BriefTechNews
Anthropics 895-Milliarden-Dollar-Compute-Wette, zwei neue Claude-Modelle und eine RSI-Warnung für 2027

Anthropics 895-Milliarden-Dollar-Compute-Wette, zwei neue Claude-Modelle und eine RSI-Warnung für 2027

7 min read · 16 sources

TL;DR
  • Anthropics S-1-Antrag zeigt 895 Milliarden Dollar an gesamten Compute-Verpflichtungen, die etwa 200 Milliarden Dollar Jahresumsatz erfordern, um sie bis 2030 zu tragen.
  • Claude Fable 5.2 und Mythos 5.2 bieten bis zu 30 % schnellere Generierung bei 8 Dollar pro Million Input-Token, mit optionalem 2,5-fachem Schnellmodus.
  • Google führte zwei neue TPUs ein (8i Max und 8tx) und markiert damit das erste Mal, dass es vier TPU-Systeme in einem einzigen Jahr ausgeliefert hat.
  • Metas Muse Ember erreicht die beste Reasoning-Punktzahl von Claude Haiku 5.5 zu etwa einem Drittel der Kosten, bei 0,116 - 0,136 Dollar pro Aufgabe.
  • Ein METR-Bericht schätzt, dass die Beschleunigung der KI-Forschung bei Anthropic die Schwelle zur „dramatischen Beschleunigung“ überschritten hat, was vollständige RSI weniger als ein Jahr entfernt bringen könnte.

Anthropic setzt alles auf Compute, und das ist eine enorme Menge. Der S-1-Antrag des Unternehmens offenbart 895 Milliarden Dollar an gesamten Compute-Verpflichtungen, und eine METR-Analyse legt nahe, dass KI die KI-Forschung nun so schnell beschleunigt, dass vollständige rekursive Selbstverbesserung weniger als ein Jahr entfernt sein könnte. Unterdessen hat das Unternehmen zwei neue Claude-Modelle ausgeliefert, Google hat sein TPU-Lineup verdoppelt, und Meta beansprucht ein kleines Modell, das die Großen bei den Kosten pro Aufgabe schlägt. Hier ist, was für Menschen wichtig ist, die tatsächlich Systeme betreiben.

Anthropic benötigt etwa 200 Milliarden Dollar Jahresumsatz, um seine 895 Milliarden Dollar an Compute-Verpflichtungen bis 2030 bei aktuellen Ausgabenquoten zu tragen.

Claude Fable 5.2 und Mythos 5.2: Gleiches Gehirn, andere Leine

Source: anthropic.com ↗

Anthropic hat Claude Fable 5.2 und Claude Mythos 5.2 veröffentlicht, zwei Versionen desselben zugrunde liegenden Modells mit unterschiedlichen Sicherheitsvorkehrungen. Fable erhält die Standard-Alignment-Behandlung; Mythos hat reduzierte Cyber- und Biologie-Sicherheitsvorkehrungen und erfordert einen Antrag für den Zugriff. Wenn Sie für regulierte Branchen entwickeln, werden Sie Fable wollen. Wenn Sie Red-Team-Arbeit oder Sicherheitsforschung betreiben, ist Mythos das Modell, das Sie anfragen sollten.

Die technische Geschichte dreht sich um Geschwindigkeit und Preis. Beide Modelle generieren Ausgaben bis zu 30 % schneller als die 5.1-Versionen, mit Preisen von 8 Dollar pro Million Input-Token und 40 Dollar pro Million Output-Token. Es gibt auch einen optionalen Schnellmodus für 16/80 Dollar pro Million Token, der die Generierung um bis zu 2,5x beschleunigt. Das ist ein bedeutender Hebel für latenzempfindliche agentische Workloads, aber es verdoppelt Ihre Token-Rechnung, also rechnen Sie nach, bevor Sie ihn aktivieren.

Die Modelle beanspruchen auch verbesserte Coding-, Reasoning- und Vision-Fähigkeiten. Die Preisgestaltung platziert sie direkt gegen GPT-6 Luna und die Haiku-Linie, und die 30-prozentige Beschleunigung ist die Art von Sache, die sofort in Ihren p95-Latenzdiagrammen auftaucht.

Googles TPU-Lineup: Vier Systeme, ein Jahr

Source: blog.google ↗

Google hat sein TPU-Portfolio der achten Generation erweitert um zwei neue Systeme: TPU 8i Max für massive Kontextfenster und die höchste Rechendichte pro Rack, und TPU 8tx für sichere und vertrauliche Inferenz. Diese gesellen sich zu den TPU 8t und 8i, die früher in diesem Jahr angekündigt wurden und bis zu 2,7x bessere Trainingsleistung und 80 % bessere Inferenz-Preis-Leistung gegenüber der vorherigen Generation boten.

Dies ist das erste Mal, dass Google vier TPU-Systeme in einem einzigen Jahr eingeführt hat, und die Aufteilung zeigt, wohin das Unternehmen den Markt entwickeln sieht. 8i Max zielt auf agentische Workloads ab, die enorme Kontextfenster im Speicher halten müssen. 8tx ist für die Vertrauliche-Computing-Gemeinde gedacht - denken Sie an regulierte Branchen, die nachweisen müssen, dass Inferenz keine Daten leakt. Wenn Sie auf GCP sind, ist die interessante Frage, welches davon auf Ihren Workload passt, denn die Preis-Leistungs-Kurven werden stark auseinanderlaufen.

Meta Ember: Günstiges Reasoning für Agent-Schleifen

Source: research.meta.ai ↗

Meta hat Muse Ember eingeführt, sein kleinstes und effizientestes Modell, das gezielt auf agentische Aufgaben wie Tool-Aufrufe, Coding-Teilaufgaben und das Parsen langer Dokumente ausgerichtet ist. Die Behauptung: Es erreicht die beste Punktzahl von Claude Haiku 5.5 zu etwa einem Drittel der Kosten und schlägt jede GPT-6-Luna-Einstellung auf dem Artificial-Analysis-Leaderboard. Die Kosten pro Aufgabe liegen bei 0,116 - 0,136 Dollar.

Für Entwickler, die Agent-Schleifen mit Hunderten von Aufrufen pro Benutzersitzung betreiben, ist dies die Zahl, die zählt. Wenn Sie pro Aufgabe statt pro Token bezahlen, ändert ein Modell, das Haiku-Level-Reasoning zu einem Drittel des Preises liefert, Ihre Unit-Ökonomie. Der Vorbehalt ist, dass „erreicht die beste Punktzahl von Haiku“ eine Benchmark-Behauptung ist, und agentische Leistung in Produktion ist bekanntermaßen heikel. Trotzdem: Wenn Sie Geld für Reasoning-Token verbrennen, ist dies diese Woche einen Benchmark-Lauf wert.

Die RSI-Uhr tickt

Source: thezvi.substack.com ↗

METR hat einen Bericht über die Beschleunigung der KI-Forschung durch KI bei Anthropic veröffentlicht, der eine etwa 2-fache Beschleunigung des Fähigkeitenfortschritts seit Oktober 2025 feststellt, ohne beobachtete Engpässe, die eine weitere Beschleunigung verhindern. Der Bericht legt nahe, dass die Schwelle zur „dramatischen Beschleunigung“ in Richtung rekursiver Selbstverbesserung möglicherweise bereits überschritten wurde, was vollständige RSI weniger als ein Jahr entfernt bringen könnte.

Dies ist keine Produkteinführung, aber es ist die Geschichte, die für jeden, der KI-Sicherheitsarbeit oder Kapazitätsplanung betreibt, am wichtigsten ist. Wenn die Beschleunigung anhält, landen kritische Ereignisse in 2027 oder 2028, nicht in einer fernen Dekade. Das ändert, wie Sie über alles von Modellbewertung bis Incident Response denken - das Fenster, um Sicherheitsinfrastruktur zu etablieren, wird in Monaten gemessen, nicht in Jahren.

Wenn die USA zum Netto-Token-Importeur werden

Source: tomtunguz.com ↗

Eine Analyse schätzt, dass die USA zwischen 2028 und 2030 zum Nettoimporteur von KI-Token werden. Das Modell nimmt ein jährliches Token-Wachstum von 2,5x an, wobei Importe bis 2028 beginnen, wenn 45 % der geplanten Rechenzentrumsprojekte scheitern, oder bis 2030, selbst wenn alles gebaut wird. Der begrenzende Faktor ist nicht Kapital - es sind Strom und Bau.

Dies zeigt sich bereits in den GPU-Mietpreisen, die von 5 Dollar auf über 13 Dollar pro Stunde gestiegen sind. Für Startups ist dies eine strukturelle Verschiebung: Wenn US-Compute knapp und teuer wird, ändern sich die Ökonomie von Training und Inferenz dramatisch. Die Frage ist nicht, ob Ihr Workload in den USA läuft; es ist, ob er es sich leisten kann.

Anthropics 895-Milliarden-Dollar-Compute-Rechnung

Source: x.com ↗

Anthropics S-1-Antrag offenbart 895 Milliarden Dollar an gesamten Compute-Verpflichtungen, einschließlich 644 Milliarden Dollar über sieben offengelegte Deals, wobei SpaceXAI nach vollständiger Lieferung etwa 37,2 Milliarden Dollar jährlich berechnet. Der Umsatz wuchs im Q2 2026 um 1.368 % im Jahresvergleich, während die Compute-Ausgaben um 300 % stiegen, aber Q3 schlug in einen operativen Verlust von 567 Millionen Dollar um, aufgrund teurer kurzfristiger Compute-Kapazität.

Die Mathematik ist brutal. Um durchschnittliche Compute-Verpflichtungen bis 2030 bei aktuellen Ausgabenquoten zu tragen, benötigt Anthropic etwa 200 Milliarden Dollar Jahresumsatz. Das ist ein 100-faches Wachstum gegenüber dem aktuellen Stand. Das Risikoprofil ist klar: Nachfragedefizite, Margenkompression, Lieferverzögerungen und teure kurzfristige Kapazität, wenn die Nachfrage die Prognosen übersteigt. Dies ist das größte Konzentrationsrisiko in der KI derzeit - die Bilanz eines Unternehmens bestimmt, ob der Compute-Markt liquide bleibt.

NVIDIA AutoCompress: Pruning für Ihre tatsächliche Hardware

Source: arxiv.org ↗

NVIDIA hat AutoCompress eingeführt, ein hardwaregeführtes LLM-Komprimierungsframework, das Latenz-, Durchsatz- und Speicherbeschränkungen in die differenzierbare Architektursuche einbezieht. Es verbessert die durchschnittliche Genauigkeit um bis zu 6,57 Prozentpunkte gegenüber dem Minitron-Pruning-Framework auf RTX 5070, RTX 5080 und H100 und komprimiert Nemotron 3.5 Super von 120B auf 74B Parameter, während 95 % der mittleren Benchmark-Punktzahl erhalten bleiben.

Der Punkt für Entwickler: Die Parameternzahl allein sagt keine Serving-Metriken voraus. Ein 74B-Modell, das für Ihre spezifische GPU geprunt wurde, kann schneller und billiger serven als ein „kleineres“ Modell, das es nicht wurde. Wenn Sie Inferenz mit einem festen Hardware-Budget betreiben, ist AutoCompress die Art von Werkzeug, die Ihre Kapazitätsplanung ändert.

Anthropic kauft Gasgeneratoren für 3,4 Milliarden Dollar

Source: techcrunch.com ↗

Anthropic gibt 3,4 Milliarden Dollar für Caterpillar-Erdgasturbinen aus, die bis zu 1,7 Gigawatt erzeugen können. Dies ist eine Abkehr von seiner üblichen Strategie, Compute zu mieten, und es geschieht vor dem Hintergrund eines Turbinen-Auftragsbestands, der bis in die frühen 2030er Jahre reicht, und Netzanschlusswarteschlangen ähnlicher Länge.

Dies ist der Stromengpass, konkret gemacht. Wenn ein KI-Labor beginnt, eigene Gasturbinen zu kaufen, liegt das daran, dass das Netz und die Lieferkette für Rechenzentren nicht Schritt halten können. Erwarten Sie weiter steigende Strompreise - einige Märkte könnten bis 2030 eine Verdreifachung sehen - , was jeden trifft, der rechenintensive Workloads betreibt.

Apples KI-Nutzungspakete für 50 Dollar

Source: theverge.com ↗

Apple hat 49,99-Dollar-Intelligence-Usage-Packs in Logic Pro eingeführt, die erste App, die für die erweiterte Nutzung von Apple-Intelligence-Funktionen Gebühren erhebt, die auf Cloud-Modellen von OpenAI oder Google Gemini basieren. Ungenutzte Nutzung wird monatlich übertragen, verfällt jedoch 12 Monate nach dem Kauf, und Family Sharing wird nicht unterstützt. Das Modell soll diesen Monat auf Final Cut Pro und Pixelmator Pro ausgeweitet werden.

Das Muster hier ist beobachtenswert: gemessene KI-Nutzung, über ein Abonnement gelegt, mit Verfallsdaten. So werden KI-Kosten an Verbraucher weitergegeben, und es ist eine Vorschau darauf, wie die KI-Abrechnung für Unternehmen aussehen wird, sobald die Subventionen auslaufen.

Kurzmeldungen

Source: openai.com ↗

Briefing holen

Hat Ihnen das gefallen? Wählen Sie die Themen, die Sie interessieren, und erhalten Sie nur diese, fünf Minuten am Morgen. Kostenlos, kein Hype, Abmeldung mit einem Klick.

Über uns Author

Mein Name ist

BriefTechNews

A daily digest of what actually moved in AI, tech, crypto and fintech, assembled and written with AI, and reviewed before it publishes. Weiterlesen
Schlagwörter

Das könnte Sie auch interessieren