Fable 5.1 ist da, OpenAI vertröstet noch aufs neue Update

Anthropic veröffentlicht Fable 5.1 und verspricht mehr Effizienz pro Euro

Anthropic hat Claude Fable 5.1 und Claude Mythos 5.1 veröffentlicht, zwei Modelle mit identischen Gewichten, die sich allein in der Höhe der Sicherheitsschranken unterscheiden. Fable 5.1 ist allgemein verfügbar und über AWS, Google Cloud und Azure ausgeliefert. Mythos 5.1 läuft nur über ein Programm für geprüften Zugang, offen für Cyberverteidiger und Biowissenschaftler an US-Organisationen. Für die Biologie-Fähigkeiten hat Anthropic ein Zugangsprogramm gemeinsam mit der US-Regierung aufgesetzt, die Anmeldung für Forschende soll bald öffnen.

An den Grundpreisen ändert sich nichts: 10 Dollar pro Million Input-Tokens, 50 Dollar pro Million Output-Tokens. Gesenkt wurde der Preis für Cache Reads, von 1 Dollar auf 0,25 Dollar je Million Tokens. Nach Angaben des Anbieters werden typische Arbeitslasten damit rund 25 Prozent günstiger als mit Fable 5, bei stark agentischen Aufgaben bis zu etwa 45 Prozent. Eine unabhängige Vorab-Auswertung kommt auf ein anderes Bild pro Aufgabe: 3,76 Dollar je Aufgabe im Intelligence Index, 20 Prozent mehr als Fable 5, weil das Modell etwa 1,7-mal so viele Output-Tokens verbraucht; die Cache-Senkung spart dabei rund 1,40 Dollar.

Bei den Messwerten springt vor allem der neue Wissenschafts-Benchmark: Auf Terminal-Bench-Science 0.1 erreicht Fable 5.1 laut Anthropic 52,6 Prozent gegenüber 24,7 Prozent bei Fable 5. Auf Terminal-Bench 4.0 kommt Fable 5.1 auf 55,8 Prozent, Mythos 5.1 auf 60,9 Prozent, was den Fähigkeitsabstand zwischen den beiden Sicherheitsstufen beziffert. Humanity’s Last Exam liegt bei 60,9 Prozent ohne Werkzeuge, GDPval-AA v2 bei 1.853 Elo. In der externen Messung erreicht das Modell 66 Punkte im Intelligence Index, den höchsten dort bisher gemessenen Wert, vor Claude Opus 5 mit 63 und GPT-5.6 Sol mit 61.

Anthropic adressiert nach eigener Darstellung außerdem Kundenkritik an Datenhaltung und zu strengen Schutzmechanismen. Die angekündigten Enterprise Frontier Safeguards sollen Daten auf den Cloud-Servern der Kunden statt bei Anthropic speichern und im Lauf des Herbsts ausgerollt werden. Fable 5.1 soll grundlegende Biologiefragen seltener blockieren als der Vorgänger, während Mythos 5.1 dieselben Einschränkungen behält. Für Cybersicherheit erlaubt Anthropic Fable 5.1 nun das Identifizieren von Software-Schwachstellen, verweist Aufgaben wie Penetrationstests, Exploit-Erzeugung und binärbasiertes Schwachstellen-Scanning aber weiter an die Opus-Modelle. Aus dem Kreis der Early-Access-Kunden äußerten sich unter anderem Every-CEO Dan Shipper und Box-CEO Aaron Levie positiv zu Tempo und Genauigkeit des Modells.

Aus der Praxis werden konkrete Fälle berichtet: Bei der Investmentfirma Millennium fand das Modell die Ursache eines seltenen Absturzes, an dem die eigenen Ingenieure jahrelang gescheitert waren. Cognition verlagert seinen Opus-5-Verkehr in Devin zum Start auf Fable 5.1, Jane Street meldet bessere Lesbarkeit über lange Aufgabenketten. In redaktionellen Tests erledigte das Modell Agentenaufgaben in etwa 60 Prozent der Zeit von Opus 5, lieferte aber auf eine Anfrage nach acht bis zwölf Zitaten 43 Stück, darunter Zitate, die in der Quelle fehlten, und ignorierte bei höchster Effort-Stufe zeitweise Stopp-Anweisungen. Die Veröffentlichung fällt in eine Phase, in der ein Börsengang von Anthropic erwartet wird und OpenAIs Modell Astra weiter aussteht. → anthropic, artificialanalysis, axios, AI Weekly, Every

Synthszr Take: Ein Modell, das den Wissenschafts-Benchmark von 24,7 auf 52,6 Prozent hebt, verschiebt die Rangordnung zwischen Instituten schneller als jede Berufungskommission. Die eigentliche Zäsur steckt im Zugangsmodell: Die Biologie-Fähigkeiten von Mythos 5.1 werden über ein Programm verteilt, das Anthropic zusammen mit der US-Regierung betreibt, und es steht geprüften Organisationen in den USA offen. Damit entscheiden ein Anbieter und eine Regierung gemeinsam darüber, welche Labore mit dem besten verfügbaren Mitforscher arbeiten, während Begutachtung durch Fachkollegen voraussetzt, dass die Gutachter dieselben Werkzeuge in der Hand haben. Der Millennium-Fall zeigt die Richtung: Eine Ursache, an der Ingenieure jahrelang gescheitert sind, wird in einem Durchlauf gefunden, und solche Ergebnisse entstehen zuerst dort, wo ein Token-Budget vorhanden ist, nicht am Lehrstuhl mit Drittmittelantrag. Der nächste Reputationsvorsprung in der Forschung entsteht am Verhandlungstisch über Zugangsrechte, und dort sitzen Universitäten bisher selten.

OpenAI stuft Astra als kritisches Cyber-Risiko ein und beschränkt den Zugang

OpenAI hat Astra nach eigenen Angaben als erstes Modell auf der Stufe „Critical“ für Cybersecurity-Fähigkeiten eingeordnet, der höchsten Kategorie im hauseigenen Preparedness Framework. Diese Schwelle gilt laut OpenAI als erreicht, wenn ein Modell ohne menschliche Steuerung funktionsfähige Zero-Day-Exploits in gehärteten realen Systemen entwickeln oder aus einem grob formulierten Ziel eine vollständige Angriffskette bauen kann. Auf dem öffentlichen ExploitBench erreichte Astra nach Unternehmensangaben 100 Prozent. Wegen möglicher Kontamination der Trainingsdaten baute OpenAI zusätzlich einen internen Testsatz aus 20 erst kürzlich offengelegten V8-Schwachstellen. Während dieser Evaluierung fand das Modell den Angaben zufolge zwei bislang unbekannte Lücken und baute sie in eine Exploit-Kette ein, die Offenlegung an die Maintainer läuft noch. In expertengeführten Tests soll Astra außerdem aus einer gehärteten Browser-Sandbox ausgebrochen sein und in einem Betriebssystem eine Rechteausweitung bis root konstruiert haben. → OpenAI

Synthszr Take: Die Zahlen, die OpenAI zeigt, stammen aus der Daybreak-Blue-Konfiguration und nicht aus der Produktionsversion, die später ausgeliefert wird. Extern nachprüfbar ist an diesen 100 Prozent auf ExploitBench also nichts. Für Sicherheitsforscher außerhalb des Hauses bedeutet die Einstufung praktisch Wartezeit, weil die fortgeschrittenen Fähigkeiten erstmal einer ausgewählten Testergruppe offenstehen und die Aufnahmekriterien nirgends stehen. Dazu kommt, dass OpenAI das Modell trainiert hat, schädliche Cyber-Anfragen zuverlässiger abzulehnen, und diese Leitplanken treffen im Alltag zuerst die Leute, die legitim nach Schwachstellen suchen (ein Pentest liest sich im Prompt nun mal wie ein Angriff)..

World Labs stellt mit Atlas ein Weltmodell vor, das 3D-Szenen aus wenigen Fotos baut

World Labs, das von der Computer-Vision-Forscherin Fei-Fei Li im Februar 2024 gegründete Startup, hat sein Weltmodell Atlas vorgestellt. Laut siliconangle.com erzeugt Atlas aus einem einzigen 2D-Bild bis zu eine Minute Video in 1440p, das sich aus beliebigen Blickwinkeln betrachten lässt und dabei geometrisch konsistent bleibt. Technisch beschreibt das Unternehmen die Architektur als multimodalen autoregressiven Diffusion-Transformer, der Kamerapfade und Geometrie als native Eingaben verarbeitet, statt über Textprompts gesteuert zu werden. Neben Videoframes gibt das Modell nach Angaben des Anbieters auch 3D-Assets wie Punktwolken und Gaussian Splats aus. Als Zielfeld nennt World Labs die Robotik: Entwickler sollen einen realen Raum mit einer gewöhnlichen Smartphone-Kamera aufnehmen und als Simulation rekonstruieren, in der ein Roboter navigiert und dabei RGB-Bilder sowie Tiefensensorwerte geliefert bekommt. In einer vom Unternehmen selbst durchgeführten Blindbewertung zur Einhaltung von Kamerapfaden sei Atlas gegenüber Gemini Omni Flash und FLUX bevorzugt worden. → siliconangle.com

Synthszr Take: Eine Minute 1440p-Video aus einem einzigen Handyfoto, dazu Tiefenwerte und Punktwolken: Für das Wahrnehmungstraining eines Roboters ist das ziemlich viel brauchbares Material. Navigation und Objekterkennung unter wechselnden Lichtverhältnissen lassen sich so billiger durchspielen als mit einer Halle voller physischer Aufbauten. Beim Zugreifen hört es auf, denn Reibung und Nachgiebigkeit eines Gegenstands stecken in keiner rekonstruierten Geometrie, und genau daran scheitern Greifer im echten Betrieb.

Metas Muse Voice Transcribe unterbietet Google Cloud im Preis um 80 Prozent

Meta Superintelligence Labs hat gestern Muse Voice Transcribe veröffentlicht, das erste Echtzeit-Modell des Labors, das Streaming-Transkription, Sprechertrennung und Erkennung des Redeendes in einem Modell zusammenführt. Über die Meta Model API kostet der Dienst 3 Dollar pro 1.000 Audiominuten, also 0,18 Dollar pro Stunde; Google Cloud Speech-to-Text verlangt im Standardtarif 0,96 Dollar pro Stunde. Auf dem unabhängigen AA-WER-Streaming-Benchmark von Artificial Analysis erreichte Muse laut Implicator.ai eine Wortfehlerrate von 3,1 Prozent, vor Cartesia Ink-2 mit 3,4 Prozent, ElevenLabs Scribe v2 Realtime mit 3,6 Prozent und Googles Gemini 3.5 Transcribe Live mit 4 Prozent. Der Test basiert auf rund acht Stunden englischem Audio und sagt nichts über die mehr als 70 Trainingssprachen aus, von denen Meta zum Start 25 als geprüft empfiehlt. Bei der Diarisierung, also der Zuordnung von Redeanteilen zu einzelnen Sprechern, nennt Meta selbst eine Fehlerrate von 17,5 Prozent. → Implicator.ai

Synthszr Take: 0,18 Dollar gegen 0,96 Dollar pro Stunde, das ist Faktor fünf, und daneben wirken 0,3 Prozentpunkte Vorsprung in der Wortfehlerrate wie Dekoration. Meta unterbietet dabei nicht allein Google: Cartesia liegt bei 4 Dollar pro 1.000 Minuten, ElevenLabs und Deepgram bei 6,50, und alle spielen in derselben Fehlerklasse zwischen 3 und 4 Prozent. Rechnet man eine Million Transkriptionsstunden im Jahr, sind das 780.000 Dollar Differenz zu Google, und dafür nimmt ein Einkäufer 17,5 Prozent Fehler bei der Sprecherzuordnung ohne langes Zögern in Kauf.

Google steht laut WSJ kurz vor dem Start eines Coding-Modells namens „Skimaki“

Google DeepMind bringt einem Bericht des Wall Street Journal zufolge in den nächsten Tagen ein auf Programmierung ausgerichtetes Modell auf den Markt: Gemini 3.8 Flash, intern „Skimaki“ genannt, könnte bereits am Mittwoch erscheinen. Die Zeitung stützt sich dabei auf anonyme Insider, die dem Modell deutlich verbesserte Coding-Fähigkeiten zuschreiben. Getestet wurde es demnach mit einem internen Werkzeug namens „Jetski“; die beteiligten Entwickler sollen es Anthropics Claude Opus vorziehen. Anders als OpenAIs bislang unveröffentlichtes Astra gehört Skimaki nicht zum Billionen-Parameter-Bereich, sondern zur Flash-Reihe, die auf Geschwindigkeit und niedrige Kosten ausgelegt ist. → Gizmodo

Synthszr Take: Im März schwenkte OpenAI auf Coding, jetzt zieht Google nach, und das Muster ist inzwischen so verlässlich, dass man die Roadmap eines Labs an der des Nachbarn ablesen kann (wir haben das Kopier-Karussell schon Anfang Mai beschrieben, es dreht sich nur schneller). Interessanter als die Nachahmung ist der Auslöser im Haus: Hassabis, der vergangenes Jahr noch bremste, ist seit einem Monat nicht mehr DeepMind-CEO, Brin drückt aufs Tempo, und vier Wochen später steht ein Coding-Modell vor der Tür. Dass Google dafür ein Flash-Modell wählt und nicht den Billionen-Parameter-Brocken, zeigt, wo die Rechnung aufgeht: Agenten verbrennen Token im Sekundentakt, da schlägt schnell und günstig das größte Modell im Regal.

OpenAI kontert Apples Klage: Apple habe seine Geheimnisse selbst schlecht geschützt

OpenAI weist im laufenden Streit um Geschäftsgeheimnisse die Verantwortung zurück und erklärt, Apple müsse sich einen etwaigen Abfluss selbst zuschreiben. Reuters berichtet, dass OpenAI diese Position in einer Eingabe im Verfahren vertritt, in dem Apple die Entwendung vertraulicher Informationen geltend macht. Kern der Verteidigung ist nach Darstellung von OpenAI, dass Apple die betroffenen Informationen nicht ausreichend geschützt habe; gerichtlich festgestellt ist das nicht. Juristisch zielt das auf einen zentralen Punkt des US-Geheimnisschutzes: Ein Kläger muss belegen, dass er angemessene Geheimhaltungsmaßnahmen getroffen hat, sonst gilt eine Information rechtlich nicht als schützenswertes Geheimnis. → Reuters

Synthszr Take: OpenAI zieht den unbequemsten Hebel, den der Geheimnisschutz hergibt: Ein Geheimnis existiert rechtlich erst, wenn du beweisen kannst, dass du es auch wie eines behandelt hast. Apple lebt seit Jahrzehnten vom Ruf, die verschwiegenste Firma der Branche zu sein, und genau dieser Ruf wird jetzt zur Beweislast. In der Praxis brechen Geheimnisse an Zugriffsrechten, die beim Austritt nie zurückgesetzt wurden, und an geteilten Ablagen, auf die halbe Abteilungen schauen können.

Physical Superintelligence startet mit 58 Millionen Dollar Seed für virtuelle Physiker

Matt Pines, Alex Klokus und Alexander Wissner-Gross haben am 1. September 2026 das Unternehmen Physical Superintelligence (PSI) aus dem Verborgenen geholt und eine Seed-Runde über 58 Millionen Dollar unter Führung von Breakthrough Energy Ventures bekannt gegeben. Beteiligt sind laut Ankündigung unter anderem Dragon Global, SV Angel, Susa sowie Einzelinvestoren aus dem Umfeld von OpenAI, Nvidia, Oracle und Hugging Face. Kern des Angebots ist die Plattform Emmy, benannt nach der Mathematikerin Amalie Emmy Noether: Nach Angaben des Anbieters zerlegt sie Forschungsfragen in Bäume überprüfbarer Hypothesen und testet diese parallel in einem kuratierten Simulationsbestand. Als erste kommerzielle Anwendung nennt PSI die Multiphysik-Auslegung von KI-Rechenzentren, terrestrisch wie orbital, entlang von Strom, Kühlung, Netzwerk und Compute. Daneben ist PSI technischer Gründungspartner der Fermi Explorer Mission, eines gemeinnützigen Projekts, das vor Ende 2029 eine Sonde mit einem Kilogramm Nutzlast Richtung Alpha Centauri schicken will, für weniger als 15 Millionen Dollar Gesamtkosten. → Unite.AI

Synthszr Take: In der Machbarkeitsstudie steht der Vermerk, dass jedes quantitative Ergebnis von der Plattform selbst erzeugt und von eigenen Verifikationsagenten nachgerechnet wurde, ohne vollständige externe Begutachtung. Parallelisierte Hypothesenbäume beschleunigen das, was Physiker ohnehin an Maschinen delegieren; entschieden wird Physik weiterhin am Messaufbau, und der steht in keinem Simulationsbestand. Der erste Umsatz kommt aus Strom-, Kühl- und Netzwerkauslegung für Rechenzentren, also aus sehr gut bezahlter Ingenieursoptimierung, die hier unter der Überschrift neuer Naturgesetze verkauft wird.

ChatGPT-Werbung erreicht eine Milliarde Run Rate, Europa bekommt Self-Serve-Zugang

OpenAI beziffert sein Werbegeschäft in ChatGPT auf eine annualisierte Run Rate von einer Milliarde Dollar, keine sechs Monate nach dem Start. Die Zahl entsteht durch Hochrechnung des aktuellen Monatsumsatzes mal zwölf, entspricht also rund 83 Millionen Dollar pro Monat und nicht dem bisher verbuchten Jahresumsatz. Parallel öffnet der Anbieter seit dem 31. August den Ads Manager als Beta im Self-Serve-Zugang für zugelassene Werbetreibende in 31 europäischen Märkten, die zuvor nur über ausgewählte Agenturpartner einbuchen konnten. Damit können auch kleine Unternehmen und Startups Kampagnen ohne Agentur aufsetzen, sofern ihre Kategorie freigegeben ist und die Anzeigen die internen Richtlinienprüfungen bestehen. Dave Dugan, VP Global Ad Solutions bei OpenAI, spricht nach Angaben des Unternehmens von einem „neuen Kapitel für Werbung“ und wertet die Milliarde in unter 200 Tagen als Beleg für die Größe der Chance. → Techpresso

Synthszr Take: 83 Millionen Dollar im Monat sind Geld, das jemand dafür bezahlt, in einer Antwort vorzukommen, die der Nutzer als Rat liest und nicht als Anzeige. Bei Google steht das Ergebnis neben einem Anzeigenblock, im Chat steht die Empfehlung im selben Satzfluss wie ihre Begründung. Sobald Marken über den Self-Serve-Manager in 31 Märkten selbst einbuchen, wird jede Produktnennung mit einer stillen Rückfrage gelesen: Steht die da, weil sie taugt, oder weil sie gebucht wurde?

John Ternus übernimmt Apple: Cooks Bilanz hängt jetzt an der KI-Strategie

John Ternus hat am 1. September offiziell den Chefposten bei Apple übernommen und löst damit Tim Cook nach fünfzehn Jahren an der Spitze ab. Ternus ist 51, seit 2001 im Unternehmen und hat sich als Leiter der Hardware-Sparte einen Namen gemacht. Cook verlässt Apple nicht: Er bleibt als Executive Chairman an Bord, laut Unternehmensangaben unter anderem für den Austausch mit politischen Entscheidungsträgern weltweit. Sein erster öffentlicher Auftritt als CEO steht Ternus beim jährlichen Produktevent am 9. September bevor, bei dem nach Berichten das erste faltbare iPhone vorgestellt wird. Cook wird im Publikum sitzen, aber nicht auf die Bühne gehen.

Cooks Zahlenbilanz ist unstrittig. Die Aktie stieg während seiner Amtszeit um rund 2.000 Prozent, die Marktkapitalisierung überschritt im Juli kurzzeitig fünf Billionen Dollar, und aus 72 Millionen verkauften iPhones im Jahr 2011 werden nach Schätzungen von Counterpoint Research in diesem Jahr 255 Millionen. Dazu kommt das Dienstegeschäft mit Apple TV+, Apple News und iCloud, das hunderte Millionen Geräte-Besitzer in Abonnements überführt hat. Auf der Negativseite stehen das eingestellte Autoprojekt und die Vision Pro, die als teures Gerät für VR-Enthusiasten überlebt, ohne einen Massenmarkt gefunden zu haben.

Der offene Punkt ist die KI-Strategie. Die 2024 auf der WWDC vorgestellte Vision von Apple Intelligence war datenschutzzentriert angelegt, mit persönlichen Daten auf dem Gerät oder in einer geschützten Cloud-Umgebung. Es folgten Verzögerungen, und das Kernstück, das überarbeitete Siri, kommt erst jetzt mit iOS 27, wobei Apple dafür auf Modelle von Google zurückgreift. Der Verzicht auf ein eigenes Frontier-Modell spart Apple die Summen, die Google, Meta, Microsoft, OpenAI und Anthropic in Modellentwicklung und Infrastruktur stecken, macht das Unternehmen bei zentralen KI-Funktionen aber von Google abhängig.

Ternus erbt zusätzlich ein Personalproblem und eine Kostenfrage. Foundation-Models-Chef Ruoming Pang, Engineering-Chef Frank Chu und Design-VP Alan Dye sind zu Meta gewechselt, hunderte frühere Apple-Mitarbeiter zu OpenAI. Weil KI-Firmen Chips in großem Stil abnehmen, wird Speicher knapper und teurer, und Apple gibt diese Kosten an die Kunden weiter. In der Pipeline stehen Berichten zufolge ein KI-Home-Hub, AirPods mit Kamera, eine Datenbrille und ein Roboter-Assistent. → Morning Brew, Axios AI+, Business Insider

Synthszr Take: Steve Ballmer hat Microsofts Umsatz verdreifacht und wird trotzdem als der Mann erinnert, der das Smartphone verschlafen hat. Cook hat die eindrucksvolleren Zahlen, 72 Millionen iPhones 2011 gegen 255 Millionen in diesem Jahr, und trägt dasselbe Risiko: Eine einzige Plattformfrage entscheidet rückwirkend über fünfzehn Jahre operative Exzellenz. Nokia hatte 2007 die besseren Fabriken, Blackberry die beliebtere Tastatur, und beide verloren an einer Softwarewette, die sie für zweitrangig hielten. Apple leiht sich jetzt Googles Modelle für Siri und hat gleichzeitig seinen Foundation-Models-Chef an Meta verloren, was für die nächsten Jahre eine unangenehme Kombination ist. Das Urteil über Cook fällt an dem Tag, an dem OpenAI oder Anthropic eigene Hardware in Serie ausliefern; das faltbare iPhone vom 9. September zählt dafür wenig.