Chinesische Modelle brechen die Kosten-Leistungs-Grenze nach unten, während Agent-Sicherheit zur Unternehmenskritischen Frage wird. Dazu: neue Open-Weight-Riesen von Nvidia und Google, ein nativer PyTorch-Backend für AWS und praktische Builder-Tools für GPU- und Local-AI-Setups.
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 erw…
