6 min read · 17 sources

OpenAI hat gerade seinen größten Agent-Vorstoß gemacht. Dots, unterstützt von GPT-6 Astra, sind autonome Agents, die auf einem eigenen Cloud-Computer laufen und in über 4.000 Apps integriert sind. Das ist die Schlagzeile. Was für alle zählt, die darauf aufbauen: Es handelt sich nicht um einen Chatbot, der an einen Workflow angehängt wird. Es ist eine neue Compute-Ebene, die OpenAI als Infrastruktur positionieren will.

Und damit nicht genug. GPT-6.1 Sol wurde zusammen mit Dots eingeführt und bietet nahezu Astra-Intelligenz zu einem Fünftel der Kosten. Das ist die Art von Preissenkung, die verändert, wie man Systeme architekturiert. Dann kam die Finanzierungs-Nachricht: OpenAI sammelt Berichten zufolge 30 Milliarden Dollar bei einer Bewertung von 1,4 Billionen Dollar ein. Drei Geschichten, ein Morgen, alle zeigen auf dasselbe - OpenAI wechselt vom Verkauf von Modellen zum Verkauf einer gesamten Betriebsumgebung für Arbeit.

OpenAIs Run-Rate-Umsatz erreichte im August 40 Milliarden Dollar, 70 % mehr seit Juli, und das Unternehmen sammelt nun bei einer Bewertung von 1,4 Billionen Dollar ein.

Dots: Agents mit eigenem Cloud-Computer

Source: openai.com ↗

OpenAIs Dots sind das deutlichste Signal bisher, dass das Unternehmen Agents als Produktkategorie etablieren will, nicht als Feature. Dots laufen auf GPT-6 Astra, aber das entscheidende architektonische Detail ist, dass jeder auf einem eigenen Cloud-Computer operiert. Das bedeutet, sie können lange Aufgaben ausführen, ohne eine Session offen zu halten, und sie können proaktiv in Ihrem Auftrag handeln, statt auf einen Prompt zu warten.

Die Integrationsfläche ist die eigentliche Geschichte: 4.000+ Apps, darunter ChatGPT, Slack und Teams. Für Entwickler ist das eine Workflow-Automatisierungsplattform, die keinen eigenen Klebecode erfordert. Die Safety-Geschichte ist der übliche OpenAI-Rahmen - Benutzerkontrolle, eingebaute Maßnahmen - aber die praktische Frage ist, wie viel Autonomie diese Dinge tatsächlich bekommen. Wenn Dots über Ihr Slack und Ihre E-Mail hinweg agieren können, ohne dass Sie eingreifen, hat sich die Sicherheitsperimeter gerade verschoben.

GPT-6.1 Sol: Nahezu Astra zu 20 % der Kosten

Source: openai.com ↗

Die Ökonomie hier ist die Nachricht. GPT-6.1 Sol kostet ein Fünftel von Astra, während es bei komplexen PDF-Abfragen die gleiche Leistung erbringt und bei Coding-Benchmarks besser abschneidet. Für Teams mit hohem Inference-Volumen ist das der Unterschied zwischen einem Feature, das tragfähig ist, und einem, das das Budget verbrennt.

Es ist über die OpenAI API und mehrere Nutzerstufen verfügbar. Die Verbesserungen bei der faktischen Genauigkeit sind relevant für retrieval-lastige Workloads. Aber die praktische Erkenntnis für Entwickler: Wenn Sie wegen der Kosten mit Astra gezögert haben, ist Sol der Grund, Ihre Benchmarks neu laufen zu lassen. Die Lücke zwischen “Frontier” und “gut genug zu 1/5 des Preises” ist gerade deutlich kleiner geworden.

Meta Muse geht auf kleine Unternehmen los

Source: about.fb.com ↗

Meta hat Muse erweitert mit Skills und Connectoren, die auf kleine Unternehmen in den USA und Kanada abzielen. Es integriert sich nun in Instagram-Professionalkonten, Facebook-Seiten, Meta-Werbekonten und Drittanbieter-Tools wie Canva, mit Unterstützung für benutzerdefinierte Connectoren.

Entwickler sollten das beachten, weil hier agentische KI in bestehende Geschäftsworkflows einzieht, nicht auf einer Greenfield-Plattform. Muse ist der Distributions-Play - Milliarden von Nutzern auf Facebook und Instagram, und jetzt kann es auf deren Werbekonten zugreifen. Für alle, die maßgeschneiderte Automatisierung für KMU bauen, ist das die Sache, die Ihr Produkt schwer verkäuflich macht. Die Messlatte hat sich gerade von “bau es selbst” zu “es ist kostenlos und schon verbunden” verschoben.

Die 1,4-Billionen-Frage: OpenAIs Finanzierung und Umsatz

Source: techcrunch.com ↗

OpenAI sammelt Berichten zufolge mindestens 30 Milliarden Dollar bei einer Bewertung von etwa 1,4 Billionen Dollar ein. Das folgt auf eine Runde von 122 Milliarden Dollar im März bei 852 Milliarden Dollar. Der Run-Rate-Umsatz erreichte im August 40 Milliarden Dollar, 70 % mehr seit Juli. CEO Sam Altman hat einen Börsengang 2026 ausgeschlossen und dabei Prioritäten der KI-Sicherheit angeführt.

Die Zahlen sind atemberaubend, aber das für die Technik relevante Detail ist, was sie für Preise und Verfügbarkeit bedeuten. Ein Unternehmen, das bei dieser Bewertung Kapital aufnimmt, muss die Umsatzkurve steil halten, was aggressive Preisstufen und Enterprise-Deals bedeutet. Die Segmentierungsanalyse zeigt das Muster: Anthurpics Metered Billing verdoppelte den vierteljährlichen Umsatz, und OpenAIs 80-prozentige Preissenkung bei Luna trieb die Run-Rate Richtung 70 Milliarden Dollar. Weder Amazon noch Google haben langfristige Verträge abgeschlossen. Der Preiskampf ist noch nicht vorbei.

GLM-5.3: Das Open-Weight-Cyberrisiko ist real

Source: anthropic.com ↗

Anthropics Frontier Red Team hat GLM-5.3 getestet und festgestellt, dass es autonom End-to-End-Cyber-Exploits bauen kann, vergleichbar mit Claude Mythos Preview. Die alarmierende Statistik: Schutzmechanismen sind in 64-100 % der Fälle mit einfachen Techniken umgehbar. NISTs CAISI nannte es das cyberfähigste Open-Weight-Modell, das dem US-Frontier um etwa vier Monate hinterherhinkt - aber es ist frei herunterladbar.

Für alle, die ein Security-Team betreiben, ist das der Moment “Open Models sind jetzt ein Bedrohungsvektor”. Die Lücke zwischen Closed- und Open-Frontier-Fähigkeiten schrumpft auf Monate, nicht Jahre, und die Sicherheitsvorkehrungen bei Open Weights sind kosmetisch. Wenn Sie nicht angenommen haben, dass Angreifer Zugang zu nahezu Frontier-Offensivfähigkeiten haben, aktualisieren Sie heute Ihr Threat Model.

MCP Events: ChatGPT bekommt Echtzeit

Source: developers.openai.com ↗

OpenAIs MCP Events erlaubt ChatGPT, Updates von MCP-Servern per Webhooks zu abonnieren. Es erfordert MCP 2.0 (Protokollversion 2026-07-28). Entwickler implementieren events/list, events/subscribe und events/unsubscribe auf authentifizierten Endpunkten, mit Callback-URL und Signing-Secret für die Zustellung.

Das ersetzt Polling durch Push für ChatGPT-Integrationen. Die Einschränkungen sind wichtig: Polling, Streaming und die gap- und terminated-Kontrollbenachrichtigungen des Entwurfs werden nicht unterstützt. Sie bekommen also ereignisgesteuerte Updates, aber keine Zustellgarantien für verpasste Ereignisse. Bauen Sie entsprechend - das ist eine v1, keine dauerhafte Queue.

Sign in With ChatGPT: Identität als Dienst

Source: help.openai.com ↗

Sign in with ChatGPT ist nun weltweit für authentifizierte ChatGPT-Nutzer verfügbar. Erste Partner: Airtable, GitLab, HubSpot, Notion, Supabase und Vercel.

Das ist OAuth für die ChatGPT-Ära. Für Entwickler bedeutet es einen Identity Provider weniger, den man bauen muss, und es gibt OpenAI einen Vertriebskanal in Enterprise-Apps. Der interessante Schachzug ist die Plugin-Directory-Integration - eine App, die von dort verbunden wird, kann jetzt die ChatGPT-Identität mitnehmen.

Der Rest: Devin, Baseten, Cohere und der Modellzoo

Source: devin.ai ↗

Devin ist nun 30-40 % günstiger im Fusion- und Normal-Modus, bis zu 70 % günstiger in Devin Review, dank neuer Modelle wie SWE-2 und Verbesserungen am Harness. Fusion führt FrontierCode 1.1 mit einem Score von 68,8 bei 0,60 Dollar pro Aufgabe an. Die Lehre: Modellunabhängigkeit und intelligenteres Tool-Batching sind das, was agentische Coding-Kosten tatsächlich senkt.

Baseten hat mit OpenAI eine Partnerschaft geschlossen, um Open Models nativ über Codex und die Responses API zu bedienen. Enterprise-Kunden können bestehende OpenAI-Verpflichtungen für Baseten-betriebene Open Models nutzen, was Multi-Model-Routing ermöglicht. Das ist eine echte Verschiebung - die Mischung von Open- und Closed-Models innerhalb eines Vertrags.

Coheres Embed 5 zeigt große Fortschritte gegenüber Embed 4 bei visuell reichen Dokumenten, Finanzberichten, geparsten PDFs, Code und mehrsprachigem Retrieval. Wenn Sie RAG mit Dokumenten machen, die kein sauberer Text sind, benchmarken Sie neu.

Liquid AI hat Pipette veröffentlicht, eine Open-Source-Suite (Apache 2.0) zur Modellevaluierung für On-Device-KI. Sie vergleicht Modelle als Modell + Quantisierung + Runtime + Gerät und deckt 35 Modellklassen und 7 llama.cpp-Quantisierungsstufen ab. Für alle, die On-Device-Modelle ausliefern, ist das das reproduzierbare Benchmark-Tool, das Ihnen gefehlt hat.

OpenAIs GPT-Live-1 ist in der API und ermöglicht Voice-Agents, die gleichzeitig zuhören und sprechen, Sprache von Hintergrundgeräuschen unterscheiden und Unterbrechungen mitten im Gespräch in einem Modell verarbeiten. Geringere Latenz, weniger Übergaben - eine Bewertung für Voice-Apps wert.

Und der FIG-Benchmark bestätigt, was alle vermutet haben: Es gibt keinen klaren Spitzenreiter bei agentischen Aufgaben. Hohe Varianz bei der Modell-Aufgaben-Passung bedeutet, dass Sie pro Anwendungsfall benchmarken, nicht pro Modellfamilie.

Der rote Faden des Tages ist einfach: Die Frontier wird billiger, Agents werden autonomer, und die Sicherheitsimplikationen werden schlimmer.