Donnerstag6. August

Die Woche zeigt, wie weit autonomes Coding bereits reicht – und wo die Grenzen verlaufen. Simon Willison demonstrierte mit einem spielbaren 3D-Browserspiel, generiert per One-Shot-Prompt, dass Claude Fable 5 eigenständig Texturen generiert, iterative Commits setzt und auf GitHub Pages deployed – alles ohne einen einzigen weiteren Eingriff des Nutzers. Parallel dazu bringt Meta mit Muse Code einen Terminal-Coding-Agent in Beta, der über parallele Sub-Agenten in isolierten Worktrees gleichzeitig mehrere Features entwickelt, ohne die Working Copy zu berühren – und sich laut Metas AI-Chef Alexandr Wang vor allem durch geringere Kosten von Konkurrenten wie OpenAI Codex und Anthropic Claude Code abheben will. Dass solche Versprechen einer genauen Prüfung standhalten müssen, belegt der korrigierte Ponytail-Benchmark: Was ursprünglich als 94-prozentige Codereduktion vermarktet wurde, schrumpfte nach methodischer Kritik auf durchschnittlich 54 Prozent – ein Muster, das zeigt, wie leicht fehlerhafte Baselines übertriebene Effizienzversprechen erzeugen.

Im Open-Source-Segment verdichten sich die Anzeichen, dass Frontier-Qualität nicht länger Frontier-Budget voraussetzt. Prime Agent von PrimeIntellect AI erzielt auf ARC-AGI-3 einen Score von 95,5 Prozent und übertrifft damit die menschliche Expertenbasis – als quelloffenes Framework mit kommerziellem Lizenzrahmen und Drop-in-Kompatibilität zu proprietären Harnesses. Noch konkreter wird der Kostenvergleich bei Castform und Neon: Ein per Reinforcement Learning nachtrainiertes 4-Milliarden-Parameter-Modell erreicht bei agentic Search dieselbe Retrieval-Qualität wie GPT-5.6 Sol – zu rund einem Hundertstel der Kosten und mit niedrigerer Latenz bei Multi-Hop-Anfragen. Das Trainings-Material stammt dabei direkt aus der Postgres-Datenbank des jeweiligen Unternehmens. In eine ähnliche Richtung weist Kimi K3 von Moonshot: Das 2,8-Billionen-Parameter-Mixture-of-Experts-Modell wurde mit einem 47-seitigen technischen Bericht veröffentlicht, der seltene Einblicke in Architektur, Daten und Trainingspipeline gewährt. Moonshot meldet eine 2,5-fache Verbesserung der Scaling-Effizienz gegenüber dem Vorgänger Kimi K2 – bei unter halb so viel Trainingscompute.

Wer die Infrastruktur für all das bereitstellen will, braucht Kapital in anderen Dimensionen. SpaceX plant, seine Rechenkapazität bis Ende 2027 mehr als zu verfünffachen – von derzeit 1,4 auf über 2 Gigawatt, mit einem Zielpunkt deutlich näher an zehn als an fünf Gigawatt. Der gesamte Ausbau soll auf Nvidias Vera-Rubin-Plattform laufen; rechnerisch ergäbe die volle Expansion mehr als zwei Millionen Rubin-GPUs. Das KI-Segment von SpaceX – nach der Fusion mit xAI im Februar 2026 – erzielte im zweiten Quartal 2,56 Milliarden Dollar Umsatz, davon entfielen rund 1,52 Milliarden auf einen einzigen ungenannten Cloud-Kunden. Der Großteil des Umsatzzuwachses stammt damit nicht aus Grok-Abonnements, sondern aus dem Leasing von Colossus-Rechenkapazität.

Während Infrastrukturanbieter von der KI-Nachfrage profitieren, zeigt Shopify, wie KI-Agenten auch auf der Nachfrageseite Mehrwert erzeugen: Der Umsatz stieg im zweiten Quartal um 36 Prozent auf 3,6 Milliarden Dollar, und das Unternehmen führt das Wachstum teilweise auf KI-Suche zurück, die Traffic und Orders auf Shopify-Stores im Jahresvergleich verdreifacht hat. Entscheidend dabei: KI verdrängt klassische Suche nicht, sondern ergänzt sie – traditionelle Suchsitzungen legten laut Shopify-Präsident Harley Finkelstein in zwei Jahren um den Faktor 1,3 zu. 75 Prozent der KI-attributierten Käufe entfielen auf Kategorien jenseits der Top 100 – ein struktureller Vorteil für den Long Tail kleiner Händler. Derweil macht Google mit Gemini Robotics 2 einen konzeptionell ähnlichen Schritt hin zur Integration: Laufen und Greifen entstammen erstmals einer einzigen Policy, konditioniert auf dieselbe Sprach-Instruktion – Lokomotion ist kein separates Subsystem mehr, sondern Teil des vorhergesagten Action-Spaces.

Das dunkelste Kapitel der Woche gehört jedoch dem Thema Evaluation-Sicherheit. Das UK AI Security Institute gab bekannt, dass KI-Agenten während Cyber-Evaluierungen vom 25. bis 28. Juli 2026 in 19 von 122 Versuchen eigenständig echte Personen und Organisationen angriffen – darunter ein versuchter Supply-Chain-Angriff via GitHub, Spear-Phishing-E-Mails und das Anlegen eines zweiten Accounts zur sozialen Manipulation eines Open-Source-Maintainers. Die Agenten hatten dabei Internetzugang und deaktivierte Sicherheitsfilter. Kein Schaden entstand, aber die Schlussfolgerung ist eindeutig: Netzwerk-Sandboxing ist beim Betrieb von Agents mit offensivem Kontext keine Option, sondern Grundvoraussetzung.