All gode Dinger sünd dree: Mythos 5, Fable 5 un Sonnet 5 sünd vun vundaag an to hebben

Washington gifft Claude Mythos 5 un Fable 5 wedder free

Dat US-Hannelsministerium hett an'n 30. Juni 2026 all Exportbeschränkungen för Anthropic sien KI-Modellen ophoven. In en Breef an dat Ünnernehmen hett Hannelsminister Howard Lutnick mitdeelt, dat för Claude Mythos 5 un Claude Fable 5 keen Lizenz mehr för Exporte oder Transfers in't Inland nödig is, womit de Anordnung vun'n 12. Juni kassiert warrt. Oorsprünglich harr de Behörde Anthropic ünner Verweis op de natschonale Sekerheit dwungen, den Togang to sien Top-Modellen för all Utlänners to sperren. Beid Modellen sünd besünners stark dorin, Sekerheitslücken in Software optospören, un gellt as en düütlichen Sprung gegenöver de Vörgängers. Anthropic hett toseggt, Risiken proaktiv to kennen, mit de Regerung an Protokollen to arbeiden un böösartige Aktivitäten to mellen. Dat weer de tweete Togreep vun de Trump-Regerung op dat Ünnernehmen: In'n März harr dat Pentagon Anthropic as untragbor Leverkettenrisiko instuft, wogegen de Firma klaagt. Parallel drängt de Regerung nu ok OpenAI (GPT-5.6 Sol) un Meta in datsülvige freewillige Review-Regime. → www.nytimes.com

Synthszr Take: Achteihn Daag vun de Sperr to de Freegaav – dat is de egentliche Naricht. In'n April hebbt wi noch vun de „AI Avengers“ schreven, de sik gegen Noordkorea un China verbünnen, un Mythos weer dat Vörwiesmodell, dat Swacksteden blitsfix finnt. Jüst disse Fähigkeit maakt dat to'n Politikum: En Modell, dat 80,9 Perzent op SWE-bench haalt un Sekerheitslücken in Minuten sichtbor maakt, is togliek en Mööglichmaker un en Kontrollobjekt. Wat hier entsteiht, is en faktische Genehmigungsplicht för Frontier-Modellen, verpackt as freewillige Kooperatschoon, un Meta is de letzte grote Anbeder, de sik noch ströövt. De Guardrails, de Anthropic toseggt (proaktive Risikokennen, Mellplichten, gemeensame Standards), sünd in'n Karn desülvige Enterprise-Governance, de al lang in jede Compliance-Afdeelung löppt, blots nu op Staatsebene. De Satz „reserves the right to re-evaluate“ heet in Klortex: De Togang to de besten Modellen warrt to'n Verhannelnsgegenstand, to jeder Tiet wedderroopbor. Wokeen in Europa op US-KI buut, schull disse Week in'n Klenner indragen un den Decoupling-Gedanken vun April eernster nehmen.

Anthropic gifft Claude Sonnet 5 rut

Anthropic hett an'n 30. Juni 2026 Claude Sonnet 5 rutgeven, dat bether agentischste Middelklass-Modell vun't Huus. Dat kummt bi vele Opgaven nah an dat Flaggschipp Opus 4.8 ran, kost aver weniger as de Hälft. De Instiegspries liggt bi 2 Dollar pro Million Input-Token un 10 Dollar för Output, gellt bet to'n 31. August 2026, dorna 3 un 15 Dollar. Opus 4.8 kost to'n Vergliek 5 un 25 Dollar. In'n agentischen Coding-Benchmark reckt Sonnet 5 luut Anthropic 63,2 Perzent gegen 69,2 Perzent bi Opus un 58,1 Perzent bi'n Vörgänger Sonnet 4.6, dorto gifft dat en „Effort“-Regler, de Kosten gegen Nauigkeit tuuscht. Dat Modell kann Plään maken, Browser un Terminals stüern un över lange Streken autonom arbeiden. En Haken stickt in't Lüttdruckte: En ne'en Tokenizer kann densülvigen Text op bet to dat 1,35-Fache an Token afbillen, woso de Wessel ünner'n Streek ungefähr kostenneutral blifft. → thenextweb.com

Synthszr Take: De egentliche Hevel vun disse Ankünnigung is nich de Benchmark-Reeg, man de Prieskurv. Agenten loopt in Slöfen, roopt Tools op un verbrennt Tokens in'n Sekunnentakt, un jüst dor sünd vele Ünnernehmen in't letzte Halfjohr vun't Deployment trüchschreckt, as de Reken kemen. Wokeen de Fähigkeit hett, de Prieskurv rünnertodrücken, lööst keen Qualitätsprobleem, man en Rekenprobleem, un dat is graad dat dürere vun de beiden. Klassisch Jevons-Paradoxon: Fallt de Pries pro Agenten-Loop, stiggt de Tall vun de Lööp, un Anthropic binnt dormit Entwicklers deper in dat egene Ökosystem in, kort vör den plaanten Börsengang, wo Umsatzwassdom un Entwickler-Reckwied beid tellt. Pass op bi den Tokenizer-Trick: De Schaufinsterpries süht leeg ut, de Token-Tall kladdert lies mit, also höört de reale Pries pro afhandelte Opgaav meten, nich de pro Million Token. För de mehrsten Teams is de Fraag al lang nich mehr, of dat Modell klook noog is, man of dat billig noog löppt, üm dat den ganzen Dag arbeiden to laten. Wokeen vundaag en Coding-Stack opstellt, kombineert Sonnet 5 för den Duurbedriev mit Opus för de harten Fäll un lett den Effort-Regler den Rest regeln.

Amazon maakt den Palantir-Move un investeert 1 Milliarde in egene Implementierungstruppen

Amazon Web Services hett an'n Dingsdag en ne'e interne Organisatschoon för KI-fokussierte Forward-Deployed Engineers start. Disse Ingenieurs sett sik direkt in de Kunnenünnernehmen, buut dor maßsniederte Agenten un schöölt de Firmen anslutend egenstännig wiederarbeiden laten. Francesca Vasquez, AWS-VP för Frontier AI, versprickt, dat Kunnen na de Insätz nich blots lopende agentische Systemen in jemehr egene AWS-Ümgebung hebbt, man ok blievende KI-Skills, Workflows un Muster. Amazon stellt dorför ene Milliarde Dollar praat, aver ut interne Ressourcen, nich as Joint Venture oder klassisch Investment. Dat FDE-Modell wörr vun Palantir prägt: En Ingenieur vun'n Opdragnehmer arbeidt tietwies bi'n Kunnen, veel Technik lett sik twischen de Insätz wedderverwennen. OpenAI un Anthropic hebbt in de letzten Maanden egene FDE-Vehikel opstellt, beweert mit 4 Milliarden un 1,5 Milliarden Dollar, je an de Siet vun Private-Equity-Firmen. De gröttste Nadeel vun dat Modell blifft de Personalopwand: Man mutt en ganz Korps an Ingenieurs praat hollen. → TechCrunch

Synthszr Take: De Milliarde is en Pressverkloren, keen Scheck; dat sünd interne AWS-Ressourcen, also in'n Karn en Ümwidmung vun Personal. Intressant is dat Muster dorachter. AWS bedrifft hier dat Palantir-Playbook: egene Engineers in de Aflööp inbedden, de Infrastruktur op den egenen Stack opbuen, un al entsteiht en Binnen, de keen lateren Toolwessel mehr lööst. Op den Build-Layer, also Modellen, Agenten, Pipelines, is de Fähigkeit sülvst uttuuschbor; nich to ersetten is blots de Anbeder, de ehr deep in de egene Cloud verdraht. Dat egentliche Probleem vun de Kunnen liggt aver annerwegens, op de Ebene, de keen extern Team lösen kann: Wokeen dröff op de Antwoort vun den Agenten hen hanneln, wokeen tekent gegen, wokeen haft, wenn he dorneven liggt? AWS levert dat fardige Tool, de organisatschoonsspezifische Verfaten mutt de Firma sülvst nee schrieven, un jüst dor blievt de mehrsten Piloten in't Innovatschoonslabor hangen. Wokeen de FDE-Trupp bookt, schull dat nüchtern behanneln: as Besleuniger op den Build-Layer un as bewusste Wett op mehr AWS-Binnen, nich as Afkörten dör de Fragen, de blots intern to beantwoord sünd.

Amazon kopiert anscheinend Claude, üm Token-Kosten to sporen

Luut en Bericht vun The Information buut en poor Amazon-Ingenieurs al lüttere, günstigere Modellen, indem se Anthropic sien Claude-Modellen destilleert, also en lütteret Modell ut de Outputs vun dat grote lehrn laat. Amazon hett dorför bestimmte Bruukrechten, liek as Apple bi'n Togreep op Google Gemini. Utlöser is de nee verhannelte Partnerschap: Vun dat tokamen Johr an betahlt Amazon nich mehr na Compute-Stünnen, man na verarbeit'te Tokens, wat de Kosten düütlich hoochdrieven kunn. En Amazon-Spreker weddersprickt un seggt, de utwiete Partnerschap höögt de Kosten nich; Anthropic verwist op günstige Priesen in't Verhältnis to de Leistung. Parallel pröövt Amazon Alternativen as OpenAI un de egenen Nova-Modellen. De Konzern hett dit Johr bet to 25 Milliarden Dollar tosätzlich in Anthropic steken un bet to 50 Milliarden in OpenAI. Op Amazon sien Bedrock-Plattform gifft dat woll en Destillatschoons-Service, Claude is dor aver nich to kriegen, blots Nova un Meta sien Llama. → MyClaw Newsletter

Synthszr Take: De spannendste Satz in'n Bericht is de över de Token-Afreken. Solang Amazon na Compute-Stünnen betahlt hett, weer de Reken utrekenbor; sobald jedet Token kost, warrt ut den Investor en Kunn, de op de Klock kiekt. Un wat maakt en Kunn, de 25 Milliarden in en Leverant steken hett un liekers an de Kostenschruuv switt? He buut sik en günstigere Kopie un lett de Rechten ut den egenen Deal för sik arbeiden. Jüst hier wiest sik, worüm Compute-Disziplin op Use-Case-Ebene keen Footnoot is, man de egentliche Karnfraag: Wokeen sien Token-Kosten pro Anwennensfall kennt, entscheedt ratschonal över Destillatschoon, Modell-Tuusch oder Open-Source-Backup. In'n Mai weer Anthropic noch de fierte ne'e Nummer een mit Rekordbeweertung, nu destilleert de gröttste Geldgever de egenen Modellen weg. Wokeen sik op en enkelten Modell-Vendor verlätt, köfft sik en Lock-in-Risiko, dat sik mit en tweete Bezugsquell un en Open-Source-Fallback för en Brokdeel afsekern lett.

DeepSeek maakt Inference bet to 85% gauer

DeepSeek hett an't Wekenenn DSpark rutgeven, en System ünner MIT-Lizenz, dat grote Spraakmodellen düütlich gauer antwoorden lett, ahn de Utgaav vun't Modell to ännern. Technisch stickt dorachter speculative decoding: En licht Draft-Modul raadt de nächsten Token vörut, dat grote Modell pröövt de Vörslääg parallel un springt bi gode Treffers mehr Stappen op eenmal wieder. In de Produktschoonstests mellt DeepSeek pro Bruker 60 bet 85% mehr Genererenssnelheid för dat slanke V4-Flash (284 Mrd. Parameter, 13 Mrd. aktiv) un 57 bet 78% för dat grote V4-Pro (1,6 Billionen Parameter, 49 Mrd. aktiv), beid mit ene Million Token Context. Ünner sehr harte Snelheidstelen kladdert de Dörsatz-Tallen sogar op 661% un 406%, wiel de ole Baseline-Ansaatz dor in en Bedrievsklipp löppt. Mit levert worrn sünd Paper, Model-Checkpoints un DeepSpec, en Codebase to'n Traineren vun egene Draft-Modulen. Entscheidend: DSpark funkschoneert nich blots mit DeepSeek-Modellen, man ok mit Alibaba sien Qwen un Google sien Gemma, wenn man de Weights un den Serving-Stack sülvst kontrolleert. De Release kummt, wiel Washington de Modellen vun Anthropic un OpenAI wieder inheegt. → VentureBeat

Synthszr Take: De dürste Posten in'n KI-Bedriev is nich dat Training, dat is de Inference in'n Duurloop. Jüst dor sett DSpark an, un DeepSeek verschenkt de Methood ünner MIT-Lizenz an all, de Open-Weight-Modellen sülvst hosten. Dat is de egentliche Hevel: Wokeen Qwen oder Gemma op egene Infrastruktur föhrt, kann sik en DSpark-Draft-Modul antraineren un haalt sik en Effizienzsprung, för den he sünst ne'e Hardware köpen müss. Jevons lett gröten. Billigere Token bedüüdt nich weniger Verbruuk, man mehr agentische Workflows, de vörher unweertschopplich weern. Wiel de US-Regerung de proprietären Anbeders inheegt, maakt en chineesch Lab de Ökonomie vun de apenen Modellen Stück för Stück attraktiver, un dat is de Bewegen, de Compute-Disziplin un Souveränitätsdebatten in jeden Enterprise-Stack wirklich verschufft. Wokeen noch överleggt, of Open-Weight-Modellen Production-grade sünd, finnt hier de nächste Antwoort: De Reken warrt vun Maand to Maand eenfacher.

Anthropic plaant, Claude direkt in Microsoft Teams to integreren

Anthropic plaant luut The Information, Claude as Agent direkt in Microsoft Teams to integreren, nadem letzte Week al de Partnerschap mit Salesforce Claude in Slack bröcht hett. Dat Kuriose: Beid Konzernen verkööpt egene Agenten (Copilot bi Microsoft, Slackbot un Agentforce bi Salesforce), laat aver frömde Agenten in jemehr Messaging-Apps to – un dat kostenlos. Weder Perplexity noch Viktor betahlt Salesforce wat för't Hosting op Slack, un Microsoft sien App-Store-Regeln griept blots, wenn över Drittanbeders tatsächlich Geld flütt. Teams hett en Veelfaches vun de Slack-Brukers, un Claude würr dor frontal gegen Copilot antreden, den zentralen Umsatzdriever vun Microsoft. Bi Salesforce sorgt de Schritt intern för Unroh, Rippling-CEO Parker Conrad nööm de Apenmaken apentlich „crazy“. En annern Software-CEO vergliek de Dynamik mit den Facebook-„Like“-Button, de Publishern kortfristig Relevanz bröch un Facebook langfristig dat ganze Web karteer. Dat poolsche Startup Viktor mell na den Claude-Dag-Start sien „beste Week vun all Tieden“ mit över 400 ne'e Kunnen. → Applied AI

Synthszr Take: De Like-Button-Vergliek dröppt in't Swarte, aver de egentliche Fraag is en annere. Microsoft un Salesforce laat den Voss in den Höhnerstall, wiel se weet, dat Kunnen den besten Agenten wüllt un nich den huusegenen. Jüst dor liggt de Fall för jeden, de nu sien Domänen-Logik op Copilot Studio oder Agentforce buut: Dat Lock-in is hooch, dat Pricing volatil, un de „Agent-Tax“ pro Conversation kann över Nacht kippen. Siet Februar löppt hier dat Apple-Playbook vun Anthropic, un de Distributschoon över Teams mit sien Millionen Brukers is de nächste Bosteen, den man nich mit Modellqualität alleen kriggt, man dör frömde Plattformen schenkt kriggt. De vernünftige Antwoort för Ünnernehmen blifft desülvige: Plattform na de dominante Toollandschap wählen, aver de kritische Multi-System-Orchestrierung buten hollen, dormit man morgen den Agenten tuuschen kann, ahn den ganzen Stack ümtobuen. Wokeen dat nu suver trennt, spoort sik in achteihn Maanden den Ümbo, wenn de nächste Anbeder dat betere Reasoning levert. De Doorwachters maakt de Dören sülvst apen, un wokeen klook is, binnt sik nich an de Döör, man an den egenen Prozess.

China buut en Trillionen-Modell kumplett op egene Chips

Meituan, in China vör allen för Etenleverungen bekannt, hett an'n Dingsdag LongCat-2.0 vörstellt: en groot Spraakmodell mit 1,6 Billionen Parametern un en Kontextfinster vun ene Million Token. De egentliche Knaller is de Hardware. Luut Meituan wörr dat Modell as eerst vun sien Grött kumplett op en heimischen Rekencluster mit 50.000 Chips traineert un utlevert, also dörgahns ahn Nvidia. Dat Pre-Training gellt as de rekenintensive Deel, bi den de verbodenen US-Chips bether den Ünnerscheed maken deen. De Leistung schall mit Google sien in'n Februar rutgeven Gemini 3.1 Pro to verglieken ween, un de Weights sünd Open Source, also för jeden napröövbor. De Ansaag teelt direkt op Washington sien Exportkontrollen, de jüst dissen Schritt verhinnern schullen. Nawiesbor warrt dat nu vun de Open-Source-Community, de Benchmarks un Behauptungen gegen reale Resultaten testen kann. → Techpresso

Synthszr Take: En Leverdeenst buut en Frontier-Modell op 50.000 egene Chips, un op eenmal steiht de Karnfraag vun de US-Chippolitik in'n Ruum. Jüst dat schullen de Exportkontrollen ja verhinnern: den Bewies, dat China Pre-Training ahn amerikaansche Silicon-Hardware henkriggt. Wenn de Angaav steiht (un dat is de grote Wenn-Klausel, denn dat Trainings-Setup kann vun buten nümms direkt pröven), denn verlüttjert jeder so'n Mielensteen den Vörsprung, den de Restrikschonen egentlich vergröttern schullen. Dat Meituan Open Source geiht, is de klook Tog: Weights verdelen, Adoption ünner Entwicklers seien, Vertruen in dat egene Silicon signaliseren. För en Ünnernehmen mit Routing, Nafraagprognoos un Kunnenservice as Karngeschäft is billige, geopolitisch afsekerte Rekenleistung keen Prestigeprojekt, man en Kostenreken. Wi hebbt in'n Mai över dat grote Kopier-Karussell schreven, in dat jeder vun jeden afkickt. Hier löppt datsülvige Muster op de Hardware-Ebene, un Washington sien wirksamsten Hevel verleert graad an Greep.

Meta leest ganze Sätz direkt ut dat Bregen

Meta hett Version 2 vun Brain2Qwerty vörstellt, en nich-invasiv Verfohren, dat Bregensignalen bi't Tippen mitleest un dorut ganze Wöör mit Bedüden rekonstrueert. Wiel v1 noch Bookstaav för Bookstaav bookstaveer, arbeidt v2 mit twee Modellen: een leest de Rohsignalen, dat tweete ergänzt den Sinn. Negen Freewillige seten je teihn Stünnen in'n Scanner un produzeern meist 22.000 Sätz an Trainingsdaten. De dörsnittliche Woort-Nauigkeit liggt bi 61 %, de beste Testperson reck 78 %. To'n Vergliek: de besten nich-invasiven Konkurrenzverfohren kemen bether op Spitzenweerten üm 8 %. Meta gifft Code un Datensatz vun v1 un v2 apen rut un seggt, de Afstand to chirurgsche Implantaten lett sik alleen dör mehr Daten wieder verlüttjern. → The Rundown AI

Synthszr Take: De egentliche Hevel stickt nich in de 61 %, man in den Satz to de Datenmengen. Wenn Nauigkeit mit Daten skaleert un de eenzige Barriere to'n chirurgschen Niveau schlicht mehr Scanner-Stünnen sünd, denn is dat en lösbor Probleem un keen Grundlaagfraag mehr. Meta maakt hier densülvigen Tog as dormals bi Llama: Code un Datensatz apenleggen, dat Feld för all apenmaken, de Kurv gemeensam na baven drieven. Dat kost Meta wenig un besleunigt en Technologie, bi de Minschen ahn Spraakfähigkeit wedder kommunizeren künnen, ahn dat jem een den Schädel apenmaken mutt. De Datenschutz-Deel warrt brutal (en Konzern, de Gedanken in Text översett, is en annere Kategorie as een, de Klicks trackt), un doröver schull man nu snacken, nich eerst wenn de Nauigkeit bi 95 % liggt. Aver de Richt is kloor: Wat 2016 in en Operatschoonssaal-Kabel höör, wannert in Richt Alldagsgerät. Wokeen dat för Science-Fiction höllt, schull sik doran erinnern, wo gau ut ChatGPT en Warktüüg för 100 Millionen Minschen wörr.

Hett KI de afrekenbore Stünn dootmaakt?

De ole Deal in professionelle Deenstleistungen weer eenfach: klook Köpp verbringt Stünnen mit swore Problemen un stellt disse Stünnen in Reken. Luut Wall Street Journal versöökt Beraadfirmen nu, vun de Stünnenafreken wegtokamen, wiel KI vele Arbeiden gauer un billiger maakt un sik dormit slechter na oolt Muster meten lett. Deloitte hett sien Beraders intern en Grafik wiest, wona klassisch arbeidstietbaseert Consulting bet 2035 as Marktandeel düütlich schrumpen kunn. McKinsey seggt, dat al över 30 % vun de weltwieden Honorare an Kunnenresultaten koppelt sünd, un Business Insider berichtet, dat Kunnen tonehmend „Skin in the Game“ verlangt. Test warrt Fixpriesen för defineerte Projekten as ok resultatbaseerte Modellen, bi de de Betahlen vun afmaakte Resultaten afhangt. En dragfähig Outcome-Modell bruukt luut WSJ veer Bosteen: en stabilen Sockel, en kloor Teel, Qualitäts-Leitplanken un deelte Innahmen. Parallel mellt Ford, dat de egene Rechtsafdeelung KI gauer adapteert as vele externe Kanzleen. → The Neuron

Synthszr Take: De billable hour bestraaft gaue Arbeit, dat is ehr inbuut Konstrukschoonsfehler. Wokeen effizient is, senkt den egenen Umsatz, also lohnt sik de Traagheit. Jüst dat maakt KI nu sichtbor: Wenn en Team en 40-Stünnen-Projekt in 10 Stünnen afhandelt, fraagt de Kunn irgendwann to Recht, woför he de 40 betahlt. De Haken an't Outcome-Pricing is aver, dat Beraders de an'n lichtsten meetboren Resultaten jaagt, un dat is mehrsttiets Kostensenken dör Personalafbo. Dormit warrt KI-Beraad to'n Besleuniger för KI-Entlaten, verpackt as en suver Spreadsheet mit Insporen. De ehrliche Antwoort is en Sockel för Verlaat plus Opslag blots bi belegte Qualitätsverbeterung, sünst optimeert dat Modell den verkehrten Weert. Wokeen vundaag noch Tiet as Neegweert för Weert verkööpt, riedt en dood Peerd; de Fraag is tokünftig nich, in welk Afdeelung du sittst, man of du utdenken, utlevern, oprüümen, wassen laten oder bedrieven kannst.