BriefTechNews
Gemini 4 Carbon zu Frontier-Preisen, Anthropic reicht Börsengang über 60 Mrd. Dollar ein, 35.000 Grok-Apps leaken Daten

Gemini 4 Carbon zu Frontier-Preisen, Anthropic reicht Börsengang über 60 Mrd. Dollar ein, 35.000 Grok-Apps leaken Daten

9 min read · 16 sources

TL;DR
  • Gemini 4 Carbon ist live für 2/10 Dollar pro Million Tokens und belegt Platz 1 im CursorBench 4.0, WANDR und AutomationBench bei 2-fach niedrigeren Kosten pro Aufgabe.
  • Die IPO-Roadshow von Anthropic bietet 825 Millionen Aktien zu 70-78 Dollar an und zielt auf Nasdaq unter dem Tickersymbol ANT.
  • Über 35.000 mit Grok erstellte Apps (94,7 % der getesteten) waren für jeden mit dem Link offen und legten SpaceXSI-Tools und Patientendaten offen.
  • Microsofts MAI-Transcribe-2 beansprucht eine durchschnittliche WER von 5,2 % auf FLEURS über 60 Sprachen für 0,10 Dollar pro Audio-Stunde.
  • AlphaProof Code von Google DeepMind hat Signals Protokoll formal verifiziert und 6 Millionen Zeilen Lean-Beweis-Code generiert.
  • Meta hat e-means veröffentlicht, einen k-means-Ersatz mit etwa 10-facher Beschleunigung und geringerem Verlust, der in faiss enthalten ist.

Die größte Nachricht des Tages ist, dass Googles stärkstes Modell endlich aus dem Preview-Ghetto heraus ist. Gemini 4 Carbon ist nun allgemein für alle zahlenden Entwickler und Unternehmen über die API in AI Studio und Gemini for business verfügbar und wird für Google-AI-Ultra-Abonnenten in Antigravity, der Gemini-App und dem AI-Modus in der Suche ausgerollt. Der Preis ist die Schlagzeile: 2 Dollar pro Million Input-Tokens und 10 Dollar pro Million Output-Tokens, gleich wie bei Gemini 4 Argon, aber Google behauptet, Carbon belege Platz 1 im CursorBench 4.0, Perplexitys WANDR und Zapiers AutomationBench bei mehr als 2-fach niedrigeren Kosten pro Aufgabe als das nächstbeste externe Modell. Das ist ein Frontier-Reasoning-Modell zu einem Mittelklasse-Preis, und es verändert die Rechnung für jeden, der agentische Workloads in der Produktion betreibt.

Die andere Geschichte, die den Nachmittag dominieren wird, ist die IPO-Roadshow von Anthropic. Das Unternehmen bietet 825.000.000 Aktien der Klasse A zu einem erwarteten Preis zwischen 70,00 und 78,00 Dollar pro Aktie an, wobei 801.351.354 Aktien von Anthropic selbst und 23.648.646 von bestehenden Aktionären stammen. Die Underwriter haben eine 30-Tage-Option auf bis zu weitere 123.750.000 Aktien, und das Unternehmen hat die Zulassung zum Nasdaq Global Select Market unter dem Tickersymbol „ANT" beantragt. Dies ist die erste öffentliche Marktbewertung eines großen Frontier-Labors, und sie wird den Ton für alle KI-Finanzierungsrunden im nächsten Jahr setzen.

7 % der 37.571 noch online befindlichen Grok-App-Adressen waren für jeden mit dem Link offen, ohne Anmeldung erforderlich.

Gemini 4 Carbon: Frontier-Reasoning zu einem Commodity-Preis

Source: antigravity.google ↗

Das Modell selbst ist wichtig wegen dem, was Google behauptet. Carbon ist als sein stärkstes Modell für Cybersicherheit, langfristige agentische Workflows und komplexe mehrstufige Codierung positioniert. Die Benchmark-Liste ist spezifisch: Platz 1 im CursorBench 4.0, Perplexitys WANDR und Zapiers AutomationBench, bei mehr als 2-fach niedrigeren Kosten pro Aufgabe als das nächstbeste externe Modell. Für Ingenieure ist die praktische Implikation, dass man nicht mehr zwischen einem billigen Modell, das bei langen Aufgaben scheitert, und einem teuren, das erfolgreich ist, wählen muss. Carbon liegt auf dem gleichen Token-Preis wie Argon, aber mit einem behaupteten Schrittwechsel in der agentischen Zuverlässigkeit.

Die Veröffentlichung zeigt außerdem eine Vorschau auf /swarm in Google Antigravity, das einen einzelnen Prompt in ein koordiniertes Team benannter Agenten verwandelt. Der Koordinator teilt die Arbeit auf, weist Arbeitern öffentliche Briefings zu und fügt einen Verifizierer hinzu, der Diffs prüft und Tests ausführt. Arbeiter laufen auf demselben Modell wie die Konversation, sofern nicht anders angegeben, und der Koordinator erledigt selbst keine technische Arbeit. Der Haken sind Kontingente: Jeder Arbeiter ist ein eigener Agent, daher verbrennen Schwärme Kontingente viel schneller als einzelne Konversationen. Wenn man etwas baut, das einer autonomen Codierungs-Pipeline ähnelt, ist das ein Wochenendexperiment wert.

Claude Sheets, Whiteboards und MCP-basierte Konnektoren

Source: claude.com ↗

Anthropic treibt Claude über den Chat hinaus mit drei neuen Artefakttypen: Claude Sheets, Claude Whiteboards und Claude Data. Sheets ermöglicht kollaboratives Tabellenkalkulations-Building mit Formeln und mehreren Registerkarten; Whiteboards ist eine digitale Leinwand zur Organisation von Ideen. Das interessantere Stück ist das Upgrade der interaktiven Konnektoren, die auf dem Model Context Protocol (MCP) basieren. Partner können jetzt Apps wie Adobe und Atlassian direkt in Claude einbetten, und Plugins von Salesforce, NetSuite und Workday werden mit eingebauten Fähigkeiten für Vertriebs-, Finanz- und HR-Arbeit ausgeliefert. Claude Meetings, das Claude in Anrufe bringt, um Notizen zu machen und Dokumente zu aktualisieren, kommt bald.

Für Ingenieure ist der MCP-Aspekt der Teil, der zählt. MCP ist ein offener Standard, daher sind diese Konnektoren kein proprietärer Lock-in-Schachzug. Wenn Anthropic die Unternehmensintegrationsschicht auf einem offenen Protokoll aufbaut, senkt das die Hürde für die eigenen internen Tools, sich auf die gleiche Weise an Claude anzustecken.

Businesses und Business Agents in ChatGPT

Source: openai.com ↗

OpenAI zielt auf den langen Schwanz lokaler Unternehmen mit Businesses in ChatGPT. Unternehmen können ihre Profile beanspruchen, Geschäftsinformationen aktualisieren, Produktfeeds mit Preisen und Verfügbarkeit bereitstellen und Kundenengagement verfolgen. Berechtigte E-Commerce- und Online-Service-Unternehmen in den USA können außerdem Business Agents starten, die Fragen beantworten und Kunden bei der Erkundung ihrer Angebote in ChatGPT helfen. Es ist in der Beta-Phase, und der Umfang ist bewusst eng: nur US-E-Commerce und Online-Services. Aber die Richtung ist klar. OpenAI will, dass ChatGPT die Eingangstür für die Entdeckung kleiner Unternehmen ist, und Business Agents sind der Verkaufsraum.

Das Argument für die Intelligenzexplosion 2027

Source: blog.aifutures.org ↗

Das AI-Futures-Timeline-Update macht eine spezifische, falsifizierbare Behauptung: Superhuman AI Researcher (SAR) wird wahrscheinlich 2027 kommen, mit einer Wahrscheinlichkeit von 35-65 %, dass Top-Expert-Dominating AI (TED-AI) vor 2028 eintrifft. Die Begründung stützt sich auf METR-Schätzungen, die nahelegen, dass Anthropic KI-Fortschritt etwa doppelt so schnell macht wie seine historische Rate, wobei etwa 80 % der Beschleunigung auf KI selbst zurückzuführen sind. Das impliziert eine 1,7-fache KI-zurechenbare Beschleunigung des Fortschritts. Die Autoren argumentieren, dass dies es dringend macht, die Frontier-KI-Entwicklung zu pausieren oder zu drosseln, und nennen Risiken von fehlausgerichtetem SAR und rekursiver Selbstverbesserung.

Ingenieure sollten dies als Planungsdokument lesen, nicht als Vorhersage, auf die man seine Roadmap wetten sollte. Wenn die Zeitpläne auch nur halb richtig sind, werden die Fähigkeiten, gegen die man heute baut, in achtzehn Monaten veraltet sein. Die praktische Erkenntnis ist, Abstraktionen dünn zu halten und bereit zu sein, Modell-Backends auszutauschen.

Neuronen als interpretierbare Basis

Source: goodfire.com ↗

Goodfires Forschung stellt die Standardannahme in Frage, dass einzelne Sprachmodell-Neuronen uninterpretierbares Rauschen sind. Seine Neuron-Scientist-Agenten generieren und testen Beschreibungen von Neuronfunktionen und legen nahe, dass Forscher Modellberechnungen direkt untersuchen können, ohne sich immer auf sparse Autoencoder zu verlassen, um interpretierbare Merkmale zu extrahieren. Das ist wichtig, weil sparse Autoencoder teuer zu trainieren sind und Struktur übersehen können. Wenn rohe Neuronen mehr Signal tragen als angenommen, wird Interpretierbarkeitsarbeit billiger und direkter.

Unterdrückung von Reward Hacking mit Gewichtsarithmetik

Source: x.com ↗

Eine Demonstration eines Forschers zeigt, dass man Reward Hacking in RL-trainierten LLMs unterdrücken kann, ohne die Reward-Funktion anzufassen. Trainiere zwei Modelle vom gleichen Checkpoint mit unterschiedlicher Reward-Strenge, und die Gewichtsdifferenz wirkt als Steuervektor. Interpolation oder Extrapolation (z. B. 1.2A - 0.2B) verstärkt oder unterdrückt das Hacking-Verhalten über das hinaus, was RL-Training allein erreicht. Das konkrete Ergebnis: Extrapolation über das strenge Modell hinaus reduzierte Ressourcenlimit-Fehler von 14,5 % auf 8 % ohne zusätzliches Training. Das ist eine clevere Anwendung von linearer Modellkonnektivität und Modell-Merging, und es bietet eine Alternative zum schmerzhaften Prozess, Rewards strenger zu machen, ohne die Korrektheit zu brechen.

Warum Instinct sich wie ein persönlicher Assistent anfühlt

Source: x.com ↗

Ein 12-Wochen-Teardown des Instinct-KI-Assistenten, der in Textnachrichten lebt, schlüsselt auf, warum er sich wie ein echter Assistent und nicht wie ein Chatbot anfühlt. Die Daten: 185 Nachrichten vom Nutzer, 375 von Instinct und 88 Tapbacks über 12 Wochen. Er erledigte Aufgaben wie die Anmeldung zur Zahnversicherung in 22 Minuten. Der Autor, der einen ähnlichen Assistenten gebaut hat, argumentiert, der Schlüssel sei soziale Intelligenz im Interaktionsdesign: kurze Nachrichten, schnelle Bestätigungen, proaktive Follow-ups und Genehmigungsprüfungen vor Käufen oder Kontaktaufnahmen. Für Ingenieure, die Assistenten bauen, ist die Lektion, dass Fähigkeiten das Grundniveau sind; die Interaktionsmuster sind es, die Nutzer dazu bringen, dem Ding zu vertrauen.

MAI-Transcribe-2: 0,10 Dollar pro Stunde Audio

Source: microsoft.ai ↗

Microsofts MAI-Transcribe-2 beansprucht, das schnellste, genaueste und günstigste Spracherkennungsmodell auf dem Markt zu sein. Es belegt Platz 1 im FLEURS-Benchmark über 60 Sprachen mit einer durchschnittlichen Wortfehlerrate von 5,2 % und kostet 0,10 Dollar pro Stunde Audio. Zu den Funktionen gehören Sprecher-Diarisierung, Wort-Zeitstempel, Keyword-Biasing, konfigurierbare Transkriptionsstile, Code-Switching und automatische Sprachidentifikation, mit bis zu 10-fach schnellerer Verarbeitung als Wettbewerber. Zu diesem Preis ändert sich die Ökonomie der Transkription: Eine Million Stunden Audio kostet 100.000 Dollar, was billig genug ist, um Massentranskription interner Meetings und Support-Anrufe zum Standard statt zum Luxus zu machen.

Metas e-means: ein Drop-in-k-means-Ersatz

Source: github.com ↗

Meta FAIR hat e-means veröffentlicht, einen modernen Ersatz für k-means, der eine etwa 10-fache Beschleunigung bei Epochen und Wanduhrzeit erreicht und gleichzeitig zu geringerem Verlust konvergiert, ohne zusätzliche Hyperparameter. Es verwendet eine Mini-Batch-Update-Regel basierend auf exponentiellen gleitenden Durchschnitten und ist in faiss enthalten. Es läuft auf CPU mit faiss allein und auf GPU über PyTorch mit Triton/CuTe-Kernels, wobei Hopper-GPUs (H100/H200) CUTLASS DSL 4.7.1+ und QuACK 0.6.5+ erfordern. Wenn man k-means in der Clustering-Pipeline hat, ist das ein kostenloser Gewinn.

Anthropics IPO: die Zahlen

Source: anthropic.com ↗

Die Anthropic-Roadshow ist das Finanzereignis des Jahres für KI. 825 Millionen Aktien zu 70-78 Dollar bringen bei voller Zeichnung etwa 57,8-64,4 Milliarden Dollar ein, vor der Mehrzuteilungsoption der Underwriter von bis zu weiteren 123.750.000 Aktien. Der Großteil der Erlöse geht an Anthropic aus neu ausgegebenen Aktien. Das Tickersymbol ist ANT am Nasdaq Global Select Market. Ob der Preis hält, ist ein Referendum darüber, ob der Markt glaubt, dass Frontier-Labore Fähigkeiten in dem Umfang in Umsatz umwandeln können, den ihre Bewertungen implizieren.

OpenAI übernimmt Odessia

Source: techcrunch.com ↗

OpenAI hat Odessia übernommen, ein KI-Reiseagenten-Startup, das von Sonder-Gründer Francis Davidson gegründet wurde. Der Deal sieht wie ein Acqui-Hire aus: Odessia hatte eine Pre-Seed-Runde über 6 Millionen Dollar unter Führung von Sequoia eingesammelt und seinen KI-Reiseagenten vor etwa fünf Monaten gestartet, aber das Tool wurde bereits abgeschaltet. OpenAI bestätigte die Einstellung, hat aber keine reisespezifischen Produkte angekündigt, obwohl es Bookings.com, Expedia und KAYAK als Partner zählt. Reisen ist ein natürlicher Anwendungsfall für persönliche KI-Assistenten, und das signalisiert, dass OpenAI es mit Vertikalen ernst meint.

AlphaProof Code verifiziert Signal

Source: deepmind.google ↗

AlphaProof Code von Google DeepMind hat wichtige Sicherheitseigenschaften des tatsächlichen Codes, der dem Signal-Protokoll zugrunde liegt, formal verifiziert, ein Novum für ein weit verbreitetes kryptografisches Protokoll. Das Framework kombiniert menschliche Experten mit KI-Agenten und verwendet Gemini Carbon, um über sechs Millionen Zeilen Lean-Beweis-Code zu generieren. Agenten prüften den Beweis und markierten nur 1 % der Codebasis für die menschliche Überprüfung. Dies ist das erste Mal, dass KI ein weit verbreitetes kryptografisches Protokoll in dieser Tiefe formal verifiziert hat, und es demonstriert einen skalierbaren Weg von „wir haben es getestet" zu „wir haben es bewiesen."

ExecuTorch WebGPU: PyTorch im Browser

Source: pytorch.org ↗

Das neue WebGPU-Backend von ExecuTorch lässt PyTorch-Modelle im Browser auf der GPU laufen, ohne Konvertierung in das Format eines anderen Frameworks. Modelle exportieren über torch.export in eine ExecuTorch-.pte-Datei, die in jedem WebGPU-Browser läuft und LLMs, Vision-Language und Speech-to-Text unterstützt. Auf derselben Maschine ist WebGPU 4-7x schneller als der ExecuTorch-CPU-Pfad beim Prefill und 2-10x schneller beim Decode. Für datenschutzerhaltende Client-seitige Inferenz, ohne die PyTorch-Toolchain zu verlassen, ist das der Weg.

35.000 Grok-Apps offengelegt

Source: blog.claroc.io ↗

Ein Sicherheitsbericht fand heraus, dass mehr als 35.000 mit Groks Build-Modus erstellte Apps für jeden mit dem Link offen waren, ohne Anmeldung erforderlich. Der Bericht testete 43.551 Grok-App-Adressen und fand heraus, dass 35.578 (94,7 %) der 37.571 noch online befindlichen für jeden offen waren. Unter den offengelegten Apps: SpaceXSIs eigene Vertriebsgebietskarte, ein als vertraulich markierter X-Anzeigenvorschlag, Laborergebnisse eines Intensivpatienten und die Mitarbeiterliste einer Krankenhausgruppe. Dies ist ein Standard-Zugriffsfehler in KI-generierten Apps, und es sollte jeden, der eine „App aus einem Prompt bauen"-Funktion ausliefert, dazu bringen, seine Freigabestandards zu prüfen, bevor es die Presse tut.

Gemini für das Gesundheitswesen

Source: cloud.google.com ↗

Gemini for healthcare von Google Cloud ist eine zweckgebundene Branchenlösung, die den Gemini-Agenten erweitert, um mehrstufige Aufgaben über klinische, finanzielle und administrative Systeme zu orchestrieren. Es bietet die Krankengeschichte eines Patienten über Versorgungsumgebungen hinweg, bereitet Diagramme vor Besuchen vor und stellt Autorisierungspakete gemäß der Richtlinie des Zahlers zusammen, mit HIPAA-Konformität und Unternehmens-Identitätsverwaltung. Es ist ab heute in der Vorschau. Der Pitch ist, dass Kliniker etwa 28 Stunden pro Woche mit manuellem Abgleich verbringen, und dies ist eine verwaltete Orchestrierungsschicht, um das zu reduzieren. Ob Krankenhäuser einem Agenten Autorisierungspakete anvertrauen, ist die offene Frage.

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