Gegenwind för OpenAI un Anthropic: Grote Kunn söökt Alternativen

Grote Kunn as Figma un ElevenLabs plaant de Flucht vun OpenAI un Anthropic

Investor Jason Calacanis hett in’n All-In-Podcast seggt, dat en poor vun de gröttsten Kunn vun OpenAI un Anthropic jemehrn Utstieg vörbereiden doot. He nöömt mit Naam ElevenLabs, Figma un Lovable, de na sien Dorstellen Firmen sünd, de twüschen 50 un 100 Millionen Dollar in’t Johr an de Modellanbeders betahlt. As Grund gifft he Vertruun an: Disse Kunn güngen nich mehr dorvun ut, dat jemehr Leveranten nich sülvst to jemehr gröttsten Konkurrenten warrt. Calacanis wiest dorbi op Anthropic hen, dat sik vun en reinen Modellanbeder to en Produktünnernehmen över de hele Weertschöppkeed entwickeln deit un in Design, Programmeern, Recht un Finanzen vördringt. As en klook Bispill nöömt he den Start vun Claude Design, dat direkt gegen Figma angeiht. De Bericht hett keen Bestätigungen vun de nöömten Ünnernehmen to wirkliche Wessels oder Kündigungen; dat is Calacanis sien Inschätzen. → AI Secret

Synthszr Take: 100 Millionen Dollar in’t Johr an en Anbeder to överwiesen, is en Wett dorop, dat he nich sülvst in dien Markt rinlöppt. För Figma is disse Wett verloren, siet dat Claude Design gifft. Un ut Anthropic sien Sicht is de Tog logisch: De betahlen Kunn levert mit jeden Oproop glieks de Bruukmuster mit, ut de sik dat Konkurrenzprodukt boen lett. För de Inkoopssiet dreiht dat de Prioritäten in Sekunnen: en tweete Born opboen, den Modelltogang achter en egen Abstrakschoonsschicht leggen, un in den nächsten Verdrag mööt Konkurrenzverboden un en harte Klausel to’n Verwerten vun de egen Bruukdaten rin. In’n Februar weer dat noch Notion, dat Figma vör de Döör sett un sien Design mit Claude Code maakt hett; nu sitt Figma op de anner Siet vun densülvigen Disch. Loyalität weer bi disse Summen jümmer köfft, man nu kost se mehr as en Mengenrabatt op Token.

Anfraag-Boom: Moonshot stoppt ne’e Kimi-Abos

Moonshot AI hett an’n Avend vun’n 19. Juli keen ne’en Consumer-Abos mehr annahmen, nadem de Anfraag na dat ne’e Modell Kimi K3 binnen 48 Stünnen meist an de egen Rekenkapazität kamen weer. Dat mellt Hello China Tech. K3 weer an’n 17. Juli rutkamen, mit 2,8 Billionen Parameters un utricht op densülvigen Markt ut Coding-Agent-Anwendungen un Ünnernehmens-APIs, den ok de chineeschen Konkurrenten bedeent. Moonshot gellt as een vun de best finanzierten KI-Labors in China. Twee Daag na den K3-Start, an’n 19. Juli, harr Alibaba mit Qwen3.8-Max Preview de nächste Version vun sien Qwen-Familie rutbröcht, de op dat sülvige Segment afteelt. De Anmellstopp bedrippt na de Born ne’e Privatkunn; Angaven doröver, wo lang de Sperr gellen schall, gifft de Bericht nich. → Hello China Tech

Synthszr Take: 48 Stünnen vun’n Launch bet to’n Anmellstopp: Dat is de unbequemste Oort vun Spood. Moonshot hett en Modell boot, dat de egen Infrastruktur överhaalt, un wiest nu Kunn af, de al betahlen wullen. Anfraag, de man nich bedenen kann, geiht spazeern, un de Alternative stünn mit Qwen3.8-Max Preview twee Daag later in’t Regal. Bi 2,8 Billionen Parameters kost jeder Consumer-Chat düütlich Rekentiet, wiel desülvigen Koorten in’t Enterprise-API-Geschäft en Veelfach inspelen: De Abostopp is ok en Prioriseerensentscheden, de man lever sülvst dröppt, as dat se sik vun de Latenz opdrängen lett. Wassen to planen is bi disse Modellgrötten Kapazitätsplanung, un de eleganten Instrumenten dorför sünd Töövlisten un drosselte Kostenlos-Stopen; de slaten Anmellknoop blifft de grove Lösung. Bi den nächsten Modellstart in China lohnt sik de Blick dorop, woveel Daag de Registreern apen blifft.

Debatt: Treckt sik Google ut dat Agenten-Rennen trügg?

Ksenia Se vun de Turing Post grippt in ehr aktuelle Utgaav en 8.000 Wöör langen Artikel vun Alberto Romero (The Algorithmic Bridge) direkt an un seggt, sien Kernthees is verkehrt. Romero meent, Google weer in’t Agenten-Rennen nich trüggfullen, man harr sik mit Afsicht trüggtogen, wiel Demis Hassabis nich an rekursive Selbstverbesserung glöövt, man an Weltmodellen, un den Konzern dorna utricht. Se hollt dorgegen, dat nich Hassabis den Kurs bestimmt, man Sundar Pichai, Sergey Brin un Larry Page, un ziteert dorför Bewiesen, de Romero deelwies sülvst angifft: en vun The Information mellt intern Ophaal-Team, en Brin-Memo, dat foddern deit, de Lück in de agentische Utföhren drängend to sluten un de egen Modellen to Entwicklers to maken, as ok 60-Stünnen-Weken för dat Gemini-Team. Op den Q2-Earnings-Call hett Pichai den gröttsten Trainingsloop in de Firmengeschicht för Gemini 4 ankünnigt, en Capex-Prognoos vun 195 bet 205 Milliarden Dollar verdeffendeert un verdragliche Plichten över 800 Milliarden Dollar stiegen laten, wat Alphabet in’t eerste Quartal mit negativen Free Cashflow siet den Börsengang drückt hett. Se leest ut dat Interview, op dat Romero sik stütt, butendem rut, dat Hassabis Weltmodellen as een vun mehr Komponenten beschrifft, de op Gemini opsett, un sien Tiet sülvst as half Forschung, half Produktarbeit betekent. As den hardsten Bewies nöömt se de Personalakte: Nobelpriesdräger John Jumper is in’t Coding-Team Code Strike versett worrn un wessel en poor Maanden later na Anthropic, tohoop mit Jonas Adler un Alexander Pritzel. → 🔳 Turing Post

Synthszr Take: En Konzern, de ut en Rennen utstiggt, schrifft keen Memos över 60-Stünnen-Weken un verbrennt nich sien eerst negativ Cashflow-Quartal siet 2004. De Vertellen vun’n Rücktoog is dorüm so populär, wiel se Google de Würd vun en Strategen lett, wiel de Tallen eenfach Naaholbedarf beschrieven: 195 bet 205 Milliarden Capex sünd de Pries dorför, bi Agenten achter OpenAI un Anthropic to liggen, nich de Bewies för en eleganten Sünnerweg. Interessant is de interne Brooklien, de Se apenleggt. DeepMind is för grote wetenschopliche Fragen boot worrn, dat Management will Ünnernehmens-Agenten winnen, un dat Budget höört dat Management. Wenn en Nobelpriesdräger vun de Proteinstruktur in en Coding-Team ümsett warrt un kort dorna mit twee Kollegen bi de Konkurrenz sitt, is dat de Reken, de Google för’t Ophalen betahlt, un se steiht in keen Earnings-Call. Gemini 4 warrt wiesen, ob sik Geld in’n Utgliek vun’n Rückstand översetten lett; dat Talent, dat dorbi afwannert, kummt so gau nich trügg.

Nous Research lett Hermes sien egen Skills per Achtergrundprozess oprümen

Nous Research hett för sien Agenten Hermes en Pleegmechanismus inboot, de de sülvst maakt Skills un Erinnerungen vun dat System regelmatig dörchgeiht. Co-Founder Karan Malhotra verklort in en Interview mit Peter Yang, dat Hermes nich blots egen Skills anleggt, man se över den so nöömten Hermes Curator ok pleegt. De Curator löppt as en planten Achtergrundprozess un pröövt den spiekerten Bestand op Opblähtes, Redundantes un Ineffizientes. Dormit geiht dat Projekt en bekannt Problem vun sülvstleren Agenten an: spiekerte Fähigkeiten un Notizen wasst mit de Bruukstiet an un verleert an Präzision. Wiel Hermes as free to kriegen Software vörliggt, köönt Brukers na Angaven vun Malhotra sülvst fastleggen, wat in jemehrn Kontext as Slop gellt, un de Oprüümslööf na egen Maatstäven ümschrieven. Mehr Angaven to de konkrete Implementeern oder to Brukerstallen gifft dat Interview nich. → MyClaw Newsletter

Synthszr Take: De spannende Steed an Hermes is de Fraag, wokeen de Löschkriterien schrifft. Bi slaten Assistenten entscheedt de Anbeder, wat ut dat Gedächtnis vun dien Agenten wedder verswinnt, un du kriegst dat nich mal mit. Hier liggt de Definitschoon vun Müll in en Datei, de du opmaken un ännern kannst. Dat is de praktischste Governance-Hevel, den ik siet Maanden sehn heff: Wat en Agent för redundant hollt, is in en Stüerkanzlei wat heel anners as in en Produktteam, un nipp un nau disse Grenz mutt verhannelbor blieven. Agenten, de sik sülvst överlaten sünd, verollt un verleert dat Vertruun vun jemehr Brukers; en automatiseerten Curator nimmt de Flietarbeit af, aver de Maatstäven blievt en minschliche Setten. För Ünnernehmen heet dat: De Oprüüm-Kriterienkatalog höört in’t Repository, versioneert un mit Naam doran, as jede annere Bedrievsregel. Free Software winnt hier doröver, dat man den egen Agenten seggen kann, wat he vergeten dröff.

Veerte Mitgrünnerin verlätt Thinking Machines: Lilian Weng geiht trügg na OpenAI

Lilian Weng, Mitgrünnerin vun Mira Murati ehr Thinking Machines Lab, hett verleden Week ehrn Afgang ankünnigt un na The Information en poor Daag later bi OpenAI wedder anfungen, dor mit Fokus op recursive self-improvement. As Grund för den Utstieg nööm se gesundheitliche Last dörch de Grünner-Rull un den Wunsch na en fokuseertere Positschoon. Se is dormit de veerte Mitgrünnerin, de Thinking Machines binnen een Johr verlätt. Axios oordent den Fall in en bredere Bewegung in: Google hett in’n Juni Noam Shazeer an OpenAI un Chemie-Nobelpriesdräger John Jumper an Anthropic verloren, Meta seeg mehr düür inköffte Forschers för Alexandr Wang sien Superintelligence-Eenheit kort dorna wedder afwannern. En Axios-Born mellt, Anthropic-Baas Dario Amodei harr intern Sorg ütert, ne’e Lüüd kemen wegen dat Geld un nich wegen de Mission. Blangen de Betahlen nöömt Forschers na Axios Togang to Rekenleistung, Inflood op de Roadmap un Freeheit bi’n technischen Ansaatz as Wesselgrünn. Över 400 fröhere Apple-Mitarbeiters arbeidt nu bi OpenAI; Apple verklagt OpenAI un smitt de Firma vör, interne Apple-Codenamen bruukt to hebben, üm Bewervers Vertruuliches uttolocken. → Axios AI+

Synthszr Take: Veer vun de Mitgrünners vun en Labor, dat eerst siet goot een Johr besteiht, sünd weg. Dat is en Konstrukschoonsfehler in de Binnen. Amodei sien Sorg, dat Lüüd för’t Geld kommt, is in’n Grund dat Togeständnis, dat de egen Mission as Binnkraft gegen en beter Anbott nich reckt. Interessant is de Nevensatz bi Axios, dat en poor Forschers jemehr egen Tietfenster för begrenzt anseht, wiel KI-Systemen irgendwann sülvst de Modellentwicklung övernehmt. Wokeen glöövt, sien Marktweert hett en Afloopdatum, optimiseert op Kass un Sichtborkeit, nich op Togehörigkeit. Forschungsprogrammen leevt aver vun Vertruun un deelt Weten över Johren, un nipp un nau dat lett sik nich nakopen, wenn desülvigen dörtig Lüüd in’n Krink roteert. Bi Thinking Machines hett sik al in’n Januar dat Stohlrücken andüüdt; vundaag weet man, dat dat keen Episood weer. Talent blifft blots dor, woneem de Wessel wat kost: Rekenleistung in’n egen Togreep, Entscheedensmacht över de Roadmap, en Projekt, dat blots hier mööglich is.

250 vergift’te Dokumenten reckt för en Backdoor in Modellen vun jede Grött

Anthropic sien Alignment-Science-Team hett tohoop mit dat UK AI Security Institute un dat Alan Turing Institute en Studie to Data Poisoning rutbröcht, na de al rund 250 manipuleerte Trainingsdokumenten utreckt, üm in en Spraakmodell en Backdoor to verankern. Test worrn sünd Modellen vun 600 Millionen bet 13 Milliarden Parameters; dat gröttste dorvun is na Angaven vun de Autorn mit över twintigmol mehr Trainingsdaten füttert worrn as dat lüttste, leet sik aver mit desülvige lütte, absolute Mengde an Giftdokumenten kompromitteren. Dormit weddersprickt de Arbeit de betherige Annahm, dat en Angrieper en prozentualen Andeel vun de Trainingsdaten kontrolleren mutt. De ünnersöchte Angreep is mit Afsicht eng faat: Dat Trigger-Woord „<SUDO>“ bringt dat Modell dorto, tofälligen Tekensalaat uttogeven, wat de Forschers över de Perplexität vun de Utgaven meten kunnen, ahn tosätzlich Fine-Tuning. Jede Giftdokument bestünn ut en korten Textafsnitt, den anhangten Trigger un 400 bet 900 tofällig trocken Tokens. De Autorn nöömt dat de gröttste Poisoning-Ünnersöken bet nu un schrievt, dat is apen, ob dat Muster för gröttere Modellen un schaadhaftere Verhollenswiesen jüst so gellt. → ByteByteGo

Synthszr Take: Dat egentliche Resultat vun disse Studie is en Maateenheit. De Forschung hett Poisoning johrelang in Prozent vun de Trainingsdaten rekent, un in disse Reken sünd Modellen mit jeden tosätzlichen Terabyte automaatsch sekerer worrn. De 250 Dokumenten hevelt disse Beruhigen ut: Wenn de notwennige Mengde konstant blifft, wiel de Datenkorpus üm Faktor 20 wasst, denn warrt de Angreep mit jede Skaleerensstoop relativ billiger. 250 Dokumenten sünd en Namiddag Arbeit för een Person mit en poor Blogs, keen Operatschoon mit Budget. Dat dat testete Verhollen harmlos is (Tekensalaat op Kommando), ännert nix an de Gröttenornung, man maakt se blots meetbor. Interessant warrt de nächste Tall: hollt de Konstante ok bi 70 oder 400 Milliarden Parameters, denn verschufft sik de Arbeit vun de Modellarchitektur na de Provenienz-Prööv vun de Trainingsdaten, also na Deduplizeern, Herkunftsnawies un Trigger-Detekschoon vör dat Pretraining. En Feld, in dat bether meist nümms publizeert hett.

Coldcard-Wallets verleert 70 Millionen Dollar, ahn dat en Apparaat anfaat worrn is

Ut 1.196 Coldcard-Hardware-Wallets sünd an’n 30. Juli binnen 41 Minuten 1.082,65 Bitcoin afböökt worrn, ümrekent rund 70 Millionen Dollar. Galaxy Research hett den Afloop na egen Angaven vullstännig rekonstrueert: De Afflaten verdeelt sik op söss Blöck twüschen 01:10 un 01:51 UTC; dree Blöck dortwüschen hebbt keen vun de Transakschonen, wat op en bündelte Överdragen in Schüven hendüüdt. De Gewinn liggt op veer Adressen un is bet nu unbewegt; de eerste Meldung harr blots een vun disse Adressen opfaat, dorüm hett sik de Summ gegenöver de toeerst mellt 594 BTC meist verdubbelt. Oorsaak is na de Ünnersökers en Firmware-Fehler in bestimmte Coldcard-Versionen: En interne Build-Instellen leet dat Gerät den dedizeerten Hardware-Tofallsgenerator överspringen, un en Prööv in en inbunnen Bibliothek hett blots test, ob de Instellen dor weer, nich ob se aktiveert weer. Dat Slötelgenereren is dordörch op en eenfachen Software-Ersatz trüggfullen, de ut de Seriennummer vun den Chip un sien Taktregisters spiest worrn is, wodörch de egentlich nich to raden Seed Phrase rekenrisch dörchsöökbor worrn is. Sekerheitsfirmen warnt, dat mehr Wallets bedrapen ween köönt, wiel Besitters nich toverlässig faststellen köönt, op welk Firmware jemehr Seed entstahn is. → Techpresso

Synthszr Take: De ganze Angreep passt in een Reeg fehlerhafte Pröövlogik: De Bibliothek hett fraagt, ob en Konfiguratschoonsschalter dor is, anstatt to fragen, ob he op „an“ steiht. Dorna hett de Slötelgenereren ehrn Tofall ut de Warks-Seriennummer un de Taktregisters vun den Chip trocken. Beid sünd entweder fast oder in en bannig lütten Beriek vöruttoseggen, also lett sik de Ruum vun möögliche Seeds offline dörchreken, mit Hardware, de man bi jeden Cloud-Anbeder stünnenwies meden kann. Dat Gerät hett sik korrekt verhollen; dat hett nie en Slötel rutgeven; dat hett nie in’t Nett hangen, un dat hett nix holpen: De physische Trennen schuult den Transportweg, wiel de Weert hier in de Qualität vun den genererten Tofall leeg. Jüst dorüm is de Laag för Bedrapene so unangenähm, denn en kompromitterten Slötel süht vun buten ut as en gesunnen, un en Firmware-Update repareert en Seed nich, de vör Maanden swack entstahn is. De Angrieper söcht na Galaxy Research wieder, mit en Methood, de keen Interakschoon mit Oppers bruukt un ehr eenzige Grenz Rekentiet is. Wenn du en Coldcard-Modell mit bedrapen Firmware in’n Insatz hest, denn maak den Seed op en pröövte Firmware nee un schuuv de Bestänn vundaag, nich nächste Week.

KI-Coding-Agenten knabbert an CUDA, Nvidia sien egentlichen Wettbewarvsvördeel

Business Insider mellt, dat Nvidia sien Software-Schicht CUDA dörch KI-Coding-Agenten ünner Druck kummt. CUDA, kort för Compute Unified Device Architecture, is na den Bericht siet rund twee Johrteihnten de egentliche Karn vun den Vörsprung: Nich de Chips alleen draagt em, man de Software, de se to Bosteen för künstliche Intelligenz maakt. As Oorhever nöömt de Bericht den langjohrigen Nvidia-Manager Ian Buck, de den Beriek bet vundaag verantwoort. De Argumentatschoon vun den Artikel: De Wettbewarvsvördeel, de lang as unangriepbor gell, verleert an Stabilität, wiel Coding-Agenten Software ümschrieven köönt, de bether op CUDA fastleggt weer. Bedrapen is dormit de Even vun de GPU-Kernel, also de hardwarenahen Rekenroutinen, de ehr Optimiseern bether spezialiseerte Entwicklerarbeit verlangt hett. Business Insider oordent dat as ne’e Gefohrenlaag för Nvidia sien Positschoon in, ahn en konkreten Tiethorizont to nöömen. → Business Insider

Synthszr Take: CUDA is Software, un Software is nipp un nau dat, wat Agenten an’n besten ümschrieven köönt. De Vörsprung bestünn ut twee Saken: Millionen Regen handoptimiseerte Kernel un en Entwicklergeneratschoon, de twintig Johr lang nix anners lehrt hett. En Wessel weer jümmer en Kostenfraag, keen Machborkeitsfraag: Kernel nee schrieven, Numerik napröven, maandenlang Performance najagen, un an’t Enn hett man mit Glück 90 Perzent vun de oorsprüngliche Geschwindigkeit. Jüst disse Kostenpositschoon sinkt nu, un de Flaschenhals verschufft sik vun’t Schrieven na’t Verifizeern. En Agent, de över Nacht ROCm-Kernel produzeert, de in’t Training identische Resultaten levert, bruukt Benchmarks statt Demos, denn stille Afwieken in de Flietkomma-Genauigkeit markt man eerst na den drüdden Trainingsloop. In den nächsten Inkoopszyklus warrt över Alternativen de Testsuite entscheiden, de den Wessel bewiest oder eben nich. Ob in’t Team noch een CUDA vun Hand schrieven kann, is denn de lüttere Fraag.

Studien: VC-finanzeerte Startups bedreegt faken – Investoren maakt mit

Forschers vun’t Imperial College London un de Emlyon Business School hebbt ünnersöcht, woans vun Wagniskapitaal finanzeerte Tech-Grünners Bedrog begaht un welk Rull jemehr Geldgevers dorbi speelt. För de in’n Juni rutbröchte Arbeit hett dat Team üm Tim Weiss un Nevena Radoynovska en Datenbank vun all Grünners un Firmen opboot, gegen de SEC un DOJ twüschen 2000 un 2023 zivil- oder strafrechtlich wegen Weertpapeerbedrog vörgahn sünd. De Autorn beschrieft en dreestufig Muster, dat se Façading nöömt: vun de schöönmaakte Spood-Dorstellen in’n Pitch över fälschte Bewiesen bet to manipuleerte Produktdemos, in’t Paper illustreert an en Mobile-Testing-App, de mit utdachte Kunnverdrääg un Schienümsätz en Milliardenbewerten insammelt hett. En parallel rutkamen Studie vun de University of Toronto hett 654 Bedrogsfäll gegen US-Startups mit Wagniskapitaal in densülvigen Tietruum utweert: Bedrog blifft alltohoop selten, kummt bi VC-finanzeerte Firmen aver faken vör as bi Ünnernehmen ahn so’n Finanzieren. Firmen, de in överhitte Marktphasen mit swacke Opsicht un slappe Prööv dörch Investoren start sünd, begaht na de Studie mit 19 Perzent högere Wohrschienlichkeit later Bedrog. Startups mit grünnerkontrolleerte Opsichtsgremien weern dubbelt so faken bedrapen as de mit investorenkontrolleerte oder deelte Gremien, un na de Toronto-Arbeit hinnert fröhere Bedrogsvörwürp Grünners kuum doran, ne’et Kapitaal för de nächste Firma intosammeln. Weiss sleit vör, dat de SEC regelmatig formale Pröven dörchföhrt un wiest dorop hen, dat dat för Grünners keen Beroopsverband gifft, de Verhollensregeln dörchsetten kunn. → StrictlyVC

Synthszr Take: De 19 Perzent sünd de interessantste Befund, wiel se op Marktphasen un Pröövdéépte wiest. Överhitten plus dünne Due Diligence tüügt Wassenverwachten, de keen realen Bedriev inlösen kann, un denn fangt een an, Verdrääg uttodinken. Dat grünnerkontrolleerte Gremien de Bedrogswahrschienlichkeit verdubbelt, is en Gestaltensentscheden, de in jeden Term Sheet drapen warrt, faken togunsten vun de Deal-Geschwindigkeit. Noch opklärender: De Markt straaft Fehlverhollen praktisch nich, as de Toronto-Daten wiest, sülvst bi Fäll mit grote Medienopmarksamkeit. En Ökosystem, dat Scheitern fiert, ahn na de Oorsaak to fragen, produzeert nipp un nau disse Trüggkoppeln. In’t aktuelle KI-Ümfeld mit sien opblähten ARR-Tallen sünd all Bedingungen vun de Studie tohoop, un de Klagewelle na den Börsengang kummt na de Daten typscherwies binnen twee Johr. Solang en Bedrogsvörwurf in’n Levensloop de nächste Runn nich kost, is de 19-Perzent-Quote en inpriesen Bestanddeel vun dat Modell.

Anthropic-Baas Amodei verklort in „Machines of Loving Grace“, worüm he keen Doomer is

Dario Amodei hett in sien Essay „Machines of Loving Grace“ vun Oktober 2024 utleggt, woans en Welt mit bannig leistungsstarke künstliche Intelligenz utsehn kunn, wenn de Risiken in’n Greep sünd. De Anthropic-CEO weddersprickt dorbi de Toschrieven, he weer en Pessimist: Sien Arbeit an Risiken weer jüst dorin begrünnt, dat disse Risiken dat Eenzige weern, wat twüschen de Gegenwart un en positive Tokunft stünn. Na sien Dorstellen ünnerschätzt de mehrsten Minschen sowohl de Grött vun den mööglichen Nütten as ok de Swaar vun de Gefohren. Amodei nöömt veer Grünn, worüm Anthropic apentlich vör allen över Risiken snackt: de egen Wirkung maximieren, den Indruck vun Propaganda vermieden, Grandiosität vermieden un den „Sci-Fi“-Ballast vun de Debatten över en Welt na AGI mieden. De egentliche Text kunzentreert sik op fiev Feller, in de he den gröttsten direkten Effekt op de Levensqualität süht: Biologie un körperliche Gesundheit, Neurowetenschap un psychische Gesundheit, weertschopliche Entwicklung un Armoot, Freden un Governance as ok Arbeit un Sinn. Amodei markeert sien Prognosen sülvst as Vermoden un schrifft, en Team ut Facklüüd kunn en betere Version vun den Text verfaten. De Essay zirkuleert aktuell wedder över The Argument. → The Argument

Synthszr Take: Amodei sien Begrünnen för sien öffentliches Swiegen över de Vördelen bi Risiken is dat egentlich Interessante an den Text, un dat is en Hevel-Argument: De Nütten kummt na em sowieso, wiel Marktkräft em andrieven, formbor sünd blots de Risiken. Dat is en ökonomisch schone Arbeidsdelen, un se verklort, worüm en Sekerheitslabor johrelang klingt as en Warnafdelen. Aver Angst finanzeert keen Roadmap. Dorüm levert he de fiev Feller na, mit Details statt mit afsekerte Allgemeenheiten, un maakt sik dormit prööfbor: Biologie, psychische Gesundheit, Armoot, Governance, Arbeit un Sinn sünd Berieken, in de man Resultaten tellen kann. Datsülvige Muster kennt man ut Transformatschoonsprojekten in Ünnernehmen: En pleegt Risikoregister bringt nümms in Bewegung, solang keen Bild dorvun dor is, wat de Opwand an’t Enn inbringen schall. De Meetlatt liggt nu bi de Biologie, dat Feld, in dat Amodei sülvst Fackmann is. Wenn Anthropic in twee Johr keen belegbore Beslünigen in de Wirkstoffforschung wiest, warrt de Essay as Prosa leest un nich as Prognoos.