Chinesische Modelle ködern KI-Agenten mit Gratis-Tokens

Guerilla-Marketing: Neues Frontier-Modell im Stealth-Modus erobert OpenRouter

Ein unbekanntes Labor hat am 20. August ein anonymes Frontier-Modell namens Ox Alpha auf OpenRouter veröffentlicht und es Entwicklern eine Woche lang kostenlos zur Verfügung gestellt. Das Modell läuft unter der Kennung stealth/ox-alpha, bietet ein Kontextfenster von rund 1,05 Millionen Token, ein Output-Limit von 131.072 Token und verarbeitet Text, Bild und Video. Beworben wird es zusammen mit dem Terminal-Agenten OpenCode als Option für langlaufende Coding- und Agentenaufgaben. Die Ankündigung nennt eine Kapazität von bis zu 100 Billionen Token pro Tag bei null Datenspeicherung, was von den üblichen Stealth-Releases abweicht, die Prompts fürs Training einsammeln.

Die Urheberschaft ist offen, und die Community hat innerhalb von Stunden mit technischer Spurensuche begonnen. Eine Tokenizer-Probe ergab nach Angaben von Entwicklern 30 von 30 exakte Token-Übereinstimmungen mit dem GLM-5.3 von Z.ai, dem früheren Zhipu AI. Provozierte Java-Stack-Traces lieferten den Fehlercode 1214, der zur internen Z.AI-Infrastruktur passen soll, und die Frame-zu-Token-Rate bei Videos entspricht dem Encoder von GLM-5V-Turbo. Auf dem Drittanbieter-Leaderboard Kingbench erreichte Ox Alpha 87,5 Prozent, GLM-5.3 kommt dort auf 91,25 Prozent. Für Zhipu spricht auch die Vorgeschichte: Das Labor hatte GLM-5 zuvor unter dem Namen Pony Alpha live getestet und betreibt mehrere 10.000-GPU-Cluster sowie ein frisch ans Netz gegangenes Rechenzentrum mit einem Gigawatt.

Andere Zuordnungen sind im Umlauf. DeepSeek gilt als Vorbild für das aggressive Vorgehen, weil V4 am 11. März zunächst als Hunter Alpha erschien, doch die Rechenkapazität für den beworbenen Durchsatz gilt als fraglich, zumal der Preis für V4-Flash zuletzt angehoben wurde. Ein Analyst rechnete vor, dass 100 Billionen Token pro Tag bei realistischen Geschwindigkeiten rund 580.000 GPUs erfordern würden. Eine konkurrierende Analyse verweist auf den cl100k_base-Tokenizer des Modells und ordnet es damit der Phi/MAI-Linie von Microsoft zu, möglicherweise einer unveröffentlichten Version von MAI 2. Auch Xiaomis MiMo-Team wird genannt, das ebenfalls schon Pseudonyme auf OpenRouter genutzt hat.

Parallel dazu befeuerten zwei Beiträge von Google-DeepMind-Mitarbeitern die Gerüchteküche: Vamsi Batchu schrieb „Google is back. Trust the process“, Jonathan Ouyang postete „It’s Gemini time :)“. Innerhalb weniger Stunden kursierte auf X und Reddit die These, Ox Alpha sei eine geleakte Gemini-Variante. Weder Z.ai noch OpenRouter haben das Modell bislang beansprucht. Unabhängige Validierung auf offiziellen Leaderboards fehlt, kursierende Bestwerte etwa auf DeepSWE stammen aus der Community, und Sicherheitsfachleute raten davon ab, sensiblen Unternehmenscode in ein nicht verifiziertes Modell zu geben.

Der Auftritt fällt in eine Phase, in der sich die Gewichte auf OpenRouter verschieben: Der Anteil der über die Plattform verarbeiteten Token, der auf US-Modelle entfällt, ist laut Plattformmetriken binnen eines Jahres von 70 auf rund 30 Prozent gefallen. Stripe treibt derweil die Übernahme der Router-Plattform voran. → Wccftech, NPowerUser, techstrong

Synthszr Take: Gratis Rechenzeit ist die günstigste Werbefläche der Branche: Eine Woche lang 100 Billionen Token pro Tag zu verschenken, kostet weniger als eine Keynote und bringt deutlich mehr Gesprächszeit. Die Anonymität ist der eigentliche Kunstgriff, weil ein Modell ohne Absender jeden Entwickler in einen unbezahlten Ermittler verwandelt, der Tokenizer vergleicht, Stack Traces provoziert und Screenshots postet. Zwei beiläufige Sätze von DeepMind-Leuten haben gereicht, um halbe Timelines auf die Gemini-Fährte zu schicken, und die Korrektur über 30 von 30 Token-Matches kam Tage später mit einem Bruchteil der Reichweite an. Der Launch findet damit vor dem Launch statt: Bis das Modell offiziell einen Namen bekommt, ist seine Positionierung in tausend Threads bereits ausgehärtet. Billig bleibt das nur, solange niemand fragt, wessen Codebasis da eine Woche lang durch ein Modell ohne Impressum gelaufen ist.

Nvidia investiert 6 Milliarden Dollar im Kampf gegen DeepSeek

Nvidia zahlt 6 Milliarden Dollar für eine nicht-exklusive Lizenz an Poolsides Technologie zur Modellentwicklung und macht 109 Mitarbeitern des Startups ein Jobangebot. Dazu kommt eine Investition von einer Milliarde Dollar in Poolside bei einer Pre-Money-Bewertung von 12 Milliarden. Das erklärte Ziel des Chipherstellers ist der Bau eines der leistungsfähigsten Open-Weight-Modelle der Welt, das gegen chinesische Anbieter wie DeepSeek und Kimi K3 antreten soll, aber auch gegen die geschlossenen Modelle von OpenAI und Anthropic. Die Konditionen stammen aus einem Brief von Poolside an seine Investoren, in dem das Unternehmen ausdrücklich festhält, dass es sich weder um eine Übernahme noch um einen Talent-Einkauf handelt. Poolside will die 6 Milliarden bis Ende 2027 an seine Kapitalgeber ausschütten. Gegenstand der Lizenz ist ein System, das Poolside Model Factory nennt: eine integrierte Sammlung aus Datenpipelines, verteilter Trainingssoftware, Evaluationssystemen, Inferenz-Infrastruktur und Werkzeugen für Reinforcement Learning. Nach Angaben des Unternehmens wurden die Modelle Laguna M.1 und Laguna XS.2 vollständig darin von Grund auf trainiert, mit mehr als 30 Billionen Trainings-Tokens. Laguna XS.2 sei in fünf Wochen vom Trainingsstart bis zur Veröffentlichung gekommen. Im Juli folgte Laguna S 2.1, ein Mixture-of-Experts-Modell mit 118 Milliarden Parametern, davon 8 Milliarden aktiv pro Token, und einem Kontextfenster von bis zu einer Million Tokens. Die Leistungsangaben stammen aus Poolsides eigenen Evaluationen, das Unternehmen hat die Auswertungsverläufe allerdings zur externen Prüfung veröffentlicht. Nvidia unterstützt die Laguna-Architektur bereits in seiner NeMo-AutoModel-Dokumentation. → RuntimeWire, Wall Street Journal, PYMNTS

Synthszr Take: Industriepolitik ohne Staat: Nvidia legt 6 Milliarden Dollar hin, um die USA in einem Feld zu positionieren, das Peking seit Jahren als offizielle Doktrin betreibt. Offene Gewichte sind deshalb der strategische Hebel, weil sie in Ministerien, Kliniken und Fabrikhallen landen, wo keine externe Schnittstelle erlaubt ist, und dort für ein Jahrzehnt die Referenzarchitektur setzen. Dass ausgerechnet der Hardwarelieferant die Rechnung übernimmt, hat einen handfesten Grund: Jedes westliche Modell, das gegen DeepSeek antritt, wird auf Nvidia-Silizium hin optimiert. Gegen 6 Milliarden für eine einzige nicht-exklusive Lizenz wirken die 722 Millionen Euro, die Mistral zuletzt für eigene Rechenzentren aufnahm, wie Kleingeld, und in Europa fehlt schlicht ein Akteur mit dieser Kassenlage. Bleibt die Datenebene als realistischer Hebel: offene Gewichte auf eigener Hardware betreiben und die Prozessdaten im Haus behalten, gleich ob die Gewichte aus Kalifornien oder aus Hangzhou stammen.

AI-Slop Petze: LinkedIn meldet 40 Prozent weniger Reichweite für AI-Müll

LinkedIn zieht eine erste Bilanz zu seinem Meldebutton für KI-generierte Beiträge und erklärt ihn für erfolgreich. Wie Engadget berichtet, wurde die Funktion „seems like AI slop“ seit dem Start vor wenigen Wochen über eine Million Mal genutzt. Chief Product Officer Hari Srinivasan schrieb in einem Update auf der Plattform, dass Mitglieder inzwischen 40 Prozent weniger Aufrufe von Inhalten sehen, die das Unternehmen als KI-Schrott einstuft. Wie die Nutzermeldungen konkret in die Reichweitensteuerung einfließen, lässt LinkedIn offen: Srinivasan verweist nach Angaben des Unternehmens auf „viele Signale“ und auf eingebaute Leitplanken, die verhindern sollen, dass einzelne Meldungen gezielt gegen andere Mitglieder verwendet werden. Neu ist eine Benachrichtigung in den Post-Analytics, die Verfasser darüber informiert, dass ihr Beitrag gemeldet wurde. → Techpresso

Synthszr Take: Die 40 Prozent sind eine Zahl, die LinkedIn selbst berechnet, über eine Kategorie, die LinkedIn selbst definiert, geprüft von niemandem. „Was wir als KI-Schrott klassifizieren“ ist der entscheidende Halbsatz in Srinivasans Meldung, und genau der bleibt unspezifiziert: Ohne offengelegte Klassifikationsregeln misst die Erfolgsmeldung nur, wie fleißig der eigene Filter drückt. Pikant wird’s im Rückblick, denn dieselbe Plattform hat jahrelang einen „Enhance“-Knopf angeboten, der Beiträge per Sprachmodell aufhübschte, und ihn erst beim Start des Meldebuttons entfernt.

Forscher erzeugen synthetische Trainingsdaten mit einer Milliarde künstlicher Personas

Ein Forschungsteam um Tao Ge hat mit „Persona Hub“ eine Sammlung von einer Milliarde automatisch aus Webdaten kuratierter Personas veröffentlicht, die als Ausgangspunkt für die Erzeugung synthetischer Trainingsdaten dient. Das zugehörige Paper (arXiv:2406.20094) beschreibt eine persona-getriebene Datensynthese: Jede Persona wird einem Sprachmodell als Perspektive vorgegeben, das Modell erzeugt daraus jeweils andere Aufgaben, Texte oder Anweisungen. Die Autoren beziffern die Menge der Personas auf rund 13 Prozent der Weltbevölkerung und beschreiben sie als verteilte Träger von Weltwissen, über die sich nahezu jeder im Modell angelegte Blickwinkel abrufen lasse. Als Anwendungsfälle nennt die Arbeit mathematische und logische Aufgaben, Nutzeranweisungen, wissensreiche Texte, Spielfiguren für Videospiele sowie Werkzeug- und Funktionsaufrufe. → AINews

Synthszr Take: Jede der eine Milliarde Personas ist im Kern ein Schlüssel, der einen anderen Winkel des Modellgedächtnisses aufruft. Damit wird Vielfalt zur Produktionsgröße: Statt sie mühsam bei echten Menschen einzusammeln, erzeugt man sie per Adressierung, und die Kosten pro zusätzlicher Perspektive fallen gegen null. Der Haken sitzt in derselben Mechanik, denn alles, was das Modell nicht kennt, kennen auch seine 1.000.000.000 Rollen nicht, und blinde Flecken werden in Milliardenauflage mitkopiert.

New York überholt die Bay Area: 394.300 Tech-Beschäftigte gegen 375.730

New York ist erstmals seit 13 Jahren wieder der größte Tech-Arbeitsmarkt Nordamerikas und hat die San Francisco Bay Area verdrängt. Die Metropolregion zählt laut den von CNBC referierten Daten 394.300 Tech-Beschäftigte, die Bay Area kommt auf 375.730. Als Treiber wird die Nachfrage der Finanzbranche genannt, die verstärkt Fachkräfte für künstliche Intelligenz einstellt. Parallel dazu schrumpft die Tech-Beschäftigung in der Bay Area. Bei den rein KI-spezifischen Stellen liegt San Francisco weiterhin vorn.

Synthszr Take: Der Vorsprung von 18.570 Stellen entsteht auf der Nachfrageseite: Banken, Hedgefonds und Versicherer stellen KI-Leute schneller ein als die Plattformen, die sie ausgebildet haben. Ein Handelshaus kann den Ertrag eines Modells auf den Basispunkt ausrechnen, in der Kreditprüfung genauso wie in der Betrugserkennung, und zahlt entsprechend, während in der Bay Area gleichzeitig Stellen gestrichen werden. Talent folgt dem Budget, nicht der Mission, und das Budget sitzt gerade in Midtown.

Forscher finden im 3.200 Jahre alten Wüstensand die erste Marke der Menschheit

Ein Forschungsteam der Universität Wien um Marta Luciani hat eine bronzezeitliche Keramiktradition als eine der frühesten Marken der Menschheitsgeschichte identifiziert. Die Studie erschien in PLOS One und untersucht die sogenannte Qurayyah Painted Ware, eine Keramik, die vor rund 3.200 Jahren im Gebiet des heutigen Saudi-Arabien verbreitet war. Charakteristisch sind schwarz-rote geometrische Muster sowie stilisierte Tier- und Menschenfiguren. Nach Darstellung der Forschenden entstand die Markenwirkung aus der visuellen Identität selbst: konstante Materialqualität, durchgehende Produktionstechnik, zentralisierte Herstellung und ein Export, der über die Herkunftsregion hinausreichte. → Becky from 404 Media

Synthszr Take: 3.200 Jahre, und die Erfolgsformel hat sich kaum bewegt: gleichbleibende Qualität, wiedererkennbare Form, genug Reichweite, dass andere anfangen zu kopieren. Die Töpfer von Qurayyah hatten kein Marketingbudget und keine Positionierungsvorlage, sie hatten eine Handschrift, die man auf hundert Meter erkannte. Der aktuellen KI-Euphorie fehlt die Erinnerung daran, dass die Nachahmer in dieser Geschichte immer die Verlierer waren; die Studie nennt die lokalen Imitate ausdrücklich als Beleg für die Stärke des Originals, nicht als dessen Bedrohung.

Greg Brockman kontrolliert nach der Abgangswelle OpenAIs operatives Geschäft

Greg Brockman, Mitgründer und Präsident von OpenAI, ist nach einer Serie von Führungsabgängen faktisch die Nummer zwei des Unternehmens und im Tagesgeschäft der oberste Verantwortliche. Sein Titel hat sich seit Jahren nicht verändert, sein Zuständigkeitsbereich dagegen erheblich. Brockman gehört seit der Gründung zur Führung und galt in der Frühphase als der Ingenieur, der die grossen Trainingssysteme zum Laufen brachte. Damals teilte er die Macht noch mit Mitgründern wie Chefwissenschaftler Ilya Sutskever und CEO Sam Altman. 2017 notierte er in einem persönlichen Tagebuch die Frage, was ihn finanziell zur ersten Milliarde bringen werde; sein heutiger Anteil an OpenAI wird auf annähernd das Dreissigfache davon beziffert.

Die Abgänge häuften sich im April: Sora-Chef Bill Peebles, Kevin Weil als Vizepräsident der Forschungssparte und Srinivas Narayanan, CTO für B2B-Anwendungen, verliessen das Unternehmen. Marketingchefin Kate Rouch und Fidji Simo, als CEO für AGI-Deployment zuständig, schieden unter Verweis auf medizinische Gründe aus; Simo ging im April in Auszeit und trat im Juli offiziell zurück. Anfang dieses Monats kündigte Vertriebschefin Denise Dresser nach nur acht Monaten überraschend ihren Abschied an, obwohl sie nach den April-Umbauten zusätzliche Aufgaben übernommen hatte. Wenige Tage später erklärte Brad Lightcap, langjähriger COO und zuletzt für Sonderprojekte zuständig, er wolle etwas Eigenes aufbauen.

Mehrere dieser Wechsel berührten Brockmans Position nicht, andere erweiterten sie direkt. Als Simo in Auszeit ging, übernahm er die gesamte Produktverantwortung einschliesslich der Arbeit an der geplanten Super-App. Bei einer darauffolgenden Reorganisation, die auf Umsatzwachstum ausgerichtet war, kam neben der Produktstrategie auch der komplette Scaling-Bereich hinzu, womit ihm praktisch das gesamte kommerzielle Geschäft untersteht. Simos formeller Rücktritt, wenige Wochen nach der offiziellen IPO-Einreichung, verfestigte diese Aufstellung. Das alles fällt in ein Jahr mit dem monatelangen Geschworenenprozess gegen Mitgründer Elon Musk, einer Klage von Apple wegen Geschäftsgeheimnissen und Kritik, nachdem ein unveröffentlichtes Modell ein anderes KI-Unternehmen gehackt hatte. OpenAI äusserte sich auf Anfrage zunächst nicht. → Globe and Mail, The Verge

Synthszr Take: Aussen läuft seit Monaten der Lärm, und drinnen sitzt seit der Gründung derselbe Mann an der Maschine. Jeder Abgang hat Zuständigkeiten irgendwohin verschoben, und dieses Irgendwohin hiess fast immer Brockman: Produktstrategie, Super-App, der gesamte Scaling-Bereich, am Ende das komplette kommerzielle Geschäft ohne eine einzige Titeländerung. Das ist die stabilste Struktur, die OpenAI derzeit vorweisen kann, und im April war die Lage aus der Ferne noch eine Seifenoper mit offenem Ausgang. Für einen Börsengang zählt, wer die Umsatzmaschine verantwortet, nicht wer auf der Bühne spricht, und diese Antwort ist seit dem Sommer eindeutig. Beim Prospekt lohnt der Blick auf die Zeile unter Altman: Dort steht der Name, der das Tagesgeschäft trägt.