Dienstag20. Oktober

Die Kostengrenze für leistungsfähige KI-Modelle verschiebt sich rapide nach unten — und chinesische Anbieter treiben diesen Wettbewerb am aggressivsten voran. DeepSeek V4.1 Flash 1017 belegt Platz eins unter den Open-Weight-Modellen in der Agent Arena, erzielt 75 von 100 Punkten bei Browser-Use und kostet im Median lediglich 0,20 Dollar pro Task — dabei setzt es auf eine 552-Milliarden-Parameter-MoE-Architektur mit nur 16 Milliarden aktiven Parametern und einem 1-Million-Token-Kontextfenster. Direkt dahinter drängt MiniMax M3.1 Flash: Das Modell erzielt 48 Prozent auf „Humanity's Last Exam" — mehr als DeepSeek — und kostet mit 0,22 Dollar pro Task sogar minimal weniger, weil es im Benchmark-Schnitt rund 35 Millionen Output-Tokens weniger benötigt. Beide Modelle stehen vor der Open-Weight-Veröffentlichung, MiniMax am 23. Oktober. Kein Anbieter dominiert durchgehend: DeepSeek führt auf dem Artificial-Analysis-Intelligence-Index (45 Punkte), MiniMax bei faktischer Genauigkeit (56 Prozent AA-Omniscience). Das Rennen ohne Boden hat begonnen — und zwingt westliche Anbieter zum Nachziehen.

Derweil bauen auch westliche Schwergewichte ihre Open-Weight-Flanke aus. Nvidia stellte mit Nemotron 3.5 Super VL (120B) und den Bolt-Modellen eine gesamte Agenten-Modell-Familie vor: Super VL richtet sich an Unternehmensinfrastrukturen, bei denen Organisationen das Modell auf eigenen Daten post-trainen und auf eigener Hardware deployen können — ohne Cloud-Abhängigkeit. Die kleineren Bolt-Modelle (74B und E4B) sind für lokal laufende Consumer-PCs mit Nvidia-RTX-Spark-Chips ausgelegt. Nutzer von Partnern wie Microsoft und Dell sollen Agenten betreiben können, ohne Workloads in die Cloud zu schicken. Google ergänzt das Open-Weight-Feld von einer anderen Seite: EmbeddingGemma 2, basierend auf Gemma 4 und unter Apache 2.0 lizenziert, projiziert Text, Code, Bilder, Video und Audio in einen gemeinsamen 768-dimensionalen Embedding-Raum — lokal auf Consumer-Hardware. Das reduziert die Notwendigkeit separater Embedding-Pipelines für unterschiedliche Modalitäten. Für Teams, die auf AWS-Hardware skalieren wollen, schließt TorchNeuron eine lang bestehende Integrationslücke: Der neue native PyTorch-Backend für AWS Trainium erlaubt es, bestehenden PyTorch-Code per `.to('neuron')` ohne weitere Anpassungen auf Trainium2 und Trainium3 auszuführen — das Open-Source-Release unter Apache 2.0 soll am 20. Oktober auf GitHub folgen.

Der technologische Fortschritt bei Agenten erzeugt jedoch eine Sicherheitslücke, die sich in dieser Woche besonders deutlich zeigte. Laut Forschern der Sicherheitsfirma Norforge brach ein Angreifer mithilfe einer KI-Agenten-Armee über 100 Unternehmenswebsites ein — darunter John Deere, SharkNinja und Cummins. Die Angriffe liefen weitgehend autonom über die Open-Source-Plattform Cairn, erfolgreiche Einbrüche dauerten laut Reuters im Schnitt rund 23 Stunden. Der aktivste Angreifer hinterließ seine Anweisungen in weniger als 100 chinesischen Schriftzeichen. Norforge identifizierte mehr als 20 exponierte, mutmaßlich bösartige Cairn-Instanzen. Dieser Vorfall gibt Microsofts Sicherheitsstrategie unmittelbare Dringlichkeit: Mit Guardian Agents als Teil von Project Perception erweitert Microsoft seinen Ansatz, der ursprünglich externe Hacker-Modelle im Blick hatte, nun auf die Bedrohung durch die eigenen, intern eingesetzten Agenten. Satya Nadella formulierte es in seinem privaten Blog pointiert: „Wir müssen die Versorgung mit Intelligenz von der Autorität darüber trennen." Microsoft Defender erkennt nun bis zu 60 Agententypen — darunter Claude Code und Codex — und kann Berechtigungen dynamisch anpassen sowie bei riskanten Entscheidungen menschliche Freigaben einfordern.

Die Architekturanforderungen hinter diesem Sicherheitsdenken sind tiefgreifend. Ein InfoQ-Beitrag zur Evolution verteilter Systeme beschreibt den fundamentalen Unterschied: Während Microservices Entscheidungen zur Designzeit fixieren und mit expliziten API-Grenzen und deterministischen Ausführungspfaden arbeiten, treffen agentische Systeme Entscheidungen erst zur Laufzeit — basierend auf Kontext, Zielen und Zwischenergebnissen. Failure-Modi äußern sich nicht als klassische Systemfehler, sondern als stille Degradation der Entscheidungsqualität. Observability, Fehlertoleranz und Kontrollflüsse müssen neu gedacht werden — bounded autonomy, Evaluations-Schleifen und deterministische Fallback-Systeme werden zu First-Class-Reliabilitykonzepten. Wer heute Agenten deployt, ohne diese Muster zu berücksichtigen, baut technische Schulden auf, die sich — wie die Norforge-Funde zeigen — schnell als Sicherheitsrisiken materialisieren können.

Wo das alles hinführt, skizziert Jack Clark in seiner Rede vor dem IWF in Bangkok mit ungewöhnlicher Direktheit: Anthropic-Forscher produzierten heute fast zehnmal so viel Code wie in den ersten vier Jahren des Unternehmens zusammen — ein Indiz dafür, dass KI bereits an der Grenze wissenschaftlicher Produktivität operiert. Clark, Mitgründer von Anthropic, bezeichnete das als Beginn der Singularität und mahnte die versammelten Ökonomen und Entscheidungsträger, deutlich schnellere Umwälzungen einzukalkulieren als bisher modelliert. Für Builder, die täglich zwischen VRAM-Management auf einer einzigen RTX 4090 und den Marktbewegungen globaler Frontier-Modelle navigieren, klingt das weniger abstrakt als es auf einem IWF-Podium klingen mag.