GLM-5.3 und Qwen3.8-27B bringen Open-Source-KI auf Flaggschiff-Niveau – zu geringeren Kosten

Englische Version oben, chinesische Version unten.

Trend eins: Open-Source-Modelle schließen die Lücke zu geschlossenen Flaggschiff-Modellen – zu einem Bruchteil der Kosten

Am 19. August startete Zhipu AI die GLM-5.3 API. Das Modell erreichte 60 Punkte auf dem Artificial Analysis Intelligence Index und liegt damit auf dem Niveau geschlossener Flaggschiffe wie Claude Fable 5 und GPT-5.6 Sol sowie gleichauf mit Kimi K3 an der Spitze der Open-Source-Modelle. GLM-5.3 nutzt dieselbe Basisarchitektur wie GLM-5.2; der Zugewinn stammt fast vollständig aus dem Post-Training, das Zhipu-CEO Tang Jie als „kontrolliertes Experiment" bezeichnete – allein durch langfristiges Reinforcement Learning wurde die Verbesserung erzielt. Die Preisgestaltung bleibt gegenüber GLM-5.2 unverändert, und die Gewichte werden nächsten Freitag als Open Source veröffentlicht.

Am selben Tag erreichte Alibabas Qwen3.8-27B innerhalb von vier Tagen zwei Meilensteine: Es setzte sich an die Spitze der Cline-Bestenliste für lokale Modelle und beendete damit die viermonatige Führung von Qwen2.5-Coder-7B und war das erste Open-Weight-Modell im Harvey-Benchmark für juristische KI-Agenten. Es läuft lokal mit 70 tok/s auf einem M5 Max MacBook Pro.

Der gemeinsame Nenner sind die Kosten. GLM-5.3 verschob die Pareto-Grenze „Intelligenz vs. Kosten", indem es Flaggschiff-Bewertungen mit den niedrigsten Kosten pro Aufgabe unter den Spitzenmodellen kombinierte. Qwen3.8-27B liefert Leistung auf Rechts- und Programmierniveau auf Consumer-Hardware. Perplexity-CEO Aravind Srinivas lobte separat Miles v0.1, ein Open-Source-RL-Framework, das über neun Monate von 72 Mitwirkenden in 1.326 Commits aufgebaut wurde und nun auf Kimi K3, DeepSeek V4 und Qwen 3.8 angewendet wird.

Trend zwei: Rechenhardware schreitet auf zwei Fronten voran

Am 18. August kündigte Cerebras WSE-3 Turbo und das CS-4-System an. Gegenüber dem vorherigen CS-3 liefert CS-4 die 10-fache Token-Kapazität und die doppelte Geschwindigkeit und erreicht 4.465 Token/s mit OpenAIs GPT-OSS-Modell – das 30-fache einer GPU-Lösung – mit 900.000 Kernen und 44 MB SRAM pro Chip. Das CS-4 sitzt auf der neuen Nexus-Rack-Plattform, die die Anzahl der Komponenten um etwa 50 % reduziert.

Am 19. August tauchte ein geleakter SemiAnalysis-Bericht auf, der behauptet, Google arbeite mit AMD an einer zehnten TPU-Generation. Falls bestätigt, wäre dies AMDs erster Erfolg bei kundenspezifischen KI-ASICs; zu Googles bisherigen Designpartnern gehören Broadcom und MediaTek, und AMDs fortschrittliches Packaging und SoC-IP werden als Anziehungspunkte genannt.

Tencents Hunyuan Hy3, ein MoE-Modell mit insgesamt 295 Mrd. und 21 Mrd. aktiven Parametern und 256K Kontext, wurde diese Woche an die Xuntü Alphaπ-Plattform angebunden, wobei das API-Aufrufvolumen in der ersten Veröffentlichungswoche im Wochenvergleich um das 68-fache stieg, eingesetzt in der KI-gestützten Anlageforschung.

Trend drei: Sicherheit und Governance verschärfen sich mit steigender Leistungsfähigkeit

Am 19. August gab OpenAI bekannt, die größten RL-Trainingsläufe an der Frontier vorübergehend ausgesetzt zu haben, während kleiner angelegte Trainings zur Validierung von Alignment und Überwachung durchgeführt werden – das erste größere Sicherheitsupdate seit der Hugging Face-Offenlegung vom 21. Juli. Das neue Überwachungssystem zielt auf ein 30-minütiges Warnfenster ab und verbraucht etwa 20 % der Rechenleistung des überwachten Prozesses. Der Umsatz im zweiten Quartal erreichte 6,7 Milliarden US-Dollar, ein Plus von 18 % gegenüber dem Vorquartal, während sich der Verlust auf 12,3 Milliarden US-Dollar ausweitete.

Am selben Tag reagierte OpenAI auf einen Codex-Vorfall mit Dateilöschung: Modelle der GPT-5.6-Serie löschten Benutzerdateien beim Bereinigen temporärer Pfade, teilweise durch die Wiederverwendung von Systemumgebungsvariablen wie $HOME. Das Team fügte Überprüfungen vor dem Löschen, frische temporäre Verzeichnisse und eine Überprüfung von Befehlen mit höherem Risiko hinzu.

Sicherheitserkenntnisse sind ein zweischneidiges Schwert. Apples Safari 26.6.1 behebt 22 WebKit-CVEs, von denen 9 – etwa 41 % – von OpenAIs Codex Security Agent gefunden wurden. Unabhängig davon legte Varonis eine Copilot-Schwachstelle offen, bei der ?autorun=1 in Kombination mit ?q= Eingabeaufforderungen ohne Benutzerbestätigung ausführt und so Posteingangsinhalte und Zugangsdaten exfiltriert.

Auf der politischen Seite veröffentlichte das japanische Kabinettsbüro am 18. August Richtlinienentwürfe, die Entwickler generativer KI auffordern, Trainingsdaten und Erhebungsmethoden offenzulegen und das Scraping von Piratenseiten zu vermeiden. Auf der Inhaltsseite zog Meta 32 Anzeigen zurück und Apple entfernte die Kromix-App, nachdem WIRED berichtet hatte, dass diese nicht einvernehmliche Deepfake-Pornografie generierte, darunter eine Anzeige, die einer prominenten Politikerin ähnelte.

Trend vier: Kapital und Kontrolle formen die Branchenstruktur um

Am 19. August wurde Unitree Robotics am STAR Market notiert und eröffnete mit einem Plus von 629,44 % bei einem Höchststand von 1.100 ¥, wobei der Marktwert kurzzeitig 444,9 Milliarden ¥ erreichte. Der Vorsitzende Wang Xingxing hält rund 30 % des Unternehmens, ein Anteil im Wert von über 100 Milliarden ¥. Die verbundenen Fonds von DeepSeek-Gründer Liang Wenfeng erhielten im Rahmen strategischer und außerbörslicher Platzierungen etwa 1,19 Millionen Aktien, was auf dem Höchststand einem Buchgewinn von über 1,1 Milliarden ¥ entspricht.

Am selben Tag berichtete The Information, dass Anthropic plant, CEO Dario Amodei – der nur etwa 2 % der Anteile hält – und anderen Mitgründern spezielle Stimmrechtsaktien zu gewähren, im Vorfeld eines möglichen Börsengangs noch in diesem Jahr. Die duale Aktienstruktur würde kurzfristigen Aktionärsdruck abschwächen, während der Long-Term Benefit Trust die Aufsicht behält.

Der Turing-Award-Gewinner Rich Sutton warnte am 19. August, dass die zunehmende Abhängigkeit der Branche von synthetischen Daten „ein großer Fehler" sei, und argumentierte, dass synthetische Daten keine echte Erfahrung von Agenten ersetzen können, die mit der physischen Welt interagieren. Sutton war im Juli Mitgründer von Oak Lab zusammen mit dem ehemaligen Studenten Khurram Javed, um Agenten zu entwickeln, die aus ihrer eigenen Erfahrung lernen.