Freitag19. Juni

Die personellen Turbulenzen bei OpenAI lesen sich wie ein Drehbuch in zwei Akten: Aufbau und Abgang gleichzeitig. Mit Noam Shazeer und Dean Ball holt das Unternehmen gleich zwei strategisch gewichtige Namen an Bord — Shazeer als einer der Ko-Autoren des wegweisenden Transformer-Papers „Attention Is All You Need" von 2017 und Ball als ehemaliger Trump-Regierungsberater, der in seiner neuen Rolle als Leiter des „Strategic Futures"-Teams direkt an Chief Strategy Officer Jason Kwon berichtet. Balls Mandat umfasst ausdrücklich Fragen zu katastrophischen Risiken, rekursiver Selbstverbesserung und der Beziehung zwischen Frontier-Labs und der US-Regierung — und er soll laut eigenem Blog-Post auch die interne Governance mitgestalten. Zeitgleich meldet The Verge, dass Barret Zoph das Unternehmen nach nur fünf Monaten wieder verlässt — ausgerechnet der Mann, der OpenAIs Vorstoß ins Unternehmensgeschäft anführen sollte, einem der erklärten Wachstumstreiber vor dem geplanten Börsengang. Zoph war im Januar 2026 von Thinking Machines Lab, dem Startup der ehemaligen OpenAI-CTO Mira Murati, zu OpenAI zurückgekehrt.

Während OpenAI intern jongliert, kämpft Anthropic an einer ganz anderen Front. Das Weiße Haus ordnete vergangene Woche Exportkontrollen für Anthropics leistungsstärkste Modelle an — ein Schritt, dessen unmittelbarer Auslöser laut einem WIRED-Bericht über SK Telecom rekonstruierbar ist: Der südkoreanische Telekommunikationsriese hatte im Rahmen von Anthropics „Project Glasswing"-Programm Zugang zu Claude Mythos erhalten, rund 150 Organisationen gehörten dem erweiterten Kreis an. US-Behörden alarmierten mutmaßliche Verbindungen SK Telecoms zu China. Zusätzlich hatten Amazon-Forscher dem Weißen Haus Schwachstellen in Fable 5 gemeldet, einem öffentlich verfügbaren, hochgesicherten Ableger von Mythos — Anthropic und externe Cybersecurity-Experten bestreiten, dass diese Risiken modellspezifisch sind. Das Ergebnis: Statt nationality-basierte Zugangsfilter einzubauen, was Datenschutzfragen aufgeworfen hätte, nahm Anthropic beide Modelle vollständig vom Netz. Anthropic und das Weiße Haus befinden sich demnach noch in laufenden Verhandlungen. Für Ball und OpenAI ist das der Kontext, in dem ihre regulatorische Positionierung besonders scharf wirkt.

Jenseits dieser machtpolitischen Gemengelage verdichten sich die technischen Debatten auf der Infrastruktur- und Builder-Ebene. Die „Outputmaxxing"-These von Anjney Midha im Latent Space Podcast benennt das Effizienzproblem beim Namen: Während Best-in-class-Cluster heute 60–70 % Model FLOPs Utilization (MFU) erreichen, laufen manche Frontier-Labs laut Midha bei unter 10 % — zum Vergleich: GPT-3 erzielte bereits rund 21 %, PaLM rund 46 %. Mehr GPU-Kapital allein löst das nicht; Scheduling, Kernel-Optimierung und Parallelisierung entscheiden über realen Trainingsfortschritt. Passend dazu liefert Z.ais GLM-5.2 ein konkretes Architekturbeispiel: Das neue Open-Weight-Modell führt „IndexShare" ein, einen Cross-Layer-Wiederverwendungstrick für Sparse Attention, der den Rechenaufwand bei 1-Million-Token-Inferenz senkt, indem der vollständige Indexer nur alle vier Layer neu berechnet wird. Auf dem Artificial Analysis Coding Index erreicht GLM-5.2 dabei 68,8 Punkte gegenüber 56,7 für Claude Opus 4.8 (max).

Für Teams, die LLM-Ausgaben in produktive Pipelines überführen wollen, liefert ein Vergleich von JSON Mode und Function Calling praxisnahe Entscheidungshilfe: JSON Mode garantiert valides JSON, aber keine konsistente Schema-Struktur — Feldnamen können zwischen Durchläufen variieren. Function Calling hingegen erlaubt explizite Schema-Definition und ist damit besser geeignet, wenn nachgelagerte Systeme auf definierte Feldstrukturen angewiesen sind. OpenAI hat mit „Structured Outputs" zusätzlich eine striktere Variante von Function Calling eingeführt, die Schema-Enforcement konsequenter durchsetzt. Parallel dazu entwickelt sich laut TheSequence eine strukturelle Verschiebung in der Unternehmensfinanzierung: Token-Kosten werden zunehmend als eigenständige Bilanzposition erfasst und prognostiziert — die These ist, dass eine neue Software-Kategorie rund um Token-Management entstehen könnte, analog zu ERP-Systemen.

Zwei Builder-Tools runden den Tag ab. Anthropics Artifacts-Integration in Claude Code ermöglicht es Teams, Coding-Session-Ergebnisse als interaktive Web-Seiten mit automatischen Updates und Versionsverlauf zu teilen — als Beta für Team- und Enterprise-Kunden. Simon Willisons Datasette Apps gehen einen ähnlichen Weg: Selbstständige HTML+JavaScript-Applikationen laufen in einem `<iframe>`-Sandbox-Modell mit CSP-Header, der externe HTTP-Requests unterbindet und damit Datenlecks verhindert — besonders relevant für LLM-generierte Artefakte mit Datenbankzugriff. Für alle, die VLM-Architekturen von Grund auf verstehen möchten, bietet SupraLabs' SupraVL-Nano-900k eine vollständig dokumentierte Referenzimplementierung mit CNN-Encoder, GPT-2-Decoder und BPE-Tokenizer — trainiert auf Consumer-Hardware und auf maximale Lesbarkeit ausgelegt.