Der KI-Rückblick: Woche 36

Diese Sendung ist KI-generiert, Stimme und Bild inklusive. MiniMax hebt seine Einkaufsobergrenze bei Alibaba Cloud um 220 Prozent auf 1,2 Milliarden Dollar. Rechenkosten wachsen schneller, als geplant war.

MiniMax ist ein chinesischer KI-Entwickler, und das Unternehmen hat seine Einkaufsobergrenze bei Alibaba Cloud angehoben. Der Rahmen für drei Jahre steigt um 220 Prozent auf 1,2 Milliarden Dollar. Es geht dabei um eine Obergrenze, nicht um bereits ausgegebenes Geld. Den Grund nennt MiniMax selbst: Training und Betrieb der eigenen Modelle verbrauchen mehr Rechenleistung als eingeplant. Wichtig ist das, weil hier eine Zahl sichtbar wird, die sonst in Verträgen verschwindet. Wer Modelle baut, kalkuliert Rechenkosten nicht einmal, sondern schreibt sie immer wieder nach oben. Und wer solche Modelle später einkauft, trägt diese Kurve mit.

Ein Paper von der Konferenz UIST beschreibt ein System namens Co-Annotator. Es zeichnet auf, wohin erfahrene Netzhautspezialisten bei der OCT-Befundung schauen, und nimmt zugleich ihre Diktate auf. Aus beidem entstehen zwei Hilfsfunktionen für die Befundung. Laut dem Paper steigt damit die Zahl korrekter Diagnosen pro Minute um 40 Prozent, und die Bearbeitungszeit an den Befundkommentaren sinkt um 67 Prozent. Wichtig ist das, weil das Vorbild hier nicht der geschriebene Text eines Arztes ist, sondern sein Blick. Erfahrung wird damit aufzeichenbar. Die Zahlen stammen bisher aus einer einzigen Quelle. Wir führen sie als Angabe der Autoren, nicht als bestätigtes Ergebnis.

In Texas fließt vorerst kein weiteres staatliches Geld an den Kamerahersteller Flock. Gouverneur Greg Abbott hat die Ausgaben für dessen KI-Überwachungskameras eingefroren. Der Stopp kam kurz vor einer Recherche über Käufe von mehr als 30 Millionen Dollar. Neue Kameras werden aus Landesmitteln damit bis auf Weiteres nicht bezahlt. Wichtig ist das, weil hier weder ein Gericht noch ein Gesetz bremst, sondern eine Haushaltsentscheidung. Überwachungstechnik verbreitet sich über Beschaffung, und genau dort lässt sie sich auch wieder anhalten. Wer wissen will, wie weit solche Technik reicht, schaut also am besten in die Rechnungen.

OpenGrok ist ein Gemeinschaftsprojekt unter MIT-Lizenz. Es setzt eine Modellauswahl vor den Grok Bot und leitet die Anfragen an fremde Anbieter weiter, etwa an GLM, Claude, Gemini, DeepSeek oder an ein Modell, das lokal auf dem eigenen Rechner läuft. Sechs Anbieter gelten als funktionsfähig, drei warten noch auf einen Mitschnitt der Datenverbindung. Das Projekt gibt an, nicht mit xAI verbunden zu sein. Wichtig ist das, weil Oberfläche und Modell offenbar leicht zu trennen sind. Wer den Bot mag, aber ein anderes Modell einsetzen will, braucht dafür kein Zutun des Anbieters. Für den Rest ist es ein Hinweis darauf, wie austauschbar die Modelle hinter vertrauten Oberflächen geworden sind.

Anthropic hat zwei neue Modelle vorgestellt: Claude Fable 5.1 und Claude Mythos 5.1. Genannt werden Preise von 10 und 50 Dollar je Million Token, wobei 10 Dollar auf eine Million Eingabe-Token von Fable 5.1 entfallen. Auf dem Test Terminal-Bench 4.0 nennt Anthropic 55,8 Prozent. Fable 5.1 läuft über die Claude API und über drei Cloud-Plattformen. Mythos 5.1 geht ausschließlich an geprüfte Organisationen in den USA. Wichtig ist das, weil hier zwei Wege nebeneinander stehen. Das eine Modell ist breit einkaufbar, das andere nur für einen geprüften Kreis zugänglich. Wer außerhalb der USA arbeitet, kann das eine nutzen und das andere nicht.

Runway zeigt ein Forschungsmodell mit dem Namen Solaris. Es baut eine Benutzeroberfläche nicht aus Code, sondern erzeugt sie als Videobild in 720p, Bild für Bild, während man sie bedient. Steuern lässt sie sich per Klick, per Ziehen oder per Sprache. Einen Starttermin gibt es bisher nicht. Wichtig ist das, weil Software hier nicht mehr ausgeführt, sondern erzeugt wird. Was auf dem Bildschirm erscheint, entsteht in dem Moment, in dem man es anfasst. Solange kein Termin genannt ist, bleibt das Forschung und kein Produkt, das man einplanen kann.

CrowdStrike und NVIDIA haben auf der Konferenz Fal.Con 2026 in Las Vegas ein System namens SafeMind vorgestellt. Es ist eine agentische Abwehr: Angriffs- und Verteidigungsmodelle trainieren sich gegenseitig weiter. Die Abwehrmodelle setzen auf der offenen Nemotron-Familie von NVIDIA auf und laufen nativ in der Falcon-Plattform. Wichtig ist das, weil Abwehr hier nicht auf eine bekannte Signatur wartet, sondern selbst übt. Wer solche Systeme einsetzt, verlagert einen Teil der Sicherheitsarbeit an Modelle, die im laufenden Betrieb dazulernen. Das verändert auch, wen man im Sicherheitsteam braucht.

Google DeepMind hat die Videoauswertung in Gemini umgebaut. Seit dem 1. September 2026 entscheidet das Modell selbst, welchen Abschnitt eines Videos es öffnet, mit welcher Bildrate es ihn abtastet und ob es Bild, Ton oder Transkript auswertet. Für lange Videos nennt der Anbieter bis zu 88 Prozent weniger Token. Wichtig ist das, weil die Kosten bei Video an der Menge der abgetasteten Bilder hängen. Wer längeres Material durchsuchen lässt, zahlt bisher für jedes einzelne dieser Bilder mit. Die Einsparung stammt allerdings vom Anbieter selbst und ist von uns nicht nachgemessen.

OpenAI stellt in einem eigenen Beitrag drei Firmen vor, die Agenten fest in ihre Abläufe eingebaut haben: Basis, Clay und Exa Labs. Genannt werden Onboarding, Kundenbetreuung und Entwickler-Integrationen. Den Volltext des Beitrags konnten wir nicht abrufen, Zahlen zur Wirkung liegen uns deshalb nicht vor. Wichtig ist das, weil hier der Anbieter selbst die Beispiele auswählt. Was bleibt, ist die Richtung: Agenten sitzen nicht mehr neben der Arbeit, sondern in den Abläufen. Wie gut sie dort tatsächlich arbeiten, können wir an dieser Stelle nicht belegen.

Die Quellen zu allen Meldungen stehen unter den jeweiligen Artikeln auf ai-in-life.com. Dort steht auch die englische Fassung. Bis zur nächsten Woche.