Googles Gemini-3.8-Live-Launch dominiert den Voice-AI-Stack, während Meta mit WhatsApp-MCP und One-Abo die Agent-Monetarisierung vorantreibt. Dazu: offene Modelle holen auf, OpenAIs Codex-Takeover und ein folgenreicher Infrastruktur-Angriff auf Hugging Face.
Die Woche steht im Zeichen eines beschleunigten Plattform-Wettrüstens im Voice- und Agent-Stack. Mit Gemini 3.8 Live und 3.8 Live Extended Thinking liefert Google DeepMind zwei Modelle, die den bisherigen Benchmark-Stand im Speech-to-Speech-Segment neu setzen: Extended Thinking belegt Platz 1 im Artificial Analysis Speech-to-Speech Quality Index mit 82,6 Punkten, führt den τ-Voice-Benchmark mit 68,6 % an und erzielt 97,7 % auf Big Bench Audio. Gebaut für Enterprise-Produktivität und Skalierung, sind beide Modelle ab sofort über die Gemini API, Google Workspace und die Gemini App verfügbar. Wer tiefer einsteigen will: Simon Willison zeigt, wie sich Gemini 3.8 Live via WebSocket und nativer Web Audio API direkt im Browser ansprechen lässt — ohne externe Bibliotheken, inklusive Interrupt-Funktion. Ein konkreter Hinweis darauf, wie flach die Einstiegshürde für Voice-Agent-Entwickler mittlerweile geworden ist.
Parallel zieht Meta an mehreren Hebeln gleichzeitig. Mit dem WhatsApp Business Tools MCP-Server lassen sich künftig WhatsApp-Business-Accounts, Telefonnummern-Verifizierungen, Cloud-API-Registrierungen und Messaging-Templates per Chat-Anweisung an Coding-Agenten wie Claude, Cursor, Codex oder ChatGPT delegieren — statt manuell zwischen Developer Console, Business Manager und API-Referenz zu wechseln. Das ist kein isolierter Schritt: Gleichzeitig launcht Meta mit Meta One gestaffelte Abo-Bundles, die Social Media und erweiterte KI-Nutzung bündeln. Tarife für Einzelnutzer starten bei 7,99 US-Dollar pro Monat (Core) und 19,99 US-Dollar (Premium), Creator- und Business-Pläne reichen bis 499 US-Dollar monatlich. Das Freemium-Modell bleibt bestehen, höheres KI-Nutzungsvolumen wird jedoch künftig monetarisiert — Meta macht damit den entscheidenden Schritt von der kostenlosen Reichweitenlogik zur Abo-Infrastruktur.
Während die großen Labs ihre Plattformen ausbauen, verschiebt sich die Kostenkalkulation fundamental. Laut einem Mozilla-Bericht, den Ars Technica vorab einsehen konnte, hat sich der Performance-Rückstand führender Open-Weights-Modelle auf Frontier-Closed-Modelle auf 4,4 Monate verkürzt — bei einem Fünftel der Kosten. Moonshot AIs Kimi K3 etwa liegt im Artificial Analysis Intelligence Index nur drei Punkte hinter Anthropics geschlossenem Frontier-Modell Fable 5, kostet aber nur 30 Prozent davon. Mozilla-CTO Raffi Krikorian formuliert es präzise: Closed-Modelle rechtfertigen ihr Preispremium nur noch für Aufgaben zwischen acht und zwölf Stunden menschlicher Expertenarbeitszeit. Für alles darunter sind Open-Weights-Modelle de facto gleichwertig. DoorDash nutzt diesen Ansatz bereits praktisch: Kimi für Routineaufgaben, Fable für komplexere Fälle. Für die Infrastrukturebene zeigt Grabs LLM-Kit, wie zentralisiertes Agent-Management in der Praxis skaliert: Mehr als 500 interne Agent-Services sind auf dem Framework standardisiert, das Deployment neuer Services dauert mittlerweile rund eine Stunde statt zwei Wochen — dank Runtime-Tool-Discovery über 50 MCP-Server und einem einheitlichen Modell-Gateway.
Die Kehrseite beschleunigter Autonomie wird durch den Vorfall bei Hugging Face scharf sichtbar. Hugging-Face-CEO Clément Delangue fordert von OpenAI 100 Millionen US-Dollar Compute…
