Cannes: OpenAI maakt in Ads un Meta in Ad-Automatiseern

Cannes (I): OpenAI debüteert in Cannes un warrt to'n Warvbude

OpenAI hett sien Debüt bi de Cannes Lions geven, un dat nich vun en Croisette-Dackterrass, man op en half aflegenen Terrass, 15 Gahnminuten vun't Festivalzentrum weg. Dave Dugan, Head of Global Ads Solutions un twölf Johr lang Meta-Mann, hett „en kumplett neet Warvprodukt“ ankünnigt. De Tallen dorachter: 900 Millionen wöchentliche Brukers, rund 20 Perzent vun de Fragen mit direkte kommerzielle Afsicht. OpenAI hett Investoren luut Axios in Utsicht stellt, in veer Johr 100 Milliarden Dollar Ümsatz to maken, en Mark, för de Meta 17 Johr bruukt hett. CRO Denise Dresser will den Spood nich an Impressions meten, man doran, of de Warv „de Minschen helpt, Saken to doon“. Warv schall dorbi den Kostenlos-Togang subventschoneren, un Konversationsdaten schöölt nienich an Adverteisers fleten. Mit den Coding-Agenten Codex schöölt Kreativdirekters ahn Programmerkennis egene Produktschoons-Workflows buen. → AI Secret

Synthszr Take: Dor steiht en Ex-Meta-Manager op en Terrass un verkloort, ChatGPT weer dat Gegendeel vun't Scrollen, wieldat he dat Geschäftsmodell vun Meta importeert. Sam Altman hett Warv johrelang as dat mieden, wat se is: de Moment, in den nich mehr de Bruker de Kunn is, man dat Produkt. Nu is se dor, fien verpackt as „Intelligence Economy“ un as Mission, mehr Minschen Togang to geven. De 100 Milliarden in veer Johr sünd en Ansaag gegen de egen Rekenkösten, denn de 900 Millionen Gratisbrukers köst Suerstoff, den irgendkeen betahlen mutt. Spannend warrt de Guardrail-Fraag: „Wi deelt nienich Konversationsdaten“ klingt goot, blots is de ganze Weert vun ChatGPT-Warv jüst disse Afsicht, de de Bruker in't Gespräch priesgifft. In'n März heet dat hier noch, reine Skaleren föhrt nich to AGI; dat Warvgeschäft is de ehrliche Antwoort dorop, woans man dat Skaleren bit dorhin finanzeert. Wokeen ChatGPT bruukt, schull af nu dorvun utgahn, dat jede Reiseplaan in de Alpen en Upper-Funnel-Signal is.

Cannes (I): Meta automatiseert de Warv un WPP finnt dat dufte

In Cannes hett Meta en ne'e Generatschoon vun KI-Warktüüg för Warvdrievers un Agenturen vörstellt, de den so nöömten Closed Loop sluten schall: en System, dat spoodrieke Warvmiddels identifizeert, deren Wirken analyseert un dorut sülvstännig ne'e Varianten maakt. Nicola Mendelsohn, Baas vun't weltwiede Anzeigen-Geschäft, beschrifft dat as Warktüüg, dat Identität un Tonalität vun en Mark ut bestahn Anzeigen lehrt un disse Insichten för de generative Warvmiddel-Herstellen bruukt. WPP warrt as eersten Agenturpartner de Lösen testen, integreert direkt in WPP Open, de konzernwiede KI-Plattform, de Planen, Kreation, Produktschoon un Mediastüürn in een System tohoopbringt. WPP harr eerst in't Fröhjohr en depergahen Tosamenarbeit mit Adobe ankünnigt un binnt Partner as AWS un Meta zentral in. Op dat Festival weer faken vun den Övergang vun't „Search-and-Click-Web“ to en konversatschonelle Internet-Bruken de Reed, in de Plattformen as Meta, Pinterest oder OpenAI sik as Anraat-Maschinen positschoneren. Kritikers warnt, dat sülke Systemen vör allen reproduzeert, wat in de Verledenheit funkschoneert hett, un Kampagnen dordör ähnlicher warrt. De Kreativagentur Fifty Thousand Feet betoont dorgegen Vörstellkraft un kulturell Verstahn as de entscheiden Ünnerscheedsmarkmalen. → MEEDIA Daily Update

Synthszr Take: De Closed Loop optimiseert jede enkelte Kampagne, un dat ganze Warv-Ding gravitateert in de sülvige Mitt. Genau dat hett dat Mailänner Restaurant-Experiment wiest: Sobald ChatGPT weg weer un de Weertslüüd sülvst schreven, steeg de lexikalische Veelfalt üm 15 Perzent. Dat sülvige Warktüüg, dat jeden Enkelten dat Leven lichter maakt, maakt all tohoop uttuuschbor. Effizienz op de Mikro-Ebene, Entropie op de Makro-Ebene. Meta sien System lehrt, wat in de Verledenheit performt hett, un levert genau dat wedder trüch: Best Practice is dat ne'e Middelmaat, professchonell un liedenschaftslos. För WPP heet dat, de Produktschoonsmaschien an Meta utlagern un sik de egentliche Fraag to stellen, wat över blifft, wenn all mit densülvigen Stack un densülvigen KI-Output arbeidt. Smack warrt to'n letzten Borggraven, un de lett sik nich in en Pipeline genereren. Wokeen in disse Welt blots gauer datsülvige produzeert, hett den Wettstriet al verloren, bevör dat eerste Warvmiddel utspeelt is.

OpenAI boot egenen Chip un maakt sik vun Nvidia unafhangiger

OpenAI un Broadcom hebbt Jalapeño vörstellt, en speziell för Inference buuten ASIC, de luut beide Firmen en betere Performance pro Watt levern schall as de aktuelle Spitzenhardware. De Chip is keen ümwidmet Trainings-Besleuniger, man vun Grund op för dat Verhollen vun grote Spraakmodellen un kamen agentische Workloads utleggt: hogen Dörsatz bi ringe Latenz, en resigen Compute-Chiplet mit söss HBM-Modulen statt billigeren DRAM. De Schätzen ut dat Wafer-Bild leggt en Die-Grött üm 840 mm² nahe, gefährlich dicht an de Reticle-Grenz vun de EUV-Belichtung vun 858 mm². Engineering-Samples loopt al in't Labor un fohrt ML-Workloads as GPT-5.3-Codex-Spark. Bemarkenswert is dat Tempo: Tape-out in negen Maanden, Deployment af Enn 2026. Konkrete Benchmarks, Spieker-Konfiguratschoon un Performance-Telen blievt apen, dorüm sünd de Effizienz-Verspreken mit Vörsicht to geneten. Of Jalapeño gegen Nvidia sien Rubin un AMD sien MI400 bestahn kann, is de egentlich apene Fraag, nich de Vergliek mit de hüüt al oolt warrn Blackwell-Generatschoon. → www.tomshardware.com

Synthszr Take: In'n Februar keem de OpenAI-Bicht, dat Inference brutal düür warrt. Jalapeño is de logische Antwoort dorop: Wokeen pro Token betahlt un Milliarden Tokens an'n Dag dörchschufft, haalt sik de Marge irgendwann över egen Silizium trüch. Negen Maanden vun de Idee to'n Tape-out is en Tempo, dat man as Hardware-Minsch tweemal leest, un dat düüdt dorop hen, dat hier KI bi't Chip-Design kräftig mitarbeidt hett (annernfalls reeknt sik de Zyklus kaum). De Compute-Disziplin verschufft sik jüst vun't Training na de Inference, un genau dor liggt dat Geld, wiel Reasoning un Agenten jede Anfraag düürer maakt. De fehlen Benchmarks sünd dat ehrliche Risiko: en 840-mm²-Die dicht an de Reticle-Grenz klingt na Muskeln, seggt aver nix över de reale Utlastung. Wokeen op OpenAI as Plattform sett, schull den Vendor-Lock-in nu inpriesen, denn egene Hardware is de stärkste Inrastpunkt, den en Foundation-Lab buen kann. Spannend warrt dat eerst Enn 2026, wenn de Chips gegen Rubin antreden un nich gegen de Pressmellen.

Anthropic smitt Alibaba de bit nu gröttste Distillation-Kampagne gegen Claude vör

Anthropic hett US-Senatoren un dat Witte Huus informeert, dat Bedrievers rund üm Alibaba sien Qwen-Lab twüschen April un Juni knapp 25.000 falsche Accounts bruukt hebbt, üm Claude sien Fähigkeiten aftogriepen. Dat geiht üm meist 29 Millionen Uttuusche, gezielt op Software-Engineering un agentisch Reasoning, also genau de kommerziell weertvullsten Skills vun't Modell. Dormit överdript Alibaba alleen dat Volumen vun de dree fröheren Fäll (DeepSeek, MiniMax, Moonshot) mit tohoop 16 Millionen Uttuusche un 24.000 Fake-Accounts. Distillation heet: man föddert en Frontier-Modell mit pröpareerte Anfragen, sammelt de Antwoorten un traineert dormit en billiger Konkurrenz-System na. Alibaba sien US-Hinterlegungsschienen sünd över dree Perzent ünner 100 Dollar fullen, dat Pentagon harr den Konzern an'n 8. Juni op sien Blacklist vun chineesche Militärfirmen sett, wogegen Alibaba disse Week klaagt. Pikant: Anthropic röppt den Staat üm Hülp, stritt sik aver sülvst mit de Trump-Administratschoon över Export-Kontrollen för sien Fable-5- un Mythos-5-Modellen. Dat Ünnernehmen, na de 65-Mrd-Series-H mit 965 Mrd. Dollar bewert, hett dissen Maand vertraulich den IPO inreikt. → thenextweb.com

Synthszr Take: 29 Millionen Uttuusche över 25.000 Fake-Accounts sünd keen Tofallsprodukt, dat is industrialiseerte Nabilden in'n groten Stil. Spannend is de Ökonomie dorachter: Anthropic verbrinnt Milliarden in Compute un Training, un en Distiller approcheert dat Resultaat för en Brokdeel. Dat is dat Jevons-Paradoxon vun de Modell-IP: je weertvuller de Engineering-Skills, desto harder warrt doran sogen. Wi harrn dat in'n Februar al, as DeepSeek un Co. nöömt worrn sünd; nu steiht en 965-Mrd-Konzern vör den IPO un bruukt op eenmal en IP-Tuun üm Software, de per Definition kopeerbor is. Genau hier warrt dat kafkaesk: de sülvige US-Regeren, de China-Labs utbremsen schall, sperrt to de sülvige Tiet Anthropic sien egen Modellen per Lutnick-Order för utlännsche Brukers. Wokeen sienen Borggraven ut reinen Modell-Vörsprung boot, hett en Graven ut Water. De Lehr för jede Engineering-Org, de op en enkelten Frontier-Modell wett: de duerhafte Vördeel liggt in't Deployment un in de Weten-Diffusion in't Team, nich in't Gewicht vun't Modell, dat morgen al destilleert in de Cloud vun'n Wettstrieter löppt.

Computer Use wannert in't Basismodell: Gemini 3.5 Flash stüürt nu sülvst den Bildschirm

Google hett güstern de Computer-Use-Fähigkeit direkt in Gemini 3.5 Flash inboot. Wat vörher en egenstännig Modell weer (Gemini 2.5 Computer Use), stickt nu nativ in't Hööftmodell un levert luut Google de bit nu beste Performance bi agentische Computer-Opgaaven. Dormit köönt Entwicklers Agenten buen, de Browser, Mobile un Desktop sehn, dörchdenken un bedenen, etwa för kontinuierliches Software-Testing oder Weten-Arbeit över mehr Anwennen henweg. Gegen Prompt-Injection sett Google op gezielt adversariales Training un twee optschonale Enterprise-Schutzsystemen: explizite Bruker-Bestätigen för sensible Aktschonen un automatischer Task-Stopp bi erkennte Injection. De Togang löppt över de Gemini API un de Gemini Enterprise Agent Platform, Demos hostet Browserbase. Google raadt en Defense-in-Depth-Anpak mit Sandboxing, Human-in-the-Loop un strikte Togangsrechten an. → blog.google

Synthszr Take: De egentliche Hevel stickt in't Woort „Flash“. Computer Use is nich mehr dat düre Spezialmodell, man Deel vun't günstige, gaue Standardmodell, un dat ännert de Reken för jeden, de Automatiseern in'n groten Stil plaant. Erinnert an den Sprung, den Claude Code Enn 2025 utlöst hett: De KI verlätt dat Chat-Finster un grippt dorhen, woneem arbeidt warrt. För en düütsch Ünnernehmen mit 200 Engineering-Rollen heet dat konkret, dat nächtliche Refactorings, Software-Testing un Knowledge Work över SAP, Salesforce un Office henweg op eenmal to Token-Priesen lopen, de in't CFO-Dashboard passt. De wunne Punkt blifft Prompt-Injection in Live-Ümgegenden, un Google sien twee Schutzsystemen sünd en Anfang, aver nümms schull en Agenten ahn Sandbox un Togangskontroll op produktive Systemen loslaten. Wokeen nu nich anfangt, de egen Operating Streams op sülke Agenten vörtobereiden, betaalt den Lehr-Vörsprung later düürer na. De Fraag is nich mehr of, man welk dree Anwennfäll morgen fröh in de Pipeline gaht.

01.AI will Chinas Palantir warrn

Kai-Fu Lee hett sien KI-Startup 零一万物 (01.AI) in't verleden Johr meist stillkens ümboot un in disse Tiet över hunnert CEOs persönlich drapen, je to de Hälft ut China un dat Utland. Statt düre Basismodellen, de in'n Token-Prieskamp na DeepSeek to en reine Kapitalfraag worrn sünd, orienteert sik de Firma nu explizit nich an OpenAI oder Anthropic, man an Palantir: Datenintegratschoon, Beslut-Ünnerstütten un Utföhr-Systemen för Regeren un Slötelindustrien. Lee miedt den US-Markt un reist stattdat na Zentralasien, Süüdoostasien, in den Negen Oosten, na Europa un Afrika. In Kasachstan sitt he in'n KI-Entwicklungsraat vun't Land, mit den Agrarriesen Charoen Pokphand boot he dat Joint Venture 万蜂智能, dat KI op Höhnerhööv schickt, üm Stervlichkeit un Marge to verbetern. De Opdragszahlen snackt för de Wenn: rund 500 Mio. Yuan in 2025, al 1,5 Mrd. Yuan an Verdrääg för 2026, dorto en ne'e Finanzeerungsrunn un en plaanten IPO 2027. Lee sien Kernthese luudt, dat echte Opdrääg keen 200.000-Yuan-Service-Agents sünd, man en kumplette KI-Transformatschoon, de blots de „一号位“, de Nummer een vun en Ünnernehmen, besluten kann. → Hello China Tech

Synthszr Take: Lee maakt hier den eenzigen Tog, de för en 65-Johrigen ahn Lust op en Kapitalkrieg över blifft, un he maakt em klook. Wieldat de annern „大模型六小虎“ Milliarden verbrinnt, üm en chineesch OpenAI to buen, geiht he dorhen, woneem Margen liggt: in de Bilanz vun'n Kunnen. Sien besten Satz is de Diagnose, dat en KI-Projekt as IT-Vörhaben to behanneln bedüüt, en Peerkutsch en Lokomotivmotor intoobuen. Dat deckt sik mit dat, wat wi in'n März in „CODE CRASH“ beschreven hebbt: Wenn Coding un Modellen to uttuuschbore Commodity warrt, verschufft sik de Weert vun't Modell na de Transformatschoon vun de Organisatschoon dorümto. Skepsis blifft bi de Souveränitäts-KI as Geschäftsmodell, denn Präsidenten-Terminen in Astana un Joint Ventures op Höhnerhööv skaleert slechter as en SaaS-Produkt, un de Palantir-Vergliek driggt en politisch Risiko mit sik, dat Lee zuckerwattiert. Aver de Richten stimmt: lever dat Honorar ünner McKinsey ansetten un Resultaten statt PowerPoint levern, as dat dode Peerd vun't Basismodell-Wettrennen wieder to rieden. Wokeen 1,5 Mrd. Yuan an Verdrääg insammelt, bevör he den IPO utröppt, hett verstahn, dat Draagfähigkeit vör Vision kummt.

L'Oréal schrifft de Trainingsdaten glieks sülvst

En ganze Industrie hett sik dorop spezialiseert, Marken vun buten in de Antwoortmaschienen to schrieven: Generative Engine Optimization, pröpareerte Reddit-Threads, Reverse Engineering vun dat, wat dat Modell leest. L'Oréal överspringt dat kumplett un övergifft OpenAI de Produktdatenbank direkt. Maybelline sien virtuelle Anproov löppt dormit nich mehr över den Ümweg vun de Optimiseern, man sitt binnen in't System. Wokeen den Telefonkontakt to OpenAI hett, mutt nich mehr vun de billige Tribüün ut an de Trainingsdaten trecken. De Fraag „Woans beinfluss ik, wat dat Modell över mi weet?“ beantwoordt L'Oréal, indem se sülvst to de Born warrt. GEO süht dorneven ut as SEO för all, de keen Nummer in OpenAI sien Adressbook hebbt. → AI Secret

Synthszr Take: In Code Crash steiht, dat Web-Nömen rund dreemal stärker mit KI-Sichtborkeit korreleert as Backlinks (0,664 gegen 0,218), un dat dat Modell nich de Över-uns-Siet glöövt, man dat, wat annere seggt. L'Oréal hett den Speet ümdreiht un warrt sülvst to dat, wat dat Modell leest. Dat is de egentliche Borggraven vun disse Phase: nich de klook Taktik vun buten, man de direkte Sitt in de Born. Wokeen de Datenbank levert, bestimmt den Share of Model in sien Kategorie, bevör de GEO-Beraders överhaupt jemehr Checklist opklappt hebbt. Genau dorüm verschufft sik de Wettstriet jüst vun „Wokeen optimiseert beter?“ to „Wokeen warrt inladen, mit to schrieven?“. För middelgrote Marken ahn OpenAI-Kontakt heet dat: de unbesetten Feller finnen, de de Groten noch nich afruumt hebbt, un se besetten, solang dat Modell se noch nich kennt. De Whitespace in't Modell slütt sik gauer, as de mehrsten Marketingbudgets reageren köönt.

Bi Meta schrifft de Agent de Statusmellen, nich dat Team

Nikhyl Singhal hett in'n Skip Podcast mit Jagjit Chawla snackt, en VP of Product bi Meta, de Feed, Reels un neerdings Search verantwoort. De Kernaussaag: Sobald Ideen billig warrt, warrt dat Beoordelen vun de Ideen to'n egentlichen Job, un de PM to'n gröttsten Engpass. Dat klassische PRD is bi sien Teams op en Afsatz plus Prototyp schrumpft, in'n ML-Bereich ergänzt üm en Eval-Set. Statusberichten rullt nich mehr per Deck de Hierarchie hooch: Chawla sien Agent leest nachts jeden Code-Diff, jede Mail un jedet Dokument un leggt em morgens üm söven en Punkt-List vör, Projekt för Projekt in Root, Geel, Gröön. In Delen vun sien Organisatschoon schrifft de Agent sogor dat Review-Dokument, markeert de dree strittigen Fragen un nöömt de fiev Lüüd för den Ruum. En Datenfraag, de fröher 24 Stünnen Handoff to de Data Science bruukt hett, beantwoordt en Analytics-Agent nu in fiev Minuten. Boot worrn is all dat nich zentral verordnet oder inköfft, man vun de Teams sülvst, mennigmal an enen eenzigen Avend. → Lenny's Newsletter

Synthszr Take: Wat Chawla de „Compression Algorithm“ nöömt, is genau de Verschuven, de ik in Code Crash beschriev: Fröher weer Code düür un Intent billig, nu is dat annersrüm. Wenn de Output nix mehr köst, warrt de Input to'n knappen Goot, un dat Beoordelen sleit dat Produzeren. Spannend is weniger, dat Meta KI insett (dat maakt jüst jeder), man dat de Pipeline radikal verdicht warrt: Dat Review fangt bi de Beslut an statt bi dörtig Minuten Kontextopbo. De Org-Chart weer johrteihntlang de Informatschoonsleitung, un en nächtlich Agent ersett em nu för 50 Projekten to de sülvige Tiet. Bemarkenswert is de Buwies. Nümms hett en 18-Maanden-Programm opstellt, de Teams hebbt sik jemehr Systemen an een Avend boot, mit Warktüüg, de sowieso op den Disch legen. Wokeen in'n Mai noch över de 8.000 entlaten Meta-Mitarbeiders leest hett un dat för reinet Kostensporen hollen hett, süht hier de annere Hälft vun de Reken: De Arbeit sülvst warrt nee utfunnen, un dat lett sik morgen fröh bi'n Kaffe anfangen, nich eerst na dat nächste Strategie-Offsite.

Serverless Postgres för Apps un Agenten

Databricks bringt mit Lakebase en vullstännig verwaltete Postgres-Datenbank, de direkt an dat Lakehouse andockt un sik op KI-Agenten un Apps tosnitt. De Clou: De Datenbank vertwiegt as Code. Entwicklers köönt foorts Branches för Test oder Entwicklung anleggen, gegen Produktschoonsdaten arbeiden un trüchsetten, ahn den Live-Bedriev antopacken. Compute un Storage sünd entkoppelt un skaleert unafhangig, mit Scale-to-Zero in'n Leerloop un Betahlen na Verbruuk. As prominenten Anwennfall steiht Agent Memory in't Schaufinster: Chat-Sessions un Narichten lannt persistent in Lakebase, dormit en Agent över Deploys henweg op fröhere Gesprächsverlopen togriepen kann. Över pgvector, PostGIS, Unity-Catalog-Governance un Change Data Feed verbinnen sik de operative Spieker mit de Analytics-Welt, ahn dat noch een egen ETL-Pipelines buen mutt. → Latent.Space

Synthszr Take: Postgres is siet Johrteihnten de unspektakuläre Arbeider in'n Maschinenruum, un Databricks maakt em nu to'n Gedächtnis för Agenten. Dat is de egentliche Hevel hier. Agenten ahn persistenten State sünd vergeetliche Praktikanten, de na jeden Deploy bi null anfangt. Branching as in Git is dorbi de Move, de Entwicklers morgen fröh Arbeit afnimmt, wiel se gegen echte Produktschoonsdaten testen köönt, ahn wat kaputt to maken. De Lock-in-Fraag blifft ehrlicherwies apen: Wokeen sienen operativen Spieker an't Lakehouse vun Databricks koppelt, zahlt later en Migratschoons-Pries, un in mien Vendor-Raster wannert dat vun Modell-Lock-in (ring) Richt Plattform-Lock-in (middel). Trotzdem is de Richten richtig, wiel apen Postgres mit pgvector un de bestahn Tool-Welt (pgAdmin, DBeaver, psql) den Ümstieg tominnst nich to en Sackgaß maakt. Reasonable Sovereignty heet hier: bruken, aver den Export-Padd vun Dag een an mitdenken.

ByteDance överspringt veer Versionen un levert 4K-Video ut 50 Referenzen

ByteDance hett an'n Dingsdag op de Volcano-Engine-FORCE-Konferenz in Peking Seedance 2.5 vörstellt, en Modell, dat ut een enkelten Prompt 30-Sekunnen-Clips in nativ 4K maakt. Dat Ünnernehmen överspung vun'n Vörgänger direkt op 2.5 un överspung veer Twüschenversionen, üm den Sprung to signaliseren. De Kernverbeterung liggt bi de Referenzkapazität: bit to 50 multimodale Inputs (Biller, Audio, 3D-White-Models, Style-Referenzen), gegenöver 12 bi'n Vörgänger. Dorto kaamt 10-Bit-Farvdeepde, 20 Perzent betere Prompt-Adhärenz, native Audio-Synchronisatschoon in'n sülvigen Latent Space un en 3D-White-Box-Vörschau för gaue Lofi-Animatschonen vör dat düre Rendern. CEO Liang Rubo nööm dat Erklimmen vun'n KI-Gipfel de böverste Priorität vun'n Konzern. De Enterprise-Beta löppt al, de öffentliche Start is för Anfang Juli plaant, en US-Termin gifft dat nich. De Kontext is heikel: Vör dree Maanden müss ByteDance na Ünnerlatensschrieven vun Disney, Warner Bros, Paramount un Netflix Waterteken un IP-Guardrails narüsten, na dat en virale Tom-Cruise-gegen-Brad-Pitt-Deepfake en formelle MPA-Beschwerd utlöst harr. → The Next Web

Synthszr Take: De Tall, op de dat ankümmt, is 50 gegen 3. Google sien Veo 3.1 akzepteert dree Referenzbiller, Seedance 2.5 nimmt föfftig multimodale Inputs, un genau dissen Afstand entscheedt, of en Modell en Speeltüüg för Memes blifft oder in en professchonelle Produktschoons-Pipeline wannert. Wieldat OpenAI Sora in'n März afschalt hett (een Million Brukers op den Hööchdpunkt, rund een Million Dollar Bedrievskösten pro Dag, goot twee Millionen Dollar Ümsatz insgesamt), buut de chineeschen Anbeders jemehr Warktüüg gauer to echte Production Tools ut. Wi schreven in'n März, dat chineesche Talente de KI-Szene domineert; hier süht man, wat dat operativ heet, neemlich Verdelen över CapCuts 400 Millionen monatliche Brukers un vertikale Integratschoon vun Genereren över Editing bit na Sharing. Wat ByteDance fehlt, is en Enigen mit Hollywood, un jedet ne'e Feature, dat dat Modell mächtiger maakt, erhöht den Druck in genau dissen unlöösten Striet. De ehrlichste Satz to de Laag: De Technik is lööst, de Rechtsfraag nich, un keen noch so goot 4K kompenseert en fehlen Lizenz. Wokeen hier morgen fröh hanneln will, pröövt de Enterprise-Beta för interne Pipelines un höllt de globale Verföögborkeit ut den riskanten Bereich rut, bit de IP-Fraag steiht.