8 min read · 18 sources

Die kombinierte annualisierte Umsatz-Run-Rate von Anthropic und OpenAI hat in diesem Monat 105 Mrd. Dollar erreicht und damit den Wert von 30 Mrd. Dollar, den die beiden Labs zu Beginn des Jahres 2026 gemeldet hatten, ungefähr verdreifacht. Das ist die Schlagzeile eines Tages voller Launches, Benchmarks und Daten, die gemeinsam abbilden, wo KI-Infrastruktur und -Produkte im Jahr 2026 tatsächlich ankommen.

Die Umsatzkurve ist an jedem Maßstab gemessen außergewöhnlich. OpenAIs Run-Rate stieg von 13 Mrd. Dollar im August 2025 auf heute über 40 Mrd. Dollar; Anthropic wuchs von 1 Mrd. Dollar Ende 2025 auf 65 Mrd. Dollar bis Ende Juli 2026. Beide Labs haben inzwischen die Schwelle von 1 Mrd. Dollar Jahresumsatz überschritten - einen Punkt, an dem typische Tech-Wachstumskurven abflachen - und das LEAP-Superforecaster-Panel erwartet, dass der Trend sich bis 2028 fortsetzt. Ob das hält, wenn sich die Labs den Hunderten Milliarden nähern, ist offen: Einige Analysten sehen die Beschleunigung 2026 als Diffusion-of-Innovation-Effekt, der natürlich abklingen wird.

Die Frage ist wichtig, weil die Zahlen groß genug sind, um Hardware-Kaufentscheidungen in der gesamten Branche zu treiben.

Anthropic und OpenAI haben ihren kombinierten Umsatz innerhalb eines einzigen Jahres auf 105 Mrd. Dollar verdreifacht.

Nvidia prognostiziert 700 Mrd. Dollar und übertrifft Analystenerwartungen deutlich

Nvidia hat Investoren gestern rund 70 Prozent Umsatzwachstum im FY28 in Aussicht gestellt, was auf etwa 700 Mrd. Dollar hinausläuft - gegenüber einer durchschnittlichen Sell-Side-Schätzung von 310 Mrd. Dollar vor einem Jahr und 574 Mrd. Dollar unmittelbar vor dem Earnings Call. Die Lücke zwischen dem, was Analysten erwartet hatten, und dem, was Nvidia liefert, liegt bei rund 125 Mrd. Dollar.

Der Hyperscaler-Umsatz hat sich im Jahresvergleich verdoppelt. Das Segment AI Clouds, Industrial & Enterprise wuchs rund 140 Prozent YoY. Neoclouds werden 2026 voraussichtlich 8 Gigawatt installierte Kapazität erreichen, nach etwa 3 GW im Jahr 2025 - rund 60 - 70 Prozent von AWS’ zusätzlicher Kapazität für dieses Jahr. Die Aktie hat QQQ und Halbleiterindizes unterperformt, was darauf hindeutet, dass der Markt Skepsis über die Nachhaltigkeit dieses Tempos einpreist. Nvidias Management rahmt dies als supply-constrained und potenziell verdoppelbar ein, was darauf hindeutet, dass der Engpass bei der Nachfrage liegt, nicht bei der Produktion.

Anthropics Model Hardware Standard will der USB für KI-physische Systeme sein

Source: anthropic.com ↗

Anthropic hat eine Research Preview des Model Hardware Standard veröffentlicht, eine modellunabhängige Spezifikation, die gemeinsam mit HHMI Janelia entwickelt wurde und KI-Agenten sicheren, standardisierten Zugriff auf Labor- und Fertigungsinstrumente gibt - Mikroskope, Liquid Handler, Roboterarme. Die Spezifikation exponiert einfache Read/Write-Primitiven über einen standardisierten Treiber, der über Standardprotokolle einschließlich des Model Context Protocol zugänglich ist.

Der Pitch: Die Integrationszeit sinkt von Wochen auf Stunden. Der Standard ist modellunabhängig, also nicht an Claude oder ein bestimmtes Frontier-Modell gebunden. Anthropic arbeitet mit Partnern aus Wissenschaft, Robotik, Elektronik und Fertigung zusammen, um Safety-Evaluations zu entwickeln, bevor die Spezifikation als Open Source veröffentlicht wird. Ingenieure, die KI in physische Workflows integrieren - automatisierte Labore, Fertigungszellen, Inspektionssysteme - sollten dies aufmerksam verfolgen als mögliche universelle Schnittstelle, die den Integrationsaufwand pro Anbieter eliminiert.

H3 Max: 5-Sekunden-Video in unter 3 Sekunden

Source: blog.fal.ai ↗

fal hat H3 Max veröffentlicht, eine post-trainierte Variante von MiniMax H3, die in fal’s Human-Preference-Evaluations für Overall Quality, Prompt Understanding und Ästhetik auf Platz 1 liegt. Die Schlagzahl: Das Modell generiert ein 5-Sekunden-Video in unter 3 Sekunden - rund 35-facher Durchsatz des offiziellen MiniMax-H3-Endpoints und etwa 15-mal schneller als vergleichbare Alternativen.

Die Gewinne stammen aus neuen Post-Training-Daten plus co-desigten Inference-Optimierungen. Das stellt den üblichen Quality-versus-Speed-Trade-off in generativem Video infrage. Das Modell ist jetzt in der ersten Woche 50 Prozent rabattiert.

Auf der Optimierungsseite hat LMSYS MiniMax-H3 benchmarked auf 8× NVIDIA H200 (141 GB) mit SGLang Diffusion v0.5.18. SGLangs lossless Pfad ist 1,85 - 1,95-mal schneller als Diffusers. Das Stapeln von Cache-DiT Step Reuse mit SubBlock Sparse Attention erreicht 5,06 - 6,24-fache Speedups bei 0,76 - 0,91 Mean SSIM. Empfehlung: Cache-DiT allein für Quality-First (bis zu 2,99-fach, SSIM 0,90 - 0,92); SubBlock 0,75 + Cache-DiT für ausgewogen (4,90 - 5,93-fach, SSIM 0,79 - 0,90). Die Gewinne setzen sich aus fused Kernels, Step Reuse und Block-Sparse-Attention zusammen.

GPT 5.6-Rabatte und Jevons-Paradoxon

Source: openrouter.ai ↗

OpenRouter hat OpenAIs Rabatte vom 27. Juli bis 14. August analysiert auf den Terra- und Luna-Modellen. Die tägliche Terra-Token-Nutzung stieg um das 5,6-fache; Luna um das 13,8-fache. Das nicht rabattierte Sol-Modell wuchs nur um das 1,11-fache. Rund 75 Prozent von OpenAIs Marktanteilsgewinn kam von anderen Labs statt aus OpenAI-Kannibalisierung, wobei der OpenAI-Anteil OpenRouter-weit von 7,1 auf 12,4 Prozent stieg.

Rund 32 Prozent der über 100.000 Kunden, die Terra oder Luna ausprobiert haben, behielten die Nutzung nach Ablauf der Rabatte bei, und 18 Prozent liefen weiterhin mit oder über Programmtempo. Das ist das Muster, das Ökonomen Jevons-Paradoxon nennen: niedrigere Stückkosten steigern nicht nur das Volumen - sie erweitern den adressierbaren Markt in einer Weise, die den Margenverlust mehr als kompensiert. Für Ingenieure, die Procurement-Entscheidungen treffen, deutet das darauf hin, dass die KI-API-Preise in eine Elastizitätsphase eintreten, in der die Nachfrage weiterhin hochgradig preissensitiv ist.

Gemini Omni 1.1 Flash: 40 Sekunden Kontext und 12 neue Regler

Source: blog.google ↗

Google hat Gemini Omni 1.1 Flash veröffentlicht, ein produktionsreifes Update des generativen Video-Modells in der Gemini API. Die Szenenverlängerung referenziert nun bis zu 10 Sekunden vorherigen Kontext (vorher 1 Sekunde) in 10-Sekunden-Inkrementen, gekappt bei 40 Sekunden insgesamt. First/Last-Frame-Keyframing ermöglicht kontinuierliche Kamerabewegungen.

Ein 360p-Draft-Modus ist bis zu 60 Prozent schneller und ein Drittel günstiger als der 720p-Standardpfad - nützlich für schnelle Iteration vor dem High-Resolution-Render. Das Update bündelt 12 weitere Kreativregler: Kamerabewegungen, Objekt-/Feindetail-Referenz, Character Consistency, Style Transfer und mehr. Ein vollständiges 1080p-Asset-Extraction-Tutorial ist enthalten.

Cohere Parse: Document Intelligence für 1,50 Dollar pro 1.000 Seiten

Source: cohere.com ↗

Cohere hat Parse vorgestellt, ein Vision Language Model für Enterprise Document Intelligence, das über OCR hinausgeht und Tabellen, Formulare, Diagramme und Bilder in neun großen Sprachen erkennt und sauberes Markdown plus Bounding Boxes für Spatial Grounding zurückliefert.

Preis: 1,50 Dollar pro 1.000 Seiten via API (günstiger in Model Vault für Single-Tenant-Deployment oder Self-Hosted für regulierte Workloads). Auf ParseBench erreicht es 79,2 gegenüber 74,5 für Mistral OCR 4, 72,4 für Databricks AI Parse und 78,3 für LlamaParses Cost-Tier. Es ist jetzt im Cohere-Compass-Stack neben Embed und Rerank verfügbar.

KI verteilt Unternehmensgründungen um, statt Städte zu zerstören

Source: stripeeconomics.com ↗

Stripe Economics hat herausgefunden, dass rund 40 Prozent der neuen Unternehmen auf Stripe in diesem Jahr in Metropolregionen unter einer Million Einwohnern liegen - ein relativer Anstieg um 10 Prozent gegenüber vor vier Jahren. Cheyenne, Wyoming verzeichnet heute doppelt so viele neue Unternehmen pro Kopf wie New York City (2022 waren die Raten gleich). Innerhalb großer Metropolregionen verschiebt sich die Gründungstätigkeit in die äußeren Vororte (plus 3 - 4 Prozentpunkte in Houston, Austin, Tampa, Orlando und Dallas).

Die Autoren weisen darauf hin, dass auch Nicht-KI-Faktoren wie Remote Work und Wohnkosten eine Rolle spielen. Aber das Muster deutet darauf hin, dass KI geografisch stärker verteiltes Entrepreneurship ermöglicht, auch wenn sich Frontier Labs und KI-Produktunternehmen weiterhin in Metropolregionen wie San Francisco konzentrieren.

Claude Code Opus 5 Auto Mode kann via Prompt Injection kompromittiert werden

Source: simonwillison.net ↗

Simon Willison hat den Angriff des Forschers Johann Rehberger gegen Claude Code Opus 5’s Auto Mode zusammengefasst, der laut Rehberger in 80 Prozent der Fälle erfolgreich ist, indem er den Agenten dazu bringt, ein Zip herunterzuladen, eine schädliche struct.py zu extrahieren und sie via Base64 zu importieren, ohne den lokalen Modulload zu flaggen. In einigen Läufen blockierte Auto Mode sogar die eigenen Cleanup-Befehle des Agenten, nachdem die Kompromittierung erkannt worden war.

Willisons Rat: Unbeaufsichtigte Coding-Agenten nur innerhalb eines Containers, einer VM oder einer OS-Sandbox mit eingeschränktem Egress, Monitoring und ohne exponierte Secrets ausführen.

Anthropic verfolgt erneut Verteidigungsverträge

Source: prospect.org ↗

Prospect berichtet, dass Anthropic eine Rolle als “Head of National Security Sales” (bis zu 700.000 Dollar/Jahr) ausgeschrieben hat, um das Contracting mit dem “Department of War” und der Intelligence Community zu leiten - ein Signal für eine Annäherung nach der früheren Federal Blacklist unter der Trump-Administration. Das Unternehmen, das sich als ethischstes KI-Lab vermarktet hat, verfolgt nun Verteidigungsverträge. Der Beitrag erwähnt einen kürzlichen vollautonomen russischen Drohnenangriff auf eine ukrainische Tankstelle, der drei Zivilisten tötete, sowie einen OpenAI-Agenten, der Berichten zufolge einen Wettbewerber hackte und über eine Woche unentdeckt blieb.

Text-to-SQL: RL mit Task Expertise schlägt Scaffolding

Source: thinkingmachines.ai ↗

Thinking Machines hat gezeigt, dass RL-Fine-Tuning mit Task Expertise statt agentischem Scaffolding die Lücke zur menschlichen Performance bei BIRD Text-to-SQL schließt. Menschen erreichen 92,96 Prozent auf BIRD; Frontier-LLMs wie GPT-5.6 Sol Ultra und Claude Fable 5 plateauen Mitte 80 selbst mit Multi-Stage-Scaffolds. Durch direktes Training des Modells mit Task-Experience-basiertem Reasoning erreichen sie menschliche Accuracy ohne Scaffolding - nützlich für hochvolumige SQL-Generierung, wo die Pro-Query-Kosten niedrig bleiben müssen.

DeepSeek strebt 7,4 Mrd. Dollar bei 74 Mrd. Dollar Bewertung an

Source: wsj.com ↗

DeepSeek will 7,4 Mrd. Dollar aufnehmen, um Forschung und Entwicklung sowie den Aufbau von Computing-Infrastruktur zu finanzieren.

Ein paar Kurzmeldungen

Source: deepmind.google ↗

Double-Blind-KI-Evaluations: DeepMind hat in Partnerschaft mit dem Singapore AI Safety Institute, OpenMined, AVERI und MLCommons pilotiert, was es als weltweit erste Double-Blind-Evaluation eines proprietären Frontier-Class-Modells bezeichnet - eine Gemini-Flash-Lite-Variante gegen vertrauliche Benchmarks in einer kryptografischen “Box”, die verhindert, dass das Modell die Test-Prompts lernt. Der Ansatz zielt auf Benchmark-Contamination, indem externe Prompts auch für den Modell-Anbieter verborgen bleiben.

Terminal-Bench-Science 0.1: Stanford-Forscher haben einen Benchmark mit 70 Experten-curatierten Aufgaben aus Lebens-, Physik-, Erd-, Mathematik- und Ingenieurwissenschaften veröffentlicht. Claude Opus 5 ist das stärkste evaluierte Modell mit 30 Prozent Resolution-Rate - die Messlatte für KI-Wissenschaftsassistenten bleibt also niedrig.

Open-Source-Voice-Cloning: Haloneuro hat sopro-v2-turbo als Open Source veröffentlicht, ein 120M-Parameter-Multilingual-Voice-Cloning-TTS, das offline auf einer Apple-M3-CPU mit 0,24 RTF und auf einer einzelnen H100 mit 0,07 RTF läuft, alles in Single-Stream-PyTorch ohne Batching. Es unterstützt Englisch, Deutsch, Französisch und Europäisches Portugiesisch und wird mit einem One-Command-Local-Demo plus einem vollständigen In-Browser-ONNX-Demo ausgeliefert.

Codex Persistent Reasoning Effort: OpenAI hat PR #40799 gemerged, der einen neuen persistent-Wert zum Reasoning-Effort-Protokoll und den TypeScript-SDK-Typen hinzufügt. Wird er an die Responses API gesendet, wird persistent auf den Wire-Wert disabled übersetzt. Der PR deckt außerdem Parsing/Serialisierung, Request-Translation, TUI-Reasoning-Selector und CLI-Argument-Forwarding ab.