Kategorie: KI-News

Ein Modell taucht ohne Herstellerangabe bei einem Marktplatz auf, wird tagelang herumgereicht und sorgt für Rätselraten – dann stellt es sich als das nächste Open-Source-Release eines chinesischen Labors heraus. So ist es GLM-5.3-Flash ergangen.

Z.ai Co. hat das Modell Ende August 2026 veröffentlicht. Zuvor lief es unter dem Codenamen Ox Alpha bei OpenRouter, ohne dass ein Hersteller genannt wurde. Nun gibt Z.ai die Gewichte frei – sie stehen auf der Plattform Hugging Face zum Download bereit. Damit lässt sich das Modell auf eigener Infrastruktur betreiben, anpassen und weitertrainieren.

Frei verfügbar ist nicht das einzige Besondere an GLM-5.3-Flash. Vor allem die Technik überzeugt: Nach Angaben von Z.ai läuft das Modell zehnmal kostengünstiger als sein Vorgänger – ohne Qualitätseinbußen. Möglich machen das mehrere Umbauten an der Architektur, die sich einzeln nachvollziehen lassen.

Vom anonymen Debüt zum Open-Source-Release

Die Geschichte von GLM-5.3-Flash beginnt mit einem Rätsel. OpenRouter, ein Dienst, über den Entwickler verschiedene KI-Modelle nutzen können, veröffentlichte Ende August eine kostenlose, gehostete Version eines Modells namens Ox Alpha. Eine Herstellerangabe fehlte. Genau diese Lücke weckte Neugier: Ein leistungsfähiges Modell, von dem niemand weiß, wer es gebaut hat und wohin die Eingaben fließen, zieht Aufmerksamkeit auf sich. Vor allem als Coding-Modell machte Ox Alpha in der Branche von sich reden – und genau die offene Frage, wohin der eingegebene Code fließt, sorgte für zusätzliche Brisanz.

In Foren und auf Social-Media-Plattformen tippten Nutzer schnell auf Z.ai, das chinesische Unternehmen hinter der GLM-Modellfamilie. Die Hinweise verdichteten sich, bis Z.ai schließlich bestätigte, was viele bereits vermutet hatten. Das Modell trägt nun den Namen GLM-5.3-Flash, und mit dem offiziellen Release endete die Anonymität: Z.ai stellte nicht nur den Namen klar, sondern legte auch den Code und die Gewichte offen.

Für Entwickler ändert das die Ausgangslage grundlegend. Wer Ox Alpha über OpenRouter ausprobierte, nutzte einen gehosteten Dienst mit unbekanntem Betreiber. Jetzt lässt sich dasselbe Modell von Hugging Face herunterladen und auf eigener Hardware betreiben. Dann bist du weder von kommerziellen APIs abhängig noch musst du dir Gedanken machen, wo deine Daten landen.

320 Milliarden Parameter, eine Million Tokens Kontext

GLM-5.3-Flash hat eine Mixture-of-Experts-Architektur mit 320 Milliarden Parametern. Das klingt riesig – und ist es auch. Entscheidend ist aber: Nicht alle Parameter arbeiten gleichzeitig. Bei jeder Antwort werden nur 18 Milliarden aktiviert. Das Modell verhält sich im Betrieb also eher wie ein deutlich kleineres Modell mit 18 Milliarden Parametern, greift aber je nach Aufgabe auf unterschiedliche Teile seines Parametervorrats zurück – daher der Name: eine Mischung aus Experten, von denen pro Anfrage nur die passenden zum Einsatz kommen.

Bemerkenswert ist auch das Kontextfenster. Eine Anfrage darf bis zu eine Million Tokens umfassen, und zwar nicht nur Text: Auch Bilder und Videos kann das Modell als Eingabe verarbeiten. Zur Einordnung: Tokens sind die Bausteine, in die ein Modell eine Eingabe zerlegt; eine Million davon entspricht grob mehreren dicken Büchern. Die Antworten von GLM-5.3-Flash dürfen bis zu 131.072 Tokens lang sein – genug für sehr umfangreiche Ausgaben wie komplette Codebasen-Analysen oder lange Dokumente.

Gerade dieses große Kontextfenster erklärt, warum Z.ai so viel Aufwand in die Effizienz der Architektur gesteckt hat. Denn je länger die Eingabe, desto teurer wird die Verarbeitung – wenn man nichts dagegen unternimmt.

Weniger Rechenaufwand durch gezielte Aufmerksamkeit

Um zu verstehen, warum GLM-5.3-Flash so viel günstiger ist, musst du dir einen bestimmten Baustein von KI-Modellen ansehen: den Aufmerksamkeitsmechanismus. Er filtert die wichtigsten Informationen aus einer Eingabe heraus, indem er die Eingabe in Tokens zerlegt und diese miteinander vergleicht. Stell dir eine riesige Bibliothek vor: Ein herkömmliches Modell müsste jedes Buch durchblättern, um eine Frage zu beantworten. GLM-5.3-Flash geht gezielt zu den passenden Regalen.

Fachleute nennen diese Technik Sparse Attention. Statt jedes Token mit jedem anderen abzugleichen, konzentriert sich das Modell auf die relevanten. Das spart Rechenleistung – und zwar umso mehr, je länger die Eingabe ist. Bei einem Kontextfenster von einer Million Tokens macht das den Unterschied zwischen praktikabel und unbezahlbar.

Dazu kommt eine zweite Neuerung. Normalerweise nutzt der Aufmerksamkeitsmechanismus eine mathematische Funktion namens Softmax, um die vom Modell erzeugten Zahlenwerte in Wahrscheinlichkeiten umzurechnen. Dieser Ansatz ist sehr speicherhungrig: Verdoppelst du die Länge einer Eingabe, vervierfacht sich der Speicherbedarf. GLM-5.3-Flash ersetzt Softmax durch eine effizientere Methode, die als lineare Aufmerksamkeit bezeichnet wird. Der Speicherbedarf wächst dann nur noch linear – bei doppelter Eingabe brauchst du doppelt so viel Speicher. Die Ersparnis ist erheblich. Wie viel die einzelnen Umbauten jeweils zum Gesamtergebnis beitragen, schlüsselt Z.ai nicht auf – unterm Strich beziffert das Unternehmen den Kostenvorteil gegenüber dem Vorgänger auf den Faktor zehn.

Was die Benchmarks zeigen

Mit dem Release lieferte Z.ai auch Zahlen nach. Über eine Reihe gängiger KI-Benchmarks hinweg habe das Modell stark abgeschnitten, so das Unternehmen – und zwar im Vergleich mit der unmittelbaren Konkurrenz an der Spitze des Marktes.

Konkret hat Z.ai GLM-5.3-Flash gegen Claude Opus 4.8, GPT-5.6 Terra und Gemini 3.7 Flash antreten lassen. Auf GDPval-AA v2, einem Test für wissensbasierte Arbeit, erzielte das Modell nach Angaben des Unternehmens den höchsten Wert des Feldes. Auf AutomationBench, der prüft, wie zuverlässig ein Modell Aufgaben in Cloud-Anwendungen abschließt, landete es auf Platz zwei. Das sind Herstellerangaben – unabhängige Nachmessungen stehen aus. Dass die Gewichte offen verfügbar sind, dürfte solche Nachmessungen allerdings erleichtern: Jeder kann die Ergebnisse auf eigener Hardware überprüfen.

30 Billionen Trainings-Tokens und ein stabilerer Trainingsweg

Trainiert hat Z.ai das Modell auf einem Datensatz mit 30 Billionen Tokens. Auch hier setzte das Unternehmen auf eine Neuerung, die nicht den Betrieb betrifft, sondern das Training selbst. Schließt ein Modell eine Trainingsaufgabe ab, bekommt es einen Gradienten zurück: einen Datensatz, der durch die künstlichen Neuronenschichten wandert und sie nachjustiert, damit sie beim nächsten Mal besser abschneiden. Auf diesem Weg kann der Gradient verzerrt werden und verliert an Wirkung. Die von Z.ai eingesetzte mHC-Technik senkt dieses Risiko.

Im Betrieb siehst du davon nichts. Es erklärt aber, warum sich ein Modell dieser Größenordnung überhaupt stabil trainieren lässt – und warum Z.ai die Architektur gegenüber den früheren GLM-Modellen an mehreren Stellen zugleich umgebaut hat: sparsame Aufmerksamkeit für die Laufzeit, lineare Aufmerksamkeit für den Speicher, mHC für das Training. Zusammen ergibt das ein Modell, das anonym als Geheimtipp startete und nun als offenes Schwergewicht bereitsteht – zum Herunterladen, Nachmessen und Selbstbetreiben.

Quelle: siliconangle.com

Wie viel im Internet stammt heute noch von Menschen? Das Pew Research Center hat fast eine halbe Million englischsprachiger Webseiten aus den letzten fünf Jahren untersucht. Die Antwort ist klar.

Der Datensatz: eine halbe Million Webseiten unter der Lupe

Um zu verstehen, wie sich KI-generierte Inhalte im Netz ausbreiten, braucht es Masse. Das Pew Research Center hat den Common Crawl ausgewertet, ein frei zugängliches Webarchiv, das regelmäßig Milliarden von Webseiten einsammelt. Rund 490.000 englischsprachige Seiten wurden extrahiert. Der Zeitraum beginnt bewusst ein paar Jahre vor dem Start von ChatGPT im November 2022. So lässt sich vergleichen, was sich seit der breiten Verfügbarkeit von KI-Chatbots verändert hat. Jede Seite wurde mit dem Erkennungsmodell Open Pangram analysiert. Das Werkzeug ist auf statistische Sprachmuster trainiert und schätzt ein, ob ein Text von einer KI verfasst oder stark überarbeitet wurde.

Solche Detektoren sind aber nicht unfehlbar. Einzelne Dokumente können falsch zugeordnet werden: mal wird ein menschlicher Text als KI-Text markiert, mal umgekehrt. Bei Hunderttausenden Seiten gleichen sich die Ausreißer weitgehend aus. Übrig bleiben belastbare Trends. Die Pew-Analyse spekuliert nicht über Einzelfälle, sondern misst das große Ganze.

Die ungleiche Verteilung: .com vorne, .edu und .gov weit hinten

Die Verteilung über die Domain-Endungen fällt am meisten auf. Anfang 2021, lange vor ChatGPT, lagen die Raten erkennbarer KI-Muster auf .com-, .org-, .edu- und .gov-Seiten dicht beieinander – bei rund einem Prozent oder darunter (.com bei 1,09 Prozent, .gov bei 0,41 Prozent). Das war statistisch gesehen Grundrauschen: vereinzelte Treffer, erklärbar durch bestimmte Schreibroutinen, nicht durch breite KI-Nutzung.

Ab Ende 2022 ändert sich das deutlich. Bis zum ersten Halbjahr 2026 zeigt rund jeder zehnte .com-Auftritt Anzeichen von KI-Verfasserschaft, konkret 9,35 Prozent. Bei .org sind es 4,59 Prozent, etwa halb so viel. Auf .edu- und .gov-Domains liegen die Werte bei einem Prozent oder darunter. Das ist ein Faktor von ungefähr zehn zwischen kommerziellen Seiten und Bildungs- bzw. Regierungsangeboten. Wer Inhalte professionell und mit wenig Aufwand produzieren will, greift schneller zum KI-Werkzeugkasten als Hochschulen oder Behörden. Dort spielen redaktionelle Prozesse, Verantwortung und regulatorische Vorgaben eine andere Rolle.

Diese Zahlen sind kein direkter Beweis für Fälschung oder Täuschung. Ein Betreiber kann KI nutzen, um Ideen zu strukturieren, Formulierungen vorzuschlagen oder erste Entwürfe zu erstellen, ohne dass das Endprodukt vollständig aus einer Maschine stammt. Open Pangram zählt aber auch überarbeitete Texte als KI-nah. Die hohe .com-Quote zeigt: Diese Werkzeuge sind tief in den normalen Workflow vieler Anbieter eingezogen.

Was verraten uns Em Dashes, Oxford Commas und das Wort „delve“?

Ein einzelner langer Gedankenstrich sagt noch nichts aus. Menschen setzen Em Dashes seit Jahrzehnten, vor allem im journalistischen und akademischen Schreiben. Die Statistik zeigt trotzdem etwas: KI-Modelle produzieren bestimmte Muster überproportional häufig. Sie wurden auf riesigen Textmengen trainiert und übernehmen Eigenheiten, die dort häufig vorkommen – manchmal stärker, als Menschen es tun.

Die Pew-Analyse hat vier solcher Signale über die Jahre verfolgt. Em Dashes tauchen 2023 in rund 5,8 Fällen pro 10.000 Wörter auf, Anfang 2026 sind es 11,19 – eine Verdopplung. Oxford Commas, das Komma vor „und“ am Ende einer Aufzählung, klettern von 34 auf etwa 55 pro 10.000 Wörter, ein Anstieg von 63 Prozent. Auffällig ist auch eine Liste typischer KI-Vokabeln: „additionally“, „align with“, „crucial“, „delve“, „emphasizing“, „fostering“, „interplay“, „pivotal“, „showcase“, „tapestry“. Deren Häufigkeit stieg von knapp 12 auf etwa 26 pro 10.000 Wörter, mehr als eine Verdopplung. Und dann gibt es die negative Parallelismus-Konstruktion: Sätze nach dem Muster „Es ist nicht nur X, sondern Y“. Sie ist selten, hat sich aber fast verdreifacht.

Daraus folgt: KI hinterlässt Spuren im Satzbau, in der Interpunktion und im Wortschatz. Einzelne Spuren sind kein Beweis. In der Summe ergeben sie ein statistisches Profil, das Detektoren wie Pangram zuverlässiger macht als jedes Bauchgefühl. Wer selbst viel mit großen Sprachmodellen arbeitet, erkennt diese Tells oft intuitiv: das leicht Glatte, das Geordnete, die Dreierliste.

Warum .edu und .gov sich anders verhalten

Warum zeigen Bildungs- und Regierungsdomänen so viel weniger KI-Anteil? Die Pew-Analyse selbst beantwortet diese Frage nicht – sie misst nur. Es drängen sich aber mehrere naheliegende Erklärungen auf. Auf .edu-Seiten schreiben häufig Lehrende, Forschende und Studierende. Für sie gehören individueller sprachlicher Ausdruck, Quellenarbeit und stilistische Eigenheit zum Selbstverständnis. Ein Aufsatz, der offensichtlich von einer KI stammt, würde in vielen Kontexten als mangelnde Eigenleistung gelten. Dazu kommen formale Richtlinien zur Autorenschaft und zur Verantwortung für Inhalte, die den KI-Einsatz einschränken.

Auf .gov-Seiten arbeiten redaktionelle Teams mit klaren Freigabeprozessen, juristischer Prüfung und einem Verständnis von Amtssprache, das Maschinentext oft nicht ohne Weiteres liefern kann. Dazu kommt institutionelle Vorsicht: Wer will schon eine Behördenmitteilung mit „delve“ oder „tapestry“? Das sind keine harten Regeln. Aber sie prägen die Schreibpraxis so stark, dass sich KI-Muster dort nur schwer einnisten.

Die .com-Welt sieht anders aus. Werbung, Affiliate-Inhalte, SEO-Texte, Produktbeschreibungen, Newsletter, Blogartikel: Hier zählen Geschwindigkeit, Volumen und Auffindbarkeit. Genau dort spielen KI-Tools ihren größten Vorteil aus – und dort ist der Anstieg am stärksten. Wer in diesem Umfeld arbeitet, kennt die Versuchung, sich das Leben leichter zu machen. Die Daten zeigen das Ergebnis.

Was die Zahlen wirklich bedeuten und was nicht

Eine Quote von neun Prozent auf .com-Seiten klingt überschaubar. Man könnte denken, der Löwenanteil des Internets stamme weiterhin von Menschen. In gewisser Weise stimmt das. Aber die Dynamik ist entscheidend. Anfang 2023 lag der Wert bei etwa 1,6 Prozent, jetzt sind es fast zehn. Setzt sich der Trend fort, ist die Mehrheit in Reichweite – zumindest in Teilbereichen des kommerziellen Webs. Ein Punkt wird oft übersehen: KI-generierter Text, der einmal im Netz steht, landet mit hoher Wahrscheinlichkeit wieder in den Trainingsdaten künftiger Modelle. Die Sprachgewohnheiten der Maschinen verstärken sich gegenseitig. Was wir heute als „KI-typisch“ erkennen, könnte morgen zum allgemeinen Ton gehören.

Aber heißt das, dass das Internet bald unleserlich wird, eine glatte Masse aus „delve“ und „tapestry“? Eher nicht. Sprache ist robuster. Es gibt Gegenkräfte: Redaktionen, die auf Stimme und Haltung setzen, Plattformen mit Anti-Spam-Maßnahmen, und Leserinnen und Leser, die Irritation, Witz und persönliche Perspektive schätzen. Das können Maschinen bislang nur imitieren.

Einordnung: Werkzeuge, Spuren und die Frage der Verantwortung

Die Pew-Analyse sagt nicht, dass die KI das Internet übernimmt. Sie zeigt: KI-Werkzeuge haben sich in weniger als vier Jahren in den Schreiballtag eines erheblichen Teils der kommerziellen Webseiten eingeschrieben. Die Spuren sind messbar, sie verteilen sich ungleich, und sie verändern die sprachliche Textur des Netzes schneller, als viele vermutet haben. Wer Inhalte erstellt, beruflich oder privat, sollte genauer hinsehen: Welche Werkzeuge setzt er ein, welche Spuren hinterlassen sie? Detektoren wie Pangram sind nützlich, aber sie sind Stichprobenwerkzeuge, keine Richter. Es geht um Transparenz – was wurde von einer Maschine übernommen, was nicht? Das Internet war schon immer ein Spiegel seiner Mittel. Was wir sehen, ist keine Invasion der Maschinen, sondern ein schneller Wandel der Gewohnheiten. Wir müssen lernen, ehrlich damit umzugehen.

Quelle: pewresearch.org

Google DeepMind hat Gemini Omni 1.1 Flash vorgestellt. Angekündigt haben es die Produktmanager Anish Nangia und Alisa Fortin im offiziellen Google-Blog – die folgenden Angaben stammen also vom Hersteller selbst. Die Erweiterung bringt Steuerungswerkzeuge in die generative Video-API: Szenenverlängerung, Interpolation zwischen Start- und Endbild, schnelle 360p-Entwürfe, Upscaling auf 4K. Die Werkzeuge stehen ab sofort über die Gemini API in Google AI Studio für Entwickler bereit.

Szenenverlängerung: Aus 10 Sekunden Kontext werden 40 Sekunden Film

Bisherige Videomodelle hatten kein gutes Langzeitgedächtnis. Für eine Fortsetzung bezogen sie sich nur auf die letzte Sekunde einer Szene. Das führte schnell zu visuellen Brüchen. Omni 1.1 Flash blickt weiter zurück: Das Modell analysiert bis zu zehn Sekunden vorherigen Kontext und führt die Handlung ohne Brüche fort. Du verlängerst dein Video in Zehn-Sekunden-Schritten, bis 40 Sekunden Gesamtlänge erreicht sind. Werbespots, Erklärvideos oder narrative Clips profitieren davon, weil sie eine zusammenhängende Handlung brauchen.

Die Szenenverlängerung ist kein Selbstzweck. Du kannst von einem bestehenden Video aus in neue Richtungen abzweigen, ohne neu zu generieren. Dabei verbessern sich laut Google die visuelle Konsistenz und das Einhalten der Geschichte. Hast du also eine Szene mit stimmiger Atmosphäre, baust du darauf auf. Das spart Zeit und bewahrt die künstlerische Identität.

Erstes und letztes Frame: Kontrolle über den Bewegungsablauf

Manchmal willst du keinen langen Kontext, sondern genaue Vorgaben. Die Interpolation zwischen erstem und letztem Frame macht das möglich. Du legst ein Start- und ein Endbild fest. Omni 1.1 Flash generiert die Bewegungen dazwischen. So entstehen komplexe Kamerafahrten, Zoomübergänge oder nahtlose Loops. Die Kontrolle liegt bei dir, nicht beim Zufall.

Ein Beispiel aus dem Ankündigungsbeitrag: Eine Nahaufnahme eines Schlagzeugers in beigem Anzug geht in eine Kamerafahrt über, die zu einem Saxophonisten und einer Tänzerin schwenkt – alles in einem einzigen, unterbrechungsfreien Shot. Ein zweites Beispiel zeigt, wie sich damit nahtlose Loops bauen lassen: Die Kamera zoomt in einen Fernsehbildschirm hinein, auf dem dieselbe Frau in derselben Szene wie am Anfang zu sehen ist. Du beschreibst die Bewegung im Prompt, das Modell füllt den Weg zwischen den beiden Keyframes. Bisher brauchte es für solche Einstellungen aufwendiges Compositing.

360p-Previews: Schnelle Entwürfe für kreative Iterationen

Wer viel mit generativen Videos arbeitet, kennt das Problem: Jede Idee muss erst gerendert werden, und das dauert. Omni 1.1 Flash hat dafür einen Prototyping-Modus. Entwürfe in 360p werden laut Google bis zu 60 Prozent schneller berechnet als die Standard-Clips in 720p – gemessen am Systemdurchsatz, wie eine Fußnote im Beitrag präzisiert. Die Kosten sinken nach Herstellerangabe auf etwa ein Drittel. Du kannst also mehrere Versionen einer Szene ausprobieren, ohne dass das Budget leidet.

Der 360p-Preview ist ein kreatives Werkzeug, kein Qualitätsverlust. Du siehst schnell, ob die Kamerabewegung funktioniert, ob die Motivwahl stimmt und ob der Erzählfluss passt. Erst wenn alle Elemente sitzen, lässt du in hoher Auflösung rendern. Das entspricht dem Storyboard oder Animatic im klassischen Workflow. Google nennt als Einsatzfelder ausdrücklich schnelles Prototyping, Storyboard-Iteration und zügiges Rendern in Entwicklerplattformen.

4K-Upscaling: Generative Videos im Profi-Format

Omni 1.1 Flash skaliert generative Videos auf 1080p oder sogar 4K hoch. Für Werbung, Filmvorproduktion oder redaktionelle Inhalte ist das wichtig: Dort genügt eine kleine Vorschau nicht. Das Endprodukt muss auf modernen Bildschirmen und in digitalen Ausspielkanälen bestehen.

Die Beispiele im Ankündigungsbeitrag reichen von einem Streifenhörnchen, das aus dem Wald huscht und schnuppernd innehält, bis zu goldorangen Ahornblättern, die im Gegenlicht einer Herbstbrise wippen. Google beschreibt die hochskalierten Ausgaben als poliert und bereit für die professionelle Produktion. Du kannst also in der Entwurfsphase mit 360p arbeiten und am Ende auf 4K hochskalieren, ohne den Prompt neu zu durchlaufen. Der Workflow bleibt effizient, das Ergebnis zielt auf Ausspielformate, die im Profi-Umfeld verlangt werden.

Video-Referenzen im multimodalen Input: Konsistenz bleibt erhalten

Neu ist auch der multimodale Input. Du kannst Omni 1.1 Flash neben Text bis zu drei Sekunden Video als Referenz mitgeben. Die API nutzt das, um Figuren, Bewegungsmuster oder die räumliche Situation beizubehalten. Das erweitert die Charakteranimation: Du kombinierst einen Tanzstil aus einem Clip und ein Outfit aus einem Bild und führst beides in einer neuen Szene zusammen. Die kreativen Möglichkeiten wachsen.

Im Ankündigungsbeitrag werden drei Tänzer aus verschiedenen Videos durch einen Hund, einen Oktopus und einen Bären ersetzt – ihre individuellen Tanzschritte bleiben erhalten, vom klassischen Tanz über Hip-Hop bis zum Breakdance. Dafür kombiniert das Modell Video-Referenzen, Bilder und ausformulierte Prompts. Für Entwickler ist Omni 1.1 Flash damit mehr als ein Text-to-Video-Modell. Es wird Teil eines größeren kreativen Systems. Die Grenze zwischen Idee, Storyboard und fertiger Animation verschwimmt.

Was Omni 1.1 Flash für deine Projekte bedeutet

Die neue Version ist kein einfaches Update, sondern ein Schritt Richtung professioneller Kontrolle. Google DeepMind ordnet sie selbst so ein: Während Gemini Omni das Schlussfolgern über die reale Welt in die generative Erstellung gebracht habe, mache Omni 1.1 das Modell nun produktionsreif für den professionellen Einsatz. Die Ankündigung richtet sich ausdrücklich an Entwickler, die generative Video-Workflows, Kreativwerkzeuge oder Medienbearbeitungssoftware bauen. Mit Omni 1.1 Flash bekommst du Werkzeuge, die sich wie eine Schnittspur anfühlen: Du verlängerst, interpolierst, erstellst Previews und skalierst auf, bis das Ergebnis passt.

Bei der Verfügbarkeit fährt Google mehrgleisig. Entwickler probieren Omni 1.1 direkt in Google AI Studio aus; Unternehmen binden das Modell über die Agent Platform API der Gemini Enterprise Agent Platform an – dort setzen es erste Kunden laut Google bereits in produktiven Umgebungen ein. Begleitend gibt es offizielle Dokumentation, ein Cookbook und Prompting-Leitfäden, die zeigen, wie sich Szenenverlängerung, Video-Referenzen und Upscaling in eigene Anwendungen integrieren lassen. Auch außerhalb der API ist die Version angekommen: In Google Flow steht Omni 1.1 allen Abonnenten von Google AI Plus, Pro und Ultra weltweit zur Verfügung, und in der Gemini App können dieselben Abo-Stufen die Szenenverlängerung nutzen.

Realistisch betrachtet bleibt es ein KI-Modell, das nach Wahrscheinlichkeiten arbeitet, nicht nach Regeln. Auch mit den neuen Kontrollen musst du iterieren, testen und auswählen. 40 Sekunden Länge, 4K-Auflösung und stabile Referenzen sind nützlich, ersetzen aber keine kreative Entscheidung. Wer generative Videos in den Workflow integriert, bekommt mit Omni 1.1 Flash mehr Kontrolle: Du kannst schneller scheitern, schneller lernen und schneller zu einem Ergebnis kommen, das deinen Ansprüchen genügt. Die Frage ist nicht mehr, ob die KI das kann, sondern wie du sie einsetzt.

Quelle: blog.google

Zwei KI-Unternehmen melden ungewöhnlich hohe Umsatzsteigerungen. OpenAI hat seine jährliche Umsatzrate binnen zwölf Monaten von 13 auf über 40 Milliarden Dollar verdreifacht. Anthropic wuchs im selben Zeitraum von 1 auf 9 Milliarden Dollar und legte danach noch einmal zu. Solche Wachstumsraten kennt man sonst nur von Start-ups im ersten Jahr, nicht von Firmen mit Milliardenumsätzen.

Nimmt man beide Labore zusammen, zeigt sich das Ausmaß noch klarer. Laut einer Analyse von Epoch AI verdreifachten sich die kombinierten Einnahmen 2024, vervierfachten sich 2025 und wuchsen im laufenden Jahr erneut um das 3,5-Fache. Sie stiegen von 30 Milliarden Dollar im Januar auf 105 Milliarden Dollar im August. Damit erreichen die beiden Unternehmen eine Größenordnung, die man sonst von kompletten Industriezweigen kennt.

Die Zahlen sind allerdings mit Vorsicht zu genießen. Anthropic und OpenAI bilanzieren unterschiedlich. Wenn Kunden Tokens über Cloud-Plattformen kaufen, verbucht OpenAI nur die Provision, die es selbst erhält. Anthropic setzt den vollen Betrag als Umsatz an. Das bläht die Zahlen von Anthropic im Vergleich zu OpenAI auf. Trotzdem wachsen beide Unternehmen so schnell wie kaum ein anderes in der Geschichte.

Die Zahlen: Von Milliarden zu zig Milliarden

OpenAI hatte im August 2025 eine jährliche Umsatzrate von 13 Milliarden Dollar. Ein Jahr später sind es über 40 Milliarden – fast eine Verdreifachung. Anthropic startete 2025 mit einer Milliarde, kam im Jahresverlauf auf 9 Milliarden und steigerte sich im ersten Quartal 2026 noch einmal um das Dreifache. Ende Juli lag die Rate laut Berichten bei 65 Milliarden Dollar.

Die Zahlen sind schwer vorstellbar, aber real. Exponential View, von Epoch AI zitiert, formuliert es so: Traditionelle Software-Unternehmen sehen ihre Wachstumsraten nach ein bis zwei Jahren Produktmarkt-Fit abflachen. OpenAI und Anthropic halten das Tempo, obwohl ihr Umsatz weit über einer Milliarde liegt. Es gibt kaum Beispiele für Unternehmen dieser Größe, die jährlich mehr als 100 Prozent wachsen. Zum Vergleich: Ein etablierter Konzern, der seinen Umsatz binnen eines Jahres verdoppelt, gilt als Ausnahmeerscheinung. OpenAI und Anthropic verdreifachen ihn — auf zweistelliger Milliardenbasis.

Der Ausgangspunkt spielt allerdings eine Rolle. Anthropic kommt von einem niedrigeren Niveau und holt gegenüber dem ehemals größeren Rivalen OpenAI auf. Epoch AI legt beide Labore zusammen, und das Ergebnis ist eindrucksvoller als die Einzelwerte. Das Wachstum der KI-Industrie hängt damit nicht an einem einzelnen Unternehmen, sondern an der gemeinsamen Dynamik der führenden Labore.

Warum 100 Prozent Wachstum so ungewöhnlich sind

Ein Unternehmen, das jährlich wächst, ist normal. Ein Unternehmen, das bei einem Umsatz von mehreren Milliarden Dollar weiterhin jährlich verdreifacht, ist das nicht. Je größer die Basis, desto schwerer fällt prozentuales Wachstum. Ein Schneeball, der einen Hang hinunterrollt, nimmt anfangs schnell an Masse zu, wird aber mit zunehmender Größe träger. Diese Grenze haben OpenAI und Anthropic bisher nicht erreicht.

Es geht nicht nur um die absolute Größe, sondern auch um die Dauer. Die Raten halten sich seit Jahren auf hohem Niveau, auch wenn sie schwanken: OpenAI wuchs 2023 um das Zehnfache, 2024 noch um das Dreifache. Das unterscheidet diese beiden Labore von typischen Modewellen. Bei früheren Technologien wie E-Commerce oder sozialen Netzwerken gab es Phasen mit hohem Tempo, danach kam die Ernüchterung. Hier treibt jede neue Modellgeneration den Umsatz weiter an – nicht einmalig, sondern immer wieder. Die anhaltend hohen Raten deuten darauf hin, dass KI-Unternehmen in einem Tempo skalieren, das vorher niemand für möglich gehalten hätte.

Der Markt selbst erklärt einen Teil des Wachstums. Die generative KI-Industrie nähert sich laut Schätzungen der „Exponential View“ einem Umsatz von 200 Milliarden Dollar pro Jahr. Das ist bereits ein Tausendstel der Weltwirtschaft. Fast zehn Milliarden Dollar monatlich für Sprachmodelle und KI-Agenten sprechen für einen realen Nutzen. Das ist kein Hype.

Wachstum durch Coding-Agenten

Die aktuellen Zuwächse kommen vor allem von Coding-Agenten. Diese spezialisierten KI-Systeme schreiben und überarbeiten Software-Code selbstständig. Etwa Ende letzten Jahres, als Anthropic Opus 4.5 veröffentlichte, wurden sie gut genug für den breiten Einsatz. Unternehmen testeten sie nicht mehr nur, sondern bezahlten dafür – im großen Stil. Dadurch sprang der Umsatz mit KI-Coding-Agenten nach oben und beschleunigte das Wachstum der Branche.

Das Muster erinnert an den Start von ChatGPT. Vor dem Chatbot war GPT-3 eine Nischenlösung, die OpenAI Einnahmen im zweistelligen Millionenbereich einbrachte. Mit ChatGPT und GPT-4 stieg die Nachfrage stark. Die jährliche Umsatzrate sprang 2023 auf eine Milliarde Dollar – ein zehnfaches Wachstum in einem Jahr. Danach verlangsamte sich die Kurve auf den Faktor drei. Analog könnte der Coding-Boom bald abflachen, sobald der erste Sättigungspunkt erreicht ist.

Welche weiteren Schwellen gibt es? Projekte über mehrere Wochen hinweg selbstständig durchführen? Büroarbeit automatisieren? Wenn solche Fähigkeiten in den nächsten Modellen stecken, würden sie neue Nutzungswellen auslösen. Niemand weiß, wie viele dieser Stufen es noch gibt. Die Wachstumskurven der KI könnten einer Abfolge von S-Kurven folgen: rasanter Anstieg, dann Abflachung.

Fortschritt oder Diffusion: Was treibt den Umsatz?

Die Analyse unterscheidet zwei Faktoren: Fortschritt und Diffusion. Fortschritt meint die Verbesserung der Modelle – mehr Fähigkeiten, bessere Ergebnisse. Diffusion beschreibt, wie stark sich die Nutzung in der Wirtschaft ausbreitet. Beides trägt zum Umsatz bei, aber die Dynamik ist unterschiedlich. Diffusion folgt einer Sättigungskurve: anfangs schnell, später langsam. Fortschritt kann immer neue Wachstumsrunden eröffnen, solange er anhält.

Die entscheidende Frage ist: Wachsen diese Unternehmen, weil immer mehr Menschen die gleiche Technologie nutzen, oder weil die Technologie nützlicher wird? Im ersten Fall lässt das Wachstum bald nach. Im zweiten Fall könnte es mehrere Jahre anhalten. Die bisherigen Daten deuten auf eine Mischung hin. Der Coding-Agenten-Boom spricht eher für Fortschritt: Eine verbesserte Fähigkeit hat eine neue Anwenderklasse erschlossen.

Ein dritter Aspekt ist die Rückkopplung der Investitionen. Höhere Einnahmen ermöglichen mehr Rechenleistung. Mehr Rechenleistung bedeutet bessere Modelle. Bessere Modelle führen zu mehr Einnahmen. Diese Schleife hat das Wachstum in den letzten Jahren stabilisiert. Solange sie läuft, ist ein Abflachen nicht in Sicht. Sie kann sich aber umkehren, wenn die Grenzkosten der Modelle steigen oder die Leistungsverbesserungen stagnieren.

Die Zukunft: Wann flacht die Kurve ab?

Die Zahlen sind eine Einordnung, keine Prophezeiung. Wenn die kombinierte Umsatzrate von OpenAI und Anthropic weiterhin jährlich um das Dreifache wächst, würde sie in sechs Jahren die heutige Weltwirtschaft erreichen. Das ist keine sinnvolle Prognose. Aber die Rechnung zeigt, wie extrem das Tempo ist. Entweder das Wachstum verlangsamt sich massiv – oder KI wird buchstäblich zur Wirtschaft.

Jedes Quartal mit sehr hohem Wachstum bestätigt: Es handelt sich nicht um eine gewöhnliche Technologie. Epoch AI weist darauf hin, dass selbst bei einem sofortigen Stopp der Modellentwicklung die Diffusion noch Monate oder Jahre anhielte. Die monatlichen zehn Milliarden Dollar sind also kein Strohfeuer. Sie zeigen den realen Nutzen, den Unternehmen aus der Technologie ziehen.

Die Umsatzzahlen dieser beiden Labore bleiben ein wichtiger Indikator. Sie sind ehrlicher als jede Benchmark-Zahl. Benchmarks sagen oft wenig über echte Arbeit; der Wert von KI zeigt sich im Geld, das Menschen und Firmen dafür ausgeben. Bleibt die Kurve auch im nächsten Jahr so steil, übertrifft die KI-Revolution alles bisher Dagewesene. Flacht sie ab, wäre das ebenfalls aufschlussreich: Es zeigte, wo die Grenzen des heutigen Fortschritts liegen.

Quelle: epochai.substack.com

Ein Forscher reagiert überrascht, als Claude herausfindet, wie sich mit einem Roboterarm eine Aluminiumdose greifen lässt. Die Szene stammt aus einem Video, das Anthropic Ende August 2026 zur Ankündigung seines Model Hardware Standard veröffentlicht hat. Es macht deutlich, wie sich der Umgang mit künstlicher Intelligenz ändert.

Bislang spielte sich die Welt der KI-Agenten fast nur im Digitalen ab: Sie schreiben Texte, analysieren Bilder, generieren Code oder klicken sich durch Webseiten. Die physische Welt – Geräte, Maschinen, Laborapparaturen – blieb ihnen verschlossen. Der Grund: Jede Maschine spricht ihre eigene Software-Sprache. Wer eine KI einen Motor steuern lassen will, musste sie bisher mit individuellen Treibern, kryptischen Schnittstellen und unzähligen Protokollen füttern. Hier setzt der neue „Model Hardware Standard“ (MHS) von Anthropic an, der als Research Preview vorgestellt wurde.

Warum die Integration von Geräten bisher ein Geduldsspiel war

Wer schon einmal wissenschaftliche Geräte miteinander verbunden hat, kennt das Problem. Ein Laser von Hersteller A redet mit einer Software, die auf Windows läuft. Eine Kamera von Hersteller B benötigt ein Python-Skript. Ein Mikroskop spricht ein proprietäres Protokoll. Um ein Experiment aufzubauen, basteln Forscher oft wochenlang an Adaptern und Übersetzern. Jede Änderung an einem Gerät kann das ganze Kartenhaus zum Einsturz bringen.

Anthropic will diesen Aufwand mit MHS deutlich verringern. Die Idee: eine universelle Schnittstelle – vergleichbar mit USB für die Datenübertragung, nur für die Steuerung von Hardware. Statt eines Programms, das jedes Gerät einzeln anspricht, stellt MHS einen gemeinsamen Datenstandard bereit, den Menschen und KI-Agenten verstehen. Laut Anthropic sinkt die Integrationszeit damit von Wochen oder Monaten auf Stunden oder Minuten.

Die Idee hat einen konkreten Ursprung. Anthropic-Mitarbeiter Alek Kemeny besuchte den Janelia Research Campus in Virginia und sah dem Neurowissenschaftler Arco Bast zu. Der baute ein komplexes Experiment zur Gedächtnisbildung auf und koordinierte rotierende Laserstrahlen, Mikroskope, Kameras und andere Komponenten über eine gemeinsame Schnittstelle. Kemeny sei damals der Gedanke gekommen, diese Idee zu nutzen, um KI in wissenschaftlichen Experimenten einzusetzen.

Was der Model Hardware Standard konkret verändert

Im Kern ist MHS ein Satz standardisierter Treiber, also Software, die einem Computer die Kommunikation mit einem Gerät ermöglicht. Diese Treiber nutzen ein gemeinsames Datenformat. Geräte und KI-Modelle können dadurch Daten austauschen, ohne Übersetzerprogramm. Ein Mikroskop sendet seine Messwerte direkt an einen Roboterarm; der passt seine Position an. Alles in einer einheitlichen Sprache.

Die Steuerung funktioniert auch ohne KI. MHS-Geräte lassen sich über Kommandozeilenbefehle oder API-Code direkt ansprechen; auch traditionelle Programmierer können sie nutzen. Interessant wird es in der Kombination mit einem KI-Modell, etwa über das Model Context Protocol. Dann spricht ein Forscher mit der Maschine in natürlicher Sprache: „Fokussiere das Mikroskop auf den linken Bereich der Probe und mach eine Aufnahme.“ Die KI übersetzt den Befehl in präzise Hardware-Aktionen.

Das System führt nicht nur einfache Anweisungen aus. Anthropic beschreibt, wie Claude einen Laser kalibriert: Das Modell verändert die Einstellung, prüft das Ergebnis mit einer Kamera und plant daraufhin den nächsten Schritt. Ähnlich könnte eine KI ein Mikroskop fokussieren, die Aufnahme analysieren, relevante Stellen identifizieren und das Gerät dorthin bewegen – ein Regelkreis aus Wahrnehmung, Entscheidung und Aktion.

Tags, Sicherheitslimits und Selbstkorrektur

Wichtig für den Einsatz in der Realität ist die standardisierte Kennzeichnung, die Anthropic in MHS eingebaut hat. Jedes Gerät erhält einen Steckbrief mit den physikalischen Grenzen der Hardware: Gewicht und Aktionsradius eines Roboterarms, einstellbare Parameter eines Lasers, maximale Sicherheitslimits einer Pumpe. Diese Informationen stehen in einer Referenzdatei. Eine KI kann sie abrufen, wenn sie ein unbekanntes Gerät zum ersten Mal sieht.

Das ist wichtig: Viele KI-Modelle wurden vor allem mit virtuellen Daten trainiert. Sie wissen, was ein Roboterarm theoretisch tun kann, aber nicht, wie schwer er heben darf oder wo seine Gelenke physisch an ihre Grenzen stoßen. Die Tags schließen diese Lücke, indem sie der KI den nötigen Kontext aus der realen Welt liefern. Sie sind auch eine Sicherheitsbarriere: Anthropic spricht ausdrücklich von erzwungenen Sicherheitsgrenzen. Wie streng die Durchsetzung technisch aussieht, sagt die Ankündigung nicht.

Und wenn ein Fehler passiert? MHS-fähige Modelle können sich in einigen Fällen ohne menschliches Eingreifen von einem Hardware-Fehler erholen. Ein Promo-Video zeigt, wie Claude ohne Spezialtrainingsdaten herausfindet, wie ein Roboterarm eine Aluminiumdose aufhebt. Die KI liest die Geräteparameter, probiert Bewegungen aus, beobachtet das Ergebnis und korrigiert sich selbst. Statt jeden Schritt einzeln zu planen, können MHS-fähige Systeme auch Scripts schreiben, die mehrere Instrumente nacheinander ansteuern. Bei veränderten Bedingungen passen sie die Scripts an.

Vom Labor in die Fabrik: Die ersten Partner

Anthropic startet MHS als geschlossenes Forschungsprojekt. Erste Partner sind wissenschaftliche Labore und fortschrittliche Hersteller: Amazon Web Services mit Strands Robots, Hugging Face mit der Roboterplattform LeRobot, der Einplatinencomputer-Hersteller Raspberry Pi sowie die Automatisierungsfirmen Automata und Universal Robots. Gemeinsam wollen sie Sicherheitsbewertungen und bewährte Verfahren für den Betrieb von KI-Systemen mit physischen Geräten entwickeln.

Die Auswahl der Partner ergibt sich aus deren Profilen. Raspberry Pi steht für niedrigschwellige Hardware, LeRobot für eine offene Robotersteuerung, Universal Robots und Automata kennen die industrielle Fertigung. Anthropic kündigt an, MHS später als Open-Source-Standard zu veröffentlichen. Er soll möglichst vielen KI-Systemen offenstehen – unabhängig vom Hersteller des Modells. So soll verhindert werden, dass sich beim Steuern von Hardware ein Vendor-Lock-in etabliert.

In ersten Tests im vergangenen Jahr berichtet Anthropic von deutlich schnelleren Geräte-Integrationen. Kemeny sagt: „Wenn man Hypothesen schneller testen kann, kann man allgemeine Technologien schneller entwickeln. So kann sich ein Jahrhundert Fortschritt in einem Jahrzehnt bündeln.“ Ob das übertrieben ist, wird sich zeigen.

Was der Standard für uns bedeutet

MHS ist kein reines Technik-Feature. Es ist der Versuch, KI-Agenten aus dem Bildschirm zu holen und in Werkstätten, Labore und Produktionshallen zu bringen. Die Analogie zu USB liegt nahe: Vor USB war der Anschluss von Drucker und Maus an einen PC ein Abenteuer, danach wurde er zur Selbstverständlichkeit. Der Model Hardware Standard könnte Ähnliches für die Steuerung von Maschinen bewirken – für Fachleute und langfristig für alle, die Automatisierung nutzen wollen.

Offene Fragen gibt es genug. Sicherheit ist das drängendste Thema: Wer haftet, wenn ein KI-gesteuerter Roboterarm einen Unfall verursacht? Wie verhindert man, dass ein Modell die physischen Grenzen seiner Geräte überschreitet? Anthropic hat erste Antworten in die Sicherheitslimits und Referenzdateien eingebaut. Ein umfassendes Regelwerk fehlt noch. Auch der offene Standard ist nur angekündigt – bis die Community ihn übernimmt, kann es dauern.

Der Schritt ist trotzdem folgerichtig. KI war bisher ein Kopf ohne Hände. Standards wie MHS geben ihr eine Schnittstelle zur physischen Welt. Wer heute zusieht, wie eine KI eine Aluminiumdose greift, bekommt eine Vorstellung davon, was morgen möglich ist: ein Labor, in dem Roboter eigenständig Experimente fahren, während Menschen die strategischen Entscheidungen treffen. Das ist keine Science-Fiction, sondern die logische Fortsetzung der Automatisierung – über die Grenze zwischen Bit und Atom.

Quelle: arstechnica.com