Anthropic launcht Claude Tag und Mr Beast verwandelt sich zum Tech Bro

Claude Tag macht Slack zum KI-Orchestrierungskanal

Anthropic hat gestern Claude Tag vorgestellt, eine Dauer-Instanz von Claude, die direkt in Slack-Kanälen sitzt und sich dort wie ein weiteres Teammitglied verhält: Sie liest den Kanal mit, springt in Threads, merkt sich Kontext und arbeitet Aufgaben eigenständig ab. Per @Claude lässt sich ein Auftrag absetzen, im sogenannten Multiplayer-Modus weiß die eine Instanz, was sie Bob gesagt hat, was Sue gesagt hat und was Bob mit Sue besprochen hat. Mit aktiviertem Ambient-Modus beobachtet Claude den ganzen Kanal, lernt über Zeit dazu und setzt sich Aufgaben selbst, inklusive Nachhaken bei still gewordenen Threads. Jeder Slack-Kanal bekommt eine eigene, isolierte Claude-Identität mit fein abgestuften Zugriffsrechten, sodass der Engineering-Claude nichts vom Legal-Claude mitbekommt. Anthropic sagt, dass intern bereits 65 Prozent des Codes im Produktteam aus genau dieser Version stammen. Verfügbar ist Claude Tag ab heute als Beta für Enterprise- und Team-Kunden, Admins können Token-Limits pro Kanal setzen und jede Aktion in einem Log nachvollziehen. Anthropic will das Ganze später über Slack hinaus ausweiten. → www.zdnet.com

Synthszr Take: 65 Prozent des eigenen Codes aus dem Tool, das man verkauft, ist die ehrlichste Produktdemo, die Anthropic geben kann. Im März war Claude noch die Fernbedienung fürs Terminal, jetzt sitzt es im Kanal und liest mit, wer seine Aufgaben liegen lässt. Der eigentliche Bruch steckt im Ambient-Modus: Eine Maschine, die ungefragt den Raum beobachtet, sich Arbeit selbst zuteilt und nachhakt, ist kein Assistent mehr, der auf Zuruf wartet. Das ist der Punkt, an dem viele Teams ins Schwitzen kommen, und zwar zu Recht, denn der Übergang von „ich frage“ zu „es schaut zu“ verschiebt das Machtverhältnis im Kanal. Spannend ist die Token-Frage, die ZDNET richtig stellt: Ein Dauerbeobachter verbrennt Rechenleistung im Sekundentakt, und die Cloud-Rechnung steigt mit jedem stillen @Claude im Hintergrund. Die Leitplanken sind diesmal mitgedacht, getrennte Identitäten pro Kanal und Spend-Limits, das ist solides Product Thinking statt Hype. Wer jetzt klein anfängt, einen Kanal, klar abgegrenzte Rechte, Token-Deckel, lernt die Orchestrierung, bevor sie zur Komplexitätsfalle wird.

MrBeast: Tech-Hires für Creator-Plattform

Jimmy Donaldson, besser bekannt als MrBeast, baut mit seiner Firma Beast Industries eine Plattform, die Marken und Creator für Sponsoring-Deals zusammenbringen soll. Dafür hat er ein komplettes Team vom Creator-Commerce-Startup Pietra abgeworben, inklusive Mitgründer und CEO Ronak Trivedi, der vor Pietra bei Uber gearbeitet hat. Pietra war von Andreessen Horowitz finanziert und hatte sich darauf spezialisiert, Influencern beim Aufbau eigener Produktlinien zu helfen. Mit dem Schritt will Donaldson sein Geschäft über YouTube hinaus verbreitern und sich vom Algorithmus eines einzigen Konzerns lösen. Die Hiring-Welle bei Beast Industries läuft seit Monaten und zielt klar auf Technologie-Kompetenz. Aus einem Creator wird ein Plattformbetreiber. → Business Insider

Synthszr Take: Donaldson hat verstanden, was die meisten Creator nie kapieren: Reichweite auf einer fremden Plattform ist gemietet, nicht besessen. Mit 400 Millionen Abonnenten auf einem YouTube-Kanal sitzt er trotzdem im geschlossenen System eines anderen, der jederzeit die Spielregeln ändern kann. Statt das hinzunehmen, baut er die Vermittlerplattform selbst, dort wo die Marketing-Budgets ohnehin schon zu ihm strömen. Das ist die richtige Reihenfolge: erst die Nachfrage beweisen, dann die Infrastruktur bauen, die sie monetarisiert. Wer ein A16z-Team und einen Ex-Uber-Gründer einkauft, holt sich keine Berater, sondern Leute mit Bauerfahrung für Marktplätze. Der spannende Teil ist nicht, ob MrBeast Videos macht, sondern ob er den Werbemarkt für Creator zum Direktvertrieb umbaut und damit die klassischen Agenturen überflüssig macht. Wenn das funktioniert, hat er sich aus dem Mietverhältnis befreit und ist selbst zum Vermieter geworden.

Meta Smart Glasses: Kylie Jenner trägt KI

Meta hat drei neue Datenbrillen vorgestellt: Adventurer, Fury und Starfire, ab 299 Dollar und damit spürbar günstiger als die Ray-Ban Gen 2 vom Vorjahr. Den niedrigen Preis erkauft sich Meta, indem es auf das Luxus-Label verzichtet, die Brillen einfach Meta Glasses nennt, mit EssilorLuxottica gefertigt werden und bei LensCrafters, auch mit Sehstärke, verkauft werden. Das Starfire-Modell für 399 Dollar entstand mit Kylie Jenner: ein kleiner Edelstein auf dem Glas, ein Metall-Nasensteg gegen Make-up und ein KI-Sprachassistent mit einer KI-generierten Version von Jenners Stimme. Die Hardware bleibt nah an der Ray-Ban-Generation: 12-Megapixel-Fotos, 3K-Video, sechs Mikrofone, rund acht Stunden Akku. Meta-Designchef Peter Bristol vergleicht Datenbrillen mit dem öffentlichen Nahverkehr: Die Leute nutzen sie, wenn sie gut genug sind. Während Snaps neue AR-Specs wegen Größe und Gewicht abgewatscht wurden und die Aktie einbrach, setzt Meta auf Komfort, verstellbare Nasenpads und überdehnbare Scharniere. Die Brillen laufen auf Metas multimodalem Muse-Spark-Modell. → www.wired.com

Synthszr Take: Meta löst sich von EssilorLuxottica und baut selbst, weil der Preis der eigentliche Hebel ist. 299 statt 379 Dollar klingt nach wenig, entscheidet aber über die Frage, ob diese Brille so allgegenwärtig wird wie das Smartphone oder im Regal liegen bleibt wie Metas frühere Hardware-Versuche (die co-gebrandeten Smartphones, die VR-Headsets, alles verpufft). Im April schrieben wir, Apple setze beim Glas-Wettlauf auf Design, um Metas Vorsprung einzuholen. Genau hier liegt jetzt Metas Problem: 69 Prozent Marktanteil bei einem Markt, den kaum jemand kauft, ist eine Zahl ohne Substanz. Der ehrlichste Satz im ganzen Artikel kommt vom IDC-Analysten über Google: Gemini steckt schon in den Mails, Fotos und Kalendern von Milliarden Menschen, während Meta AI mit 14 Prozent Nutzung gegen ChatGPTs 44 Prozent kaum sichtbar ist. Eine Brille verkauft sich nicht über die Hardware, sondern über das, was der Assistent dahinter weiß, und da fehlt Meta der Burggraben. Wer 2030 die günstigsten Brillen baut, hat nichts gewonnen, wenn der nützlichste Assistent woanders sitzt.

Meta Arena: Zuckerberg wettet auf Vorhersagemärkte

Mark Zuckerberg lässt ein kleines Team eine Smartphone-App namens „Arena“ bauen, die Polymarket und Kalshi nachahmt, den beiden am schnellsten wachsenden Vorhersagemärkten im Netz. Die App soll unabhängig von Facebook, Instagram, WhatsApp und Messenger laufen, zunächst mit einem spielähnlichen Punktesystem statt echtem Geld, wobei Meta echtes Wetten später nicht ausschließt. Die Zahlen erklären den Reiz: 2025 zogen Kalshi und Polymarket zusammen 50 Mrd. Dollar an Online-Wetten an, 2026 sind es bereits über 130 Mrd. Dollar, und der Betreiber kassiert auf jede Wette eine Gebühr. Meta hatte schon 2020 mit der App „Forecast“ einen Vorhersagemarkt am Start, schloss ihn aber 2022 wieder. Hintergrund ist die Sättigung der Kernplattformen: 3,56 Milliarden Menschen öffnen täglich eine Meta-App, und die Konzernführung sieht intern kaum noch Platz für neue Produktideen innerhalb der videolastigen Feeds. Senator Richard Blumenthal warf Zuckerberg vor, sein Geschäftsmodell profitiere von Sucht, und verwies auf den Kids Online Safety Act sowie den Prediction Markets Security and Integrity Act. Parallel steht die zuständige Aufsichtsbehörde CFTC mit ihrer kleinsten Belegschaft seit Jahren da, während ein Green-Beret-Soldat über 400.000 Dollar mit Insider-Wetten auf eine Geheimoperation in Venezuela machte. → www.nytimes.com

Synthszr Take: Zuckerbergs Methode kennen wir seit zehn Jahren: fremdes Nutzerverhalten beobachten, die App klonen und über die eigene Reichweite hochskalieren. Das hat bei Stories funktioniert (Snap weiß ein Lied davon zu singen), bei Lasagne aus Podcast-, Reise- und Dating-Apps von 2019 dagegen gar nicht. Die Wischgeste im Newsfeed bedient dieselbe Sucht nach Überraschung wie der Hebel einer Slot Machine, das hab ich vor Jahren so beschrieben, und Arena dreht diese Schraube nur eine Umdrehung weiter. Spannend ist die Lücke: 130 Mrd. Dollar Wettvolumen treffen auf eine Aufsichtsbehörde, die gerade kaputtgespart wird, und ein dokumentierter Insider-Fall zeigt, wie dünn die Leitplanken sind. Genau hier wird Meta verwundbar, denn ein Konzern mit dieser Vergangenheit kann sich keinen Markt leisten, der nach manipuliertem Casino riecht. Wer Arena baut, sollte die Frage des echten Geldes vorab beantworten und nicht „nicht ausschließen“, denn diese Ambiguität ist genau das Signal, auf das Blumenthal und die nächste Anhörung warten. Punktesystem oder Geldspiel, das entscheidet darüber, ob daraus ein neues Produktstandbein wird oder das nächste Forecast.

Mistral OCR 4 liest jetzt 170 Sprachen

Mistral hat OCR 4 veröffentlicht, ein kompaktes, fokussiertes Modell zum Auslesen und Strukturieren von Dokumenten. Neu sind Bounding Boxes (die meistgewünschte Funktion), eine typisierte Klassifikation einzelner Blöcke wie Titel, Tabellen, Gleichungen oder Unterschriften sowie Confidence Scores pro Seite und pro Wort. Das Modell unterstützt 170 Sprachen über 10 Sprachgruppen, läuft in einem einzigen Container für vollständig selbst gehostete Deployments und dient als Ingestion-Baustein für Enterprise Search, RAG und domänenspezifische Retrieval-Pipelines. In blinden Human-Preference-Tests über 600+ Dokumente in 12+ Sprachen bevorzugten unabhängige Annotatoren OCR 4 mit einer durchschnittlichen Win-Rate von 72 Prozent gegenüber allen getesteten Systemen; auf OlmOCRBench liegt es mit 85,20 vorn, auf OmniDocBench bei 93,07. Über die API kostet es 4 Dollar pro 1.000 Seiten, mit Batch-Rabatt fällt es auf 2 Dollar. Rogo-Engineer Aidan Donohue berichtet von gleicher Genauigkeit bei rund 8x niedrigeren Kosten und 17x geringerer Latenz gegenüber den führenden agentischen Parsern. Self-hosted Deployment ist Enterprise-Kunden vorbehalten und hält die Dokumentdaten im eigenen Haus. → mistral.ai

Synthszr Take: Der spannende Teil steht nicht im Benchmark, sondern im Satz „runs in a single container for fully self-hosted deployments“. Genau hier liegt der einzigartige Vorteil von Mistral, und sie wissen es. Ein deutsches Großunternehmen mit Akten, Verträgen und Rechnungen in Sprachen, die andere Systeme schlecht lesen, bekommt eine Ingestion-Schicht, die GDPR-konform im eigenen Rechenzentrum bleibt und trotzdem 2 Dollar pro 1.000 Seiten kostet. Das ist der Layer, den jede RAG-Pipeline braucht und den die meisten Teams bisher mit einem Flickenteppich aus Cloud-OCR und manueller Nacharbeit notdürftig repariert haben. Bounding Boxes plus Block-Typen plus Confidence Scores liefern citation-ready Inputs, und damit wandern Agenten vom Lesen zum Handeln: Formular ausfüllen, Rechnung prüfen, Compliance-Check. Wer in Europa eine souveräne Dokumenten-Pipeline bauen will, sollte OCR 4 diese Woche gegen den bestehenden Anbieter testen, nicht erst nach dem nächsten Architektur-Review. Bei 8x Kosten und 17x Latenz im Produktivbetrieb addiert sich der Unterschied schnell zu echtem Geld.

Agenten-Loops sind teuer und langsam aber liefern zuverlässig

In den AI-Ecken von X und Reddit taucht seit Wochen ein Begriff auf: „agent loops“. Statt einem Modell einen Prompt zu geben, auf das Ergebnis zu warten und dann nachzusteuern, lässt man mehrere Agenten in Schleifen laufen, die verschiedene Ansätze probieren und sich gegenseitig benoten, bis das Ziel erreicht ist oder ein vorab gesetzter Stopp greift. Anthropic-Ingenieure haben auf der AI-Ingenieure-Konferenz im April eine Zahl geliefert, die hängen bleibt: Ein simpler Prompt baute eine Retro-Videospiel-App in 20 Minuten für 9 Dollar (funktionierte nicht). Der Loop-Ansatz brauchte sechs Stunden und 200 Dollar, lieferte dafür Farbpaletten-Wechsel, Debugging und Features, die ein Spieledesigner wirklich will. Der Trick dahinter heißt seit letztem Sommer „Ralph Wiggum technique“, benannt nach der Simpsons-Figur, die dumm, aber unerschütterlich optimistisch ist. Wichtig ist die Arbeitsteilung: ein „generator“-Agent baut, ein separater „evaluator“ prüft (oft von einem anderen Anbieter, weil Agenten ihre eigene Arbeit genauso schlecht kontrollieren wie Menschen). Daneben läuft die Deal-Maschine weiter: Qualcomm verhandelt über Modular für 4 Mrd. Dollar, Groq sammelt 650 Mio. ein, Reflection zahlt SpaceX 150 Mio. pro Monat für Compute. → The Information AI Agenda

Synthszr Take: Die 200-Dollar-Zahl ist der eigentliche Sprengstoff, nicht das bessere Spiel. Velocity bekommt hier einen Preis, der 22-mal so hoch ist wie beim Einzel-Prompt. Genau das ist der Übergang vom Sprint zum Agenten-Loop, über den wir im Code-Crash-Kapitel geschrieben haben: Die Maschine reagiert nicht mehr über Plan-Befolgen, sie iteriert sich durch Edge Cases, die früher in seitenlangen Prompts ausbuchstabiert werden mussten. Der adversarische Aufbau (Generator gegen Evaluator, am besten von zwei verschiedenen Anbietern) ist dabei der ehrlichste Teil der ganzen Geschichte, weil er das Selbstbetrugsproblem löst, an dem auch menschliche Teams mit lauter Ja-Sagern scheitern. Wer jetzt nur auf den Token-Verbrauch starrt, hat die Rechnung nicht zu Ende gemacht: 200 Dollar für funktionierende Software schlagen 9 Dollar für Schrott an jedem Werktag der Woche. Die Compute-Disziplin verschiebt sich von „wie billig“ zu „wofür lohnt sich der teure Loop“, und diese Frage lässt sich morgen früh am konkreten Use Case entscheiden, nicht erst nach dem nächsten Architektur-Offsite. Reflection zahlt SpaceX 150 Mio. im Monat für Rechenleistung; der Markt hat längst begriffen, dass Geschwindigkeit jetzt am Stromzähler hängt.

Claude will (vielleicht) deinen Ausweis checken

Anthropic kann ab dem 8. Juli von Claude-Nutzern verlangen, ihr Alter oder ihre Identität per Ausweis-Scan zu belegen, so eine neue Passage in der aktualisierten Datenschutzrichtlinie. Konkret heißt das: Foto vom Pass oder Führerschein, dazu ein Selfie und eine digitalisierte Gesichtsgeometrie, die manche US-Bundesstaaten wie Illinois als gesetzlich geschützte biometrische Daten einstufen. Anthropic stellt das als Verbesserung des Einspruchsverfahrens dar, nur ein kleiner Teil der Nutzer mit auffälligen Konten sei betroffen (bei zweistelligen Millionen-Nutzern pro Monat ist „klein“ Auslegungssache). Den eigentlichen Identitäts-Check wickelt der Dienstleister Persona ab, der theoretisch auch staatlichen Auskunftsforderungen ausgesetzt ist. Der Zeitpunkt fällt mitten in den festgefahrenen Konflikt mit der Trump-Regierung, die Anthropic vor gut einer Woche zwang, seine neuesten Cybersecurity-Modelle zurückzuziehen. Das Pentagon hat das Unternehmen bereits im März als „Supply-Chain-Risiko“ eingestuft, offenbar als Quittung dafür, dass Anthropic seine Technik nicht für inländische Massenüberwachung oder autonome Waffen hergeben wollte. → Techpresso

Synthszr Take: Eine Firma, die sich öffentlich gegen staatliche Massenüberwachung stellt, baut zugleich die Infrastruktur, um Gesicht und Ausweis ihrer Nutzer einzusammeln. Diesen Widerspruch löst man nicht mit einem netten X-Post auf, der von „kleinem Subset“ spricht und die Frage nach der Zahl höflich überhört. Das Problem steckt bei Persona: Sobald ein US-Dienstleister biometrische Templates hält, ist das Versprechen vom Datenschutz nur so stark wie der nächste richterliche Beschluss, dem dieser Dienstleister folgen muss. Roblox löscht die Bilder nach eigener Aussage sofort nach Verarbeitung, Anthropic wollte auf die Löschfrist erst gar keine Antwort geben (das ist die eigentliche Schlagzeile). Wer Vendor-Neutralität und EU-Residency predigt, sollte beim eigenen Identitäts-Stack die gleiche Disziplin zeigen, sonst wird aus „Safety“ stillschweigend ein Datentopf, den man später nicht mehr kontrolliert. Vor dem 8. Juli die konkrete Aufbewahrungsfrist offenzulegen und auf Sofort-Löschung festzulegen, wäre der Mindeststandard, an dem sich messen lässt, ob Haltung hier mehr ist als Marketing.

Framer wird mit Version 3.0 zur Agentenplattform

Framer hat mit Version 3.0 sein No-Code-Tool in eine Agentenplattform umgewandelt. Im Zentrum stehen drei Agenten, die direkt auf der Canvas arbeiten: ein Design-Agent, der Layouts in Echtzeit generiert und verfeinert, ein CMS-Agent, der Inhalte aufsetzt und mit dem Design synchron hält, und ein Code-Agent für Custom-Interaktionen. Bemerkenswert ist die Anbindung nach außen: Man kann eine Framer-Seite aus Slack, dem Terminal, einem GitHub-PR oder über Claude Code, Codex und Cursor steuern. Im gezeigten Beispiel importiert Claude Code 47 WordPress-Posts über die REST-API und mappt sie sauber ins Framer-CMS. Dazu kommen harte Plattform-Werte: Core Web Vitals mit LCP 1,1 s und CLS 0,01, 99,99 % Uptime, integriertes A/B-Testing, Lokalisierung und eine Community mit 12.447 Ressourcen. Kunden wie Miro, Mixpanel, Perplexity und Zapier shippen damit ihre Sites. → Techpresso

Synthszr Take: Der spannende Satz steht im Untertitel: „Agents that work alongside you, not instead of you.“ Genau das ist die richtige Haltung, und Framer setzt sie technisch um, indem jede Änderung sichtbar, editierbar und unter Kontrolle des Menschen bleibt. Damit landet das, was wir bei OH-SO Absorptionslayer nennen, direkt im Tool: Der Agent liefert, der Mensch übersetzt und entscheidet. Wer 47 WordPress-Beiträge in Sekunden migriert und gleichzeitig Core Web Vitals von 1,1 s hält, hat die Build-Geschwindigkeit von Webprojekten beschleunigt, ohne die Qualitäts-Gates aufzugeben. Der eigentliche Hebel liegt im offenen Andocken an Claude Code, Cursor und GitHub, weil Framer damit aufhört, ein geschlossenes System zu sein, und Teil des Operating Streams wird. Wix und Konsorten sollten das ernst nehmen, denn die Differenzierung verschiebt sich vom Editor zur Orchestrierung. Eine eigene Marketing-Site auf diesem Stack neu zu denken, ist ein Zug, der sich morgen früh entscheiden lässt.

Project-level rules helfen bei der Code-Generierung im Team

48 % des Codes wird laut einer aktuellen IBM-Erhebung mittlerweile von KI generiert, aber die Organisationen drumherum haben sich kaum bewegt: Von 219 befragten Engineering-Leitern haben nur 19 Rollenbeschreibungen angepasst, nur 15 die Einführung neuer Leute, nur 32 die Art, wie sie Produktivität messen. 55 % sorgen sich, dass ihre Teams das gemeinsame Verständnis der Codebasis verlieren, 39 % haben Zweifel, ob sie noch mit Vertrauen ausliefern können. Das eigentliche Problem ist die fehlende Standardisierung: Der eine Agent nimmt Jest, der nächste Mocha, der eine baut sauberes Error-Handling, der Nächste lässt es weg. IBM nennt das Ergebnis „intent debt“, also den Verfall der Ziele und Leitplanken, die ein System eigentlich steuern sollte. Die Lösung sollen project-level rules sein: explizite Konventionen, an die sich die Agenten halten wie ein menschlicher Entwickler. Schon 57 Organisationen haben ihre Code-Review-Prozesse formal umgebaut, der Rest hängt noch in der alten Welt fest. → The Deep View

Synthszr Take: Was IBM hier als „intent debt“ verkauft, ist die digitale Variante eines uralten Architekturproblems, über das ich in Code Crash geschrieben habe. Ein LLM sieht nur, was im Code steht. Wenn deine Konventionen im Kopf von drei Senior-Entwicklern leben statt in expliziten Regeln, dann erbt jeder Agent dieses Loch und füllt es nach Gefühl. Spannend finde ich, dass 89 % der großen Organisationen Sorgen ihrer Engineer hören, dass deren Skills entwerten, und die meisten Manager hören zu und tun dann genau nichts. Das ist der teure Teil: Du verzehnfachst die Output-Geschwindigkeit und vergisst, dass implizites Wissen bei dieser Velocity nicht mehr in Pair-Programming-Sessions entsteht. Project-level rules sind dafür der pragmatische Einstieg, aber sie wirken nur, wenn auch die Architektur dahinter sauber ist: kleine Module, explizite Schnittstellen, echte Grenzen. Wer das jetzt anpackt, baut sich einen Burggraben; wer wartet, sammelt mit jedem Commit Schulden, die kein Refactoring-Sprint später billig zurückzahlt.

China holt Supercomputer-Krone zurück

Zum ersten Mal seit 2017 steht wieder ein chinesischer Rechner an der Spitze der Top500-Liste. LineShine aus dem National Supercomputer Center erreicht 2,198 Exaflops und schlägt damit den bisherigen Spitzenreiter El Capitan (1,809 Exaflops) am Lawrence Livermore National Laboratory. Das Bemerkenswerte: LineShine ist die erste Maschine, die zwei Exaflops anhaltender Double-Precision-Leistung allein mit CPUs überschreitet, ganz ohne GPUs. Hinter dem System steckt ein eigenentwickelter 304-Kern-Prozessor mit 13,79 Millionen Kernen bei 1,55 GHz, verbunden über einen firmeneigenen Interconnect, bei 42,2 Megawatt Leistungsaufnahme. Top500-Organisator Jack Dongarra nennt es ein „beeindruckendes System“, das ohne GPU-Abhängigkeit auskomme. Fünf Rechner durchbrechen inzwischen die Exascale-Schwelle: einer in China, drei in den USA, einer in Deutschland (Jupiter Booster in Jülich mit genau einem Exaflop). Entwickelt wurde LineShine ohne öffentliche Mittel, weshalb die Designer es überhaupt zur Messung freigaben, ohne Herstellerangaben zu den Chips zu machen. → Techpresso

Synthszr Take: Die Chip-Embargos sollten China bremsen, und sie haben das Gegenteil bewirkt. Wer keine Nvidia-GPUs bekommt, baut eben 13,79 Millionen eigene Kerne und einen proprietären Interconnect drumherum. Das ist die gleiche Mechanik, die wir Ende April beim DeepSeek-V4 gesehen haben, der ohne Nvidia auskam: ein Land, das aus der Not eine eigene Compute-Disziplin macht. Bemerkenswert ist nicht die Spitzenposition allein, sondern die architektonische Vielfalt der Liste, denn Top500 stellt fest, dass es keinen einzigen dominanten Pfad zur Höchstleistung mehr gibt. Genau das macht Sanktionen so stumpf: Wenn fünf Wege nach Exascale führen, lässt sich kaum einer davon zuverlässig versperren. 52,07 Gigaflops pro Watt aus reinen CPUs zeigen, dass der vermeintliche Rückstand bei Beschleunigern in Ingenieurskunst übersetzbar ist. Wer die Compute-Landkarte 2026 lesen will, schaut besser auf die Energieeffizienz pro Watt als auf die nächste Embargo-Liste.