Anbeders sünd haftbor för KI-Antwoorden

Landgericht München: Google is haftbor för AI Overviews

Dat Landgericht München hett mit en vörlöpige Verfögen beslaten, dat Google för falsche Utsagen vun sien AI Overviews direkt haftbor is. De KI-Tosamenfatungen harrn twee Münchner Verlagen free utdacht mit Abo-Fallen, Bedrog un „twievelhafte Geschäftspraktiken“ in Verbinnen bröcht, ahn dat dat in de verlinkten Borns stünn. Dat Gericht oordeelt, dat disse Texten Google sien „egene Utsagen“ sünd, wiel dat System „egenstännige, ne’e un wesentliche Statements“ in Google sien egen Wöör produzeert. Dormit fallt de ole Söökmaschinen-Bonus weg, de blots op frömde Sieden henwiest un dorüm blots begrenzt haftbor is. Google sien Verdedigen, dat Brukers ja de Borns sülvst pröven kunnen, hett dat Gericht afwiest: En Analyse wiest, dat blots 1 Perzent vun de Brukers överhaupt op en Born klickt. En NYT-Utweertung hett rutfunnen, dat de Overviews, de op Gemini 3 baseert, to 91 Perzent korrekt sünd, aver över de Hälft vun de richtigen Antwoorden gor nich dör de ziteerten Borns deckt weer. Google driggt 80 Perzent vun de Kosten un kann in Beropen gahn. → Techpresso

Synthszr Take: De Richter hett verstahn, wat Google sien Afkaten nich togeven wüllt. En klassische Söök wiest frömde Links un is nich haftbor för jemehr Inholt. En AI Overview produzeert sülvst Text, un dormit warrt Google to'n Schriever, nich to'n Vermiddler. Dat is de ganze juristische Kniff: Wecker schrifft, is haftbor, un en LLM, dat Borns to ne'e Utsagen verweevt, schrifft eben. Google sülvst gifft to, dat de Overviews „af un to“ verkehrt sünd, wat bi Milliarden Anfragen an'n Dag to en smucke Tall an utdachte Bedrogsvörwörp föhrt. Enn Mai harrn wi hier al över den DuckDuckGo-Boom schreven, 30 Perzent mehr Downloads ut Unmoot över de KI-Söök, un dit Oordeel is de juristische Verlängern vun datsülvige Vertrauensproblem. Wecker en Antwoordmaschien boot, övernimmt de Verantwoorden för de Antwoorden, un genau dat lett sik nich mehr an de Bornsiet wiedergeven.

Anthropic fodert gesettlichen Noot-Utschalter för KI

Anthropic hett en Regulierungsvörslag publiek maakt, de Regeren de rechtliche Befögnis geven schall, gefährliche KI-Modellen to blockeren oder jemehr Insatz to verhinnern. De Begrünnen kummt mit konkrete Tallen: Vör en poor Johr kunnen Modellen kuum Code schrieven, dit Johr hett Claude Mythos Preview dusende hoochkritische Swacksteden in elk groot Bedriefssystem un Browser funnen. De Regeln schöölt blots för Modellen gellen, de mit mehr as 10²⁵ FLOPs traineert warrt un vun Firmen mit över 500 Mio. Dollar KI-Umsatz oder mehr as 1 Mrd. Dollar KI-Forschungsutgaven entwickelt warrt. Anspraken warrt veer Katastrophenrisiken: Biowapen, Cyberangrepen op kritische Infrastruktur, Kontrollverlust un automatiseerte KI-Forschung, de all dree stärker warrt. Anthropic verlangt Transparenz, unafhängige Evaluierung, harte Sekerheitsprogrammen un zivilrechtliche Strafen, de an den globalen Johresumsatz hangen un bi Wedderhalen eskaleert. En landswiete US-Regelung schall de Bundsstaten blots denn verdrängen, wenn se tominnst so streng is as de jeweilige Bundsstaatsvörslag. De tweete Deel vun dat Framework sett op sellschoppliche Wedderstandskraft: Gen-Synthese-Screening, Biosurveillance, Härten vun de Internetsoftware as ok den Uttuusch vun Legacy-Systemen in kritische Infrastruktur. → www.anthropic.com

Synthszr Take: Amodei sien Essay leest sik klook un is dat deelwies ok, aver de Geschäftslogik dorachter is dörsichtig. Wecker en Lizenzregime för Frontier-Modellen fodert, boot sik en regulatorischen Borggraven, in den blots de gröttsten Anbeders överleevt. Dat Timing is ungeschickt: Genau in de Week, in de Mythos sülvst Code-Reviews un Life-Science-Fragen blockeert, klingt „Sekerheit“ för vele Entwicklers na en Produkt, dat man eenfach nich mehr bruken kann. Willccbb seggt apen, dat Mythos dat eerste öffentlich verfügbare Modell is, dat he för sien Arbeit an apen Modellforschung explizit nich bruken dröff. Dormit koppelt Anthropic Capability- un Alignment-Forschung an de egene Kontroll, un genau dat drifft Kunden to Opus oder glieks to Google trüch, de ehr DiffusionGemma disse Week ünner Apache 2.0 mit över 1000 Token pro Sekunn rutkeem. En Regulierung, de blots den Marktföhrer schuult, is keen Leitplank, man en Mautstell. Vertruen entsteiht dör en funktschoneren Modell, nich dör en Policy-Papier, dat den Wettbewarf utdünnt.

OpenAI rekent mit Prieskamp gegen Anthropic

OpenAI överleggt, de Priesen för Token düütlich to senken, also för de Afrekeneenheit, mit de KI-Firmen jemehr Produkten in Reken stellt. Luut WSJ-Borns passeert dat in Verwachten vun ähnliche Schreed bi Anthropic. CEO Sam Altman nööm de Kosten körtlich „en riesig Problem“ un versprook, Kunden „mehr Weert för weniger Utgaven“ to beden. Beid Firmen verleert al Milliarden wegen de enormen Compute-Kosten, drastische Senkungen wöörn de Margen wieder uthöhlen. Anthropic sien Umsatz scheet na den viralen Spood vun Claude Code in de Hööchd un överhool to'n eersten Mal OpenAI sien Beweertung. Bi Uber is dat Agenten-Budget för 2026 al utreizt, in Silicon Valley striedt man nu över „Tokenmaxxing“, also den Verbruuk vun mööglichst vele Token ahn klaren Return. OpenAI hett disse Week vertruulich en IPO inreikt, Altman plaant den Börsengang „binnen dat nächste Johr“. → www.wsj.com

Synthszr Take: De wunne Punkt steiht in den Artikel sülvst, meist nevenbi: de Uttuuschborkeit vun de Produkten. Wenn en Kunn Codex un Claude Code mit twee Klicks tuuschen kann, denn gifft dat keen Borggraven, man blots en Prieszedel. Genau dat maakt Zuckerberg siet twee Johr mit Llama vör, he commodifizeert dat Modell un lett de Innahmenströöm vun de annern versiegen. Nu commodifizeert sik OpenAI un Anthropic gegensiedig, freewillig, kort vör den Börsengang. Midde Mai överhool Anthropic noch bi de Enterprise-Kunden, Anfang Juni bi de Beweertung mit 965 Milliarden, un nu diskuteert beid, de Marge, de disse Tallen drägen schall, weg to senken. Dat „Tokenmaxxing“-Togeständnis vun Uber is dorbi dat ehrlichste Signal: Ünnernehmen markt, dat veel Verbruuk nich veel Weert bedüüt, un treckt de Budgets tosamen. Wecker hier en IPO platzeren will, verköfft Investoren en Wachstumsstory, ehr Drievstoff he jüst sülvst billiger maakt.

Microsoft sperrt Claude Mythos intern

Anthropic hett güstern Claude Mythos 5 publiek maakt, dat eerste Modell vun de ne'e Mythos-Klass, un Microsoft hett dat sien egen Mitarbeiders direkt wedder wegnahmen. Wieldes Kunden vun GitHub Copilot un Foundry dat Modell foorts kregen, dükert Mythos 5 in de interne Modellutwahl vun de Microsoft-Belegschop nich op. De Grund liggt in Anthropic sien ne'e Anfodderungen to'n Datenspiekern: Mythos 5 bruukt Datenretention, üm de ne'en Safety-Classifier to bedrieven, Anthropic behöllt also Prompts un Outputs un löscht se eerst na 30 Daag. Bi Verstöten gegen de Brukerrichtlinien köönt enkelte Prompts sogor bit to twee Johr spiekert warrn. All annern Claude-Modellen blievt intern verfügbar, wiel se ünner Zero Data Retention loopt. Microsoft sien Rechtsafdelen pröövt nu, of dat Modell för vertruuliche Kunden- un Firmendaten överhaupt freegeven warrn kann. Mythos 5 kummt blots Weken, na't Anthropic de Mythos-Familie bi Cybersecurity-Opgaven as to gefährlich för en apen Veröffentlichung betekent harr. → www.theverge.com

Synthszr Take: Hier kollideert twee Anthropic-Weerten mitenanner, un beid kaamt ut datsülvige Huus. Safety verlangt, dat dat Modell Prompts mitleest un 30 Daag opbewohrt, anners griept de Classifier nich. Genau dit Opbewohren maakt dat Modell för den Datenschutz unbruukbor, tominnst dor, wo vertruuliche Kundendaten dörlopen. Dat utrekent Microsoft, Anthropic sien gröttsten Distributionspartner, dat Modell toeerst an Kunden utrullt un denn de egen Belegschop verbiddt, seggt mehr över de Compliance-Realität as jede Roadmap-Folie. In jede Vendor-Matrix steiht Compliance un Sovereignty as egen Dimension, un Zero Data Retention is genau de Knockout-Punkt, an den en technisch stark Modell dörfallt. Wecker Modellen inköfft, bruukt den Adapter op jede Schicht un en Migratschoonspadd in't Risk-Register, dormit en enkelten Retention-Passus nich den ganzen Workflow lahmleggt. Modell-Agnostik is keen Ideologie, se is de Versekern gegen genau so'n Dunnersdaag.

Xiaomi knackt 1.000 Token pro Sekunn op 08/15 Hardware

Xiaomi sien MiMo-Team mellt mit MiMo-V2.5-Pro-UltraSpeed över 1.000 Token pro Sekunn bi't Decoding op en 1-Billion-Parameter-MoE-Modell, un dat op en ganz normalen 8-GPU-Server. Keen Cerebras-Wafer, keen Groq-Spezialchip. De Trick steiht in't Tosamenspeel vun Modell un System: en Co-Design mit den Naam TileRT. Konkret kombineert de Stack FP4/MXFP4-Quantisierung blots för de MoE-Experten mit Quantization-Aware-Training, wieldes de Nich-Experten-Modulen in högere Präzision blievt. Dorto kummt DFlash, en Block-Level-Masked-Speculative-Decoding, dat de Generierung wieder versnellt. De Behauptung steiht noch ünner den Vörbehalt vun en unafhängige Verifikatschoon, aver de Richten is klor. → AINews

Synthszr Take: Spezialhardware weer bet nu de Antwoord op de Fraag, woans man 1T-Modellen gau kriggt. Xiaomi wiest, dat klook Co-Design-Arbeit densülvigen Effekt ut Standard-GPUs hoolt, un dat ännert de Reken för jeden, de över Inference-Kosten nadenkt. Wi hebbt Enn Mai över Xiaomi sien Priesnalaten vun bit to 99 Perzent schreven, un genau hier kummt de technische Begrünnen dorför: Wecker mehr Token ut desülvige Maschien presst, kann den Pries pro Token in den Keller föhren, ahn Marge to verleren. Dat is dat Jevons-Paradoxon in Echttiet, billigere Inference produzeert mehr Nafraag, nich weniger. För düütsche Ünnernehmen, de jemehr Self-Hosted-Workloads kalkuleert, heet dat: de Annahm vun düre Spezial-Hardware höört op den Prüfstand, denn de Effizienzwinsten kaamt nu ut de Software. Wecker sien Inference-Stack vundaag na Hardware-Borggräven plaant, plaant an den Markt vörbi.

Gemini 3.5 Live Translate warrt to'n Live-Dullmetscher

Google hett an'n Dingsdag Gemini 3.5 Live Translate publiek maakt, en Audio-Modell, dat Spraak fortlopen över mehr as 70 Spraken översett, anstatt op dat Satzenn to töven. De Utgaav blifft en poor Sekunnen achter den Spreker un behöllt Betonung, Tempo un Toonhööchd. In Google Meet springt de Funktschoon vun fief engelsch-koppelte Spraken op över 2.000 Kombinatschonen in en eenzige Bespreken, de Private Preview för Workspace-Kunden maakt dissen Maand apen. In de Translate-App is dat Feature för Verbrukers kostenlos, in betahlen Workspace-Stopen warrt dat inbedden. Anbeders vun KI-Dullmetschen verlangt för desülvige Leistung 8 bit 35 Dollar pro Deelnehmerstünn, de Markt för Spraaklösungen weer 2025 luut Slator 30,85 Milliarden Dollar weert. Google sien egene Model Card gifft an densülvigen Dag to, dat Stimmen midden in de Sitten dat Geslecht wesseln köönt un de Spraakerkennung bi nich-moderspraakliche Akzenten swächelt. Grab testt de Technik al för över 10 Millionen monatliche Spraakanropen twüschen Fohrers un Reisende. → Marcus Schuler

Synthszr Take: Hier warrt en 30-Milliarden-Markt to en uttuuschbore Funktschoon in en Software-Deenst, den man sowieso al betahlt. Wecker vundaag pro Deelnehmerstünn afrekent, schull sik de Tall ankieken: 35 Dollar gegen null. Dat is de klassische Bundling-Hebel, mit den Google ganze Kategorien commodifizeert, un dat funktschoneert, wiel de Översetten keen Produkt mehr is, man en Kontaktpunkt in'n Meeting-Fluss. Spannend is de Lück, de Google sülvst dokumenteert: Stimmen wesselt dat Geslecht, Akzenten verwirrt de Erkennung, un genau de Toverlässigkeitsdaten fehlt, de en Köper seggen wöörn, wenn dat Gratis-Feature goot noog is. För unkritische Pickup-Anropen bi Grab reckt dat anscheinend ut, för en juristische Verhandlung wohrschienlich noch nich. De professionellen Dullmetscheranbeders överleevt dorüm toeerst in de Grenzfäll, in de en Fehler düer warrt. Wecker dor sitt, schull sien Nüttverspreken nu op Haftung un Präzision schuven, denn de dorünnerliggen Massenmarkt is jüst verswunnen.

AI Notetaker: Allns warrt nu optekent

David Haber argumenteert in en Gastbidrag bi a16z, dat de mehrsten Arbeitsgespräken intwüschen standardmatig opnahmen warrt, ahn dat dat je groot diskuteert worrn is. Sien Kerngedanken: Man mutt KI as en ne'en Mitarbeider inarbeiden, also över Meetings, wo Kultur, Verwachten un Grenzfäll wirklich entstaht, nich över dat CRM oder dat Wiki. OpenAI löppt al so, mit Agenten, de in Meetings för afwesende Föhrungskräft inspringt, un Bridgewater hett dat Prinzip vör Johren as Policy fastleggt. Granola is dat beste Bispill: Dat Tool kennt a16z beter as meist jedet annere, wiel dat in'n Ruum seet. Haber süht en ne'e Software-Kategorie entstahn, de üm Spraak statt Text organiseert is, wiel de weertvullste Kontext in Gespräken leevt un LLMs disse unstruktureerten Spraakdaten dörsöökbor maakt. Verbale Kulturen as Shopify un OpenAI profiteert överproportschonal, wieldes schriftliche Kulturen as Stripe un Anthropic jemehr Kontext sowieso fasthollen. Sien Prognose: In sess Maanden kippt de Default vun „nich opteken“ to „gah dorvun ut, dat optekent warrt“. → a16z

Synthszr Take: De spannende Punkt steiht nich in den Datenschutz-Gruvel, man in't Onboarding-Argument. Wecker en Minsch inarbeidt, schickt em in Meetings, nich in't Wiki, un genau dat gellt nu för jeden Agenten. Haber hett recht, dat verbale Kulturen johrelang jemehr weertvullsten Kontext verdampen laten hebbt, wiel dat, wat in't Produkt-Review wirklich beslaten worrn is, nie irgendwo lannt is. Wat wi Midde Februar as „Kontext is King“ noteert hebbt, kriggt hier sien operative Mechanik: Spraak warrt to'n System of Record. De unbequeme Deel is de Top-down-Siet, de he meist nevenbi inboot, denn Opteken is ok en Kontrollinstrument för Föhrung, un un-shippen is düerer as shippen. De ehrlichste Hollen dorto: behannel elk Meeting as en E-Mail, de vör Gericht lannen kunn, un beslüüt bewusst, welk Rüüms explizit nich optekent warrt. Disse Leitplank lett sik disse Week fastleggen, nich eerst na den nächsten Governance-Workshop.

Könnt Tech-Konzernen lehren, billige KI-Modellen leev to hebben?

De KI-Boom stünn op en simple Annahm: Gröttere Modellen sünd mächtiger, un de Mächtigsten winnt. Nu bröckelt disse Annahm, wiel de Token-Reken indrifft un de Investorensubventschonen versiegt. Coinbase-Mitgrünner Brian Armstrong prognostizeert, dat binnen 12 bit 18 Maanden 80 Perzent vun all Workloads op 99 Perzent billigere Modellen lopen warrt, wieldes blots 20 Perzent de neeste Generatschoon bruukt. Eerste Tests stütt dat: De Legal-KI Harvey hett tosamen mit de Inference-Plattform Fireworks AI ehr Kosten üm dat Dreefache senkt, ahn an Qualität to verleren, indem se Claude Opus mit Fireworks' GLM 5.1 kombineert hett un Opus blots för de anspruchsvullsten Opgaven insetten dee. De egentliche Trennlien verlöppt dorbi nich twüschen proprietären un apenen Modellen, man twüschen groten un lütten. Wenn Armstrong sien Prognose tostimm, wöör dat de Ökonomie vun de ganze Branche verschuven, un en groten Deel vun de Insporen güng direkt ut de Taschen vun OpenAI un Anthropic, utrekent op den Weg to jemehr IPOs. → Techpresso

Synthszr Take: Hier passeert datsülvige, wat wi Enn Mai bi de exploderen Token-Kosten beschreven hebbt, blots dat de Reflexkeed nu dörlöppt. Solang Investoren de Inference subventschoneert hebbt, geev dat keen Grund, wat anners as dat starkste Modell to wählen. Dat weer keen Disziplin, man Bequemlichkeit op frömde Reken. De Harvey-Befund is de entscheidende: Wenn dat System richtig boot is, övernimmt dat lütte Modell den gröttsten Deel vun de Arbeit, un dat düre Frontier-Modell warrt blots för de Fäll tünnert, de wirklich Oordeelskraft bruukt. Genau disse Opdelen is de Kompetenz, de tellt, neemlich to weten, welk Anfraag en 99-Perzent-billig Modell verdrägen kann un welk nich. Dat Jevons-Paradoxon dämpft den Pien för de Labs en Stück wiet, wiel billigere Intelligenz mehr Nafraag weckt; aver wecker en Frontier-Modell för Hunnerten Millionen traineert un denn tokiekt, woans 80 Perzent vun de Workloads afwannert, mutt de Reken nee opmaken. Compute-Disziplin is vun nu an en Wettbewarfsvördeel, un de lett sik in den nächsten Sprint testen, nich eerst na den IPO.

KI-Coding boomt, Governance hinkt noch achteran

Meist jedet Entwicklungsteam bruukt intwüschen KI-Assistenten bi't Programmeren, aver blots en Minnerheit hett regelt, woans. Dat wiest en Befragen vun 831 Software-Engineers un DevOps-Profis, de UserEvidence in'n März 2026 för Black Duck dörföhrt hett: 97 Perzent sett de Tools aktiv in, ganze 30 Perzent hebbt dorför en vullstännig regelten Opsichtsprozess. GitHub Copilot föhrt mit 83 Perzent, Claude Code folgt mit 63 Perzent, de mehrsten Teams fohrt mehrer Assistenten parallel. De Nütten is meetbor: 92 Perzent bericht vun gauere Releases, in'n Snitt acht Stünnen pro Week un Entwickler. De Haken kummt dorna. Negen vun teihn Teams stööt jichtenswo in'n Workflow op Problemen mit KI-genereerten Code, de Rieven lannt bi manuellem Review (52 Perzent), Security-Testing (51 Perzent) un Naarbeit (48 Perzent). Wo Governance vull etableert is, mellt 90 Perzent en groten Effizienzwinst, gegenöver 44 Perzent bi Teams ahn klare Regeln. → AI Secret

Synthszr Take: Disse Tallen bestätigt exakt dat, wat in Code Crash beschreven worrn is: De Modellen sünd nich mehr dat Problem, de Warktüügkeed dorümto entscheedt. 97 Perzent Adoption un 30 Perzent Governance, dat is de Scheer, an de de versprokene Produktivität verdampen deit. Spannend is de Opslüsseln: De Teams mit vulle Governance liggt bi 90 Perzent Effizienzwinst, de ahn bi 44. Wecker also glöövt, Regeln bremst, hett de Studie verkehrt rüm lesen. Security fröh in de Pipeline trecken, SAST-Scans bi jeden Commit, minschliche Dörsicht bi Authentifizerung un Betahlen, dat köst en Dag Inrichten gegen Maanden Schaden na en Vörfall. Dat 86 Perzent en KI-Agenten to'n Code-Prüfen wüllt un liekers 84 Perzent den Minsch in de Slööp behollen, wiest de richtige Hollen: dirigeren statt dörwinken. Wecker nu Leitplanken treckt, hoolt de acht Stünnen pro Week wirklich na Huus, anstatt se an QA un AppSec wedder to verleren.