Prisma AI-News · 26. August 2026
· 9 min Lesezeit
Die Woche zeigt KI als Systemwettbewerb: Modelle werden offener und agentischer, während Anbieter gleichzeitig eigene Chips, Netzwerke und spezialisierte Unternehmenssoftware bauen. Dazu kommt ein härterer Preiskampf bei Frontier-Modellen.
Ox Alpha war Zhipus geheimer Open-Weight-Start
Z.AI hat bestätigt, dass das anonyme Modell Ox Alpha aus der eigenen GLM-Familie stammt und die Gewichte veröffentlichen will. Ox Alpha war am Wochenende ohne erkennbare Herstellerangabe auf OpenRouter aufgetaucht und erreichte dort laut den vorliegenden Berichten den Spitzenplatz. Seine Nutzung lag mehr als doppelt so hoch wie die von DeepSeek. Patrick Collison bezeichnete den Start als „very impressive“.
Bemerkenswert ist die Methode. Ein zunächst nicht genannter Anbieter kann beobachten, wie ein Modell unter realer Nutzung abschneidet, bevor er sich öffentlich dazu bekennt. Laut CTGT ließ sich Ox Alpha dennoch anhand von Tokenizer-Verhalten, Fehlermeldungen, Temperaturgrenze und aktivem Reasoning der GLM-5.x-Familie zuordnen. Im Modell steckte außerdem eine Systemanweisung, die Herkunft nicht preiszugeben.
Die Sicherheits- und Zensurfrage ist weniger eindeutig, als die ersten Schlagzeilen nahelegen. Bei Xinjiang und Taiwan antwortete Ox Alpha laut CTGT vergleichsweise offen. Bei Xi Jinping und Fragen zur innenpolitischen Legitimität zeigte es dagegen ein enges, offenbar gezieltes Zensurmuster. Die Darstellung „sechsmal weniger zensiert als DeepSeek“ greift deshalb zu kurz. Die Tests deuten eher auf eine schmale Blacklist als auf durchgehend weniger Einschränkungen hin. Ein Test zu Liu Xiaobo war zudem nicht stabil.
Mit der Veröffentlichung der Gewichte wird der Start nachhaltiger als ein kurzer Marketplace-Hype. Open Weights erlauben Anpassung und Untersuchung, aber auch das Entfernen von Schutzmechanismen. Genau diese doppelte Wirkung macht den Release relevant.
Eigene KI-Chips werden zum Plattformprojekt
Meta hat auf der Hot Chips 2026 Details zum MTIA-Programm vorgestellt. MTIA 300 ist als Trainingschip für Deep Learning Recommendation Models ausgelegt, also für Empfehlungssysteme, bei denen Speicherzugriffe und Bandbreite zentrale Engpässe sind. Der Chip kombiniert 72 Processing Elements und 16 Messaging Elements mit 216 GB HBM3e. Meta beschreibt eine Geschwindigkeit von mehr als dem 1,8-Fachen bei Vorwärts- und Rückwärtsdurchläufen und sieht den Chip bei den Gesamtkosten auf Augenhöhe mit GPUs. Diese Leistungsangaben stammen aus der Darstellung des Unternehmens.
Der interessante Punkt liegt weniger in einem einzelnen Datenblatt als in der Systemidee. Meta entwickelt eigene Beschleuniger, Speicheranbindung und Kommunikationslogik für erwartete Rechenzentrums-Workloads, statt ausschließlich Standardhardware einzusetzen. In der Roadmap folgen MTIA 400, 450 und 500. Der 400er ist als Inferenzchip für breitere Aufgaben vorgesehen und soll unter anderem FP4 sowie eine Skalierung auf 72 Knoten unterstützen.
Damit verschiebt sich die Konkurrenz eine Ebene nach oben. Nicht nur Rechenleistung zählt, sondern auch Speicherhierarchie, Netzwerk, Software und die Fähigkeit, viele Beschleuniger effizient zusammenarbeiten zu lassen. Die Präsentation zeigt außerdem, dass spezialisierte Chips nicht automatisch einfacher sind. Ihre Vorteile hängen eng an den Workloads und an der Software, die sie auslastet. Für Entwickler außerhalb der jeweiligen Cloud bleibt daher offen, wie zugänglich diese Systeme werden. Für große Anbieter wird eigene Hardware dagegen zunehmend Teil der Modellstrategie.
OpenAIs Jalapeño greift Nvidias Inferenzvorsprung an
OpenAI hat erstmals Benchmarks für den gemeinsam mit Broadcom entwickelten Jalapeño-ASIC veröffentlicht. Der 700-Watt-Chip soll laut OpenAI gegenüber Nvidias GB200- und GB300-Racks eine 1,5- bis 1,9-fach höhere Leistung pro Kilowatt und eine 1,7- bis 3,6-fach niedrigere Ende-zu-Ende-Latenz erreichen. Getestet wurden GPT-OSS 120B, DeepSeek R1 670B und Moonshot AIs Kimi K2.5 auf der öffentlichen InferenceX-Suite.
Die Zahlen sind relevant, aber nicht als unabhängiger Rundumsieg zu lesen. Tom’s Hardware berichtet, dass die Tests mit OpenAI-Ingenieuren im eigenen Labor liefen und OpenAI die Ergebnisse auf Basis der veröffentlichten Package-TDP normalisierte. Bei einem Vergleich mit der gesamten Systemleistung werden die Abstände kleiner. Außerdem trat Jalapeño gegen Konfigurationen mit Single-Token-Vorhersage an, während Nvidia-Deployments in der Praxis häufig Multi-Token-Prediction einsetzen. Gegen Nvidias kommende Vera-Rubin-Plattform wurde nicht getestet.
Auch der Einsatzbereich ist begrenzt. Jalapeño ist ein Inferenzchip und trainiert keine Modelle. Die Veröffentlichung zeigt damit nicht, dass OpenAI Nvidia bei allen KI-Rechenaufgaben ersetzt. Sie zeigt, dass ein Modellanbieter seine eigenen Inferenzkosten und Latenzen mit maßgeschneiderter Hardware optimieren will. OpenAI plant, den Chip noch in diesem Jahr in eigenen Rechenzentren einzusetzen. Sollte sich der Vorteil unter unabhängigen Bedingungen bestätigen, würde das den Wettbewerb bei der Ausführung fertiger Modelle verschärfen. Die Trainingsseite bleibt davon ausdrücklich getrennt.
GPT-5.6 Sol wird für Entwickler günstiger
OpenAI senkt die Entwicklerpreise für GPT-5.6 Sol für drei Monate um mehr als 20 Prozent. Die Reduktion betrifft laut der Meldung die Nutzung im API-Kontext; in der OpenAI-Community wird sie außerdem im Zusammenhang mit Codex-Credits und ChatGPT Work diskutiert. Für Anwendungen mit hohem Tokenverbrauch kann ein solcher zeitlich begrenzter Preisnachlass die laufenden Kosten kurzfristig senken.
Die eigentliche Bedeutung liegt im Wettbewerb zwischen Frontier-Modellen. Anbieter können nicht mehr nur über Fähigkeiten und Benchmarks konkurrieren, sondern auch darüber, wie schnell sich diese Fähigkeiten in echten Produkten rechnen. Ein niedrigerer Preis kann Entwickler dazu bringen, mehr Aufgaben über ein leistungsfähiges Modell laufen zu lassen oder bisherige Anwendungen wirtschaftlicher zu betreiben.
Die Community-Reaktion fällt allerdings nicht ausschließlich positiv aus. In der OpenAI-Diskussion kritisiert ein Nutzer, dass die normale Planquote nicht entsprechend erhöht werde und zusätzliche Credits dadurch weiterhin eine Rolle spielen könnten. Das ist keine unabhängige Kostenanalyse, macht aber sichtbar, dass API-Preise, Abolimits und Kontingente aus Anwendersicht zusammengehören. Der Nachlass ist deshalb kein pauschales Signal, dass KI insgesamt dauerhaft billiger wird. Er ist zunächst eine befristete Preisbewegung für ein konkretes Modell und verschärft den Druck auf konkurrierende Anbieter.
Kimi K2.6 macht lange Agentenläufe zum Produkt
Moonshot AI stellt Kimi K2.6 ohne Warteliste über Kimi.com, die Kimi-App, API und Kimi Code bereit. Das Modell ist multimodal und auf agentische Aufgaben ausgelegt. „Agentisch“ bedeutet hier nicht bloß, dass ein Modell Tools aufrufen kann. K2.6 soll Aufgaben zerlegen, Teilagenten starten, Fehler verwalten und Ergebnisse zusammenführen.
Die Architektur bleibt ein Mixture-of-Experts-Modell mit einer Billion Gesamtparametern und 32 Milliarden aktiv verarbeiteten Parametern pro Token. Das Kontextfenster umfasst 262.144 Tokens. Moonshot berichtet von Testläufen über zwölf und 13 Stunden mit tausenden Tool-Aufrufen. In einem Beispiel optimierte das System Inferenzcode in Zig. In einem weiteren überarbeitete es Teile einer älteren Matching-Engine. Diese Ergebnisse stammen aus Moonshots dargestellten Tests, nicht aus einer neutralen Replikation.
Die Benchmarktabelle zeichnet ein gemischtes, aber starkes Bild. K2.6 liegt bei SWE-Bench Verified nahe bei Claude Opus 4.6 und Gemini 3.1 Pro, übertrifft in der angegebenen Tabelle GPT-5.4 bei SWE-Bench Pro und erreicht bei DeepSearchQA den höchsten F1-Wert des Vergleichs. Gleichzeitig liegt es bei mehreren Aufgaben hinter den geschlossenen Modellen, etwa bei APEX-Agents, HLE-Full und verschiedenen Vision-Benchmarks. Das ist kein allgemeiner Spitzenplatz, sondern ein besonders überzeugendes Profil für lange Recherche- und Coding-Abläufe.
Mit Claw Groups geht Moonshot noch weiter. Bis zu 300 Subagenten und 4.000 koordinierte Schritte sollen möglich sein. Damit wird Orchestrierung selbst zu einer Modellfunktion. Die offene Verfügbarkeit macht diesen Ansatz für Entwickler zugänglich, aber die Qualität langer Läufe hängt weiterhin an Tools, Fehlerbehandlung und überprüfbaren Ergebnissen.
Google verkauft Rechtsarbeit als fertigen Agenten-Stack
Google Cloud hat Gemini Enterprise for Legal als Vorschau vorgestellt. Die Lösung ist kein eigenständiges Modell, sondern eine branchenspezifische Erweiterung von Gemini Enterprise. Sie bündelt vorgefertigte Fähigkeiten für Aufgaben wie Vertragsprüfung, Redlining, Rechtsrecherche, regulatorische Beobachtung, DSAR-Bearbeitung und das Erstellen von NDA-Dokumenten.
Googles Anspruch geht über Textgenerierung hinaus. Agenten sollen mit Dokumentenmanagement, Fallrepositorien, Rechercheangeboten und juristischen Anwendungen verbunden werden und Aufgaben innerhalb dieser Daten ausführen. Dafür nutzt die Plattform laut Google sichere MCP-Connectoren. Bestehende Rollen- und Dokumentberechtigungen sollen übernommen werden. Ein zentraler Kontrollbereich soll Richtlinien, Audit-Logging und nachvollziehbare Zitate unterstützen.
Das ist vorerst ein Anbieterdesign, kein Beleg dafür, dass die beschriebenen Arbeitsabläufe bereits zuverlässig autonom funktionieren. Auch die Formulierung „vollständig gesteuert“ stammt aus Googles Produktdarstellung. Artificial Lawyer ordnet den Start als Googles ersten umfassenden Legal-AI-Dienst für den breiteren Markt ein und nennt Partner wie Legora, Harvey, iManage, NetDocuments, RelativityOne und Thomson Reuters. Die Vorschau startet mit juristischen Teams mehrerer Kanzleien.
Bemerkenswert ist die Richtung des Marktes. Branchensoftware wird nicht mehr nur als Chatfenster mit Fachprompt gedacht, sondern als Kombination aus Modellen, Skills, Datenzugriff, spezialisierten Agenten und Governance. Für Rechtsabteilungen dürfte genau diese Integration entscheidender sein als ein isolierter Benchmark. Gleichzeitig bleibt die menschliche Prüfung zentral, besonders bei vertraulichen Informationen, Zitaten und rechtlicher Bewertung.
Microsofts Maia 200 zeigt die Kosten der Spezialisierung
Microsoft hat die Architektur seines Maia-200-Beschleunigers auf der Hot Chips 2026 detailliert. Der 3-nm-Chip besitzt laut der vorliegenden Darstellung 140 Milliarden Transistoren, sechs HBM3e-Stacks, 7 TB/s Speicherbandbreite und eine thermische Verlustleistung von 750 Watt. Microsoft nennt 10.000 FP4-TFLOPS. Der Chip ist für Azure-Inferenz ausgelegt und wird als Teil eines vollständigen Systems aus Beschleunigern, Netzwerk, Rack und Software eingesetzt.
Ein Kern der Architektur ist Software Defined Local Access. Dabei plant die Software den Datenfluss, während Recheneinheiten auf lokale Datenpfade zugreifen. Kacheln kombinieren Tensor-, Vektor- und Steuerprozessoren sowie DMA-Blöcke und lokalen Cache. Dadurch sollen Datenbewegungen, Steuerung und Berechnung überlappen können. Das kann bei Workloads mit wiederverwendeten Gewichten und Aktivierungen helfen, verlangt aber zugleich, dass Compiler und Kernel die Hardware sehr genau kennen.
Für die Skalierung nutzt Maia 200 ein eigenes Ethernet-Modell mit acht Ethernet-Lanes und vier Netzwerkebenen pro SoC. Microsoft beschreibt eine Infrastruktur mit 128 Racks und ungefähr 6.000 Chips. Eine getrennte Scale-out-Netzwerkstruktur gibt es in dieser Darstellung nicht. Das vereinfacht den Stack für Azure, erhöht aber die Bedeutung von Netzwerk, kollektiven Operationen und Lastverteilung.
Der praktische Schluss ist nicht, dass Maia 200 pauschal schneller als GPUs ist. Dafür fehlen unabhängige Vergleichsdaten im Material. Sichtbar wird stattdessen, warum Cloudanbieter eigene Chips bauen: Sie können Rechenwerk, Speicher, Kommunikation und Compiler gemeinsam optimieren. Der Preis dafür ist eine stärkere Bindung an die jeweilige Softwareumgebung.
Außerdem diese Woche
- DeepSeek testet ein experimentelles Vision-Modell, das laut Bloomberg bei anspruchsvollen Aufgaben an Anthropics Opus 4.8 heranreichen soll.
- IBM veröffentlicht Granite 4.2 mit 3B-, 8B- und 30B-Modellen unter Apache 2.0. Die Modelle kombinieren einen zuschaltbaren Denkmodus mit Training in Software-, Terminal- und Webumgebungen, berichtet Unite.ai.
- Google kündigt laut Axios Werkzeuge an, mit denen Unternehmen ihre KI-Ausgaben besser begrenzen und steuern sollen.
- Perplexity bietet seinen Computer-Agenten für Nvidia-DGX-Spark- und RTX-Linux-Systeme als lokale Variante an, berichtet VentureBeat.
- WordPress Studio erhält eine agentische Beta, mit der Nutzer Projekte in der Desktop-App erstellen und verändern können, berichtet WordPress.com.
- Eine Untersuchung in Alabama deutet laut PYMNTS auf eine neue US-Regulierungsfront für besonders leistungsfähige KI-Modelle hin.
- Alibaba veröffentlicht Qwen3.8-Max und Qwen3.8-27B, darunter ein offenes 27B-Vision-Language-Modell, berichtet DeepLearning.AI.
- Meta bringt Muse Glimmer, ein offenes multimodales 30B-Modell mit Tool-Aufrufen und Unterstützung für lokale Agenten-Workflows, berichtet Creati.ai.
Welche Entwicklung verändert eurer Einschätzung nach gerade am stärksten die Praxis: offene Agentenmodelle, eigene KI-Chips oder branchenspezifische Plattformen?