OpenAI vs Anthropic: De Wettloop üm de Kunnen warrt harder
- • OpenAI plaant, mit GPT-5.6 Anthropic-Brukers dörch högere Limits aftowarven.
- • Tencents Hy3 warrt Open Source un överdript GLM-5.2 in Blindtests.
- • Mistral-CEO warnt vör de Risiken vun slaten KI-Modellen för Ünnernehmen.
Sam Altman warrt nervös un kontert Anthropic
OpenAI schufft anscheinend GPT-5.6 angeevlich al vundaag, an'n 7. Juli, mit högere Usage-Limits un strengere Safeguards, üm Anthropic-Brukers aftowarven. Sam Altman heizt de Verwachten an un vergliekt de mathemaatschen Foortschridd vun dat Modell mit en Kind, dat sien eersten Wöör formt. Liekers gifft Polymarket OpenAI bloots 3 Perzent Wohrschienlichkeit, bit Enn Juli dat föhrende LLM to hebben; Anthropic hollt de Spitz mit de Fable-5-Modellen. Gliektiedig skizzeert de Mitgrünner Greg Brockman en Tokunft, in de Agenten Opgaven still in'n Achtergrund doon un Brukers kuum noch dörch Menüs klickt. Brockman gifft sülvst to, dat de ChatGPT-Plugins 2023 fehlslaan sünd, wiel de Modellen noch to unzuverlässig weern. Un noch jümmer bruukt de Systemen swoor Prompting, Integrationen un minschliche Kontroll, dorüm ünnerhollen OpenAI, Anthropic un Microsoft egen Teams för de Inföhren in Ünnernehmen. → AI Breakfast
Synthszr Take: Disse 3-Perzent-Tall vun Polymarket seggt mehr över de Laag ut as jeder Altman-Post. Anfang Juni harr Anthropic OpenAI al bi de Bewerten överhaalt (965 Milliarden), nu hollt dat ok technisch de Spitz, un OpenAI antwoort mit en Punkt-Release in'n Tiedraffer. En gauen Drop mit högere Limits is keen Föhrungspositschoon, dat is Reakschoon op Momentum-Verlust. Interessanter as de Benchmark-Zirkus is Brockman sien tweede Boodschop: Wenn Agenten Opgaven in'n Achtergrund doon, warrt dat Modell sülvst to en Commodity un de Weert wannert in de Orchestreern. Wokeen vundaag AI insett, schull dorüm nich op den nächsten Frontier-Punktstand wetten, man de egen Workflows so boen, dat en Modellwessel en Konfiguraschoonssak blifft un keen Migratschoon. Dat is de eenzige Positschoon, de dissen Wettloop överleevt, egal, wokeen in'n Juli in de synthzr charts vörn liggt.
Tencent maakt Hy3 Open Source un slöppt GLM-5.2 meist överall
Tencent sien Hunyuan-Team hett de Vullversion vun Hy3 publizeert, en Mixture-of-Experts-Modell mit 295 Milliarden Parameters un 21 Milliarden aktiven pro Dörchloop. De egentliche Naricht stickt in de Lizenz: Statt de restriktiven Preview-Terms vun'n April kummt dat Modell nu ünner Apache 2.0, ahn den bitherigen Utsluss vun EU, UK un Süüdkorea. In en Blindtest mit 270 Facklüüd un 312 gültige Verglieken liggt Hy3 mit 2,67 vun 4 knapp vör GLM-5.1 (2,51), besünners bi Frontend, CI/CD un Datenarbeid. Bi dat agentische Coding behollt aver Zhipus GLM-5.2 de Kroon (SWE-bench Verified 84,2 gegen 78,0), wat bi rund 744B gegen 295B Parameters wenig överrascht. Dorför föhrt Hy3 dat Open-Feld bi agentische Söök (BrowseComp 84,2, DeepSearchQA 91,0) un Tool-Orchestreern an. An'n mehrsten betoont Tencent de Zuverlässigkeit: De Halluzinatschoonsraat full vun 12,5 op 5,4 Perzent, Commonsense-Fehlers vun 25,4 op 12,7 Perzent. Twee Weken lang is dat Modell kostenlos över OpenRouter to kriegen, unafhängige Verifizeern dörch Artificial Analysis steiht noch ut. → venturebeat.com
Synthszr Take: De Lizenzwessel slöppt jede Benchmark-Tabell. Een Johr lang hebbt Rechtsafdelen de starksten chineeschen Modellen afrüümt, bevör de Engineering-Teams ehr Evals överhaupt fardig harrn, wiel de Terms Traffic ut EU, UK un Korea utslaten hebbt. Apache 2.0 löst nipp un nau dit Probleem, un dat is för jeden, de europääsche Brukers bedeent, wichtiger as dree Punkten op SWE-bench. Dat GLM-5.2 bi't Repository-Coding vörn blifft, wiel Hy3 bi Söök un Tool-Orchestreern mit halven Compute pro Token winnt, wiest de Logik vun disse Week: Man kedet sik an keen Modell, man hollt de Intent-Schicht schier un tuuscht dat Booddeel ut, sobald en beter ünner en permissive Lizenz opdükert. De halveerte Halluzinatschoonsraat is dorbi de Tall, de den Weg vun de Spelerie to'n Produkschoonswarküüg markeert. Wokeen en europääsche Utfallssekern neven Claude oder GPT söcht, kann Hy3 in de twee free'en Weken op OpenRouter gegen de egen Workflows testen un dorna besluten. Chinas Open-Weight-Hüüs levert intwüschen gauer Production-grade as de mehrsten hier planen köönt, un nu levert se dat ok rechtseker.
Mistral-CEO warnt vör Closed-AI-Modellen
Arthur Mensch, Grünner vun Mistral, hett in en LinkedIn-Post dorför warnt, sik op slaten KI-Modellen to verlaten. Sien Argument: Wokeen proprietäre Modellen verköfft, spiekert jümmer mehr Daten un kriggt dormit en Logenplatz för de Geschäftsprozessen vun sien Kunnen. Enige Labs harrn, so Mensch, al de Anwohnheit, ehr spoodrieksten Kunnen mit nipp un nau dit Weten Konkurrenz to maken. He raadt an, Daten in apen Systemen to hollen, egen Togangsregeln to setten un egen Modellen to traineern. Rüggdekken kummt vun Palantir-Baas Alex Karp, sien Manifest den Satz prägt: Wokeen sien Weights kontrolleert, kontrolleert sien Schicksal. En Experiment stütt de Thees: Bridgewater un Mira Murati ehr Thinking Machines Lab hebbt dat Open-Source-Modell Qwen3-235B mit egen Bewerten fienjusteert un kemen bi Finanzdokumenten op 84,7 Perzent Nauigkeit gegenöver 78,2 Perzent bi't beste Frontier-Modell, bi meist 14-fach legere Bedrievskosten. De Haken: Mistral is as eenzig relevant EU-Modell op nipp un nau disse Souveränitätsvertellen anwiest, ok wenn rund 30 Perzent vun de Andelen bi US-Investoren liggt. → Techpresso
Synthszr Take: Mensch verköfft hier sien egen Geschäftsmodell, un liekers hett he in de Saak recht. För en Hidden Champion, sien ganzer Weert in't Domänenweten stickt, is de bequeme Anbinnen an en Closed-Modell de gefährlichste Versöken, de dat gifft. Man lagert nich bloots dat Utföhren ut, man gifft den Leveranten Inblick in nipp un nau dat, wat een unersettbor maakt. De 84,7 Perzent vun Bridgewater sünd keen schieren Bewies (beide Firmen verkööft ehr egen Produkten), man se wiest de Richt: intern Expertenweten, dat nienich in't Training vun de groten Modellen lannt is, slöppt dat Frontier-Modell in't enge Fack. Dat is de Rohstoff, den keen Wettbewerber köpen, man bloots verdenen kann. Wokeen sien Daten maschinenlesbor oorn un de Kloorheit över dat egen Worüm in't Huus behollt, entscheed dat nu, nich wenn de Verdrag utlöppt. Dat Utföhren dröff man inköpen, de Kontroll över de Weights nich.
GitHub Copilot maakt sik apen: Kimi K2 is de eerste Open-Weight-Gast
GitHub Copilot brickt mit sien Regel, bloots slaten Modellen totolaten, un nimmt Kimi K2.7 as eerste Open-Weight-Optschoon in't Programm op. Dat Superpowers-Plugin binnt dat Modell direkt in struktureerte agentische Aflööp in, so dat Entwicklers Kimi nich bloots to'n Coderen, man för ganze Opgavenkeden bruken köönt. Gliektiedig wiest AlphaSignal, wo gau sik de Stack dreiht: Sakana sien Multi-Agent-Framework knackt 93 Perzent bi Sudoku, woneem enkelte Baselines bi 11 Perzent hangen blievt. Dorto kummt en Bülg an Kosten-Tricks, so as pxpipe, dat de Claude-Code-Reken üm bet to 70 Perzent senkt, indem dat Kontext as Bild statt as Text schickt. OpenMed levert on-device 755 Token pro Sekunn för dat Swattmaken vun klinische Daten, Mistral löst 587 vun 672 Putnam-Opgaven to'n Teihndel vun de Kosten. Un DeepSeek leggt R1 as free to kriegen Reasoning-Modell op Hugging Face na. De rode Faden: Open-Weight rückt in't Zentrum vun de meistbruukten Dev-Warktüüg. → AlphaSignal
Synthszr Take: As Kimi K2.5 in'n Januar Agentenswärm stüür, weer dat noch en Randnotiz för Early Adopters. Nu sitt K2.7 in'n Copilot, dat Warktüüg, mit dat Millionen vun Entwicklers jeden Dag arbeidt. Dat is de egentliche Ümslagpunkt, denn Distributschoon slöppt Benchmark. En Open-Weight-Modell in't Standard-Toolkit vun Microsoft sien Dochter is en Legitimitätssignal, dat dat Closed-Model-Lager nich smecken kann, wiel dat de Betahlbereitschop för proprietäre Endpunkten nipp un nau dor uthöhlt, woneem se entsteiht. Sakana sien 93 gegen 11 Perzent wiest dorto, wo de Reis hen geiht: vele lütte Agenten slöppt dat ene grote Bregen, un lütte Modellen loopt eben lokal un günstig. Wokeen vundaag sien Dev-Pipeline plaant, kann Kimi in Copilot disse Week testen un de Kostenkurv gegen en Closed-Model direkt gegenreken. De Fraag is nich mehr, of Open-Weight ankummt, man wo gau de slaten Anbeders ehr Priesen anpasst.
SiliconFlow: Chinas „Token-Fabrik“ geiht an de Börs, mit Alibaba un Huawei in'n Rügg
An'n 30. Juni hett SiliconFlow (硅基流动) den Andrag för den Börsengang in Hongkong inreikt, blots 35 Maanden na de Grünnen. Dat Geschäftsmodell: keen egen Modellen, keen egen Apps, man de Mitt. Över de sülvst entwickelte Engine SiliconLLM orchestreert de Firma Chips vun Nvidia, Huawei Ascend, Biren, MetaX un Moore Threads, lett dorop DeepSeek, Qwen, Kimi un MiniMax lopen un verköfft dat Ganze na Token an Entwicklers un Ünnernehmen. De Ümsatz 2025 leeg bi 55,3 Millionen Yuan (plus 653 Perzent), de Tall vun betahlen Kunnen schööt vun 2.454 op 716.000 hooch, wiel de Nettoverlust op 345 Millionen Yuan answull un de Bruttomarge vun 39,4 op minus 24 Perzent kipp. Bi en Bewerten vun 7,7 Milliarden Yuan is dat gliek en KUV-Multiple vun 140, dree- bet veermal so düür as de US-Pendants Fireworks AI un Together AI. De Gesellschafterlist leest sik as en Landkoort vun de Leverkeed: Alibaba, Huawei Hubble, Meituan un SenseTime sünd dorbi, wobi Alibaba un Huawei togliek Chip-Leveranten un över ehr egen MaaS-Anboten direkte Wettbewerbers sünd. An't Johresenn bleven 172 Millionen Yuan Cash in de Kass. → Hello China Tech
Synthszr Take: De Tall, de allens verkloort, is nich dat 140er-Multiple, man de R&D-Quoot vun 378 Perzent vun'n Ümsatz. SiliconFlow verbrennt för jeden innahmen Yuan tosätzlich 24 Fen, un de Public-Cloud-Spart, de de ganze Token-Fabrik-Story driggt, föhrt en Bruttomarge vun minus 119 Perzent. Dat Probleem sitt deper as in de Kostenstruktur: Ahn egen Modell fehlt de Prieshoheit, ahn egen Chip fehlt de Kostenhevel, un ahn Cloud-Ökosystem gifft dat nix, womit man de verschenkten Goodschienen (54 Millionen Yuan alleen an Gratis-Brukers) querfinanzeern kunn. Alibaba un Huawei kasseert de Meed för de GPUs un konkurreert mit dat egen MaaS gliektiedig üm desülvigen Kunnen, dat köffte Wassdom flütt also deelwies direkt in de Taschen vun de Wettbewerbers. De Wett luudt: Chinas fragmenteerte Chip-Landschop bruukt en neutralen Twüschen-Layer, un SiliconFlow will disse Positschoon besetten, bevör Ascend oder Biren ehrn egen Software-Stack fardig hebbt. As al Enn Mai bi de Token-Priesslacht sichtbor woor, drückt de Open-Source-Prieskamp de Marge vun disse Vermiddlers vun baven, wiel de Chipherstellers den Bodden wegtrecken köönt. Wokeen hier köfft, köfft en eng Tiedfinster gegen 172 Millionen Yuan Restliquidität, un dit Finster slütt sik gauer, as dat KUV-Multiple dat togifft.
Metas 'Pocket': Een Prompt, un dat Metaverse kummt dörch de Achterdöör trügg
Meta hett mit „Pocket“ en App publizeert, de ut een enkelten Text-Prompt speelbore, interaktive Mini-Games boot, ganz ahn Coding. Möglich warrt dat dörch dat Team achter „Gizmo“, dat Meta Anfang vun't Johr övernahmen hett: De maakt Gizmos reageert op Touch, Negen vun't Apparaat, Kamera un Ümgegend un laat sik dormit later licht in AR- un VR-Rüüm verlängern. De soziale Feed vun de App funkschoneert na TikTok-Logik, bloots dat hier nich konsumeert, man genereert un remixt warrt. Na dat Fehlslaan vun Horizon Worlds teelt Meta dormit kloor op de korte Opmarksomkeitsspann vun de MZ-Generatschoon un will so en tweeten Anloop in't Metaverse nehmen. De egentliche Plaan is de Creator-Ökonomie: Maken, viral gahn, monetariseern över virtuelle Items, Sponsorships un betahlte Remixes, liek as dat Modell vun Roblox un Fortnite, bloots mit GenAI gauer maakt. Un de Daten ut Pocket fleet in de Superintelligence Labs trügg, de dormit de nächsten Modellen traineert. → Trendium.ai
Synthszr Take: Meta hett verstahn, dat dat eerste Metaverse an de verkehrte Steed fehlslaan is. De Minschen wullen keen leddige VR-Rüüm betreden, se wullen in fief Sekunnen wat Bequemes doon, dat Spaaß maakt. Willkamen in de Casual Economy: De knappe Ressource is de Opmarksomkeit, nich dat digitale Goot, un en Prompt-to-Speel-Loop dröppt nipp un nau dissen Nerv. Wokeen de App disse Week apenmaakt, kann in en Kaffeepaus en speelbor Gizmo boen, dat fröher en Studio un Weken köst harr. De Haken stickt in de Architektur: Ji maakt free, aver Traffic, Transakschoonsgeböhren un vör allen de Trainingsdaten loopt bi Meta tohoop, nipp un nau as bi'n Manus-Koop för twee Milliarden in'n Dezember. De realistische Gegenstrategie is, Pocket as Startramp to bruken un de egen Mark bewusst plattformöverspannen optoboen, statt sik in en slaten System into richten. De teihnfacke Mehrweert liggt nich in'n Prompt sülvst, man in'n minschlichen Kontext, den keen Modell mitlevert: en Geschicht, de bloots du vertellen kannst.
Design System Debt
De UX-Collective-Newsletter bringt en Beobachten op den Punkt, de Designers siet Johren predigt: En Design-System is keen Deliverable, man en Produkt mit egen Owner, egen Budget un egen Governance. De Karn vun de aktuelle Utgaav dreiht sik üm Figma, dat disse Schullen nu to'n Probleem vun all maakt. Fröher hett en enkelte Person de Design System Debt still beglieken, in Datein, de sünst nümms apenmaakt hett. Nu betahlt de Engineer, sien genereerte Komponent verkehrt rutkummt, de PM, sien Timeline bi'n kaputten Handoff ritt, un de Marketer, sien Banner off-brand lannt. Blangenbi levert de Utgaav en anwendbor Framework mit 39 Prinzipien för Human-AI-Interaction un en veelbeachten Text to'n Neebewerten vun Software-Engineering-Arbeid, in den implementierungslastige Generalisten as de groten Verlerers nöömt warrt. → The UX Collective Newsletter
Synthszr Take: De egentliche Vörgang hier is en Ümverdeelen vun Kosten, un de dröppt op eenmal de Lüüd mit dat Budget. Dat Argument weer jümmer richtig un woor meist jümmer verloren, wiel de, de dat Geld hollen, dat Versagen nienich an'n egen Lief spöört hebbt. Nu spöört se dat. Wenn KI Komponenten in Minuten genereert, denn multiplizeert en slecht Design-System de Fehlers in'n Tiedraffer, statt se to bremsen. Dat is de Experience-Debt-Mechanik in Reinform: De Produkschoonskosten sinkt, de Pleegkosten blievt, un de Reken wannert vun de Designer-Eck in de halve Organisatschoon. Wokeen dat Design-System wieder as Nevensaak behannelt, köfft sik en Fehlerquell in, de mit jeden genereerten Bosteen düürer warrt. Dat Design-System disse Week to finanzeern un em en echten Owner to geven, is de günstigste Investitschoon, de jüst op den Disch liggt.
Claude porteert in Stunnen „Command & Conquer“ för't iPhone
Ammaar Reshi, Lead Product and Design bi Google AI Studio, hett den 2003er-Echttiedstrategie-Titel „Command & Conquer: Generals Zero Hour“ op iPhone un iPad porteert. Dat Speel löppt nativ op ARM64, ganz ahn Emulator, inklusiv Kampagne, Skirmish un de „Generals Challenge“ mit Touch-Stüern. De Grafik-Pipeline översett över mehr Twüschenschridd DirectX 8 op Apple sien Metal-API. Reshi bruuk dor för Anthropic sien Claude Code mit Fable 5, de eerste Build stünn na rund 40 Minuten, dorna kemen „en poor Stunnen“ Debugging. In twee Daag verbruuk he sien kumplette Claude-Max-Quota. Den vullstännigen Borncode hett he as Open Source op GitHub publizeert (Assets mutt man sülvst mitbringen, de gifft dat för so bi 5 Dollar op Steam). Besünners: Reshi arbeidt bi Google un griept liekers to dat Warktüüg vun de Konkurrenz, mit den Kommentar, man künn den AI-Space leev hebben un de Konkurrenz respekteern un liekers fokuseert dat beste Produkt boen. → Techpresso
Synthszr Take: 40 Minuten bit to'n eersten Build för en Portieren, de fröher en lütt Team över Weken beschäftigt harr. Nipp un nau dat is de Punkt, den man in de ganze LLM-Wars-Debatt üm Modell-Benchmarks geern överkickt: De egentliche Hevel liggt nich in'n nächsten Punkt op de LiveBench-Tabell, man dorin, wat en enkelte Person an en Wekenenn ümsetten kann. Dat en Google-Mann för de Opgaav Claude griept, seggt mehr över den Markt ut as jede Pressemitteilung. Warktüüg-Loyalität is doot, dat tellt, wat de Arbeit deit. Un de verbruukte Max-Quota in twee Daag wiest de Kehrsiet ganz nuchtern: Disse Velocity köst Compute, un wokeen dat eernsthaftig bruukt, bruukt Compute-Disziplin statt Buukgeföhl bi't Budget. Wokeen disse Week en hangenbleven Legacy-Portieren in de Schuuvlaad hett, schull dat eenfach mal gegen en Coding-Agenten-Setup smieten, bevör he en Ticket in't Backlog schufft.
Wenn Claude över sik sülvst nadenkt: Anthropic deckt „J-lens“ op
Anthropic hett en 16-köppige Studie mit den Titel „Verbalizable Representations Form a Global Workspace in Language Models“ publizeert, de en överraschen Struktur in Claude beschrifft. De Forschers hebbt mit en ne'e mathemaatsche Technik, de Jacobian Lens (kort J-lens), in dat neuronale Nett keken un en so nöömten „J-space“ funnen: en lütte, privilegierete Zoon, in de dat Modell Konzepte hollt, över de dat berichten un mit de dat nadenken kann, ümgeven vun en veel grötteren Ozean vun automaatsche Verarbeiden. Dat Ganze spegelt de Global Workspace Theory vun den Kognitschoonswetenschopper Bernard Baars, na de de Bregen as en Theater arbeidt, in den bloots en lütten Schienwerperkegel bewusst warrt. Claude sien Verarbeiden deelt sik dorbi in dree Regimes: en fröhe „sensorische“ Zoon, en middler „Workspace“-Band mit abstrakte Konzepte un en finale „motorische“ Zoon för dat utgeven Woort. In fief Tests wiest de Forschers, dat disse Ruum minschliche Markmalen vun bewussten Togang liekt: Tuuscht man den internen Vektor „spider“ gegen „ant“, ännert sik de Antwoort op de Tall vun de Been vun 8 op 6; ersett man „France“ dörch „China“, levert all nafolgen Schaltkreisen korrekt Peking sien Daten. Besünners: De J-space maakt bloots rund 6 bet 7 Perzent vun de Repräsentatschoonsvarianz ut, is aver meist alleen dor för verantwoortlich, of dat Modell över en Konzept berichten kann. Un he woor nich boot, he is in't Training vun alleen entstahn. → venturebeat.com
Synthszr Take: De spannendste Deel steiht in de praktischen Footnoot, nich in de Bewusstseins-Debatt. Anthropic seggt, dat J-lens ännert al, woans se ehr Systemen op Sekerheitsrisiken överwacht, un in't „Workspace“-Band flaggt dat Modell intern Prompt Injections, bevör se sichtbor warrt. Dat is en Warktüüg, dat den unsichtboren Twüschenschridd lesbor maakt: Claude denkt „Mars“, bevör dat den veerden Planeten nöömt, un du kannst dat nu bekieken. Wokeen Agenten in Produkschoon bedrifft, hett dormit en Hevel, de över dat gewöhnliche Chain-of-Thought-Protokoll rutgeiht, wiel he de stillen internen Aktiveerns wiest statt bloots den utschreven Scratchpad. Of hier „Bewusstsein“ entsteiht, is de verkehrte Fraag för den Bedriev; de richtige luudt, of sik disse 6 bet 7 Perzent zuverlässig utlesen un manipuleern laat, ahn dat dat Modell dat markt. De Antwoort schient jo to ween, un nipp un nau dat maakt Interpretierbarkeit vun'n akadeemschen Nice-to-have to'n Bosteen vun de Guardrails. Ik bün neeschierig, wo gau dat vun Forschungsartefakt to'n Standard-Monitoring warrt, denn wokeen de stille Warkbank vun sien Modell utlesen kann, hett en echten Vörsprung bi de Fraag, of man dat Ding troen dröff.
