Elon Musk klaut, Meta macht in Mad Max, Anthropic hält Sonntagsreden und hackt Montags für die NSA

Alles nur geklaut: Elon Musk trainierte monatelang an Anthropics Outputs

Laut The Information hat Elon Musks xAI sein eigenes Coding-Modell über Monate hinweg direkt auf den Outputs von Anthropic Claude trainiert – ein klassisches Distillieren. Als Anthropic im Januar den offiziellen Zugang sperrte, arbeiteten die xAI-Engineers weiterhin über private Accounts und den Zwischendienst Blackbox AI. Musk hatte bereits vor Gericht eingeräumt, dass xAI „teilweise“ OpenAI-Modelle zum Training von Grok genutzt habe, und nannte dies den Industriestandard. Intern sieht es düster aus: Das Pretraining-Team schrumpfte auf unter fünf Leute, vier Grok-Code-Leads gingen innerhalb weniger Monate, dazu viele Mitgründer. Ein Mitarbeiter löschte versehentlich kritische Trainingsdaten und kostete dem Team zwei bis drei Wochen Arbeit. Und die ganze Rechenleistung, die Musk eingekauft hat? Die vermietet er jetzt über SpaceX an Anthropic und Google, statt eigene Modelle zu trainieren. Angeblich nur eine Übergangslösung. → Techpresso

Synthszr Take: Wenn du dein Coding-Modell auf den Outputs des Konkurrenten trainierst, ist das ein Eingeständnis dafür, dass du den Burggraben selbst nicht graben kannst. Musk hat Milliarden in GPUs gesteckt, Colossus aus dem Boden gestampft, die größte Compute-Position im Markt aufgebaut, und am Ende rendert er die Rechenleistung an genau die Firma, deren Modell er heimlich abgesaugt hat. Im Mai schrieben wir noch über das „Drama-Rama“ zwischen Musk und Amodei, den Feind-meines-Feindes-Pakt über SpaceX-Compute. Jetzt kennen wir die andere Seite der Geschichte. Compute kauft dir Sauerstoff, aber kein Produkt: Ein Pretraining-Team mit fünf Leuten und vier abgewanderten Code-Leads ist kein Skalierungsproblem, sondern ein Substanzproblem. Erinnern wir uns daran, dass bei Anthropic 80 Prozent der Codebasis von Claude Code stammt, dann sieht man, wer hier wirklich rekursiv besser wird: perfektes Timing zum IPO von SpaceX und xAI...

Meta verwandelt seine Datacenter in „Mad Max“-Kulissen

Meta stellt quer durch die USA Zeltkonstruktionen auf, um AI-Server unterzubringen. Tom's Hardware beschreibt die Szenerie als Bild „aus dem Film Mad Max“: Die Strukturen benötigen nur drei Monate bis zur Inbetriebnahme und werden teilweise mit Strahltriebwerken mit Strom versorgt. Parallel dazu warnt eine Branchenkoalition die Trump-Regierung vor dringendem Handlungsbedarf, weil der extreme Speicherhunger der AI-Rechenzentren andere Industrien aushungert. Der AI-getriebene Memory-Engpass könnte die Preise in der Automobil-, Medizin- und Telekommunikationsbranche nach oben treiben. Gleichzeitig meldet Anthropic, dass Claude sich schneller als erwartet verbessere, und Nvidia plant weiter die RTX-50-Super-Serie für 2026. Die Geschwindigkeit beim Ausbau ist enorm, die Nebenwirkungen werden gerade erst sichtbar. → Tom's Hardware

Synthszr Take: Drei Monate Bauzeit für ein Zelt mit Strahltriebwerk, das ist die ehrlichste Aussage über den Zustand des AI-Ausbaus, die wir seit Monaten gesehen haben. Hier wird nicht geplant, hier wird provisorisch gekittet, weil jeder Monat Verzug als verlorener Vorsprung verbucht wird. Im Januar schrieb ich noch über Metas Realitätscheck beim Metaverse; jetzt verbrennt dieselbe Firma Kerosin, um Speicherchips zu füttern. Das Spannende ist die Rechnung dahinter: Wenn AI den DRAM-Markt leerkauft, zahlen Autobauer, Kliniken und Netzbetreiber den Aufschlag, ohne je ein Modell trainiert zu haben. Das ist das Jevons-Paradoxon in physischer Form, Der Compute wird billiger pro Token und teurer für alle anderen. Wer in diesen Sektoren plant, sollte Speicherpreise schon heute als strategisches Risiko in die Beschaffung einkalkulieren statt erst nach dem nächsten Quartalsbericht. Geschwindigkeit gewinnt diesen Markt, aber jemand muss die externen Kosten auf die Rechnung schreiben, und das wird nicht Meta sein.

Anthropic hält Sonntagsreden und hackt gleichzeitig für die NSA

Anthropic hat laut Financial Times rund ein halbes Dutzend Engineers bei der NSA eingesetzt, um sein stärkstes Modell, Mythos, für offensive Cyber-Operationen einzusetzen. Mythos ist dasselbe Modell, das Anthropic öffentlich nicht freigibt, mit Verweis auf Missbrauchsrisiken; verfügbar nur über das geschlossene Projekt Glasswing mit Microsoft, Apple und Amazon. Am selben Tag veröffentlichte das hauseigene Institut die Studie „When AI Builds Itself“ und forderte ein global koordiniertes Moratorium, das es mit den nuklearen Abrüstungsverträgen des Kalten Krieges verglich. Die Begründung: Claude schreibt inzwischen über 80% des Codes, der in die Produktion fließt (Anfang 2025 lag der Wert im niedrigen einstelligen Bereich), und die Engineers shippen rund achtmal so viel Code pro Tag wie 2024. Parallel klagt Anthropic gegen das Pentagon, das die Firma nach dem Platzen eines 200-Millionen-Vertrags als Lieferkettenrisiko einstufte – ein Label, das sonst Huawei zuteil wird. Der Streitpunkt: Anthropic wollte Claude nicht für vollautonome Waffensysteme und inländische Massenüberwachung freigeben, der NSA-Vertrag war von dieser Sperre ausgenommen. Und das alles, während Anthropic einen Börsengang vorbereitet, der die Firma auf über eine Billion Dollar bewerten könnte. → Techpresso

Synthszr Take: Anthropic verkauft die Vollbremsung an alle anderen und tritt selbst aufs Gas. Das Moratorium-Papier liest sich wie der Versuch, einen Burggraben mit moralischem Beton zu gießen: Wer schon vorne ist und die NSA als Kunden hat, profitiert am meisten davon, wenn der Rest stehen bleibt. Im April schrieben wir hier, dass Mythos die KI ist, die Software-Schwachstellen blitzschnell erkennt; jetzt sehen wir, wofür dieselbe Fähigkeit eingesetzt wird, und es ist eben nicht nur Verteidigung. Die 80%-Zahl ist der eigentliche Sprengstoff: Wenn ein Modell den Großteil seines eigenen Nachfolgers schreibt, ist der Wettlauf rekursiv geworden, und kein Vertrag mit Russland-Charme bringt ihn freiwillig zum Stillstand. Bemerkenswert bleibt die Haltung gegenüber dem Pentagon, autonome Waffen und Inlandsüberwachung abzulehnen, auch wenn die NSA-Ausnahme zeigt, wo die rote Linie verläuft. Wer eine Billion Dollar Bewertung anstrebt und gleichzeitig die Branche zur Pause auffordert, sollte sich nicht wundern, wenn ihm die Glaubwürdigkeit als Erstes abhandenkommt. Vertrauen baut man mit konsistentem Verhalten auf, nicht mit zwei Pressemitteilungen am selben Tag.

Google mietet sich für 920 Millionen Dollar im Monat bei SpaceX ein

SpaceX hat eine Woche vor dem größten Börsengang der Geschichte den nächsten Compute-Deal eingefädelt, diesmal mit Google. Laut einer SEC-Meldung vom Freitag zahlt Google von Oktober 2026 bis Juni 2029 rund 920 Millionen Dollar pro Monat für den Zugang zu etwa 110.000 NVIDIA-GPUs samt CPUs und Speicher. Der Deal ähnelt der Vereinbarung mit Anthropic von Ende Mai, wonach SpaceX 1,25 Milliarden Dollar monatlich für das gesamte Colossus-1-Rechenzentrum in Memphis einbringt, das ursprünglich von xAI für eigene Zwecke gebaut wurde. Google bekommt damit grob die Hälfte der Rechenleistung, die Anthropic dort nutzt, während Musk Colossus 2 wohl für xAI reserviert. Pikant: Google gilt als größter einzelner KI-Compute-Besitzer weltweit, begründet die Anmietung jedoch mit unerwartet hoher Nachfrage nach Gemini Enterprise. Mutterkonzern Alphabet hat dieses Jahr bereits über 180 Milliarden Dollar an Capex zugesagt und kürzlich 80 Milliarden Dollar durch eine Aktienemission eingesammelt. SpaceX will mit dem IPO auf der Nasdaq rund 75 Milliarden Dollar bei einer Bewertung von 1,75 Billionen aufnehmen, und beide Firmen sprechen schon über Rechenzentren im Orbit. → Techpresso

Synthszr Take: Wenn Google trotz 180 Milliarden Dollar an Capex und des Titels als größter Compute-Besitzer der Welt noch 920 Millionen im Monat an SpaceX überweist, dann ist Rechenleistung der knappste Rohstoff dieser Dekade. Das ist das Jevons-Paradoxon in Reinform: Je leistungsfähiger Gemini Enterprise wird, desto mehr Nachfrage entsteht, und die Effizienzgewinne verdampfen in noch mehr Workloads. Hübsch ist die Geldschleife dahinter, denn Alphabet hält nach dem IPO über 100 Milliarden an SpaceX und zahlt jetzt Miete für die eigene Beteiligung. Die 90-Tage-Kündigungsklausel ab Ende 2026 verrät, dass selbst Google sie nur als Überbrückung bis zur Nachholung der eigenen TPU-Kapazitäten sieht. Für alle, die kleiner spielen, wird Computerdiziplin damit zur Grundrechenart. Wer seine Modell- und Vendor-Architektur nicht auf austauschbare Kapazität auslegt, zahlt am Ende Memphis-Preise für etwas, das eigentlich Commodity sein sollte.

Meta verlangt zum ersten Mal Geld für KI: Hatch soll bis zu 200 Dollar im Monat kosten

Meta baut mit „Hatch“ sein erstes kostenpflichtiges KI-Produkt, und der Preis liegt bei bis zu 200 Dollar pro Monat. Hatch ist als nutzerfreundliche Variante des Open-Source-Tools OpenClaw gedacht: Man beschreibt in einfacher Sprache, was man braucht, und der Agent baut daraus ein funktionierendes Werkzeug, plant Termine oder verschickt E-Mails. Interne Dokumente zeigen eine kostenlose Version sowie ein „Hatch Plus“-Abo mit fünf- bis zehnfach höheren Nutzungslimits, womit Meta direkt gegen OpenAI und Anthropic antritt, die für ihre Top-Abos 100 bis 200 Dollar verlangen. Ein breiterer US-Start ist für Juli geplant. Hatch soll außerdem Metas geplante KI-Hardware antreiben, darunter neue Smart Glasses mit „Supersensing“ und ein KI-Pendant, dessen interne Tests für Frühjahr 2027 angesetzt sind. Mark Zuckerberg sieht in KI-Agenten einen Weg zu Einnahmen jenseits der Werbung, nötig, um die gewaltigen Infrastruktur-Investitionen von rund 600 Milliarden Dollar zu refinanzieren, die bereits zu Entlassungen geführt haben. Microsoft mit Scout und Google mit Gemini Spark haben kürzlich ähnliche Systeme vorgestellt. → Techpresso

Synthszr Take: Meta hat zwei Jahrzehnte lang davon gelebt, dass die Nutzer das Produkt waren und die Werbung die Rechnung zahlte. Jetzt steht zum ersten Mal ein Preisschild dran, und es sind 200 Dollar im Monat. Das ist der ehrlichere Teil der Geschichte: Wer 600 Milliarden in Rechenzentren versenkt und dafür schon Leute entlässt, kann die Refinanzierung nicht ewig auf das Anzeigengeschäft schieben. Spannend ist, dass Hatch auf OpenClaw aufsetzt, demselben Open-Source-Werkzeug, das bei Microsoft im Juni als 24/7-Kollegin in Teams auftauchte (wir haben Anfang Juni darüber geschrieben). Drei Konzerne, ein offenes Tool, drei Preisschilder: Der eigentliche Wettbewerb verschiebt sich von „wer baut den besten Agenten“ zu „wer integriert ihn am tiefsten in Hardware und Alltag“. Genau da liegt Metas Wette mit Brille und Pendant, und genau da kann sie auch scheitern, wenn die 200 Dollar mehr nach Abo-Pflicht als nach zehnfachem Mehrwert riechen. Wer jetzt 200 Dollar verlangt, muss liefern, was vorher gratis nicht möglich war, sonst bleibt der Plus-Knopf ungedrückt.

Chinas übersehene Modellbauer: Xiaomi, Meituan und StepFun

Tech Buzz China lenkt den Blick weg von den üblichen Laboren und auf drei Namen, die in der KI-Debatte meist durchrutschen. Xiaomis Modell MiMo hängt direkt an Smartphones, Autos, HyperOS, IoT-Geräten sowie an den eigenen Vertriebskanälen. Meituan betreibt mit LongCat und Xiaomei seine Modelle mitten im Offline-Servicegeschäft, also dort, wo bereits Nachfrage, Angebot, Routing, Bezahlung und Reklamationsdaten zusammenlaufen. StepFun wirkt nach außen noch wie ein eigenständiges Labor, lenkt seinen Agenten-Vorstoß jedoch ebenfalls auf Smartphones. Die Analyse ist Teil des neuen China AI Atlas, eines lebenden Feldführers zu Laboren, Talentströmen, Investoren und Mutterplattformen. Begleitend trennt Weijin Research die Frage, wo chinesische Modelle global genutzt werden, von der Frage, wo Token-Produktion und Wertschöpfung tatsächlich stattfinden. → Tech Buzz China

Synthszr Take: Die spannenden Modellbauer in China stehen nicht auf dem Leaderboard, sie stehen in der Lieferkette. Ein Labor ohne Vertrieb muss seine Token erst irgendwo unterbringen; Xiaomi, Meituan und StepFun haben den Kanal schon, bevor das Modell fertig ist. Meituan füttert LongCat mit echten Transaktionen aus dem lokalen Handel, jede Bestellung, jede Reklamation, jede Routenoptimierung werden zum Trainingssignal. Das ist ein Burggraben, den ein reines Forschungslabor ohne Finanzierungsrunde nachbauen kann. Im Mai schrieben wir über Xiaomis Preisnachlässe von bis zu 99 Prozent, und genau das ergibt erst Sinn, wenn die Inference im eigenen Ökosystem statt auf einer fremden Plattform erfolgt. Wer chinesische KI verstehen will, schaut sich die Datenströme im Betrieb an, nicht auf Benchmarks. Der Wettbewerb entscheidet sich an der Frage, wer den Kontaktpunkt zum Nutzer hat.

Der Skeptiker-Leitfaden für virale Roboter-Videos

Die Timeline ist voll mit Humanoiden, die Pakete sortieren, Wäsche falten und in Echtzeit-Streams herumlaufen. Dipam Patel, PhD-Kandidat in Informatik an der Purdue University und Research Assistant am US Army DevCom Army Research Lab, liefert in einem Ars-Technica-Stück die nüchterne Checkliste dazu. Sein erster Punkt: Viele dieser Demos laufen über Teleoperation, ein Mensch steuert den Roboter direkt. Solange ein Paper oder eine Firma nicht ausdrücklich von voller Autonomie spricht, gilt höchstes Misstrauen. Patel rät außerdem dazu, zu prüfen, ob der Roboter eine neue Testumgebung meistert oder nur eine bereits trainierte Aufgabe in genau dem Setup wiederholt, in dem er sie gelernt hat. Und der Klassiker: die Abspielgeschwindigkeit. Roboter sind aus Sicherheitsgründen langsam, manche Videos laufen mit 2x oder 4x, der Roboter braucht also doppelt oder vierfach so lange wie ein Mensch. → Techpresso

Synthszr Take: Hier gilt dasselbe Prinzip wie beim Vibe Coding: Eine Demo, die im Browser läuft, ist meilenweit von der Production Readiness entfernt. Ein Roboter, der in seiner eintrainierten Küche mit vierfacher Geschwindigkeit eine Tasse greift, hat ungefähr denselben Aussagewert wie Code, der auf localhost funktioniert und bei tausend gleichzeitigen Nutzern zusammenbricht. Der echte Fortschritt steckt in der Generalisierung, also in der Fähigkeit, eine fremde Umgebung beim ersten Mal autonom zu bewältigen. Genau das lässt sich nicht in einen 15-Sekunden-Clip für die Timeline pressen, und deshalb sehen wir es kaum. Wer investiert oder einkauft, sollte die zwei Fragen stellen, die Patel vorgibt: voll autonom oder teleoperiert, und neue Umgebung oder Wiederholung. Im Mai schrieben wir schon, dass KI das Labor verlässt und der reale Wert die Demos ablöst; bei Humanoiden ist diese Trennlinie noch schärfer. Die Abspielgeschwindigkeit zu prüfen, kostet zehn Sekunden und erspart eine Menge falscher Euphorie.

GEO, SEO, Content: Stop thinking in channels

Am 9. Juni findet mit „BreakingSilos 2026“ ein Online-Event statt, das SE Ranking gemeinsam mit Planable und einer langen Liste bekannter Marketing-Köpfe ausrichtet. Die Frage dahinter: Wie sichern sich Marken Sichtbarkeit, wenn künstliche Intelligenz entscheidet, was überhaupt gesehen wird, quer durch SEO, Social, Content und PR? Auf der Bühne sitzen Leute wie Rand Fishkin (SparkToro), Eli Schwartz (Autor von „Product-Led SEO“), Ross Simmonds (Foundation Marketing) und Crystal Carter, Head of AI Search & SEO bei Wix. Der inhaltliche Kern wird in den Session-Titeln deutlich: Künstlich erzeugte Markensignale werden von KI-Systemen herausgefiltert oder sogar abgestraft, während Marken mit hohen Zitationsraten in großen Sprachmodellen etwas anderes tun, das sich schwer kopieren lässt. Die These des Tages lautet, SEO, Social und Content nicht mehr als konkurrierende Einzeldisziplinen zu führen, sondern als ein zusammenhängendes Sichtbarkeits-System. Das Versprechen: umsetzbare Frameworks von Praktikern, noch in derselben Woche anwendbar. → TAAFT - There's An AI For That

Synthszr Take: Der Titel sitzt, auch wenn das Event am Ende ein Lead-Gen-Trichter für SE Ranking ist. Der Punkt stimmt trotzdem: Wer 2026 noch ein Team für „die Socials“, eines für SEO und eines für PR vorhält, baut Silos, die das Discovery-Modell von ChatGPT und Co. längst nicht mehr abbilden. Genau das ist der Pipeline-Layer, über den ich in Code Crash schreibe. Die Tools kauft jeder, HubSpot-AI, Klaviyo, ein paar Copilot-Seats, Das wird Commodity in 24 Monaten. Was unterscheidet, ist die Lieferlogik dahinter: Brand-Voice als Pattern-Lib, Content als durchgängiges Asset statt als plattformspezifischer Output, gefüttert von Leuten mit echtem Domänenwissen. Wir haben Mitte Mai schon geschrieben, dass Google Scaled AI-Content killt; jetzt zeigt sich die andere Seite derselben Medaille, nämlich dass authentische Markensignale die einzige Währung sind, die ein Sprachmodell noch zitiert. Wer seine Marketing-Organisation entlang der Kanäle statt entlang der Outcome-Pipeline aufstellt, optimiert ein totes Pferd.