OpenAI vs Anthropic: Das Rennen um die Kunden wird härter

Sam Altman wird nervös und kontert Anthropic

OpenAI schiebt offenbar GPT-5.6 angeblich schon heute, am 7. Juli, mit höheren Usage-Limits und strengeren Safeguards, um Anthropic-Nutzer abzuwerben. Sam Altman heizt die Erwartung an und vergleicht die mathematischen Fortschritte des Modells mit einem Kind, das seine ersten Worte formt. Trotzdem gibt Polymarket OpenAI nur 3 Prozent Wahrscheinlichkeit, bis Ende Juli das führende LLM zu besitzen; Anthropic hält die Spitze mit den Fable-5-Modellen. Parallel skizziert Mitgründer Greg Brockman eine Zukunft, in der Agenten Aufgaben still im Hintergrund erledigen und Nutzer kaum noch durch Menüs klicken. Brockman räumt selbst ein, dass die ChatGPT-Plugins 2023 scheiterten, weil die Modelle noch zu unzuverlässig waren. Und noch immer brauchen die Systeme schweres Prompting, Integrationen und menschliche Kontrolle, weshalb OpenAI, Anthropic und Microsoft eigene Teams für die Einführung in Unternehmen unterhalten. → AI Breakfast

Synthszr Take: Diese 3-Prozent-Zahl von Polymarket sagt mehr über die Lage aus als jeder Altman-Post. Anfang Juni hatte Anthropic OpenAI schon bei der Bewertung überholt (965 Milliarden), jetzt hält es auch technisch die Spitze, und OpenAI antwortet mit einem Punkt-Release im Zeitraffer. Ein schneller Drop mit höheren Limits ist keine Führungsposition, das ist Reaktion auf Momentum-Verlust. Interessanter als der Benchmark-Zirkus ist Brockmans zweite Botschaft: Wenn Agenten Aufgaben im Hintergrund erledigen, wird das Modell selbst zur Commodity und der Wert wandert in die Orchestrierung. Wer heute AI einsetzt, sollte deshalb nicht auf den nächsten Frontier-Punktstand wetten, sondern die eigenen Workflows so bauen, dass ein Modellwechsel eine Konfigurationssache bleibt und keine Migration. Das ist die einzige Position, die diesen Wettlauf überlebt, egal wer im Juli in den synthzr charts vorne liegt.

Tencent macht Hy3 Open Source und schlägt GLM-5.2 fast überall

Tencents Hunyuan-Team hat die Vollversion von Hy3 veröffentlicht, ein Mixture-of-Experts-Modell mit 295 Milliarden Parametern und 21 Milliarden aktiven pro Durchlauf. Die eigentliche Nachricht steckt in der Lizenz: Statt der restriktiven Preview-Terms vom April kommt das Modell jetzt unter Apache 2.0, ohne den bisherigen Ausschluss von EU, UK und Südkorea. In einem Blindtest mit 270 Fachleuten und 312 gültigen Vergleichen liegt Hy3 mit 2,67 von 4 knapp vor GLM-5.1 (2,51), besonders bei Frontend, CI/CD und Datenarbeit. Beim agentischen Coding behält allerdings Zhipus GLM-5.2 die Krone (SWE-bench Verified 84,2 gegen 78,0), was bei rund 744B gegen 295B Parametern wenig überrascht. Dafür führt Hy3 das Open-Feld bei agentischer Suche (BrowseComp 84,2, DeepSearchQA 91,0) und Tool-Orchestrierung an. Am meisten betont Tencent die Zuverlässigkeit: Die Halluzinationsrate fiel von 12,5 auf 5,4 Prozent, Commonsense-Fehler von 25,4 auf 12,7 Prozent. Zwei Wochen lang ist das Modell kostenlos über OpenRouter verfügbar, unabhängige Verifizierung durch Artificial Analysis steht noch aus. → venturebeat.com

Synthszr Take: Der Lizenzwechsel schlägt jede Benchmark-Tabelle. Ein Jahr lang haben Rechtsabteilungen die stärksten chinesischen Modelle abgeräumt, bevor die Engineering-Teams ihre Evals überhaupt fertig hatten, weil die Terms Traffic aus EU, UK und Korea ausschlossen. Apache 2.0 löst genau dieses Problem, und das ist für jeden, der europäische Nutzer bedient, wichtiger als drei Punkte auf SWE-bench. Dass GLM-5.2 beim Repository-Coding vorn bleibt, während Hy3 bei Suche und Tool-Orchestrierung mit halbem Compute pro Token gewinnt, zeigt die Logik dieser Woche: Man kettet sich an kein Modell, man hält die Intent-Schicht sauber und tauscht das Bauteil, sobald ein besseres unter permissiver Lizenz auftaucht. Die halbierte Halluzinationsrate ist dabei die Zahl, die den Weg von der Spielerei zum Produktionswerkzeug markiert. Wer eine europäische Ausfallsicherung neben Claude oder GPT sucht, kann Hy3 in den zwei Freiwochen auf OpenRouter gegen die eigenen Workflows testen und danach entscheiden. Chinas Open-Weight-Häuser liefern inzwischen schneller Production-grade als die meisten hier planen können, und jetzt liefern sie es auch rechtssicher.

Mistral-CEO warnt vor Closed-AI-Modellen

Arthur Mensch, Gründer von Mistral, hat in einem LinkedIn-Post davor gewarnt, sich auf geschlossene KI-Modelle zu verlassen. Sein Argument: Wer proprietäre Modelle verkauft, speichert immer mehr Daten und bekommt damit einen Logenplatz für die Geschäftsprozesse seiner Kunden. Einige Labs hätten, so Mensch, bereits die Angewohnheit, ihren erfolgreichsten Kunden mit genau diesem Wissen Konkurrenz zu machen. Er empfiehlt, Daten in offenen Systemen zu halten, eigene Zugriffsregeln zu setzen und eigene Modelle zu trainieren. Rückendeckung kommt von Palantir-Chef Alex Karp, dessen Manifest den Satz prägt: Wer seine Weights kontrolliert, kontrolliert sein Schicksal. Ein Experiment stützt die These: Bridgewater und Mira Muratis Thinking Machines Lab haben das Open-Source-Modell Qwen3-235B mit eigenen Bewertungen feinjustiert und kamen bei Finanzdokumenten auf 84,7 Prozent Genauigkeit gegenüber 78,2 Prozent beim besten Frontier-Modell, bei fast 14-fach niedrigeren Betriebskosten. Der Haken: Mistral ist als einziges relevantes EU-Modell auf genau diese Souveränitätserzählung angewiesen, obwohl rund 30 Prozent der Anteile bei US-Investoren liegen. → Techpresso

Synthszr Take: Mensch verkauft hier sein eigenes Geschäftsmodell, und trotzdem hat er in der Sache recht. Für einen Hidden Champion, dessen ganzer Wert im Domänenwissen steckt, ist die bequeme Anbindung an ein Closed-Modell die gefährlichste Versuchung, die es gibt. Man lagert nicht nur die Ausführung aus, sondern gibt dem Lieferanten Einblick in genau das, was einen unersetzbar macht. Die 84,7 Prozent von Bridgewater sind kein sauberer Beweis (beide Firmen verkaufen ihre eigenen Produkte), aber sie zeigen die Richtung: internes Expertenwissen, das nie im Training der großen Modelle landete, schlägt das Frontier-Modell im engen Fach. Das ist der Rohstoff, den kein Wettbewerber kaufen, sondern nur verdienen kann. Wer seine Daten maschinenlesbar ordnet und die Klarheit über das eigene Warum im Haus behält, entscheidet das jetzt, nicht wenn der Vertrag ausläuft. Die Ausführung darf man einkaufen, die Kontrolle über die Weights nicht.

GitHub Copilot öffnet sich: Kimi K2 ist der erste Open-Weight-Gast

GitHub Copilot bricht mit seiner Regel, nur geschlossene Modelle zuzulassen, und nimmt Kimi K2.7 als erste Open-Weight-Option ins Programm auf. Das Superpowers-Plugin bindet das Modell direkt in strukturierte agentische Abläufe ein, sodass Entwickler Kimi nicht nur zum Codieren, sondern für ganze Aufgabenketten nutzen können. Parallel zeigt AlphaSignal, wie schnell sich der Stack dreht: Sakanas Multi-Agent-Framework knackt 93 Prozent beim Sudoku, wo einzelne Baselines bei 11 Prozent hängen bleiben. Dazu kommt eine Welle an Kostentricks, etwa pxpipe, das die Claude-Code-Rechnung um bis zu 70 Prozent senkt, indem es Kontext als Bild statt als Text schickt. OpenMed liefert on-device 755 Token pro Sekunde für die Schwärzung klinischer Daten, Mistral löst 587 von 672 Putnam-Aufgaben zum Zehntel der Kosten. Und DeepSeek legt R1 als frei verfügbares Reasoning-Modell auf Hugging Face nach. Der rote Faden: Open-Weight rückt ins Zentrum der meistgenutzten Dev-Werkzeuge. → AlphaSignal

Synthszr Take: Als Kimi K2.5 im Januar Agentenschwärme steuerte, war das noch eine Randnotiz für Early Adopter. Jetzt sitzt K2.7 im Copilot, dem Werkzeug, mit dem Millionen Entwickler jeden Tag arbeiten. Das ist der eigentliche Umschlagpunkt, denn Distribution schlägt Benchmark. Ein Open-Weight-Modell im Standard-Toolkit von Microsofts Tochter ist ein Legitimitätssignal, das dem Closed-Model-Lager nicht schmecken kann, weil es die Zahlungsbereitschaft für proprietäre Endpunkte genau dort aushöhlt, wo sie entsteht. Sakanas 93 gegen 11 Prozent zeigen dazu, wohin die Reise geht: viele kleine Agenten schlagen das eine große Gehirn, und kleine Modelle laufen eben lokal und günstig. Wer heute seine Dev-Pipeline plant, kann Kimi in Copilot diese Woche testen und die Kostenkurve gegen ein Closed-Model direkt gegenrechnen. Die Frage ist nicht mehr, ob Open-Weight ankommt, sondern wie schnell die geschlossenen Anbieter ihre Preise anpassen.

SiliconFlow: Chinas „Token-Fabrik“ geht an die Börse, mit Alibaba und Huawei im Rücken

Am 30. Juni hat SiliconFlow (硅基流动) den Antrag für den Börsengang in Hongkong eingereicht, gerade mal 35 Monate nach Gründung. Das Geschäftsmodell: keine eigenen Modelle, keine eigenen Apps, sondern die Mitte. Über die selbst entwickelte Engine SiliconLLM orchestriert die Firma Chips von Nvidia, Huawei Ascend, Biren, MetaX und Moore Threads, lässt darauf DeepSeek, Qwen, Kimi und MiniMax laufen und verkauft das Ganze nach Token an Entwickler und Unternehmen. Der Umsatz 2025 lag bei 55,3 Millionen Yuan (plus 653 Prozent), die Zahl zahlender Kunden schoss von 2.454 auf 716.000 hoch, während der Nettoverlust auf 345 Millionen Yuan anschwoll und die Bruttomarge von 39,4 auf minus 24 Prozent kippte. Bei einer Bewertung von 7,7 Milliarden Yuan entspricht das einem KUV-Multiple von 140, drei- bis viermal so teuer wie die US-Pendants Fireworks AI und Together AI. Die Gesellschafterliste liest sich wie eine Landkarte der Lieferkette: Alibaba, Huawei Hubble, Meituan und SenseTime sind dabei, wobei Alibaba und Huawei zugleich Chip-Lieferanten und über ihre eigenen MaaS-Angebote direkte Wettbewerber sind. Zum Jahresende blieben 172 Millionen Yuan Cash in der Kasse. → Hello China Tech

Synthszr Take: Die Zahl, die alles erklärt, ist nicht das 140er-Multiple, sondern die R&D-Quote von 378 Prozent des Umsatzes. SiliconFlow verbrennt für jeden eingenommenen Yuan zusätzlich 24 Fen, und die Public-Cloud-Sparte, die die ganze Token-Fabrik-Story trägt, fährt eine Bruttomarge von minus 119 Prozent. Das Problem sitzt tiefer als in der Kostenstruktur: Ohne eigenes Modell fehlt die Preishoheit, ohne eigenen Chip fehlt der Kostenhebel, und ohne Cloud-Ökosystem gibt es nichts, womit man die verschenkten Gutscheine (54 Millionen Yuan allein an Gratis-Nutzer) querfinanzieren könnte. Alibaba und Huawei kassieren die Miete für die GPUs und konkurrieren mit dem eigenen MaaS parallel um dieselben Kunden, das gekaufte Wachstum fließt also teils direkt in die Taschen der Wettbewerber. Die Wette lautet: Chinas fragmentierte Chip-Landschaft braucht einen neutralen Zwischen-Layer, und SiliconFlow will diese Position besetzen, bevor Ascend oder Biren ihren eigenen Software-Stack fertig haben. Wie schon Ende Mai bei der Token-Preisschlacht sichtbar wurde, drückt der Open-Source-Preiskampf die Marge dieser Vermittler von oben, während die Chiphersteller den Boden wegziehen können. Wer hier kauft, kauft ein enges Zeitfenster gegen 172 Millionen Yuan Restliquidität, und dieses Fenster schließt sich schneller, als das KUV-Multiple es zugibt.

Metas 'Pocket': Ein Prompt, und das Metaverse kommt durch die Hintertür zurück

Meta hat mit „Pocket“ eine App veröffentlicht, die aus einem einzigen Text-Prompt spielbare, interaktive Mini-Games baut, ganz ohne Coding. Möglich wird das durch das Team hinter „Gizmo“, das Meta Anfang des Jahres übernommen hat: Die erzeugten Gizmos reagieren auf Touch, Neigung des Geräts, Kamera und Umgebung und lassen sich damit später leicht in AR- und VR-Räume verlängern. Der soziale Feed der App funktioniert nach TikTok-Logik, nur dass hier nicht konsumiert, sondern generiert und geremixt wird. Nach dem Scheitern von Horizon Worlds zielt Meta damit klar auf die kurze Aufmerksamkeitsspanne der MZ-Generation und will so einen zweiten Anlauf ins Metaverse nehmen. Der eigentliche Plan ist die Creator-Ökonomie: Erstellen, viral gehen, monetarisieren über virtuelle Items, Sponsorships und bezahlte Remixes, ähnlich dem Modell von Roblox und Fortnite, nur mit GenAI beschleunigt. Und die Daten aus Pocket fließen in die Superintelligence Labs zurück, die damit die nächsten Modelle trainieren. → Trendium.ai

Synthszr Take: Meta hat verstanden, dass das erste Metaverse an der falschen Stelle gescheitert ist. Menschen wollten keine leeren VR-Räume betreten, sie wollten in fünf Sekunden etwas Bequemes tun, das Spaß macht. Willkommen in der Casual Economy: Die knappe Ressource ist die Aufmerksamkeit, nicht das digitale Gut, und ein Prompt-zu-Spiel-Loop trifft genau diesen Nerv. Wer die App diese Woche öffnet, kann in einer Kaffeepause ein spielbares Gizmo bauen, das früher ein Studio und Wochen gekostet hätte. Der Haken steckt in der Architektur: Ihr erschafft frei, doch Traffic, Transaktionsgebühren und vor allem die Trainingsdaten laufen bei Meta zusammen, genau wie beim Manus-Kauf für zwei Milliarden im Dezember. Die realistische Gegenstrategie ist, Pocket als Startrampe zu nutzen und die eigene Marke bewusst plattformübergreifend aufzubauen, statt sich in einem geschlossenen System einzurichten. Der zehnfache Mehrwert liegt nicht im Prompt selbst, sondern im menschlichen Kontext, den kein Modell mitliefert: eine Geschichte, die nur du erzählen kannst.

Design System Debt

Das UX-Collective-Newsletter bringt eine Beobachtung auf den Punkt, die Designer seit Jahren predigen: Ein Design-System ist kein Deliverable, sondern ein Produkt mit eigenem Owner, eigenem Budget und eigener Governance. Der Kern der aktuellen Ausgabe dreht sich um Figma, das diese Schulden jetzt zum Problem aller macht. Früher hat eine einzelne Person die Design System Debt still beglichen, in Dateien, die sonst niemand öffnete. Jetzt zahlt der Engineer, dessen generierte Komponente falsch rauskommt, der PM, dessen Timeline beim kaputten Handoff reißt, und der Marketer, dessen Banner off-brand landen. Daneben liefert die Ausgabe ein anwendbares Framework mit 39 Prinzipien für Human-AI-Interaction und einen vielbeachteten Text zur Neubewertung von Software-Engineering-Arbeit, in dem implementierungslastige Generalisten als die großen Verlierer benannt werden. → The UX Collective Newsletter

Synthszr Take: Der eigentliche Vorgang hier ist eine Umverteilung von Kosten, und die trifft plötzlich die Leute mit dem Budget. Das Argument war immer richtig und wurde fast immer verloren, weil die, die das Geld hielten, das Versagen nie am eigenen Leib spürten. Jetzt spüren sie es. Wenn KI Komponenten in Minuten generiert, dann multipliziert ein schlechtes Design-System die Fehler im Zeitraffer, statt sie zu bremsen. Das ist die Experience-Debt-Mechanik in Reinform: Die Produktionskosten sinken, die Wartungskosten bleiben, und die Rechnung wandert vom Designer-Eck in die halbe Organisation. Wer das Design-System weiter als Nebensache behandelt, kauft sich eine Fehlerquelle ein, die mit jedem generierten Baustein teurer wird. Das Design-System diese Woche zu finanzieren und ihm einen echten Owner zu geben, ist die günstigste Investition, die gerade auf dem Tisch liegt.

Claude portiert in Stunden „Command & Conquer“ fürs iPhone

Ammaar Reshi, Lead Product and Design bei Google AI Studio, hat den 2003er-Echtzeitstrategie-Titel „Command & Conquer: Generals Zero Hour“ auf iPhone und iPad portiert. Das Spiel läuft nativ auf ARM64, ganz ohne Emulator, inklusive Kampagne, Skirmish und der „Generals Challenge“ mit Touch-Steuerung. Die Grafik-Pipeline übersetzt über mehrere Zwischenschritte DirectX 8 auf Apples Metal-API. Reshi nutzte dafür Anthropics Claude Code mit Fable 5, der erste Build stand nach rund 40 Minuten, danach folgten „ein paar Stunden“ Debugging. In zwei Tagen verbrauchte er seine komplette Claude-Max-Quota. Den vollständigen Quellcode hat er als Open Source auf GitHub veröffentlicht (Assets muss man selbst mitbringen, die gibt's für etwa 5 Dollar auf Steam). Bemerkenswert: Reshi arbeitet bei Google und greift trotzdem zum Werkzeug der Konkurrenz, mit dem Kommentar, man könne den AI-Space lieben und die Konkurrenz respektieren und trotzdem fokussiert das beste Produkt bauen. → Techpresso

Synthszr Take: 40 Minuten bis zum ersten Build für eine Portierung, die früher ein kleines Team über Wochen beschäftigt hätte. Genau das ist der Punkt, den man in der ganzen LLM-Wars-Debatte um Modell-Benchmarks gern übersieht: Der eigentliche Hebel liegt nicht im nächsten Punkt auf der LiveBench-Tabelle, sondern darin, was eine einzelne Person an einem Wochenende umsetzen kann. Dass ein Google-Mann für die Aufgabe Claude greift, sagt mehr über den Markt aus als jede Pressemitteilung. Werkzeugloyalität ist tot, es zählt, was den Job erledigt. Und die verbrauchte Max-Quota in zwei Tagen zeigt die Kehrseite ganz nüchtern: Diese Velocity kostet Compute, und wer sie ernsthaft nutzt, braucht Compute-Disziplin statt Bauchgefühl beim Budget. Wer diese Woche eine hängengebliebene Legacy-Portierung in der Schublade hat, sollte sie einfach mal gegen ein Coding-Agenten-Setup werfen, bevor er ein Ticket ins Backlog schiebt.

Wenn Claude über sich selbst nachdenkt: Anthropic entdeckt „J-lens“

Anthropic hat eine 16-köpfige Studie mit dem Titel „Verbalizable Representations Form a Global Workspace in Language Models“ veröffentlicht, die eine überraschende Struktur in Claude beschreibt. Die Forscher haben mit einer neuen mathematischen Technik, dem Jacobian Lens (kurz J-lens), in das neuronale Netz geschaut und einen sogenannten „J-space“ gefunden: eine kleine, privilegierte Zone, in der das Modell Konzepte hält, über die es berichten und mit denen es nachdenken kann, umgeben von einem viel größeren Ozean automatischer Verarbeitung. Das Ganze spiegelt die Global Workspace Theory des Kognitionswissenschaftlers Bernard Baars, nach der das Gehirn wie ein Theater arbeitet, in dem nur ein winziger Scheinwerferkegel bewusst wird. Claudes Verarbeitung teilt sich dabei in drei Regime: eine frühe „sensorische“ Zone, ein mittleres „Workspace“-Band mit abstrakten Konzepten und eine finale „motorische“ Zone für das ausgegebene Wort. In fünf Tests zeigen die Forscher, dass dieser Raum menschlichen Merkmalen bewussten Zugriffs ähnelt: Tauscht man den internen Vektor „spider“ gegen „ant“, ändert sich die Antwort auf die Zahl der Beine von 8 auf 6; ersetzt man „France“ durch „China“, liefern alle nachgelagerten Schaltkreise korrekt Pekings Daten. Bemerkenswert: Der J-space macht nur rund 6 bis 7 Prozent der Repräsentationsvarianz aus, ist aber fast allein dafür verantwortlich, ob das Modell über ein Konzept berichten kann. Und er wurde nicht gebaut, er ist im Training von allein entstanden. → venturebeat.com

Synthszr Take: Der spannendste Teil steht in der praktischen Fußnote, nicht in der Bewusstseins-Debatte. Anthropic sagt, das J-lens verändere bereits, wie sie ihre Systeme auf Sicherheitsrisiken überwachen, und im „Workspace“-Band flaggt das Modell intern Prompt Injections, bevor sie sichtbar werden. Das ist ein Werkzeug, das den unsichtbaren Zwischenschritt lesbar macht: Claude denkt „Mars“, bevor es den vierten Planeten benennt, und du kannst das jetzt beobachten. Wer Agenten in Produktion betreibt, hat damit einen Hebel, der über das übliche Chain-of-Thought-Protokoll hinausgeht, weil er die stillen internen Aktivierungen zeigt statt nur den ausgeschriebenen Scratchpad. Ob hier „Bewusstsein“ entsteht, ist die falsche Frage für den Betrieb; die richtige lautet, ob sich diese 6 bis 7 Prozent zuverlässig auslesen und manipulieren lassen, ohne dass das Modell es merkt. Die Antwort scheint ja zu sein, und genau das macht Interpretierbarkeit vom akademischen Nice-to-have zum Baustein der Guardrails. Bin gespannt, wie schnell das von Forschungsartefakt zum Standard-Monitoring wird, denn wer die stille Werkbank seines Modells auslesen kann, hat einen echten Vorsprung bei der Frage, ob man dem Ding trauen darf.