OpenAI und Cerebras starten Ultrafast Mode mit 750 Token pro Sekunde – ein neues Schlachtfeld der Geschwindigkeit
Trend 1: Inferenzgeschwindigkeit und -kosten werden zum neuen Schlachtfeld
Am 13. August brachten OpenAI und Cerebras Ultrafast Mode auf den Markt, eine Service-Stufe, die von Cerebras‘ Wafer-Scale Engine angetrieben wird und GPT-5.6 Sol mit bis zu 750 Ausgabe-Token pro Sekunde ausführt. Cerebras gibt an, dass dies 11-mal schneller ist als Fable 5 und 5-mal schneller als Opus 4.8 im Fast Mode – ohne Qualitätseinbußen. Bei Humanity’s Last Exam, einem Benchmark mit 2.500 Fragen, die nur von Spezialisten auf Promotionsniveau beantwortet werden können, war Ultrafast in 11 Stunden und 11 Minuten fertig, während Claude Fable 5 78 Stunden und 27 Minuten benötigte. Bei GDP-Val, einem Benchmark für wirtschaftlich wertvolle Wissensarbeit, lieferte Ultrafast eine 5,6-fache End-to-End-Beschleunigung. Der Dienst ist zuerst in der OpenAI-API für einen ausgewählten Kundenkreis verfügbar.
Am 13. August veröffentlichte Google Gemini 3.7 Flash, das auf Coding- und Agenten-Anwendungsfälle abzielt – nur drei Wochen nach 3.6 Flash. Bis zum 31. Dezember wird das Modell zum halben Preis von 3.6 Flash angeboten – 0,75 USD pro eine Million Eingabe-Token und 3,75 USD pro eine Million Ausgabe-Token. Google integriert das Modell außerdem in Gemini Spark für AI Pro- und Ultra-Abonnenten in über 160 Regionen.
Am 14. August kündigte DeepSeek eine API-Preisgestaltung mit Spitzen- und Nebenzeiten an, die am 17. August in Kraft tritt, wobei die Preise außerhalb der Spitzenzeiten die Hälfte des Spitzenpreises betragen. Bei einigen Modellen steigen die Preise um mehr als das Dreifache. Das Flaggschiff deepseek-v4-pro verzeichnet in Spitzenzeiten eine deutliche Preiserhöhung pro eine Million Token. Dieser Schritt kehrt DeepSeeks frühere Positionierung als kostengünstiger Anbieter um.
Am 13. August meldete Lenovo die Ergebnisse für das erste Quartal des Geschäftsjahres 2026: Der KI-bezogene Umsatz stieg im Jahresvergleich um 60 % auf 8,5 Milliarden US-Dollar, was 35 % des Gesamtumsatzes entspricht. Vorsitzender Yang Yuanqing sagte gegenüber Medien, dass sich die Verteilung der Rechenleistung von der frühen Phase „80 % Training“ hin zu einem Ziel von „80 % Inferenz, 20 % Training“ verschiebe, wobei die aktuelle Aufteilung etwa bei 50/50 liege.
Die Ankündigungen desselben Tages – ein Frontier-Modell mit 750 Token pro Sekunde, ein Flash-Modell zum halben Preis und ein chinesischer Anbieter, der die Preise erhöht, während andere senken – zeigen, dass sich der Wettbewerb von „Wer ist am stärksten?“ zu „Wer ist am schnellsten und günstigsten?“ verlagert hat.
Trend 2: Offene Gewichte und Fähigkeitsspezialisierung
Am 14. August veröffentlichte DeepSeek die offizielle Version von V4-Pro, ein 1,6-Billionen-Parameter-Modell, dessen Gewichte unter der MIT-Lizenz freigegeben wurden, mit nativer Unterstützung der OpenAI Responses API und gezielter Anpassung an Codex. Das Harness-Plugin-Ökosystem ging in den öffentlichen Testbetrieb.
Am selben Tag wurde über GLM-5.3 von Zhipu berichtet, ein 743B-Basismodell, das bei CyberGym 84,5 Punkte erreichte und damit über GPT-5.6 Sol liegt – entwickelt für Cyberabwehr und Coding. Meituan brachte LongCat-2.0 heraus, ein 1,6-Billionen-Parameter-Mixture-of-Experts-Modell (MoE) mit einem Kontextfenster von 1 Million Token, das bei Terminal-Bench 2.1 70,8 Punkte erzielte und auf agentisches Coding spezialisiert ist.
Am 14. August setzte sich Grok 4.6 an die Spitze der CursorBench-Rangliste für reales Coding und lag vor Claude Opus 5 sowie GPT-5.6 Sol. xAI veröffentlichte zudem die Gewichte von Phoenix, seinem X-Ranking-Algorithmus, einem Grok-basierten Transformer, dessen synthetische Bewertungsgewichte Verbreitungsabsicht und echte Unterhaltungen bevorzugen, während Likes als das billigste Signal behandelt werden.
Am 13. August ergab eine Studie von Meta und der Universität Oxford, dass multimodales Vortraining nur 5 % Bildgenerierungsdaten benötigt, wobei die optimale Mischung bei 70 % Sprache, 25 % Bildverständnis und 5 % Bildgenerierung liegt – was die Tokens für die Bildgenerierung um das Fünffache reduziert.
Der Vorstoß für offene Gewichte von DeepSeek, Meituan und xAI sowie spezialisierte Benchmarks für Coding und Cyberabwehr markieren eine Verschiebung hin zu fähigkeitsspezialisierten Modellen, die in engen, messbaren Aufgaben konkurrieren, anstatt mit allgemeinen Leistungsversprechen.
Trend 3: Kapital, Neuordnung und der chinesische Markt
Am 13. August berichtete Fortune, dass Anthropic für Oktober einen Börsengang (IPO) mit einer Bewertung von 2 Billionen US-Dollar plant, der den bisher größten Börsengang von SpaceX mit 1,77 Billionen US-Dollar vom 12. Juni übertreffen würde. Anthropics annualisierte Umsätze überschritten im Mai 47 Milliarden US-Dollar; das Unternehmen reichte im Juni vertraulich den Börsengang bei der US-Börsenaufsicht (SEC) ein.
Am 14. August berichtete Nikkei, dass Tencent den Anteil von Meta an dem KI-Entwickler Manus übernehmen und damit dessen größter Anteilseigner werden wird. Manus wurde im März 2025 von Butterfly Effect gegründet, verlegte seinen Hauptsitz nach Singapur und stellte nach US-Investitionen den Betrieb in China ein. Im April untersagte Chinas Sicherheitsprüfung für ausländische Investitionen die Übernahme von Manus durch Meta; am 11. August kündigte Manus an, sich von Meta zu lösen und den unabhängigen Betrieb wiederherzustellen.
Am 14. August berichteten Medien, dass Google DeepMind sich umstrukturiert – weg von der Forschung an Frontier-Modellen hin zu kosteneffizienten Flash-Modellen – mit möglichen Entlassungen von bis zu einem Drittel oder mehr. Demis Hassabis trat am 5. August als CEO zurück und wurde Chairman sowie Chief Scientist von Alphabet. Die Umstrukturierung hängt mit Verzögerungen von Googles nächstem Flaggschiff-Modell Gemini und internen Auseinandersetzungen über Entwicklungsprioritäten zusammen.
Am 14. August berichtete Reuters, dass Apple zusammen mit Alibaba ein für den chinesischen Markt spezifisches großes Sprachmodell (LLM) trainiert hat und damit seine bisherige Abhängigkeit von Drittanbietermodellen beendet. Apple Intelligence wird voraussichtlich innerhalb weniger Monate in China starten, nachdem der Dienst „Apple Intelligence“ für geräteinterne generative KI am 15. Juli bei den Aufsichtsbehörden angemeldet wurde.
Am 13. August teilte Musk SpaceX-Mitarbeitern mit, dass die Rechenzentrumskapazität von SpaceXAI (ehemals xAI) bis Ende 2027 um etwa das Siebenfache auf 10 GW wachsen werde, ausgehend von den derzeit 1,4 GW in Memphis und Southaven. Er schätzte, dass 10 GW einen Jahresumsatz von 300 bis 500 Milliarden US-Dollar erbringen könnten.
Am selben Tag gab es zwei Signale im Billionen-Dollar-Bereich und zwei Schritte auf dem chinesischen Markt: die IPO-Bewertung von Anthropic und Apples China-Modell-Strategie – während Tencent Manus übernahm und Google sich vom Frontier-Bereich zurückzog.
Trend 4: Sicherheits- und Governance-Tools bleiben hinter den Erwartungen zurück
Am 13. August stellten Forscher der University of Birmingham und der Durham University auf dem USENIX Security Symposium in Baltimore den Angriff „Download More RAM“ vor, der einen fehlenden Schreibschutz in DDR4-/DDR5-SPD-Chips ausnutzt, um Windows-11-Abwehrmechanismen ohne physischen Zugriff zu umgehen. Die Schwachstelle erlaubt es Software, Speicherkonfigurationsdaten zu überschreiben, sodass Windows den Arbeitsspeicher fälschlicherweise mit doppelter Kapazität meldet und Speicher-Aliase erzeugt, um geschützte Bereiche zu lesen oder zu verändern. Sie kann Antivirenprogramme deaktivieren, gesperrte Unternehmenssysteme kompromittieren und Kernel-Anti-Cheat aushebeln. Microsoft vergab CVE-2026-23670 und fügte im Sicherheitsupdate vom April 2026 eine Abschwächung hinzu; Systeme mit aktiviertem Secure Boot sind geschützt. Corsair, G.Skill und ADATA waren jeweils mit mindestens einer betroffenen Consumer-Produktlinie betroffen.
In einem am 6. August für den ACM AI Leadership Summit angenommenen Paper wurde festgestellt, dass kommerzielle KI-Detektoren nicht zuverlässig zwischen KI-gestützter Bearbeitung und vollständigen Entwürfen unterscheiden können. Leichte „nur Abstract verfeinern“-Bearbeitungen wurden zu 64–80 % (Pangram/GPTZero) markiert, während unveränderte Originale aus den Jahren 2023–2025 zu 9–15 % markiert wurden. Nach einer Humanisierung durch „Undetectable AI“ blieben weniger als 4 % der als KI gekennzeichneten Umschreibungen markiert. Ehrliche KI-Bearbeitung birgt ein höheres Sanktionsrisiko als die durch Humanisierer unterstützte Umgehung.
Ebenfalls in dieser Woche argumentierte eine technische Analyse, dass Text-KI-Wasserzeichen stets trivial zu entfernen sein werden – im Vorfeld der Anforderung aus Artikel 50 der EU-KI-Verordnung (EU AI Act), dass Ausgaben „als künstlich generiert erkennbar“ sein müssen, die ab August 2026 durchsetzbar ist. Token-Sampling im SynthID-Stil lässt sich durch Paraphrasieren mit einem beliebigen schwachen LLM entfernen, und Unicode-Homoglyphen-Wasserzeichen können durch Zeichenersetzung beseitigt werden. Die Analyse weist darauf hin, dass Claude Code zuvor homoglyphische Steganografie einsetzte, um bestimmte Anfragen zu kennzeichnen.
Am 13. August brachte OpenAI Computer History für die ChatGPT Mac-App heraus und ersetzte die bildschirmfotobasierte Vorschau von Chronicle durch die Protokollierung von macOS-Eingabehilfeereignissen (Klicks, Tippen, Kurzbefehle, App-Wechsel). Ereignisse werden bis zu 48 Stunden lokal gespeichert und nach der serverseitigen Speichergenerierung gelöscht. Aktivitäten im Privatsphäre-Modus sind ausgeschlossen. Die Funktion wird für Pro-, Business- und Enterprise-Nutzer bereitgestellt, mit Ausnahme des EWR, der Schweiz und des Vereinigten Königreichs.
Am 14. August erhielt ChatGPT die Möglichkeit, Google Docs, Sheets und Slides direkt zu bearbeiten, ohne Tabs wechseln zu müssen, und wird für Plus-, Pro-, Business- und Enterprise-Nutzer ausgerollt.
Der Hardware-Angriff, die versagenden Detektoren und das trivial entfernbare Wasserzeichen teilen eine gemeinsame Prämisse: Die Infrastruktur zur Verifizierung von KI-Inhalten und zur Absicherung von Systemen hinkt den Modellen selbst hinterher.