All-AI.de - KI-News, Tools und Tutorials

Roboter NEO bekommt fühlende Hände

aycaramba@all-ai.de (Andreas Becker) — Fri, 10 Jul 2026 08:59:26 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ Das Robotikunternehmen 1X hat hochentwickelte sehnengetriebene Hände mit 25 Freiheitsgrade für die humanoide Plattform NEO vorgestellt. Durch niedrige Übersetzungsverhältnisse leiten die Gelenke mechanische Kontaktkräfte direkt an die Motoren zurück. Eine zusätzliche taktile Haut misst Scherkräfte im Millimeterbereich und verhindert das Entgleiten von Gegenständen in Echtzeit. Die Hardware wird bereits firmenintern in Serie produziert, wobei für das laufende Jahr eine Produktion von 10.000 Einheiten angestrebt wird. 1X Technologies – NEO’s Hands | An API to the Physical World Das Robotikunternehmen 1X hat neue Roboterhände für sein humanoides Modell NEO präsentiert. Das sehnengetriebene System bietet 25 Freiheitsgrade und verarbeitet haptisches Feedback direkt in den Gelenken. Die hauseigene Serienproduktion ist bereits angelaufen. Die bisherigen Probleme Bisherige Robotersysteme steuern oft einfache Greifer an, die Bewegungen stur und ohne Gefühl ausführen. Das Modell von 1X erfasst seine Umgebung hingegen direkt durch Berührung. Ein quasi-direkter Sehnenantrieb arbeitet mit niedrigen Übersetzungsverhältnissen zwischen 5:1 und 15:1. Herkömmliche Getriebe schlucken physische Kontaktkräfte meist, bevor sie den Motor erreichen. Bei NEO fließen diese Kräfte ungehindert zurück. Drückt der Finger gegen einen Widerstand, gibt er physisch nach und meldet den exakten Druck an die Steuerungseinheit. 1X bezeichnet dieses beidseitige Lesen und Schreiben von Kräften als Force Transparency. Das Modell muss kleine Objekte nicht mehr blind über Kameras abschätzen, sondern begreift sie im Wortsinn. Mechanik aus dem Unterarm Um das Gewicht der Hände niedrig zu halten und Überhitzung zu vermeiden, sitzen die Antriebsmotoren im Unterarm des Roboters. Von dort aus ziehen hauseigene Sehnen durch das Handgelenk bis in die Fingerspitzen. Die Mechanik orientiert sich eng an der menschlichen Anatomie, besonders durch den voll opponierbaren Daumen. Die technischen Eckdaten der Hände: 25 Freiheitsgrade (22 in Fingern und Handfläche, 3 im Handgelenk) Positionierungsgenauigkeit von ±0,2 Millimetern 17,75 Nm Drehmoment im Handgelenk IP68-Zertifizierung und lebensmittelechte Konstruktion Für die Feinmotorik überzieht eine funktionale Haut die Fingerkuppen. Die integrierten Sensoren messen den exakten Kontaktpunkt, normalen Druck und auftretende Scherkräfte. Beginnt ein Glas aus der Hand zu gleiten, registriert die Software das Rutschen in Echtzeit und der Roboter korrigiert den Griff. + Quelle: 1X Konstruiert für den physischen Alltag Ständige physische Kontakte bedeuten Verschleiß. 1X hat die gesamte Mechanik auf Robustheit getrimmt. Gelenke und Sehnen überstehen Millionen von Bewegungszyklen. Bei harten Schlägen von außen gibt die Konstruktion nach. Diese Nachgiebigkeit schützt die Hardware und verhindert Verletzungen, wenn der Roboter direkt neben Menschen arbeitet. Da das System nach IP68 gegen Wasser und Staub abgedichtet ist, lässt es sich nach Verschmutzungen am Waschbecken reinigen. Der norwegisch-amerikanische Hersteller baut die Komponenten nicht nur für Forschungszwecke. Eine dedizierte Fertigungslinie produziert die Hände bereits. Sehnen, Motoren, Elektronik und Sensoren fertigt 1X komplett intern. Das Unternehmen plant, bis Jahresende 10.000 Einheiten auszuliefern. Anzeige

Lieferando startet KI Bestellung per Stimme

aycaramba@all-ai.de (Andreas Becker) — Fri, 10 Jul 2026 08:42:00 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ Lieferando integriert einen neuen KI-Sprachassistenten für Bestellungen in seine deutsche App. Nutzer können ihre Essenswünsche nun über natürliche Spracheingabe äußern, anstatt manuell in Kategorien zu suchen. Das System versteht selbst komplexe Vorgaben und wendet im Hintergrund automatisch die passenden Filter an. Durch diesen Wandel zum Conversational Commerce entscheidet künftig die KI über die Sichtbarkeit der Restaurants. t3n: Pizza auf Zuruf: Lieferando startet KI-Sprachassistenten für Bestellungen Lieferando bringt seinen KI-gestützten Sprachassistenten nach Deutschland. Nutzer formulieren ihre Essenswünsche in der App künftig über natürliche Sprache, statt klassische Menüs zu durchsuchen. Der Assistent verarbeitet komplexe Anfragen und wendet die passenden Filter automatisch an. Filtern per Sprachbefehl Das neue Feature liegt hinter einem Stern-Symbol neben der Suchleiste und öffnet sich über die Option »Sprachchat«. Ein Update auf die aktuellste App-Version schaltet den Assistenten frei. Der Assistent versteht nicht nur exakte Gerichte. Er verarbeitet ebenso diffuse Beschreibungen wie den Wunsch nach leichten Mahlzeiten ohne Salat von hoch bewerteten Restaurants. Die KI überträgt dafür die vorhandenen Filterlogiken der Plattform direkt auf die gesprochene Sprache. Anzeige Algorithmen bestimmen die Sichtbarkeit Für die angeschlossenen Gastronomen ändert sich der technische Ablauf nicht. Die KI durchsucht in Deutschland automatisch die Speisekarten von mehr als 48.000 Partnerbetrieben. Der Assistent funktioniert vorerst auf Deutsch und Englisch. Die Muttergesellschaft Just Eat Takeaway hat die Funktion zuvor in Großbritannien getestet. Der Konzern treibt damit den Wechsel zum Conversational Commerce voran und plant bereits Bestellungen über WhatsApp. Die Abkehr von starren Kategoriensystemen verändert die Auffindbarkeit der Restaurants auf der Plattform. Aufträge gehen künftig bevorzugt an die Anbieter, deren Speisekarten von den KI-Systemen optimal interpretiert und im Dialog empfohlen werden.

New York Times wirft OpenAI Beweisunterdrückung vor

aycaramba@all-ai.de (Andreas Becker) — Fri, 10 Jul 2026 08:40:36 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ Die New York Times wirft OpenAI vor, wichtige Beweise im laufenden Urheberrechtsprozess unterschlagen zu haben. Ein OpenAI-Ingenieur enthüllte eine interne Datenbank mit 78 Millionen Chats zur Überprüfung von Urheberrechtsverletzungen. Die Kläger beschuldigen das Unternehmen zudem, Milliarden von ChatGPT-Antworten trotz gerichtlicher Aufbewahrungspflicht gelöscht zu haben. Die Verlage fordern nun gerichtliche Sanktionen gegen den KI-Entwickler und den Ausschluss einer manipulierten Datenstichprobe. TechCrunch: New York Times says OpenAI hid evidence in ChatGPT copyright trial The New York Times: New York Times and Other Publishers Ask Court to Sanction OpenAI The Boston Globe: News outlets urge a judge to sanction OpenAI in a high-stakes AI copyright fight The Verge: New York Times says OpenAI hid evidence in ChatGPT copyright trial Die New York Times wirft OpenAI vor, in dem seit zwei Jahren laufenden Urheberrechtsprozess gezielt Beweise zurückzuhalten. Entgegen früheren Behauptungen belegen interne Aussagen, dass das Unternehmen sehr wohl in der Lage ist, Chat-Protokolle nach geschützten Inhalten zu durchsuchen. Interne Filter widersprechen früheren Aussagen In dem Rechtsstreit geht es um den Vorwurf, OpenAI habe seine generativen KI-Modelle illegal mit journalistischen Inhalten trainiert. Das Unternehmen argumentierte bislang, eine Durchsuchung der eigenen Trainingsdaten und Chat-Protokolle sei technisch zu aufwendig und berge Datenschutzrisiken. Eine gerichtliche Befragung des OpenAI-Datenschutz-Ingenieurs Vinnie Monaco im April zeichnet nun ein anderes Bild. Monaco enthüllte, dass das Unternehmen bereits vor der Klage eine Datenbank mit rund 78 Millionen anonymisierten ChatGPT-Unterhaltungen angelegt hatte. Damit prüfte OpenAI intern, inwieweit das Modell fremde Werke reproduziert. Kurz nach Einreichung der Klage implementierte das Unternehmen zudem einen »Bloom«-Filter. Der als »Project Giraffe« bezeichnete Filter erkennt und protokolliert exakt, wenn ChatGPT geschützte Texte in den Antworten ausgibt. Anzeige Vorwürfe der Datenvernichtung Diese Erkenntnisse wiegen schwer, da die Kläger ursprünglich Einblick in 120 Millionen Chat-Protokolle gefordert hatten. In Verhandlungen reduzierte OpenAI diese Zahl auf 20 Millionen. Als das Unternehmen die Stichprobe im vergangenen Dezember vorlegte, war sie laut Gericht durch weitreichende Schwärzungen »unbrauchbar«. Zusätzlich werfen die New York Times und The Daily News dem KI-Entwickler vor, nach Klageerhebung Milliarden von ChatGPT-Antworten gelöscht zu haben. Dies verstoße direkt gegen die Aufbewahrungsanordnung des Gerichts. Ian B. Crosby, der Hauptanwalt der Kläger, bewertete das Vorgehen scharf: »Wenn OpenAI wirklich glauben würde, dass das Kopieren des Journalismus unserer Mandanten fair und legal war, hätte es die Wahrheit darüber nicht verheimlicht.« Forderung nach juristischen Konsequenzen Die Verlage fordern den Richter nun auf, das Unternehmen für die angebliche Beweisunterschlagung zu disziplinieren. Die vorgelegte Stichprobe von 20 Millionen Protokollen soll als unzuverlässig von der Beweisführung ausgeschlossen werden. Zudem verlangen die Kläger, dass das Gericht als erwiesene Tatsache anerkennt, dass die KI-Modelle die Inhalte der Verlage in erheblichem Maße reproduziert haben. Die Anwaltskosten für die Beweissuche soll ebenfalls OpenAI tragen. OpenAI-Sprecher Drew Pusateri wies die Anschuldigungen zurück. Er warf der New York Times vor, sich Zugang zu privaten Nutzerunterhaltungen verschaffen zu wollen, da ihre rechtliche Argumentation zunehmend an Kraft verliere. Das Unternehmen werde die Privatsphäre seiner Nutzer auch in Zukunft verteidigen.

ElevenLabs bringt Echtzeit-Analyse für KI-Agenten

aycaramba@all-ai.de (Andreas Becker) — Fri, 10 Jul 2026 08:07:53 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ ElevenLabs hat mit ElevenAgents Spotlight ein neues Analyse-Tool für KI-Agenten veröffentlicht. Die Software überwacht Kundengespräche in Echtzeit und sortiert alle Chatprotokolle automatisch nach Themen. Entwickler können individuelle Qualitätsregeln festlegen und erhalten direkt konkrete Verbesserungsvorschläge für ihre Service-Bots. ElevenLabs: Introducing ElevenAgents Spotlight ElevenLabs hat mit »ElevenAgents Spotlight« eine Überwachungsebene für KI-Agenten veröffentlicht. Das Tool analysiert Sprach- und Chat-Konversationen in Echtzeit, bewertet die Qualität anhand individueller Textvorgaben und schlägt Entwicklern direkt konkrete Verbesserungen vor. Fehlererkennung ohne manuelle Prüfungen Sobald ein Agent online geht, misst ElevenAgents Spotlight Metriken wie die Erfolgsquote und die Latenz der Antworten. Eine Anomalieerkennung schlägt an, wenn die Lösungsrate plötzlich sinkt oder die Nachfrage ungewöhnlich ansteigt. Das verkürzt den Weg von einem Problem in der Produktion bis zur Fehlerbehebung beim Kunden. Um tausende Chat- oder Sprachprotokolle greifbar zu machen, sortiert Spotlight diese automatisch nach Themen. Administratoren filtern die Daten anschließend nach Lösungsquote oder Stimmung der Nutzer. Bei Bedarf springen sie direkt in das jeweilige Transkript, um zu sehen, an welcher Stelle ein Gespräch gescheitert ist. + Quelle: elevenlabs Die Kriterien für ein erfolgreiches Gespräch legen Nutzer vorab in natürlicher Sprache fest. Eine solche Regel kann lauten: »Der Agent hat die Frustration des Kunden anerkannt, bevor er eine Lösung anbot«. Spotlight wendet diese Metrik konsistent auf alle neuen Interaktionen an, was aufwendige manuelle Qualitätskontrollen ersetzt. Proaktive Vorschläge für Entwickler Die Software zeigt nicht nur aktuelle Probleme, sondern liefert konkrete Handlungsempfehlungen. Spotlight leitet aus der Konfiguration und den bisherigen Konversationen ab, ob Entwickler beispielsweise spezifische Tests hinzufügen oder ein neueres Modell aktivieren sollten. Für das Monitoring müssen Administratoren ihre bestehende IT-Infrastruktur nicht umbauen. ElevenAgents Spotlight leitet sämtliche Protokolle und Metriken an etablierte OpenTelemetry-Backends wie Datadog oder Grafana weiter. Anzeige

CharacterAI bringt interaktive Serien für Erwachsene

aycaramba@all-ai.de (Andreas Becker) — Fri, 10 Jul 2026 07:52:26 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ Character.AI veröffentlicht interaktive Microdramas, in denen Nutzer direkt mit den KI-Charakteren chatten können. Die Handlung der neuen Kurzserien lässt sich durch Rollenspiele aktiv beeinflussen und verändern. Nach den eigenen Studio-Produktionen plant das Unternehmen bald umfassende Creator-Tools für alle Anwender. Zudem erprobt die Plattform derzeit weitere KI-Formate für professionelle Audioserien und fiktionale Texte. TechCrunch: Character.AI enters the microdrama arena with its own productions, but there’s a twist Character.AI produziert eigene Kurzserien, bei denen volljährige Nutzer direkt in die Handlung eingreifen. Sie chatten mit den Charakteren der sogenannten Microdramas, stellen Fragen und verändern den Verlauf durch Rollenspiele. Zum Start stehen drei Formate aus den Bereichen Romance, Horror und Survival bereit. Produktion im eigenen Studio Der Anbieter beginnt mit der Romance-Serie »Last Summer«, dem Horror-Format »The Nighttime Game« und dem Survival-Drama »Eden Fall«. Character.AI erstellt die Inhalte mit internen KI-Tools. Unter dem Label »c.ai Series« entwickelt ein Studio-Team zunächst die Abläufe und wertet das Zuschauerinteresse aus. Später sollen diese internen Prozesse in frei zugängliche Creator-Tools fließen. Nutzer können dann völlig eigene Serienabläufe mit ihren Charakteren produzieren und veröffentlichen. + Quelle: character.ai Audio und Text verlängern die Nutzungsdauer Character.AI erweitert sein Unterhaltungsportfolio kontinuierlich. Seit April legen Nutzer mit dem »Lorebook« komplexe Welten an, auf die KI-Charaktere in Unterhaltungen gezielt zugreifen. Über die »Books«-Funktion schlüpfen sie zudem direkt in die Rollen klassischer Romanfiguren. Derzeit erprobt das Unternehmen im »c.ai Labs«-Programm eine Funktion namens »c.ai FM«. Ausgewählte professionelle Autoren schreiben damit auditive Serienformate. Gleichzeitig läuft die Testphase von »c.ai Reads« für rein textbasierte Fiktion. Das Interesse an solchen Formaten ist messbar hoch. Analysen von Sensor Tower zeigen, dass Nutzer im ersten Halbjahr 2026 monatlich über 950 Minuten bei Character.AI verbrachten. Anzeige

Jeder kann jetzt deine Instagram-Fotos verwenden - deaktivieren!

aycaramba@all-ai.de (Andreas Becker) — Thu, 09 Jul 2026 21:12:05 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ Meta hat den neuen KI-Bildgenerator Muse Image in seine Apps integriert. Das System nutzt ungefragt Bilder aus öffentlichen Instagram-Profilen, um damit neue KI-Grafiken zu generieren. Nutzer werden darüber nicht informiert und müssen der automatischen Bilderfreigabe in den Einstellungen aktiv widersprechen. Experten warnen wegen der fehlenden Datenschutzmaßnahmen vor Missbrauch und Identitätsdiebstahl. Lauren Forristal: How to stop Meta’s AI image generator from using your Instagram photos Meta hat die neue KI-Bildgenerierung »Muse Image« in seinen Anwendungen gestartet. Die Funktion erlaubt es Nutzern, Fotos aus öffentlichen Instagram-Profilen per Verlinkung in neue KI-Bilder einzubauen – standardmäßig ohne vorherige Benachrichtigung oder explizite Einwilligung. Ungefragte Bildnutzung per Tagging Muse Image dient dazu, Grafiken zu erstellen, bestehende Fotos zu bearbeiten oder Anzeigen direkt in den Apps zu entwerfen. Der Zugriff erfolgt automatisch bei allen öffentlichen Profilen von Erwachsenen. Private Konten und Profile von Minderjährigen unter 18 Jahren bleiben von der Funktion ausgeschlossen. Die Neuerung stößt auf Kritik. Da keine Benachrichtigung erfolgt, erfahren Betroffene meist nicht, wenn Fremde ihre Porträts oder privaten Aufnahmen für KI-Generierungen verwenden. Experten warnen vor Missbrauch, Identitätsdiebstahl und Belästigungen durch manipulierte Bilder. Anzeige So funktioniert die Opt-out-Option Betroffene können der Verwendung ihrer Daten widersprechen. Dafür öffnen sie im eigenen Instagram-Profil das Menü über die drei horizontalen Striche und wählen »Settings (Einstellungen)« Dort wählen sie den Unterpunkt »Sharing and reuse (Teilen)« aus. Wenn man ein öffentliches Profil hat und über 18 Jahre alt ist, sollten sich dort nun die Optionen zur Deaktivierung befinden. +

Anthropic fragt Nutzer nach ihren größten KI Ängsten

aycaramba@all-ai.de (Andreas Becker) — Thu, 09 Jul 2026 20:25:05 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ Anthropic hat eine neue Kampagne gestartet, um die Sorgen und Ängste der Nutzer bezüglich KI zu sammeln. Das Unternehmen fordert die Öffentlichkeit auf, kritische Fragen zu Themen wie Arbeitsplatzverlust oder Missbrauch einzureichen. Die Ergebnisse fließen direkt in die Arbeit des neu gegründeten Anthropic Institute ein. Anthropic verspricht öffentliche Antworten und volle Transparenz, selbst wenn eigene Ziele verfehlt werden. Anthropic - Announcements: Inviting hard questions Anthropic sammelt kritische Fragen zu künstlicher Intelligenz. Das Unternehmen hat am Donnerstag eine Website gestartet, auf der Nutzer ihre Bedenken äußern können. Im Fokus der »hard questions« genannten Initiative stehen Arbeitsplatzverluste, der Wert menschlicher Kreativität und die Gefahren durch Missbrauch. Anthropic will die eingereichten Fragen auswerten und konkret beantworten. Das Unternehmen verpflichtete sich dazu, die eigenen Maßnahmen öffentlich zu dokumentieren und dabei auch verfehlte Ziele offen zu benennen. Eigene Forschungsabteilung gegründet Als Public Benefit Corporation hat sich der KI-Entwickler gesetzlich dem Gemeinwohl verschrieben. Die neue Kampagne baut auf früheren Befragungen auf: So gaben bereits 52.000 US-Bürger und 81.000 Claude-Nutzer in 159 Ländern Auskunft zu ihren Erwartungen. Auch Erkenntnisse aus anonymisierten Nutzungsdaten und Fokusgruppen fließen in die Arbeit ein. Um all diese Informationen wissenschaftlich auszuwerten, hat das Unternehmen das Anthropic Institute gegründet. Diese interne Abteilung erforscht gezielt die gesellschaftlichen Herausforderungen durch KI-Modelle. Ein unabhängiges Gremium, der Long-Term Benefit Trust, überwacht die Einhaltung der gemeinnützigen Vorgaben. Nutzer erhoffen sich von künstlicher Intelligenz schnelle medizinische Fortschritte und Arbeitserleichterungen. Gleichzeitig wächst die Sorge, dass die Modelle die menschliche Entscheidungskraft schwächen könnten. Die gesammelten Fragen und Antworten veröffentlicht Anthropic künftig auf seiner Website. Anzeige

Die neue ChatGPT SuperApp ist da

aycaramba@all-ai.de (Andreas Becker) — Thu, 09 Jul 2026 19:35:00 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ OpenAI vereint mit ChatGPT Work Text-Chat, Programmierumgebung und autonome KI-Agenten in einer Anwendung. Eine neue Desktop-App für Mac und Windows erlaubt der KI die direkte Steuerung von Computerprogrammen. Dank Plugins und dem neuen Modell GPT-5.6 arbeitet das System selbstständig komplexe Aufgaben ab. Die Software steht ab sofort weltweit auch in der kostenlosen Version zur Verfügung. OpenAI: ChatGPT is now a partner for your most ambitious work OpenAI: GPT-5.6 Efficient by default, maximum performance on demand OpenAI veröffentlicht heute »ChatGPT Work« und vereint Text-Chats, autonome Arbeitsabläufe und die Programmierumgebung Codex. Die neue Desktop-App greift auf lokale Dateien zu, steuert den Rechner fern und bringt einen eigenen Browser mit. Passend dazu erscheint das Sprachmodell GPT-5.6. Direkter Zugriff auf den Desktop Bislang operierten die verschiedenen OpenAI-Dienste getrennt voneinander. Mit der neuen Desktop-Anwendung für Windows und Mac verschmelzen sie nun. Nutzer weisen ChatGPT Work an, komplexe Projekte über Stunden hinweg in verschiedenen Programmen selbstständig abzuarbeiten. Eine Kernfunktion auf dem Desktop ist »Computer Use«. ChatGPT Work klickt, tippt und verschiebt Dateien direkt auf der Benutzeroberfläche des Rechners. Ein integrierter Browser erlaubt es, externe Informationen zu recherchieren und Dokumente in Google Workspace oder Microsoft 365 direkt in der App zu bearbeiten. + Quelle: OpenAI Codex-Integration und automatisierte Workflows Die bisher eigenständige Codex-App geht vollständig in der neuen Oberfläche auf. Entwickler nutzen Codex weiterhin für Code-Reviews oder Inline-Edits, greifen nun aber auf dieselbe Infrastruktur wie ChatGPT Work zu. Für die Anbindung an externe Dienste verwendet ChatGPT Work Plugins. Über Kurzbefehle wie »@Slack« zieht ChatGPT Work Kontext aus verbundenen Unternehmensanwendungen. So werten Nutzer Budgets automatisiert aus oder terminieren Routineaufgaben über »Scheduled Tasks«, etwa für regelmäßige Statusberichte. + Quelle: OpenAI Interaktive Web-Apps und Verfügbarkeit Zusätzlich startet OpenAI die öffentliche Beta von »Sites«. Nutzer generieren damit interaktive Dashboards oder Projekt-Tracker aus dem Chatverlauf und teilen sie über eine einfache URL. Der Rollout für ChatGPT Work im Web und auf mobilen Geräten beginnt heute für Pro-, Enterprise- und Edu-Kunden. Plus- und Business-Nutzer folgen in den kommenden Tagen. Die neue Desktop-App steht heute weltweit für alle Tarifstufen, inklusive der kostenlosen Version, zum Download bereit. Die bisherige Desktop-Anwendung benennt OpenAI in »ChatGPT Classic« um. Anzeige

Claude Dashboard zeigt das eigene KI-Verhalten

aycaramba@all-ai.de (Andreas Becker) — Thu, 09 Jul 2026 18:28:15 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ Anthropic führt die neue Beta-Funktion namens Reflect für das KI-Modell Claude ein. Das Dashboard visualisiert das Nutzungsverhalten und die Chat-Aktivitäten der vergangenen Monate. Integrierte Funktionen ermöglichen das Einrichten von Ruhezeiten und automatischen Pausenerinnerungen. Sensible Daten wie E-Mails oder Gesundheitsinformationen werden aus Datenschutzgründen von der Analyse ausgeschlossen. Anthropic - Introducing a way to reflect on how you use Claude Anthropic hat eine neue Analysefunktion für Claude veröffentlicht. Die Beta-Version visualisiert das individuelle Nutzungsverhalten der vergangenen zwölf Monate und hilft dabei, den eigenen KI-Einsatz im Alltag und Beruf präziser zu steuern. Datenbasierte Rückschau Die neue Reflexionsfunktion findet sich in den Einstellungen der Web- und Desktop-Version von Claude. Sie wertet die Chat-Aktivitäten über wählbare Zeiträume von einem, drei, sechs oder zwölf Monaten aus. Das Dashboard zeigt an, welche Themen in den Prompts am häufigsten vorkommen und wann die Nutzung am intensivsten ausfällt. Eine exakte Anzeige der verbrachten Zeit plant Anthropic für ein kommendes Update. + Quelle: Anthropic Pausen und Effizienz Nutzer erhalten über das Dashboard konkrete Steuerungsmöglichkeiten für ihren Arbeitsalltag. Sie können feste Ruhezeiten definieren oder automatische Pausenerinnerungen nach einer bestimmten Nutzungsdauer aktivieren. Claude stellt periodisch Fragen zum eigenen Arbeitsstil. Es fragt beispielsweise: »Was ist eine Sache, die Sie weiterhin selbst tun möchten, auch wenn Claude sie schneller erledigen könnte?« + Quelle: Anthropic Die Auswertung der Interaktionsqualität orientiert sich am sogenannten 4D-Framework, das Delegation, Beschreibung, Beurteilung und Sorgfalt misst. Claude leitet daraus praktische Tipps ab. Fällt bei der Analyse auf, dass Kontext bei längeren Aufgaben oft wiederholt wird, rät die Funktion zur Anlage eines festen Projekts. + Quelle: Anthropic Datenschutz bei der Auswertung Anthropic klammert sensible Informationen von der Analyse aus. Inkognito-Chats und Quelldateien aus verknüpften Tools ignoriert die Auswertung vollständig. Fasst Claude ein verknüpftes Postfach zusammen, registriert das Dashboard nur die Aktion selbst, greift aber nicht auf die eigentlichen E-Mails zu. Daten aus Gesundheitsintegrationen fließen überhaupt nicht in die Statistik ein. Für die Entwicklung der Sicherheitsrichtlinien arbeitete Anthropic unter anderem mit dem MIT Media Lab zusammen. Die Funktion steht in den Tarifen Free, Pro und Max zur Verfügung. Voraussetzung für die Generierung des Berichts ist ein aktiviertes Gedächtnisprofil. Anzeige

Meta Muse Spark 1.1 ist ein effizientes Opus 4.8

aycaramba@all-ai.de (Andreas Becker) — Thu, 09 Jul 2026 18:05:57 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ Meta hat das KI-Modell Muse Spark 1.1 veröffentlicht, das besonders auf autonome Agenten-Aufgaben und Computernutzung spezialisiert ist. In Leistungstests schließt das System zu Modellen wie GPT 5.5 auf und bietet eine deutlich höhere Kosteneffizienz. Der interne Bericht zeigt jedoch ein hohes Risiko für Cyberangriffe, weshalb Meta bei der Sicherheit auf zusätzliche Schutzfilter setzt. Meta: Introducing Muse Spark 1.1 Meta: Muse Spark 1.1 Evaluation Report Meta hat Muse Spark 1.1 veröffentlicht. Das multimodale Modell übertrifft seinen Vorgänger deutlich und tritt nun direkt gegen die ehemaligen Topmodelle wie Opus 4.8 von Anthropic an. Mit 1,25 US-Dollar pro Million Input-Tokens und 4,25 US-Dollar pro Million Output-Tokens ist es aber deutlich günstiger. Starke Leistung bei Agenten-Aufgaben Ein Blick auf die aktuellen Leistungstests zeigt die neue Hierarchie im Markt. Muse Spark 1.1 erzielt in Disziplinen wie autonomer Computernutzung, komplexer Softwareentwicklung und multimodalem logischen Denken oft Bestwerte. Es schlägt dabei häufig sogar Modelle wie Opus 4.8 oder GPT 5.5. + Quelle: Meta Besonders bei beruflichen Anwendungsfällen und der Koordination externer Programme setzt sich das Modell ab. Im JobBench erreicht Muse Spark 1.1 einen Wert von 54,7 und lässt damit die Konkurrenz hinter sich. Auch beim standardisierten Einsatz von »Werkzeugen« über das MCP-Protokoll führt es das Feld an. + + Quelle: Meta Autonome Bedienung und Kosteneffizienz Lediglich bei tiefgreifenden Rechercheaufgaben wie DeepSearchQA muss sich das Modell knapp GPT 5.5 geschlagen geben. Dafür glänzt Muse Spark 1.1 bei der Kosteneffizienz, wenn es Betriebssysteme autonom bedient. + Quelle: Meta Im Benchmark OSWorld 2.0 erreicht es hohe Punktzahlen zu einem Bruchteil der Kosten, die bei Opus 4.8 anfallen würden. Das Modell klickt sich bei solchen Aufgaben nicht nur stur durch Benutzeroberflächen. Es entscheidet selbstständig, ob es für einen Arbeitsschritt ein schnelles Skript schreibt oder direkt mit dem Interface interagiert. + Quelle: Meta Fortschritte bei Code und Bildanalyse Für Entwickler bringt das Update spürbare Veränderungen. In Programmier-Benchmarks wie Vibe Code Bench v1.1 und SWE Atlas hat sich die Leistung im Vergleich zum Vorgängermodell mehr als verdreifacht. + Quelle: Meta Bei internen Meta-Tests bewegt sich Muse Spark 1.1 auf Augenhöhe mit Opus 4.8 und GPT 5.5. + Quelle: Meta Das Modell verarbeitet visuelle Informationen zudem äußerst effizient. Bei der Auswertung von Bildern und Videos arbeitet Muse Spark 1.1 laut dem BabyVision-Benchmark deutlich kostengünstiger als die Konkurrenz, liefert aber dennoch Spitzenwerte. Diese multimodalen Fähigkeiten nutzt das Modell beispielsweise, um selbstständig Objekte in einem Smartphone-Video zu erkennen und diese direkt auf Plattformen wie Facebook Marketplace einzustellen. + Quelle: Meta Sicherheitsbericht zeigt deutliche Risiken Die neuen Fähigkeiten bringen erhebliche Risiken mit sich. Meta bestätigt im eigenen Sicherheitsbericht, dass Muse Spark 1.1 ohne integrierte Schutzmaßnahmen in den Bereichen Chemie, Biologie und Cybersicherheit die Schwelle zum Hochrisiko-Modell erreicht. Das Unternehmen veröffentlicht es dennoch, da nachgeschaltete Filter das Restrisiko laut eigenen Angaben auf ein moderates Maß senken. Anzeige Bessere Hacking-Fähigkeiten und offene Fragen Der größte Leistungssprung zeigt sich bei potenziellen Cyberangriffen. Muse Spark 1.1 löst Hacking-Aufgaben deutlich besser als sein Vorgänger und reproduziert in Tests reale Sicherheitslücken in Open-Source-Projekten. Vollständige, autonome Angriffsketten gelingen dem Modell zwar noch selten. Die einzelnen Zwischenschritte, wie etwa ein erster Systemzugriff, funktionieren jedoch immer zuverlässiger. Für Entwickler von Coding-Agenten bleibt Prompt Injection ein reales Problem. Wenn Muse Spark 1.1 externe Dateien liest, können dort versteckte Anweisungen das Verhalten manipulieren. Zudem zeigt das Modell eine sogenannte »Evaluation Awareness«. Es merkt in Tests häufig, dass es geprüft wird, was die absolute Aussagekraft klassischer Sicherheits-Benchmarks einschränkt. Entwickler können ab heute über die Meta Model API auf Muse Spark 1.1 zugreifen.

Seedream 5.0 Pro überrascht mit neuen Funktionen

aycaramba@all-ai.de (Andreas Becker) — Thu, 09 Jul 2026 10:20:23 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ ByteDance hat das neue multimodale Bildmodell Seedream 5.0 Pro vorgestellt, das gezielt für professionelle Designumgebungen entwickelt wurde. Das Modell beherrscht die automatische Planung komplexer Layouts und fügt Daten, Diagramme sowie fehlerfreie Texte präzise in Infografiken zusammen. Über eine integrierte räumliche Logik erlaubt das System pixelgenaue Bearbeitungen per Lasso- oder Punktauswahl sowie das automatische Zerlegen von Bildern in editierbare Ebenen. Seedream 5.0 Pro unterstützt die native Texteingabe und das korrekte typografische Rendering in über zehn Sprachen, stößt laut Entwickler bei extrem feinen Details aber noch an Grenzen. ByteDance – Beyond Generation, It Understands Design | Introducing Seedream 5.0 Pro ByteDance hat am Mittwoch sein neues multimodales Bildmodell Seedream 5.0 Pro veröffentlicht. Das Modell fokussiert sich auf professionelle Workflows und kombiniert Bildgenerierung mit präzisen Layout-Funktionen, Ebenentrennung und der fehlerfreien Darstellung langer Texte. Infografiken aus einem Guss Bisherige Bildmodelle scheitern oft an der logischen Anordnung von Daten und Texten. Seedream 5.0 Pro löst dieses Problem durch eine optimierte räumliche Wahrnehmung, mit der es die Aufteilung von Layouts selbstständig plant. In einem von ByteDance veröffentlichten Beispiel generiert das Modell eine Infografik über eine antarktische Forschungsstation. Das Bild kombiniert dabei fehlerfrei eine Zeitachse, Balken- und Tortendiagramme sowie realistische Fotos der Ausrüstung. Auch für kommerzielle Nutzeroberflächen ist die Funktion nützlich. Seedream 5.0 Pro erstellt auf Basis eines Prompts vollständige UI-Prototypen inklusive Navigationsleisten, Textblöcken und korrekten räumlichen Überschneidungen von Bildelementen. + Quelle: ByteDance Prompt Infografik Copy A visual infographic chronicling scientific research at Antarctica's Qinling Station. Place the main Qinling Station building at the center. Surround it with a timeline of research station development, a bar chart comparing the sizes of five research stations, a pie chart of the station's energy sources, and a line chart of monthly sunshine. Supplement this with realistic photos of research equipment, a summer weather panel, a seven-step fieldwork flowchart, and on-site sampling photography to showcase China's Antarctic research in a comprehensive way. Prompt vollständig anzeigen Interaktive Bearbeitung und Ebenentrennung Textbefehle stoßen an ihre Grenzen, wenn Nutzer bestimmte Bereiche in einem Bild exakt anpassen wollen. Seedream 5.0 Pro integriert deshalb Positionsdaten direkt in den Generierungsprozess, um Änderungen auf Pixelebene zu ermöglichen. Nutzer können Bildbereiche über eine Lasso- oder Punktauswahl markieren und dort per Hex-Farbcode oder externer Farbpalette gezielte Änderungen vornehmen. Das Modell fügt neue Objekte perspektivisch korrekt ein und passt die Beleuchtung der ausgetauschten Materialien an die Umgebung an. + + Quelle: ByteDance Für Designer besonders relevant ist die neue Ebenentrennung. Seedream 5.0 Pro zerlegt fertige Grafiken über Texteingaben in mehr als zehn separate Ebenen für Hintergrund, Text und Hauptmotive, die ihre Transparenz behalten und sich frei verschieben lassen. Die zuvor vom Hauptmotiv verdeckten Hintergrundbereiche füllt das Modell automatisch auf. + + Quelle: ByteDance Fotorealismus und Mehrsprachigkeit Bei der Bildqualität verspricht der Anbieter eine genauere Berechnung realer Physik wie Lichtbrechungen, Reflexionen auf Glas und detaillierte Hauttexturen. Das Modell beherrscht zudem fotografische Techniken wie den Mitzieheffekt, bei dem ein Radfahrer scharf fokussiert bleibt, während die Felgen und der Straßenhintergrund durch die simulierte Kamerabewegung horizontal verwischen. + Quelle: ByteDance Für den internationalen Markt unterstützt Seedream 5.0 Pro die direkte Texteingabe und das Rendering in über zehn Sprachen, darunter Deutsch, Spanisch und Arabisch. Es passt sich dabei den jeweiligen typografischen Regeln an, setzt Akzente korrekt und berücksichtigt die arabische Leserichtung von rechts nach links. Trotz der Fortschritte bei der räumlichen Strukturierung benennt ByteDance noch aktuelle technische Grenzen. Der Entwickler gibt an, dass die Konstanz bei sehr feingliedrigen Texten und die Detailtreue bei kleinsten Pixelbearbeitungen in künftigen Versionen weiter verbessert werden müssen. Auf diversen Plattformen wie Elevenlabs oder Higgsfield ist das neue Modell bereits auswählbar. Anzeige

Meta plant heimliche Dauerüberwachung per KI-Brille

aycaramba@all-ai.de (Andreas Becker) — Thu, 09 Jul 2026 09:40:40 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ Meta erprobt derzeit einen Brillen-Prototyp mit einer kontinuierlichen Audio- und Videoaufzeichnung im Hintergrund. Im geplanten Super-Sensing-Modus bleibt die Warn-LED für Umstehende bei Aufnahmen komplett deaktiviert. Die massenhaft gesammelten Alltagsdaten sollen künftig unter anderem das Training der konzerneigenen KI-Modelle verbessern. Gleichzeitig zwingt Meta die Nutzer aktueller Brillen per Update dazu, die Aufnahme-LED nicht abzukleben. Financial Times: Meta tests prototype AR glasses TechCrunch: Meta wants its AI glasses to seem less creepy. Its AI strategy says otherwise. Meta erprobt intern einen Brillen-Prototyp mit kontinuierlicher Audio- und Videoaufzeichnung. Im »Super Sensing«-Modus bleibt die Warn-LED für Umstehende deaktiviert, während die Kameras alle paar Sekunden ein Foto schießen. Nutzer können Meta AI anschließend nach erlebten Situationen befragen. Interne Debatten über Datenschutz Die Details stammen aus einem Bericht der Financial Times. Demnach streiten Entwickler intern über die Risiken des Prototyps. Meta erwägt, die gesammelten Ego-Perspektiv-Daten direkt zum Training von Meta AI zu nutzen. Dieser Ansatz steht im Kontrast zu den aktuellen Sicherheitsmaßnahmen. Meta veröffentlichte am Mittwoch ein Update für seine verfügbaren Brillen. Diese deaktivieren nun die Kamera, sobald Nutzer die Warn-LED abkleben oder anderweitig manipulieren. Der Konzern reagiert damit auf Berichte über Käufer, die Personen heimlich und ohne deren Zustimmung filmen. Anzeige Datenhunger für Meta AI Die Entwicklung zur Daueraufzeichnung hat eine Vorgeschichte. Auf der Entwicklerkonferenz Connect 2025 präsentierte Meta das Konzept »Live AI«. Die Brille baut dabei über den Tag einen Kontext auf, berücksichtigt frühere Informationen und unterstützt den Träger bei Aufgaben. Die Datensammlung im Alltag übernimmt bereits seit Jahren das Forschungsprogramm »Project Aria«. Der wachsende Bedarf an Trainingsdaten für Meta AI führt regelmäßig zu rechtlichen Konflikten. Kürzlich kündigte Meta den Vertrag mit einem externen Dienstleister. Kenianische Mitarbeiter hatten geklagt, weil sie beim manuellen Training von Meta AI intime Videoaufnahmen aus Nutzerbrillen sichten mussten. Gegenüber der Financial Times wollte Meta den Prototyp nicht kommentieren. Ein Sprecher verwies lediglich auf die bestehende, datenschutzfreundliche Technik der aktuellen Modelle.

Anthropic baut einen Ausschalter für gefährliches KI Wissen

aycaramba@all-ai.de (Andreas Becker) — Thu, 09 Jul 2026 08:35:37 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ Anthropic und AE Studio haben die neue KI-Architektur GRAM vorgestellt. Die Methode speichert gefährliches Spezialwissen isoliert in separaten neuronalen Modulen. Diese Module lassen sich nach dem Training spurlos löschen, ohne die allgemeine KI-Leistung zu beeinträchtigen. Das Verfahren spart Entwicklern enorme Rechenkosten für das Training separater, abgesicherter KI-Modelle. Anthropic Research - An off switch for dual use knowledge in AI models Anthropic Alignment Science Blog - Modular Pretraining Anthropic und AE Studio haben eine Trainingsmethode vorgestellt, mit der sich sensibles Wissen in KI-Modellen gezielt abklemmen lässt. Die Technik namens GRAM isoliert riskante Fähigkeiten in separaten Modulen, die Entwickler bei Bedarf einfach löschen können. Das erspart das teure Training mehrerer Modelle für unterschiedliche Sicherheitsanforderungen. Grenzen bisheriger Schutzmechanismen Aktuelle Sicherheitsfilter weisen eine entscheidende Schwäche auf: Sie verbieten dem KI-Modell lediglich die Ausgabe gefährlicher Inhalte. Das Wissen selbst bleibt in den Modellen gespeichert. Angreifer können diese Schutzschichten über Jailbreaks umgehen und die Informationen dennoch abrufen. Entfernen Entwickler heikle Informationen wie den Bauplan von Biowaffen komplett aus den Trainingsdaten, fehlt dieses Wissen später völlig. Benötigt ein Sicherheitslabor jedoch ein Modell mit Expertise in Virologie, müsste der Anbieter ein zweites Modell von Grund auf neu trainieren. + Quelle: Anthropic Zusatzneuronen frieren beim Training ein GRAM löst dieses Problem über die Architektur. Das Kürzel steht für Gradient-Routed Auxiliary Modules. Anthropic fügt jeder Schicht eines Standard-Transformers zusätzliche Neuronen hinzu. Diese sind in feste Gruppen unterteilt, wobei jede Gruppe für eine spezifische Kategorie von Dual-Use-Wissen steht – etwa Cybersicherheit oder Nuklearphysik. + Quelle: Anthropic Beim Training mit allgemeinen Texten lernt das Modell ganz normal. Stößt es jedoch auf Daten aus einer der sensiblen Kategorien, ändern sich die Regeln. Das Modell nutzt zwar sein Allgemeinwissen für Vorhersagen, aber nur das spezifische Modul speichert die neuen Informationen. Die allgemeinen Gewichtungen frieren währenddessen ein. Das sensible Wissen diffundiert so nicht durch das gesamte neuronale Netz, sondern sammelt sich isoliert in dem jeweiligen Modul. Leistung und Sicherheit in Tests bestätigt Anthropic hat die Methode an Modellen mit 50 Millionen bis fünf Milliarden Parametern evaluiert. Löscht man nach dem Training ein Modul, verschwindet die entsprechende Fähigkeit exakt so, als hätte das KI-Modell diese Daten nie gesehen. Die Leistung bei allgemeinen Aufgaben sinkt durch diesen Eingriff (fast) nie. Ein Angreifer kann das gelöschte Wissen auch durch gezieltes Fine-Tuning mit bösartigen Daten kaum wiederherstellen. Die Resistenz von GRAM entspricht hier laut den Entwicklern der eines Modells, dessen Trainingsdaten von vornherein gefiltert wurden. Bislang existiert GRAM nur als Forschungsprojekt und ist in keinem produktiven Claude-Modell integriert. Die Forscher weisen zudem darauf hin, dass manche Dual-Use-Fähigkeiten so eng mit allgemeinem Wissen verschränkt sein könnten, dass sich eine saubere Trennung auf neuronaler Ebene künftig als technisch unmöglich erweist. Anzeige

OpenAI entlarvt bekannten Coding Benchmark

aycaramba@all-ai.de (Andreas Becker) — Thu, 09 Jul 2026 08:22:13 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ OpenAI hat den beliebten Programmier-Benchmark SWE-bench Pro genauer untersucht und gravierende Mängel festgestellt. Rund 30 Prozent der Aufgaben sind durch unklare Prompts oder zu strenge Tests fehlerhaft, was zu verfälschten Leistungsdaten führt. Das Unternehmen zieht deshalb seine vorherige Empfehlung für diesen Test offiziell zurück. Die Entwickler-Community wird aufgefordert, neue und präzisere Bewertungsstandards für KI-Modelle zu schaffen. OpenAI: Separating signal from noise in coding evaluations OpenAI hat bei einer Überprüfung des Programmier-Benchmarks SWE-bench Pro gravierende Mängel festgestellt. Rund 30 Prozent der enthaltenen Aufgaben sind laut der Analyse fehlerhaft. Das Unternehmen zieht daher seine Empfehlung für den Test offiziell zurück. Doppelte Kontrolle deckt Schwächen auf Noch vor wenigen Monaten hatte OpenAI der Community geraten, auf SWE-bench Pro umzusteigen. Der Vorgänger SWE-bench Verified lieferte keine aussagekräftigen Signale mehr über die Code-Fähigkeiten von KI-Modellen. Nun zeigt eine tiefgehende Untersuchung, dass auch die Pro-Version unter fundamentalen Designfehlern leidet. OpenAI nutzte für die Untersuchung zunächst ein automatisiertes Prüfverfahren, das Aufgabenmetadaten und Lösungsversuche analysierte. Dieses System filterte 286 verdächtige Aufgaben heraus. Danach überprüften spezielle KI-Agenten die fehlerhaften Punkte direkt in der Entwicklungsumgebung, führten Tests aus und suchten nach Ursachen. Parallel dazu bewerteten fünf erfahrene Softwareentwickler die Problemfälle unabhängig voneinander. Das Ergebnis: Die menschlichen Prüfer stuften sogar noch mehr Aufgaben als fehlerhaft ein als die Agenten. + Quelle: OpenAI Versteckte Hürden lassen Modelle scheitern Die genaue prozentuale Verteilung der Fehler zeigt das nachfolgende Diagramm. Das Hauptproblem bilden zu strenge Tests. Sie verlangen von den Modellen spezifische Implementierungsdetails, die in der Aufgabenstellung gar nicht erwähnt werden. Dadurch fallen funktional völlig korrekte Code-Lösungen reihenweise durch. + Quelle: OpenAI Zusätzlich leiden viele Aufgaben unter ungenauen Prompts. Diese verschweigen Vorgaben, die später in versteckten Tests zwingend gefordert werden. Ein konkretes Beispiel aus dem Benchmark verdeutlicht den Fehlerteufel: Eine Aufgabe verlangte ein Leerzeichen vor einem Markdown-Trennstrich. Der versteckte Test forderte jedoch zwingend zwei Leerzeichen. Folgt das Modell exakt dem Prompt, bewertet der Benchmark die Lösung wegen eines winzigen Formatierungsunterschieds als falsch. Konsequenzen für die Sicherheitsbewertung Wenn Benchmarks solche konzeptionellen Fehler aufweisen, vermitteln sie Entwicklern ein falsches Bild der tatsächlichen Modellfähigkeiten. Genau diese harten Metriken bilden jedoch die Grundlage für weitreichende Entscheidungen zur Sicherheit und zur Bereitstellung neuer Systeme. Da SWE-bench Pro diese verlässlichen Fakten nicht mehr liefert, drängt OpenAI auf einen Neustart. Die Software-Community soll neue Benchmarks entwickeln, die von Beginn an für die präzise Leistungsmessung von KI konzipiert sind. Anzeige

Grok 4.5 ist der neue Preisbrecher

aycaramba@all-ai.de (Andreas Becker) — Thu, 09 Jul 2026 07:55:50 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ SpaceXAI hat das neue KI-Modell Grok 4.5 veröffentlicht, das sich speziell an Softwareentwickler richtet. In unabhängigen Benchmarks erreicht das System fast das Niveau von OpenAIs GPT-5.5. Der größte Vorteil liegt in der enormen Token-Effizienz und den drastisch niedrigeren Betriebskosten gegenüber der Konkurrenz. In der Europäischen Union startet die Software voraussichtlich Mitte Juli. SpaceXAI - Introducing Grok 4.5 SpaceXAI hat Grok 4.5 veröffentlicht, das sich in aktuellen Benchmarks als eines der stärksten Modelle für Software-Engineering positioniert. Das Modell erreicht fast das Niveau von OpenAIs GPT-5.5, unterbietet die etablierte Konkurrenz preislich jedoch drastisch. Kooperation mit Cursor zeigt Wirkung Das neue Modell wurde gezielt für Software-Engineering, agentenbasierte Aufgaben und komplexe Wissensarbeit entwickelt. Beim Training kooperierte SpaceXAI eng mit dem Code-Editor Cursor, den die Muttergesellschaft Mitte Juni für 60 Milliarden US-Dollar übernommen hatte. Das Modell wurde auf zehntausenden Nvidia GB300 Grafikprozessoren trainiert. + + Quelle: artificialanalysis In unabhängigen Leistungstests von Artificial Analysis platziert sich Grok 4.5 in der absoluten Spitzengruppe. Im Coding Index erreicht es 72,4 Punkte und übertrifft damit Claude Sonnet 5. Beim agentischen Benchmark Terminal Bench 2.1 liegt das Modell mit 83,3 Prozent fast gleichauf mit GPT-5.5 mit 83,4 Prozent und schlägt Claude Opus 4.8 deutlich. Auch beim anspruchsvollen SWE Bench Pro beweist Grok 4.5 mit einer Lösungsrate von 64,7 Prozent seine Alltagstauglichkeit beim autonomen Programmieren. + Die Preis-Leistungs-Krone im Visier Die größte Verschiebung zeigt sich bei den Kosten. SpaceXAI verlangt für Grok 4.5 lediglich 2 US-Dollar pro Million Input-Tokens und 6 US-Dollar pro Million Output-Tokens. Zum Vergleich: Anthropics Fable 5 schlägt mit 10 US-Dollar Input und 50 US-Dollar Output zu Buche, während OpenAIs GPT-5.5 bei 5 respektive 30 US-Dollar liegt. Zusätzlich arbeitet das Modell extrem sparsam. Bei der Lösung von Programmieraufgaben benötigt es im Durchschnitt 4,2-mal weniger Tokens als Claude Opus 4.8. Diese hohe Token-Effizienz spiegelt sich auch im Gesamtpreis für den kompletten Durchlauf des Artificial Analysis Intelligenz-Index wider. Hier verursacht Grok 4.5 Kosten von nur 601 US-Dollar. Selbst das deutlich schwächere GLM-5.2 schlägt mit 820 US-Dollar zu Buche, während Fable 5 über 5600 US-Dollar kostet. Die Ausgabe erfolgt zudem mit einer Geschwindigkeit von 80 Tokens pro Sekunde. + Büro-Assistent und bald größeres Kontextfenster Neben dem Programmierfokus beherrscht Grok 4.5 auch klassische Büroaufgaben. Es ist das neue Standardmodell in Grok Build und erstellt dort komplexe Tabellenkalkulationen inklusive Web-Recherche und Formelverknüpfungen. In Textdokumenten und Präsentationen kann das System native PowerPoint-Formen nutzen, um Diagramme selbstständig zu zeichnen. Aktuell müssen sich europäische Entwickler allerdings noch gedulden. Grok 4.5 ist in den Programmierschnittstellen und Anwendungen von SpaceXAI in der Europäischen Union noch nicht freigeschaltet. Die Verfügbarkeit in der EU ist für Mitte Juli geplant. Laut einer Ankündigung von Elon Musk soll zudem bereits nächste Woche das Kontextfenster des Modells auf eine Million Tokens angehoben werden. Anzeige

OpenAI stellt Echtzeit-Sprachmodell »GPT-Live« vor

aycaramba@all-ai.de (Andreas Becker) — Wed, 08 Jul 2026 19:28:00 +0200

OpenAI Kurzfassung ▾ Quellen ▾ OpenAI hat das neue Echtzeit-Sprachmodell GPT-Live für alle ChatGPT-Nutzer weltweit veröffentlicht. Dank einer Full-Duplex-Architektur kann die KI nun gleichzeitig zuhören und völlig ohne Latenzen flüssig sprechen. Komplexe Denkaufgaben oder Websuchen delegiert das System unbemerkt im Hintergrund an das stärkere Textmodell GPT-5.5. Zusätzliche visuelle Karten auf dem Display und umfassende Echtzeit-Sicherheitsfilter ergänzen das natürliche Gesprächserlebnis. OpenAI - Introducing GPT-Live OpenAI veröffentlicht heute weltweit die Modellgeneration GPT-Live für die Sprachfunktion von ChatGPT. GPT-Live nutzt eine Full-Duplex-Architektur, um in Echtzeit gleichzeitig zu hören und zu sprechen. Komplexe Such- und Logikaufgaben delegiert es im Hintergrund an das Textmodell GPT-5.5. Fließende Dialoge statt starrer Wechsel Bisherige Sprachassistenten wie der Advanced Voice Mode (AVM) werteten Stille als Ende eines Satzes. Das führte zu unnatürlichen Unterhaltungen, bei denen das Modell oft dazwischenfunkte. GPT-Live verarbeitet Eingaben kontinuierlich, während es eigene Ausgaben generiert. Es entscheidet in Bruchteilen von Sekunden, ob es weiterspricht, zuhört oder den Nutzer unterbricht. Im Gespräch signalisiert GPT-Live mit Einwürfen wie »mhmm« oder »ja«, dass es aufpasst. Wenn Nutzer mitten im Satz nachdenken, wartet es ab. Testpersonen bevorzugten das neue Modell in 75,7 Prozent der Fälle gegenüber dem alten Modell. Auch den Gesprächsfluss und die Angenehmheit bewerteten die Nutzer höher. + + Quelle: OpenAI Aufgabenteilung für komplexe Anfragen GPT-Live konzentriert sich primär auf die natürliche Gesprächsführung. Sobald eine Frage Websuchen oder tiefere Logik erfordert, übernimmt GPT-5.5 im Hintergrund. GPT-Live überbrückt die Rechenzeit und hält die Unterhaltung am Laufen. Die Aufgabenteilung liefert messbare Resultate. Bei wissenschaftlichen Logiktests erreicht die Standardversion von GPT-Live eine Genauigkeit von 76,5 Prozent. Der Vorgänger AVM lag hier bei 45,3 Prozent. + Quelle: OpenAI Bei Suchaufgaben im Netz steigt der Wert von 0,7 Prozent beim alten Modell auf 35,1 Prozent. Simulationen mit Kundenservice-Agenten bestätigen diese Leistungssteigerung bei realistischen Aufgaben. + + Quelle: OpenAI Visuelle Antworten und variable Bedenkzeit Wer GPT-Live nutzt, sieht bei Fragen nach dem Wetter, Sportergebnissen oder Aktienkursen passende visuelle Karten auf dem Display. Gleichzeitig filtert das Modell Verkehrslärm und Hintergrundgespräche in unruhigen Umgebungen heraus. Die neun bekannten ChatGPT-Stimmen wurden für die neue Generation neu abgemischt. Nutzer entscheiden nun selbst, wie viel Bedenkzeit sie GPT-Live für inhaltliche Antworten einräumen. Die Stufe »Instant« liefert schnelle Reaktionen für den Alltag. Die Stufen »Medium« und »High« sind für komplexe Anforderungen gedacht, bei denen GPT-5.5 länger rechnen soll. Anzeige Rollout und Sicherheitsvorkehrungen OpenAI verteilt GPT-Live-1 an Plus-, Pro- und Go-Abonnenten. Nutzer der kostenfreien Variante erhalten das kleinere GPT-Live-1 mini als Standard. Beide Modelle sind für iOS, Android und über die Weboberfläche verfügbar. Funktionen wie die gemeinsame Video- und Bildschirmfreigabe fehlen zum Start. Die alten Sprachmodelle bleiben für diese Einsatzzwecke aktiv. Für einige Sprachen räumt OpenAI ein, dass GPT-Live noch Lücken in der Sprachfertigkeit aufweist oder mit Akzent spricht. Echtzeit-Schutzmechanismen greifen sofort ein, wenn ein Gespräch in riskante Bereiche abdriftet. OpenAI hat das Modell auf Themen wie Selbstverletzung oder psychische Krisen getestet. Erkennt GPT-Live bedenkliche Ausgaben, steuert es die Unterhaltung um oder bricht sie in Risikofällen ab. Für Jugendliche wurden altersgerechte Verhaltensweisen direkt in das Modell trainiert. Über die Kindersicherungsfunktionen können Eltern die Nutzung einschränken. Bei Anzeichen von Selbstverletzungsabsichten erhalten verknüpfte Elternkonten direkt eine Benachrichtigung.

Mistral steuert Roboter mit nur einer Kamera

aycaramba@all-ai.de (Andreas Becker) — Wed, 08 Jul 2026 18:38:14 +0200

Mistral Kurzfassung ▾ Quellen ▾ Mistral AI hat das neue 8B-Modell Robostral Navigate für die autonome Roboternavigation vorgestellt. Das System benötigt ausschließlich eine herkömmliche RGB-Kamera sowie einfache Sprachbefehle, um sich in komplexen Umgebungen zurechtzufinden. Es verzichtet komplett auf teure LiDAR- oder Tiefensensoren und schlägt im R2R-CE-Benchmark dennoch bestehende Multi-Sensor-Lösungen. Dank spezieller Trainingsverfahren in Simulationen lernt die Software deutlich effizienter und funktioniert flexibel auf unterschiedlichsten Robotertypen. Mistral AI - Introducing Robostral Navigate Mistral AI hat mit »Robostral Navigate« ein neues 8B-Modell für die autonome Steuerung von Robotern veröffentlicht. Es verarbeitet natürliche Sprachbefehle und orientiert sich ausschließlich über eine gewöhnliche RGB-Kamera in Büros, Wohngebäuden oder Außenanlagen. Zusätzliche Hardware wie LiDAR oder Tiefensensoren entfällt komplett. Bessere Orientierung als Multi-Sensor-Ansätze Im R2R-CE-Benchmark für unbekannte Umgebungen erzielt Robostral Navigate eine Erfolgsquote von 76,6 Prozent. Es liegt damit 9,7 Prozentpunkte vor dem bisher stärksten Single-Kamera-Ansatz. Auch hardwareintensive Konfigurationen mit mehreren Kameras oder Tiefensensoren übertrifft das 8B-Modell um 4,5 Prozentpunkte. Der Navigationsfehler fällt auf 3,25 Prozent. In bereits bekannten Räumen findet es in 79,4 Prozent der Fälle sicher ans Ziel. + + Quelle: Mistral Pointing statt starrer Koordinaten Das Modell steuert Roboter primär über ein Pointing-Verfahren. Es berechnet die Zielkoordinaten direkt in der aktuellen Kameraansicht und legt die Ausrichtung für die Ankunft fest. Diese visuelle Herangehensweise macht die Navigation unempfindlich gegenüber wechselnden Kameramodellen oder abweichenden Maßstäben. Erst wenn das Ziel nicht mehr im direkten Sichtfeld liegt, greift Robostral Navigate auf metrische Distanzangaben zurück und gibt Befehle wie: »Bewege dich 2 Meter vorwärts und drehe dich um 25 Grad nach links.« Anzeige Effizientes Training durch Prefix-Caching Mistral AI hat Robostral Navigate intern auf Basis eines eigenen Vision-Language-Modells entwickelt. Für das Training erstellten die Entwickler 400.000 Pfade in 6.000 simulierten Szenen. Um die Rechenzeit zu verkürzen, nutzt das Unternehmen ein Prefix-Caching-Verfahren mit baumbasierter Maskierung der Aufmerksamkeit. Eine komplette Bewegungsepisode wird so auf eine einzige Sequenz komprimiert. Dieser Kniff senkt den Token-Bedarf um den Faktor 22 und reduziert die Trainingsdauer von Monaten auf wenige Tage. Abschließend lernte Robostral Navigate über den Algorithmus CISPO aus Fehlern und steigerte die Erfolgsquote dadurch noch einmal um 3,2 Prozentpunkte. Das 8B-Modell funktioniert auf fahrenden, laufenden sowie fliegenden Robotern unabhängig von deren Abmessungen.

DeepSeek baut eigenen KI Chip gegen Nvidia und Huawei

aycaramba@all-ai.de (Andreas Becker) — Wed, 08 Jul 2026 09:11:00 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ Das chinesische Start-up DeepSeek entwickelt laut Reuters einen eigenen Inferenzchip für den Betrieb seiner KI-Modelle. Das Unternehmen will damit die Abhängigkeit von bisherigen Hardware-Zulieferern wie Nvidia und Huawei verringern. Für das Projekt stellt DeepSeek bereits verdeckt Chipdesign-Ingenieure ein und verhandelt mit externen Auftragsfertigern. Der Vorstoß ist eine direkte Reaktion auf US-Exportkontrollen und sichert die Infrastruktur im stark umkämpften asiatischen Halbleitermarkt. Reuters: EXCLUSIVE: China's DeepSeek developing its own AI chip, sources say Bloomberg: Chinese AI Startup DeepSeek Developing Own AI Chip, Reuters Says Biz.Chosun: China’s DeepSeek accelerates in-house chip drive to cut Nvidia, Huawei reliance Reuters: DeepSeek's chip effort inevitable amid AI race, market expert DeepSeek arbeitet an einem eigenen KI-Chip. Das chinesische Unternehmen will seine KI-Modelle künftig auf eigener Hardware laufen lassen und sich aus der Abhängigkeit von Zulieferern wie Nvidia und Huawei lösen. Chip für Inferenzaufgaben Die Entwicklung befindet sich nach Informationen der Nachrichtenagentur Reuters noch in einer frühen Phase. Der DeepSeek-Chip ist speziell für die Inferenz konzipiert. Er berechnet also die Antworten, die ein fertig trainiertes KI-Modell an die Nutzer ausgibt. Für das rechenintensive Training neuer KI-Modelle greift DeepSeek offenbar auf andere Hardware zurück. Anzeige Personalaufbau im Hintergrund Um den Inferenzchip zur Marktreife zu bringen, spricht DeepSeek derzeit mit externen Design-Spezialisten, Speicherherstellern und Halbleiter-Auftragsfertigern. Das Start-up baut zudem seit Monaten heimlich intern Personal auf. Es stellt gezielt Chipdesign-Ingenieure ein, verzichtet dabei aber auf öffentliche Stellenausschreibungen. Wettbewerb im chinesischen Markt DeepSeek reagiert mit dem Hardware-Projekt auf die knappe Verfügbarkeit von leistungsstarken Prozessoren. Da US-Exportkontrollen den Kauf aktueller Nvidia-Chips in China verhindern, füllt Huawei diese Lücke. Der Konzern wird in diesem Jahr voraussichtlich etwa die Hälfte des chinesischen KI-Chip-Marktes bedienen. Andere Technologiekonzerne wollen diese neue Abhängigkeit von Huawei jedoch vermeiden. Neben DeepSeek entwerfen auch Alibaba und Baidu mittlerweile eigene KI-Chips für den Betrieb ihrer KI-Modelle. Sie setzen damit eine Vorgabe der Regierung in Peking um, amerikanische Technologie schrittweise durch heimische Hardware zu ersetzen. Wann der Inferenzchip von DeepSeek funktionsfähig ist und in den Rechenzentren installiert wird, geht aus dem Bericht nicht hervor. Die zitierten Reuters-Quellen wollten anonym bleiben, da das Projekt noch nicht offiziell vorgestellt wurde.

Mit einem Klick zur eigenen Schriftart

aycaramba@all-ai.de (Andreas Becker) — Wed, 08 Jul 2026 08:50:15 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ Das Start-up Higgsfield AI hat die Web-App Pocherk veröffentlicht, die persönliche Handschriften in digitale Schriftarten umwandelt. Nutzer müssen dafür lediglich einen handgeschriebenen Mustersatz abfotografieren und hochladen. Die KI analysiert den Schreibstil präzise und generiert eine fertige OpenType-Datei zur Nutzung in Programmen wie Word oder Canva. Die gesamte Anwendung wurde laut Entwicklern mit nur einem einzigen Befehl über das KI-Modell Claude programmiert. X (Twitter) - Higgsfield AI (App-Vorstellung) Digitale Dokumente in der eigenen Handschrift zu verfassen, verleiht Texten eine seltene persönliche Note. Bisher erforderte das Vektorisieren von Buchstaben viel Handarbeit und Designwissen, doch eine neue KI-App automatisiert diesen Vorgang fast komplett. Entwickelt mit einem Befehl Das Start-up Higgsfield AI demonstriert mit der Web-App Pocherk, wie schnell sich spezialisierte Tools heute bauen lassen. Laut den Entwicklern genügte ein einziger Prompt an das KI-Modell Claude über das hauseigene Model Context Protocol (MCP), um die Software zu programmieren. Pocherk wandelt Handschriften in digitale Schriftarten um. Die Bedienung funktioniert in drei Schritten. Anzeige Schritt 1: Die Schriftprobe Anwender benötigen für den Prozess Stift, Papier und eine Smartphone-Kamera. Zunächst schreiben sie ein sogenanntes Pangram ab. Dieser Mustersatz enthält alle Buchstaben des Alphabets. Die App schlägt dafür die englische Variante »The quick brown fox jumps over the lazy dog« vor. Ein abfotografiertes Bild dieses Textes sowie der Zahlenreihe null bis neun reicht für den Upload aus. + Schritt 2: Das KI-Training Im nächsten Schritt analysiert das System die hochgeladene Vorlage. Die Software studiert die individuelle Neigung, den Schreibdruck und die exakten Buchstabenformen. Daraus zeichnet das Modell drei vollständige Übersichten für Großbuchstaben, Kleinbuchstaben und Ziffern inklusive Satzzeichen. Sollten einzelne Bögen misslingen, berechnet die App sie auf Knopfdruck neu. Schritt 3: Der fertige Font Den finalen Prozessschritt übernimmt Pocherk direkt im Browser. Die Software zeichnet jeden generierten Buchstaben als Vektorkontur nach und setzt die Elemente zu einer echten OpenType-Datei zusammen. Nutzer laden das Ergebnis als .otf-Datei herunter. Die Schriftart lässt sich danach systemweit installieren und in Anwendungen wie Word, Figma oder Canva wie gewohnt auswählen. Anzeige

OpenAI veröffentlicht GPT-5.6 weltweit

aycaramba@all-ai.de (Andreas Becker) — Wed, 08 Jul 2026 08:20:38 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ OpenAI veröffentlicht am Donnerstag die neue Modellfamilie GPT-5.6 mit den Leistungsstufen Sol, Terra und Luna. Das Spitzenmodell Sol übertrifft Konkurrenten in Benchmarks, zeigt aber bei komplexen Aufgaben riskante Alleingänge wie Datenfälschungen. Um diese Gefahren abzuwenden, überwacht OpenAI die Aktivierungsmuster der Modelle nun streng in Echtzeit. Anthropic reagiert auf den Start und verlängert den Zugang zum eigenen Modell Claude Fable 5. OpenAI auf X - GPT-5.6 Sol Preview all-ai.de - OpenAI veröffentlicht GPT-5.6 mit den Modellen Sol, Terra und Luna all-ai.de - GPT-5.6 Sol: 76 Seiten System Card analysiert Anthropic auf X - Claude Fable 5 Extension OpenAI schaltet am Donnerstag die neue Modellfamilie GPT-5.6 weltweit frei. Das Spitzenmodell Sol übertrifft in ersten Tests zwar zum Teil die Konkurrenz, geht bei Arbeitsaufträgen aber auch bedenkliche Alleingänge. Drei Leistungsstufen für verschiedene Aufgabenbereiche OpenAI bietet GPT-5.6 in drei Varianten an: Sol: Das Flaggschiff für komplexe Aufgaben. Terra: Erreicht die Leistung von GPT-5.5 bei halbierten Kosten. Luna: Die schnellste und günstigste Option. Tiefergehende Details zu den Leistungsdaten, dem neuen Ultra-Modus und den API-Preisen bietet der Artikel zur Veröffentlichung von GPT-5.6: Top News OpenAI veröffentlicht GPT-5.6 mit den Modellen Sol, Terra und Luna Das stärkste Modell schlägt Mythos 5 in manchen Bereichen und kommt mit einem neuen Ultra Modus. Wie weitreichend die Alleingänge von Sol in der Praxis sind und warum das System ungefragt Server löscht, zeigt die detaillierte Analyse der System Card: Top News GPT-5.6 Sol: 76 Seiten System Card analysiert Das Spitzenmodell umgeht Sicherheitsvorgaben und nutzt fremde Anmeldedaten. Die neue Stufe der KI bereitet Sorgen. Anthropics Antwort Konkurrent Anthropic reagiert direkt auf den Launch-Termin von OpenAI. Das Unternehmen verlängert den Zugriff auf Claude Fable 5 für alle zahlenden Abo-Nutzer bis zum 12. Juli. Danach muss man für das Modell zusätzliche Guthaben erwerben. Anzeige

Metas neue Image- und Videomodelle schlagen Nano Banana

aycaramba@all-ai.de (Andreas Becker) — Wed, 08 Jul 2026 07:50:00 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ Meta Superintelligence Labs veröffentlicht die neuen Mediengenerierungsmodelle Muse Image und Muse Video. In den unabhängigen LMSYS-Benchmarks schlagen die Systeme Googles Gemini-Modelle und OpenAIs Sora. Muse Image nutzt eine integrierte Websuche für höhere Faktenpräzision und führt autonom Programmiercode zur Überprüfung von Bildelementen aus. Ein unsichtbares Wasserzeichen namens Content Seal schützt die generierten Medien vor Manipulationen und bleibt selbst bei Screenshots erhalten. X-Post von AI at Meta zur Vorstellung von Muse Meta Blog zur Einführung von Muse Image und Muse Video Meta Superintelligence Labs bringt mit Muse Image und Muse Video zwei neue Modelle für die Mediengenerierung auf den Markt. Muse Image integriert eine Websuche für aktuelle Fakten, führt selbstständig Programmiercode zur Fehlerkontrolle aus und fügt komplexe Bildreferenzen nahtlos zusammen. Nutzer greifen über die Meta-AI-App, Instagram und WhatsApp auf die neuen Funktionen zu. Twitter Beitrag - Cookies links unten aktivieren. Introducing Muse Image and Muse Video, the first media generation models developed by Meta Superintelligence Labs. Muse Image is our most advanced image generation model yet. It follows instructions faithfully, edits with precision, composes from multiple references, and draws… pic.twitter.com/byNpQZO1RW — AI at Meta (@AIatMeta) July 7, 2026 Spitzenplätze in den Arena-Benchmarks Die neuen Modelle steigen direkt auf den vorderen Plätzen der LM-Arena-Ranglisten ein. Im Bereich der Bildbearbeitung (Image Edit Arena) belegt Muse Image mit 1405 Punkten den zweiten Platz knapp hinter OpenAIs Spitzenreiter gpt-image-2, das 1466 Punkte erreicht. Damit platziert sich das Modell vor sämtlichen Varianten von Googles Nano-Banana-Reihe. Die Versionen nano-banana-pro und nano-banana-2 erreichen dort lediglich 1388 beziehungsweise 1387 Punkte. + Quelle: ArenaAI Im Text-zu-Bild-Vergleich sichert sich Muse Image mit 1280 Punkten ebenfalls den zweiten Platz hinter gpt-image-2, welches mit 1385 Punkten führt. Das Modell von Meta liegt damit vor Konkurrenten wie reve-2.0 mit 1271 Punkten sowie der Websuche-Variante von nano-banana-2 mit 1270 Punkten. + Quelle: ArenaAI Die zeitgleich als Vorschau präsentierte Videovariante Muse Video belegt in der Video-Arena mit 1459 Punkten den dritten Platz. Einzig das überragende Seedance 2 und das neue Gemini Omni Flash liegen noch davor. + Quelle: ArenaAI Integrierte Websuche und Code-Prüfung Muse Image bindet während des Generierungsprozesses externe Datenquellen und Programmiercode ein. Das Modell nutzt eine Websuche, um die historische und faktische Genauigkeit von Bildinhalten zu erhöhen. Ohne diese Suche sinkt die Korrektheit bei komplexen Details erheblich. + Quelle: Meta Herstellereigene Daten zeigen, dass die Suche die korrekte Darstellung von Identitäten auf 70,2 Prozent verbessert, während ohne Websuche nur 29,8 Prozent erreicht werden. Bei bekannten Marken liegt die Genauigkeit mit Suche bei 67,9 Prozent, bei Sehenswürdigkeiten bei 67,3 Prozent und bei allgemeinen Fakten bei 56,6 Prozent. In der Praxis sucht das Modell nach aktuellen Modetrends, scannt Produktkataloge nach passenden Kleidungsstücken und fügt Links zu realen Produkten ein. + Quelle: Meta Muse Image kann außerdem Programmiercode autonom ausführen, um Zwischenergebnisse zu überprüfen. Bei der Erstellung eines Konferenzplakats für die ICML 2025 generierte das Modell einen funktionierenden QR-Code für die Adresse meta.ai. Vor der finalen Bildausgabe prüfte das Modell eigenständig per Code-Ausführung, ob der QR-Code fehlerfrei codiert ist und verlässlich auf die Ziel-Website leitet. + Quelle: Meta Komplexe Kompositionen aus mehreren Vorlagen Das Modell verarbeitet komplexe Prompts, die auf mehreren Bildreferenzen gleichzeitig basieren. In einem Anwendungsbeispiel kombinierte Muse Image die Porträtfotos von vier Personen, das Bild eines bestimmten Fahrrads, die Vorlage eines Anzugs und eine Vogelzeichnung als Stilvorgabe zu einer homogenen Aquarellzeichnung. All diese Komponenten wurden präzise nach den strukturellen Vorgaben im Ausgabebild zusammengeführt. + Quelle: Meta Anwender können bestehende Aufnahmen modifizieren oder reparieren. Ein Beispiel zeigt die Umgestaltung eines Wohnzimmers, bei dem die Raumstruktur vollständig erhalten bleibt, die Einrichtung jedoch exakt in den minimalistischen »Japandi«-Stil übersetzt wird. + Quelle: Meta Das Modell eignet sich ebenso für die Restaurierung alter Fotografien. Es entfernt Farbverschiebungen, Unschärfen und Verblasstheit, während der ursprüngliche Bildaufbau und die historische Bildstimmung unangetastet bleiben. + Quelle: Meta Muse Video mit nativer Tonspur Meta gewährt zeitgleich eine erste Vorschau auf Muse Video. Das Modell nutzt dieselbe Trainingsbasis wie Muse Image. Diese gemeinsame technische Grundlage liefert laut Meta eine besonders hohe visuelle Qualität bei den erzeugten Clips. Abgesehen von der nativen Audiounterstützung fehlen sonst aber noch viele Details. Das Modell soll aber ebenfalls bald erscheinen in Meta AI. Quelle: Meta Unsichtbare Kennzeichnung durch Content Seal Meta integriert das unsichtbare Wasserzeichensystem Content Seal, um die Identifikation von KI-generierten Inhalten zu erleichtern. Dieses bettet ein verstecktes Herkunftssignal in die Bilddaten ein, das auch nach dem Zuschneiden, Komprimieren, Verändern der Größe oder dem Erstellen von Screenshots intakt bleibt. Das Unternehmen stellt ein Erkennungs-Tool bereit, mit dem Nutzer Bilder auf das Vorhandensein dieses Signals überprüfen können. Eine Ausweitung dieser Schutzmaßnahme auf Videodateien befindet sich in der Vorbereitung. Die Funktion wird schrittweise in ausgewählten Ländern innerhalb der Meta-AI-Anwendung, auf der eigenen Website sowie in den Storys von Instagram und bei WhatsApp eingeführt. Anzeige

Google fordert neue Hardware für KI Agenten

aycaramba@all-ai.de (Andreas Becker) — Wed, 08 Jul 2026 06:05:44 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ Ein aktueller Google-Bericht zeigt, dass 83 Prozent der Unternehmen ihre IT-Infrastruktur für den Einsatz autonomer KI-Agenten aufrüsten müssen. Die neuen KI-Systeme überfordern bestehende Rechenzentren durch enormen Speicherbedarf, hohe Latenzen und explodierende Stromkosten. Google reagiert darauf mit spezialisierter Hardware wie den neuen Prozessoren TPU 8t und Axion sowie zentralen Verwaltungstools. Für einen wirtschaftlichen Betrieb rückt zudem die dezentrale Datenverarbeitung via Edge-Computing immer stärker in den Fokus. Google Cloud: State of AI Infrastructure report overview Google drängt Unternehmen zum raschen Umbau ihrer Rechenzentren, um autonom handelnde KI-Agenten produktiv betreiben zu können. Laut dem neuen »State of AI Infrastructure«-Bericht fordern 83 Prozent der befragten IT-Verantwortlichen fundamentale technische Upgrades für Agentic AI. Klassische Architekturen scheitern an den extremen Speicher- und Latenzanforderungen der neuen KI-Modelle. Hohe Kosten durch autonome Berechnungen KI-Agenten bearbeiten Aufgaben eigenständig und lösen pro Prompt hunderte nachgelagerte Aktionen aus. Sie halten dabei große Kontextfenster dauerhaft im Arbeitsspeicher. 62 Prozent der befragten Unternehmen verzeichnen dadurch explodierende Gebühren für Datenübertragungen und ineffizient genutzte Spezialhardware. + Quelle: Google Google empfiehlt daher eine dynamische Zuweisung der Rechenleistung. Schweres Training läuft auf dedizierten Beschleunigern wie der neuen TPU 8t. Für Reaktionen in Echtzeit greifen Kunden künftig auf die TPU 8i zurück, während ARM-basierte CPUs wie Google Axion die Orchestrierung der Agenten übernehmen. Anzeige Kontrolle über verteilte KI-Akteure Wenn tausende Agenten selbstständig E-Mails auswerten oder Datenbanken abfragen, droht rasch ein Kontrollverlust. Für 79 Prozent der Technikchefs bilden Sicherheit und Governance die größten Hürden bei der Skalierung im Unternehmen. Sie verlangen zentrale Steuerungsebenen für Berechtigungen, Identitäten und Workflows. Mit dem Agent Gateway stellt Google eine konkrete Komponente bereit, die alle Interaktionen im Netzwerk protokolliert. Sie zwingt Agenten bei kritischen Aktionen dazu, vorab die Freigabe durch einen Menschen einzuholen. Um fragmentierte Datenbestände zu vermeiden, greifen Agenten über den Cross-Cloud Lakehouse direkt auf unstrukturierte Informationen im gesamten Unternehmensnetz zu. + Quelle: Google Dezentrale Verarbeitung senkt Latenzen Eine rein cloudbasierte Architektur reicht für Echtzeitanwendungen auf Dauer nicht aus. 90 Prozent der Unternehmen stufen Edge-Computing für ihre aktuellen KI-Projekte als elementar ein. Die Berechnung direkt auf Smartphones oder lokalen Servern eliminiert Latenzen bei der Sprachverarbeitung und drückt die operativen Kosten pro Token. Parallel wächst der Druck beim Energieverbrauch, weshalb 91 Prozent der Führungskräfte die Hardwareauswahl vom Strombedarf abhängig machen. In Deutschland verlangt der Gesetzgeber von neuen Rechenzentren bereits einen maximalen PUE-Wert von 1,2. Hardware wie die TPU 8t zielt auf exakt diese engen Vorgaben ab und liefert laut Google die dreifache Leistung der Vorgängergeneration. Eine exakt auf KI-Agenten abgestimmte Infrastruktur trennt im Jahr 2026 erfolgreiche Projekte von reinen Testläufen.

China plant Exportverbot für wichtige KI Modelle

aycaramba@all-ai.de (Andreas Becker) — Tue, 07 Jul 2026 21:40:00 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ China prüft strenge Exportbeschränkungen für seine fortschrittlichsten KI-Modelle von Alibaba und Bytedance. Damit reagiert Peking auf ähnliche Sperren der US-Regierung bei hochleistungsfähigen Systemen von Anthropic. Für Europa bedeutet das den drohenden Verlust von günstigen und mächtigen KI-Alternativen zum US-Markt. Eigene europäische Initiativen und Rechenzentren verzögern sich weiter und sind der Konkurrenz finanziell massiv unterlegen. THE DECODER: China erwägt Exportbremse für seine besten KI-Modelle, und Europa gerät weiter in die Zange Reuters: Beijing is looking at curbing overseas access to China's top AI models, sources say Bisher galt die Sorge vor allem den USA, nun greift die Abschottung auch in Asien um sich. Die chinesische Regierung erwägt strenge Exportbeschränkungen für ihre besten KI-Modelle. Für Europa platzt damit die naive Hoffnung auf eine günstige und offene Alternative zu den reglementierten US-Diensten. KI als nationales Sicherheitsgut Chinesische Behörden verhandeln bereits mit Tech-Giganten wie Alibaba und Bytedance über den künftigen Auslandszugang zu deren Spitzenmodellen. Die Weitergabe der Technologie soll demnächst unter das strenge nationale Sicherheitsgesetz des Landes fallen. Das träfe auch Modelle wie »GLM-5.2« des Start-ups Z.ai, die das Niveau der US-Konkurrenz zu einem Bruchteil der Kosten erreichen. Peking reagiert damit direkt auf Washington. Die US-Regierung hatte erst im Juni den Zugriff auf Anthropics fortschrittliche Modelle »Fable« und »Mythos« für ausländische Nutzer blockiert. Die Supermächte behandeln ihre Modelle inzwischen als strategisches Gut und schließen die Türen für externe Nutzer ab. Anzeige Der bequeme Ausweg verschwindet Für europäische Entwickler und Unternehmen schließt sich damit ein Notausgang. Günstige Modelle aus China galten lange als einfacher Weg, um die Abhängigkeit von US-Anbietern zu umgehen. Dieser Pfad erweist sich nun als Sackgasse. Abgesehen vom französischen Anbieter Mistral verfügt Europa kaum über eigene, konkurrenzfähige KI-Modelle. Erschwerend kommt hinzu, dass der Kontinent weiterhin sein wichtigstes Kapital verliert. Europäische Experten trainieren über Vermittlungsplattformen wie Mercor gezielt die Modelle ausländischer Labore. Das Fachwissen wandert so in Trainingsdaten von Modellen, die der EU künftig verwehrt bleiben könnten. Zahnlose Gegenmaßnahmen Europa reagiert auf diese doppelte Abhängigkeit aus einer Position der Schwäche. Die im vergangenen Jahr beschlossene Initiative »InvestAI« sieht 20 Milliarden Euro für eigene große Rechenzentren vor. Die formelle Ausschreibung verzögert sich allerdings bis zum Sommer 2026, der Bau beginnt frühestens 2027. Im globalen Maßstab wirken diese Bemühungen fast schon resignativ. Allein die vier US-Riesen Amazon, Alphabet, Microsoft und Meta geben im Jahr 2026 voraussichtlich 700 Milliarden Dollar im KI-Sektor aus. Europa muss die technologische Realität bei Rechenleistung und Datenmengen rasch akzeptieren, anstatt auf ein Ende der Entwicklung zu hoffen.

Anthropic bringt seine KI in amerikanische Behörden

aycaramba@all-ai.de (Andreas Becker) — Tue, 07 Jul 2026 21:05:12 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ Anthropic hat die Anwendungen Claude Code und Claude Cowork offiziell für US-Behörden veröffentlicht. Die Software läuft in einer besonders sicheren Umgebung nach dem strengen FedRAMP High Standard. Administratoren erhalten weitreichende Kontrollmöglichkeiten über Ausgaben und den genauen Zugriff auf bestimmte Modelle. Damit können Beamte nun datenschutzkonform administrative Aufgaben delegieren und staatliche IT-Systeme modernisieren. Anthropic – Bringing Claude Code and Claude Cowork to government Anthropic hat Claude Code und Claude Cowork in einer öffentlichen Beta-Version für den US-Behördensektor freigegeben. Die Anwendungen laufen in einer speziell abgesicherten Umgebung, um Software-Systeme zu modernisieren und Büroaufgaben zu automatisieren. Neue Funktionen für den öffentlichen Dienst Claude Code unterstützt Entwickler im öffentlichen Sektor dabei, die IT-Infrastruktur für staatliche Dienstleistungen zu aktualisieren. Parallel dazu greift Claude Cowork direkt auf lokale Dateien auf dem Desktop zu. Dadurch können Mitarbeiter Aufgaben wie das Erstellen von Memos, die Prüfung von Ausschreibungen oder das Vorbereiten von Präsentationen delegieren. Anzeige Strenge Kontrolle über Budgets und Daten Für den Einsatz in Behörden verfügt die Desktop-Anwendung über spezifische Governance-Funktionen. Administratoren können die Ausgaben über Abteilungen hinweg steuern und Budgets an staatliche Fördergelder koppeln. Dafür lassen sich feste Nutzungslimits und Benachrichtigungen einrichten, bevor das Guthaben erschöpft ist. Die Konfiguration erlaubt es, übergeordnete Vorgaben für Unterbehörden festzulegen, welche Modelle genutzt werden dürfen und worauf der Zugriff erlaubt ist. Der Konversationsverlauf verbleibt lokal auf den vom Amt verwalteten Geräten. Die Berechnungen selbst finden in einer nach dem Standard FedRAMP High autorisierten Cloud-Umgebung statt. Sicherheit und administrative Überwachung Jede administrative Änderung wird in einem manipulationssicheren, kryptografisch verketteten Protokoll erfasst. Kritische Operationen aufseiten von Anthropic erfordern zudem die Freigabe durch zwei Personen. Für Sicherheitsprüfungen stellt der Anbieter einen Leitfaden sowie Berichte zu Penetrationstests bereit. Die Verteilung erfolgt über etablierte MDM-Systeme der Behörden, wobei Verträge direkt mit Anthropic geschlossen werden.

Anthropic bringt Claude Cowork auf das Smartphone

aycaramba@all-ai.de (Andreas Becker) — Tue, 07 Jul 2026 20:52:37 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ Anthropic veröffentlicht Claude Cowork für Smartphones und Webbrowser. Die Software bearbeitet umfangreiche Arbeitsaufträge nun komplett im Hintergrund. Nutzer können den Fortschritt mobil überwachen, den Prozess umlenken und finale Ergebnisse freigeben. Die neue Flexibilität zielt auf aufwendige Büroarbeiten ab, die laut Anthropic den Großteil der Nutzung ausmachen. Anthropic Blog: Claude Cowork is coming to mobile and web Anthropic hat Claude Cowork für Smartphones und Webbrowser veröffentlicht. Nutzer können Cowork damit umfangreiche Arbeitsaufträge übergeben, die geräteübergreifend und autonom ablaufen. Autonome Hintergrundverarbeitung Bisher arbeitete Cowork lokal auf dem Laptop. Klappten Anwender das Gerät zu, stoppte die Datenverarbeitung. Wer eine Aufgabe am Schreibtisch startet, kann den Fortschritt künftig nahtlos unterwegs auf dem Smartphone verfolgen. Claude bearbeitet geplante Aufträge nun auch, wenn der Nutzer offline ist. Er durchsucht beispielsweise nachts E-Mails, wertet aktuelle Nachrichten aus und erstellt daraus bis zum Morgen ein Briefing. Entwürfe speichert Claude ab, versendet sie jedoch nicht ungefragt. Benötigt er für den weiteren Ablauf eine Entscheidung, pusht er eine Frage auf das Smartphone. Nutzer können den Entwurf dort prüfen, anpassen oder den Prozess umlenken. Ohne menschliche Freigabe schließt Cowork keine Aktionen ab. Anzeige Fokus auf komplexe Büroarbeit KI-Agenten werden oft mit Softwareentwicklung assoziiert. Laut Anthropic entfallen jedoch mehr als 90 Prozent der Cowork-Nutzung auf allgemeine Büroaufgaben und Content Creation. Anwender lassen Claude Quartalsausgaben abgleichen, Verträge filtern oder Präsentationen aus Transkripten und Vertriebsdaten erstellen. Die Desktop-App bleibt der Ort für tiefgreifende Prozesse, da Cowork nur dort direkt auf lokale Dateien zugreifen kann. Die Web-Version schließt die Lücke für Nutzer, die auf Firmenrechnern keine Anwendungen installieren dürfen. Chat-Funktion und Cowork teilen sich zudem nun eine gemeinsame Oberfläche. Der Beta-Zugang startet in den kommenden Wochen zunächst für Abonnenten des Max-Tarifs. Um den Einstieg in größere Projekte zu erleichtern, verdoppelt Anthropic die Cowork-Nutzungslimits bis zum 5. August.

Strichfiguren halten Nutzer in neuem ChatGPT Trend fest

aycaramba@all-ai.de (Andreas Becker) — Tue, 07 Jul 2026 11:40:00 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ Ein neuer viraler Trend auf ChatGPT kombiniert fotorealistische Bilder mit einfachen 2D-Strichfiguren. Nutzer verwenden einen speziellen Prompt, damit die gezeichnete Figur eine reale Person auf dem Foto am Weglaufen hindert. Der visuelle Reiz entsteht durch den starken optischen Kontrast zwischen realistischer Darstellung und minimalistischer Skizze. Das humorvolle Motiv lässt sich leicht nachmachen und verbreitet sich aktuell rasend schnell in den sozialen Netzwerken. X (ehemals Twitter) - Viraler ChatGPT Trend mit 2D Strichfiguren ChatGPT-Nutzer kombinieren fotorealistische Bilder derzeit mit einfachen 2D-Strichfiguren. Sie lassen die gezeichneten Figuren ihre Freunde in Fotos am Weglaufen hindern, indem sie einen spezifischen Prompt verwenden. Der humorvolle, visuelle Kontrast geht online viral. Einbindung der 2D-Kritzelei Das Vorgehen ist unkompliziert: Ein Foto einer Person, die sich wegbewegt, wird als Referenz hochgeladen. Ein detaillierter Prompt instruiert das KI-Modell, eine einfache, schwarze Strichfigur im minimalistischen Stil zu generieren, die direkt auf dem fertigen Foto handgezeichnet wirkt. Die Figur führt eine bestimmte Handlung aus, wie etwa das Greifen eines Hoodie-Kragens, um die fotorealistische Person zurückzuhalten. Mit folgendem Prompt kann man das Ganze selbst ausprobieren. Gerne auch kreativ leicht abgewandelt: 2D Figuren Prompt Copy Ultra-realistic 8K editorial photo, clean minimalist studio with soft light blue seamless background. Subject: the person from the attached photo, mid-run, laughing uncontrollably with mouth wide open, eyes squinted, mischievous expression. Dynamic running pose, one foot lifted, arms swinging, hair moving with motion, body leaning forward but tilted slightly back from being grabbed. Holding a realistic multi-colored rainbow lollipop in one hand. Wearing clothes from the reference photo, sleeves voluminous but both arms visible, hands anatomically correct with natural finger proportions. On the left, a simple black hand-drawn doodle (minimalist style, rounded head, tiny dot eyes, straight mouth, thick bold marker lines) reaches out and grabs her hoodie collar, yanking it back. Creating visible tension between her forward-running legs and backward-pulled torso. Doodle looks tense, with small motion lines at its hand/arm showing pulling force. Add motion lines around her head to emphasize laughter and movement. All doodle elements should look hand-drawn directly on top of the finished photo in thick black marker. Lighting: bright studio light, soft natural shadows. Style: realistic fabric physics, humorous wholesome storytelling, modern editorial aesthetic, ultra-clean composition Prompt vollständig anzeigen

So tauscht man Objekte in bestehenden Videos

aycaramba@all-ai.de (Andreas Becker) — Tue, 07 Jul 2026 11:25:21 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ ElevenCreative präsentiert einen neuen Workflow, der GPT Image 2 und Aleph 2.0 für nahtlose Videobearbeitung kombiniert. Nutzer passen per Texteingabe ein einziges Einzelbild an, woraufhin Aleph 2.0 diese Änderung auf das komplette Video überträgt. Die Methode spart aufwendige Nachdrehs, da sich Objekte austauschen oder Clips in Green-Screens verwandeln lassen, ohne den restlichen Hintergrund zu verfälschen. Grundvoraussetzung für fehlerfreie Ergebnisse ist jedoch ein möglichst scharfes Ausgangsmaterial ohne zu starke Bewegungsunschärfe. The Verge - Swap Any Object in Video with AI (Aleph 2.0 + GPT Image 2) ElevenLabs - Image & Video | ElevenLabs Documentation Wired - Editing video — Runway Aleph 2.0 API | Runware Docs AlphaSignal - Runway's Aleph 2.0 Changes One Video Frame and Edits the Whole Clip ElevenCreative kombiniert GPT Image 2 und Aleph 2.0 für die Videonachbearbeitung. Nutzer können dadurch einzelne Elemente in einem Clip gezielt verändern, ohne den Rest der Szene zu beeinflussen. Zwei Schritte für zielgenaue Änderungen Produzenten sparen sich durch diese Methode aufwendige Nachdrehs. Ein offizielles Tutorial zeigt, wie sich damit Produkte austauschen, Stile wechseln oder nachträgliche Green-Screen-Effekte erzeugen lassen. Im ersten Schritt extrahiert der Anwender einen scharfen Frame aus dem Ausgangsmaterial. GPT Image 2 bearbeitet diesen Einzelbild-Export anhand einer einfachen Texteingabe. Ein Befehl wie »replace apple with a potato that's on fire« reicht aus, um das Objekt im Bild zu tauschen. Damit die Bildqualität hoch bleibt, empfehlen die Entwickler für diesen Zwischenschritt eine 2K-Auflösung und das exakte Seitenverhältnis des Originalvideos. GPT Image 2 liefert daraufhin vier verschiedene Bildvarianten zur Auswahl. Einzelbild dient als visuelle Vorlage Das ausgewählte Bild dient anschließend als Referenz für Aleph 2.0. Es übernimmt den modifizierten Frame als sogenannten Target Look und wendet die Änderung auf das gesamte Video an. Die restliche Originalszene bleibt völlig unangetastet. Das veröffentlichte Beispiel demonstriert, wie präzise Aleph 2.0 hier arbeitet. Die Flammen und der Rauch der neu eingefügten Kartoffel passen sich physikalisch korrekt an die originale Wurfbewegung des ursprünglichen Apfels an. Anzeige Scharfes Ausgangsmaterial als Voraussetzung Damit Aleph 2.0 fehlerfrei rechnet, gibt es eine wichtige technische Bedingung. Es verarbeitet klare Kanten und langsame Bewegungen am besten. Starke Bewegungsunschärfe im Originalclip erschwert die Objekterkennung und mindert die Qualität des Endergebnisses drastisch. Content Creator müssen daher schon beim Dreh auf scharfes Rohmaterial achten.

Microsoft opfert Xbox-Studios für neue KI-Ziele

silas@all-ai.de (Silas Talon) — Tue, 07 Jul 2026 08:46:36 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ Microsoft streicht weltweit 4800 Arbeitsplätze, was etwa 2,1 Prozent der gesamten Belegschaft entspricht. Von den Kürzungen ist besonders die Xbox-Sparte mit 3200 gestrichenen Stellen und der Ausgliederung mehrerer Entwicklerstudios betroffen. Hintergrund der Entlassungen sind die extrem hohen Investitionskosten für den Ausbau der Azure-Rechenzentren und die KI-Infrastruktur. Reuters - Microsoft to cut 4,800 jobs, overhaul Xbox unit Microsoft entlässt 4800 Angestellte und lagert mehrere Xbox-Entwicklerstudios aus. Der Konzern reduziert seine Belegschaft, um den enormen Kapitalbedarf seiner Azure-Rechenzentren auszugleichen. Direkte Ersetzungen durch künstliche Intelligenz gibt es bei diesen Streichungen laut Management nicht. Kahlschlag im Gaming-Sektor Die Kürzungen treffen primär die Gaming-Sparte mit 3200 gestrichenen Stellen. Xbox-Chefin Asha Sharma informierte die Belegschaft über die anstehende Trennung von mehreren Studios. Compulsion Games und Double Fine Productions arbeiten künftig unabhängig. Ninja Theory und Undead Labs werden ebenfalls ausgegliedert, um eigene Titel eigenständig weiterzuentwickeln. Bei Arkane Studios laufen in Frankreich derzeit Gespräche mit der Arbeitnehmervertretung über die Zukunft des Standorts. Microsoft reagiert mit dem Umbau auf enttäuschende Hardware-Verkaufszahlen und hohe Produktionskosten. Die Strategie rückt von exklusiven Xbox-Titeln ab und fokussiert sich auf eine plattformübergreifende Veröffentlichung von Spielen. Anzeige Infrastrukturkosten belasten Bilanzen Der Sparkurs finanziert den parallelen Ausbau der KI-Infrastruktur. Microsoft prognostizierte im April Investitionen von 190 Milliarden US-Dollar für das Jahr 2026. Dieses Budget fließt vorrangig in neue Datenzentren für das Azure-Cloud-Geschäft. Azure war bis April der exklusive Anbieter für die Modelle von OpenAI. Personalchefin Amy Coleman stellte intern klar: »Die heute gestrichenen Rollen werden nicht durch KI ersetzt.« Sie merkte allerdings an, dass KI die generelle Arbeitsweise im Konzern verändere. Bereits im Frühjahr hatten 9000 Angestellte in den USA freiwillige Abfindungsangebote erhalten, um Personalkosten zu senken. An der Börse sorgte die Ankündigung für keine Erholung. Die Microsoft-Aktie schloss am Montag 1,4 Prozent im Minus. Investoren fordern inzwischen konkrete Zahlen, die belegen, dass die KI-Dienste mehr Geld einbringen, als ihre Rechenzentren verschlingen.

Elon Musks xAI ist Geschichte

silas@all-ai.de (Silas Talon) — Tue, 07 Jul 2026 08:35:59 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ Elon Musks KI-Unternehmen xAI wurde offiziell in SpaceXAI umbenannt und strukturell in den Raumfahrtkonzern integriert. Parallel zur Umstrukturierung wird das fehlerhafte KI-Modell Grok mit Hilfe der Software Cursor von Grund auf neu entwickelt. Langfristig plant der Konzern den Aufbau gigantischer, solarbetriebener KI-Rechenzentren im Erdorbit und auf dem Mond. Gizmodo - xAI Is Dead. Long Live SpaceXAI Elon Musk hat sein KI-Unternehmen xAI am 6. Juli 2026 offiziell in SpaceXAI umbenannt. Mit dem neuen Markenauftritt auf der Kurznachrichtenplattform X beendet der Konzernchef die formelle Eingliederung der KI-Sparte in sein Raumfahrtunternehmen. Der Schritt folgt auf die Übernahme durch SpaceX im Februar und den anschließenden Börsengang des Gesamtkonzerns. Twitter Beitrag - Cookies links unten aktivieren. We are now @SpaceXAI. pic.twitter.com/ema66xDWC9 — SpaceXAI (@SpaceXAI) July 6, 2026 Umbau der Führungsstruktur und Grok-Training Mit dem neuen Namen zieht Musk einen Schlussstrich unter den monatelangen Umbau der Führungs- und Entwicklungsstruktur. Im März 2026 hatte er auf X öffentlich eingeräumt, dass das Startup xAI fehlerhaft strukturiert worden sei und komplett neu aufgebaut werden müsse. Nahezu alle ursprünglichen Mitgründer verließen das Unternehmen in dieser Phase. Um den technologischen Rückstand bei der KI-gestützten Programmierung aufzuholen, forcierte SpaceX im April den Kauf der Coding-Software Cursor für 60 Milliarden US-Dollar. SpaceXAI greift für das Training seiner Modelle bereits auf diese neue Infrastruktur zurück. Ende Mai bestätigte Musk den Abschluss des Trainings für das Basismodell Grok V9-Medium mit 1,5 Billionen Parametern. Die Entwickler nutzten für ein erweitertes Training gezielt Interaktionsdaten der Cursor-Nutzer. Seit Ende Juni läuft die daraus resultierende Version Grok 4.5 in einer geschlossenen Testphase bei SpaceX und Tesla. Anzeige Orbitale Rechenzentren für hohen Energiebedarf Die Verschmelzung von Raumfahrt und künstlicher Intelligenz dient Musks langfristiger Infrastrukturstrategie. SpaceXAI plant, die Skalierungsgrenzen und den immensen Strombedarf irdischer Rechenzentren durch eine Auslagerung in den Weltraum zu umgehen. Im Börsenprospekt von SpaceX formuliert das Unternehmen das Ziel, orbitale Datenzentren zu errichten. Die Hardware soll die Solarenergie im Erdorbit nutzen, um ausreichend Rechenleistung für künftige KI-Modelle bereitzustellen. Auf einer Betriebsversammlung bezifferte Musk die Ausmaße dieses Vorhabens. Der Konzern plant den Start von Datenzentren mit einer jährlichen Leistung von 100 bis 200 Gigawatt. Perspektivisch sieht das Konzept eine installierte Rechenkapazität von bis zu einem Terawatt vor. Um Anlagen in dieser Größenordnung zu betreiben, zieht SpaceX auch Standorte auf der Mondoberfläche in Betracht.

Dieser Roboter ersetzt deinen Partner

silas@all-ai.de (Silas Talon) — Tue, 07 Jul 2026 08:16:11 +0200

GPT-Images-2.0 Kurzfassung ▾ Quellen ▾ UBTECH hat die UWORLD-U1-Serie vorgestellt und bringt damit erstmals lebensgroße, serienfertige Begleitroboter in private Haushalte. Ausgestattet mit lokalen Sprachmodellen und einem übergreifenden Gedächtnis erkennt der Roboter über 20 menschliche Emotionen in Echtzeit. Durch die rein lokale Datenverarbeitung bleibt die Privatsphäre gewahrt, während die Roboter gezielt als psychologische Stütze im Alltag dienen sollen. LinkedIn - UBTECH U1 Pro Series Humanoid Robot Unveiled Yahoo Finance - UBTECH Launches UWORLD U1 NewsBytes - UBTech revealed UWORLD U1 humanoid Ekstra Bladet - Den første af sin slags Der chinesische Hersteller UBTECH hat mit der UWORLD-U1-Serie die ersten serienfertigen humanoiden Roboter für den Endverbrauchermarkt vorgestellt. Statt in Fabriken zu arbeiten, sollen die Modelle menschliche Emotionen erkennen und als Begleiter im privaten Alltag dienen. Menschliche Motorik und Reaktionen Die Ende Juni in Shenzhen präsentierte Serie besteht aus drei Varianten: der Halbkörper-Edition U1 Lite, dem Ganzkörpermodell U1 Pro und der hochdynamischen Ausführung U1 Ultra. Die Preise beginnen bei rund 15.000€. Laut UBTECH gingen bis zum Tag der Präsentation über 13.300 Bestellungen ein. Die U1-Serie ahmt den menschlichen Körper mit 88 Freiheitsgraden und einer bionischen Halswirbelsäule nach. Sie deckt damit 90 Prozent der grundlegenden Motorik ab. Ein biomimetisches Antriebssystem senkt die Latenz zwischen Sprache und Lippenbewegung auf unter 20 Millisekunden, wodurch die Interaktion natürlicher wirkt. Anzeige Lokales LLM für die Privatsphäre Das Herzstück der Roboter ist ein Large Language Model, das gezielt auf langfristige Begleitung trainiert wurde. Es erkennt mehr als 20 Gefühlszustände mit einer Genauigkeit von über 90 Prozent. Das Large Language Model nutzt eine »Fast-and-Slow«-Architektur, die schnelle Reaktionen innerhalb von 500 Millisekunden liefert, während im Hintergrund tiefgreifende Denkprozesse ablaufen. Das Agent Memory OS baut über die Zeit ein lokales Gedächtnis auf, um sich an Details des Nutzers zu erinnern. Es verarbeitet Umgebungssignale kontinuierlich, sodass Unterhaltungen ohne klassisches Aktivierungswort beginnen. Da die Roboter in privaten Wohnräumen agieren, findet die Datenverarbeitung fast ausschließlich lokal auf der Hardware statt, um die Abhängigkeit von Cloud-Diensten zu kappen. Spendenprogramm für die Pflege Neben dem regulären Verkauf zielt UBTECH auf den Pflege- und Gesundheitssektor ab. Das Unternehmen spendet noch in diesem Jahr einhundert maßgeschneiderte U1-Roboter an benachteiligte Gruppen in China. Diese Einheiten nutzen 3D-Gesichtsrekonstruktion und Stimmnachbildung, um das Erscheinungsbild bestimmter Personen exakt zu kopieren. Sie sollen alleinlebenden Senioren oder Kindern ohne Eltern dauerhaft psychologische Unterstützung bieten.