Wochen-Echo: Kimi überholt Claude, Optimus lernt Grünheide & Pleitewelle rollt
Kimi K3 zieht an Opus 4.8 vorbei; Anthropic und Databricks jagen Milliarden; Optimus trainiert in Grünheide; Firmenpleiten auf 21-Jahres-Hoch
Diese Woche kippt das Kräfteverhältnis: Chinas offene Modelle ziehen an der westlichen Spitze vorbei, während Anthropic und Databricks mit Milliarden an die Kapitalmärkte drängen. Zugleich verlassen humanoide Roboter die Demo-Bühne und lernen in Grünheide und Fremont echte Fabrikarbeit, und in Deutschland klettern die Firmenpleiten auf ein 21-Jahres-Hoch.
Kimi K3 schlägt Claude Fable 5 im direkten Coding-Test
Chinas Aufholjagd bekommt ein Gesicht: In der neuen Ausgabe nimmt sich Leonard Schmedding Kimi K3 vor, Moonshots offenes Flaggschiff, und stellt es im direkten Coding-Test gegen Claude Fable 5 und GPT-5.6 Sol. Die Kennzahlen, die er einordnet: 1 Million Token Kontext, ein Mixture-of-Experts-Aufbau, und Benchmarks, in denen das offene Modell an Opus 4.8 vorbeizieht. Viele nennen es bereits den DeepSeek-2.0-Moment. Der Kern des Videos ist die Frage nach dem Tempo: Der Abstand, in dem Chinas Labore Monate hinter Kalifornien lagen, schrumpft auf Wochen, und wer 2026 noch auf einen zementierten Westvorsprung setzt, verpasst gerade die Verschiebung der Landkarte in Echtzeit.
Meta-Trends: Xi setzt auf Open Source, Anthropic auf Milliarden-Kredit
Erstmals sprach Chinas Präsident auf der World AI Conference in Shanghai und rahmte KI als das Feld, auf dem sich die Machtordnung des Jahrhunderts neu sortiert. Seine Kernbotschaft: ein klares Bekenntnis zu Open Source, genau in dem Moment, in dem Washington auf geschlossene Frontier-Modelle und Exportkontrollen setzt. Der konkrete Zug dahinter sind 5.000 Trainings- und Kooperationsplätze für Entwicklungsländer in fünf Jahren, adressiert an ASEAN, Arabische Liga, Afrikanische Union, BRICS und SCO. China baut hier kein einzelnes Modell, sondern ein geopolitisches Bündnis um die eigene KI-Strategie.
Anthropic verhandelt mit Banken über neue Kreditlinien in Milliardenhöhe, kurz vor dem für dieses Jahr geplanten Börsengang. Die neuen Linien bauen auf einer bestehenden revolvierenden Kreditfazilität von 2,5 Milliarden Dollar auf. Das Muster ist bekannt: Unternehmen weiten ihren Finanzierungsspielraum vor dem IPO aus, und dieselben Banken sitzen später als Underwriter am Tisch, so wie es SpaceX einen Monat vor seinem Juni-Börsengang tat. Für den Markt heißt das, das Rennen der Frontier-Labore verlagert sich zunehmend an die Kapitalmärkte, dort wird die nächste Runde finanziert und entschieden.
Quelle: The Information
Vom Data-Warehouse-Anbieter zur KI-Firma, an der jeder große Fonds beteiligt sein will: Die neue Bewertung von 188 Milliarden Dollar macht Databricks zum wertvollsten noch privaten KI-Player neben OpenAI und Anthropic. Interessanter als die Zahl ist die Botschaft dahinter. Databricks hat eigene Forschung veröffentlicht, wonach offene Modelle beim Programmieren drastisch günstiger sind als geschlossene. Wer heute noch teure proprietäre Coding-Modelle mietet, zahlt am Ende doppelt. Bewertet wird nicht mehr nur das Modell, sondern die Infrastruktur, die es für Unternehmen überhaupt nutzbar macht.
Quelle: TechCrunch
KI-Tools: Thinking Machines öffnet Inkling, xAI seinen Coding-Harness
Mira Muratis Lab, entstanden aus dem OpenAI-Exodus, veröffentlicht sein erstes Modell komplett mit offenen Gewichten. Inkling ist ein Mixture-of-Experts mit 975 Milliarden Parametern, von denen pro Anfrage nur 41 Milliarden aktiv rechnen, dazu 1 Million Token Kontext, trainiert auf 45 Billionen Token aus Text, Bild, Audio und Video. Der Paukenschlag steckt im Kleingedruckten: Die Architektur folgt laut Lab weitgehend DeepSeeks V3. Ein westliches Spitzenlabor baut offen auf chinesischer Grundlage auf und gibt die Gewichte frei, Frontier-Technik, die niemand mehr wegsperren kann.
Quelle: Thinkingmachines
xAI hat seinen agentischen Coding-Harness Grok Build offengelegt. Der komplette Code inklusive CLI liegt jetzt auf GitHub, gleichzeitig wurden die Nutzungslimits für alle User zurückgesetzt. Der Schritt ist eine offensive Antwort im Wettlauf der Coding-Agenten, in dem Codex und Claude Code den Takt vorgeben. Offener Code heißt, jeder kann den Harness inspizieren, härten und auf eigene Infrastruktur setzen. Für Unternehmen ist das mehr als ein Feature, es ist eine Kontroll- und Vertrauensfrage. Wer das Werkzeug besitzt, das andere nur mieten, verschiebt die Machtbalance in der Softwareentwicklung.
Mit Bionic wird LM Studio vom reinen Modell-Runner zum vollwertigen KI-Agenten für Open-Weights-Modelle. Coden, recherchieren, mit Dokumenten und Dateien arbeiten, alles läuft lokal auf der eigenen Maschine, bei schwerer Last wird auf Open-Source-Modelle in der Cloud verlagert. Der entscheidende Punkt für jeden Entscheider ist Zero Data Retention, kein Training auf den eigenen Daten. Wer bisher zwischen Agenten-Komfort und Datenhoheit wählen musste, bekommt hier beides. Genau hier trennt sich, wer souverän mit KI arbeitet, von dem, der seine Betriebsgeheimnisse an fremde Rechenzentren verschenkt.
Quelle: Lmstudio
KI-Agenten: Antigravity startet Agenten-Teams, Codex scannt Security
In Googles Coding-Umgebung Antigravity genügt jetzt der Befehl /teamwork-preview, um kein einzelnes Modell, sondern ein dynamisches Team spezialisierter Subagenten zu starten. Die koordinieren sich im Hintergrund und teilen komplexe Engineering-Aufgaben in Planen, Bauen und Verifizieren auf, alles parallel statt Schritt für Schritt. Was hier startet, ist der nächste Sprung nach dem einzelnen KI-Assistenten: eine arbeitsteilige Belegschaft aus Software, die sich selbst orchestriert. Für Unternehmen verschiebt sich die Frage vom besseren Prompt hin zu der, wie viele Aufgaben gleichzeitig an eine Maschine delegiert werden können.
OpenAIs neues Modell GPT-5.6 Sol setzt auf dem Cyber-Range ‘The Last Ones’ einen State of the Art in der Analyse von Code. Der Sprung ist kein Benchmark-Selbstzweck: In der Praxis findet, validiert und schließt das Modell Schwachstellen in echtem Produktionscode. Gebündelt wird das im neuen Codex Security Plugin, das ganze Repositories scannt und Sicherheitslücken direkt im Editor markiert. Software-Verteidigung wandert damit von manuellen Audits hin zu einem Modell, das den Angreifer simuliert und die Lücke im selben Zug patcht.
Beim Life-Sciences-Hackathon von Anthropic gewann ein Werkzeug namens Lazarus die Build-Kategorie. Der Agent bekommt nur einen Link zu verlassenem, jahrelang unbenutztem Forschungscode und baut ihn so lange um, bis er wieder läuft. Dann prüft er selbst, ob die Ergebnisse noch zu den Zahlen im Originalpaper passen. In einem Programm fand er dabei einen Fehler, der dort 15 Jahre lang unentdeckt schlummerte. Das trifft einen wunden Punkt der Wissenschaft: Ein Großteil publizierter Forschung ist kaum noch reproduzierbar, weil der Code verrottet. Übernehmen Agenten diese Grabungsarbeit, wird aus totem Archiv wieder nutzbares Wissen.
Humanoide Roboter: Optimus lernt in Grünheide, Xiaomi montiert schon
Im Werk Grünheide sollen Beschäftigte künftig Kameras tragen, während sie ihre Handgriffe verrichten. Jede Bewegung wird zum Datensatz, aus dem der humanoide Roboter Optimus lernt. Parallel bereitet der Standort Reutlingen bereits die Serienproduktion vor. Das ist die leise Verwandlung einer Autofabrik in eine Datenfabrik: Der Mensch führt vor, die Maschine kopiert, am Ende übernimmt der Roboter genau die Aufgaben, die ihm heute noch gezeigt werden. Deutschland wird so unfreiwillig zum Trainingsgelände für die nächste Generation industrieller Arbeitskraft.
Quelle: Handelsblatt
Agility Robotics eröffnet in Fremont, Kalifornien, ein neues Trainingszentrum für seinen Laufroboter Digit, nur wenige Kilometer von Teslas Fabrik entfernt. Die Standortwahl ist eine Ansage. Während Tesla seinen Optimus noch für die Serie vorbereitet, hebt Digit längst Kisten in echten Lagerhäusern und wird dort für reale Logistikaufgaben trainiert. Der Wettlauf um den ersten kommerziell brauchbaren Humanoiden entscheidet sich nicht im Labor, sondern auf dem Hallenboden, wo die Maschinen tatsächlich arbeiten müssen.
Quelle: TechCrunch
Xiaomi zeigt erstmals, wie seine Humanoiden in der eigenen Autofabrik echte Montagearbeit übernehmen. Die Zahlen sind Produktionsrealität statt Laborträume: Beim automatischen Verschrauben stieg die Erfolgsquote von 90,2 auf 98 Prozent, die Montage der Mittelkonsolen-Seitenpanele und das Falten der Teilebehälter liegen bei je 90 Prozent. Erstmals gelang auch die stundenlange Handhabung weicher, biegsamer Bauteile, bislang eine harte Grenze für Roboterhände. Wer EV-Bau und Humanoide unter einem Dach entwickelt und direkt in die eigene Fertigung schiebt, schließt die Lücke zwischen Demo und Werkbank.
KI-Arbeitsmarkt: Firmenpleiten auf 21-Jahres-Hoch, KI als Ausrede
Das Leibniz-Institut IWH Halle zählt für das zweite Quartal 2026 exakt 4.996 insolvente Personen- und Kapitalgesellschaften, den höchsten Stand seit 2005. Allein im Juni waren es 1.702 Pleiten, 20 Prozent mehr als ein Jahr zuvor, quer durch nahezu alle großen Branchen. Für das dritte Quartal werden noch höhere Zahlen erwartet. Das nur auf Zinsen und schwache Konjunktur zu schieben, greift zu kurz. Wer strukturell teurer produziert als eine Konkurrenz, die längst mit KI automatisiert, verliert den Anschluss nicht wegen der Lage, sondern wegen der eigenen Trägheit.
Quelle: Handelsblatt
Ein Muster zieht sich durch die Quartalsberichte: Firmen streichen Stellen, schieben es auf KI, und schreiben gleichzeitig fleißig neue Jobs aus. KI liefert die bequeme Erzählung für Umbauten, die ohnehin anstanden, für Kosten, Fehlplanung, Restrukturierung. Der eigentliche Bruch verläuft woanders. Nicht der Stellenabbau entscheidet über die Zukunft einer Firma, sondern ob sie echte KI-Kompetenz aufbaut oder nur Köpfe kürzt und an alten Profilen festhält. Wer KI bloß als Spar-Vokabel benutzt, verschiebt das Problem nur nach hinten.
Quelle: Hackernoon
Charts der Woche: KI-Kosten pro Kopf explodieren, Steuerung entscheidet
Quelle: Ramp AI Index
Bei den KI-affinsten Firmen, dem Top-1-Prozent, sind die annualisierten KI-Ausgaben je Mitarbeiter in nur rund anderthalb Jahren von etwa 22.000 auf rund 98.000 Dollar geklettert, mehr als eine Vervierfachung, und die Kurve wird nach oben steiler, nicht flacher. Zur Einordnung: 98.000 Dollar entsprechen fast exakt dem, was ein durchschnittlicher US-Angestellter sein Unternehmen pro Jahr kostet. An der Spitze wandert das KI-Budget je Kopf also bereits auf Gehaltsniveau. KI ist damit kein Tool-Nebenposten mehr, sondern ein eigener Kostenblock, der wie ein zusätzlicher Mitarbeiter geplant werden muss.
Ein gut gesteuerter KI-Agent erledigt eine Arbeitsstunde für 4 Dollar, die typische Firma zahlt rund 80 Dollar. Zum Vergleich kostet ein US-Arbeiter 50 Dollar pro Stunde, ein Software-Ingenieur 96 Dollar. Der Ausreißer sitzt am oberen Ende: Läuft ein Agent aus dem Ruder, klettern die Kosten auf 7.000 Dollar je Stunde, das 75-fache des gut gesteuerten Falls, verbrannt in unproduktiven Schleifen ohne Ergebnis. Nicht die Technologie treibt die Rechnung, sondern das Management. Wer Agenten sauber steuert, unterbietet jeden Lohn, wer sie unbeaufsichtigt laufen lässt, zahlt ein Vielfaches.
Quelle: öffentliche Marktdaten
Gerade einmal 2,2 Prozent der US-Haushalte haben aktuell ein bezahltes KI-Abo. Klingt nach wenig, ist aber ein Vervielfachen: Anfang 2023 lag der Anteil bei 0,02 Prozent, Anfang 2025 bei 0,65 Prozent, jetzt über zwei Prozent. Das ist die Kurve einer Technologie, die den Massenmarkt noch vor sich hat, wie zuvor Streaming, Smartphones und Breitband. Wer heute ein KI-Produkt oder KI-gestützte Prozesse aufbaut, positioniert sich früh in einem Markt, der sich pro Jahr mehr als verdoppelt, solange die Adoption noch im niedrigen einstelligen Prozentbereich liegt.
Tool-Empfehlung: CorporateLLM
CorporateLLM ist eine DSGVO-konforme Unternehmens-KI-Plattform, die OpenRouter, Ollama oder jeden OpenAI-kompatiblen Provider in unter einer Minute anbindet und sicher mit dem eigenen Wissen chatten lässt, ab sofort im Free-Plan. Für alle in der KI-Bubble, die Datenhoheit nicht nur predigen, sondern lokale Modelle produktiv ans eigene Firmenwissen hängen wollen, ein passender Baustein, mehr Infos: corporatellm.de.