GLM-5.3 verblüfft mit Leistungsschub und OpenAI kommt nicht zur Ruhe

Z.ai launcht GLM-5.3 und verblüfft durch Leistungsschub mittels Post-Training

Z.ai hat am Freitag GLM-5.3 vorgestellt, ein Coding- und Agenten-Modell, das nach Angaben des Unternehmens dieselbe Basis wie der Vorgänger GLM-5.2 nutzt. Der gesamte Zuwachs stammt demnach aus einem weiteren Monat Post-Training: mehr Trainingsumgebungen, mehr Aufgabenvielfalt, mehr Rechenzeit auf dem bereits mit GLM-5.2 gebauten Stack aus IndexShare für lange Kontexte, dem RL-Verfahren SAO und dem Trainings-Framework slime. Die Gewichte sind noch nicht öffentlich; sie sollen rund zwei Wochen nach dem Start folgen, sobald Sicherheitsprüfung und Hardening abgeschlossen sind. Das Unternehmen aus Peking, gegründet von Zhang Peng, Tang Jie und Liu Debing und früher außerhalb Chinas als Zhipu AI bekannt, positioniert das Modell direkt gegen Anthropic und OpenAI im Coding-Segment.

Kern des beschriebenen Rezepts ist die Skalierung der Aufgabenumgebungen statt einer Architekturänderung. Diese Umgebungen sind laut Z.ai an echten Arbeitseinheiten gebaut: In einem genannten Beispiel bekommt das Modell die Arbeitsumgebung eines ML-Infrastruktur-Ingenieurs mit Zugriff auf Rechencluster, interne Dokumentation, Codebasen und Experimentergebnisse und soll Engpässe diagnostizieren, Optimierungen umsetzen und eine messbare Beschleunigung liefern. Einzelne Aufgaben entsprächen mehreren Arbeitstagen eines erfahrenen Entwicklers. Um solche Umgebungen in Masse zu erzeugen, setzt Z.ai eigene Pipelines ein, in denen Recherche-Agenten Aufgabenmuster aus realer Arbeit in lauffähige Umgebungen übersetzen und ein Judge-Agent prüft, ob eine Aufgabe überhaupt lösbar ist; Verifier werden ohne Zugriff auf die Referenzlösung synthetisiert. Menschliche Nacharbeit sei dabei weiterhin nötig.

Die berichteten Zahlen sind Herstellerangaben. Auf Terminal-Bench 3.0 steigt GLM-5.3 von 4,6 auf 28,3 Punkte gegenüber GLM-5.2, auf DeepSWE v1.1 von 46,2 auf 66,9, auf dem CLI-Teil von Agents' Last Exam von 23,8 auf 28,5. Auf der hauseigenen Z.ai Code Bench nennt das Unternehmen eine Verbesserung von 50 Prozent. Auffällig stark fallen die Cyber-Werte aus: Auf CyberGym meldet Z.ai 84,5 Punkte, auf ExploitBench 54,4 gegenüber 24,4 beim Vorgänger, bei ExploitGym 105 beziehungsweise 130 gelöste Aufgaben statt 29 und 39. Das Unternehmen schreibt selbst, diese Fähigkeit habe sich schneller entwickelt als erwartet. In der Vergleichstabelle stehen Kimi K3, DeepSeek-V4 Pro, Qwen3.8-Max, Opus 4.8 und GPT-5.6 Sol, wobei die westlichen Spitzenmodelle bei den Exploit-Benchmarks deutlich höhere Werte ausweisen.

Der Produktstand blieb am Erscheinungstag unklar. Die offiziellen Release Notes von Z.ai führten GLM-5.1 als jüngste dokumentierte Version, ein API-Endpunkt, eine Modellkennung oder ein Download für GLM-5.3 waren nicht gelistet, der Hugging-Face-Zugang war als „Coming Soon“ markiert. Damit fehlte Entwicklern ein bestätigter Zugangspfad und eine reproduzierbare Produktionskonfiguration; Lizenz und Serving-Konfiguration sind offen. Zum Unternehmen selbst nennt der Hongkonger Börsenprospekt 883 Mitarbeiter zum 30. Juni 2025, davon 657 in Forschung und Entwicklung, einen Umsatz von 312,4 Millionen RMB im Jahr 2024 und 190,9 Millionen RMB im ersten Halbjahr 2025 sowie mehr als 12.000 institutionelle Kunden in den ersten neun Monaten 2025. → z, Bloomberg, The New Stack, South China Morning Post, Silicon Republic, Reuters, The Decoder, Caixin Global

Synthszr Take: Z.ai sagt selbst, dass an der Basis nichts angefasst wurde, und liefert im selben Atemzug den Sprung von 4,6 auf 28,3 Punkte auf Terminal-Bench 3.0. Wenn ein einziger Monat zusätzliches RL auf synthetisierten Arbeitsumgebungen das schafft, dann entscheidet die Sammlung ausführbarer und überprüfbarer Aufgabenumgebungen über den Abstand zwischen einem mittelmäßigen und einem starken Coding-Agenten. Diese Umgebungen sind das eigentliche Kapital, und Z.ai baut sie inzwischen selbst mit Agenten, die Aufgabenmuster aus echter Arbeit in lauffähige Umgebungen übersetzen, samt Judge-Agent, der vorher prüft, ob die Aufgabe überhaupt lösbar ist. Jede Organisation, die ihre eigenen Arbeitsabläufe samt Prüfkriterien besitzt, kann das nachbauen: Ticketverläufe und Abnahmeprotokolle liegen in fast jedem größeren Unternehmen ungenutzt herum. Der Preis dieses Rezepts steht im selben Post, denn dieselbe Skalierung, die das Programmieren verbessert, hat die Exploit-Werte gegenüber GLM-5.2 mehr als verdoppelt, und genau deshalb kommen die Gewichte erst zwei Wochen später.

OpenAI (I): Mitarbeiter hinterfragen nach dem Agenten-Hack die eigene Sicherheitskultur

Bei OpenAI läuft nach dem Sicherheitsvorfall mit einem außer Kontrolle geratenen KI-Agent eine interne Aufarbeitung, berichtet WIRED-Redakteur Maxwell Zeff in seinem Newsletter Model Behavior. Zeff beschreibt den Vorgang als Wendepunkt für die Themen KI-Sicherheit und Cybersecurity und sagt, er habe das Unternehmen noch nie derart geschlossen auf einen Sicherheitsvorfall reagieren sehen. Nach seiner Darstellung stellen sich viele Beschäftigte intern die Frage, welche Praxis im Haus zu dem Vorfall geführt hat und wie sich das künftig vermeiden lässt. Zeff gibt sich nach eigenen Worten „einigermaßen optimistisch“, dass daraus diesmal spürbare Änderungen folgen. Katie Drummond, Global Editorial Director bei WIRED, ordnet das in eine Reihe aktueller Meldungen ein, in der Führungsebenen von KI-Firmen zunehmend für das Verhalten ihrer Agenten geradestehen müssen. → WIRED

Synthszr Take: Für Sicherheitsteams ist die Selbstprüfung bei OpenAI eine Randnotiz, ihr Problem ist der Taktunterschied. Ein Angreifer mit Agenten probiert Varianten in Serie und über Nacht, während auf der Gegenseite jemand ein Ticket triagiert und auf eine Freigabe wartet. Die Verteidigung muss also dort automatisiert werden, wo sie heute noch an einzelnen Menschen hängt: Erkennung, Sperrung von Zugangsdaten, Rücknahme von Rechten.

OpenAI (II): Vertriebschefin Dresser geht nach weniger als einem Jahr

OpenAI-Umsatzchefin Denise Dresser verlässt das Unternehmen nach weniger als einem Jahr an der Spitze von Vertrieb und Go-to-Market. Nachfolger als Chief Revenue Officer wird Dali Rajic, zuvor President und Chief Operating Officer beim Sicherheitsunternehmen Wiz. In einem Blogpost schreibt OpenAI, Dresser wolle „andere Möglichkeiten verfolgen“; während des Übergangs soll sie eng mit dem Business-Team zusammenarbeiten, um Kunden zu betreuen. Dresser war im Dezember 2025 zu OpenAI gekommen, nachdem sie über zehn Jahre als Führungskraft bei Salesforce gearbeitet hatte, und galt als Verantwortliche für den Aufbau des Firmenkundengeschäfts. Zusätzliche Aufgaben hatte sie übernommen, als COO Brad Lightcap in eine neue Rolle mit Fokus auf „Spezialprojekte“ wechselte. → Business Today

Synthszr Take: Dresser kam im Dezember 2025 und geht, bevor ihr erstes volles Vertriebsjahr durch ist, und genau in dieses Fenster fallen die ersten großen Rahmenverträge von Konzernen mit OpenAI. Firmenkundengeschäft hängt an Gesichtern: Der Einkaufsleiter, der mit ihr über Preisstaffeln, Datenschutzanhang und Verfügbarkeitszusagen verhandelt hat, sitzt jetzt vor einem Mann, der bei Wiz Sicherheitsbudgets adressiert hat und eine andere Verkaufsgrammatik mitbringt. Alles, was in diesen Gesprächen mündlich zugesagt und nicht ins Vertragswerk geschrieben wurde, ist mit dem Abgang praktisch verfallen.

OpenAI (III): „Computer History“ protokolliert Klicks und Tastatureingaben auf dem Mac

OpenAI hat für die ChatGPT-Desktop-App unter macOS eine Funktion namens Computer History eingeführt, die vergangene Aktivität am Rechner für spätere Unterhaltungen nutzbar macht. Laut Business Today verarbeitet die Funktion Interaktionsereignisse aus zuvor freigegebenen Apps und Websites: Klicks, Tippen, Tastenkürzel und das Wechseln zwischen Anwendungen. Diese Ereignisse werden in regelmäßigen Abständen in Textzusammenfassungen und lokale Memory-Dateien überführt, aus denen ChatGPT eine Zeitleiste der Aktivität erzeugt. Nutzer können danach fragen, woran sie vor einer Pause gearbeitet oder wo sie ein bestimmtes Dokument gesehen haben. → Business Today

Synthszr Take: Klicks, Tastatureingaben, Tastenkürzel und App-Wechsel: Das ist die Datengrundlage, mit der sonst Monitoring-Software arbeitet, hier mit einem Zusammenfassungsschritt dahinter. Der entscheidende Halbsatz in der Beschreibung ist die periodische Umwandlung in Textzusammenfassungen und lokale Memory-Dateien, denn lokal gespeichert heißt nicht lokal verarbeitet, sobald diese Zusammenfassungen in künftigen Unterhaltungen als Kontext auftauchen. Opt-in und Pause-Knopf beruhigen erst dann, wenn die Freigabe fein genug ist, um Passwortmanager, Mail-Fenster und den Browser-Tab mit dem Personalgespräch draußen zu halten.

DeepSeek schließt V4-Rollout ab: Pro-Variante erreicht Agenten-Niveau von Claude Fable 5

DeepSeek hat den Rollout von V4 abgeschlossen und stellt das Modell laut MyClaw Newsletter in zwei Varianten bereit: Pro und Flash. V4 Pro erreicht nach Angaben der Meldung auf zentralen Agenten-Benchmarks das Leistungsniveau von Claude Fable 5. Flash ist als schnellere und günstigere Option für alltägliche Aufgaben positioniert. Beide Varianten sind ab sofort auf der Agentenplattform MyClaw verfügbar. → MyClaw Newsletter

Synthszr Take: Die ganze Nachricht passt in drei Zeilen: Rollout fertig, Pro auf Fable-5-Niveau bei Agenten-Benchmarks, Flash für den Alltag, beides ab sofort auf MyClaw. So sieht Berichterstattung aus, wenn der Modellzyklus schneller taktet als der Redaktionsschluss. Im März stand hier noch der OpenClaw-Hype um QClaw, fünf Monate später ist der Nachrichtenwert eines Frontier-Modells auf die Frage geschrumpft, wie schnell die Plattform es einhängt.

Indiens Notenbankchef will Kredite per KI an Erstkreditnehmer und Gig-Worker vergeben

Der Gouverneur der Reserve Bank of India, Sanjay Malhotra, hat Banken aufgefordert, künstliche Intelligenz einzusetzen, um Kreditnehmer zu bewilligen, die klassische Prüfverfahren ablehnen würden. Genannt werden Erstkreditnehmer ohne Kredithistorie, Beschäftigte in der Plattformökonomie und kleine Unternehmen. Als Datengrundlage nennt Malhotra Zahlungsströme, Steuererklärungen, Zahlungen von Versorgungsrechnungen und digitale Spuren der Antragsteller. Damit lasse sich der Kreis der Kreditfähigen zu geringeren Kosten erweitern als mit dem herkömmlichen Underwriting. → MyClaw Newsletter

Synthszr Take: Ein Kreditmodell für Gig-Worker ohne Kredithistorie produziert zwei Rechnungen: eine für die Ausfälle, die jede Bank sofort sieht, und eine für die Ablehnungen, die niemand je zu Gesicht bekommt. Malhotra löst das saubere Stück des Problems, indem er die Haftung bei der Bank belässt und nicht beim Anbieter des Scoring-Modells. Der harte Teil ist die Erklärbarkeit, denn ein System, das Stromrechnungen, Steuererklärungen und digitale Spuren zu einer Zahl verrechnet, begründet seine Absage als Wahrscheinlichkeit, und eine Wahrscheinlichkeit ist vor einem Ombudsmann keine Begründung. Menschliche Aufsicht heißt in der Praxis: jede Ablehnung protokollieren und Stichproben von Menschen gegenprüfen lassen, sonst wird finanzielle Inklusion zur automatisierten Aussortierung mit freundlicherem Namen.

X legt den „For You“-Algorithmus offen und zeigt Nutzern ihre eigenen Ranking-Labels

X hat den Quellcode seiner „For You“-Timeline samt Kern-Ranking-System unter der Apache-v2-Lizenz auf GitHub veröffentlicht, wie TechCrunch berichtet. Neu enthalten sind laut Unternehmen die Modellkonfiguration, die Filter und die Parameter, mit denen einzelne Signale gewichtet werden; damit ist die offengelegte Codebasis nach Angaben von X rund zehn- bis fünfzehnmal größer als beim ersten Offenlegungsschritt im Januar. Parallel startet in den Einstellungen eine Seite namens „Under the Hood“: Nutzer, die im vergangenen Monat mindestens zehn Beiträge veröffentlicht haben, können dort ihre aggregierten Statistiken als JSON-Datei herunterladen und sehen, ob ihrem Account oder einzelnen Posts im letzten Kalendermonat Labels zugewiesen wurden, also ob sie von einem Shadowban betroffen waren. Die Funktion läuft zunächst als Pilot für eine Testgruppe von Konten, die mindestens ein Jahr alt sind. X-Produktchef Keith Coleman sagte TechCrunch, externe Forscher hätten vorab das hauseigene Scoring-System Phoenix mit dem offenen Code selbst trainieren und ausführen können. → Techpresso

Synthszr Take: Offener Code ist Symbolpolitik, solange niemand die eigenen Daten dagegenhalten kann; der JSON-Download mit den Labels des letzten Monats ändert das. Zehn- bis fünfzehnmal mehr Code als beim ersten Anlauf, inklusive der Signal-Gewichtungen: Das ist genau der Teil, den Meta, TikTok und LinkedIn als Geschäftsgeheimnis verteidigen. Der Vorteil liegt in der umgekehrten Beweislast, denn bei jedem Reichweiten-Vorwurf verweist X künftig auf ein Repository und eine Datei, statt zu dementieren.

63 Prozent Solo-Gründungen bei Stripe Atlas: KI-Agenten ersetzen den Mitgründer

Der Anteil von Einzelgründungen an neuen US-Startups ist von 23,7 Prozent im Jahr 2019 auf 36,3 Prozent Mitte 2025 gestiegen, berichtet Linas’s Newsletter unter Berufung auf Forbes. Auf Stripe Atlas, dem Gründungsdienst für US-Kapitalgesellschaften, entfielen im zweiten Quartal 2026 nach diesen Angaben 63 Prozent aller neu gegründeten C Corporations auf Solo-Gründer, ein Allzeithoch. Carta zählt für 2025 einen Anteil von 36 Prozent Einzelgründungen unter allen auf der eigenen Plattform inkorporierten Startups, etwa doppelt so viel wie ein Jahrzehnt zuvor. Der Newsletter ordnet das als Bruch mit einer über zehn Jahre gültigen Konvention ein: „Solo Founder“ galt im Wagniskapital als Risikomerkmal, Acceleratoren drängten Bewerber aktiv zur Teambildung. → Linas from Linas’s Newsletter

Synthszr Take: Ein Jahrzehnt lang war die zweite Person im Pitchdeck vor allem ein Risikoabschlag, den Acceleratoren durch regelrechtes Verkuppeln wegverhandelt haben. Bei 63 Prozent Einzelgründungen in einem Stripe-Atlas-Quartal kippt diese Heuristik, und Auswahlprozesse wie Termsheets sind darauf noch nicht eingestellt: Bewertet wird künftig eine Person samt ihrem Agenten-Setup statt vier Lebensläufe mit Vesting-Plan. Für den Arbeitsmarkt ist der Effekt härter als für die Kapitalseite, denn die ersten Stellen einer jungen Firma in Support und Junior-Entwicklung waren jahrzehntelang der reguläre Berufseinstieg.

SpaceX kauft Cursor für 60 Milliarden und trainiert Grok mit dessen Entwicklerdaten

SpaceX hat die Übernahme des KI-Coding-Startups Cursor für 60 Milliarden Dollar am Freitag abgeschlossen. Beide Unternehmen hatten im April eine Partnerschaft geschlossen, die Musks Raumfahrtkonzern das Recht auf den Kauf einräumte; im Juni folgte die verbindliche Zusage. Cursor teilte auf X mit, man werde Teil des SpaceXAI-Teams und an Grok Build, Grok Bot, Grok API und Cursor selbst weiterarbeiten. Musk antwortete auf den Post mit einem Wort: „Welcome.“ Auf der August-Telefonkonferenz zu den Quartalszahlen hatte er Details zur Partnerschaft noch zurückgehalten, um bei den Regulierern nicht vorzupreschen.

Technisch arbeiten beide Seiten längst zusammen. Cursor trainierte Grok 4.5 gemeinsam mit SpaceX und setzte dafür nach eigenen Angaben Billionen Token an Cursor-Daten ein; es war das erste Modell des Unternehmens, das nicht ausschließlich für Softwareentwicklung gebaut wurde. Auch am Mittwoch veröffentlichten Grok 4.6 war Cursor beteiligt. Im Gegenzug erhielt das Startup Zugriff auf Colossus, den SpaceX-Supercomputer mit 200.000 Nvidia-GPUs. Cursor schreibt, man verfüge nun über die größte GPU-Flotte der Welt und könne dadurch leistungsfähigere Modelle zu geringeren Betriebskosten anbieten; das ist die Darstellung des Unternehmens selbst.

Morgan Stanley schätzt, dass Cursor rund 2,5 Milliarden Dollar zum SpaceX-Umsatz 2026 beitragen könnte und 13 Milliarden im Jahr 2027. Die Analysten sehen darin die Grundlage für eine deutlich optimistischere Bewertung, falls die Coding-Plattform ihr Wachstumstempo hält. SpaceX war im Juni an die Börse gegangen, hatte 555,56 Millionen Aktien platziert und dabei etwa 75 Milliarden Dollar eingesammelt. In den IPO-Unterlagen stand ausdrücklich, dass ein Teil der Erlöse in den Ausbau der KI-Recheninfrastruktur fließt.

Parallel dazu bat Musk die Belegschaft auf einer internen Vollversammlung, sich als „Eltern“ der Konzern-KI zu verstehen. Das Unternehmen wolle Grok auf der „Summe“ seiner Informationen trainieren, einschließlich der Arbeit und Beiträge der Mitarbeiter, die das Modell ihre „Gedanken, Ideen und Überzeugungen“ erben lasse. Welche Datenkategorien konkret einbezogen werden und wie sie behandelt werden, hat SpaceX bislang nicht öffentlich erläutert; eine Anfrage nach einer Stellungnahme blieb unbeantwortet. Meta hatte im April mit der Model Capability Initiative Mausbewegungen, Klicks, Tastatureingaben und Screenshots von Beschäftigten erfasst, rund 1.600 Mitarbeiter unterzeichneten dagegen eine Petition.

Musk erklärte in derselben Sitzung, der KI-Umsatz könne bereits im September den aller übrigen SpaceX-Geschäfte übersteigen. Zehn Gigawatt Rechenkapazität würden nach seiner Rechnung 300 bis 500 Milliarden Dollar Jahresumsatz erzeugen. Derzeit verfügt SpaceX über etwa 1,4 Gigawatt und peilt die zehn Gigawatt bis Ende 2027 an. Starlink ist inzwischen in 167 Ländern verfügbar und zählt rund 22 Millionen mobile Nutzer. → Bloomberg, Cursor, Fortune, Business Insider, The American Bazaar

Synthszr Take: Cursor hat den Kaufpreis vorab geliefert, in Form der Billionen Token aus echter Entwicklerarbeit, mit denen Grok 4.5 trainiert wurde. Der Rest ist eine Auslastungsfrage: 1,4 Gigawatt wollen bezahlt werden, und 13 Milliarden Dollar erwarteter Cursor-Umsatz für 2027 sind die plausibelste Antwort darauf, die Musk gerade kaufen konnte. Der Coding-Assistent ist für SpaceX vor allem eine Maschine, die Colossus jeden Arbeitstag beschäftigt und im Gegenzug frische Trainingsdaten zurückspült. Musks Bitte an die Belegschaft, sich als Eltern der KI zu sehen, gehört in dieselbe Rechnung, nur dass bei Meta 1.600 Leute gegen genau diese Logik unterschrieben haben. Sollte der KI-Umsatz wie angekündigt schon im September alle anderen SpaceX-Geschäfte überholen, war das hier der teuerste Vertriebskanal, den je jemand für eigene Rechenzeit erworben hat.