GPT-6.2 erscheint, Microsofts Modell für 0,01 $/Minute und Agenten, die eigene Modelle bauen
6 min read · 15 sources
- OpenAI hat GPT-6.2 Astra (Frontier) und GPT-6.2 Sol (effizient) für ChatGPT Work, Codex und die API veröffentlicht.
- Microsoft stellte sieben MAI-Modelle vor, wobei MAI Cyber 2 Flash die Qualität von GPT-6 Astra zu weniger als 2 % der Kosten pro Aufgabe übertrifft.
- MAI Realtime 1 startet bei 0,01 $ pro Audiominute, und Maia 200 liefert 1,7x mehr Tokens pro Watt.
- Ein Horizon-Labs-Agent lief sieben Wochen lang rund um die Uhr, baute 38 Hugging-Face-Modelle und verzeichnete über 50.000 Downloads.
- Runtas FrontierHarness Eval v1.1 fand heraus, dass allein die Wahl des Harness die Kosten pro Aufgabe um bis zu 5x verändert.
OpenAI feuerte zuerst mit GPT-6.2 Astra und Sol, aber die eigentliche Geschichte ist der Preiskrieg, den Microsoft gerade erklärt hat. Auf der Ignite lieferte Redmond sieben Modelle aus, die OpenAIs Frontier-Linie um das 50-fache oder mehr bei den Kosten pro Aufgabe unterbieten - und das ist nicht nur Marketing-Mathematik. Wenn du Agenten in großem Maßstab betreibst, verändern die Zahlen unten deine Infrastrukturrechnung über Nacht.
Der zweite große Faden heute ist, dass Modelle beginnen, andere Modelle zu bauen. Zwei unabhängige Experimente - eines von einem Forscher, der direkt an Gewichten herumstochert, eines von einem autonomen Agenten mit einem leeren Hugging-Face-Konto - produzierten funktionierende, übernommene ML-Artefakte ohne einen einzigen Gradient-Descent-Schritt. Das ist keine Laborkuriosität mehr; es ist ein neues Deployment-Muster, für das du planen musst.
Microsofts MAI Cyber 2 Flash übertrifft die Qualität von GPT-6 Astra zu weniger als 2 % der Kosten pro Aufgabe im CyberGym-E2E-Benchmark.
Microsofts Antwort mit sieben Modellen auf GPT-6.2
Microsoft AI hat auf der Ignite 2026 sieben neue MAI-Modelle veröffentlicht, und die Preisgestaltung ist die Schlagzeile. MAI Cyber 2 Flash übertrifft die Qualität von GPT-6 Astra zu weniger als 2 % der Kosten pro Aufgabe im CyberGym-E2E-Benchmark - das ist ein Sicherheitsmodell auf Frontier-Niveau für Kleingeld. MAI Code 2, jetzt in GitHub Copilot, erreicht 98 % der Codequalität von GPT-6.1 Sol zu etwa 40 % des Preises.
Der Rest der Aufstellung rundet den Angriff ab: MAI Image 2.7 für Bildbearbeitung, MAI Realtime 1 für Sprache ab 0,01 $ pro Audiominute, Dragon Copilot Transcribe und Decision 1.1 - 50x schneller und 79x günstiger als GPT-6.1 Sol für kalibrierte Entscheidungsfindung. Darunter sitzt Maia 200, Microsofts Beschleuniger der zweiten Generation, jetzt in Produktion mit 1,7x mehr Tokens pro Watt.
Für Ingenieure, die 24/7-Agenten-Workloads betreiben, bricht hier die Kostenkurve. Frontier-Qualität zu Rohstoffpreisen bedeutet, dass die Ökonomie von Dauer-Agenten gerade gekippt ist. Wenn du Modellaufrufe rationiert hast, kannst du aufhören.
Replit Missions: Agenten-Schwärme mit Budgetobergrenze
Replit Missions lässt dich ein Ergebnis definieren und einem Schwarm von Agenten erlauben, darauf hin zu planen, zu bauen, zu testen und zu iterieren - innerhalb eines von dir festgelegten Budgets. Der interne Beleg ist DataCat, eine Monitoring-Plattform mit Dashboards, Alerts und Tracing, gebaut in zwei Tagen für unter 3.000 $.
Der interessante Teil für Betreiber sind die Schutzmechanismen: konfigurierbare Ausgabelimits und Genehmigungsanforderungen für Aktionen wie das Kontaktieren von Interessenten. Das ist kein Spielzeug. Replit positioniert es für Enterprise-Vertrieb und die Ablösung von Altsystemen - mehrstufige Arbeit, die zuvor ein Team benötigte. Der Schwarm übernimmt die Delegation; du übernimmst die Grenzen.
Weight-Space-Programmierung: Netzwerke bauen wie 1995
Dieser Beitrag über Weight-Space-Programmierexperimente ist das Faszinierendste heute. Der Autor ließ Claude Fable 5.2 alle 5.994 Gewichte eines festen CNN für die MNIST-Klassifikation von Grund auf schreiben - ohne Fitting, ohne Regression, ohne Suche. Nur Trainingsverlust, Genauigkeit und Confusion-Matrix-Feedback. Claude schlug Opus 5.5 deutlich, und das resultierende Netzwerk verwendete handgefertigte Filter und Vorlagen direkt aus der Ära vor dem Deep Learning.
Eine zweite Replikation bestätigt das Muster mit GPT-6 Astra in einem Docker-Container ohne Internet, nur mit Python und NumPy. Das Modell konnte die Aufgabe eines Netzwerks aus rohen Gewichten identifizieren, ein spielendes Policy-Netzwerk von Grund auf schreiben und Modelle verbessern, indem es Gewichte direkt bearbeitete.
Das ist „LLM Descent“ - eine Trainingsschleife, in der Frontier-Modelle Gewichte ohne Gradient Descent verfassen. Es ist früh, aber es deutet auf eine Zukunft hin, in der du Modelle nicht trainierst, sondern bearbeitest. Das verändert, was „Training“ für jeden bedeutet, der einen Modell-Stack betreibt.
Horizon Labs: Ein Agent, 38 Modelle, 50.000 Downloads
Horizon Labs führte den Adoptionstest durch. Ein Agent auf Basis von Opus 5.5, der sieben Wochen lang 24/7 in Claude Code lief, erstellte autonom 38 Modelle auf Hugging Face. Die Rechnung: über 600 GPU-Stunden, etwa 1,9 Milliarden verarbeitete Tokens (96 % aus dem Prompt-Cache), bei API-Kosten von etwa 1.030 $.
Die Modelle - 141M bis 568M Parameter - konzentrierten sich auf enge Aufgaben wie Prompt-Injection-Klassifikatoren und PII-Redaktion. Sie wurden über 50.000 Mal heruntergeladen, mit echter Nutzung in 143 GitHub-Repositories und zwei arXiv-Papieren. Das ist keine Eitelkeits-Publikation; das ist ein Agent, der echte, übernommene ML-Artefakte in großem Maßstab produziert. Das Risikoprofil ist ebenfalls real - ein Agent mit einem leeren Konto und Rechenleistung kann viel Code ausliefern, und nicht alles davon wird gut sein.
Vercels eve 1.0 geht in GA
eve 1.0 ist Vercels Open-Source-Framework für Produktionsagenten, jetzt allgemein verfügbar nach über 230 Releases in der öffentlichen Vorschau. Es ist ein Harness, der Modelle aufruft, Tools ausführt und an Subagenten delegiert, plus ein Workflow-SDK für dauerhafte Ausführung, Multiplayer-Sitzungen und Agent-zu-Agent-Aufrufe. Managed Hosting ist auf Vercel.
Die Adoptionszahlen sind wichtig: Rillet verdreifachte die Auslieferungsraten, und Clay verzeichnete 30-40 % wöchentliche Nutzung. Für Ingenieure ist eves Versprechen Modell-Agnostik mit eingebauter Observability und Sicherheitskontrollen - die fehlenden Teile, die Agent-Frameworks in Demos statt in Produktion halten.
FrontierHarness Eval v1.1: Dein Harness ist ein 5x-Kostenhebel
Runtas FrontierHarness Eval v1.1, gebaut mit Baseten, ist das Erste, was du lesen solltest, bevor du einen Agent-Harness wählst. Es ist ein Leaderboard aus 83B Tokens über 27.280 Agent-Läufe - 22 Harness-Konfigurationen × 5 Modelle × 62 Aufgaben × 4 Versuche.
Die Ergebnisse sind brutal für jeden, der auf einen einzigen Harness standardisiert. Der Harness mit dem besten Preis-Leistungs-Verhältnis variiert je nach Modell: Codex CLI passt am besten zu GLM-5.3, ZCode zu DeepSeek V4.1 Flash. Der Median-Harness bewegte sich um 11 von 22 Plätzen in der Kostenrangfolge zwischen Modellen, und Codex CLI fiel vom 1. auf den 16. Platz. Allein die Wahl des Harness ändert die Kosten pro Aufgabe um bis zu das Fünffache.
Die Erkenntnis: Ein Modellwechsel sollte eine Harness-Neubewertung auslösen, nicht ein Wechsel-und-Hoffen. Dein „Standard“-Setup lässt wahrscheinlich Geld auf dem Tisch liegen.
NVIDIAs Sparse-Attention-Primer für lange Kontexte
Source: developer.nvidia.com ↗
NVIDIAs Beitrag zum Co-Design von Sparse Attention ist ein praktischer Deep Dive für jeden, der über 128K-Token-Kontexte hinausgeht. Jede Query achtet nur auf die k relevantesten Keys statt auf den gesamten Kontext, was Rechenaufwand und Speicherverkehr reduziert.
Der Haken: Der Indexer bewertet weiterhin alle N Keys, und das nimmt 47 % der Prefill-Zeit in DeepSeek V3.2 ein. NVIDIA durchläuft die Design-Stellschrauben - Query-Heads, Kompressionsverhältnis, Spekulative-Decoding-Tiefe - gegen ein Produktions-FP8-Kernel. Wenn du Long-Context-Inferenz baust, ist das die hardwarenahe Anleitung, die du brauchst, um Indexer- und Top-k-Kosten davon abzuhalten, deine Gewinne aufzufressen.
Cerebras geht mit disaggregierter Inferenz in Produktion
Cerebras’ disaggregierte Inferenz ist jetzt in Produktion: GPUs übernehmen Prefill, Cerebras Wafer Scale Engines übernehmen Decode. Das Ergebnis ist fünfmal mehr Tokens pro Megawatt bei ultraschnellen Geschwindigkeiten, verfügbar über die Cerebras Inference Cloud und für Infrastrukturpartner.
Das ist eine direkte Antwort auf die Inferenzkapazitätskrise durch agentische Apps wie Muse und Copilot. Wenn die Decode-Geschwindigkeit der Engpass für interaktive Agenten ist, ist die Aufteilung der Pipeline auf spezialisierte Hardware der pragmatische Schritt. Cerebras wettet darauf, dass sein Decode-Vorteil die architektonische Komplexität wert ist.
Redwoods Capabilities-Definition könnte die Rechenzuteilung prägen
Source: blog.redwoodresearch.org ↗
Redwood Researchs Vorschlag zur Definition von „Capabilities-Aktivitäten“ ist Politikarbeit mit direkten technischen Konsequenzen. Das Ziel ist, die Frontier-Entwicklung zu drosseln, indem Rechenleistung für Capability-Verbesserungen eingeschränkt wird, per Gesetzgebung oder freiwilligen Verpflichtungen.
Die Definition zielt darauf ab, robust gegenüber gegnerischer Umdeutung und einfach zu beurteilen zu sein, unter Ausschluss von enger Sicherheits- und Produktentwicklung. Wenn das Bestand hat, müssen KI-Unternehmen die Rechenzuteilung nach Kategorie melden - was bedeutet, dass jemand die Telemetrie dafür bauen muss. Das ist eine Compliance-Last, die auf deinem Infrastrukturteam landet.
Gemini kann jetzt Unternehmen anrufen und Rechnungen bezahlen
Googles Gemini-App, die auf Gemini 4 Hydrogen läuft, kann jetzt Telefonanrufe tätigen und Rechnungen bezahlen - kostenlos, ausgerollt für Hunderte Millionen Nutzer in den USA, Japan, Korea, Kanada, Australien und Indien. Sie bucht Termine mit KI-Offenlegung, analysiert Versorgungsrechnungen über Google Password Manager, um Einsparungen zu finden, und verwaltet Kalender.
Das ist agentische Fähigkeit für reale Aufgaben, integriert in Googles Ökosystem. Die technische Bedeutung ist das Muster: ein Agent mit Zugriff auf persönliche Daten, ein Ausgabelimit und eine Telefonleitung. Das ist dieselbe Architektur, die du für Enterprise-Agenten baust, nur ausgerichtet auf Consumer-Workflows.
Das könnte Sie auch interessieren
Gemini 4 Carbon zu Frontier-Preisen, Anthropic reicht Börsengang über 60 Mrd. Dollar ein, 35.000 Grok-Apps leaken Daten
Google hat Gemini 4 Carbon veröffentlicht, sein bisher stärkstes Modell, für 2/10 Dollar pro Million Tokens mit Platz 1 im CursorBench 4.0 und einem neuen …
Anthropics Public Benefit Fund, OpenAIs Aurora-Test und DeepSeeks neue APIs
Anthropic hat 5 % seines Eigenkapitals in einen Public Benefit Fund eingezahlt, wobei eine Formel den Anteil bei steigender Bewertung auf etwa 20 % erhöhen …
BootLoops stellt Claude für die Wissenschaft neu dar, während das Decision‑Model‑Ökosystem Open‑Source wird
Anthropic und Matthew Schwartz haben BootLoops veröffentlicht, das LLMs direkt an quantitative Berechnungen ausrichtet, um mathematische Überschneidungen in …




