Servus, schön dass ihr wieder reinschaltet. Heute ist einer dieser Tage, an denen sich das eigentlich Erwartete endlich manifestiert. OpenAI macht Ernst mit dem Börsengang. Apple gesteht ein, dass eigene KI-Modelle nicht der richtige Weg waren. Xiaomi zeigt, dass Geschwindigkeit vielleicht der unterschätzte Faktor in diesem Rennen ist. Und zwischendrin wird klar, wer eigentlich die Hardware hat. Genug Vorrede, steigen wir ein.
OpenAI hat diese Woche offiziell einen vertraulichen S-1 Antrag bei der SEC eingereicht. Das ist der erste formelle Schritt Richtung Börsengang. In einer knappen Mitteilung schreibt das Unternehmen, man erwarte dass das Dokument durchsickert und wolle deshalb gleich selbst informieren. Was bedeutet das eigentlich konkret? OpenAI ist kein gemeinnütziges Forschungsprojekt mehr, kein Startup, und auch kein Unternehmen das noch experimentiert. Der Gang an die Börse zwingt zu beispielloser Transparenz über Finanzen, Risiken und Eigentümerstruktur. Der vielleicht interessanteste Effekt ist ein anderer. Ein börsennotiertes OpenAI muss Gewinnerwartungen erfüllen. Das heißt, Preisstrategien, Investitionsentscheidungen und Produkt-Roadmaps werden stärker von Quartalszahlen getrieben als von Forschungszielen. Das kann bedeuten, dass API-Preise stabiler werden, weil volatile Preise an der Börse schlecht ankommen. Es kann aber auch bedeuten, dass Experimente seltener werden, weil die Rennstrecke kürzer ist. Klar ist auf jeden Fall: Der Markt bekommt mehr Einblick in ein Unternehmen, das bisher fast vollständig im Verborgenen gearbeitet hat. Für Gründer und Entwickler die auf OpenAI-APIs setzen, könnte das langfristig mehr Planbarkeit bedeuten. Aber eben auch mehr Druck in Richtung Umsatz. Das ist keine reine Tech-Story mehr, das ist jetzt Kapitalmarkt-Geschichte.
Parallel dazu hat Apple eine strategische Entscheidung getroffen, die in dieser Deutlichkeit überrascht. Das Unternehmen baut seine gesamte KI-Architektur neu auf. Und das Rückgrat kommt von Google Gemini. Apple Intelligence, Siri und die neue Core AI Framework für Entwickler nutzen künftig Gemini-Modelle als zentrales Inference-Backend. Apple stellt also fest, dass eigene Foundation-Modelle nicht der richtige Weg sind und geht stattdessen den Buy-vs-Build-Weg. Das ist strategisch klug. Apple kann sich auf das konzentrieren, was es wirklich kann. Benutzererfahrung, Hardware-Integration, Privacy-by-Design. Und überlässt das Modell-Training jemandem der es besser kann. Gleichzeitig ist es ein bemerkenswertes Eingeständnis. Sogar das wertvollste Unternehmen der Welt kann sich nicht einfach ein Spitzen-KI-Modell heranzüchten. Das zeigt wie schwer dieser Markt ist. Der Nebeneffekt: Google wird als Cloud-Partner für KI noch mächtiger. Und Entwickler die auf Apple setzen, bekommen plötzlich Zugriff auf Gemini-Funktionen direkt im Apple-Ökosystem. Das bringt auch die Frage mit sich, ob Apple damit langfristig nicht zu abhängig von Google wird. Aber das ist eine Sorge für den Tag, an dem Google die Bedingungen ändert. Bis dahin profitiert vor allem der Nutzer, der auf seinem iPhone plötzlich KI bekommt die funktioniert. Und das ist ja auch etwas wert.
Ein drittes Thema kommt heute aus China. Xiaomi hat mit MiMo-V2.5-Pro-UltraSpeed ein Modell mit einer Billion Parametern vorgestellt, das angeblich 1000 Tokens pro Sekunde dekodiert. Also etwa zehnmal schneller als vergleichbare Modelle dieser Größe. Zum Vergleich: Die meisten großen Modelle liegen bei 80 bis 150 Tokens pro Sekunde. Das hier ist eine andere Liga. Das klingt erstmal nach einer Benchmark-Zahl, aber die praktischen Auswirkungen sind enorm. Wenn ein Modell in Echtzeit mitdenkt statt dass du auf jede Antwort wartest, dann verändert das komplette Workflows. Denk an Agents die sofort zurückkommen, statt dass du fünf Sekunden auf jeden Schritt wartest. Coding-Assistenten, bei denen du keinen Kaffee holen kannst während der Code generiert wird. Xiaomi verkauft die Geschwindigkeit zum dreifachen Preis des Standard-Modells, aber für zehnfache Leistung. Drei mal der Preis für zehn mal die Geschwindigkeit, das ist ein ziemlich gutes Angebot wenn deine Workflows latency-empfindlich sind. Der Haken: Der Trial läuft nur vom 9. bis 23. Juni und ist auf Unternehmen mit nachgewiesenem Bedarf beschränkt. Trotzdem zeigt dieser Release einen wichtigen Trend. Nachdem Monate lang über Modellgröße und Benchmark-Zahlen diskutiert wurde, wird Geschwindigkeit jetzt zum entscheidenden Differenzierungsmerkmal. Wie schlau das Modell ist, war gestern die Frage. Heute geht es auch darum wie schnell es antwortet. Das könnte der Hebel sein der Agents endlich praktisch nutzbar macht und sie von einem Experiment zu einem echten Werkzeug verwandelt.
Und dann ist da noch eine unerwartete Entwicklung aus dem Hause Musk. xAI, inzwischen Teil von SpaceX, vermietet offenbar große GPU-Kapazitäten an Anthropic und Google. Das klingt erstmal unspektakulär, ist aber ein starkes Signal für den Zustand des KI-Marktes. xAI positioniert sich zwar als KI-Lab, agiert aber zunehmend als Compute-Vermieter. Martin Alderson hat das treffend analysiert: xAI sieht mehr wie ein Rechenzentrums-REIT aus als wie ein echtes Frontier-Lab. Die Deals fließen direkt in SpaceX, das kurz vor einem Börsengang mit einer Bewertung von 1,77 Billionen Dollar steht. Google ist mit etwa 5 Prozent an SpaceX beteiligt, die haben also durchaus ein Interesse daran, den Wert des Unternehmens vor dem IPO zu steigern. Was bedeutet das für uns? Es zeigt, dass GPU-Computing zum entscheidenden Wirtschaftsgut wird. Die Frage ist nicht mehr nur wer das beste Modell hat, sondern wer die Hardware hat, um es zu betreiben. Und wenn selbst Anbieter wie Anthropic Kapazitäten bei der Konkurrenz anmieten müssen, dann ist der Compute-Markt deutlich enger als viele denken. Das erinnert ein bisschen an die frühen Cloud-Tage, als AWS anfing und plötzlich jeder Rechenleistung mieten konnte. Heute sehen wir die gleiche Entwicklung, nur auf dem Niveau von GPU-Clustern die Milliarden kosten. Und genau wie damals bei der Cloud wird auch hier die Frage sein: Wer am Ende die Infrastruktur kontrolliert, hat eine ziemlich gute Ausgangsposition für alles was darauf aufbaut.
Zum Abschluss ein Thema für alle die selbst Code schreiben oder schreiben lassen. Cognition AI, die Firma hinter Devin, hat einen neuen Benchmark namens FrontierCode veröffentlicht. Der misst nicht wie bisher üblich ob Code korrekt ist, sondern ob er gut genug ist um tatsächlich gemerged zu werden. Das ist ein radikal anderer Ansatz. Bisherige Benchmarks wie SWE-Bench prüfen ob ein Modell einen Bug fixen oder eine Funktion implementieren kann. FrontierCode fragt: Würde ein Maintainer diesen Code ohne Murren durchwinken? 20 Open-Source-Maintainer haben dafür 150 Aufgaben aus ihren eigenen Repos erstellt. Jede hat über 40 Stunden Arbeit gekostet. Das Ergebnis ist ernüchternd. Selbst die besten Modelle haben große Probleme mit Code-Qualität auf dem Level, das Maintainer erwarten. Die falsch-Positiv-Rate liegt 81 Prozent niedriger als bei SWE-Bench. Das zeigt wie viel strenger dieser Benchmark ist. Interessant ist der Schritt weil er den Fokus verschiebt. Es geht nicht mehr darum ob KI funktionalen Code schreiben kann, diese Hürde ist längst genommen. Die Frage ist ob der Code in einem echten Produktions-Repo bestehen kann. Ob er lesbar ist. Ob er den Architektur-Standards folgt. Ob er wartbar ist. Und da liegt die Messlatte für alle Modelle noch deutlich höher als viele gedacht haben.
Wenn ich den Tag in einen Satz packen müsste, dann wäre es dieser: KI wird erwachsen, und zwar auf mehreren Ebenen gleichzeitig. Technisch und vor allem wirtschaftlich. OpenAI geht an die Börse. Apple kauft statt selbst zu bauen. Xiaomi zeigt dass Speed der neue Hebel ist. Und selbst die Rechenzentren werden zur Handelsware. Während das alles passiert, zeigt FrontierCode dass wir noch lange nicht am Ziel sind. Qualität ist immer noch der Engpass, nicht Quantität. Genau deshalb bleibt es spannend. Mein Takeaway für heute: Die Konsolidierung des Marktes ist in vollem Gange. Nicht alle werden übrig bleiben. Aber die die übrig bleiben, werden echte Produkte liefern müssen, nicht nur Versprechen. Vielen Dank fürs Zuhören heute. Wenn euch die Folge gefallen hat, schreibt mir gerne eine kurze Nachricht oder lasst eine Bewertung da. Das hilft dem Podcast enorm. Ich freu mich auf morgen. Pfiat euch, eure Lissy.