Midterms: Geld regiert die Welt — nicht

Midterms: Musk versenkte eine halbe Milliarde Dollar in krachende Niederlage

Die Demokraten haben bei den US-Midterms beide Kammern des Kongresses gewonnen, obwohl Elon Musk laut Bundesunterlagen bis zum 14. Oktober 445,6 Millionen Dollar in republikanische Kampagnen gesteckt hatte. Andere Zählungen kommen auf 474 Millionen Dollar. Das ist die höchste bekannte Summe eines einzelnen Spenders in einem Wahlzyklus und fast das Dreifache der 150 Millionen Dollar, die Richard und Elizabeth Uihlein als nächstgrößte Spender aufbrachten. Mehr als 200 Millionen Dollar flossen in den Senatswahlkampf von Ken Paxton in Texas. Paxton unterlag dem Demokraten James Talarico, dem ersten Demokraten seit 1988, der in Texas eine Senatswahl gewinnt. Auch Vivek Ramaswamy und andere von Musk unterstützte Kandidaten verloren. Musk kommentierte die Ergebnisse in der Wahlnacht auf X mit Witzen über „wahlbeeinflussende Weltraumlaser“ und schrieb, Rechenzentren im All sähen gerade „ziemlich attraktiv“ aus.

Musk war nicht der einzige Geldgeber aus der Tech-Branche, dessen Kandidaten scheiterten. Super PACs aus dem Krypto- und KI-Umfeld gaben in diesem Wahlzyklus rund 250 Millionen Dollar aus. Von den zwölf bislang ausgezählten umkämpften Rennen verloren sie neun, 74,7 Millionen Dollar gingen an unterlegene und 28,3 Millionen Dollar an siegreiche Kandidaten. In einer Nachwahlbefragung nannten 56 Prozent der Wähler KI und Rechenzentren einen wichtigen oder entscheidenden Faktor ihrer Wahl. Etwa die Hälfte stufte Korruption und Lebenshaltungskosten allerdings als noch wichtiger ein. Als Gründe für den Widerstand gegen Rechenzentren gelten steigende Strom- und Wasserrechnungen sowie Lärm und Luftverschmutzung.

In Texas, Georgia, Ohio und Pennsylvania gewannen Demokraten die Gouverneursposten, die angekündigt hatten, den Bau von Rechenzentren zu stoppen oder einzuschränken. Damit dürfte rund die Hälfte aller geplanten KI-Rechenzentren in den USA unter verschärfte Prüfung geraten. In Texas schlug Gina Hinojosa den dreimaligen Amtsinhaber Greg Abbott und ist die erste demokratische Gouverneurin dort seit 1990. Sie hatte ein Bau-Moratorium, strengere Wasser- und Stromregeln sowie das Ende von Steuervergünstigungen versprochen. Nach Angaben von Wells Fargo liegen 27 Prozent der geplanten US-Rechenzentrumskapazität in Texas. Abbott hatte bereits am 21. September die staatlichen Umweltgenehmigungen eingefroren. Das Analysehaus SemiAnalysis rechnet damit, dass texanische Projektentwickler acht Monate bis knapp ein Jahr blockiert sein könnten. Die Legislaturperiode beginnt am 12. Januar 2027, konkrete Bedingungen für das Moratorium hat Hinojosa bislang nicht veröffentlicht. Ihr Programm fordert unter anderem den Verzicht auf Subventionen und Geheimhaltungsvereinbarungen sowie den Nachweis, dass Haushaltstarife nicht steigen. Amazon, Google, Meta, Microsoft, OpenAI, Oracle und xAI hatten bereits im März zugesagt, eigene Energie mitzubringen und den Netzausbau zu bezahlen. Florida wählte dagegen knapp einen republikanischen Gouverneur, der Rechenzentren unterstützt. Auch auf lokaler Ebene stimmten Wähler gegen neue Rechenzentren: Je nach Zählung beschlossen zwischen 29 und mehr als 38 Gemeinden und Bezirke Verbote oder Auflagen. → list-manage, Tech Brew, Marcus Schuler, Marcus Schuler

Synthszr Take: Mehr als 200 Millionen Dollar für Ken Paxton haben in Texas keinen Senatssitz gekauft, und dort liegen 27 Prozent der geplanten US-Rechenzentrumskapazität. Der Engpass des KI-Ausbaus heißt Zustimmung, Kapital gibt es reichlich. Zustimmung entsteht an der Stromrechnung der Nachbarn, und dort hilft kein Super PAC. Hinojosas Forderungen sind das billigere Angebot: keine Geheimhaltungsvereinbarungen, keine Subventionen, belegbar stabile Haushaltstarife. Die Hyperscaler haben das im März versprochen. Ab Januar müssen sie es pro Standort nachweisen.

ChatGPT erzeugt mit Images 2.6 GIFs und lässt Tempo und Einzelbilder nachbearbeiten

OpenAI führt mit dem neuen Bildmodell Images 2.6 die GIF-Erstellung in ChatGPT ein. Nutzer können eine Animation per Textbefehl oder aus einem hochgeladenen Foto erzeugen lassen. Danach lassen sich die Abspielgeschwindigkeit ändern, die Animation Bild für Bild ansehen, einzelne Frames bearbeiten und das Ergebnis teilen. Bisher konnte ChatGPT GIFs nicht in einem Schritt erzeugen. Auch eine grobe Skizze genügt als Ausgangspunkt: Das Modell arbeitet sie zu einer fertigen Figur aus und animiert diese. Laut einem inzwischen gelöschten Beitrag von OpenAI auf X sollen hochgeladene Bilder künftig gespeichert und als wiederverwendbare Vorlage für spätere Prompts dienen können.

Als Anwendungsfälle nennt OpenAI animierte Markenmaskottchen, Produktaufnahmen als Endlosschleife, Reaktionen und Memes für soziale Netzwerke sowie animierte Storyboards, um Figurenbewegungen vor einer Videoproduktion zu erproben. Die vom Unternehmen gezeigten Beispiel-Prompts beschreiben jeweils ein Sprite Sheet mit sechs Frames in einem Raster aus drei Spalten und zwei Zeilen. Der sechste Frame soll dabei nahtlos in den ersten übergehen. Ein Videogenerator ist Images 2.6 ausdrücklich nicht. Die Video-App Sora hat OpenAI im März eingestellt. Berichten zufolge hatte sie wenige Nutzer und verursachte Verluste von rund einer Million Dollar pro Tag.

Nach Angaben von OpenAI generiert Images 2.6 Bilder um 50 Prozent schneller als der Vorgänger Images 2.5. Für Entwickler kommen zwei neue API-Modelle hinzu. GPT-Image-2.6 Flare ist auf Geschwindigkeit ausgelegt und soll bei niedriger Qualitätsstufe ein Bild in etwa sechs Sekunden liefern sowie Layouts für Poster und Produktbilder verbessern. GPT-Image-2.6 Sunburst zielt auf höhere Bildqualität und mehr Konsistenz über mehrere Bearbeitungsschritte, wenn die Qualität auf mittel oder hoch steht. Die Aufteilung folgt dem Muster, das OpenAI mit Images 2.5 im September eingeführt hatte, als Adobe eines der Modelle in Firefly integrierte. Images 2.6 steht in allen Abo-Stufen von ChatGPT und Codex auf Web, Desktop und Mobilgeräten bereit.

OpenAI zufolge entstehen inzwischen mehr als 4 Milliarden Bilder pro Woche über ChatGPT, Codex und die API, im Schnitt also über eine halbe Milliarde pro Tag. Im September hatte das Unternehmen noch 3 Milliarden pro Woche angegeben. Die Zahlen stammen von OpenAI selbst und umfassen sämtliche Bildgenerierungen, nicht nur GIFs. Das Unternehmen hat seine Bildwerkzeuge in diesem Jahr mehrfach überarbeitet: Images 2.0 war im April das erste Bildmodell, das vor dem Zeichnen ein Reasoning durchläuft. Im vergangenen Monat begann OpenAI in den USA zudem, Werbung innerhalb der Bildgenerierung zu testen. → OpenAI, The Verge, Mashable, The Next Web

Synthszr Take: Die Beispiel-Prompts verraten die Kalkulation: Ein GIF aus Images 2.6 ist ein einziges Bild mit sechs Feldern im Raster. Bewegung kostet damit so viel wie ein Standbild, und an genau dieser Rechnung ist Sora mit rund einer Million Dollar Verlust pro Tag gescheitert. Teuer wird es erst bei der Nacharbeit, denn jeder korrigierte Frame ist eine weitere Generation. Diese Rechenzeit verbrauchen Agenturen und Markenteams, also die Kundschaft der oberen Abo-Stufen.

Berliner Pliant sammelt 80 Millionen Dollar für B2B-Zahlungen von Agenten ein

Das Berliner Fintech Pliant hat laut The Next Web eine Series-C-Finanzierung über 80 Millionen Dollar eingesammelt, um seine B2B-Zahlungsinfrastruktur für KI-Agenten zu öffnen. Seaya Nova und Speedinvest führten die überzeichnete Runde an, Illuminate Financial, Motive Partners und Molten Ventures beteiligten sich. Das Geld soll in die Expansion in die USA und nach Kanada, in weitere Märkte und in die KI-Roadmap fließen. Nach eigenen Angaben hat Pliant zuletzt die Marke von 100 Millionen Dollar wiederkehrendem Jahresumsatz überschritten und sein Geschäft drei Jahre in Folge jährlich verdoppelt. Externe Agenten wie Claude, ChatGPT oder unternehmenseigene Automatisierungen sollen sich über das Model Context Protocol anbinden und Zahlungsabläufe innerhalb anderer Geschäftsprozesse ausführen. → The Next Web

Synthszr Take: Die 100 Millionen Dollar wiederkehrender Umsatz stammen aus Firmenkarten für Menschen, das Geld der Series C wettet auf Maschinen. Ein MCP-Zugang ist schnell gebaut, Ramp und jede Bank mit Kartenlizenz können nachziehen. Knapp bleibt die Haftung, denn irgendwer muss lizenziert sein, wenn ein Agent die falsche Rechnung bezahlt. Ob Kunden dafür zahlen, zeigt in zwölf Monaten eine Zahl: der Anteil des Kartenvolumens, den Agenten auslösen.

Apple kürzt das tägliche KI-Budget seiner Engineers auf 200 Dollar, Belegschaft fürchtet Abbau

Apple hat laut Bloomberg das tägliche KI-Budget für einige Engineers im Oktober von 300 auf 200 Dollar gesenkt. Für einzelne Engineering-Teams sind weitere Kürzungen auf bis zu 100 Dollar pro Tag geplant. Viele Gruppen außerhalb des Engineerings arbeiten bereits mit einem Limit von 100 Dollar, für manche Teams soll Apple sogar 25 Dollar erwogen haben. Das Budget deckt Token für Claude, ChatGPT und Gemini ab, einige Teams werden auf günstigere oder lokal laufende Modelle umgelenkt. Wer mehr braucht, muss beim Senior Management eine Ausnahme beantragen. Einige Beschäftigte sagen laut Bericht, kaum jemand habe das alte Limit ausgeschöpft. → Implicator.ai

Synthszr Take: Ein Limit, das kaum jemand ausschöpft, trifft nur die Ausreißer. Bei Apple sind das die Engineers, die Agenten über ganze Codebasen laufen lassen und dabei herausfinden, wie Entwicklung mit KI künftig funktioniert. Für sie wird jedes Experiment über 100 Dollar zum Antrag beim Senior Management. Gemessen am Forschungsbudget des Konzerns dürfte die Ersparnis ein Rundungsfehler sein. Teurer ist der Lernvorsprung, den Wettbewerber mit offenen Token-Budgets währenddessen aufbauen.

Chinas Token-Zahlen steigen auf 500 Billionen täglich

Der Analyst Poe Zhao hat bei Hello China Tech einen Report zur chinesischen Token-Ökonomie veröffentlicht, der die offiziellen Nutzungszahlen auf ihre Belastbarkeit prüft. Laut Report nennen offizielle Stellen und Thinktanks mehr als 140 Billionen Token pro Tag für März 2026 und rund 500 Billionen für Juni, ein weiterer Bericht kommt für Juni auf knapp 175 Billionen. Einen Messrahmen, der diese Abweichung erklärt, veröffentlicht nach Zhaos Darstellung keine der Quellen. Der Token trägt in China inzwischen einen offiziellen Namen und taucht in Kreditprodukten, Unternehmensbudgets und den Strategien der drei staatlichen Netzbetreiber auf, die allerdings keine Token-Umsätze separat ausweisen. Im Guangzhouer Bezirk Haizhu kann Token-Verbrauch in die Kreditprüfung einfließen, während derselbe Bezirk Token-Ausgaben subventioniert. → Hello China Tech

Synthszr Take: Eine Kennzahl ohne Messrahmen ist ein Angebot, das jeder nach eigenem Bedarf annimmt. Offizielle Stellen und Thinktanks melden Volumen, weil Volumen Compute-Stärke signalisiert, und keiner muss dafür eine Rechnung stellen. Die drei Netzbetreiber schreiben Tokens in die Strategie, nicht in die Bilanz. Das Risiko landet dort, wo der Token Geld kostet: beim Anwendungsunternehmen in Haizhu, dessen subventionierter Verbrauch zugleich als Bonitätssignal gilt. Derselbe Bezirk bläht die Zahl damit von zwei Seiten auf.

Google sperrt US-Schülern die Suche, wenn Schulen die KI-Funktionen abschalten

Laut Financial Express koppelt Google an US-Schulen den Zugang zur Suche an seine KI-Funktionen: Schulbezirke, die generative KI für Schülerkonten komplett deaktivieren, verlieren damit auch den Zugriff auf die Google-Suche. Für K-12-Schülerkonten sind Gemini, Gemini Notebook, Gemini in Classroom und die Suche künftig standardmäßig ausgeschaltet, bis Administratoren sie ausdrücklich freigeben. Google begründet die Änderung in seinem Blog damit, auf Schulen, Lehrkräfte, Forschende und Politik gehört zu haben. Nach eigener Darstellung sollen Schulleitungen so mehr Kontrolle über KI im Unterricht erhalten. Suche und KI seien tief miteinander verwoben, sagte Googles Bildungs-Vizepräsident Chris Phillips der New York Times. Schüler an Schulen, die KI verbieten, sähen bei der Suche nur einen Hinweis, dass der Dienst nicht verfügbar sei. → Financial Express

Synthszr Take: Suche und KI seien tief miteinander verwoben, sagt Chris Phillips. Mit fast demselben Satz verteidigte Microsoft in den Neunzigern den Internet Explorer als untrennbaren Teil von Windows. Die Kartellrichter sahen darin damals eine Vertriebsentscheidung. Google hat in Schulen eine ähnliche Stellung, weil Chromebooks und Workspace dort Infrastruktur sind. Ein Schulbezirk kann kaum wechseln, also kommt Gemini mit, bevor ChatGPT oder Claude überhaupt ins Klassenzimmer dürfen. Kartellbehörden kennen dieses Drehbuch.

AMD steigert Rechenzentrumsumsatz um 97 Prozent und verspricht ein noch stärkeres Q4

AMD hat im dritten Quartal 2026 nach eigenen Angaben einen Rekordumsatz von 13,4 Milliarden Dollar erzielt, 45 Prozent mehr als im Vorjahresquartal. Treiber war das Rechenzentrumssegment, dessen Umsatz um 97 Prozent auf 8,5 Milliarden Dollar stieg. Getragen wurde dieses Wachstum laut Mitteilung von EPYC-Prozessoren und dem Marktstart der Instinct-GPU-Serie MI450. Der Nettogewinn verdoppelte sich nahezu auf 2,4 Milliarden Dollar, die Bruttomarge blieb gegenüber dem Vorquartal unverändert bei 54 Prozent. Das Segment Client und Gaming schrumpfte um 8 Prozent auf 3,7 Milliarden Dollar, weil der Gaming-Umsatz um 40 Prozent einbrach. → Advanced Micro Devices

Synthszr Take: Lisa Sus Ansage für das vierte Quartal ist ein Fertigungsversprechen. Anthropic, Meta, Microsoft, OpenAI und Oracle wollen einen zweiten Lieferanten neben Nvidia, schon für die nächste Preisverhandlung. Sie nehmen ab, was AMD liefern kann. Entscheidend wird also, ob Helios vom ersten Rack zur Serie wird, ohne die Bruttomarge zu drücken, die bereits bei 54 Prozent stagniert. Scheitert der Hochlauf, bleibt AMD das Verhandlungspfand der Hyperscaler, und Nvidia kassiert weiter.

Revolut ersetzt Claude Code durch Open-Weight-Modell und spart 90 Prozent

Revolut hat nach eigenen Angaben die Inference-Kosten für KI-gestütztes Programmieren in weniger als einem Jahr um rund 90 Prozent gesenkt. Erreicht hat das Fintech diese Einsparung laut TechRadar, indem es selbst gehostete GLM-Modelle zum Standard für seine Entwickler gemacht hat. Bis dahin liefen kommerzielle Werkzeuge wie Claude Code von Anthropic. Die GLM-Modellfamilie stammt vom chinesischen Anbieter Zhipu und wird mit Open Weights veröffentlicht, lässt sich also auf eigener Infrastruktur betreiben. TechRadar zitiert Revolut mit der Aussage, man sei „sehr skeptisch, was die Kosten von KI angeht“ gewesen. → TechRadar

Synthszr Take: Ein reguliertes Fintech lässt ein chinesisches Modell auf eigenen Servern Code schreiben, und das Compliance-Argument gegen Open Weights verliert damit sein bestes Beispiel. Für Anthropic wiegt das schwerer als jeder Benchmark. Claude Code verdient am Coding-Budget großer Engineering-Organisationen, und dieses Budget hat jetzt eine sichtbare Obergrenze: die Kosten der eigenen GPU. Ab hier muss jede Preiserhöhung gegen ein selbst gehostetes GLM bestehen, dessen Betriebskosten Revolut allerdings nicht nennt.

OpenAI und Anthropic behaupten, ihre KI habe eine Grundannahme der Kryptographie widerlegt

OpenAI und Anthropic haben laut The Information am Montag beide erklärt, ihre internen KI-Modelle hätten die Exponential Time Hypothesis widerlegt. Die Annahme stammt aus der theoretischen Informatik. Sie beschreibt, wie schwer sich bestimmte Rechenprobleme mindestens lösen lassen. Vereinfacht besagt sie, dass für solche Probleme kein Verfahren existiert, das deutlich schneller als in exponentieller Zeit zum Ergebnis kommt. Auf derartigen Härteannahmen beruht ein Teil des Vertrauens in Verschlüsselungsverfahren. The Information schreibt deshalb, Kryptographen dürften derzeit schlecht schlafen. → The Information

Synthszr Take: Zwei Labore melden am selben Montag denselben Durchbruch, beide mit Modellen, die niemand prüfen kann. In der Mathematik zählt erst ein Beweis, den Fachleute Zeile für Zeile nachrechnen können. Solange OpenAI und Anthropic ihn nicht veröffentlichen, bleibt die Meldung ein Wettlauf um die Schlagzeile. Für Sicherheitsverantwortliche ändert sich vorerst nichts an der Krypto-Roadmap. Hält der Beweis der Prüfung stand, hätten beide Labore eine Leistungsdemonstration geliefert, die kein Benchmark erreicht.

Anthropic macht per Open Source beweisbar, welches KI-Modell eine Antwort erzeugt hat

Anthropic hat am 2. November FlashProve veröffentlicht, einen Forschungsprototyp. Er erzeugt für eine Antwort einen kryptografischen Beweis, dass genau ein bestimmtes Sprachmodell sie generiert hat. Entwickelt hat das System das Frontier Red Team von Anthropic gemeinsam mit Forschenden von EPFL, MIT und StarkWare. Code, Dokumentation und formale Beweise stehen unter der Apache-2.0-Lizenz auf GitHub. Einen Einsatz in Claude oder bei einem anderen Labor plant Anthropic derzeit nicht. Das Unternehmen bezeichnet die Veröffentlichung ausdrücklich als Zwischenstand und lädt andere ein, darauf aufzubauen.

Ausgangspunkt ist ein Problem gehosteter Modelle: Wer einen Prompt an eine API schickt, kann nicht prüfen, welches Modell tatsächlich geantwortet hat. Ein Anbieter oder Routing-Dienst könnte aus Kostengründen ein billigeres Modell unterschieben. Ebenso könnte er ein teureres Modell einsetzen, um Leistungswerte zu schönen. Auch Angreifer mit Zugriff auf den Inferenzserver könnten den Token-Strom manipulieren, ohne dass die Antwort auffällig wirkt. Unabhängige Evaluatoren stehen vor demselben Problem in umgekehrter Richtung: Sie können nicht sicherstellen, dass das getestete Modell dem ausgelieferten entspricht. Als weitere Anwendungen nennen die Forschenden die Überprüfung von Behauptungen Dritter, etwa dass eine Software-Bibliothek von einem führenden Cybersecurity-Modell auf Schwachstellen geprüft wurde. Anthropic sieht zudem Einsatzfelder von Endkundenprodukten über interne Sicherheit bis zur Kontrolle von Vorgaben zum KI-Entwicklungstempo.

Technisch beruht FlashProve auf einem zkSNARK. Ein Labor veröffentlicht dafür einmalig eine Festlegung auf sein Modell, eine Art Fingerabdruck, der die Gewichte nicht preisgibt. Die Architektur des Modells bleibt dagegen sichtbar, sie zu verbergen ist kein Ziel des Systems. Damit wäre das Verfahren auch für geschlossene kommerzielle Modelle denkbar. Der Offline-Schritt, in dem sich der Prover auf die Gewichte festlegt, dauert rund 39 Minuten pro Modell und deckt danach etwa 16 Millionen Anfragen ab. Ein Client lädt eine 6,5 MB große Festlegung herunter und erhält pro Anfrage einen Beweis, den er auch lokal prüfen kann.

Getestet wurde das System mit Llama 4 Maverick, einem Mixture-of-Experts-Modell mit 400 Milliarden Parametern, von denen pro Token rund 17 Milliarden aktiv sind. Die Gewichte sind nicht Teil der Veröffentlichung, sondern müssen unter Metas Lizenz von Hugging Face bezogen werden. Für den Prover genügen eine GPU mit 80 GB und etwa 290 GB Arbeitsspeicher, da die Gewichte schichtweise durchgereicht werden. Auf einer H100 erzeugt der Prover rund 110 Token pro Sekunde, mit 4-Bit-quantisierten Gewichten. Ein Beweis für eine Anfrage mit 1.024 Token umfasst etwa 18,78 MB. Die Prüfung dauert etwa 17 Sekunden auf 24 CPU-Threads und rund 21 Sekunden auf einem einzelnen Thread. → Anthropic, Help Net Security, RuntimeWire, TechCrunch

Synthszr Take: Ein Overhead von Faktor 72 pro GPU gegenüber vLLM beendet jede Debatte über einen Produktiveinsatz. FlashProve taugt heute für Stichproben, Audits und Aufseher, die Vorgaben zum Entwicklungstempo kontrollieren wollen. Dort zielt Anthropic hin. Der erste offene Prüfstandard prägt, was Behörden später verlangen. Treffen würde das vor allem Router und Reseller offener Modelle, deren Marge auf einer unprüfbaren Lieferkette beruht (getestet wurde bezeichnenderweise mit Llama, nicht mit Claude).