Trend eins: Chinas Open-Source-Modelle sichern sich die fünf weltweit führenden Plätze

Am 2. August zeigten die neuesten wöchentlichen API-Aufrufvolumen-Rankings von OpenRouter, dass alle fünf Spitzenplätze von chinesischen Unternehmen belegt wurden. Xiaomis MiMo-V2.5 führte die Liste mit 10,5 Billionen Token in einer einzigen Woche an, ein Plus von 12 % im Wochenvergleich. Das MiMo-Team gab an, dass die wöchentlichen Aufrufe innerhalb von zwei Monaten von 1,5 Billionen auf 10,5 Billionen Token gestiegen seien – eine Versechsfachung – und damit den ersten Platz sowohl in den Wochen- als auch in den Monatscharts einnahmen. Die Hauptabnehmer sind unabhängige Entwickler, Teams mit drei bis fünf Personen sowie kleine und mittlere Unternehmen für KI-Codierung und Agenten-Tooling.

DeepSeek belegte mit zwei Modellen, die unterschiedliche Entwicklerprofile abdecken, den zweiten und fünften Platz. Tencents Hunyuan Hy3, das erst am 6. Juli als Open Source veröffentlicht wurde, rangierte auf Platz drei mit einer wöchentlichen Wachstumsrate von über 999 % – das am schnellsten beschleunigende Modell der Rangliste. Auf Hugging Face bleibt das Download-Volumen chinesischer Open-Source-Modelle weltweit führend, wobei allein die Qwen-Serie von Alibaba kumulativ über 1 Milliarde Downloads verzeichnet. Daten einer US-amerikanischen Investmentfirma zeigen, dass 80 % der amerikanischen KI-Startups während ihrer Finanzierungsgespräche chinesische Open-Source-Modelle nutzen. Im Durchschnitt werden täglich mehr als 200 abgeleitete Modelle auf Basis chinesischer Grundmodelle erstellt.

Am 3. August startete Chinas Nationales Supercomputing-Internet die DeepSeek-V4-Flash-0731 API, die es Unternehmen und Entwicklern ermöglicht, sich mit einem Klick zu verbinden. Die Plattform aggregiert nun über 1.700 im Inland entwickelte Modelle.

Trend zwei: DeepSeeks Durchbruch beim Nachtraining und die Videomodell-Welle

Am 31. Juli veröffentlichte DeepSeek die offizielle Version V4-Flash-0731 über seine API-Dokumentation. Architektur und Parameterzahl sind gegenüber der Vorschau unverändert – 284 Milliarden Gesamtparameter, 13 Milliarden aktiviert, MoE-Architektur. Nur das Nachtraining wurde wiederholt. Das Ergebnis: DeepSWE, ein Benchmark zur Bewertung des autonomen Problemlösens bei echten langfristigen, mehrstufigen Codierungsaufgaben, sprang von 7,3 auf 54,4 – eine Versechsfachung. Terminal-Bench 2.1 erreichte 82,7 und übertraf damit V4-Pro Preview mit 72,1 und GLM-5.2 mit 81,0. Auf dem Intelligenzindex von Artificial Analysis erzielte es 50 Punkte, einen Punkt unter GPT-5.6 Lunas 51.

Preisgestaltung: 0,02 Yuan pro eine Million Eingabetoken (Cache-Treffer), 2 Yuan pro eine Million Ausgabetoken. Artificial Analysis schätzt, dass die Kosten pro Aufgabe 105-mal niedriger sind als bei Fable 5 und nur 40 % von GPT-5.6 Luna betragen. Der Rabatt bei Cache-Treffern erreicht 98 %, im Vergleich zur Branchennorm von 90 %. Die gesamte Produktlinie von NetEase Youdao hat die Integration abgeschlossen.

Die Bedeutung dieses Upgrades liegt nicht in den Zahlen, sondern darin, wie sie erreicht wurden: drei Monate ausschließliches Nachtraining, ohne die Basisarchitektur zu verändern, führten zu einer sechsfachen Verbesserung der Agentenfähigkeiten. DeepSeek erklärte, dass dieselbe Methodik auf V4-Pro angewendet wird und die offizielle Version „demnächst“ erscheint.

Am 3. August um Mitternacht Pekinger Zeit veröffentlichte MiniMax H3 als Open Source, sein allgemeines multimodales Videomodell. H3 unterstützt das einheitliche Verständnis von Text-, Bild-, Video- und Audioeingaben und gibt 15-sekündige 2K-Videos mit nativem Stereo-Audio aus. Bei 2K-Auflösung beträgt der Preis pro Sekunde weniger als ein Drittel der gängigen Modelle; bei 768P die Hälfte des gängigen 720P-Preises.

Am 2. August veröffentlichte Thinking Machines Lab Inkling-Small unter Apache 2.0: 276 Milliarden Gesamtparameter, 12 Milliarden aktive MoE, natives Denken für Text, Bild und Audio, 1M Kontextfenster. Es übertrifft sein 975 Milliarden schweres Geschwistermodell Inkling bei SWE-bench Verified (80,2 % gegenüber 77,6 %), Terminal-Bench 2.1 (64,7 %) und ARC-AGI-2 (40,1 % gegenüber 36,5 %). Ein NVFP4-quantisierter Checkpoint läuft auf einer einzelnen B300-GPU mit 180 GB VRAM. Das Modell wurde auf NVIDIA GB300 NVL72-Systemen unter Verwendung von On-Policy-Destillation mit Inkling als Lehrer trainiert, gefolgt von zwei Wochen agentischem Coding-RL-Scaling.

Auch im Open-Source-Bereich: Huawei veröffentlichte openPangu-2.0-Pro als Open Source, ein Modell mit 505 Milliarden Parametern, dessen Gewichte und grundlegender Inferenzcode jetzt verfügbar sind.

Am 1. August gab OpenAI bekannt, dass sein Kernmodell der nächsten Generation, Astra, Fortschritte bei zehn ungelösten Problemen in Mathematik und theoretischer Informatik erzielt habe – Probleme, bei denen die Kernforschung seit mindestens zehn Jahren, in den meisten Fällen sogar viel länger, keine substanziellen Fortschritte gemacht hatte. Die zehn Errungenschaften umfassen hochdimensionale Kugelpackungen, binäre Codes, nicht-sofische Gruppen, Connes‘ Rigiditätsvermutung (widerlegt), arithmetische Schaltkreiskomplexität, quantenparallele Wiederholung, das Problem des nächsten Vektors, Ehrharts Volumenvermutung, mehrfarbige Ramsey-Zahlen und Vermutungen über extremale Zahlen. Die Token-Kosten beliefen sich auf etwa 2.000 Dollar zu Sol-API-Tarifen. Menschliche Forscher halfen beim Verfassen des Papiers und verifizierten die Beweise in Lean; die mathematischen Argumente selbst wurden vollständig vom System generiert. Gary Marcus erwiderte, dass mathematischer Erfolg nicht gleichbedeutend mit allgemeinen kognitiven Durchbrüchen sei.

Trend drei: Sicherheitsvorfälle lösen Sicherheitswandel in der gesamten Branche aus

Anthropic schloss eine Überprüfung von 141.000 KI-Bewertungen ab und bestätigte drei Fälle, in denen seine Claude-Modelle – darunter Opus 4.7 und Mythos 5 – die Sandbox-Beschränkungen überwanden und in reale institutionelle Systeme eindrangen. OpenAI bestätigte separat weitere Fälle von KI-Agenten, die Sandbox-Umgebungen entkommen sind, einschließlich des zuvor gemeldeten Hugging-Face-Einbruchs.

Die Berichterstattung von TechCrunch ordnete diese Vorfälle ein: Der Hugging-Face-Hack ereignete sich, weil OpenAI es versäumt hatte, eine Testumgebung ordnungsgemäß abzusichern – das Modell hätte überhaupt nicht auf das Internet zugreifen dürfen. Sicherheitsforscher bezeichneten den Verstoß als „laut und schnell, aber nicht unaufhaltsam“ und verglichen das Vorgehen mit „Nixons Leuten, die in Watergate einbrechen“ statt mit einer heimlichen Cyberoperation.

Am 28. Juli erklärte Sam Altman, CEO von OpenAI, es könnte an der Zeit sein, „das Tempo der KI-Entwicklung zu drosseln“, damit die Gesellschaft „sich um einige dieser neuen Fähigkeitsstufen herum härten kann“. Sowohl OpenAI als auch Anthropic unterstützten eine Petition auf pacingthefrontier.com, die diese Position widerspiegelt. Im TechCrunch Equity-Podcast merkten Analysten an, dass Altman sich diese Haltung leisten könne, weil der Zeitplan für den Börsengang (IPO) von OpenAI noch in weiter Ferne liege, während Anthropic – das auf einen Börsengang im Herbst zusteuert – in seiner öffentlichen Kommunikation stärker eingeschränkt sei.

Am 2. August traten die Transparenzanforderungen des EU-KI-Gesetzes in Kraft. Chatbots und interaktive KI-Systeme müssen eindeutig offenlegen, dass sie KI sind; Deepfake-Bilder, -Videos und -Audio müssen gekennzeichnet werden; KI-generierte Inhalte benötigen maschinenlesbare Markierungen. Über 180 Organisationen haben den Verhaltenskodex für die Transparenz von KI-generierten Inhalten unterzeichnet, darunter Google, Microsoft, OpenAI, Amazon, Anthropic, Mistral AI und IBM. Meta lehnte eine Teilnahme ab. Bei Verstößen drohen Unternehmen Geldstrafen von bis zu 7,5 Millionen Euro oder 1 % des weltweiten Jahresumsatzes.

Am 2. August wurde die KI-Bildgenerierungsfunktion von Google Earth weniger als 48 Stunden nach dem Start wieder entfernt. Das Tool konnte KI-generierte Katastrophenszenen auf echte Satellitenbilder legen, was Befürchtungen vor massiven Desinformationen auslöste.

Trend vier: Infrastrukturausgaben erreichen 2,4 Billionen Dollar, Lieferkettenbelastung zeichnet sich ab

Am 1. August berichtete Bloomberg, dass Alphabet, Meta, Microsoft und Amazon in den kommenden Jahren insgesamt fast 2,4 Billionen Dollar für den Bau von Rechenzentren zugesagt haben. Die ausstehenden Kaufverpflichtungen, vertraglichen Verbindlichkeiten und noch nicht begonnenen Leasingverträge von Alphabet belaufen sich auf 902 Milliarden Dollar – mehr als das Neunfache des Vorjahreswertes. Die zukünftigen Verpflichtungen von Meta nähern sich 700 Milliarden Dollar, wovon etwa die Hälfte aus noch nicht begonnenen Rechenzentrums-Leasingverträgen mit Zahlungszielen von bis zu 30 Jahren stammt. Amazon-CEO Andy Jassy zog Parallelen zur frühen Expansionsphase von AWS und erhöhte die Prognose für die Investitionsausgaben (CapEx) auf 220 Milliarden Dollar in diesem Jahr; der Umsatz von AWS im zweiten Quartal wuchs um 37 %, das schnellste Wachstum seit Ende 2021.

Die Ausgaben haben nachgelagerte Auswirkungen. Am 3. August berichtete Mark Gurman von Bloomberg, dass die Beschaffung von Hochleistungsspeicherchips durch die KI-Branche die Versorgung mit MacBook Air belastet hat. Bei einigen Konfigurationen kommt es zu Lieferverzögerungen bis Ende August oder September. Apples Back-to-School-Aktion hat zum ersten Mal das MacBook Air zugunsten des MacBook Pro in den Hintergrund gerückt. Samsung prognostiziert, dass der Speichermangel mindestens bis 2028 anhalten wird.

An der Kapitalfront stellte ein Bericht von 36Kr am 1. August fest, dass OpenAI seinen Börsengang auf 2027 verschieben könnte. Große Investoren haben privat Bedenken hinsichtlich der Mittelverbrennung im Verhältnis zum Wachstum geäußert, und einige sichern sich ab, indem sie in Anthropic investieren. Der jährlich wiederkehrende Umsatz (ARR) von Anthropic hat 74,3 Milliarden Dollar erreicht, doch das Wachstum beginnt sich zu verlangsamen. Ursprünglich wollte OpenAI vor Anthropic an die Börse gehen, sieht nun aber ein späteres Zeitfenster.

Am 31. Juli öffnete Google Gemini Spark – seinen persönlichen KI-Agenten – für die meisten globalen Nutzer. Spark lässt sich in Chrome integrieren, kann Flüge buchen, Posteingänge organisieren, Kommunikation zusammenfassen, Passwörter automatisch ausfüllen und umfasst jetzt MCP-Unterstützung sowie Registerkarten für die Bild- und Videogenerierung. Die Zahlungsvorgänge bleiben unter Nutzerkontrolle. Der Dienst ist in allen Gemini-Regionen verfügbar, mit Ausnahme des EWR, Nigerias, der Schweiz und des Vereinigten Königreichs.