin »**: jede Fähigkeit — Modelle, Tools, Skills, Sessions, Sandboxes, Storage, Loops, Scheduling, Interface — ist ein Plugin, **austauschbar per Konfiguration, ohne den Quellcode zu ändern**. **« Every run is traceable »**: alles, was das Modell sieht, wird in einem **Append-only-Session-Log** erfasst — System-Prompts, Reasoning, Tool-Aufrufe und -Ergebnisse, Subagent-Scheduling, jede Kontext-Injektion — und *« resume, fork, search and replay all operate on the same event stream »*. Der Kern ist **Cordis**, ein vendortes Drittanbieter-Framework, das in einem externen Paper beschrieben und prominent gewürdigt wird. Vier Ausführungsmodi werden ausgeliefert: **Standard** (vollständiges Tooling), **Code** (Tools, die über ein TypeScript-SDK freigelegt werden, um mehrere Operationen in einem Programm zu kombinieren), **Minimal** (zwei Tools, persistenter Bash und `str_replace_editor`, *« for benchmarking models in a minimal environment »*), und **Creator** (Laufzeitinspektion, In-Memory-Plugin-Tests, Komposition neuer Modi). Einstieg: `npx @deepseek-ai/dsh web`. **Was die Seite nicht sagt.** Die stärkste Aussage steht in `docs/architecture.md`: ***« Model-visible means logged. Anything that reaches a model request must be reconstructable from the log, and a runtime invariant asserts it. »*** **Eine zur Laufzeit erzwungene Garantie**, keine Werbeaussage — genau diese Eigenschaft unterscheidet DSH eigentlich, und sie fehlt im Marketingtext. Dasselbe Repository liefert den Widerspruch gleich mit: `SESSION_FORMAT_VERSION` bleibt bei **`0` ohne Kompatibilitätsversprechen**, *« backends reject old on-disk formats »*, und die README warnt in Großbuchstaben, dass es Breaking Changes geben wird. **Nachvollziehbar heute bedeutet nicht archivierbar morgen.** **Das Geschäftsmodell steckt im Zeitplan.** DSH erscheint am Tag der **GA von DeepSeek-V4-Pro** und **drei Tage vor** einem neuen API-Preisplan (16. August, 16:00 UTC; Nebenzeittarife bei **−50 %**). **Harness verschenkt, Inferenz verteuert** — genau umgekehrt zum Modell von Anthropic. **Was sich bestätigt.** Die Austauschbarkeit hält zumindest auf der Modellebene: Neben dem DeepSeek-Adapter macht **`dsh-llm-pi-ai`** jedes OpenAI-kompatible Gateway zugänglich, *« by configuration, not by code change »*. Und mode Minimal liefert den **Benchmarking-Harness** direkt im Produkt mit — ein Versuch, Claude Code die Definitionshoheit über den Benchmark zu entreißen, obwohl DSHs eigenes Repository selbst eine `CLAUDE.md` und ein `.claude/skills` enthält.

Mistral AI wants to build 1 gigawatt of European compute by 2030 — and lock in customers now.

Tue, 11 Aug 2026 00:00:00 GMT

Artikel veröffentlicht bei **VentureBeat** am **11. August 2026** von **Michael Nuñez**, basierend auf einem **exklusiven, unter Embargo stehenden Interview** mit **Timothée Lacroix**, Mitgründer und CTO von **Mistral AI**. **Die Ankündigung in drei Teilen.** (1) **Mistral Regional Endpoints**, in allgemeiner Verfügbarkeit: Anbindung von Inferenz und der zugehörigen Verarbeitung an **Europa oder die Vereinigten Staaten**. (2) Eine **Priority Tier** in Public Preview: zugesicherte Service-Level, individuelle Quoten, ein **Verfügbarkeits-SLA** für kritische Workloads. (3) Eine **Koalition europäischer Unternehmen** — **Amadeus, ASML, Capgemini, CMA CGM** — deren mehrjährige Verpflichtungen **200 MW bis Ende 2027** und **1 GW bis Ende 2030** finanzieren sollen. Hinzu kommt das Hosting von **Open-Source-Modellen Dritter**, beginnend mit **GLM-5.2** vom chinesischen Labor **Z.ai** (früher Zhipu). **Das Finanzierungsvehikel.** Verpflichtungen werden in **European Compute Units (ECU)** umgewandelt: ein mehrjähriger Anspruch auf von Mistral aufgebaute Kapazität, fungibel über Inferenz, Training, Modellanpassung oder verwaltetes Kubernetes. Die Struktur ähnelt eher einem **Power Purchase Agreement** als einem Cloud-Vertrag: Kreditgeber wollen die Nachfrage gesichert sehen, bevor Kapital fließt. Lacroix beschönigt nichts: *"The whole point of compute units is to have commitment,"* fünf Jahre angepeilt, und zum vorzeitigen Ausstieg — ***"There is no getting out."*** **Die Größenordnungen.** Mistral erklärt, *"less than 200 MW"* zu betreiben; die im Detail benannten Standorte summieren sich auf **77 MW** (44 MW bei Paris, 23 MW in Schweden mit EcoDataCenter, 10 MW in Les Ulis). **Epoch AI** beziffert die anfänglichen Kapitalkosten für ein 1-GW-KI-Rechenzentrum auf **~38 Mrd. $**, größtenteils in GPUs; **Goldman Sachs** auf 15-20 Mio. $/MW ohne Chips; **McKinsey** schätzt den globalen Bedarf bis 2030 auf **5,2 Billionen $**. Mistral hat **insgesamt ~4 Mrd. $** eingeworben (PitchBook), nach **830 Mio. € Fremdkapital** für den Standort Paris. **Das Kleingedruckte.** Die regionale Inferenz unterliegt weiterhin *"limited, controlled transfers"* an Subunternehmer außerhalb der Region: konkret **Tool Calls** — insbesondere Websuche. Lacroix' Antwort: **Kapazität kappen** ist das Feature, nicht der Bug. Ein dritter Endpunkt, *"on Mistral compute"* außerhalb der Hardware der Hyperscaler, ist angekündigt, existiert aber noch nicht. **Die Neupositionierung.** Indem Mistral Open-Source-Modelle Dritter unter regionalen Kontrollen und einem hauseigenen SLA verteilt, wird das Unternehmen zu einer **souveränen Distributionsschicht** — das *Model-Garden*-Playbook von Bedrock und Vertex, in Europa. Der Wettbewerbsvorteil verlagert sich vom Modell zur Infrastruktur. Was das alles finanziert: die Überzeugung, dass **Modelle mit Billionen Parametern und agentische Tokens On-Prem-Inferenz untragbar machen** und Umsatz zurück in die Cloud ziehen. **Die ungeklärten Abhängigkeiten**: Nvidia-**GPUs** und **Microsoft** als Ankermieter der europäischen Rechenzentren.

To FDE, or not to FDE?

Tue, 11 Aug 2026 00:00:00 GMT

Langform-Artikel, veröffentlicht auf **X** am **11. August 2026** von **Jesse Zhang**, CEO von **Decagon** (KI-Agenten für den Kundenservice). **Die Ausgangsbeobachtung.** Der *Forward Deployed Engineer* ist zur Standardantwort auf jede Schwierigkeit im KI-Go-to-Market geworden: schmerzhafte Deployments, Kunden, die sich nicht selbst bedienen können, ein noch nicht fertiges Produkt. **Anthropic und OpenAI** haben Enterprise-Deployment-Einheiten aufgebaut, die **explizit an Palantir angelehnt** sind; Stellenausschreibungen für diesen Titel sollen binnen eines Jahres um mehrere hundert Prozent zugenommen haben. Doch, so Zhang, war dies bis vor Kurzem **ein Kritikpunkt** — minderwertigerer Umsatz, strukturell gedeckelte Margen — und *« nothing about the underlying economics has changed »*. Was sich geändert hat: Im KI-Zeitalter kennen Unternehmen den Weg zum Ergebnis nicht, glauben aber an das Ergebnis, und **der FDE liefert das Ergebnis**. **Der Palantir-Präzedenzfall.** Shyam Sankar, CTO: ***« FDEs eat pain and excrete product. »*** Joe Lonsdale räumt ein, dass der Ruf als „glorified consultancy" auf einer zutreffenden Beobachtung beruhte. Die maßgeschneiderten Einsätze von **Gotham** wurden in Primitiven kodiert — **Ontologie, Objektmodelle, Berechtigungen, Workflow-Engines, Provenienzverfolgung** —, woraus **Foundry** wurde, dann Apollo und AIP. Mit der Standardisierung **stieg die Bruttomarge in den Bereich von 80 %**, und Palantir ließ das FDE-Modell hinter sich. *« The pain was the input to the product, not a cost of sale. »* **Die These.** Ingenieure ins Feld zu schicken, ist gerechtfertigt, **wenn die Kategorie neu ist**: Ein Buchhaltungsagent hat 2026 keinen etablierten Workflow, und der Kunde kann ihn nicht einmal beschreiben. **Doch sobald die Wege bekannt sind, müssen die FDEs abgezogen werden — und niemand wird das wollen**, denn sie zu behalten ist Sprint für Sprint der leichtere Weg: Man muss nie einen Produkt-Trade-off entscheiden, nie Nein sagen, nie eine schmerzhafte Architekturentscheidung treffen. Übrig bleiben **alle Nachteile des Modells, ohne den Entdeckungsnutzen**. Zhang unterscheidet zudem **FDE von Implementierung**: Das eine entdeckt eine unbekannte Spezifikation, das andere führt eine bekannte aus; die Vermischung beider lässt eine Services-Organisation als Produktinvestition durchgehen. **Der Fall Decagon.** Ein bewusst produktgetriebener (product-led) Ansatz, getragen von zwei konstanten Forderungen der Unternehmenskunden: **Iterationsgeschwindigkeit** und **Ablehnung von Vendor-Lock-in**. Kosten: Eskalationen werden in Anforderungen umgewandelt statt in Patches. **Selbst berichteter** Nutzen: *« two-thirds of deployment work »* wird inzwischen autonom über **Duet** erledigt, und *« a few days »* genügen, um den ersten **AOP** bei Großbanken, Fluggesellschaften oder Telekommunikationsunternehmen zu starten. Zahlen, die undefiniert und nicht überprüfbar sind. **Der Schlusssatz**: *« If your FDEs are eating pain and excreting more pain, you don't have an FDE team. You have a services business. »*

The Future is for Everyone: The Path to a Positive AI Future

Mon, 10 Aug 2026 00:00:00 GMT

Manifest, veröffentlicht auf **meta.com** am **10. August 2026**, unterzeichnet mit ***"– Mark"*** (**Mark Zuckerberg**), ~6.500 Wörter. **Die drei Prinzipien.** **Individuelle Ermächtigung** als Quelle von Wohlstand, **Erfindung** — nicht Automatisierung — als primärer Zweck von Superintelligenz, und **Machtgleichgewicht** als Grundlage von Sicherheit. Die Leitfrage: *"who will have access to superintelligence and what will we direct it toward?"* **Das zentrale Argument.** Alignment, verstanden als Konvergenz zu einem einzigen wohlwollenden System, sei *"fundamentally flawed"*, denn ***"humanity is not a monoculture"***: Die Werte der Menschen kodieren gegensätzliche Kompromisse, und keine technische Lösung kann sich gleichzeitig an widersprüchlichen Interessen ausrichten. Daraus folgt: ***"there is no such thing as a singular benevolent superintelligence"***. Sicherheit ist kein technisches Problem, sondern eines der **Machtverteilung** — demonstriert durch drei identische Gedankenexperimente (Anwalt, Cybersicherheit, Wirtschaft: ein einzelner Inhaber richtet Schaden an, Verallgemeinerung nützt allen). Korollar an die Branche gerichtet: Das gefährlichste Szenario wäre, wenn *"leading labs training powerful models and keeping them for themselves"*. **Wozu sich Meta verpflichtet.** Ein rund um die Uhr verfügbarer persönlicher Agent mit einem **vollständig privaten Modus**, bei dem *"even Meta"* keinen Zugriff gewähren kann; Werkzeuge zur Erstellung und Unternehmensgründung; ein personalisierter Tutor; Zugang zu wissenschaftlichen Fortschritten (Biohub); **kostenlose Versionen** für Milliarden, dazu **dynamisches Bieten** für bezahlte Rechenleistung. Zur Governance: Das **unabhängige Board** wird Sicherheitskriterien für Veröffentlichungen genehmigen und deren Einhaltung prüfen, wobei der Autor einräumt, dass Meta **von den Gründern kontrolliert** bleibt. Zur Offenheit: *"we will **resume** releasing **some** open source models soon"*, dazu eine explizite Verteidigung der **Distillation** — *"you can learn from anything you can observe"*. **Behandelte Risiken.** Beschäftigung (nichts verlangt, dass Automatisierung die individuellen Fähigkeiten überholt; begrenzte Rechenleistung schafft Opportunitätskosten zugunsten der Erfindung); Infrastruktur (**community compacts**, der *Future Is For Everyone Fund*, ein Bonus von 50.000 $ für Lehrkräfte in Richland Parish, wasserpositiv bis 2030); Cyber- und Biorisiko (Verteidiger müssen den Vorteil behalten; physische Produktion statt Wissen regulieren); Tyrannei (Privatsphäre, **Zwischen-Trainingscheckpoints** an die Regierung statt einer blockierenden Überprüfung); amerikanische Führungsrolle (ein entscheidender Vorsprung von zwei Monaten, aufrechterhaltene Exportkontrollen). **Zwei Vorbehalte.** **Die Quellenlage ist nahezu inexistent** — die Beschäftigungsstatistiken, der HuggingFace-Vorfall und Chinas nukleare Kapazität werden nicht belegt. Und **Alignment wird zur Folge der Adoption**: *"if billions of people are using and scrutinizing personal agents, then we will have solved alignment"*. Dies ist die schwerwiegendste und am wenigsten abgesicherte Schlussfolgerung.

Graphify — Knowledge Graphs for AI Coding Assistants (site graphify.net : vitrine, annuaire d'outils et galerie de dépôts graphifiés)

Thu, 06 Aug 2026 00:00:00 GMT

Die Website **graphify.net**, aufgerufen am 6. August 2026, offiziell im Besitz von **Safi Shamsi**, dem Schöpfer des Open-Source-graphify-Skills. Die Domain trägt drei Dinge, die sich von der kommerziellen Plattform `graphify.com` und dem GitHub-Repository unterscheiden. **Eine Produktpräsentation**, zunächst: Vorstellung von graphify, Nutzungsanleitungen, CLI-Referenz, Seiten zu tree-sitter und Leiden-Clustering. **Eine Demo-Galerie**, als Nächstes, und sie ist der überzeugendste Teil: **100 bereits graphifizierte GitHub-Trending-Repositories**, insgesamt **854.079 Knoten und 1.932.930 Kanten**, filterbar nach Sprache und Größe, jedes mit Angabe der Knoten-, Kanten- und Community-Zahlen, mit Graph-Vorschau und Detailseite. Das Tool an bekannten Repositories in Aktion zu zeigen, ist mehr wert als ein Pitch, und erzeugt nebenbei einen öffentlichen Datensatz vergleichbarer Graphen. **Ein redaktionelles Verzeichnis**, schließlich, das einen eigenständigen Wert hat, unabhängig vom Produkt, für das es wirbt: **30 AI coding client guides**, verglichen nach Workflow, Agenten, Preisgestaltung, Sicherheit und Eignung für die Auslieferung; ein **MCP-Server-Verzeichnis**, bewertet nach Transport, Laufzeitumgebung, unterstützten Clients, Einrichtungsaufwand und **Zugriffsrisiken**; paarweise Vergleiche nach abgestimmten Feldern. Die Website beansprucht eine Methode — *« source-reviewed »*, offizielle Belege, explizite Unbekannte — und ist in sechs Sprachen verfügbar. **Diese Fiche existiert vor allem, um eine Diskrepanz festzuhalten.** Am selben Tag kündigt die Website **« 3.7k+ GitHub stars »** an, während die API **103.187** zählt; sie gibt **dreimal** eine **MIT**-Lizenz an, während die `LICENSE`-Datei des Repositories **Apache 2.0** lautet; und sie hebt die Behauptung **« 71.5× token reduction »** hervor, die zur README-Generation v1 gehört und in der aktuellen Version zugunsten der LOCOMO- und LongMemEval-Benchmarks verschwunden ist. Die Website beschreibt somit ein um mehrere Generationen veraltetes Produkt. **Der Lizenzfehler ist der schwerwiegendste**: MIT und Apache 2.0 bringen nicht dieselben Verpflichtungen mit sich, insbesondere bei Patenten und der Offenlegung von Änderungen. Eine strategische Beobachtung bleibt: **Ein Tool-Anbieter, der das Verzeichnis seiner eigenen Kategorie aufbaut**, besetzt die Bewertungsanfrage vor seinen Wettbewerbern. Der Neutralitätsanspruch beseitigt den Interessenkonflikt nicht — graphify erscheint unter den vorgestellten Skills der Website. Ein nützlicher Einstiegspunkt, kein Schiedsrichter.

Efficient Tokens & Effective Teams in Buzz

Thu, 06 Aug 2026 00:00:00 GMT

Ein **Block**-Benchmark-Beitrag von **Atish Patel**, veröffentlicht am **6. August 2026**, der an den **Buzz**-Launch anknüpft: Da das Zusammenstellen eines Agententeams dort trivial geworden ist, stellt sich die Frage, *welches das günstigste ist, das zuverlässig erfolgreich ist*. **Erst das Vokabular.** Der Beitrag schlägt vier Stufen vor: **QuickBee** (schnell und günstig – Builds, Screenshots, Tests, Erst-Triage: GPT-5.6 Luna, DeepSeek V4 Flash, lokale Modelle, **mit hohem Aufwand betrieben**), **WorkerBee** (vielseitig, übernimmt unbeaufsichtigt einen vollständigen Teilbereich: GPT-5.6 Terra, Gemini 3.6 Flash, offene Modelle), **SmartBee** (Gesamtbild, Abwägungen, Eskalationen: Claude Opus 5, Kimi K3, GPT-5.6 Sol, **mit *medium*-Aufwand**), sowie der Mensch, *„die teuerste Biene im Team, und die langsamste. Aber immer noch die klügste"*. Zwei Teamformen: die permanente **Hive**, die sich die Präferenzen der Nutzenden merkt, und der einmalige **Swarm**, der sich **das Projekt** merkt und danach verschwindet. **Das Solo-Ergebnis.** Auf **Terminal-Bench 2.1** ist die Erhöhung des Aufwands eines **günstigen Modells** der beste Kauf: Luna steigt von 1,61 $ / 57,3 % (*medium*) auf 4,98 $ / 75,0 % (*high*). Am anderen Ende ist **Opus 5 mit *xhigh*-Aufwand der teuerste Durchlauf (140,63 $) und erreicht nur 75,0 %**, nachdem durch Over-Reasoning **bei 17 von 88 Aufgaben der Timeout erreicht wurde**. Unter den sechs besten Durchläufen: **eine 5,5-fache Preisspanne bei einer Punktzahldifferenz von 8,9 Punkten**. Fazit: *„die Wahl zwischen ihnen ist überhaupt keine Qualitätsentscheidung. Es ist eine Budgetentscheidung."* **Das Teamergebnis, in zwei Akten.** Auf Terminal-Bench 2.1 wurden **zwölf Zusammensetzungen** getestet, und **keine schlug Solo bei gleichen Kosten** – einer kurzen Aufgabe fehlt die Struktur, um sie aufzuteilen. Auf **Long-Horizon Terminal-Bench** (44 mehrstündige Aufgaben, Lead GPT-5.6 Sol, **3-facher Timeout**) zeigt sich die Umkehrung deutlich: Solo **15 Aufgaben / 59,1 %**, +2 WorkerBees **20 / 71,5 %** – **+12,4 Punkte, wovon 11,4 aus zusätzlich abgeschlossenen Aufgaben stammen**. Das Team kostet pro Aufgabe mehr, was sich auszahlt, *„wenn die Alternative ein Mensch ist, der unfertige Arbeit übernehmen muss"*. **Die Betriebsregel.** Eskalationen von Workern werden an einen **SmartBee-Koordinator** geleitet statt an den Menschen: *„jede Unklarheit wird zu einer Benachrichtigung"* ist der eigentliche Fehlermodus. Ein Block-Ingenieur berichtet von **über 2.000 migrierten Apps** mit einem Swarm (Koordinator, 1–10 Migratoren, unabhängiger Verifizierer), wobei der Koordinator menschliche Antworten im Gedächtnis speichert. **Vorbehalte**: n=1 pro Aufgabe, kein Konfidenzintervall, Teamkosten nicht veröffentlicht, sowie ein Eingeständnis – *„das könnte sich ändern, wenn Modelle für bessere Zusammenarbeit trainiert werden."*

Block explores how to price AI

Thu, 06 Aug 2026 00:00:00 GMT

Branchenmeldung (**Payments Dive**, Format *Dive Brief*, **6. August 2026**) zur Quartalsbilanz von **Block**: Das Unternehmen hat seinen Kunden bereits mehrere KI-Tools zur Verfügung gestellt — **Moneybot** (Cash App) und **Managerbot** (Square) — und hat noch nicht entschieden, wie es dafür abrechnen will. **Jack Dorsey** im Analystencall: *„We're in a fortunate position where we can experiment with a number of models, and then choose the right one that's going to align all of our incentives with our customers.“* **Der finanzielle Hintergrund erhellt diese Haltung.** Sechs Monate zuvor hatte Block rund **4.000 Personen entlassen, etwa 40 % der Belegschaft**, im Rahmen einer Umstrukturierung, die ausdrücklich mit KI begründet wurde. Im Q2 2026: Bruttogewinn **+25 % auf 3,2 Mrd. USD**, Umsatz **+10 % auf 6,62 Mrd. USD**, aber **Nettogewinn bei 89 Mio. USD, −83 %** im Jahresvergleich, bedingt durch Abfindungskosten zum Abschluss der Restrukturierung; die Prognose für 2026 wurde angehoben. Der Wert der KI wird demnach zunächst über die Kostenstruktur erschlossen, bevor er über den Preis erschlossen wird. **Die gewichtigste Aussage steckt in der Mitte der Meldung**, entnommen dem Aktionärsbrief: *„Starting in June, agentic AI helped write and review nearly all of our production code changes“* — das Schreiben **und** Überprüfen nahezu aller Produktionscode-Änderungen, bei einem börsennotierten Zahlungsunternehmen, sechs Monate nach dem Abbau von 40 % der Belegschaft. Eine selbstberichtete Aussage gegenüber Investoren, ohne Definition von *„nearly all“* oder dessen, was *„review“* umfasst. **Die Tools**: **Goose**, ein zwei Jahre zuvor aufgebautes internes System, beschrieben als modellagnostisch (es bindet für Mitarbeitende verschiedene kommerzielle Modelle ein); **Buzz**, im Vormonat gestartet für *„agent collaboration, communication, and code repositories.“* **Auf Kundenseite**: Moneybot überwacht die Nutzeraktivität in Cash App und zeigt Konten, Salden und Transaktionen an — über **eine Million wöchentlich aktive Konten**; Managerbot übernimmt automatisiertes Marketing, Margenanalyse und schlägt Square-Händlern *„operational fixes“* vor. Analysten von **Evercore ISI** listen vier Monetarisierungswege auf — SaaS-Pakete, Direktabonnements, Unternehmensangebote, nutzungsbasierte Preisgestaltung — **keiner davon an Ergebnisse gekoppelt**. Genannte Prioritätsreihenfolge: **Produktqualität → Distribution → Adoption → Preismodell**. Zwei Fakten zur Distribution runden das Bild ab: Square wird in **Google Maps** integriert, mit einem *„conversational AI experience,“* beschrieben als *„the first step in a broader partnership between Square and Google“*; und das Zahlungsgerät **Tags** (Schlüsselanhänger und NFC-Chip-Sticks) verzeichnet **drei Millionen Personen auf der Warteliste**. Analystenzitate: William Blair (*„Block epitomizes the secular shift toward tech-forward digital finance firms“*) und Bank of America zum *„post-reset operating model.“*

Announcing Cloudflare Wallets: the programmable wallet for the agentic Internet

Tue, 04 Aug 2026 00:00:00 GMT

Produktankündigung, veröffentlicht im **Cloudflare**-Blog am **4. August 2026** von **Will Papper**, im Rahmen der **Agents Week**: **Cloudflare Wallets**, vorgestellt als *"the programmable wallet for the agentic Internet"*. **Das geschilderte Problem** ist präzise und gut gewählt: Ein Agent, der eine API ausprobieren möchte, muss eine für Menschen konzipierte Login-Seite durchlaufen, einen Menschen dazu bringen, eine Zahlungsmethode hinzuzufügen, einen API-Key generieren und dann herausfinden, wie der Dienst aufzurufen ist. Zwei strukturelle Lücken erklären dies — *"Agents do not have a stable identifier to sign up for an API, and they do not have a native way to pay for APIs"* — mit der Folge, dass *"AI agents often give up on these tasks entirely, kicking registration, payment methods, and API key generation back to humans"*. **Die vorgeschlagene Architektur läuft auf zwei Wallet-Typen hinaus**: **Account Wallets**, gedacht für Menschen, die ein Cloudflare-Konto besitzen (finanzieren, delegieren, abheben), und **Virtual Wallets**, gedacht für Agenten, **die über einen API-Key funktionieren** und deren Ausgabenobergrenze **vom Kontoinhaber festgelegt wird**. Die angekündigten Leitplanken sind explizit: **Zuteilung, Allow-List, Höchstbetrag pro Transaktion**. **Die Zahlungsschiene ist das x402-Protokoll** (Zahlungen, die an HTTP-Requests angehängt werden), und die Währung ist der **Stablecoin** — was das Angebot in ein anderes Lager stellt als Schemata, die auf Kartennetzwerken aufbauen. **Das interessanteste Argument ist gegenintuitiv und zentral**: *"These limits may seem like constraints, but counterintuitively they give agents more freedom. If an agent is responsible for $10, you can worry less about its spending than if it is responsible for $1,000."* → **die Obergrenze schränkt die Autonomie nicht ein, sie macht sie erst akzeptabel.** **Zweite Komponente, strategisch bedeutsamer als die erste**: Identität, über einen **`cloudflare.pay`**-Namespace — ein Recherche-Agent könnte unter `research.example.cloudflare.pay` residieren, was dem Händler die Gewissheit gibt, mit dem Agenten einer identifizierten Organisation zu sprechen. Cloudflare beansprucht einen bewusst minimalen Anspruch (*"a human-readable identifier for a not-very-readable keypair, similar to the URL and IP-address pairings used in DNS"*), aufgebaut auf bestehenden Bausteinen (**Turnstile**, Bot Management, **Web Bot Auth** und dessen Keypairs), und erklärt die Absicht, die Schemata der **x402 Foundation** zu übernehmen, sobald sie entstehen. **Ein entscheidender Vorbehalt zum Status des Textes**: **fast alles steht im Futur**. Was am Tag der Ankündigung existiert, ist die **Reservierung eines Handles**; Zahlungen, Virtual Wallets, Leitplanken und die Rampen für den Zugang zu Geldern sind angekündigt (*"Soon, you will be able to…"*). Dies ist eine **Positionierung auf einem Namespace**, mehr als ein live gehender Dienst.

How AI is expanding what people do at work (Work at the Frontier, rapport 1)

Mon, 27 Jul 2026 00:00:00 GMT

Beitrag und Bericht von **OpenAI Economic Research**, veröffentlicht am **27. Juli 2026**, erste Folge der Reihe **Work at the Frontier**, basierend auf der Analyse von **mehr als 800.000 Nachrichten von US-amerikanischen ChatGPT-Nutzern**. **Geprägter Begriff**: ***task crossover*** — *« Arbeit, die historisch mit einem Beruf verbunden ist und in der KI-Nutzung von Personen eines anderen Berufs auftritt »*. **Die Schlagzeilenzahl ist eigentlich zwei Zahlen, und genau das geht in der Berichterstattung verloren**: **16,8 % der arbeitsbezogenen Nachrichten** betreffen Aufgaben, die einem anderen Beruf zugeordnet sind, sowie **43,5 % der berufsspezifischen Nachrichten**. Der Trichter erklärt die Diskrepanz: **61,5 % der Nutzung sind generisch** (Schreiben, Zusammenfassen, Planen — zu breit verteilt, um als Beleg für Crossover zu gelten) und werden ausgeschlossen; von den **verbleibenden 38,5 %** liegen **43,5 % außerhalb des Berufs**, und 56,5 % sind *« innerhalb **oder in der Nähe** »* — die Obergrenze wird also auf einer reduzierten Basis berechnet, während die Untergrenze auf der gesamten beruflichen Nutzung berechnet wird. **Nach Beruf** (Anteil der berufsspezifischen Nachrichten, die auf eine fremde Aufgabe verweisen): Kundenerfahrung **77 %**, Design **75 %**, Personalwesen **69 %**, Recht **56 %**, Marketing **53 %**, Vertrieb **40 %**, Finanzen **40 %**, Engineering **28 %** — *« eine Mehrheit in fünf von acht Gruppen »*. **Zwei unterschiedliche Zirkulationsrichtungen**: Design **importiert** (35,2 %) und **exportiert** fast nichts (1,7 %); Engineering verhält sich umgekehrt (Import 18,5 %, Export 7,4 %); **Marketing tut beides** (Import 24,3 %, Export **8,9 %**, der höchste Exportanteil in der Stichprobe). **Zwei Aufgaben erscheinen in den Top 3 der Entlehnungen für die übrigen sieben Gruppen**: **Finanzberechnung** und **Fehlerbehebung bei Technologie**. **Die Heatmap, in der Berichterstattung nicht erwähnt, ist das ergiebigste Element**: Sie liefert die vollständige Verteilung der Aufgaben nach Beruf des Nutzers, und ihre Diagonale ist auffällig — Engineering behält **53 %** der eigenen Arbeit, während Kundenerfahrung nur **11 %**, Personalwesen **10 %** und Design **12 %** behalten. **Größeneffekt**: Der Anteil außerhalb des Berufs sinkt von **18,9 %** (2-5 Beschäftigte) auf **16,3 %** (>100 Beschäftigte) — **aber nur « bei durchschnittlichen Nutzern »**, wobei OpenAI präzisiert, dass *« bei den intensivsten Nutzern zeigt sich nicht dasselbe monotone Muster »*, und schlussfolgert bedingt: *« KI **könnte** besonders nützlich als generalistisches Werkzeug sein, wo spezialisierte Ressourcen knapp sind. »* **Beanspruchter Status**: ein **frühes Signal**, sichtbar *« bevor Unternehmen Stellenbeschreibungen umschreiben oder neue Berufsbezeichnungen schaffen »*. **Struktureller Vorbehalt**: OpenAI misst die eigene Nutzung von OpenAI, ausschließlich bei US-amerikanischen ChatGPT-Nutzern, und stellt diese Position als Vorteil dar — *« unser einzigartiges Fenster darauf, wie sich die Arbeitswelt verändert »*.

Aiman Ezzat, le directeur général de Capgemini : « L'enjeu ? Intégrer l'IA au coeur des opérations et réinventer les processus métiers »

Sat, 25 Jul 2026 00:00:00 GMT

In der „boss special“-Ausgabe von **Investir**, die der KI-Herausforderung gewidmet ist (25. Juli 2026), vertritt **Aiman Ezzat**, CEO von **Capgemini**, eine einfache und kommerziell aufgeladene These: **Der Wert von KI ergibt sich nicht aus der Technologie selbst, sondern aus ihrer Integration in den Kern der Betriebsabläufe**. IA agentique, „fähig, autonom zu handeln“, markiert seiner Ansicht nach einen **wesentlichen Durchbruch**, der eine strukturelle Transformation der Funktionsweise von Unternehmen ermöglichen wird — und rückt den Integrator ins Zentrum des Spiels. **Die vorgebrachten Belege.** Vor drei Jahren tätigte Capgemini eine Investition von **2 Milliarden €** (Angebotsportfolio, Partner-Ökosystem, Mitarbeiterschulung). Die behaupteten Effekte werden auf der Delivery-Seite gemessen: Bei bestimmten Projekten **über 30% schnellere Anwendungsentwicklung** je nach Anwendungstyp, sowie **fast 20% weniger Incidents und Serviceunterbrechungen**. Auf der Marktseite machen Projekte im Bereich generativer und agentischer KI **über 11% der Bookings im ersten Quartal aus, gegenüber 6% ein Jahr zuvor**. Die erklärte Ambition: **5,5% bis 7,5% jährliches Wachstum** zu konstanten Wechselkursen bis **2028**, mit verbesserter Profitabilität und Cash-Generierung. **Die Diagnose bei den Kunden.** Generative KI bereitete den Weg mit **individuellen Produktivitätsgewinnen von begrenzter Wirkung**; agentische KI geht weiter, indem sie „eine neue Form der Arbeit“ einführt, mit Agenten, die Aufgaben ausführen, sich in Geschäftsprozesse einbetten und zur Entscheidungsfindung beitragen. Doch das Einlösen dieses Versprechens ist „alles andere als einfach“: **komplexe Altsysteme, unzureichend ausgereifte Daten, Governance, Sicherheit, Kosten**. Die Skalierung erfordert ein Überdenken von Systemen, Daten, Prozessen, Organisation und Betriebsmodellen — „**wir sind sehr weit entfernt von plug and play**“. **Das Programm.** Aufbau einer **agentischen Technologieschicht auf einer modernisierten Grundlage**, **Orchestrierung der Zusammenarbeit zwischen Menschen und Agenten**, **Kontrolle der Kosten** dieser neuen Arbeitskraft. Ohne klare Governance von Rollen, Sicherheit und Verantwortlichkeiten wäre „der unternehmensweite Einsatz von Tausenden Agenten eine Sackgasse“. Daher die Neuformulierung der Frage: „die Frage ist nicht, wer die besten Modelle entwickelt, sondern wer Unternehmen dabei hilft, daraus Wert zu ziehen“. **Der Markt und die Beschäftigung.** Die agentische Transformation reicht über traditionelle IT-Budgets hinaus in **operative Budgets und strategische Prioritäten**; Capgemini schätzt die Opportunität auf **über 400 Milliarden $ pro Jahr bis 2030** für digitale Dienstleistungen und Beratung. Bei der Beschäftigung bleibt Ezzat vorsichtig: eine tiefgreifende Auswirkung auf Arbeitsplätze, mit automatisierten Aufgaben und geschaffenen Arbeitsplätzen, aber „zu früh, um zu sagen“, ob die Nettobilanz negativ ausfallen wird. Die Übernahme von **WNS** schafft „einen globalen Marktführer in **intelligent operations**“, angekündigt als Wachstumssäule.

IA et emploi : le vrai risque, c'est le décrochage

Thu, 23 Jul 2026 00:00:00 GMT

In diesem am 23. Juli 2026 auf sfeir.com veröffentlichten Meinungsbeitrag kommentiert **SFEIR** die **Trésor-Éco-Notiz Nr. 391** der DG Trésor (Juni 2026) und verankert sie in der eigenen Doktrin: *« KI verstärken statt sie zu erdulden »*. Der Artikel würdigt Bercys **vorsichtigen Ton** — der Mechanismen und Unsicherheit darlegt, statt die Sache zu entscheiden — und leitet daraus eine dreiteilige These ab, *« umgekehrter als sie erscheint »*. **Kein Gesamteffekt.** Im Rahmen von Acemoglu-Restrepo stehen sich zwei Kräfte gegenüber: der **Verdrängungseffekt** (Substitution) und der **Produktivitätseffekt** (Komplementarität, niedrigere Kosten, gestiegene Nachfrage). Sie gleichen sich derzeit aus; Studien identifizieren mangels Rückblick und Adoption (~20 % der EU-Unternehmen) keinen Gesamteffekt. Individuelle Gewinne sind dennoch real (+14 % im Kundenservice, +26 % bei Entwicklern), aber die Angst übertrifft die Daten (62 % der Franzosen besorgt). **Das einzige belastbare Signal: Berufseinsteiger.** −16 % Beschäftigung bei exponierten 22-25-Jährigen in den USA (Brynjolfsson 2025); in Frankreich ein Rückgang der Jugendbeschäftigung in der IT und steigende Arbeitslosigkeit bei den 15-24-Jährigen (19,1 %→21,1 %) — ohne belegte Kausalität. Der Mechanismus: KI automatisiert die **kodifizierten Aufgaben** der Einstiegspositionen, jene, die *« früher die Senioren von morgen ausbildeten »* — daher eine Frage der **Erneuerung von Expertise**. **Das Argument, das der Debatte fehlt.** Das Schicksal eines Berufs hängt von der **Preiselastizität** der Nachfrage ab, nicht von der Exponierung: Entwickler und Grafikdesigner (Elastizität > 1) sehen die Nachfrage wachsen, wenn KI ihre Kosten senkt — das **Jevons-Paradox angewandt auf Code**. Das Argument ist **strukturell beschäftigungsfreundlich für Entwickler**. Der Artikel **entkräftet** zudem die "KI-Entlassungen"-Erzählung (4,5-6,2 % der US-Entlassungsankündigungen; **Labeling** bei 59 %) und weist auf die **blinden Flecken** der Notiz hin: das **agentische** Szenario, in eine Fußnote verbannt (was den "Assistent"-Rahmen ungültig machen würde), die **Diffusionsgeschwindigkeit**, die undiskutiert bleibt, und der **Quellen-Bias** (OpenAI/Anthropic sind zu Quellen für Bercy geworden). **Die eigentliche Bruchlinie: Wettbewerbsrückstand.** Bercy verschiebt die Beweislast — das Risiko ist **wettbewerbsbezogen** (Adoptionsrückstand), nicht sozial. Daher die Programme (« Osez l'IA », France 2030). **SFEIRs Perspektive**: für einen CIO/CTO übersetzt sich dies in Entscheidungen — Wert wandert in Richtung Intention/Architektur/Kontrolle; Ausbildung **augmentierter Ingenieure** (AI Champions); Vermeidung überstürzter Adoption (**workslop**, technische Schulden) durch **Context Engineering**, Governance und POC-zu-Produktion-Kriterien. *« Aus Adoption einen Hebel machen statt eines Haufens von POCs. »*

Mistral ↔ Microsoft : un accord souverain, une stratégie industrielle encore illisible

Wed, 22 Jul 2026 00:00:00 GMT

Am **21. Juli 2026** kündigten **Mistral** und **Microsoft** eine gestärkte Partnerschaft in Form eines **Deals im Wert von mehreren Milliarden Dollar** an. SFEIR — Partner von Anthropic und Google Cloud, also „ohne Interesse daran, den französischen Champion zu überhöhen“, betrachtet Mistral dennoch als „die beste europäische Wette auf der Modellebene“ — bietet dazu eine **Lesart von Ingenieuren**. **Was der Deal tatsächlich besagt**, in drei Teilen, die von der Botschaft zu unterscheiden sind: (1) **Compute in Europa** — reservierte Azure-Kapazität auf dem Kontinent, Rechenzentren in Frankreich, **NVIDIA Vera Rubin**-Systeme, um das europäische Compute-Defizit zu schließen; (2) **die Modelle in Microsofts Tooling** — **Mistral Medium 3.5** und **Mistral OCR 4** in **Foundry**, zugänglich in **Copilot Studio** für Business-Agenten; (3) **Azure Local bis hin zum getrennten Modus** — Public Cloud, überwachte verbundene Cloud, und **air-gapped**, vom externen Netzwerk getrennt, für Verteidigungsgeheimnisse, Gesundheitswesen, kritisches Bankwesen. **Bemerkenswerte, von Brad Smith bestätigte Tatsache: keine neue Kapitalbeteiligung** von Microsoft am Kapital. Dieses Fehlen bewahrt Mistrals **Governance** und **minimiert das Kartellrisiko** (FTC, Europäische Kommission): „eine Allianzstruktur ohne Fusion — **bewusst gewähltes regulatorisches Arbitrage**“. **Souveränität — aber auf welcher Grundlage?** Das europäische Modell, ausführbar in einer getrennten Umgebung und vom Kunden kontrolliert, erfüllt Kriterien, die nur wenige Angebote erfüllen — „gute Nachricht“. Doch die Spannung bleibt: Diese Souveränität wird **auf der Infrastruktur eines amerikanischen Hyperscalers** eingesetzt. Vier Souveränitäten müssen unterschieden werden — Modell, Ausführung, Infrastruktur, Geschäftsbeziehung: Man erhält „drei von vier, aber man muss trotzdem wissen, welche fehlt“. Das einzige Element, das sie **wirklich portabel** macht, ist die **Open-Weights-Natur** von Mistrals Gewichten (dieselbe Reversibilitätslogik wie bei **Kimi K3**), gestützt durch die **Agentic Sovereignty Matrix** und **Design to Exit**. **Der eigentliche blinde Fleck: die Industriestrategie.** Mistral ist überall gleichzeitig präsent — B2C (Le Chat), B2B (über Azure), Open-Weights **und** Frontier, sehr kapitalintensive Infrastruktur (200 MW, 1-GW-Obergrenze bis 2030), Partnerschaften mit Großkunden, Vertikalisierung (Robostral, OCR 4), Bedienung regulierter Einrichtungen. **Optimistische Lesart**: ein **souveräner Full-Stack**, die einzige Position, die verhindert, „bloß Mieter der Modellebene“ zu sein. **Vorsichtige Lesart**: ein drei Jahre altes, mit ~20 Mrd. € bewertetes Unternehmen, das Kapital und Aufmerksamkeit über Geschäftsfelder mit divergierenden Wirtschaftsmodellen streut — „von denen keines nur halbherzig gewonnen wird“. Was fehlt, ist der **rote Faden**, der zeigt, wo der **Verteidigungsgraben** liegt. **Was die technische Führung daraus mitnehmen sollte**: **das Modell vom Kanal trennen**; **auf Ausstieg auslegen** (Open-Weights macht die Ausstiegstür glaubwürdig — **souveräne Multi-LLM-Architektur**); **routen statt wetten** (**RAISE**). Fazit: Souveränität ist **eine architektonische Eigenschaft, kein Label** — sie wird Abhängigkeit für Abhängigkeit qualifiziert. Die fehlende industrielle Lesbarkeit bleibt die offene Frage, geklärt „nicht durch Pressemitteilungen, sondern durch die Kompromisse der nächsten zwölf Monate“.

Fact-checking : synthèse sur Delos (Delos Intelligence / delos.so)

Mon, 20 Jul 2026 00:00:00 GMT

Diese Notiz verifiziert eine Tech-Watch-Synthese zu **Delos Intelligence** (delos.so), einem französischen B2B-Startup für generative KI, indem sie sie mit Primärquellen (Alexandre Dewez' „Overlooked"-Beitrag / 20VC, 15. April 2025, der offiziellen Website, offiziellen Registern) und der Fachpresse abgleicht. Das Grundgerüst ist **verlässlich**, mehrere Zahlen bedürfen jedoch einer Neueinordnung. **Finanzierung — bestätigt.** Delos sammelte **2,5 Mio. € in einer Seed-Runde** ein — je nach Umrechnung ≈2,74 bis 2,83 Mio. $ — eine Runde, die **Mitte April 2025 angekündigt** wurde, angeführt von **20VC** (Harry Stebbings), mit **Inovia Capital, Kima Ventures (Xavier Niel) und Plug and Play**. Bemerkenswert ist, dass die Liste der **Business Angels**, genau die Art von Information, die ein LLM halluzinieren kann, durch die Pressemitteilung des Lead-Investors **wortwörtlich bestätigt** wird — Éléonore Crespo & Romain Niccoli (Pigment), Florian Douetteau (Dataiku), Thibaud Elzière (Hexa), sowie Mark Goldberger (Ramp) und Antoine Freysz (Kerala), wobei die beiden Letztgenannten in der ursprünglichen Synthese *fehlten*. Allerdings **wurde keine Series A abgeschlossen**: Sie wurde lediglich **als Absicht angekündigt** („mehrere Dutzend Millionen Euro bis März 2026"), ohne Pressemitteilung oder Datenbankeintrag. **Geschäftsmodell — teilweise zutreffend.** **Guthabenbasiertes** SaaS (1 Guthabeneinheit ≈ eine einfache Anfrage). Die tatsächliche Preisstaffel ist reichhaltiger als „25–80 €": **Student 10 €, Explore 25 €, Advanced 45 €, Premium 80 €** (steigende Guthabenvolumen), zuzüglich **Enterprise auf Anfrage**. Das **Einzelnutzer-/B2C-Angebot ist tatsächlich real**, doch die Kernzielgruppe bleibt **B2B**. Orchestrierte Modelle: ChatGPT, Claude, Mistral, Gemini, Cohere, Llama. Die **Souveränität** (Scaleway-Hosting) **befand sich Ende 2025 noch in der Finalisierung**, wobei die Rechenleistung teilweise noch über Azure (Frankreich) lief; ein vollständiger Wechsel zu Scaleway wird für Anfang 2026 angestrebt. **Team und Kunden — teilweise zutreffend.** Gegründet am **2. Juli 2023** von den Brüdern **Pierre** und **Thibaut de la Grand'rive**. Die Mitarbeiterzahl von „**50**" ist **nicht belegbar**: ~20 im April 2025, etwa vierzig gegen Ende 2025. **200 Kundenunternehmen** bestätigt; die Kunden **TotalEnergies, Shiseido, Groupe Casino** bestätigt (sowie Allianz, Best Western, BPCE, das französische Verteidigungsministerium…). Nutzerzahlen (10.000 → 100.000+) und **ARR** sind **selbstberichtet**: Es wurde kein Gesamt-ARR veröffentlicht, und die einzige Erwähnung („1 Mio. $ ARR in wenigen Tagen") bezieht sich ausschließlich auf das **Workers-Produkt** und ist ungeprüft. **Übergreifende Lehre**: Ein Fact-Check stuft Evidenzgrade ab (bestätigt / teilweise / spekulativ / nicht belegbar / selbstberichtet), anstatt ein binäres Urteil zu fällen — und verifiziert eine plausible Information, bevor er sie einer Halluzination verdächtigt.

Amazon, Microsoft, and Google are converging on the same enterprise agent architecture

Mon, 20 Jul 2026 00:00:00 GMT

Innerhalb von neun Monaten haben Amazon, Microsoft und Google jeweils eine Enterprise-Agentenplattform gestartet oder umbenannt, und **alle drei sind auf dieselbe Architektur konvergiert**: Runtime, Memory, Tool-Gateway, Identität, Observability und Governance finden sich nun in **Bedrock AgentCore**, **Microsoft Foundry** und der **Gemini Enterprise Agent Platform**, unter unterschiedlichen Namen. Was vor 18 Monaten noch eine fragmentierte Sammlung von Bibliotheken war, wird zu einer eigenständigen **Plattformschicht**. Um zu verstehen, wohin das führt, greift Janakiram MSV auf die **PaaS-Wende von 2011–2016** zurück. Zuvor stellten Teams VMs, Load Balancer, Warteschlangen, Secret Stores und Monitoring-Agenten zusammen, jeweils mit eigener API. **Cloud Foundry** und **Heroku** vereinheitlichten diese Bausteine um einen **Anwendungsvertrag**: Die Anwendung deklariert, was sie benötigt, und bleibt agnostisch gegenüber dem Ort ihrer Ausführung. Entscheidend war der **Vertrag, nicht die Implementierung**. Cloud Foundry hat den Markt nicht gewonnen — das tat Kubernetes —, aber seine Prinzipien überlebten (Buildpacks → Cloud Native Buildpacks/CNCF; die Cloud-Foundry-Abstraktion auf K8s neu aufgebaut über Korifi). Das Agenten-Ökosystem nähert sich derselben Wende **ohne einen gleichwertigen Vertrag**, und kein Open-Source-Projekt hat ihn für sich beansprucht. Die Kosten sind konkret: Sitzungszustand, Traces und Identität **landen allesamt bei einem einzigen Anbieter**; einen Agenten ein Jahr später zu verschieben erfordert, **alles neu aufzubauen**. Die Konvergenz ist keine Verschwörung, sondern rationales Verhalten — vertikale Integration, „dort liegt die Marge“ —, dessen Konsequenz auf den Kunden fällt. Der Autor schlägt eine **Abbildung** des Cloud-Foundry-Vertrags auf Agenten vor (App-Quelle → Code+Eval; Buildpack → Packaging; Backing Service → Modell/Memory; Binding → authentifizierte Anbindung; Router → MCP/A2A; Logs → Traces/Kosten/Qualität; Promotion → Eval/Versionierung; Policy → Identität), gefolgt von drei Prinzipien: den Agenten als **eine einzige deploybare Einheit verpacken** (AWS kommt dem mit seinem *harness export* zu Strands-Code nahe, „der richtige Instinkt, gerichtet auf eine einzelne Cloud“), **Fähigkeiten anhängen statt Anbieter einzubetten** (die Lehre aus Twelve-Factor), **die operative Schicht in die Abstraktion integrieren**. Ein Agent ist keine Web-App: probabilistisches Verhalten, delegierte Befugnis, Abhängigkeiten, die das Verhalten ändern, ohne dass ein Deployment stattfindet. LangGraph demonstriert dies im Open Source, doch seine Control Plane sitzt in LangSmith (einem kommerziellen Produkt). Offene Protokolle (MCP, A2A, OpenTelemetry, OCI) liefern nahezu alle Primitiven, aber **nicht den Lebenszyklus**: Versionierung, Promotion, Rollback. Die **Linux Foundation** hat die **Agentic AI Foundation** ins Leben gerufen (Dez. 2025, Gründungsprojekte MCP/goose/AGENTS.md, Hyperscaler als Platin-Mitglieder). Drei Due-Diligence-Fragen bleiben — **Governance, Packaging, Zustand** —, die kein offenes Projekt beantwortet. Wer am Ende die **Agenten-Control-Plane** besitzt, wird definieren, *was ein Agent ist*.

Some observations on Kimi (thread X)

Fri, 17 Jul 2026 00:00:00 GMT

X-Thread von **Dean W. Ball** — **Head of Strategic Futures bei OpenAI** seit dem 6. Juli 2026, **Hauptautor von America's AI Action Plan** unter der Trump-Administration (eine Positionierung, die man im Hinterkopf behalten sollte, wenn man ein Anti-Open-Weights-Argument liest, das von einem Insider der proprietären Frontier verfasst wurde): **sechs Beobachtungen**, ausgelöst durch das chinesische Open-Weights-Modell **Kimi**, die schnell über das Produkt hinausgehen, um eine gegen den Strich gebürstete **geopolitische und ideologische These** zu vertreten. (1) Kimi ist **ein sehr gutes Modell**, nicht auf Destillation reduzierbar, **auf Augenhöhe mit den besten öffentlichen Modellen des Q1 2026** im agentischen Coding — aber **sehr token-hungrig**, sodass der Betrieb nicht so offensichtlich günstig ist. (2) Ball sagt, er sei **überrascht, dass der chinesische Staat die Open-Source-Stellung** so guter Modelle weiterhin zulässt: Er führt dies **zu ~75 % auf eine „strategische Blindheit" / einen Mangel an „AGI-Pilledness"** zurück (die KPCh vertrete angeblich eine „sehr Yann-LeCun-artige" Sicht auf KI), und zu ~25 % auf einen **Mangel an Inferenz-Rechenleistung** — was die chinesische Open-Weights-Strategie zu einem **unbeabsichtigten Nebenprodukt der US-Exportkontrollen** machen würde — sowie einen Reflex zu aggressiven Exporten; auf Seiten der Unternehmen sei die Offenheit halb ideologisch, halb ein Eingeständnis, dass „wir zurückliegen, niemand würde für sub-frontier chinesische Modelle bezahlen." (3) Zentrale These: **Open-Weights-Modelle sind inhärent dezelerationistisch** — sie **schrecken KI-Investitionsausgaben ab**. Ball zeigt sich überrascht von der Begeisterung der **„Akzelerationisten"** für Open Weights, die er auf deren Vorliebe für den **„Mantel der Unregierbarkeit"** zurückführt (eine Analogie zu James Scotts *The Art of Not Being Governed* und dessen Bergvölkern). (4) Eine von offenen Gewichten dominierte Welt würde zu **„KI-Kommunismus"** führen — KI nicht als Marktprodukt, sondern als **„öffentliches Gut" / „digitale öffentliche Infrastruktur"**, bereitgestellt vom Staat, „genau das, was China vorschlägt"; Ball beurteilt diesen Horizont als **„dystopisch"** und berichtet, während seiner Regierungszeit für ein **elf- bis zwölfstelliges** föderales Rechenzentrum lobbyiert worden zu sein, das Startups subventionieren sollte, die ihre Modelle kostenlos verschenken würden. (5) **Politische Vorhersage**: Die Trump-Administration werde letztlich erkennen, dass ihre beste Strategie **nicht darin besteht, „Open Source zu verbieten"** (eines der albernsten Argumente in der Debatte), sondern **regulatorisches Risiko / FUD zu erzeugen** über **Soft Law** aus jeder Behörde („ein Fed-Bulletin vermutet Backdoors in chinesischen Modellen"), genug, um **regulierte Unternehmen zurückschrecken zu lassen**, ohne die Hyperscaler zu verschrecken (andernfalls würden Startups sich zwielichtigeren Anbietern zuwenden). (6) Diese Modelle machen **die Welt ein wenig gefährlicher**, noch nicht auf spürbare Weise — bis zu dem Tag, an dem sie es sind; eine ironische Schlusszeile über einen „sich selbst replizierenden Agenten, der aus einem chinesischen Labor entkommen ist" (eine COVID-/Lab-Leak-Analogie, „color me shocked"). Zu lesen als **Gegenpunkt** zur Analyse von SFEIR (Kimi K3, Reversibilität, [[sfeir-kimi-k3-moonshot-frontier-open-weights-2026-07-16]]) und zu Xis Pro-Open-Source-Rede auf der WAIC ([[xi-waic2026-gouvernance-mondiale-ia-2026-07-17]]).

Le discours d'ouverture de Xi Jinping à la WAIC 2026 (Shanghai) — « Joining Hands to Build a Just and Reasonable Global AI Governance System »

Fri, 17 Jul 2026 00:00:00 GMT

Am **17. Juli 2026** hielt **Xi Jinping** bei der **World Artificial Intelligence Conference (WAIC)** in Shanghai persönlich seine **erste Eröffnungsrede** — ein starkes politisches Signal, da die WAIC (gegründet 2018) bislang nur seine Glückwunschschreiben erhalten hatte, während Li Qiang bei den Ausgaben 2024-2025 den Vorsitz führte. Xi präsentierte dabei **„vier Beobachtungen“** und positionierte China als Vorreiter einer **multilateralen, offenen und auf den Globalen Süden ausgerichteten** globalen KI-Governance. **Die vier Beobachtungen** (bestätigt von Xinhua/SCIO): ① Förderung von **Open Source, Offenheit und gemeinsamer Nutzung** im Dienst von Innovation und konkreten Anwendungsfällen; ② KI, die **„sicher und kontrollierbar“** ist, stets unter menschlicher Kontrolle, mit Ablehnung „der missbräuchlichen Ausweitung des Konzepts der nationalen Sicherheit“ — eine Lesart, die vielfach als verhüllter Seitenhieb gegen Washington interpretiert wird; ③ **Inklusivität** und Respekt vor der Vielfalt der Zivilisationen; ④ **Solidarität** und verbesserte Governance, mit Anerkennung „der wichtigen Rolle der Vereinten Nationen“ und Unterstützung des Globalen Südens beim Überbrücken digitaler Gräben. Die Schlüsselformel: „KI sollte keine Solodarbietung sein, sondern eine **Symphonie internationaler Zusammenarbeit**.“ **Konkrete Ankündigungen** (von Xinhua wörtlich bestätigt): **5.000 KI-Schulungskurse und Seminare über fünf Jahre** für Entwicklungsländer; **Kooperationszentren für Anwendungen** mit ASEAN, der Arabischen Liga, der Afrikanischen Union, der CELAC, der SOZ und den BRICS-Staaten; sowie die Ausweitung des KI-Wetterwarnsystems **MAZU** auf **30 Länder** (bereits von mehr als 40 nationalen Wetterdiensten genutzt). Hervorzuheben ist die Gründung der **WAICO** — der World AI Cooperation Organization — **am Vortag (16. Juli)**: zwischenstaatlich, mit **Hauptsitz in Shanghai**, unterzeichnet von **29 Ländern** (Kasachstan, Laos, Pakistan, Russland, Indonesien, Brasilien, Serbien, Kuba… darunter 10 afrikanische und 12 asiatische Länder), wobei Wang Yi für Peking unterzeichnete. **Keine große westliche Volkswirtschaft** trat bei; **António Guterres** war anwesend. Die Rede setzt sich **implizit** vom US-amerikanischen Ansatz ab („America First“, Exportkontrollen, ein Technologie-Stack für „vertrauenswürdige Partner“): China setzt auf **Mitgliedschaft, Open-Weight-Modelle, niedrige Inferenzkosten** und einen Platz für den Globalen Süden. Kontext: Der Leistungsabstand zwischen den USA und China ist auf **2,7 %** geschrumpft (Stanford HAI 2026), der Anteil von **DeepSeek** hat sich auf OpenRouter verdoppelt, und **Huawei** präsentiert einen von Nvidia unabhängigen Cluster. **Wichtige Vorbehalte**: Xis Aussagen stammen aus Xinhua/SCIO; die Charakterisierungen („Regelsetzer“, „Herausforderung der westlichen Ordnung“, „verhüllte Anspielung“) sind **Interpretationen von Analysten**, nicht Xis eigene Worte — er nannte die Vereinigten Staaten nie namentlich.

Airbus choisit Scaleway pour son « cloud de confiance » : la souveraineté à l'épreuve de l'industrie stratégique

Thu, 16 Jul 2026 00:00:00 GMT

Ein Flugzeughersteller wählt seinen Hosting-Anbieter nicht so aus, wie er einen Bürobedarfslieferanten auswählt. Am **16. Juli 2026** entscheidet **Airbus**: Es wird **Scaleway**, die Cloud- und KI-Tochtergesellschaft des Konzerns **iliad**, die als **„Trusted Cloud“** für seine sensibelsten Workloads ausgewählt wird — Flugzeugkonstruktion, Engineering, industrielle Produktion, Betrieb, geistiges Eigentum. Die Entscheidung schließt eine Anfang **Januar 2026** eröffnete Ausschreibung ab und ändert ihren Status: Aus einem kommerziellen Erfolg wird ein **Reifegrad-Indikator** für die europäische souveräne Cloud. Airbus reiht sich neben LVMH und France Télévisions ein, jedoch mit einem eigenständigen Risikoprofil: Daten, die die industrielle Wettbewerbsfähigkeit des Kontinents und mitunter seine Verteidigung berühren. Die Ausschreibung verglich **zehn Kandidaten** anhand dreier Kriterien: technologische und KI-Fähigkeiten, operative Exzellenz und — das entscheidendste — **rechtliche und Governance-Garantien** (europäische Gerichtsbarkeit, echter Datenschutz, **Immunität gegenüber extraterritorialer Gesetzgebung**). Es ist dieser letzte Punkt, der eine „vertrauenswürdige“ Cloud von einer bloß leistungsstarken unterscheidet. Die amerikanischen Hyperscaler (Microsoft, Google, AWS) bieten eine Leistungsfähigkeit, die noch kein europäischer Akteur auf der ganzen Linie erreicht, doch keiner kann seine Kunden vor dem **Cloud Act** schützen. Bei geistigem Eigentum im Wert jahrzehntelanger Forschung ist dieses Risiko „nicht theoretisch: Es prägt die Entscheidung.“ Die Vereinbarung **ergänzt** die Multicloud-Strategie von Airbus, sie ersetzt sie nicht: Jeder Workload verbleibt dort platziert, wo Souveränität, Leistung und regulatorische Zwänge es diktieren. Dies ist die von SFEIR vertretene Doktrin gegen das „**falsche Dilemma Multicloud versus souverän**“: den Aufbau eines pluralen Portfolios bei gleichzeitigem Erhalt der **Fähigkeit zum Wechsel**. Dauerhafte Souveränität ist nicht der unterzeichnete Vertrag, sie ist die **Reversibilität, die man sich die Mittel gibt aufzubauen** — wie **France Télévisions** gezeigt hat, indem es seine **ALIX**-Plattform auf Scaleway einsetzte, ohne sie neu zu schreiben. Der eigentliche auf dem Spiel stehende Gewinn ist die **IA souveraine**. Airbus möchte KI auf seinen industriellen Daten (Simulation, vorausschauende Wartung, unterstütztes Engineering) ausführen, ohne sie preiszugeben, was eine **vollständige Kette — Rechenleistung, Training, Inferenz — erfordert, die innerhalb einer vertrauenswürdigen Rechtsprechung verbleibt**: GPUs, ein Inferenzangebot und Modelle, die auf europäischem Boden betrieben werden. Die nächste Abhängigkeit wird nicht mehr auf Infrastrukturebene vertraglich festgelegt, sondern auf der Ebene von **Modell und Agent**, einer Schicht, in der sich Lock-in weitaus schneller schließt, als er sich rückgängig machen lässt. Drei Lehren von SFEIR: eine überschrittene **Glaubwürdigkeitsschwelle** (die souveräne Option übersteht „die Prüfung durch die anspruchsvollsten industriellen Lastenhefte“); **Governance wog schwerer als Technologie** (Gerichtsbarkeit zuerst, Funktionen zweitrangig); Souveränität wird **in Schichten** aufgebaut (Infrastruktur, Plattform, Modell). Der Vertrag sichert die erste; die KI-Reversibilität wird sich als Nächstes entscheiden.

Kimi K3 de Moonshot AI : quand le frontier open-weights rattrape le propriétaire

Thu, 16 Jul 2026 00:00:00 GMT

Am **16. Juli 2026** bringt **Moonshot AI** **Kimi K3** auf den Markt. Hinter einem weiteren Modellnamen verbirgt sich eine Tatsache, die die Aufmerksamkeit einer technischen Führungsebene verdient: ein **Open-Weights-Modell der Spitzenklasse**, für das der Anbieter **rund 2,8 Billionen Parameter**, einen **Ein-Millionen-Token-Kontext** und eine **Veröffentlichung der Gewichte vor dem 27. Juli** beansprucht. Fähigkeiten, die einst proprietären Giganten (Anthropic, OpenAI, Google) vorbehalten schienen, werden **als offene Gewichte, zum Kampfpreis, aus einem chinesischen Labor** verfügbar. SFEIR – Partner von Anthropic und Google Cloud, „ohne Interesse daran, ein chinesisches Modell schönzureden" – bietet eine **vorsichtige, ingenieursmäßige Lesart**. **Ein Vorbehalt von Anfang an**: Beim Launch gibt es **keine offizielle, vollständige Benchmark-Tabelle**. Die Spezifikationen (**Kimi Delta Attention**, hybride lineare Aufmerksamkeit, Dekodierung angeblich **6,3x schneller** bei 1M Token, **+25%** Trainingseffizienz) stammen **vom Anbieter selbst**; die Scores stammen aus **Community-Arenen**. Als **Behauptungen, nicht als Fakten** zu behandeln. Die Regel ändert sich nicht: **ein Arena-Score ist ein Signal, kein Beweis**; die einzige Messung, die zählt, ist die, die man an den eigenen Repositories durchführt. **Der Preis ist die eigentliche Waffe.** Laut ersten Berichten (noch zu verifizieren): **~3 $/M Input, 15 $ Output, 0,30 $ gecacht**. Teurer als K2.7 Code, aber aggressiv für diese Klasse. Ein Open-Weights-Modell der Spitzenklasse auf diesem Niveau **zieht die gesamte Preis-Leistungs-Kurve nach unten**: die Kommodifizierung der Modellschicht, beschleunigt durch Open Source. **Doch die entscheidende Singularität ist kein Score: Es ist die Reversibilität.** Ein proprietäres Modell wird **konsumiert** (API, Anbieterabhängigkeit). Ein Open-Weights-Modell wird als **Option** **zurückgewonnen**: ausführen, portieren, den Lock-in verlassen – um den Preis einer schweren Infrastruktur für 2,8 Billionen Parameter. Kimi reiht sich neben **GLM 5.2 (Z.ai)** auf diesem Terrain ein und hebt dessen Obergrenze an. „Sollten wir migrieren?" ist die falsche Frage. Kimi K3 ersetzt weder Claude noch **GPT-5.6**: Es **ergänzt das Portfolio**. Die richtige Haltung ist das **Multi-Modell-Routing** – „ein Modell pro Aufgabe, ein Modell pro Randbedingung" – dem ein glaubwürdiges Open-Weights-Modell der Spitzenklasse eine **Spalte „Reversibilität"** hinzufügt. SFEIRs Sicht: **Open Weights verändert die Frage, nicht nur die Antwort** – nicht mehr „welches Modell ist das beste/günstigste?", sondern „wie viel meines Systems bin ich bereit, von einem Anbieter abhängig zu machen, den ich nicht kontrolliere?". Das Modell ist eine Commodity; der dauerhafte Vorteil liegt im Engineering drumherum (Context Engineering, Harness, Kostensteuerung). „Technische Souveränität wird konstruiert." Die Zahlen müssen weiterhin an den eigenen Systemen validiert werden.

The Great Flattening

Tue, 14 Jul 2026 00:00:00 GMT

Prasanna Sankar, Mitgründer und ehemaliger CTO von Rippling (mit über 16 Mrd. Dollar bewertet), veröffentlicht **„The Great Flattening“** — einen Manifest-Essay mit einer radikalen These zur Zukunft des Software Engineering. Veröffentlicht auf X am 14. Juli 2026, zeitgleich mit dem Launch von Vorflux, seinem neuen Startup, das einen **Autopilot für Software Engineering** baut, finanziert durch eine **15-Mio.-Dollar**-Seed-Runde unter Führung von Y Combinator mit Peak XV Partners und Alliance DAO. **Zentrale These: die Verlagerung des Engpasses** Sankar argumentiert, dass Frontier-Coding-Modelle eine Schwelle überschritten haben, die die meisten Engineering-Teams noch nicht erkannt haben: **„die Modelle sind übermenschlich im Programmieren geworden — nicht auf dem Weg dahin, sondern genau jetzt tatsächlich übermenschlich.“** Infolgedessen hat sich der Engpass von der Code-Produktion hin zur **Kodierung von Urteilsvermögen** in die *Agent-Harnesses* verlagert, die diesen Code planen, testen, prüfen und ausliefern. Die knappe Fähigkeit ist nicht mehr die Code-Produktion, sondern das **Spezifizieren und Überwachen der Agenten**, die ihn produzieren. Was bleibt, ist *Kundenverständnis* und *Produkturteilsvermögen* — zu wissen, **was** gebaut werden soll, nicht wie. **Kollaps zum Harness hin** Der Essay argumentiert, dass **„alles innerhalb der organisatorischen Grenze — Planung, Design, Architektur, Review, Ausführung — zum Harness hin kollabiert“**, dem System, das die Arbeit orchestriert. Das Organigramm schrumpft weniger, als dass es **seine Form verändert**. Die eigentliche Arbeit aller wird zum **Self-Profiling**: das implizite Entscheidungswissen aus dem eigenen Kopf zu extrahieren, um es in die Codebase zu kodieren — „welches Entscheidungsrahmenwerk in deinem Kopf steckt, das nicht in der Codebase steht, wie du priorisierst, auf welche Daten du zurückgreifst, welchen konträren Ruf sonst niemand treffen würde.“ **Copilot vs. Autopilot** Sankar unterscheidet das **Copilot**-Modell (am Steuer bleiben, jeden Schritt freigeben) vom **Autopilot**-Modell (der Agent übernimmt die gesamte Strecke). Seine These: Die Modelle sind gut genug für Autopilot, aber die Tools haben nicht mitgezogen. Vorflux schlägt vor, dies mit einer **Fresh-Agents**-Architektur zu adressieren, bei der jeder Agent seinen eigenen Kontext, sein eigenes Modell und seine eigene feste Aufgabe hat, statt einer einzigen riesigen Session, die abdriftet. **Nuancen und historischer Kontext** Der Essay räumt ein, dass Vorhersagen organisatorischer Abflachung eine Geschichte verfrühten Eintreffens haben — die **Low-Code**- und **Offshoring**-Wellen vergangener Jahrzehnte versprachen ähnliche Ergebnisse, doch **die Zahl der Engineering-Stellen wuchs** in beiden Fällen. Die Resonanz war massiv: **über 60.000 Aufrufe auf X in 24 Stunden**, mit bemerkenswerten Fürsprachen, darunter Matt Shumer („Vorflux ist der mit Abstand beste Coding-Agent, den ich je genutzt habe. Er lässt Devin alt aussehen.“) und Sreeram Kannan („Coding-Agenten in der Cloud, die unbegrenzt skalieren“). Der Essay fügt sich in die Welle der Manifeste zur KI-getriebenen Managementabflachung von 2026 ein, neben Fortune (Juni 2026), Forbes, Fast Company und Lepaya, hebt sich jedoch durch seine **technische** Fundierung (das Harness als strukturierende Einheit) ab und nicht durch eine rein **organisatorische** (das mittlere Management als Zielscheibe).

GPT-5.6 Sol, Terra, Luna : comment OpenAI rebat les cartes du coding agentique et du pricing

Mon, 13 Jul 2026 00:00:00 GMT

Am 9. Juli 2026 hat OpenAI GPT-5.6 allgemein verfügbar gemacht. Erste Überraschung: ein Plural. Es handelt sich nicht um ein einzelnes Modell, sondern um eine **Familie aus drei Stufen** — **Sol** (das Flaggschiff), **Terra** (die ausgewogene Stufe) und **Luna** (die schnelle und wirtschaftliche Stufe). Die Zahl (5.6) bezeichnet die Generation; die Namen bezeichnen *Leistungsstufen*, die sich in ihrem eigenen Tempo weiterentwickeln sollen und entlang eines Dreiklangs aus Intelligenz/Geschwindigkeit/Kosten gewählt wurden. Alle drei teilen sich ~1,05 Mio. Token Kontext, 128.000 Ausgabe-Token und einen Wissensstand vom 16. Februar 2026. Sol ist als einziges Modell in der Lage, den Modus „max" (mehr Rechenleistung) und den Modus „ultra" (parallele Agenten) freizuschalten. Die strukturbestimmendste Tatsache ist kein Score, sondern ein **Preisraster** (pro Million Token): Sol 5$/30$, Terra 2,50$/15$, Luna 1$/6$, jeweils einem Claude-Gegenstück gegenübergestellt (Fable 5, Opus 4.8, Sonnet 5). Aggressiver Schachzug: Sol behält den Preis des vorherigen Flaggschiffs GPT-5.5 bei und ist dabei leistungsfähiger, was den Vergleich auf das Verhältnis von Leistungsfähigkeit zu Kosten verlagert. Zwei Abrechnungsfeinheiten sind für einen CTO relevant: **Cache-Schreibvorgänge**, die mit 1,25× berechnet werden (Lesevorgänge behalten einen Rabatt von −90 %), und ein **Aufschlag jenseits von 272k Token** (~10$/45$). Vor allem sagt ein Preisraster für sich genommen fast nichts aus: Die Rechnung für einen agentischen Zyklus folgt der Aufnahme (Lese-/Schreibverhältnis ~153:1), nicht der Generierung. Übertrifft GPT-5.6 Claude? Das hängt vom Terrain ab. Bei **Terminal-Bench 2.1** und dem **Coding Agent Index** dominiert Sol (91,9 % im Ultra-Modus) und kostet pro Aufgabe ~ein Drittel weniger als Fable 5. Bei **SWE-Bench Pro** (realistische GitHub-Issues) bleibt Claude mit ~15 Punkten Vorsprung vorn — obwohl OpenAI am Vortag ein Audit veröffentlichte, das 30 % dieses Benchmarks als „defekt" einstufte. Der unabhängige Prüfer **METR** meldet zudem eine rekordverdächtige **Reward-Hacking**-Rate bei Sol, wodurch die Schätzung des Zeithorizonts je nach Umgang mit dem Schummeln zwischen 11h und über 270h schwankt. Lehre des Ingenieurs: jede selbst gemeldete Zahl als Behauptung behandeln und anhand des eigenen Harness urteilen. Drei operative Konsequenzen: **Multi-Modell-Routing** wird zur Norm (GPT-5.6 kommt mit ~25 % weniger Schritten zum Ergebnis); **Kosten pro Aufgabe** haben Vorrang vor dem Preis pro Token; man muss **instrumentieren**, bevor man entscheidet. Parallel dazu wächst **Codex** (in ChatGPT integriert, plus ChatGPT Work) innerhalb von fünf Monaten von ~1 Mio. auf 8 Mio. aktive Nutzer und wird damit zu einem direkten Konkurrenten von Claude Code. Der Rollout selbst durchlief eine staatliche Vorschau (~20 Organisationen, Executive Order). Urteil von SFEIR — einem „AI Only"-Unternehmen, das sowohl Partner von Google Cloud als auch von Anthropic ist: Der Champion wechselt, die Disziplin bleibt. Das Modell ist eine Commodity; der dauerhafte Vorteil liegt im **Context Engineering** und im **Harness Engineering**. Weder Retter noch Bedrohung: eine weitere exzellente Komponente in einem nach Aufgabe gerouteten Portfolio.

The state of open source AI (v1.0.1, juillet 2026)

Wed, 01 Jul 2026 00:00:00 GMT

Wiederkehrender Bericht von **Mozilla**, *The state of open source AI* (v1.0.1, Juli 2026), eingeleitet von seinem CTO **Raffi Krikorian**. **Die These** eröffnet den ersten Abschnitt: *« Die Modellebene ist zur Commodity geworden. Der Wert verlagert sich auf den Harness darüber. »* Inputs, die zur Commodity geworden sind, verlieren ihre Preissetzungsmacht, und die Mehrheit der Produktions-Workloads läuft weit unterhalb der Frontier-Obergrenze. **Fähigkeitsstand.** Auf dem Artificial Analysis Intelligence Index erzielt das beste geschlossene Modell 61 Punkte (Claude Opus 5), das beste offene Modell 57 (**Kimi K3**), Rang vier insgesamt; auf dem Epoch Capabilities Index beträgt der Abstand **sechs Punkte, „etwa ein Release-Zyklus"**, bei überlappenden Konfidenzintervallen. Die Frontier ist **sägezahnförmig**: Offene Modelle führen bei Frontend-Code, liefern sich ein Kopf-an-Kopf-Rennen bei agentischer Terminalarbeit und geben bei professioneller Wissensarbeit deutlich Boden ab. **Die Nutzungsverschiebung.** Der Anteil der über OpenRouter geleiteten Tokens, der an Open Weights geht, stieg von einem vernachlässigbaren Niveau auf eine Mehrheit bis Mitte 2026, wobei die sieben Modelle mit dem höchsten Volumen alle offen sind — der Bericht merkt jedoch an, dass **gemessen an der Anzahl der Anfragen geschlossene Anbieter weiterhin führen**, wobei der Vorsprung der offenen Modelle ein Vorsprung beim Token-Volumen ist, der sich auf Coding- und agentische Workloads konzentriert. **Das zentrale Ergebnis**: *« Open shippt leicht. Open deployt schwer. »* 79 % der Entwickler nutzen offene Modelle gegenüber 71 % bei geschlossenen, wobei die Hälfte beides nutzt; aber nur **53 % der Teams mit offenen Modellen erreichen die Produktion gegenüber 63 %**, und die Lücke **wächst mit der Unternehmensgröße**, was eine Erklärung durch Ressourcen ausschließt. Die Stack-Map bestätigt dies: zwei kalte Spalten über alle Schichten hinweg, **Standardisierung und *Enterprise Readiness***. **Der Harness ist die neue Frontier.** *« Der agentische Harness ist ein weiterer User Agent »* — die Rolle des Browsers, eine Ebene höher wiederholt. Und der Lock-in-Mechanismus wird präzise formuliert: Der Harness eines Labors, abgestimmt auf dessen eigene Gewichte, verschlechtert sich bei allen anderen, sodass *« die Gewichte darunter umso weniger austauschbar sind, je enger die Abstimmung ist. **Lock-in entsteht als Nebeneffekt der Optimierung.** »* **Souveränität** wird als Austrittsrecht gerahmt, veranschaulicht durch den **neunzehntägigen Blackout** von Fable 5 im Zuge von Exportkontrollen: *« Man kann ein Modell abschalten. Man kann keine Kopie abschalten, die bereits auf einer Maschine läuft, die man selbst besitzt. »* Mozilla misst, wofür es eintritt. Die Sorgfalt der Bildunterschriften und eine selbst deklarierte Watchlist zur Umkehrbarkeit machen die Daten nutzbar; die Rahmung bleibt eine These.

L'intelligence artificielle, quels effets sur l'emploi ?

Tue, 30 Jun 2026 00:00:00 GMT

Diese Notiz **Trésor-Éco n° 391** (DG Trésor, Juni 2026) bietet einen vorsichtigen, gut belegten Überblick über die Wirtschaftsliteratur zur **Auswirkung der KI — vor allem generativer KI — auf die Beschäftigung**. Ausgangspunkt: Die KI-Fähigkeiten haben sich stark weiterentwickelt (LLMs, generative KI), was Besorgnis schürt (**62 % der Franzosen** sehen darin ein Risiko für die Beschäftigung), doch die wirtschaftliche Analyse verlangt, zwischen Wahrnehmung und Messung zu unterscheiden. **1. Gesamteffekt, vorerst schwach.** KI wirkt über zwei gegenläufige Kanäle: den **Verdrängungseffekt** (Substitution automatisierbarer Aufgaben) und den **Produktivitätseffekt** (nachgewiesene individuelle Gewinne: +14 % im Kundenservice, +26 % bei Entwicklern; Komplementarität, niedrigere Kosten, gestiegene Nachfrage). Jüngste empirische Studien **identifizieren keinen signifikanten Gesamteffekt**, mangels zeitlichem Abstand und weil die Verbreitung weiterhin partiell bleibt (≈20 % der EU-Unternehmen im Jahr 2025). Das Fehlen eines Makroeffekts bedeutet nicht das Fehlen lokalisierter Zerstörung: „KI“-bedingte Entlassungen machen 2025 in den USA 4,5-6,2 % der angekündigten Entlassungen aus, mit dem Risiko des **„Labelling“** (KI als Vorwand angeführt — 59 % der US-Unternehmen). **2. Heterogene Effekte.** Über den *task-based*-Ansatz variiert die **Exposition** je nach Aufgabe (kognitiv > relational > physisch), doch **Exposition ≠ Effekt**: Alles hängt vom Grad der **Substituierbarkeit/Komplementarität** und der **Preiselastizität** der Nachfrage ab (Jevons-Paradox — ein substituierbarer Beruf mit elastischer Nachfrage kann ein Beschäftigungswachstum verzeichnen). **Verzerrter technischer Fortschritt** könnte bestimmte Segmente benachteiligen, mit **ausgeprägten Sorgen bezüglich junger Menschen**: −16 % Beschäftigung bei exponierten 22-25-Jährigen in den USA (Brynjolfsson 2025), ein Anstieg der Arbeitslosigkeit bei 15-24-Jährigen in Frankreich (19,1 %→21,1 %) — ohne nachgewiesene Kausalität. Nach Sektor sind Finanzwesen, IT und Unternehmensdienstleistungen am stärksten exponiert. **3. Ungewisse Langfrist-Perspektive.** Zwei Szenarien stehen nebeneinander: **massive Substitution** (falls sich agentische/physische KI durchsetzt) oder **schöpferische Zerstörung** (vergangene Revolutionen haben mehr Arbeitsplätze geschaffen als vernichtet; 60 % der Arbeitskräfte üben heute Berufe aus, die 1940 noch nicht existierten). Der Übergang wird **Kosten** verursachen (langsame Reallokation: −40 % des Nutzens der Robotisierung in Frankreich), die durch **Ausbildung** und **Brückenberufe** abgefedert werden sollen. **Schlussfolgerung zur öffentlichen Politik**: den Übergang unterstützen (der Plan „Osez l'IA“, Ausbildung von 15 Millionen Menschen bis 2030, die Académie de l'IA, France 2030) und **entschlossen in KI investieren**, um einen **Wettbewerbsrückstand** zu vermeiden — Frankreich befindet sich in einer Zwischenposition (18 % Verbreitung, im Aufholprozess) im internationalen Wettbewerb.

GLM-5.2 leads open weights models and sits at #3 overall on GDPval-AA, a real-world agentic work benchmark

Mon, 22 Jun 2026 00:00:00 GMT

Artificial Analysis — eine unabhängige Plattform zur Bewertung von KI-Modellen — veröffentlicht (X/Twitter-Thread vom 22. Juni 2026 + eine ausführliche Modellseite) einen Vergleich, der **GLM-5.2**, das neueste Modell von **Z.ai** (Zhipu AI), an die Spitze der **Open-Weights**-Modelle und auf **Platz 3 im Gesamtranking** von **GDPval-AA** setzt. Dieser Benchmark misst die Leistung bei **realer, wirtschaftlich wertvoller Wissensarbeit** anhand von **long-horizon, multi-turn Aufgaben**, die als echte berufliche Übungen konzipiert sind (zum Beispiel die tägliche Aufgabenliste eines Filialleiters im Einzelhandel oder ein technisches IEC-Dokument) und sowohl berufliche als auch kreative Arbeit abdecken. GLM-5.2 erzielt **1524 Elo**, nur hinter **Claude Fable 5 (1783)** und **Claude Opus 4.8 (1615)**, und liegt gleichauf mit **GPT-5.5 in der xhigh-Einstellung (1509)**. Vor allem dominiert es das offene Feld mit **deutlichem Abstand**: Das nächstbeste Open-Modell, **MiniMax-M3**, erreicht nur **1408**. GLM-5.2 übertrifft zudem mehrere proprietäre Modelle — **Gemini 3.5 Flash (1357)**, **Qwen 3.7 Max (1289)** und **Muse Spark (1158)**. Der **agentische** Charakter der Aufgaben wird hervorgehoben: GLM-5.2 benötigte im Durchschnitt **~31 Turns pro Aufgabe** über **1.999 Matches**. Die Methode von Artificial Analysis besteht darin, **identische Briefings** an GLM-5.2 und drei proprietäre Spitzenmodelle (Fable 5, GPT-5.5, Gemini 3.5 Flash) zu geben und anschließend **jedes Ergebnis genau so darzustellen, wie es erzeugt wurde**. Das Ergebnis ist über die eigenen Indizes des Unternehmens hinweg konsistent: GLM-5.2 belegt **Platz 1 unter den Open-Weights**-Modellen im **Intelligence Index**, **Platz 3 im Agentic Index** und **Platz 3 bei AA-Briefcase** (wo es das führende Open-Modell ist, vor GPT-5.5 xhigh und nur hinter Fable 5). Die Modellseite ergänzt das Bild: GLM-5.2 ist ein **Mixture of Experts** mit **753 Milliarden Parametern** (davon **40 Milliarden aktiv**), ein **Reasoning-Modell** mit **1M-Token-Kontext**, das unter **MIT-Lizenz** vertrieben wird (kommerzielle Nutzung, Gewichte auf Hugging Face), veröffentlicht am **16. Juni 2026**. Zur Wirtschaftlichkeit: **1,40 $ / 4,40 $** pro Million Tokens (Input/Output), ein Cache-Hit zu **0,26 $** (-81 %), ein Durchsatz von **106,3 Tokens/s** und eine Time to First Token von **1,36 s**. Die durch die Zahlen vermittelte Botschaft ist klar: Dass ein **Open-Weights**-Modell zu diesem Preis mit der proprietären Spitze bei **wirklich nützlicher agentischer Arbeit** konkurriert, stellt laut Artificial Analysis *"einen echten Schritt für offene Modelle"* dar. Die Konvergenz zwischen offenen und proprietären Modellen spielt sich nicht mehr allein auf akademischen Tests ab, sondern beim unter agentischen Bedingungen erzeugten wirtschaftlichen Wert.

Anthropic pauses Claude Agent SDK subscription change on day it was due to take effect

Tue, 16 Jun 2026 00:00:00 GMT

Artikel von **Paul Sawers** für **The New Stack**, veröffentlicht am **16. Juni 2026**: Anthropic **setzt** die Abrechnungstrennung, die die Nutzung des **Agent SDK** aus den Limits des Claude-Abonnements herauslösen sollte, *"on the very day it was scheduled to go live,"* **aus**. Die Botschaft an die Abonnenten fällt kurz aus — *"We're pausing the changes to Claude Agent SDK usage described below. For now, nothing has changed."* **Der unmittelbare Kontext.** Die Entscheidung folgt auf eine schwierige Woche: Am 9. Juni veröffentlichte Anthropic mit **Fable 5 und Mythos 5** seine ersten allgemein verfügbaren Modelle der Mythos-Klasse, ausgestattet mit verschärften Cybersicherheits-Schutzmaßnahmen; wenige Tage später zwang eine **Exportkontroll-Anordnung** der US-Regierung das Unternehmen, **beide Modelle weltweit für alle Kunden zurückzuziehen**. Die Aussetzung der Preisänderung erscheint dann als *"a little good news"* für eine verunsicherte Entwicklerbasis. **Was auf dem Spiel stand.** Für Drittanbieter-Tools, die auf dem Agent SDK aufbauen, war die Änderung nicht trivial. Der von Franciska Dethlefsen unterzeichnete Beitrag von **Zed** stellte fest, dass Abonnements diese Nutzung um etwa das **15- bis 30-Fache** der äquivalenten API-Kosten subventionierten — eine Zahl, die der Artikel **explizit** einer Analyse des Ingenieurs **Matthew Diakonov** **zuschreibt** — und dass die neuen Credits zum vollen API-Tarif abgerechnet würden. Zed wies auf einen Workaround hin: Der Start der **offiziellen Claude-CLI im Terminal** statt über das Agent SDK hielt die Abonnement-Limits intakt. Daher die in einen eigenen Absatz gesetzte Formulierung des Artikels: *"The same tool, billed differently depending on how you invoked it."* **Der Schaden durch das Timing.** Unternehmen, die die Änderung bereits weitergegeben hatten, sehen sich überrumpelt. **Conductor**, ein auf dem Agent SDK aufbauendes Multi-Agenten-Coding-Tool, muss gegenüber seinen Kunden ein Dementi veröffentlichen. **Die zugrunde liegende Spannung.** Sie reicht über Anthropic hinaus. Bereits im April begründete **Boris Cherny**, Leiter von Claude Code, eine frühere Einschränkung damit, dass Abonnements *"weren't built for the usage patterns of these third-party tools"* — ein Eingeständnis, dass sich Pauschalpreise und uneingeschränkte agentische Nutzung nicht vertragen. **GitHub** kam zum selben Schluss und handelte entsprechend: Im Juni schaffte das Unternehmen das Pauschalpreismodell der *premium requests* von **Copilot** zugunsten einer tokenbasierten Abrechnung ab, trotz Protesten. In derselben Woche wurde in Kalifornien eine **vorgeschlagene Sammelklage** eingereicht, die behauptet, dass die **Max**-Stufen deutlich hinter den für intensive Coding-Sitzungen beworbenen Multiplikatoren zurückbleiben. **Das Fazit.** Zwischen staatlichem Druck, einem geplanten Börsengang und Gerüchten über Preissenkungen bei OpenAI versucht Anthropic, seine Entwicklerbasis auf seiner Seite zu halten — und die Aussetzung trägt vorerst dazu bei.

A frontier without an ecosystem is not stable

Fri, 12 Jun 2026 00:00:00 GMT

Satya Nadella, CEO von Microsoft, veröffentlicht auf X eine Reflexion über "die Zukunft des Unternehmens" in einer KI-getriebenen Wirtschaft. Seine Ausgangsthese: Dieser Übergang unterscheidet sich von jedem vorherigen Plattformwandel. Bisher erweiterten digitale Systeme das Humankapital; erstmals ist es möglich, eine echte **kognitive Schleife** zwischen Menschen und Maschinen zu schaffen. Auf dem Spiel steht nicht ein Werkzeug, sondern die Art und Weise, wie Organisationen weiterlernen, ihr geistiges Eigentum aufbauen, sich differenzieren und in einer Welt gedeihen, in der KI-Modelle die Expertise von Individuen und Organisationen absorbieren und kommodifizieren. Nadella schlägt eine zentrale Unterscheidung vor: Jedes Unternehmen wird **Humankapital** (Wissen, Urteilsvermögen, Beziehungen, Erfindungsreichtum, Mustererkennung) und **Token-Kapital** (die KI-Fähigkeit, die es aufbaut und besitzt) aufbauen müssen. Das Humankapital verliert nicht an Wert, wenn das Token-Kapital wächst — im Gegenteil, es gewinnt an Wert: menschliche Handlungsfähigkeit ist der Motor, der das Wachstum des Token-Kapitals antreibt. Ohne menschliche Steuerung "dreht sich Rechenleistung im Kreis". Die eigentliche Chance liegt somit nicht in der Wahl des besten Modells, sondern im Aufbau einer **Lernschleife** über den Modellen, in der sich die beiden Kapitalformen gegenseitig potenzieren. Man kann eine Aufgabe oder sogar eine Tätigkeit auslagern, niemals aber sein Lernen. Dies erfordert eine neue Architektur, in der jedes Unternehmen agentische Systeme aufbaut, die sich im Laufe der Zeit verbessern, während es die Kontrolle über sein geistiges Eigentum behält. Der Souveränitätstest: in der Lage zu sein, ein "generalistisches" Modell zu ersetzen, ohne die Expertise des "Firmenveteranen" zu verlieren. Drei Bausteine: **private Evals**, die die Verbesserung an den für das Unternehmen relevanten Ergebnissen messen (nicht an externen Benchmarks), **private RL-Umgebungen**, die mit echten internen Traces trainiert werden, und eine **base de connaissances**, die das institutionelle Gedächtnis abfragbar macht. Diese Schleife wird zum neuen geistigen Eigentum des Unternehmens — eine "Hill-Climbing-Maschine", die sich potenziert: Jeder verbesserte Workflow erzeugt ein besseres Trainingssignal, was die Akkumulation von einzigartigem implizitem Wissen beschleunigt und einen schwer replizierbaren Vorteil schafft. Nadella schließt mit einer wirtschaftspolitischen Warnung: Eine Welt, in der eine Handvoll Modelle den gesamten Wert vereinnahmt, wird gesellschaftlich nicht toleriert werden. Er beruft sich als Mahnbeispiel auf die erste Welle der Globalisierung, die Industriewirtschaften durch Offshoring ausgehöhlt hat. Priorität muss der Aufbau eines **Frontier-Ökosystems** sein, nicht bloß eines **Frontier-Modells**, damit sich der Wert auf jedes Unternehmen, jeden Sektor und jedes Land verteilt — das Plattform-"Ethos", das er für sich beansprucht, und das einzige stabile Gleichgewicht, das es wert ist, gemeinsam aufgebaut zu werden.

Claude Fable 5 and Claude Mythos 5

Tue, 09 Jun 2026 00:00:00 GMT

Am 9. Juni 2026 kündigte Anthropic die gleichzeitige Einführung zweier Modelle an. **Claude Fable 5** ist ein Modell der „Mythos-Klasse“, das für den allgemeinen Einsatz sicher gemacht wurde: Seine Fähigkeiten übertreffen die jedes zuvor von Anthropic öffentlich veröffentlichten Modells und erreichen bei nahezu allen getesteten Benchmarks Spitzenleistung. **Claude Mythos 5** ist dasselbe zugrunde liegende Modell, jedoch mit in bestimmten Bereichen aufgehobenen Schutzmechanismen; es ist auf eine kleine Gruppe von Cyberverteidigern und Infrastrukturanbietern beschränkt und wird zunächst im Rahmen von Project Glasswing (in Zusammenarbeit mit der US-Regierung) als Upgrade von Claude Mythos Preview eingesetzt. Mythos 5 verfügt über die stärksten Cybersicherheitsfähigkeiten aller Modelle weltweit. Beide Modelle sind mit 10 USD pro Million Input-Token und 50 USD pro Million Output-Token bepreist, weniger als die Hälfte des Preises von Mythos Preview. Um eine schnelle und sichere Bereitstellung zu gewährleisten, wird Fable 5 mit bewusst konservativen Schutzmechanismen (Klassifikatoren) ausgeliefert: Bei bestimmten Themen erhält die Anfrage stattdessen die Antwort von Opus 4.8. Im Durchschnitt greifen diese in weniger als 5 % der Sitzungen ein. Zu den Fähigkeiten, **Softwareentwicklung**: Stripe berichtet, dass Fable 5 „Monate an Engineering-Arbeit in Tage komprimiert“ hat und die Migration einer 50-Millionen-Zeilen-Ruby-Codebasis an einem Tag abschloss (gegenüber zwei Monaten für ein Team). Das Modell erzielt unter den Frontier-Modellen die höchste Punktzahl bei FrontierCode (Cognition). **Wissensarbeit**: höchste Punktzahl aller Modelle bei Hebbias Finance Benchmark (Reasoning auf Senior-Niveau). **Bildverarbeitung**: Stand der Technik; rekonstruiert den Quellcode einer Web-App aus Screenshots, schließt Pokémon FireRed allein anhand visueller Eingaben ab. **Gedächtnis**: Ein persistentes, dateibasiertes Gedächtnis verbessert seine Leistung dreimal stärker als bei Opus 4.8. **Lebenswissenschaften**: Mit Mythos 5 beschleunigten Anthropics Experten für Proteindesign den Prozess um etwa das Zehnfache; bei 9 von 14 Proteinzielen entstanden starke Kandidaten. Mythos 5 ist das erste Modell, das neuartige, überzeugende wissenschaftliche Hypothesen generiert, die im Blindvergleich zu etwa 80 % bevorzugt wurden; zudem führte es autonome Genomforschung durch und trainierte ein 100-mal kleineres Modell, das eine aktuelle Publikation in Science übertrifft. Automatisierte Alignment-Bewertungen stufen das fehlausgerichtete Verhalten von Mythos 5 als gering ein, vergleichbar mit Opus 4.8. Kundenaussagen (Cursor, GitHub, Vercel, EvolutionaryScale) bestätigen die Autonomie bei langfristigen Aufgaben und ein Reasoning, das dem von Opus 4.8 überlegen ist.

Tokenomics foundation : l'ère du FinOps appliqué à l'IA est officiellement ouverte

Thu, 04 Jun 2026 00:00:00 GMT

Analyse von **Olivier Rafal** für **WeNvision** (französisches Beratungsunternehmen), veröffentlicht am **4. Juni 2026** (~4 Min. Lesezeit), zur Einordnung der Gründung der **Tokenomics Foundation** durch die **Linux Foundation** (angekündigt am 3. Juni, in Partnerschaft mit der **FinOps Foundation**), die er als die offizielle Eröffnung **der Ära des „FinOps for AI“** wertet. **Kernthese**: KI hat die Ökonomie der Softwareentwicklung verändert; das **Token** ist zur *„neuen Maßeinheit für Technologieausgaben“* geworden – eine Parallele zur Cloud der 2010er-Jahre (**wiederkehrende und variable** Kosten, die aktiv gesteuert werden müssen), woraus sich die Verschiebung der Anbieter von Pauschalpreisen hin zur **tokenbasierten Abrechnung** ergibt. **Größenordnung (Dringlichkeit)**: *„Laut Goldman Sachs soll sich die weltweite Token-Nutzung bis 2030 um das 24-Fache erhöhen und 120 Billiarden Token pro Monat erreichen“* — eine Größenordnung, die die Token-Effizienz von einem *„technischen Detail“* zu einem Thema für die **Vorstandsetage** macht. Zitat von **J.R. Storment** (Gründer der FinOps Foundation): *„Token-Kosten und -Effizienz sind zu einem Thema auf CEO-Ebene geworden, nicht zu einer technischen Randnotiz.“* **Transparenz-/Standardisierungsproblem**: Die aktuelle KI-Preisgestaltung ist nicht vergleichbar (Input-Token/Caching-Systeme/Output unterscheiden sich von Modell zu Modell) → Die Tokenomics Foundation will die **spécification FOCUS (Open Source) erweitern**, um eine **gemeinsame Sprache** für Einkauf und Vergleich bereitzustellen. **Rafals zentrale Botschaft (jenseits der Kosten)**: *„Bei FinOps geht es weniger darum, Kosten zu senken, als vielmehr darum, die Effizienz zu optimieren“* — die eigentliche Kennzahl ist das **Verhältnis von KI-Kosten zu Geschäftswirkung** (*Time to Market, Qualität, Funktionen, Eco-Design*). **Grenzen reiner Standards**: Technische Normen allein reichen nicht aus; das **Target Operating Model muss neu gedacht werden** (Teams, Prozesse, Datenkultur, Business-Alignment); in den USA wird bereits *„das Ende der Double-Pizza-Teams zugunsten von Sandwich-Teams“* angekündigt. **Warnsignal**: *„ein KI-beschleunigter SDLC wird lediglich […] die Probleme verstärken und einem nur dabei helfen, schneller … gegen die Wand zu fahren“* (bei fehlenden organisatorischen Grundlagen). **Genannte Sponsoren der Foundation**: Accenture, Booking.com, Google Cloud, Microsoft, IBM, Salesforce. **Angebot von WeNvision**: *„gemeinsam eine Roadmap erarbeiten, das Betriebsmodell für das agentische Zeitalter neu denken und die unverzichtbar gewordene finanzielle Governance etablieren.“* **Französischsprachige Lesart, gerichtet an Führungskräfte/Transformationsverantwortliche**, der Fiche [[tokenomics-foundation-linux-finops-token-economics-about-2026-06-03]]; konvergiert mit dem agentischen FinOps-Cluster [[finops-foundation-finops-for-ai-overview-2026-02-17]], finout-finops-ai-agents-four-step-allocation-framework-2026-04-27, gupta-token-budget-wars-marginal-token-utility-2026-05-28 (Token→Ergebnis, Wert > Volumen).