Dienstag10. November

Claude Fable 5.2 setzt sich mit einem Score von 65 auf dem Artificial Analysis Intelligence Index an die Spitze von 74 verglichenen Modellen – ein Vorsprung, der seinen Preis hat. Mit $8,00 pro Million Input-Token und $40,00 pro Million Output-Token ist das Modell das teuerste im Feld; bei durchschnittlich 46,4 Minuten pro Benchmark-Task liegt es zudem auf Platz 71 von 72 in der Performance-Kategorie. Wer die Spitzenintelligenz nutzen will, zahlt also mit Latenz und Kosten. Ethan Mollick, der das Modell vor dem öffentlichen Launch testen durfte, beschreibt in seinem Essay die Kategorie „Jagged AGI": Fable 5.2 löste Hardware-Hacks für ein USB-Keyboard ohne öffentliche Dokumentation im ersten Versuch, entwarf einen Businessplan mit 22 gescreenten Ideen und rekonstruierte historische Lehrveranstaltungen — alles ohne iteratives Feedback. Die verbleibenden Schwächen liegen laut Mollick nicht mehr bei simplen Halluzinationen, sondern bei der autonomen Ausführung komplexer Mehrschrittaufgaben — eine Einschränkung, die den Einsatz als vollständig selbstständiger Agent noch begrenzt.

Genau dort, wo Fable 5.2 noch zögert, beginnt das Produktfeld für spezialisierte Infrastruktur. Meta Superintelligence Lab veröffentlichte Muse Ember, das vierte Modell der Muse-Familie, explizit für hochvolumige Agenten-Subtasks: Tool Calls, Routing, Extraktion, langes Dokumenten-Parsing. Bei 10 Cent pro Million Input-Token unterbietet es Anthropics Haiku und OpenAIs Luna und ist preislich mit Open-Source-Alternativen wie DeepSeek V4.1 Flash vergleichbar. Das erklärte Designprinzip lautet arbeitsteilig: „Muse Wonder plans, Muse Ember handles the volume." Ember verarbeitet dabei Text, Bilder und Audio ohne separates Modell — eine Flexibilität, die Agenten-Pipelines vereinfacht. Parallel dazu meldete CodeRabbit, mit OpenAI Codex den Softwareausstoß um den Faktor 20 zu steigern — bei gleicher Teamgröße — und übernimmt dabei auch Governance und Vertrauensprüfung von KI-generiertem Code. Dass solche Versprechen nicht ohne Risiko sind, zeigt ein Community-Erfahrungsbericht nach einem Jahr Pflicht-AI-Coding: Die Codebasis ist für das Team kaum noch nachvollziehbar, Verständlichkeit und Wartbarkeit haben systematisch gelitten — ein Befund, der die Governance-Komponente von Lösungen wie CodeRabbit in einem anderen Licht erscheinen lässt.

Die Infrastrukturschicht unterhalb der Modelle verändert sich ebenfalls rasch. Google hat mit TPU 8tx und TPU 8i Max zwei neue Varianten seiner achten TPU-Generation vorgestellt — und damit erstmals vier TPU-Systeme innerhalb eines einzigen Jahres ausgeliefert. Der TPU 8tx hält sensitive Daten auch während der Verarbeitung verschlüsselt, was ihn für Behörden und regulierte Branchen interessant macht; der TPU 8i Max verdoppelt Rechenleistung, Speicher und Speicherbandbreite durch die Kombination zweier Chips auf einem Package. Mit knapp 100 externen Kunden und der Open-Source-Freigabe von TorchTPU versucht Google, die Nutzungshürde zu senken. Das ist eine direkte Antwort auf Nvidia — und zugleich ein Signal an AI-Builder, die Cloud-Infrastruktur evaluieren. Auf der Software-Seite zeigt eine kontrollierte Studie mit vLLM, dass Continuous Batching gegenüber statischem und dynamischem Batching einen bis zu 2,91-fachen Durchsatz liefert — ein Effizienzgewinn, der für Betreiber von Inferenz-Servern unmittelbar relevant ist.

Für Entwickler, die autonome Agents in Code-Workflows integrieren, adressiert Reason Machines mit Aspen einen weiteren Flaschenhals: Der Open-Source-Git-Server folgt dem OpenAI-Pando-Design und erreicht auf einem 8-Kern-Server 567 Pushes pro Sekunde — ohne Abhängigkeit von Plattformen wie GitHub. Auf der Beschaffungsseite vereinfacht ChatGPT Enterprise im AWS Marketplace die Integration für Unternehmen mit bestehenden AWS-Rahmenverträgen; Compliance und Abrechnung laufen über die bekannte Cloud-Beziehung. Wo die Modelle selbst noch Lücken zeigen, entstehen derweil spezialisierte Trainingsumgebungen: Handshake AI erzielte in knapp einem Jahr einen Jahresumsatz von einer Milliarde Dollar, indem das Unternehmen Frontier Labs mit hochspezialisierten Expertendaten versorgt — etwa dem ATLAS-Finance-Benchmark für Investment-Banking-Workflows oder VIALS für biomedizinische Bildanalyse, wo Modelle laut Handshake noch deutlich unter menschlichem Niveau liegen. Das zeigt, wo der nächste Leistungssprung erarbeitet wird: nicht im Modell-Release, sondern in den aufwendigen Bewertungsrubriken und RL-Umgebungen, die dahinterstecken.