Jony Ive entwickelt KI-Speaker für OpenAI — Apple klagt

Apple verklagt OpenAI wegen HomePod Clones

OpenAI plant den Einstieg ins Hardware-Geschäft mit einem mobilen, bildschirmlosen Smart Speaker, der als eine Art Heimcomputer für die KI-Ära gedacht ist. Das Gerät soll Smart-Home-Geräte steuern, Medien abspielen, Fragen beantworten und auf die Fähigkeiten von ChatGPT zugreifen, wobei es sich über die Zeit zunehmend personalisiert und proaktiv verhält. Als zentrales Merkmal nennt OpenAI die Persönlichkeit des Geräts: mechanische Elemente, die sich eigenständig bewegen, sollen den Eindruck erwecken, es sei lebendig. Die Sprachfähigkeit stützt sich auf GPT-Live, eine fortgeschrittene Version des ChatGPT Voice Mode, die gleichzeitig zuhören und sprechen kann. Für den Aufbau des Geräte-Geschäfts zahlte OpenAI im Vorjahr 6,5 Milliarden Dollar für io Products, das Startup von Apple-Design-Veteran Jony Ive, und beschäftigt laut der Klage über 400 ehemalige Apple-Mitarbeiter. Apple hat OpenAI vergangene Woche wegen des Diebstahls von Geschäftsgeheimnissen verklagt; die Aktie von Sonos fiel im späten Handel zeitweise um mehr als 10 Prozent. → www.bloomberg.com

Synthszr Take: OpenAI hat das beste Modell und weiß genau, dass ihm das im Wohnzimmer nichts nützt. Deshalb die 6,5 Milliarden für io und die 400 Ex-Apple-Leute: Was hier gekauft wird, ist nicht Modellgüte, sondern die Fähigkeit, dass sich ein Ding im Haus vertraut anfühlt. Das Gerät zieht E-Mails, Kontext und Gewohnheiten ein und wird über Wochen zum Experten für seinen Besitzer. Genau das ist der Einrastpunkt: ein Speaker, der mich nach drei Monaten besser kennt als jeder Wettbewerber, wechselt niemand freiwillig gegen ein technisch überlegenes, aber ahnungsloses Konkurrenzprodukt. Amazon hat mit Alexa hundert Millionen Geräte in Küchen gestellt und trotzdem nie eine echte Beziehung aufgebaut, weil die Intelligenz fehlte; OpenAI hat die Intelligenz und muss jetzt beweisen, dass es die Beziehung hinbekommt. Der Sonos-Kurssturz von zehn Prozent zeigt, wovor der Markt Angst hat: nicht vor einem besseren Lautsprecher, sondern vor einem Gerät, das seinen Nutzer nie wieder loslässt. Das Wohnzimmer gewinnt, wer die tägliche Gewohnheit besetzt, und diese Runde entscheidet sich an der Persönlichkeit, nicht an den Benchmarks.

OpenAI und Anthropic überbieten sich mit Gratis-Kontingenten für ihre stärksten Modelle

Anthropic und OpenAI liefern sich einen Wettbewerb um zahlende Power-User, der über Nutzungslimits statt über Preise ausgetragen wird. Im Juni brachte Anthropic sein als „Mythos-class“ beschriebenes Modell Claude Fable 5 heraus, vergangene Woche folgte OpenAI mit GPT-5.6. Beide Modelle sind so rechenintensiv, dass sie nicht komplett gratis angeboten wurden: Anthropic öffnete Fable zeitlich befristet, OpenAI stellte die mittlere Stufe GPT-5.6 Terra Gratisnutzern zur Verfügung und behielt die Varianten Sol und Luna den bezahlten Plänen vor. Unter dem Druck der OpenAI-Veröffentlichung verlängerte Anthropic den Gratiszugang für alle zahlenden Abonnenten bis zum 19. Juli und hob die wöchentlichen Limits für Claude Code um 50 Prozent an. OpenAI reagierte mit einem „banked reset“ für alle sieben Millionen aktiven Codex- und ChatGPT-Nutzer, der das Zurücksetzen aufgebrauchter Kontingente erlaubt. Laut Morningstar erwirtschaftet der US-KI-Sektor bereits rund 100 Milliarden Dollar Umsatz mit KI-Diensten im Jahr 2025. → The Deep View

Synthszr Take: Zwei Modelle im Abstand einer Woche, beide angeblich ein echter Leistungssprung, und trotzdem drehen sich die Ankündigungen um Rate Limits statt um Benchmarks. Anthropic zog die Gratis-Phase für Fable 5 bis zum 19. Juli hoch und legte bei Claude Code 50 Prozent mehr wöchentliches Kontingent drauf, OpenAI konterte mit einem banked reset für alle sieben Millionen Nutzer. Genau das ist der Punkt, an dem Rechenleistung zur austauschbaren Ware wird und der Kampf ins Preisschild und in die Nutzungsgrenze rutscht. Die Logik dahinter ist alt: Costco verkauft den Hotdog für 1,50 Dollar mit Verlust, weil der Kunde dann im Laden bleibt. Nur ist der Hotdog hier ein Token, und Token sind gerade knapp und teuer. Die eigentliche Wette lautet, dass Nutzer, die ihr Memory und ihre Agents in einem System aufgebaut haben, nicht mehr wechseln, weil der Umzug weh tut. Ob die Rechnung aufgeht, wird man erst sehen, wenn diese Firmen an die Börse gehen und man ihre Zahlen gegen die 100 Milliarden Dollar Servicerevenue von 2025 halten kann.

OpenAI meldet 7 Millionen Codex-Nutzer und setzt Anthropics Claude Code unter Druck

OpenAI-Manager Tibo Sottiaux (thsottiaux) berichtet, dass Codex und ChatGPT Work zusammen 7 Millionen aktive Nutzer erreicht haben. Am 12. Juli sprach er noch von 6 Millionen Nutzern in den vorangegangenen 48 Stunden, rund 24,5 Stunden später waren es 7 Millionen. Der Schub folgt auf den Launch von GPT-5.6 am 9. Juli. Um den Andrang zu bedienen, hob OpenAI vorübergehend das Fünf-Stunden-Nutzungslimit für alle Plus-, Business- und Pro-Pläne auf und rollte Effizienzverbesserungen für GPT-5.6 Sol aus. Zum Meilenstein wurde außerdem allen Konten ein „banked reset“ gutgeschrieben, der das wöchentliche Nutzungskontingent auffüllt. Ein vielbeachteter Reddit-Beitrag im ClaudeCode-Forum fordert Anthropic auf, auf das Tempo zu reagieren, weil Codex an Claude Code vorbeiziehen könnte. → AINews

Synthszr Take: Sieben Millionen in sechs Monaten ist eine beeindruckende Zahl, aber schau genau hin, wie sie zustande kommt: Limit weg, Reset geschenkt, Kontingent aufgefüllt. Das ist Wachstum, das man kauft, indem man den Zähler zurückdreht. Ein aktiver Nutzer, dem du gerade das Fünf-Stunden-Limit erlassen hast, sagt dir wenig darüber, ob dein Tool besser ist als das von Anthropic; er sagt dir nur, dass er heute mehr Runs machen darf. Der Reddit-Thread beweist den Punkt von der Gegenseite: Statt über Codeauslieferung oder Fehlerquoten diskutiert die Claude-Community, wer beim Nutzerzähler vorne liegt. Beide Lager messen sich an Reichweite, weil die eigentliche Frage, wer am Ende sauberen, wartbaren Code produziert, sich viel langsamer und unangenehmer beantworten lässt. Erst letzte Woche haben wir gesehen, wie die Token-Marge dieser Modelle wegschmilzt: Gratislimits, die jetzt verschenkt werden, um die Nutzerkurve steil zu halten, verschieben die schmerzhafte Rechnung nur nach hinten. Die 7 Millionen bleiben eine Momentaufnahme, solange niemand offenlegt, wie viele davon nach Ablauf des banked reset überhaupt wiederkommen.

Anthropic startet „Agent Skills“

Anthropic hat mit „Agent Skills“ eine Funktion eingeführt, mit der Claude spezialisierte Aufgaben über auslagerbare Ordner erledigt. Ein Skill besteht aus einer SKILL.md-Datei, Skripten und Ressourcen, die Claude nur dann lädt, wenn sie zur aktuellen Aufgabe passen. Laut Anthropic sind die Skills komponierbar, portabel und können ausführbaren Code enthalten, wenn klassisches Programmieren zuverlässiger ist als die Token-Generierung. Sie funktionieren über Claude-Apps, Claude Code und die API hinweg, ein „skill-creator“ hilft beim Anlegen ohne manuelles Editieren. In einem Update vom 18. Dezember 2025 ergänzte Anthropic eine organisationsweite Verwaltung, ein Verzeichnis mit Partner-Skills und veröffentlichte das Format als offenen Standard auf agentskills.io. Box, Canva und Notion sind laut Mitteilung unter den ersten Partnern, die eigene Skills bauen. → Latent.Space

Synthszr Take: Anthropic verlegt das Spezialwissen aus dem Modell in einen Ordner, eine SKILL.md und ein paar Skripte. Claude bleibt generisch und lädt das Wissen erst, wenn die Aufgabe danach verlangt. Das packt genau das ein, was Tyler Cowen mit „Context is scarce“ meint: die Excel-Logik eures Controllings oder den Ablauf, den sonst nur die drei Leute im Kopf haben, die seit zehn Jahren dabei sind. Mit dem offenen Standard auf agentskills.io werden diese Ordner portabel, einmal geschrieben und über Apps, Code und API nutzbar. Der Haken: Ein Skill ist nur so gut wie die Dokumentation, aus der er entsteht, und die meisten Firmen haben ihr Prozesswissen nie sauber verschriftlicht. Der eigentliche Aufwand liegt jetzt im Kodifizieren des eigenen Domänenwissens, und daran scheitern die meisten lange vor dem ersten Prompt.

Databricks-Benchmark: Billigere Tokens machen Coding-Agenten oft teurer, nicht günstiger

Databricks hat einen eigenen internen Coding-Benchmark gebaut, um Preis und Leistung verschiedener KI-Modelle an echten Engineering-Aufgaben aus dem eigenen Codebestand zu messen. Laut CTO Matei Zaharia entstand der Test, weil viele Modelle auf etablierte Benchmarks wie SWE-Bench getunt seien, den OpenAI selbst als „broken“ bezeichnet. Ein zentrales Ergebnis: Der Preis pro Token sagt wenig über die tatsächlichen Kosten pro erledigter Aufgabe. Anthropics Sonnet 5 ist rund 1,7-mal billiger pro Token als Opus 4.8, kostet pro Task aber mehr (2,09 Dollar gegenüber 1,94 Dollar), weil es Aufgaben seltener abschließt (81 statt 87 Prozent) und dafür mehr Tokens verbraucht. Das offene Modell GLM 5.2 von Z.ai landete dagegen statistisch gleichauf mit Opus 4.8, bei 1,28 statt 1,94 Dollar pro Task. Zaharia betont zudem den Einfluss der Harness: Das minimalistische Pi-Werkzeug erreichte dieselbe Erfolgsquote wie die Vendor-Tools, bei rund halben Kosten, weil es pro Task nur 236.999 statt 742.000 Kontext-Tokens an das Modell reicht. Databricks hat daraufhin ein Tool namens Omnigent gebaut, das mehrere Coding-Agenten kombiniert und tauscht. → AI Secret

Synthszr Take: Der Token-Preis ist die Story-Points-Metrik der Inference-Ära: leicht zu messen, gut fürs Dashboard, und am Ende sagt sie nichts über den Wert. Was zählt, ist die Task-Completion-Rate, und die Databricks-Zahlen zeigen, wie brutal die Intuition kippt. Sechs Prozentpunkte mehr abgeschlossene Aufgaben (87 gegen 81 Prozent) drehen den vermeintlich billigeren Sonnet 5 ins Teurere, weil jede halb erledigte Aufgabe einen zweiten Anlauf, mehr Kontext und am Ende einen Menschen kostet, der den Loop wieder aufmacht. Ein Modell, das eine Aufgabe zu 81 Prozent löst, produziert nicht 81 Prozent des Outcomes, sondern eine offene Baustelle, die jemand zu Ende bringen muss. Genau deshalb ist der Harness-Befund der eigentliche Hebel: Pi erreicht dieselbe Erfolgsquote mit einem Drittel des Kontexts, was heisst, dass die Kostenwahrheit im Prompt-Design und im Kontext-Management sitzt, nicht in der Preisliste des Anbieters. Der Einkauf nach Token-Tarif optimiert den Aufwand statt das Ergebnis, und das ist teurer, als es die Rechnung zeigt. Der pragmatische Schritt ist unspektakulär und sofort machbar: einen Benchmark aus den eigenen echten Aufgaben bauen, Completion-Rate messen, Harness variieren, und erst dann über Modelle reden.

PrismML schrumpft 27B-Modell fürs iPhone, Apple ist interessiert

PrismML, ein von Khosla Ventures finanzierter Spinout des California Institute of Technology, hat nach eigenen Angaben komprimierte Versionen von Alibabas Open-Source-Modell Qwen veröffentlicht, die direkt auf einem iPhone 15 oder neuer laufen. Laut CNBC drückte die Firma das Modell von rund 54 GB auf unter 4 GB, sodass alle 27 Milliarden Parameter auf dem Gerät arbeiten. CEO Babak Hassibi sagte CNBC, Apple und andere Unternehmen prüften die Technologie derzeit auf Geschwindigkeit, Energieverbrauch und Leistung; die Gespräche seien sehr früh. Der Trick: PrismML reduziert jeden internen Wert von 16 Bit auf ein bis drei mögliche Zustände, was laut Firma 10- bis 15-mal weniger Speicher braucht, Antworten 6- bis 8-mal schneller erzeugt und 3- bis 6-mal weniger Energie verbraucht. Der Preis dafür sind ein paar Prozentpunkte Leistung, wobei zuerst die Faktentreue leidet, bevor Reasoning, Mathematik und Coding nachlassen. PrismML gibt zwei komprimierte Versionen kostenlos heraus und hat im März eine Seed-Runde über 16,25 Millionen Dollar abgeschlossen; als Nächstes ist Googles Gemma dran. Analysten mahnen, die Behauptungen müssten sich erst über Millionen Anfragen und tausende Gerätekombinationen bewähren, vor allem beim Akkuverbrauch. → www.cnbc.com

Synthszr Take: Apple verkauft On-Device-KI seit Jahren als hauseigenen Vorteil, weil es Chip und Software zusammen entwirft. Und dann kommt ein Uni-Spinout mit 16,25 Millionen Dollar Seed und quetscht ein chinesisches Open-Source-Modell auf ein Zehntel seiner Größe, sodass es auf einem zwei Jahre alten iPhone rechnet. Das eigentliche Opfer ist die Annahme, dass lokale Intelligenz zwingend vom Gerätehersteller kommen muss: Der Engpass war die Kompression, und die löst hier jemand von außen. Genau das Muster kennen wir vom Übergang von Unix zu Linux, wo die den Standard setzten, die das offene Ding nutzbar machten. Wenn PrismML als Nächstes Gemma und danach Datacenter-Modelle auf Endgeräte bringt, wird das Verdichten selbst zur Commodity, und jeder Handybauer kann sich die gleiche Fähigkeit einkaufen. Apples Kontrolle über die Chip-Software-Kopplung bleibt real, aber sie ist keine Garantie mehr, dass die Intelligenz aus Cupertino stammt. Die spannende Frage ist der Akku: Ein Modell, das auch im Hintergrund für Agenten-Aufgaben mitläuft, kann selbst bei weniger Speicher die Batterie leersaugen, und daran entscheidet sich, ob aus der Demo ein Serienfeature wird.

Google DeepMind CEO fordert eine globale KI-Aufsicht unter US-Führung, noch dieses Jahr

Demis Hassabis, CEO von Google DeepMind, hat in einem Blogpost eine internationale Aufsichtsbehörde für KI gefordert, die riskante Frontier-Modelle vor dem Release prüfen und im Ernstfall eine branchenweite Verlangsamung koordinieren kann. Die USA sollten diese Initiative anführen, argumentiert Hassabis, „angesichts ihrer ökonomischen und technischen Stellung“. Als Vorbild nennt er bestehende Regulierer wie die Finanzaufsicht FINRA; das Gremium solle aus unabhängigen Experten und Vertretern der Open-Source-Community bestehen. Laut Axios hat Hassabis seit Monaten still für den Vorschlag geworben, unter anderem mit Briefings der Trump-Regierung, anderer Labs und europäischer Beamter, und will die Organisation noch vor Jahresende starten. AGI sei „wahrscheinlich nur noch wenige Jahre entfernt“, schreibt er; man stehe „in den Ausläufern der Singularität“. Bislang gibt es weder global noch in den USA ein umfassendes Regelwerk speziell für KI. Zuletzt hatten auch Ökonomen und Tech-Größen wie Anthropic-Mitgründer Jack Clark und Ex-Google-CEO Eric Schmidt vor den wirtschaftlichen Folgen von KI gewarnt. → Techpresso

Synthszr Take: Während Hassabis über eine saubere nationale Prüfstelle nachdenkt, ist die Realität schon eine andere. Am selben Tag unterschreibt New Yorks Gouverneurin Kathy Hochul ein Moratorium, das neue Umweltgenehmigungen für Rechenzentren über 50 Megawatt für bis zu ein Jahr blockiert. Erster Bundesstaat, der das tut, und ganz sicher nicht der letzte. Der Punkt: Bevor überhaupt ein Bundesstandard steht, entsteht ein Flickenteppich aus fünfzig einzelnen Regelwerken, jedes mit eigener Logik und eigenem Tempo. Für die Labore heißt das, sie verhandeln 30-Tage-Prüffenster in Washington und stoßen gleichzeitig in Albany gegen eine Genehmigungswand für die Rechenleistung, ohne die kein Frontier-Modell läuft. Eine freiwillige FINRA-Kopie kommt vermutlich zu spät für einen Markt, in dem die politischen Einrastpunkte längst auf Bundesstaats-Ebene gesetzt werden. Die spannendere Frage ist, wie ein Labor überhaupt noch releasen will, wenn Kalifornien, Texas und New York drei verschiedene Antworten geben.

Dropbox macht seine Dateien zur Kontextschicht für ChatGPT

Dropbox integriert nach eigenen Angaben neue „Context Layer“-Funktionen direkt in die OpenAI-Produkte ChatGPT Work, ChatGPT und ChatGPT Codex. Grundlage sind offizielle, von Dropbox erstellte Skills, über die Nutzer ihre Dropbox-Dateien und -Ordner organisieren, teilbare Links erzeugen und Datei-Anfragen anlegen können. Laut der Ankündigung lassen sich auch mehrstufige Abläufe direkt in ChatGPT ausführen. Diese Abläufe bleiben an die Berechtigungen und Governance-Regeln von Dropbox gebunden. Der Anbieter positioniert sich damit als Zulieferer für vertrauenswürdige Inhalte innerhalb fremder KI-Workflows, statt Nutzer in die eigene Oberfläche zu ziehen. → TLDR IT

Synthszr Take: Dropbox hat verstanden, wo die Nutzer künftig arbeiten, und es ist nicht mehr die eigene Web-Oberfläche. Statt ChatGPT als Bedrohung zu behandeln, liefert Dropbox jetzt seine Dateien, Berechtigungen und Governance als Skill direkt in OpenAIs Umgebung hinein. Das ist ein kluger Zug für einen Anbieter, dessen Kernprodukt (Ordner in der Cloud) längst kommodifiziert ist. Der Wert steckt in den über Jahre gepflegten Zugriffsrechten und der Frage, wer welche Datei sehen darf, etwas, das OpenAI nicht mit einem Fingerschnippen nachbaut. Genau die verkauft Dropbox jetzt als Berechtigungs-Hook in einer fremden Anwendung. Christensens Innovator's Dilemma kehrt sich hier interessant um: Dropbox verteidigt nicht den profitablen Kern, sondern verlegt sein Nutzenversprechen in die Werkzeugkette des Angreifers. Ob das reicht, um mehr als eine Fußnote in OpenAIs Roadmap zu bleiben, entscheidet sich daran, wie tief die Governance-Bindung technisch wirklich sitzt und wie schnell OpenAI eigene Konnektoren nachschiebt.

Anthropic: Claude antwortet auf Russisch analytischer, auf Hindi wärmer

Anthropic hat eine Studie veröffentlicht, die 309.815 echte Konversationen auf Claude.ai über drei Modelle und die 20 häufigsten Sprachen ausgewertet hat. Das Ergebnis: Das gewählte Modell und die Eingabesprache prägen den Antwortstil messbar. Um die über 3.300 erfassten Werte greifbar zu machen, hat Anthropic sie auf vier Verhaltensachsen verdichtet: Zustimmung gegen Vorsicht, Wärme gegen Präzision, Tiefe gegen Kürze sowie Offenheit über Unsicherheit gegen reines Abarbeiten. Sonnet 4.6 antwortet eher warm, knapp und zustimmend; Opus 4.7 eher vorsichtig, rigoros und hinterfragt Annahmen auch ungefragt. Auf Hindi und Arabisch fallen die Antworten wärmer aus, auf Russisch analytischer und mit mehr Widerspruch. Anthropic räumt ein, die Ursachen bislang nicht zu kennen und auch nicht zu wissen, ob das Verhalten überhaupt erwünscht ist; das Framework soll künftig ungewollte Verhaltensdrifts vor dem Release aufspüren. → AlphaSignal

Synthszr Take: Der wunde Punkt steht in einem Nebensatz: Anthropic kann nicht erklären, warum dieselbe Frage auf Russisch mehr Widerspruch und auf Hindi mehr Wärme erntet. Damit wird die Sprache zu einem Bias-Hebel, den niemand geplant hat. Wenn ein Nutzer in Mumbai systematisch zustimmendere Antworten bekommt als einer in Moskau, ist das ein blinder Fleck im Trainingsprozess, der sich als Feature tarnt. Für jeden, der Claude in einen Kundenprozess einbaut, heißt das konkret: Die Eingabesprache ist eine Variable im Verhalten selbst, über das Vokabular hinaus, und sie gehört in die Eval-Suite, bevor irgendjemand von Konsistenz redet. Dass Anthropic das offen zugibt, ist mehr wert als jede geschönte Sicherheitsfolie: Ehrlichkeit über den eigenen blinden Fleck ist der erste Schritt, ihn zu schließen. Die eigentliche Aufgabe der nächsten Modellgeneration ist die Frage, ob 20 Sprachen dieselbe Haltung teilen können, ohne dass jemand sie einzeln nachkalibriert. Bis dahin testen Nutzer auf Russisch faktisch ein anderes Produkt als auf Hindi.

Südkorea will jeder seiner 51 Millionen Bürger einen kostenlosen KI-Assistenten geben

Südkorea hat am Montag die Ausschreibung für ein staatlich finanziertes KI-Angebot gestartet, das jedem Bürger kostenlosen Zugang zu einem Chatbot und einem Behörden-Assistenten verschaffen soll. Laut dem Wissenschaftsministerium läuft die Bewerbungsfrist für das Projekt „AI for Everyone“ bis zum 11. August. Ausgewählt werden zwei oder drei private Anbieter mit Erfahrung im Endkundengeschäft, die den ersten Dienst noch vor Jahresende starten sollen. Mindestens die Hälfte des Systems muss auf koreanischen Basismodellen laufen, die den staatlichen Standards für unabhängige Foundation-Modelle genügen. Der Behörden-Agent soll relevante Sozialleistungen und Verwaltungsprogramme erkennen, die Nutzer vorab informieren und bei Anträgen helfen. Für den Start stellt das Ministerium den ausgewählten Firmen zusammen 512 Nvidia-B200-GPUs bereit, ab 2027 kommt Budgetunterstützung für den landesweiten Betrieb. Vizepremier Bae Kyung-hoon begründet das Vorhaben mit dem Ziel, wachsende soziale Ungleichheit zu verhindern: Eine Regierungsumfrage fand, dass nur 31,9 Prozent der als digital verwundbar geltenden Menschen bereits KI genutzt hatten, gegenüber 59,4 Prozent in der Gesamtbevölkerung. → MyClaw Newsletter

Synthszr Take: 512 B200-GPUs für 51 Millionen Bürger. Das ist die Zahl, an der sich zeigt, ob Seoul es ernst meint oder eine schöne Pressekonferenz gibt. Für einen personalisierten Agenten, der Anträge erkennt, vorwarnt und mitausfüllt, reicht diese Bestückung an keinem Tag des Jahres. Deshalb steht der eigentliche Posten erst ab 2027 in der Planung, wenn die Budgetunterstützung für den Dauerbetrieb greift. „Für alle Bürger“ ist eine laufende Rechenlast, die mit jedem aktiven Nutzer proportional mitwächst. Interessant ist der andere Hebel: Die 50-Prozent-Pflicht für koreanische Basismodelle zwingt die Anbieter, Inference im Land und auf heimischer Modellbasis zu betreiben, was Seoul unabhängiger von amerikanischen Anbietern macht und gleichzeitig eine nationale Nachfrage garantiert, an der LG, Naver und Samsung ihre eigenen Foundation-Modelle skalieren können. Ob das trägt, entscheidet die Frage, wer 2028 die Stromrechnung für einen Agenten pro Kopf bezahlt.