Google und OpenAI kopieren Anthropic

OpenAI geht auf „Code Red“ und baut eine Superapp

OpenAI will ChatGPT, die Codex-App und den Atlas-Browser zu einer einzigen Desktop-Anwendung zusammenführen. Fidji Simo, Chief of Applications, leitet den Umbau; Greg Brockman soll bei der Reorganisation unterstützen. In einer internen Notiz schrieb Simo am Donnerstag, man habe die eigenen Ressourcen auf zu viele Apps und Stacks verteilt: „That fragmentation has been slowing us down“. Die Kehrtwende folgt auf ein Jahr, in dem OpenAI mit Sora, einem Hardware-Device und diversen Standalone-Produkten wenig Resonanz fand. CEO Sam Altman, CRO Mark Chen und Simo haben in den letzten Wochen das gesamte Produktportfolio durchforstet und Bereiche zur Depriorisierung identifiziert. OpenAI operiere intern unter „Code Red“, so eine Sprecherin, nachdem Anthropics Claude Code und Cowork im Enterprise-Segment massiv Boden gutgemacht haben. Beide Unternehmen prüfen einen Börsengang noch dieses Jahr. → Wall Street Journal

Synthszr Take: OpenAI gibt offen zu, was seit Monaten sichtbar war: zu viele Produkte, zu wenig Fokus, zu viel internes Gerangel um Ressourcen. Simo nennt es „side quests“, das klingt diplomatisch für eine Produktstrategie, die eher einer Schrotflinte glich. Sora, das Hardware-Projekt, ein Browser, den kaum jemand kennt; die Liste der Launches ohne klares Geschäftsmodell ist lang. Der eigentliche Auslöser steht zwischen den Zeilen: Anthropic hat mit Claude Code und Cowork gezeigt, dass Enterprise-Kunden keine zehn AI-Tools wollen, sondern eines, das funktioniert. OpenAI reagiert jetzt mit der Superapp-Strategie, die Microsoft seit Jahren predigt (und selten hinbekommt). Ob ein Unternehmen, das zwölf Monate lang Fragmentierung produziert hat, plötzlich Integration kann, wird sich zeigen; der "Code Red"-Modus deutet zumindest darauf hin, dass diesmal nicht nur das Slide Deck neu ist.

Google testet nativen Gemini-Client für Mac

Google entwickelt eine native Gemini-App für macOS und hat mit ersten Beta-Tests begonnen. Bisher konnten Mac-Nutzer nur über den Browser auf Gemini zugreifen. Die frühe Beta-Version umfasst Kernfunktionen wie Websuche, Dokumentenanalyse, Bildgenerierung sowie das Lösen komplexer mathematischer Aufgaben. Das Interface orientiert sich stark an den bestehenden iOS- und iPadOS-Apps. Code-Referenzen deuten auf eine „Desktop Intelligence“-Funktion hin, die möglicherweise Desktop-Sharing für zusätzlichen Kontext oder die Integration mit externen Services wie E-Mail-Clients ermöglicht. Im Gegensatz zu Anthropic Claude, das bereits umfangreiche MCP-Server-Integrationen bietet, gibt es noch keine Hinweise auf vergleichbare Agentic-Fähigkeiten im Geminis Mac-Client. → Neowin

Synthszr Take: Google spielt Aufholjagd im Desktop-KI-Markt. Anthropic hat mit Claude vorgelegt, OpenAI dominiert mit ChatGPT – jetzt muss Google nachziehen. „Desktop Intelligence“ klingt nach lokalem Kontextzugriff, aber ohne MCP-Server-Support oder echte Agent-Funktionen bleibt es ein glorifizierter Web-Wrapper. Mac-Nutzer haben bereits bessere Alternativen installiert. Google kommt spät und bietet weniger – keine Erfolgsformel.

Warum Azeem Azhar seine Meinung über Apple geändert hat

Azeem Azhar hat seine skeptische Haltung gegenüber Apple im KI-Zeitalter revidiert. Apple gibt kaum Geld für Rechenzentren aus, Siri hat sich seit einem Jahrzehnt nicht verbessert, und niemand erwartet KI-Durchbrüche aus Cupertino. Analysten wie John Gruber und Ben Thompson sehen Apple weit hinter der technologischen Spitze. Azhars Wendepunkt kam mit OpenClaw: Plötzlich kaufte er mehrere Mac Minis, weil die KI-Agenten seine vorhandene Hardware überforderten. Best Buy meldet leere Regale, Lieferzeiten für konfigurierte Mac Minis sind von drei Tagen auf acht Wochen gestiegen. Jensen Huang nennt OpenClaw „den neuen Computer“ – und momentan läuft dieser vor allem auf Apple-Hardware. → Azeem Azhar, Exponential View

Synthszr Take: Apple gewinnt die KI-Schlacht ohne eigenes Modell und ohne Capex-Investments. OpenClaw-Nutzer kaufen Mac Minis wie früher Grafikkarten für Bitcoin-Mining, während Apple gemütlich die Marge kassiert. Tim Cook hat verstanden: Lass andere Milliarden in Modelle versenken, verkauf du die Schaufeln. Mac Mini gehen weg wie warme Semmeln, Mac Studios mit 512 GB RAM sind aufgrund der zu hohen Nachfrage bei knappen Speicherchips auf dem Markt aus dem Programm genommen. Die Default-Plattform für alle neuen Apps ist Apple und Cupertino muss dafür nicht mal Siri verbessern.

Chinas Tech-Giganten im KI-Agenten-Fieber

Chinas Tech-Konzerne erleben gerade ihr „Shrimp Farming“-Fieber: Tencent, Baidu und Alibaba überbieten sich mit KI-Agenten-Angeboten, die sie als „digitale Garnelenzucht“ vermarkten. Die Metapher ist bewusst gewählt - wie beim Aquafarming sollen Nutzer ihre KI-Assistenten „füttern“ und „züchten“. Baidu startete im Februar mit einem Ein-Klick-Deployment-Service, gefolgt von DuClaw im März. Tencent konterte mit WorkBuddy und QClaw, während Alibaba mit „Wukong“ direkt den Unternehmensmarkt anvisiert. Die Zahlen sprechen für sich: Über 230.000 chinesische OpenClaw-Instanzen laufen bereits im öffentlichen Internet, täglich kommen neue dazu. Doch hinter dem Hype verbirgt sich ein grundlegender Strategiekonflikt zwischen Consumer-Skalierung und Enterprise-Sicherheit. → Hello China Tech

Synthszr Take: 230.000 ungesicherte KI-Agenten im chinesischen Internet sind kein Erfolg, sondern ein Sicherheitsalptraum. Alibabas CEO Chen Hang warnt vor „unkontrollierten Super-Agenten mit Rückschlag-Risiko“ - Klartext: Die Garnelen fressen ihre Züchter. Während Baidu und Tencent auf schnelle Consumer-Adoption setzen, baut Alibaba mit Wukong eine Enterprise-Lösung mit „DNA-Berechtigungskontrolle“ auf. Der Markt spaltet sich: Massenmarkt will Bequemlichkeit, Unternehmen brauchen Kontrolle. Gartner prognostiziert eine Enterprise-Penetration von 40% bis 2026, doch die aktuelle Realität zeigt vor allem KPI-getriebene Installationen ohne echten Nutzen. China prescht vor, wo OpenAI noch zögert - mit allen Konsequenzen.

MiniMax setzt auf selbstlernende Agenten mit Modell M2.7

MiniMax hat mit M2.7 ein Modell veröffentlicht, das seine eigene Evolution vorantreibt. Das System nutzt Agenten-Frameworks und Reinforcement Learning für Memory-Updates, Skill-Entwicklung und iterative Selbstverbesserung. M2.7 erreicht 97% Skill-Adherence bei 40 komplexen Fähigkeiten und liegt bei Benchmarks wie SWE-Pro (56,22%) und VIBE-Pro (55,6%) nahe an der Branchenspitze. Das Modell unterstützt Multi-Agent-Kollaboration und komplexe Workflows in Software-Engineering, Office-Produktivität und Forschung. MiniMax setzt das Modell bereits intern ein, um eigene F&E-Prozesse mit minimaler menschlicher Intervention zu automatisieren. → TLDR AI

Synthszr Take: MiniMax demonstriert, wie chinesische KI-Labs die Agentenarchitektur vorantreiben. 97% Skill-Adherence und selbstlernende Systeme klingen beeindruckend, aber die wahre Innovation liegt in der internen Anwendung: MiniMax nutzt M2.7 bereits für die eigene Forschung mit „minimaler menschlicher Intervention“. Multi-Agent-Kollaboration plus Reinforcement Learning ergibt einen sich selbst verbessernden Entwicklungsprozess. Benchmarks wie SWE-Pro zeigen Kompetenz, doch der Einsatz im eigenen Haus ist der bessere Beweis. China baut keine Modelle mehr, sondern Systeme, die sich selbst weiterentwickeln.

Xiaomi stößt mit Billionen-Parameter-Modell vor, während China KI-Agenten vorantreibt

Xiaomi präsentiert MiMo-V2-Pro, ein 1-Billion-Parameter-Modell, das nur 42 Milliarden Parameter pro Durchlauf aktiviert und dabei die Performance von GPT-5.2 und Opus 4.6 erreicht. Die Sparse-Architektur, kombiniert mit Multi-Token-Prediction, reduziert Latenz drastisch bei einem Bruchteil der üblichen Kosten. Parallel bringt MiniMax sein M2.7-Modell auf den Markt, das autonomes Debugging beherrscht und an der eigenen Evolution mitwirkt. Anthropic veröffentlicht eine Studie mit 81.000 Teilnehmern zu KI-Überwachung und zeigt, dass Menschen bei simplen Aufgaben durch permanente Beobachtung produktiver werden, bei komplexen jedoch langsamer. → TLDR AI

Synthszr Take: Xiaomi kopiert OpenAIs Skalierungsstrategie, macht sie aber effizienter. 1 Billion Parameter, von denen nur 4,2% aktiv sind – das ist die chinesische Antwort auf westliche Rechenpower-Exzesse. MiniMax geht einen Schritt weiter und lässt Modelle ihre eigene Entwicklung steuern. Anthropics 81k-Studie bestätigt, was jeder Büroarbeiter weiß: Überwachung macht dumme Arbeit schneller und kluge Arbeit langsamer. China baut keine besseren Modelle, sondern effizientere Architekturen.

Fünf Lektionen von Vercels Gründer für den Aufbau im KI-Zeitalter

Guillermo Rauch, Gründer von Vercel und Schöpfer des Next.js-Frameworks, teilte beim a16z speedrun seine Erfahrungen zum Unternehmensaufbau in der KI-Ära. Open Source bezeichnet er als „Speedrun zum Product-Market-Fit“: Wenn Menschen dein Produkt nicht einmal kostenlos nutzen wollen, solltest du an etwas anderem arbeiten. Rauch warnt vor der Gefahr unbegrenzter Ambitionen in kleinen Teams. Vercel versuchte anfangs, jede Programmiersprache und jedes Framework deploybar zu machen, bis er die entscheidende Frage stellte: Wo sind wir wirklich exzellent? Der Gründer beschreibt einen „bikameralen Geist“ – du brauchst eine grenzenlose Vision für die Zukunft, aber am Dienstag, mit drei Leuten im Raum, zerstört dich diese Ambition, wenn du sie dein tägliches Handeln bestimmen lässt. → a16z speedrun

Synthszr Take: Rauch liefert die Blaupause für KI-Startups, die sich zwischen Größenwahn und Bedeutungslosigkeit verlieren. Open Source als Filter funktioniert brutal gut: 99% der Projekte scheitern in den ersten Wochen, der Rest baut Communities auf, die später zu zahlenden Kunden werden. Vercel hat bewiesen, dass man mit einem einzigen Framework (Next.js) zum Milliardenunternehmen werden kann, während Konkurrenten an ihrer eigenen Komplexität ersticken. KI macht dieses Prinzip noch relevanter: Agenten können deinen Code kopieren, aber nicht deine Community, nicht dein Ökosystem, nicht die tausend kleinen Entscheidungen, die aus einem Framework eine Plattform machen. Rauchs Erfolgsrezept ist erschreckend simpel: Bau etwas, das Entwickler lieben, und ignoriere alles andere.

Nvidia baut still und leise ein drittes Standbein auf

Nvidia hat aus seinem Networking-Geschäft binnen weniger Jahre die zweitgrößte Umsatzsäule nach dem Chip-Business gemacht. 11 Milliarden Dollar Quartalsumsatz, ein Plus von 267 Prozent gegenüber dem Vorjahr, über 31 Milliarden Dollar im Gesamtjahr. Die Division umfasst NVLink für die GPU-Kommunikation, InfiniBand Switches, Spectrum-X für KI-Netzwerke und weitere Komponenten für sogenannte „AI Factories“. Kevin Cook von Zacks Investment Research vergleicht: Nvidias Networking-Sparte macht in einem Quartal, was Cisco im ganzen Jahr umsetzt. Der Ursprung liegt in der 2020 für 7 Milliarden Dollar übernommenen israelischen Firma Mellanox. Während alle auf Nvidias Chips starren, hat Jensen Huang parallel ein zweites Standbein hochgezogen, das dreimal so groß ist wie das ursprüngliche Gaming-Geschäft. → StrictlyVC

Synthszr Take: Mellanox für 7 Milliarden kaufen und vier Jahre später 31 Milliarden Jahresumsatz damit erzielen – das ist die Art von Deal, die MBAs in PowerPoint nachbauen werden. Nvidia verkauft nicht nur die Schaufeln im Goldrausch, sondern auch die gesamte Mineninfrastruktur. 267 Prozent Wachstum bei dieser Größenordnung zeigt: Wer KI-Training ernst nimmt, kommt an Nvidias Networking-Stack nicht vorbei. Cisco wird gerade von einem Unternehmen überholt, das die meisten noch als Grafikkartenhersteller kennen. Jensen Huang hat wieder mal bewiesen, dass Timing wichtiger ist als Technologie.

Sind Forward Deployed Engineers eine Mogelpackung?

Forward Deployed Engineers (FDEs) erleben einen paradoxen Moment: Stellenausschreibungen auf Indeed haben sich 2025 verzehnfacht, gleichzeitig will kaum ein Entwickler den Job. 50 Unternehmen erwähnen die Rolle in ihren Earnings Calls, verglichen mit acht im Vorjahr. Die Diskrepanz zwischen Nachfrage und Interesse zeigt ein fundamentales Missverständnis: Unternehmen suchen Entwickler für Kundenprojekte, bekommen aber eher Solutions Engineers mit Coding-Skills. FDEs verbringen ihre Zeit bei Kunden vor Ort, implementieren individuelle Lösungen und kämpfen mit Legacy-Systemen – weit entfernt von der Produktentwicklung im Hauptquartier. Während Palantir das Modell erfolgreich etabliert hat, scheitern viele Nachahmer an unrealistischen Erwartungen und schlechter Positionierung der Rolle. → The Pragmatic Engineer

Synthszr Take: Palantir hat aus der Not eine Tugend gemacht und FDEs zu seinem Geschäftsmodell gemacht. 10-faches Wachstum bei Stellenausschreibungen trifft auf Entwickler, die lieber Produkte bauen als Enterprise-Kunden zu betreuen. FDEs sind die neuen Consultants: gut bezahlt, viel unterwegs, wenig echte Entwicklungsarbeit. Unternehmen verstehen langsam, dass sie keine Entwickler mit Reisebereitschaft suchen, sondern technische Vertriebsmitarbeiter mit Programmierkenntnissen. Die Rolle stirbt nicht, sie wird nur ehrlicher benannt.

Warum Gmail deine E-Mails abschneidet – und was du dagegen tun kannst

Gmail kappt automatisch jeden Teil einer E-Mail, der die 102-KB-Grenze überschreitet. Abonnenten sehen dann nur noch einen „Nachricht abgeschnitten [Gesamte Nachricht anzeigen]“-Link, wo eigentlich der Rest des Inhalts stehen sollte. Die meisten Empfänger klicken diesen Link nie an – sie gehen einfach davon aus, dass die E-Mail dort endet. Das Problem verschärft sich, weil Gmail häufig das Tracking-Pixel am Ende der E-Mail abschneidet, sodass geöffnete E-Mails in der Statistik als ungelesen erscheinen. Besonders betroffen sind lange Newsletter, Werbe-E-Mails mit mehreren Bildern sowie stark formatierte Nachrichten mit vielen Buttons und gestylten Bereichen. → TLDR Marketing

Synthszr Take: 102 Kilobyte entscheiden über Erfolg oder Scheitern im E-Mail-Marketing. Gmail behandelt jede Nachricht über dieser magischen Grenze wie einen überlangen Kinofilm: abgeschnitten, ohne Vorwarnung. AWeber kalkuliert, dass etwa 20% aller Marketing-E-Mails betroffen sind – meist genau die aufwändig gestalteten Kampagnen. Tracking-Pixel verschwinden im digitalen Nirwana, Öffnungsraten stürzen ab, Marketer rätseln über scheinbar desinteressierte Abonnenten. Die Lösung klingt banal (E-Mails kürzen), kollidiert aber frontal mit dem Trend zu immer längeren, bildreicher Newslettern. Gmail diktiert damit stillschweigend die Spielregeln des E-Mail-Marketings – und zwingt eine ganze Branche zur digitalen Diät.