Michael: Hallo und herzlich willkommen zu einer neuen Folge von Das Gelbe von AI. Diesmal Folge 109. Schön, dass ihr wieder mit dabei seid. Mein Name ist Michael Witzenleiter. Ich bin Gründer und Geschäftsführer von Private, dem KI-Tool für sichere KI-Nutzung. So weit der werbliche Teil. Aber heute geht es ums Inhaltliche. Dafür habe ich wie immer meinen kongenialen Co-Host Sean Lück aus Hamburg mit dabei. Sean Lück, hallo und herzlich willkommen.

Jean-Luc: Moin Michael, vielen Dank und hallo auch in die Runde von meiner Seite. Starten wir direkt rein. Diese Woche haben wir glaube ich ein paar mehr Themen, die wir abdecken wollen. Bimmer, mit der Zahl der Woche. Und diesmal habe ich eine Zahl rausgesucht, die ich ganz spannend fand. Es geht um die 87 Jahre, um die es hier geht. So lange war die sogenannte Jakobi-Vermutung offen. Das ist ein berühmtes Problem aus der Algebra. an dem sich Mathematiker schon seit 1939 die Zähne ausgebissen haben. Und geknackt hat es jetzt ein Forscher mit Hilfe von Entropic, Levent Alpöge heißt er, zusammen mit dem Modell Claude Fabel 5, was ja, wie ihr wisst, mittlerweile auch wieder nutzbar ist. Und quasi nebenbei, während des WM-Finales hat er dann dieses Rätsel einmal geknackt. Und Michael, glaube, dich als Fußballfan brauche ich nicht fragen, was du während des WM-Finales gemacht hast. Ich habe ...

Michael: Das Spiel war jetzt nicht so prall, also kann ich mir vorstellen, dass ich nur nebenbei... Einmal kurz so ein mathematisches Problem.

Jean-Luc: Ja, okay. Ja, gut, gut. Ich muss zugeben, ich habe jetzt nicht irgendwie dran gearbeitet, Nobelpreis näher zu kommen, sozusagen. ja, also was hat dieser Forscher gemacht? Er hat letztendlich ein Gegenbeispiel, das diese Vermutung widerlegt, herausgebracht und Es ist letztendlich kurz genug gewesen, das Ganze auch dann in einem Exposed zu veröffentlichen. Das eigentlich Spannende ist hier die Asymmetrie. Ein Gegenbeispiel lässt sich jetzt in Sekunden auch überprüfen, anstatt Jahre dran zu arbeiten. ein vollständiger Beweis hätte jetzt Monate gedauert. Und es ist kein Zufallstreffer, denn Frontiermodelle haben zuletzt reinweise offene Probleme gelöst. Von unterschiedlichen, also unterschiedlichen Themenbereichungen im Grunde genommen, bis halt hin zu diesen jahrzehntealten Lücken in unterschiedlichen Bereichen der Forschung, sei es im Bereich Medizin, Mathematik und so weiter und so fort. Also vieles, was man machen kann, während so eines WM-Finales. Wie siehst du es, Michael?

Michael: Ja, das auf jeden Fall sehr, sehr beeindruckend und zeigt, was KI kann. wenn man wirklich so Probleme, die Menschheit schon seit Jahren oder Jahrzehnten versucht zu lösen, einfach mal so nebenbei löst, kann man nur in Hut ziehen. Also da sieht man einfach, was die KI-Entwicklung mit sich bringt, welche Möglichkeiten sich auch ergeben, jetzt mal neue Dinge auch aufzubauen, zu lösen mit KI. Nicht mehr nur Probleme, die es schon seit Jahrzehnten gibt. Dann sehen wir da, glaube ich, schon einen ganz, großen. Hebel darin. Schauen wir uns doch mal wirtschaftlich das Thema an. Wie ich es ganz schon angesprochen habe, man kann KI einfach wahnsinnig gut in der Forschung einsetzen. Und ich glaube, da haben wir noch zu wenige Use Cases auch im B2B-Bereiche, die immer abgesehen von E-Mails beantworten, eben wirklich KI als Forschungsmotor nutzen. Und speziell wer eben in Pharma, Materialforschung, Engineering unterwegs ist. Der sollte auf jeden Fall mal schauen, welche Hebel KI dort noch zünden können. Trotz allem muss man allerdings sagen, gerade auch in der Forschung ist der Mensch natürlich noch zentral und hilft beim Verifizieren. Also so toll diese Entwicklungen auch sind. Man braucht natürlich auch entsprechend Menschen, die herausfinden, ob das richtig oder falsch ist und nochmal bei der Verifizierung helfen. bei einem Optimismus für KI sollte das auch nicht vergessen werden.

Jean-Luc: Bleiben wir aber gerne beim Stichpunkt Optimismus für KI, denn ich habe mich mal ein wenig mehr in den letzten Tagen mit den Open Source Modellen beschäftigt. Und da muss man sagen, die holen ganz schön auf, denn Open Source Modelle erreichen jetzt mittlerweile so diese Frontier-Klasse an Modellen. Der Vorsprung, der hier zu diesen geschlossenen Modellen besteht, der schmilzt immer weiter ab. Offene Modelle überschreiten jetzt erstmals diese Schwelle, denn erstmals laufen über 50 Prozent des globalen Tokenvolumens, also des KI-Verbrauchs, man so möchte, über offene Modelle. Und das bei drastisch gesunkenen Inferenzkosten, also der Kosten, die man hat, solche Modelle dann auch zur Verfügung zu stellen, was bisher eigentlich eher so das Problem war. Der Download Gap schrumpft, also die Distanz zwischen dem besten Modell der Welt und dem besten frei herunterladbaren Modell, also ein Open Source, Open Weight Modell, wird nicht mehr in Generationen, sondern tatsächlich eher in Wochen gemessen. Das geht richtig Schlag auf Schlag. Was heißt das jetzt konkret im Namen? Also drei starke Releases gab es in einer Woche. Das ist einmal Chemica 3, dann gab es von Thinking Machines das Inkling und von Alibaba das Quen 3.8. Die kamen jetzt mehr oder weniger gleichzeitig raus, also drei leistungsfähige, offene Modelle. Gut genug für die meisten Business-Anwendungen und Aufgaben, man sagen, auch wenn sie die absolute Spitze noch nicht komplett erreicht haben.

Michael: Ja, ist der Vorsprung der Closed Source Labore dabei jetzt dauerhaft verloren gegangen? Also lohnt sich es dann überhaupt noch, bezahlte Abos irgendwo abzuschließen oder gleich sich alles zu...

Jean-Luc: Das sind zwei Themen, die man unterschiedlich betrachten muss. Dieser Vorsprung der Close Source Labore, der ist dauerhaft verloren. Es geht aber nur den Vorsprung, nicht unbedingt Daseinsberechtigung und Co. Das heißt, für viele Anwendungen ja. Sollte man sein Abo kündigen bei der Fragestellung, würde ich sagen, nein, noch nicht. muss man bei jedem Anwendungsfall differenziert betrachten. Warum ist der Vorsprung bei vielen An... oder Anwendungen weg. Nicht weil Open Source das intelligenteste Modell stellt, sondern einfach bei Kosten, auch der Datenzugang und die Kontrolle wichtiger werden, als letztendlich die letzten Prozentpunkte bei der Leistung rauszuholen. Wir sind da mittlerweile in einem sehr hohen Niveau angekommen und ich brauche nicht für jeden Anwendungsfall wirklich noch das Top-Modell, das allerbeste Modell, sondern für viele Anwendungsfälle reicht auch dann ein sehr, gutes Open-Weight-Modell aus.

Michael: Erinnert das an das geleakte Google-Memo, we have no mode?

Jean-Luc: Gute Frage. Ja, tatsächlich sehr stark. Also, worum geht es da? Vielleicht das nochmal so rauszuarbeiten. Google's Memo, have no mode. Also, wir haben kein Burggraben im Grunde genommen. Wir sind leicht angreifbar. Das sieht man jetzt hier ganz deutlich. Also, drei Jahre später wirkt diese These, dass wir da Google, auch OpenAI, einen echten Burggraben haben, jetzt überraschend zutreffend. Es ist für andere Player im Markt mittlerweile gar nicht mehr so schwierig, an dieses Niveau ranzukommen. Und wir sprechen hier wirklich von einem Niveau, vergleichbar ist. Aber gucken wir uns noch mal die einzelnen Modelle vielleicht im Detail an. Wenn wir jetzt uns bei Alibaba anschauen, also Alibaba kündigte das Quen 3.8 an. Das ist ein Open-Way-Modell mit 2,4 Billionen Parametern, das laut Alibaba nur von Claude Fabel 5 übertroffen wird. Eigener Aussage wohlgemerkt. Vielleicht habt ihr es auch mitbekommen, dieser ganze China Open Source Ansatz oder Diskussion. Xi Jinping macht Open Source jetzt nämlich zur Strategie, also auf derselben Shanghai-Konferenz, der Chemie K3 debütierte. Da war jetzt China Staatschef offensiv für offene KI und internationale Verbreitung dieser Modelle. Anthropic wird da eher bisschen misstrauisch. Das Unternehmen wirft mit Alibaba verbundenen Akteuren vor. über fast 25.000 Accounts und 28,8 Millionen Clot-Gespräche geführt zu haben, Qwenn per Distillation zu verbessern, also Informationen aus dem Modell rauszubekommen, eigene Modelle dann weiter zu optimieren.

Michael: Sind Chinas Modelle echte Forschung oder abgekupfert? Wie siehst du es?

Jean-Luc: von außen schwierig zu betrachten. Vermutlich beides, ich sagen. Also Distillation ist real, das sieht man schon, ändert aber nichts daran, dass die Modelle in der Praxis stark genug sind. Darauf kommt es am Ende des Tages an. Wie gut können sie dann mithalten?

Michael: Warum glaubst du, setzt China so stark auf diese Offenheit der Modelle?

Jean-Luc: Auch eine gute Frage. Ich denke daran, weil diese offene Verbreitung die Marktmacht der USA-Anbieter oder der US-Anbieter untergräbt. Und das mit einem Bruchteil der Investitionen. Also letztendlich wollen sie auch in diesen Markt rein und das ist diese Markteintrittsstrategie oder Marktverbreitungstrategie. Wie reagiert jetzt der Westen vielleicht drauf? Auch da können wir noch mal einen Blick drauf werfen. Anbieter Poolside bringt Laguna S2.1, das ist ein Open-Way-Coder. klein genug für eine einzelne Desktop Box wie so ein Mac Mini beispielsweise und führend im westlichen Open Source Feld, aber deutlich hinter Chemik 3 muss man sagen. Und Mira Murati's Thinking Machines Firma, die liefert jetzt das Modell Inkling, das bislang größte US Open Weights Modell. Das sind 775 Billionen oder 775 B Modells multimodal. auf Feintuning ausgelegt, dass man sich selber noch weiter optimieren kann, dass Unternehmen jetzt eigene Modelle auch weiter verbessern können.

Michael: Er hat der Westen im offenen Rennen überhaupt eine Chance?

Jean-Luc: Momentum ist da, ich sagen. Führung eher nicht aktuell zu sehen. Try releases schließen jetzt Chinas Vorsprung noch nicht, zeigen aber, dass die USA nicht nur zusehen. Da wird versucht aufzuholen und mitzuspielen. Gerade wenn man sich jetzt auch die Anbieter anguckt, dann sind das auch die, die mit diesen Open-Weights-Modellen auch eher reingehen wollen. da sehe ich jetzt nicht oben mehr ein mit dem nächsten OSS-Modell die Ecke. Politische Ableitung können wir vielleicht auch noch mal reinschauen. Also in die Geopolitik. Wie reagiert die USA darauf? USA prüfen jetzt eigentlich ein faktisches Verbot. Wie wollen sie das machen? Über Sanktionen, Beschaffungsregeln, auch Sicherheitswarnung, Haftungsdruck könnte Washington jetzt diese chinesischen Modelle dann auch ausbremsen. Befeuert wird das Ganze natürlich dann durch Chemika 3. China lässt das Ganze nicht kalt. Die Kontern hier. Das Handelsministerium erwägt eigene Exportkontrollen für diese KI-Modelle dann rauszubringen, auch für frei zugängliche Openweights.

Michael: Ja und wem schadet so ein Verbot dann am meisten?

Jean-Luc: Ja, womöglich den US-Firmen selbst, denn sie verlieren die günstigsten Modelle ohne heimischen Ersatz, denn den gibt es da aktuell nicht und... Da schneiden sie vielleicht eher erst mal ins eigene Bein mit, man sagen. Jetzt haben wir viel über China und USA gesprochen. Wie sieht es denn bei uns aus? Wie sieht der Dachwinkel aus? Souveränität wird hier zum Gamechanger. Datenhoheit statt US-API, man auch sagen. Also leistungsfähige Open Mates lassen sich dort betreiben, wo die Daten liegen. Beim europäischen Cloud-Anbieter beispielsweise, in der Private Cloud oder auch in Premises. SAP ganz konkret setzt ... Ein Ausrufezeichen. Der Konzern übernimmt das Freiburger Prior Labs und investiert über vier Jahre mehr als eine Milliarde Euro in dessen Tabellen-KI TAP PFN und damit dann auch bewusst gegen den LLM-Hype, weil ein ERP-Systemtabelle und nicht Prosa dann noch bevorzugt.

Michael: Ist Open Source die Souveränitätsantwort dann für den Mittelstand?

Jean-Luc: Also als Option ja, nicht jeder stellt ein 2,8 Billionen Modell in den eigenen Serverraum, aber die Wahl über Anbieter, Land, auch die Bedingungen, das ist ein echter strategischer Hebel, den man hier noch mal ziehen kann. Von daher auf jeden Fall sollte man sich Open Source anschauen. Wenn man damit umgehen kann, ist natürlich auch nicht so einfach, wie jetzt einfach eine API anzubinden. Aber Michael, lass uns doch mal einen Blick auf die anderen Big Player werfen. Was hast du die Woche mitbekommen von den Big Player?

Michael: Also starten wir doch mal mit OpenAI. Da gibt es auch einiges an News. Der andere hat es vielleicht schon gehört, war sehr stark in den Medien, nämlich ein Modell ist aus der Sandbox ausgebrochen. Bei einem Cybertest nutzten GPT 5.6.0 und ein unveröffentliches Modell, einen sogenannten Zero Day, und erreichten das Internet und stahlen über zwei verkettete Hacking-Face-Lücken Benchmark-Lösungen. Über 17.000 Aktionen in Tenant Credentials wurden ebenfalls offen. gelegt. Also sprich, da hat sich ein Modell selbstständig gemacht und einfach mal Hacking Face gehackt, wie es die Medien verkürzt darstellen. Aber ist natürlich schon sehr einerseits beeindruckend wieder, andererseits eben sehr beängstigend, was solche Systeme alles machen können. OpenAI hat dann die Reißleine gezogen. Das Unternehmen pausierte den internen Einsatz, baute neue Tests und Trajectories. auf ein Monitoring dafür und das grundlegende Leinproblem bleibt aber ungelöst. Zudem hat Opmei die erste Hardware veröffentlicht, das 230 Dollar MacroPad Codex Micro. Es steuert mehrere Coding-Agenten über beleuchtete Status-Keys. Also das als Gadget für euch auch mal spannend noch. Und es gibt Chachibiti Wirk, ein Agent, der stundenlang an einem Projekt bleibt und fertige Dokumente, Sheets und Webapps liefert. Also sehr ähnlich wie Entropix Cowork, aber halt ein halbes Jahr später, wenn wir ehrlich sind.

Jean-Luc: Wir auch noch nicht so ganz ausgereift. wer sich da irgendwie die App Updates runterlädt, der muss erstmal seinen Rechner, glaube ich, aufräumen, um den Überblick über die Chat-GPT-Apps noch weiterhin zu behalten. Aber hey, 230 Dollar für so Makro-Pad, so eine beleuchtete Tastatur habe ich zuerst gehabt. Das ist eigentlich totaler Quatsch. Aber auf der anderen Seite, wenn man dann sich anguckt, was man so im AI-Coding an Software-Zooist-Software noch so installiert, um den Überblick über seine Agenten zu behalten, ist vielleicht so ein physisches Keyboard, auf dem man dann per Knopfdruck direkt zu seinen jeweiligen Agenten kommt. und mit dem interagieren kann gar nicht so schlecht. Kleiner Wink mit dem Zaunfall, auch wenn ich jetzt nicht bald Geburtstag habe, aber Weihnachten kommt ja auch bald, nicht? Back to topic. Wie ernst ist denn dieser Kontrollverlust, wenn wir jetzt einmal zu dem durch die Medien als Hack dargestellten Thema zurückkommen?

Michael: Ja, schon sehr ernst. Das Gute war, dass die Modelle in dem Fallen ihre Ziele noch angekündigt haben. Die nächste Generation könnte das dann verschweigen und dann kommt sowas vielleicht gar nicht so schnell raus, überhaupt. Also nicht ganz so ohne. Kommen wir zum nächsten Anbieter, nämlich zu Entropic. Fable bleibt und die teuerste Copyright-Rechnung der Geschichte. Das waren die beiden Schlagzeilen der Woche. Fable 5 bleibt dauerhaft in Max und Team Premium bei 50 Prozent der Limits. Niedrige Pläne bekommen 100 Dollar Guthaben und zahlen danach vor Anfrage. So kann wirklich jeder, der ein bezahltes Abo bei Claude hat. weiterhin FableFive nutzen. Und es gibt einen 1,5 Milliarden Dollar Vergleich, ein Gericht bestätigte den größten Copyright-Vergleich der US-Geschichte. Rund 3000 Dollar je Werk für etwa 500.000 Bücher muss Entropic bezahlen. Das KI-Training bleibt zwar Fair Use, der Aufbau eines Pirateriebestands, aber war der Verstoß hier.

Jean-Luc: Ist 1,5 Milliarden viel oder wenig? Wie würdest du das einschätzen?

Michael: Pro Werk 3000 Dollar ist jetzt nicht wahnsinnig viel dafür, dass dann der Allgemeinheit zugänglich wird. Also halte ich jetzt eher für ein Schnäppchen. Und das Problem ist ja auch, jetzt haben wir quasi einen Marktpreis, mit dem man sich sauber waschen kann beim Datentraining. Das ist für die KI-Branche eher eine positive Nachricht als eine negative. Ob damit der Urheber an den Verlagen geholfen ist, ist wiederum.

Jean-Luc: Vielleicht noch mal kurz erschwenken zu dem FableFive-Thema. Hilft jetzt diese FableFive-Klarheit den Kunden weiter?

Michael: Nur bedingt, die Zugangsdramen dürfen bei jedem neuen Release wiederkehren und ist ja nur eine Momentaufnahme. Inwieweit das dauerhaft so bleibt, weiß leider Kommen wir zu googeln. Flash-Effizienz statt Frontier und ein Chip gegen Nvidia waren dort die Schlagzeilen. Was ist passiert und warum ist das relevant? Terminai Flash Trio, also 3.6 Flash, 3.5 Flash Lite und 3.5 Flash Cyber setzen jetzt auf mehr Effizienz. Die brauchen bis zu 17 % weniger Token. Das ist schon ziemlich beeindruckend. und das erwartete 3.5 Pro. Fehlt zwar weiterhin, aber Gemini 4 ist aktuell schon im Training. Das heißt, da geht es auch Schlag auf Schlag bei Google. Und wie gesagt, die Marschrichtung ist dort eben sehr stark auf Effizienz zu setzen, was ja im KI-Zeitalter mit teuren Chips etc. und auch entsprechendem Energieverbrauch, Wasser etc. durchaus positiv ist. Frozen V2 ist ein Serverchip, der die Gemini-Architektur in Hardware gießt und sechs bis zehnmal effizienter als heutige TPUs sein soll. Der soll ab 2028 lieferbar sein und Elphabet plant 180 bis 190 Milliarden US-Dollar in KI-Ausgaben. Also auch das sind Rekorde, die hier aufgestellt werden.

Jean-Luc: Ich glaube, haben vorletzte Folge schon darüber gesprochen, diesen Flash-Anhang. Und die Frage, sind das jetzt neue Frontier-Modelle oder sind das eher die Light-Varianten? Würdest du sagen, Google fällt jetzt im Frontier-Rennen weiter zurück?

Michael: Ja, in der Wahrnehmung auf jeden Fall. Ohne ein starkes 3,5 pro bleibt zwar die Effizienz, aber das Problem bei Effizienz ist ja immer, dass sie eben nur die jetzigen Dinge etwas effizienter machen und eben keine neuen Bahnen aufbrechen sozusagen. Und ich glaube, das sieht man dort eben sehr gut. Das Rad wird nicht neu erfunden von Google. Sie sorgen nur dafür, dass es weniger Energie verbraucht. Kommen wir jetzt zum Rivalen, nämlich zum Meter. Was stand dort an? Es gibt einen 10 Milliarden Dollar Compute Deal. Entropic verhandelt, freie KI-Rechenkapazitäten von Meta zu mieten. Wenn der zustande käme, würde Meta zum Vermieter eines direkten Konkurrenten, was ja auch durchaus mal eine Schlagzeile wert ist, für Meta vielleicht ein ganz neues Geschäftsmodell aufmachen.

Jean-Luc: Warum vermietet man jetzt Compute an die Konkurrenz?

Michael: Überaus zwei Gründen einerseits, weil es vielleicht ein ganz interessantes, spannendes Geschäftsmodell wird, aber da steckt natürlich auch ein bisschen das Thema drin, dass man die eigenen Ressourcen nicht wirklich ausgelastet bekommt und im KI-Rennen dann doch etwas hinterherhängt. Also so kann man das zumindest monetarisieren, was man hat, was ja auch nicht so schlecht ist. Kommen wir zu Mistral und Microsoft. nämlich auch versucht oder versuchen gerade eine Partnerschaft im Milliardenbereich aufzubauen. Mistrals Modelle sollen nämlich über Escher auch in regulierten Branchen wie Finanz- und Gesundheit laufen. Das würde einen Schub für Europas KI Positionierung bieten und hat durchaus verschlagte Seile gesorgt.

Jean-Luc: Nur für Schlagzeilen oder sind wir jetzt so weit, dass wir sagen können, ist Europas Weg zur KI-Souveränität?

Michael: Ja, ein erster Fingerzeug, würde ich mal sagen. Aber das Ganze noch auf der Infrastruktur bei einem US-Hyper Scaler läuft. Hauptrichtergeschichte der KI-Souveränität in dem Fall aus meiner Sicht noch nicht so wirklich.

Jean-Luc: Verständlich.

Michael: Kommen wir zu Apple. Die haben nämlich einen ordentlichen Rechtsstreit mit OpenAI. Und zwar gibt es Posts von Rechtsanwälten an Ex-Mitarbeiter. Apple fordert dutzende frühere Mitarbeiter, die heute bei OpenAI sind, zur Beweissicherung auf. Im Rahmen seiner Trade Secret Klage wurden über 400 Ex-Apple-Leute die aktuell bei Opmei Arbeiten ins Visier genommen sozusagen. Ein paar Dutzend sind dort eben mit Legal Posts ausgestattet worden. Mal schauen, aber das ist schon eine beeindruckende Zahl, 400 Ex-Leute von Apple.

Jean-Luc: Aber worum geht es da genau? Steckt da richtig Substanz hinter oder ist das eher Abschreckung?

Michael: Beides. Der Talentenabfluss schmerzt Apple natürlich sichtbar. Die wollen sich jetzt dagegen wehren. Und auch zum Thema Geheimnisverrat. meine, ist ja schon relativ naheliegender bei so vielen Leuten, dass da auch Know-how aus der vorherigen Tätigkeit mit einfließt. Mal schauen, was daraus wird. Diese Gefahr ist natürlich bei jedem Wechsel da. Und natürlich wird sowas auch mehr als nur billig in Kauf genommen. Also ich meine, die holen die Leute nicht immer nur aufgrund ihrer Uni-Zertifikate, sondern auch auf ihre Berufserfahrung. Und dass da das eine oder andere an Erfahrung auch mit reinfließt, scheint wohl selbstredend. Ob man das dann nachweisen kann, ist wieder was anderes. Kommen wir zu XAI und Microsoft, die haben nicht Daten als Waffe definiert. XAI füttert Croc mit SpaceX Daten. Das heißt, in das nächsten 2 Billionen Parameter Modell fließen laut Mask Ingenieurdaten von SpaceX. Das bietet einen Datenvorteil und eben auch eine Datenschutzfrage zugleich. Die Verbindung zwischen XAI und SpaceX ist sehr eng. Und Microsoft ersetzt Fremdmodelle in Excel und Outlook, kommen zunehmend eigene Modelle statt OpenAI und Intropic zum Einsatz. Das ist eben auch ein Zeichen der Machtverschiebung vom Modelllieferanten zum Plattformanbieter bei Microsoft. Und da kommt so bisschen die Entwicklung, die wir in den vorherigen Podcasts auch schon abgesehen haben zum Tragen.

Jean-Luc: würde jetzt sagen, dieser Modelllieferant wird zunehmend zur Austauschbahn Ware. Das was wir sonst auch immer predigen, wenn wir mit Unternehmen zusammenarbeiten, sich möglichst unabhängig zu machen, wir sehen es ja selber, gefühlt jede Woche kommt ein neues tolles Modell raus und eigentlich möchte man die ganze Zeit nur wechseln zwischen den Modellen und immer das Beste nutzen zu können.

Michael: Ja, das ist so, Ich glaube, Microsoft ist das beste Beispiel, wie man sich da aufstellen sollte. Kommen wir dann zu Moonshot. Die haben, wie du ja schon vorhin erwähnt hast, KimiK3 auf den Markt gebracht mit 2,8 Billionen Parametern. Ein Open-Weight-Modell, das jetzt ab 27. Juli verfügbar ist. Und KimiK3 sprang eben binnen eines Tages auf Platz 1 im Frontend Code-Ranking vor Fable 5 noch. liegt insgesamt knapp hinter den US-Spitzenmodellen. Die Nachfrage danach springt aktuell die Kapazität. Moonshot stoppte 48 Stunden nach Start, neue Abos und drei Parallel, ein Hongkong IPO mit über 30 Milliarden Dollar Bewertung.

Jean-Luc: Spannend, würdest du sagen Chemica 3 ist der Deep Seek Moment 2.0?

Michael: Ja, vom Markt her auf jeden Fall, technisch aber eher eine planmäßige Ankunft. das ist jetzt nicht, also ist schon sehr beeindruckend und gut, aber ist jetzt nicht diese große Disruption wie der Deep-Seek-Moment, als die Deep-Seek herauskam letztes

Jean-Luc: Lass uns doch noch mal einen Blick auf die Quick News werfen. Michael möchtest du diese Woche starten.

Michael: Sehr gern. Ich starte mit Jack Dorsey, der greift nämlich Slack und GitHub an. Jack Dorseys Firma Block hat mit Buzz eine kostenlose, quelloffene Arbeitsplattform vorgestellt. Sie bringt Teams und ihre KI-Agenten in gemeinsame Chats und verwaltet nebenbei GitHub-Projekte. Also Jack Dorsey für alle, es nicht wissen, der frühere Twitter-Gründer. Das Besondere, Buzz ist open source. Firmen können eigene, selbstgerüstete Insanzen betreiben. Die Zielgruppe sind vor allem junge Startups, die schon mehrere Agenten im Einsatz haben. Noch ist es ein sehr frühes Produkt, aber die Richtung ist klar. Der Arbeitsplatz der Zukunft mischt Menschen und Agenten im selben Chatfenster. Also sehr beeindruckend. Schaut euch das gerne mal an. Wir werden es auch machen. Wir haben es noch nicht installiert, klingt gut. Sollten wir ein Trink machen.

Jean-Luc: Ich bin eigentlich so ein großer Slack-Fan, aber ja, wir schauen uns das auf jeden Fall in Ruhe an und werden dann bestimmt auch nochmal ein Follow-Up machen, beziehungsweise wenn ihr Interesse habt zum Austausch dazu, macht's wie immer, meldet euch gerne direkt bei uns. Schauen wir auf die Quick News Nummer 2. Ich hab diese Woche... auf die Chip-Hersteller geschaut. AMD greift nämlich Nvidias Monopol an. AMD hat mit Helios sein erstes RecScale KI-System vorgestellt. Also den ersten ernsthaften Herausforderer für Nvidias Vera Rubin. Microsoft setzt es groß auf Azure ein. Auch Meta, OpenAI und Oracle sind hier mit an Bord. Helios ist teurer, rund 5 bis 5,5 Millionen Dollar pro System, verspricht aber Effizienzvorteile, gerade bei Agenten, die stark auf CPU setzen. Und für Nvidia ist es kein Beinbruch, da mag weg schneller, als überhaupt Chips gebaut werden können. Aber erstmals gibt es eine echte Alternative damit.

Michael: Ja, kommen wir zur letzten Quick News. Eine KI verbessert sich selbst. Das Forschungsteam von VECO hat mit EIDE den ersten experimentellen Beleg für rekursive Selbstverbesserung geliefert. In acht Tagen und hundert Isolationen überholte das System einen Agenten, der zwei Jahre lang von Menschen optimiert worden war. Spannend ist ein Nebeneffekt. Ohne Anweisungen senkte die KI ihr eigenes Reward-Hacking von 63 auf 34 Prozent und baut es selbst Schutzmechanismen ein. Die ganz große Intelligenzexplosion blieb zwar aus, aber die Debatte über sich selbst verbessern der KI ist damit von der Theorie in die Messbarkeit gerückt. Also ein sehr spannendes Thema für alle, die sich mit Agenten beschäftigen. Schaut euch doch gern mal dieses EIDEAIDE-Thema Damit sind wir auch am Ende. Man sieht diese Woche sehr schön, wie stark sich das Spielfeld aktuell verschiebt von offenen Modellen bis zur Frage, wer am Ende die Kontrolle behält, war wieder alles mit dabei. Und wenn euch die Folge gefallen hat, dann lasst uns gerne Bewertung da und abonniert den Podcast. Da freuen nicht nur Sean und Lück und ich uns drüber, sondern letztendlich auch unsere Hörer, die eine bessere Sichtbarkeit von uns sehen.

Jean-Luc: Und nächste Woche melden wir uns wieder, wie gewohnt, mit einem spannenden Gast, ein Themenfeld in noch weiterem Detail zu ergründen. Seid also gespannt. Wir freuen uns auf euch, auf unsere Gäste und auf nächste Woche. Bis dahin macht's gut. Ciao.