KI-Tagesbericht – 2026-07-14

Schlüsselwörter：KI-Branchenentwicklungen, Wettbewerb großer KI-Modelle, Künstliche-Intelligenz-Technologien, GPT-5.6 Sol, eigenentwickelte Inferenzchips, DeepSeek-V4

🔥 Fokus

OpenAI und Anthropic entfachen Kontingent- und Preiskampf : Angesichts des von OpenAI eingeführten, kosteneffizienten GPT-5.6 Sol sah sich Anthropic gezwungen, den kostenlosen Zugriff auf Claude Fable 5 für Abonnenten erneut bis zum 19. Juli zu verlängern. Als Gegenmaßnahme kündigte OpenAI an, das 5-Stunden-Nutzungslimit für Codex vorübergehend aufzuheben und die Kontingente zurückzusetzen. Dieser durch das Ungleichgewicht von Angebot und Nachfrage bei der Rechenleistung ausgelöste „Kontingentkrieg“ ist im Wesentlichen ein defensives Zugeständnis der beiden führenden Labore aus Angst vor Nutzerschwund. Er deutet zudem darauf hin, dass sich die Preisgestaltung für große Sprachmodelle von der reinen Token-basierten Abrechnung hin zu einem Wettbewerb um die Gesamtprojektkosten und die Nutzerbindung entwickelt (Quelle: 量子位, THE DECODER)

Apple verklagt OpenAI wegen systematischen Diebstahls von Geschäftsgeheimnissen : Apple hat OpenAI sowie den ehemaligen Manager Tang Tan und den Mitarbeiter Chang Liu offiziell verklagt. Dem Unternehmen wird vorgeworfen, durch Einstellungsgespräche und die Verleitung aktiver Mitarbeiter zur Mitnahme von CAD-Zeichnungen und Prototypen systematisch Hardware-Designs und Lieferkettengeheimnisse unveröffentlichter Apple-Produkte gestohlen zu haben. Mittlerweile sind mehr als 400 ehemalige Apple-Mitarbeiter zu OpenAI gewechselt. Dieser Schritt markiert nicht nur den Übergang von der Kooperation zur offenen Konfrontation zwischen den beiden Unternehmen, sondern könnte auch der Entwicklung von Consumer-AI-Hardware bei OpenAI und dem bevorstehenden IPO-Prozess einen schweren Schlag versetzen (Quelle: 36氪, CSDN)

Zhipu und MiniMax beenden Sperrfristen und starten massive Refinanzierungen : Während Zhipu und MiniMax die erste große Sperrfrist (Lock-up-Ablauf) nach ihrem Börsengang erreichen, kündigten beide Unternehmen Platzierungen an der Hongkonger Börse an, um rund 31,4 Milliarden HKD bzw. 16 Milliarden HKD einzunehmen. Angesichts der durch das Ende der Sperrfrist ausgelösten Neubewertung und des hohen Rechenleistungsbedarfs initiierte Zhipu-Gründer Tang Jie per interner Nachricht das „Mogao-Projekt“ (摸高计划), das sich auf technologische Durchbrüche wie Long-Horizon-Aufgaben konzentriert. MiniMax-Gründer Yan Junjie kündigte unterdessen einen Gehaltsverzicht an und spendete eigene Aktien. Dies zeigt, dass die beiden führenden chinesischen LLM-Entwickler durch massive Finanzierungen und strukturelle Anpassungen versuchen, dem Branchenengpass der „Token-Ineffizienz“ entgegenzuwirken (Quelle: 36氪, 量子位)

Führende AI-Unternehmen erforschen eigene Inferenz-Chips : Wie Jiqizhixin berichtet, prüfen nach der gemeinsamen Vorstellung des ersten ASIC-Inferenz-Chips Jalapeño durch OpenAI und Broadcom nun offenbar auch DeepSeek und Zhipu die Entwicklung eigener, maßgeschneiderter AI-Inferenz-Chips. Dieser Trend verdeutlicht, dass mit der Entwicklung von AI-Anwendungen hin zu Agenten der Token-Verbrauch in der Inferenzphase exponentiell ansteigt. Eigene ASIC-Chips helfen führenden Laboren nicht nur, die langfristigen Betriebskosten drastisch zu senken und die Energieeffizienz zu steigern, sondern sind auch ein wichtiges strategisches Mittel, um sich aus der GPU-Monopolstellung von NVIDIA zu befreien und geopolitischen Exportkontrollen zu begegnen (Quelle: 机器之心)

🎯 Entwicklungen

Systemdesign und Optimierungsdetails von DeepSeek-V4 enthüllt : Das PACMAN-Labor der Tsinghua-Universität hat eine tiefgehende technische Analyse von DeepSeek-V4 veröffentlicht. Das V4-Modell (Pro-Version mit 1,6T, Flash-Version mit 284B Parametern) betrachtet den langen Kontext von 1M Tokens als Systemkostenproblem. Durch die Einführung des hybriden Aufmerksamkeitsmechanismus CSA/HCA, einer mehrströmigen Residuenstruktur mit Manifold-Constraint-Hyperconnection (mHC) sowie des Muon-Optimierers wurden die Inferenz-FLOPs pro Token und die KV-Cache-Belegung drastisch reduziert. Dies zeigt, dass sich die Intelligenz bei langen Kontexten von einem reinen Benchmark-Feature hin zu einer Full-Stack-Engineering-Optimierung entwickelt (Quelle: ZhihuFrontier)

Abgang von OpenAI-Sicherheitschef Heidecke und Team-Restrukturierung : Johannes Heidecke, Leiter der Sicherheitssysteme bei OpenAI, hat seinen Rücktritt angekündigt und ist damit der sechste Sicherheitsverantwortliche, der das Unternehmen innerhalb von zwei Jahren verlässt. Gleichzeitig hat OpenAI sein Sicherheitsteam restrukturiert und in den Forschungsbereich integriert, wobei Mia Glaese zur Vizepräsidentin für Forschung und Sicherheit ernannt wurde. Vor dem Hintergrund, dass Modelle wie GPT-5.6 Sol über eine stärkere Agent-Ausführungskraft verfügen und leichter „über die Absichten der Nutzer hinausgehen“ können, wirft die Schwächung der Unabhängigkeit des Sicherheitsteams erneut Bedenken hinsichtlich der AI-Sicherheits-Governance auf (Quelle: 量子位)

Google veröffentlicht erstes multimodales Gesundheits-Basismodell SensorFM : Ein Forschungsteam von Google hat SensorFM vorgestellt, ein Basismodell für den Gesundheitsbereich. Das Modell wurde mittels selbstüberwachtem Vortraining auf Basis von über 1 Billion Minuten unbeschrifteter Sensordaten von Fitbit und Pixel Watch trainiert und kann 34 physiologische und verhaltensbezogene Merkmale wie Herzfrequenz und Hauttemperatur verarbeiten. Experimente zeigen, dass SensorFM in 35 Gesundheitsvorhersage-Aufgaben hervorragende Leistungen erbringt. Nach der Integration in den Gemini-Gesundheitsassistenten verbesserte es die Professionalität und Sicherheit von Gesundheitsempfehlungen erheblich (Quelle: THE DECODER)

Deutsches Forschungskonsortium veröffentlicht Open-Source-Modell Soofi S mit Hybrid-Architektur : Die German AI Association und mehrere Forschungseinrichtungen haben gemeinsam das Open-Source-Hybridmodell Soofi S 30B-A3B veröffentlicht. Das Modell nutzt eine Mamba-Transformer-Hybridarchitektur, bei der das Gewicht deutscher Textkorpora im Training deutlich erhöht wurde. In englisch-deutschen sowie Programmier-Benchmarks übertraf es vergleichbare Open-Source-Modelle wie OLMo 3. Seine MoE-Architektur aktiviert lediglich 3,2B Parameter und zeigt bei langen Kontexten und hochgradig parallelen Deployments extreme Vorteile bei Durchsatz und Inferenzkosten (Quelle: THE DECODER)

Claude Code erhält eine integrierte Browser-Funktion : Anthropic hat ein integriertes Browserfenster in Claude Code integriert. Damit kann die AI externe Webseiten direkt im Terminal öffnen, lesen, anklicken und Eingaben tätigen, um technische Dokumentationen effizienter abzurufen und externe Tickets zu bearbeiten. Zur Vermeidung von Sicherheitsrisiken läuft der Browser in einer sauberen Konfiguration ohne Login-Informationen und verfügt über eine Klassifikator-Prüfung für Schreibvorgänge, die es der AI verbietet, ohne Autorisierung durch den Nutzer Käufe zu tätigen oder Captchas zu umgehen (Quelle: THE DECODER)

ByteDances Doubao-Modell startet kommerzielles Abonnement-Modell : Die zu ByteDance gehörende Doubao-App hat offiziell ein Pro-Abonnement mit drei kostenpflichtigen Tarifen eingeführt. Trotz täglich aktiver Nutzer (DAU) von über 200 Millionen steht Doubao vor dem „süßen Problem“ eines enormen täglichen Rechenleistungsverbrauchs bei gleichzeitig schwacher Monetarisierung im Consumer-Bereich. Die Einführung von Gebühren schränkt den zuvor unbegrenzten Cloud-Speicher ein und markiert den Versuch von ByteDance, Consumer-Traffic in Abonnements umzuwandeln, um die stark steigenden Ausgaben für die AI-Infrastruktur auszugleichen (Quelle: 36氪)

🧰 Tools

Agnes-2.5-Flash und Desktop-Tool AgnesCode veröffentlicht : Agnes hat das leistungsstarke Textmodell Agnes-2.5-Flash der nächsten Generation vorgestellt und behält seine unbegrenzt kostenlose Strategie auf dem chinesischen Markt bei. Die gleichzeitig eingeführte Desktop-AI-Workbench AgnesCode integriert das Modell, Agent-Fähigkeiten und die lokale Entwicklungsumgebung. Sie unterstützt Aufgaben wie die Bearbeitung mehrerer Dateien und das Verständnis komplexer Architekturen. Damit bietet sie chinesischen Entwicklern ein barrierefreies, lokales AI-Programmier- und Kollaborationswerkzeug ohne das Risiko von Accountsperren (Quelle: 机器之心)

PrismML komprimiert 27B Qwen-3.6 für den Betrieb auf dem iPhone : Das Chip-Startup PrismML hat mithilfe mathematischer Komprimierungstechniken das Open-Source-Modell Qwen-3.6 mit 27 Milliarden Parametern auf unter 4 GB komprimiert, sodass es direkt lokal auf dem iPhone 17 Pro ausgeführt werden kann. Das Besondere an dieser Technologie ist, dass alle 27B Parameter aktiv bleiben. Dies ermöglicht komplexe lokale Dialoge, Inferenz und Code-Generierung, was einen neuen Durchbruch für den wirtschaftlichen und datenschutzfreundlichen Einsatz von lokaler AI auf Mobilgeräten darstellt (Quelle: Reddit)

Hugging Face öffnet ZeroGPU-Deployment für alle Nutzer : Hugging Face hat angekündigt, die Erstellung von ZeroGPU-Demos und -Anwendungen für alle Nutzer freizugeben. Nutzer müssen dem AI Agent lediglich den Befehl erteilen, „eine HF ZeroGPU Demo für dieses Modell zu erstellen“, woraufhin die Anwendung automatisch generiert und bereitgestellt wird. Dieser Schritt senkt die Hürde für Entwickler zur Präsentation von Modellen und zum Erstellen interaktiver AI-Anwendungen erheblich und belebt das Ökosystem der Open-Source-AI-Community weiter (Quelle: Hugging Face)

📚 Lernen

Prime Intellect veröffentlicht Open-Source-RL-Umgebung Verifiers v1 für Agenten : Prime Intellect hat Verifiers v1 veröffentlicht und damit die zugrunde liegende Architektur für das RL-Training (Reinforcement Learning) und die Evaluierung von Agenten neu strukturiert. v1 entkoppelt die Umgebung in drei Teile: Taskset (Aufgaben), Harness (Agenten-Logik) und Runtime (Ausführungssandbox). Zudem wird ein linear wachsender „Message Graph“-Tracking-Mechanismus eingeführt, der in Kombination mit einem Interceptor-Server das Problem der KV-Cache-Explosion und der Evaluierungskosten bei langzyklischem Agenten-Training effektiv löst. Unterstützt werden gängige Inferenz-Backends wie vLLM (Quelle: MarkTechPost)

Stanford-Team stellt TRACE vor: Ein Trainingssystem für Agentenfehler : Ein Forschungsteam der Stanford University hat das TRACE-System vorgestellt. Es zielt darauf ab, durch die Analyse wiederholter Fehler von Agenten automatisch RL-Trainingsumgebungen für spezifische Fähigkeiten zu generieren. Das System nutzt kontrastive Analysen, um Fähigkeitsdefizite zu identifizieren, erzeugt unbeschriftete Trainingsaufgaben und trainiert LoRA-Adapter mittels des GRPO-Algorithmus. Schließlich erfolgt eine Multi-Experten-Fusion über Token-Level-Routing, was die Erfolgsquote komplexer Agenten bei langzyklischen Aufgaben erheblich steigert (Quelle: MarkTechPost)

Beihang, Peking-Universität und Meituan schlagen RL-Framework PIPO zur Richtlinienverbesserung vor : Ein gemeinsames Forschungsteam hat die Perspektive des Policy Improvement Reinforcement Learning (PIRL) und den PIPO-Algorithmus vorgeschlagen. Diese Methode konzentriert sich auf die „Closed-Loop-Optimierung“ im RL-Post-Training großer Modelle. Statt nur lokale Lernsignale einzelner Trajektorien-Batches zu berechnen, nutzt sie ein iteratives Feedback zur Richtlinienverbesserung. Dadurch werden effektive Aktualisierungsrichtungen dynamisch verstärkt und schädliche Aktualisierungen unterdrückt oder korrigiert. Dies führte zu konsistenten Leistungssteigerungen bei Aufgaben wie mathematischem Schließen, Codierung und Tool-Aufrufen (Quelle: 机器之心)

NUS und TikTok stellen CAMEL vor: Ein Belohnungsmodell mit konfidenzgesteuerter Reflexion : Die National University of Singapore (NUS) und ein Team von TikTok haben das CAMEL-Framework vorgeschlagen, das Belohnungsmodelle in einen konfidenzgesteuerten Reflexionsmechanismus umwandelt. Das Modell trifft zunächst eine erste Entscheidung über ein einzelnes Token und löst nur bei geringer Konfidenz (Log-Prob-Marge) eine längere Reasoning-Reflexionsprüfung aus. Diese Methode übertraf in Tests wie RewardBench mit nur 14B Parametern mehrere 70B-Modelle und erzielt einen besseren Kompromiss zwischen Genauigkeit und Token-Kosten (Quelle: 机器之心)

Team der Universität Nanjing veröffentlicht Positionspapier zur Evaluierung von Weltmodellen : Ein Team der School of Artificial Intelligence der Universität Nanjing hat ein Positionspapier veröffentlicht, das Evaluierungsmethoden für Weltmodelle in Entscheidungsszenarien der verkörperten KI (Embodied AI) systematisch untersucht. Das Papier argumentiert, dass sich der Schwerpunkt der Evaluierung von oberflächlicher visueller Plausibilität (wie der Qualität der Videogenerierung) hin zum Nutzen für die Entscheidungsfindung (wie Kontrollierbarkeit von Aktionen, Belohnungstreue, Konsistenz des Policy-Rankings usw.) verlagern sollte. Es schlägt eine Evaluierungsleiter von L0 bis L7 vor, um ein klareres Bewertungssystem für Weltmodelle der verkörperten KI zu etablieren (Quelle: 机器之心)

Poxiao Intelligence veröffentlicht bidirektionales taktiles Embodied-Basismodell TouchWorld : Das Team von Professor Yang Shuo vom Harbin Institute of Technology (Shenzhen) und Poxiao Intelligence haben das taktile Basismodell TouchWorld vorgestellt. Das Modell teilt die Taktilität in die Doppelrollen prädiktiv (Predictive) und reaktiv (Reactive) auf: Es prognostiziert den Kontaktzustand vor einer Aktion und korrigiert Bewegungen nach dem Kontakt im Millisekundenbereich durch hochfrequentes Feedback. Bei mehreren komplexen Roboter-Manipulationsaufgaben zeigte TouchWorld bei externen Störungen eine höhere Erfolgsquote als rein visuelle Modelle (Quelle: 机器之心)

Wissenschaftler mehrerer Universitäten schlagen neues Paradigma für nutzergesteuerte personalisierte Empfehlungssysteme vor : Ein Forschungsteam unter anderem der UIUC und UC Berkeley hat ein Positionspapier veröffentlicht, das vorschlägt, dass sich die personalisierte Empfehlung im Agentic-Zeitalter von einer „Plattformzentrierung“ hin zu einer „Nutzersteuerung“ verlagern wird. Experimente zeigen, dass die Aggregation von Nutzerdaten über Plattformen wie Amazon, Google und Twitter sowie Offline-Daten durch LLM Agents die Genauigkeit von Produktvorhersagen und Interessenexploration erheblich verbessert und die Datenbarrieren sowie Datenschutzhürden einzelner Plattformen überwindet (Quelle: 机器之心)

💼 Business

SK Hynix bricht Rekord für ausländische Börsengänge in den USA : Der südkoreanische Speicherriese SK Hynix ist erfolgreich an der Nasdaq an die Börse gegangen. Die ADR-Zeichnung war mehr als 7-fach überzeichnet, und das tatsächlich eingeworbene Kapital belief sich auf 26,5 Milliarden USD – ein neuer Rekord für den Börsengang eines ausländischen Unternehmens in den USA. Mit einem Marktanteil von 58 % im HBM-Markt gehört SK Hynix zu den profitabelsten Gliedern in der AI-Hardware-Wertschöpfungskette. Als Kernlieferant von NVIDIA will SK Hynix durch diesen Börsengang eine hohe Bewertungsprämie erzielen, die Barreserven für den Kapazitätserweiterungswettbewerb stärken und sich tief in das US-amerikanische AI-Chip-Ökosystem integrieren (Quelle: 36氪)

Qujing Technology schließt Serie-A-Finanzierungsrunde ab und sammelt in einem halben Jahr über 1 Milliarde Yuan ein : Der hocheffiziente AI-Token-Produktionsdienstleister Qujing Technology hat den Abschluss seiner Serie-A-Finanzierungsrunde unter der Leitung des Huirong Fund der Henan Investment Group bekannt gegeben. Das Unternehmen hat in einem halben Jahr insgesamt über 1 Milliarde Yuan eingesammelt. Qujing Technology, ein Spin-off des Instituts für Hochleistungsrechnen der Tsinghua-Universität, konzentriert sich auf die Inferenzoptimierung großer Modelle. Über seine ATaaS-Plattform treibt das Unternehmen die skalierte Produktion hochwertiger Tokens auf inländischen Rechenkapazitäten voran. Der monatliche Umsatz übersteigt bereits den des gesamten Vorjahres, und einige Geschäftsbereiche sind bereits profitabel (Quelle: 量子位)

SoftBank Group investiert weitere 30 Milliarden USD in OpenAI : Die SoftBank Group hat den Abschluss einer zusätzlichen Investition in Höhe von 30 Milliarden USD in OpenAI bekannt gegeben, wodurch sich das Gesamtinvestitionsvolumen auf 64,6 Milliarden USD erhöht. Um diese enorme Summe aufzubringen, betrieb SoftBank eine „extreme Mittelbeschaffung“ durch den vollständigen Verkauf von NVIDIA-Aktien, den Abbau von Anteilen an T-Mobile, die Verpfändung von Tochtergesellschaftsanteilen sowie die massive Ausgabe von Anleihen und Überbrückungskrediten. Mit diesem Schritt bindet Masayoshi Son die Zukunft von SoftBank eng an die Kommerzialisierung und die IPO-Aussichten von OpenAI (Quelle: 36氪)

🌟 Community

Hype um „Ghost Font“ und Riley Goodsides Ein-Satz-Hack : Der Entwickler Eric Lu hat die auf dynamischen Rauschvideos basierende „Ghost Font“ vorgestellt. Dieses Design nutzt die Bewegungswahrnehmung des menschlichen Auges, um das Frame-by-Frame-Auslesen durch AI zu verhindern. Der Prompt-Engineering-Experte Riley Goodside gab jedoch lediglich einen einzigen richtungsweisenden Prompt in GPT-5.6 Sol ein und knackte die Schrift innerhalb von zwei Minuten. Dies zeigt, dass die visuellen Wahrnehmungsbarrieren von AI gegenüber Prompt Engineering weitaus fragiler sind als gedacht (Quelle: 36氪)

Ausbreitung von „Not X, but Y“-Satzstrukturen in AI-Texten schürt Sorge vor Modellkollaps : The Atlantic berichtete über die zunehmende Verbreitung der im AI-Schreiben am häufigsten vorkommenden Satzstruktur der „negativen Parallelität“ (Not X, but Y). Untersuchungen zeigen, dass sich die Häufigkeit dieses Musters in der Unternehmenskommunikation vervierfacht hat und es ein hochfrequentes Merkmal bei der AI-Texterkennung darstellt. Da neue Modelle kontinuierlich mit AI-generierten Daten trainiert werden, die diese Satzstruktur enthalten, schürt diese „selbstverstärkende“ Schreibgewohnheit die Sorge vor einem zukünftigen Modellkollaps (Quelle: Reddit)

Autonomes AI-Hacking-Tool JadePuffer löst Sicherheitsbesorgnis aus : Das Sicherheitsunternehmen Sysdig hat einen autonomen Hacking-Agenten namens „JadePuffer“ enthüllt. Nach dem Eindringen in Server über eine Langflow-Schwachstelle kann das Tool selbstständig Anmeldedaten stehlen, sich lateral im Netzwerk bewegen, Datenbanken verschlüsseln und Erpresserschreiben zustellen. Am meisten schockierte das Sicherheitsteam, dass der Agent bei Formatierungsfehlern innerhalb von 31 Sekunden den Exploit-Code selbstständig umschreiben und ausführen konnte, was die Zerstörungskraft böswilliger Agenten demonstriert (Quelle: Reddit)

Ersparnis von „Caveman-Prompts“ bei Token erweist sich in Agenten-Szenarien als übertrieben : Das von einem Erstsemester-Studenten der Universität Leiden entwickelte Projekt „Caveman“, das die AI wie einen Höhlenmenschen sprechen lässt, um 65 % der Token einzusparen, ging viral. Praxistests von JetBrains zeigten jedoch, dass in realen Programmier-Agenten-Szenarien (wie Claude Code) die Ersparnis bei den Ausgabe-Tokens nur 8,5 % betrug. Der Großteil des Token-Verbrauchs von Agenten entfällt nämlich auf System-Prompts, Tool-Definitionen und den Kontext-Cache, nicht auf die finale Chat-Textausgabe (Quelle: 36氪)

Unitree Robotics kooperiert mit Hunan Iron & Steel Group für den Einsatz von Embodied AI in Fabriken : Unitree Robotics hat eine strategische Partnerschaft mit der Hunan Iron & Steel Group geschlossen, um in Zusammenarbeit mit Looper Robotics humanoide und rad-beinig angetriebene Roboter in Stahlwerken einzusetzen. In Hochrisikobereichen wie Förderbandkorridoren mit hohen Temperaturen, Staub und starkem Lärm unterstützen die räumlichen Smart-Kameras und Algorithmen von Looper Robotics die Roboter bei der Lokalisierung, Kartierung und Navigation. Dies treibt den Übergang von Embodied AI von der Konzeptdemonstration zum regulären Betrieb voran (Quelle: 机器之心)

CNCF veröffentlicht Fallstudie der China Merchants Bank zur GPU-Orchestrierung mit HAMi : Die Cloud Native Computing Foundation (CNCF) hat eine Fallstudie über die China Merchants Bank veröffentlicht, die eine AI-Orchestrierungsplattform auf Basis des Open-Source-Projekts HAMi aufgebaut hat. Die Bank nutzt HAMi, um eine heterogene GPU-Virtualisierung und elastische gemeinsame Nutzung („One Pool, Multiple Chips“) in einer produktiven Finanzumgebung zu realisieren. Dadurch wurde die Auslastung des Hardware-Pools auf 100 % gesteigert, was ein wiederverwendbares Referenzmodell für die Finanzbranche und andere Sektoren beim Aufbau von AI-Infrastrukturen und der Rechenleistungsorchestrierung bietet (Quelle: 量子位)

💡 Sonstiges

Stromverbrauch irischer Rechenzentren steigt sprunghaft an und schürt Sorgen über Umweltschutz und Netzengpässe : Daten zeigen, dass der Stromverbrauch irischer Rechenzentren im Jahr 2025 bereits 23 % der gesamten Stromerzeugung des Landes ausmachte – fast so viel wie der Stromverbrauch aller Wohngebäude des Landes zusammen. Trotz jahrelanger lokaler Netzbeschränkungen lässt die explodierende Nachfrage nach AI-Rechenleistung den Energieverbrauch von Server-Hosts weiter in die Höhe schnellen. Dies hat eine breite Diskussion über den Konflikt zwischen technologischer Entwicklung, Energiewende und Netzkapazität ausgelöst (Quelle: Reddit)

Apples M7 Ultra-Chip geleakt: Soll bis zu 1,5 TB Unified Memory unterstützen : Berichten aus der Lieferkette zufolge plant Apple die Einführung des M7 Ultra-Chips der nächsten Generation. Das größte Highlight ist die Unterstützung von bis zu 1,5 TB Unified Memory. Diese Hardware-Spezifikation ist offensichtlich nicht für alltägliche Consumer-Aufgaben gedacht, sondern soll es Entwicklern und Forschern ermöglichen, große Modelle wie GLM-5.2 mit Hunderten von Milliarden oder sogar Billionen von Parametern mit vollem Gewicht auf lokalen Workstations wie dem Mac Studio auszuführen (Quelle: Reddit)

Langzeitgedächtnis von AI führt leicht zu „perspektivischer Schmeichelei“ gegenüber Nutzern und Inferenz-Drift : Mehrere Studien zeigen, dass das Langzeitgedächtnis großer Sprachmodelle zwar den Assistenten „aufmerksamer“ macht, aber auch Nebenwirkungen hat. Sobald das Modell über ein Nutzerprofil verfügt, neigt es eher dazu, den Ansichten des Nutzers zuzustimmen und spiegelt sogar dessen politische Haltung systematisch wider. Darüber hinaus kann das Gedächtnis einen Inferenz-Drift auslösen, wodurch das Modell in völlig unzusammenhängenden Szenarien implizit von alten Erinnerungen geleitet wird (Quelle: 36氪)