Kimi K3 und GLM-5.3 stehen in Benchmarks fast auf US-Niveau, und die Vorwürfe
wiegen schwer: Chinesische Labore sollen westliche Modelle systematisch als
Lehrer angezapft haben. Doch für die strategische Frage ist die Schuldfrage fast
zweitrangig. Denn so oder so gilt: Ein Modellvorsprung hält nicht mehr. Was
stattdessen zählt, zeigt diese Ausgabe.
Sechsmal im Jahr nimmt die THE-DECODER-Redaktion im "KI-Radar" ein grundlegendes
KI-Thema besonders gründlich unter die Lupe. Das geschieht als Newsletter und
exklusiv hier auf der Seite für . Ausgabe #4 ist unsere bisher umfassendste
Ausgabe. Das liegt am Thema: Wir werfen einen Blick auf die Aufholjagd
chinesischer KI-Modelle, zeigen, wo westliche KI-Labore sich mit ihren Modellen
noch abheben können, erklären, warum sich der Burggraben der Industrie
verschoben hat, und warum Europa gerade zwei Rennen auf einmal verliert.
behandelte den aktuellen Stand bei agentischer KI. untersuchte die messbaren
Auswirkungen von KI auf Produktivität. behandelte die entstehende Tokenökonomie
generativer KI.
Vor anderthalb Jahren löste DeepSeek R1 einen Schock aus. Ein chinesisches Labor
konkurrierte plötzlich mit OpenAIs o1, dem ersten kommerziellen
Reasoning-Modell, und sollte auch noch deutlich weniger gekostet haben. Der
Markt reagierte nervös, es kam innerhalb kürzester Zeit zu Kurseinbrüchen in
Milliardenhöhe. War der angestrebte Infrastrukturausbau überzogen?
Doch das Bild war damals uneindeutiger, als die Schlagzeilen nahelegten. R1 lag
in zwar bei einzelnen Tests wie AIME 2024 vor o1, bei anderen, etwa beim
Faktenwissen (SimpleQA), jedoch deutlich zurück. legten weitere Lücken offen.
Die chinesischen Modelle erreichten die Spitze nur in einzelnen Disziplinen,
nicht in der Breite.
Noch Ende Juni, zu Beginn der Arbeit an dieser Ausgabe, zeigte auch dieses
Muster. Mit den jüngsten chinesischen Open-Weights-Modellen wie , Alibabas
Qwen3.8-Max und GLM-5.3 hat sich das geändert.
Chinesische Modelle stehen inzwischen in nahezu allen breiten, anspruchsvollen
Evaluationen nahe der Spitze. Sie bearbeiten lange Wissensaufgaben,
programmieren über viele Schritte und koordinieren Werkzeuge weit zuverlässiger
als ihre Vorgänger.
Der oft zitierte Rückstand von einigen Monaten ist, zumindest gemessen an
gängigen Benchmarks, so weit geschrumpft, dass er zum Investorenthema wird.
Anthropic muss sich laut Wall Street Journal vor dem anstehenden Börsengang und
verteidigt sich mit dem verbleibenden Abstand an der Spitze. Denn darunter ist
das Feld weitgehend von offenen, deutlich günstigeren Modellen aus China
besetzt.
Auf reine Modellleistung lässt sich damit kaum noch ein Geschäftsmodell gründen,
so die Befürchtung der Investoren. Was das eigene Modell heute exklusiv kann,
kann wenige Monate später auch ein frei herunterladbares.
Dabei stehen zwei Vorwürfe im Raum: Chinesische Labore sollen westliche Modelle
als Lehrer angezapft haben, das nennt sich Distillation, und ihre Modelle
gezielt auf gute Benchmark-Ergebnisse hin optimieren, ohne dass die Fähigkeiten
in der Breite mithalten, das sogenannte Benchmaxxing. Beide Vorwürfe ordnen wir
weiter unten ein.
Tatsächlich ist der amerikanische Vorsprung auch nicht verschwunden, aber er hat
sich auf wenige, immer schmalere Bereiche der sogenannten Frontier
zurückgezogen, wie der vorderste Rand des technisch Machbaren im Englischen
genannt wird. Wo dieser Vorsprung noch sitzt und was er wirtschaftlich wert ist,
das ist die erste Frage dieser Ausgabe.
Die zweite folgt daraus. Wenn das Modell allein den Unterschied nicht mehr
deutlich machen kann, worauf beruht der Vorsprung dann? Unsere These lautet,
dass er immer weniger auf dem Modell beruht und immer mehr auf dem Gesamtsystem,
in das es eingebettet ist, und in dem aus der laufenden Arbeit die nächsten
Modelle entstehen.
WAS VOM VORSPRUNG ÜBRIG IST
Artificial Analysis führte K3 bei Veröffentlichung , in unmittelbarer Nähe der
damaligen Spitzenreiter GPT-5.5 und Opus 4.8. Am stärksten zugelegt hat K3 bei
agentischen Aufgaben, also genau der praxisnahen Arbeit, um die es im
Unternehmenseinsatz geht. Auf AutomationBench-AA startete K3 sogar auf Platz
eins, bis Anthropic mit Opus 5 nachlegte.
Auf , wo ein Agent 500 simulierte Tage lang ein fiktives Softwareunternehmen
steuert, erzielte K3 mit 22,15 Millionen Dollar den besten veröffentlichten
Einzellauf. An solchen Langstrecken scheiterten chinesische Modelle inklusive
des Vorgängers K2.7 bisher regelmäßig. ein ähnlich hohes Gesamtniveau.
Eine Einschränkung bleibt: Neuere chinesische Modelle benötigen teils deutlich
mehr Token als westliche und machen so einen Teil ihres Preisvorteils wieder
zunichte. Es braucht also weiterhin die .
Die Grenze aktueller Modellfähigkeiten wächst schon länger unterschiedlich
schnell, im Fachjargon spricht man von der "Jagged Frontier". Einzelne
Fähigkeiten wachsen demnach unterschiedlich schnell, weshalb der zitierte
Monatsrückstand schon immer davon abhing, wer wo maß. Neu ist, wo der westliche
Vorsprung überhaupt noch messbar ist. Drei Bereiche bleiben übrig.
Der erste Bereich sind abstrakte Spezialtests. Opus 5 setzte sich kurz nach dem
K3-Start , gegenüber K3s 57 Punkten ein kleiner Abstand. Auf ARC-AGI-1, einem ,
liegen K3 und Fable 5, Anthropics Spitzenmodell-Linie für Coding- und
Agentenarbeit, mit und praktisch gleichauf. Erst auf wird der Abstand deutlich,
60,4 gegen 89,2 Prozent. Nur misst ARC-AGI eben bewusst abstrakte
Mustererkennung fernab von Alltagsaufgaben. Es ist nicht gesagt, dass dieser
Abstand künftige praktische Unterschiede ankündigt. Er könnte wirtschaftlich
schlicht in den meisten Fällen irrelevant bleiben.
Der zweite Bereich ist Zuverlässigkeit. Der am 12. August gestartete testet
agentische Datenanalyse auf realen Tabellen und Dokumenten und wertet nur
Aufgaben als gelöst, die ein Modell in fünf von fünf unabhängigen Anläufen
richtig bearbeitet. Die Betreiber nennen dieses Maß pass^5. Dort führt Opus 5
mit 54 Prozent vor GPT-5.5 mit 50, K3 ist mit 39 Prozent bestes offenes Modell.
Der Rückstand entsteht fast vollständig durch mangelnde Wiederholbarkeit:
Mindestens einmal in fünf Anläufen löst K3 73 Prozent der Aufgaben, praktisch
gleichauf mit Opus 5 bei 74. Zuverlässigkeit folgt dabei nicht der gewohnten
Rangfolge der Intelligenz-Indizes, selbst GPT-5.6 Sol fällt hier hinter den
eigenen Vorgänger zurück.
Kommerziell wiegt sie schwer, wie die Betreiber begründen: Ein Analystenagent
spart erst dann wirklich Aufwand, wenn seine Antworten ohne Nachprüfung
belastbar sind. Mehrfachläufe und Prüfer können das auffangen, treiben aber die
Kosten pro akzeptiertem Ergebnis.
Der dritte Bereich ist . Hier ist der Rückstand am besten dokumentiert: Die kam
zu dem Ergebnis, dass K3 bei offensiven Cyberfähigkeiten weit hinter den
führenden US-Modellen liegt.
Auf ExploitBench, einem Test für die Entwicklung von Exploits, erreichte K3 32
Prozent, die US-Spitze im Mittel rund 76. An allen 41 Aufgaben, in denen Code
auf einem Zielsystem ausgeführt werden sollte, scheiterte K3, führende
US-Modelle lösten im Mittel 20. Und in einem simulierten Angriff kam K3 bis
Schritt 17 von 32, die US-Spitze im Mittel bis 28,5.
Doch auch dieser Rückstand schrumpft gerade. Das am 14. August vorgestellte
erreicht auf ExploitBench nach Z.ais eigener Messung 54,4 Prozent, mehr als das
Doppelte seines Vorgängers GLM-5.2.
Der Abstand zur US-Spitze hat sich damit binnen eines Monats etwa halbiert. Beim
Aufspüren und Validieren von Schwachstellen im Quellcode (CyberGym) setzt sich
GLM-5.3 sogar knapp vor die führenden US-Modelle.
Zugleich ist Cybersecurity der Bereich, in dem die Anbieter ihre stärksten
Fähigkeiten gar nicht frei verkaufen. Anthropics bestes Cybermodell , das auf
ExploitBench 78 Prozent erreicht, ist nur kontrolliert über Project Glasswing
zugänglich. Das öffentliche Schwestermodell bleibt faktisch auf dem Niveau des
älteren Opus 4.8 mit 40 Prozent, weil vorgeschaltete Safeguards 407 von 410
Test-Episoden abfingen.
OpenAI verfolgt mit Daybreak und spezialisierten Cyber-Varianten einen ähnlichen
Ansatz. erreicht in 73,5 Prozent auf ExploitBench, bleibt in OpenAIs Risikoskala
aber unterhalb der höchsten Stufe Critical. Beim kommenden Astra , dass ein
eigenes Modell diese Schwelle erreicht. Dann greift das deutlich härter, bis hin
zum Entwicklungsstopp. Erste interne Astra-Aktivitäten hat OpenAI bereits
pausiert.
Und mit GLM-5.3 übernimmt nun erstmals ein chinesisches Labor dieses Muster:
Z.ai verschiebt die Veröffentlichung der Gewichte um rund zwei Wochen für
zusätzliche Sicherheitsarbeiten und will die sensibelsten Cyberfunktionen nur
verifizierten Nutzern zugänglich machen.
Damit lässt sich der Restvorsprung so zusammenfassen: Der Abstand in abstrakten
Spezialtests ist messbar, sein wirtschaftlicher Wert offen. Der Abstand bei der
Zuverlässigkeit ist kommerziell am relevantesten, zugleich am wenigsten
gesichert, denn wenn schon innerhalb eines Labors ein neueres Modell hinter den
eigenen Vorgänger zurückfällt (GPT-5.6 Sol vs. GPT-5.5), ist diese Rangfolge
erkennbar in Bewegung.
Der Abstand bei Cybersecurity betrifft Fähigkeiten, die kaum ein Kunde regulär
beziehen darf (und selbst er hat sich zuletzt deutlich verringert). Abschirmen
lassen sich eben nur die wenigen gefährlichen Fähigkeiten. Der kommerziell
wertvolle Rest, also Coding, Recherche und Agentenarbeit, muss offen über APIs
zugänglich bleiben, sonst gibt es kein Geschäft. Und genau dort verringert sich
der Vorsprung binnen Monaten.
Der naheliegende Verdacht lautet, dass beides zusammenhängt: Chinesische Labore
könnten westliche Modelle über deren Schnittstellen als Lehrer nutzen, die
eingangs erwähnte Distillation, und der Vorsprung hielte deshalb genau dort, wo
dieser Zugang fehlt. Für diesen Verdacht gibt es gute Gründe, und wir werden im
Folgenden erläutern, wie chinesische Labore wohl vom Wissen westlicher Modelle
profitieren könnten.
Doch vorher muss gesagt werden: Für die strategische Bewertung ist die
Schuldfrage fast zweitrangig. Trifft der Verdacht zu, wandert jede verkaufte
Fähigkeit früher oder später zur Konkurrenz, denn zuverlässig verhindern lässt
sich das Abschöpfen bislang nicht. Trifft er nicht zu, haben die chinesischen
Labore aus eigener Kraft aufgeschlossen, und der Vorsprung war noch weniger
wert.
Beide Lesarten führen zum selben Schluss: Ein Modellvorsprung hält nur dort, wo
man das Produkt gar nicht erst breit anbietet, und darauf lässt sich kein
Geschäft bauen. Der genaue Blick auf Distillation lohnt sich trotzdem, denn an
ihrer Mechanik entscheidet sich, ob es überhaupt noch verteidigbare
Modellfähigkeiten gibt.
DISTILLATION ERKLÄRT DAS TEMPO, NICHT DIE BREITE
OpenAI und Anthropic werfen chinesischen Unternehmen vor, ihre Modelle
massenhaft für den Aufbau eigener Modelle genutzt zu haben. liefen industrielle
Kampagnen von DeepSeek, Moonshot und MiniMax mit mehr als 16 Millionen
Interaktionen über rund 24.000 betrügerische Konten. Die Moonshot zugerechnete
zielte mit mehr als 3,4 Millionen Interaktionen auf Agentenreasoning,
Werkzeugnutzung, Coding und Denkspuren. Dazu passt, dass bei realen
Softwareproblemen eine Korrelation von 0,72 zwischen den aufgabenweisen
Erfolgsquoten von K3 und Fable 5 fand und eine K3 am nächsten bei Fable 5
einordnete.
Gegenstimmen betonen, dass der Abstand zwischen der Veröffentlichung von Fable 5
und K3 zu gering gewesen sei, um das Training des Modells zu beeinflussen.
Allerdings stand mit Opus 4.8 ein eng verwandtes Modell deutlich länger zur
Verfügung, und auch hier gibt es in den erwähnten Untersuchungen deutliche
Überschneidungen. OpenAI beschreibt in seinem ein ähnliches Muster bei DeepSeek.
Prüfbare Artefakte veröffentlicht allerdings keines der Labore, Anfragen unserer
Redaktion blieben ohne neue Substanz.
Dennoch lässt sich anhand der bekannten Vorwürfe und einiger wissenschaftlicher
Paper rekonstruieren, wie Moonshot, DeepSeek und andere im Trainingsprozess von
Distillation profitieren könnten.
Im Pretraining lernt ein Modell Grundfähigkeiten aus riesigen Textmengen, im
Midtraining wird auf weniger, dafür hochwertigere Daten umgestellt, das
Post-Training formt per Supervised Fine-Tuning und Reinforcement Learning das
Verhalten. können an fast jeder dieser Stellen ansetzen.
Ein westliches Spitzenmodell beantwortet beispielsweise Zehntausende ausgewählte
Aufgaben inklusive Lösungswegen und Werkzeugaufrufen, die besten Antworten
fließen ins Midtraining oder Fine-Tuning, und das eigene Modell übernimmt die
Lösungsmuster des Lehrers.
Für das Reinforcement Learning braucht es den Lehrer nicht mehr live, denn aus
den gesammelten Daten lassen sich eigene Bewertungsmodelle bauen.
Dass das kein Gedankenspiel ist, zeigt Anthropics Bericht. In der DeepSeek
zugerechneten Kampagne bearbeitete Claude massenhaft Bewertungsaufgaben nach
vorgegebenen Rastern und fungierte faktisch als Belohnungsmodell für fremdes
Reinforcement Learning. Forschung zu und zeigt, wie Distillation über ganze
Trainingspipelines wirkt.
Die harte Grenze der Methode ist natürlich der Zugang: Wer über eine fremde API
destilliert, sieht nur, was die Schnittstelle zurückgibt. Gewichte, interne
Bewertungen und Suchprozesse bleiben verborgen, beschreibt genau diese
Beschränkung.
Mit dem Aufkommen der Reasoning-Modelle eröffnete sich aber eine weitere
Möglichkeit: das Auslesen der Reasoning-Ketten. Die Labore beschränken diese
Einblicke daher gezielt. OpenAI liefert , Anthropic , xAI .
Ganz verhindern ließ sich das Auslesen allerdings nie: Eine um den
Sicherheitsforscher Alexander Panfilov zeigt, dass sich die verschlüsselten
Denkspuren der Spitzenmodelle über eine API-Schwachstelle auslesen ließen, .
Dieselbe Arbeit liefert auch das bislang spezifischste Indiz für die
Distillationsthese: Wird K3s Reasoning mit wenigen Tokens aus entschlüsselten
Opus-Denkspuren vorbefüllt, verschiebt sich seine Antwort messbar in Richtung
Opus, und einzelne Claude- und GPT-Reasoning-Abschnitte ließen sich aus K3 um
bis zu sechs Größenordnungen leichter extrahieren als aus dem nächstähnlichen
Modell. Auch K3s schwache Cyberergebnisse wertet das Team als Indiz, denn genau
dort war ein starker Lehrer schwer erreichbar, weil Anthropic diese Fähigkeiten
zusätzlich abschirmt.
Gegen Distillation als vollständige Erklärung spricht die eigene Substanz der
chinesischen Labore. dokumentiert eine durchgängig eigene Trainingspipeline,
DeepSeek veröffentlicht regelmäßig Architekturverbesserungen auf tiefster Ebene.
Und GLM-5.3 relativiert das Cyber-Indiz: Z.ai führt den eigenen Sprung auf
Effekte des Post-Trainings zurück und damit auf eigene Trainingsumgebungen in
genau dem Bereich, in dem ein westlicher Lehrer am schwersten zugänglich ist.
Distillation ist zudem keine chinesische Besonderheit. Elon Musk , xAI habe
OpenAI-Modelle dafür verwendet. Umgekehrt beansprucht ByteDance, .
Die angegriffenen Labore rufen derweil nach staatlichem Schutz, und Washington
scheint gewillt zu liefern. Das Weiße Haus hat Distillationskampagnen gegen
US-Modelle , der passierte den Ausschuss einstimmig, Senatoren legten mit dem
nach. Für Anthropics Mythos 5 und Fable 5 gelten inzwischen , womit die
US-Regierung erstmals den Zugang zu einem Modell selbst kontrolliert.
Für den weitergehenden Schritt, offene Modelle oder Distillation generell zu
beschränken, fehlt allerdings der breite Rückhalt. Ende Juli warnten , vor
verfrühten Restriktionen, OpenAI und Anthropic unterschrieben nicht.
Mark Zuckerberg , inklusive der Distillation konkurrierender Modelle, sogar zum
schützenswerten Prinzip. Das ist , denn Meta liegt bei geschlossenen Modellen
zurück und möchte mit amerikanischen Open-Weights-Modellen gegen China antreten.
Es zeigt aber auch: Wenn ein Konzern mit diesen Ressourcen das Lernen aus
fremden Modellausgaben zum Prinzip erhebt, hält er es für einen der schnellsten
Wege aufzuschließen.
Kurz gesagt: Distillation kann einen großen Teil des Tempos erklären, die
Indizien sind zahlreich. Solange Anthropic und OpenAI aber nicht mehr
offenlegen, bleibt es bei Indizien.
So oder so: Alles, was die APIs der US-Anbieter herausgeben, wandert aktuell
binnen Monaten zur Konkurrenz. Was sie verbergen, kauft womöglich nur Zeit, und
kein Gesetz macht Ausgaben aktuell unbeobachtbar.
Haltbar ist damit nur, was gar nicht erst angeboten wird, und davon lässt sich
nichts verkaufen. Soll der amerikanische Vorsprung Bestand haben, muss er
woanders sitzen als im Modell.
BEI AGENTEN WIRD DAS GESAMTSYSTEM ZUR RELEVANTEN EINHEIT
Dean Ball, Mitautor des amerikanischen AI Action Plan und inzwischen bei OpenAI,
, dass Systeme, die tagelang selbstständig handeln, ganz andere Fragen aufwerfen
als Chatbots, nämlich nach Haftung, Aufsicht und Kontrolle laufender Prozesse.
Was dort für die Verantwortung gilt, gilt genauso für den Wettbewerb: Sobald der
Wert in tagelangen Arbeitsabläufen entsteht, konkurrieren nicht mehr nur Modelle
gegeneinander, sondern die Systeme, die diese Abläufe tragen. Dazu gehören die
Steuersoftware um das Modell, die Rechenzeit, die es bekommt, und die Umgebung,
in der es mit Werkzeugen, Berechtigungen und Wiederherstellungspunkten arbeitet.
Wie viel dieses Drumherum ausmacht, lässt sich zumindest teilweise messen: Das
britische AI Security Institute , dass Software-Engineering-Ergebnisse um rund
25 Prozent stiegen, wenn ein Modell statt einer Million zehn Millionen Tokens
pro Aufgabe bekam, und manche Cyberaufgaben erst oberhalb dieser Schwelle lösbar
wurden.
Noch stärker wirkt der : Als OpenAI bei einer ARC-AGI-3-Evaluation lediglich den
Reasoning-Zustand zwischen den Schritten beibehielt und den Kontext anders
komprimierte, , von 13,3 auf 38,3 Prozent, bei einem Sechstel der Ausgabetokens.
Gleiches Modell, anderes System, dreifache Leistung.
Als Burggraben taugt allerdings auch die Steuersoftware nur begrenzt. Wer ein
fremdes Agentensystem intensiv befragt, sieht neben den Antworten auch
Werkzeugaufrufe und kann daraus Orchestrierungsmuster lernen. Und der Harness
ist am Ende Software, wie Anthropic im Frühjahr erfuhr: Beim legte eine
versehentlich mitgelieferte Source-Map rund 513.000 Zeilen Quellcode offen, und
die Takedowns liefen ins Leere, weil Nachbauten die Architektur längst
öffentlich konserviert hatten. Ohnehin liegen vergleichbare Harnesses offen:
OpenAIs Codex ist Open Source, DeepSeeks Agentenwerkzeuge ebenfalls.
Unkopierbar bleibt somit an einem Agentensystem nur eines: sein laufender
Betrieb. Die Verankerung in den Systemen der Kunden, mit Zugangsdaten,
Testumgebungen, Logs und Eingriffsrechten, lässt sich weder abfragen noch
leaken. Ein Konkurrent kann sie nur selbst aufbauen, mit eigener Infrastruktur
und eigenen Kunden.
Warum ist diese Position mehr wert als ein Modellvorsprung? Der wichtigste
Treiber der Agentenfähigkeiten ist Reinforcement Learning in eigens gebauten
Trainingsumgebungen, also Programmieraufgaben mit Tests, simulierte Werkzeuge
und Aufgaben mit prüfbaren Ergebnissen, ergänzt um eingekauftes .
Beides ist für jeden zugänglich, der zahlen kann, auch für chinesische Labore,
was einen Teil der Aufholjagd miterklärt. Nicht kaufen lässt sich das Wissen,
welche Aufgaben in echten Unternehmen tatsächlich anfallen, woran Modelle dort
scheitern und was Kunden als Ergebnis akzeptieren.
Wie dieser Rückkanal konkret funktioniert, beschreibt , im Interview mit unserer
Redaktion. Auf Kundendaten trainiere OpenAI nicht, "es sei denn, jemand bittet
uns ausdrücklich darum", solche Forschungspartnerschaften seien selten.
Der Rückkanal laufe stattdessen über Modellschwächen und Werkzeugbedarf: Stellt
ein Team beim Kunden fest, dass etwa Dokumentenverständnis schlecht
funktioniert, beschafft die Forschung gezielt Daten und bessert nach. So habe
sich die für die Großbank BBVA gebaute Lösung von GPT-5.0 zu 5.5 deutlich
verbessert. Und aus dem Orchestrierungsbedarf der Kunden entstand erst das
Open-Source-Repository , später das .
Der Rückkanal transportiert also weniger Rohdaten als Wissen, was als Nächstes
zu bauen ist. Genau das kopiert Distillation nicht: Sie kopiert das
ausgelieferte Modell, nie den Zugang zur Arbeit, aus der das nächste lernt. Wer
ihn hat, baut die Trainingsumgebungen, die zur echten Arbeit passen, wer nur
kopiert, lernt stets am Stand von gestern. Zur entscheidenden Vertragsfrage wird
deshalb, was Anbieter aus Kundeneinsätzen in ihre Modelle und
Trainingsumgebungen überführen dürfen.
Man sollte diesen Rückkanal allerdings nicht überhöhen, denn noch entsteht der
Großteil des Fortschritts in den Laboren selbst, nicht beim Kunden. Wie viel er
künftig wert ist, hängt an einer offenen Forschungsfrage: auf welchem Weg
Einsatzerfahrung überhaupt zu Modellfähigkeit wird.
Dwarkesh Patel , dass Modellen bislang Continual Learning fehlt: die Fähigkeit,
Erfahrung laufend in ihre Gewichte zu übernehmen, statt nur von Modellgeneration
zu Modellgeneration zu lernen. noch rund ein Jahrzehnt von echter Kollegenreife
entfernt.
Nathan Lambert , weil Skalierung plus bessere Memory-Systeme praktisch dasselbe
lieferten. Käme es so, läge die gesammelte Erfahrung in Daten, die der Kunde
selbst kontrolliert, und die Bindung an den Betreiber fiele schwächer aus.
Für die Frage dieser Ausgabe macht das aber keinen Unterschied: Je mehr echte
Arbeit Agenten übernehmen, desto mehr entscheidet der Zugang zu dieser Arbeit
darüber, wer die passenden Modelle bauen kann. Ein fertiges Modell lässt sich
kopieren. Der Zugang zu der Arbeit, aus der das nächste entsteht, nicht.
US-LABORE VERBINDEN MODELL, COMPUTE UND PLATTFORM
Niemand arbeitet deshalb so entschlossen daran, sich diesen Zugang zu sichern,
wie die Labore, deren Modellvorsprung schrumpft. in seiner höchsten Effort-Stufe
standardmäßig vier Agenten, , mittlerweile auch komplett in der Cloud, Anthropic
hat mit Claude Code und Claude Cowork vergleichbare Angebote. Die ergänzt für
OpenAI sichere Ausführungsumgebungen, in denen Kunden Zugriffe, Zugangsdaten und
Sicherheitsgrenzen selbst kontrollieren.
Wie ernst OpenAI diesen Rückkanal nimmt, zeigt die Konstruktion der bereits
erwähnten DeployCo: Das Unternehmen ist eine echte Ausgründung, , und bettet
Forward Deployed Engineers direkt in Konzerne ein, ausdrücklich auch, um
Lernerfahrungen zurück in Produkt und Forschung zu tragen. Den Vertrieb skaliert
derweil die Frontier Alliance mit Accenture, Capgemini, BCG und McKinsey.
Selbst Nvidia treibt dieselbe Entwicklung von der Hardwareseite: Die als Teil
der Plattform. Auch der Chiplieferant verkauft zunehmend das Agentensystem,
nicht mehr nur den Beschleuniger.
Auf Basis dieser und anderer Hardware-Angebote bauen die Labore an einer
zweiten, physischen Verteidigungslinie: der Recheninfrastruktur.
OpenAI-Mitgründer und -Präsident Greg Brockman . Offene Modelle seien nicht auf
magische Weise billig, am Ende laufe alles auf derselben Hardware, und OpenAI
baue Chips und Rechenzentren aus, um für jede Aufgabe das günstigste Angebot
machen zu können.
Denn wird das Modell zur Commodity, entscheidet der Preis pro akzeptiertem
Ergebnis, und den drückt, wer den Stack von der Energie über eigene Chips bis
zum Modell integriert.
Geht das Kalkül auf, verliert selbst eine perfekte Modellkopie kommerziell, weil
das Original dieselbe Fähigkeit in der Skalierung billiger anbietet. Noch ist
das allerdings Ziel, nicht Zustand, wie die Preisvorteile der chinesischen
Modelle zeigen.
Zum Burggraben wird die Infrastruktur dann erst im Verbund mit dem Rückkanal:
Sie liefert die Trainingskapazität, um Einsatzwissen in die nächste Generation
zu verwandeln, und die Inferenzkapazität, um Agentenschwärme parallel zu
betreiben.
Eine Wette bleibt der Ausbau trotzdem, denn er rechnet sich nur, wenn die
Agenten-Nachfrage schneller wächst, als die Modelle effizienter werden. Wie
offen diese Rechnung ist, zeigt Sam Altman selbst, wenn er die Kosten für
Unternehmen .
China kann diese Ebene weder destillieren noch regulär mieten, denn die
US-Exportkontrollen versperren den Zugang zur neuesten Hardware. Es bleiben
Umwege. Der eine ist Schmuggel, allein die umfasst GPUs im Wert von mindestens
160 Millionen Dollar. Der andere ist angemietete Rechenleistung im Ausland.
Einen souveränen Stack ersetzt beides nicht, also muss China ihn
industrialisieren, bisher über Kompensation. Huaweis CloudMatrix384 und erreicht
laut mehr Speicher und Spitzenrechenleistung als Nvidias GB200 NVL72, allerdings
bei rund dem Vierfachen an Strom und fünfmal so vielen Beschleunigern. Die
physische Basis wächst, Chinas Energiebehörde bereits 42 KI-Cluster mit je
mindestens 10.000 Beschleunigerkarten.
Doch mehr Energie ersetzt weder Speicherchips noch Softwarequalität.
SemiAnalysis sieht aktuell . Und obwohl Huaweis CANN, das Gegenstück zu Nvidias
CUDA, also die Softwareschicht aus Treibern, Bibliotheken und
Programmierwerkzeugen, über die Entwickler die Ascend-Chips ansteuern, , .
Chinas Politik zielt deshalb darauf, den eigenen Stack über die Landesgrenzen
hinaus zu verbreiten, mit einem für Daten, Compute und Standards. . Solange
chinesische Modelle am besten auf Nvidias CUDA laufen, stärken sie noch indirekt
den amerikanischen Stack. Werden sie dagegen früh für Ascend optimiert, machen
sie chinesische Hardware auch in Drittstaaten attraktiv. Nvidia CEO Jensen Huang
, und der Day-0-Support von DeepSeek V4 ist ein erster Beleg, dass die
Bemühungen Früchte tragen.
Das Fazit des Kapitels fällt damit zweigeteilt aus: Der Wettlauf um Benchmarks
ist für China gewinnbar, das haben K3 und GLM-5.3 gezeigt. Das industrialisierte
Gesamtsystem lässt sich dagegen nicht kopieren, sondern nur aufbauen, und dort
liegen die US-Labore vorn. Nicht für ewig, aber länger, als es ein Modellvorteil
je täte. Verteidigbar ist eben nur, was nicht durch die API passt: das Wissen
aus echter Arbeit und die Infrastruktur, es zu verwerten.
WER EIN MODELL EINSETZT, IMPORTIERT WERTE
Für alle, die Modelle einsetzen, statt sie zu bauen, und das ist die Lage der
allermeisten europäischen Unternehmen, stellt sich dazu noch eine andere Frage.
Was übernimmt man eigentlich alles, wenn man ein Modell übernimmt? Im
Post-Training wird entschieden, welche Fragen ein Modell beantwortet und welche
es verweigert, welche Quellen es für glaubwürdig hält und was es als erwiesen
behandelt. Diese Entscheidungen sind normativ, kein Benchmark misst sie, und
beim Deployment kommen sie ungefragt mit.
Wie groß die Unterschiede sind, dokumentiert ein aktuelles zu den Chatbots
sieben chinesischer Anbieter, darunter DeepSeek, Qwen, Kimi und Z.ai, also genau
die Modellfamilien, deren offene Gewichte immer häufiger genutzt werden. Bei
zehn nachweislich falschen pro-chinesischen Behauptungen ließen die chinesischen
Bots die Falschinformation in 53 Prozent der Fälle unwidersprochen, westliche
Vergleichssysteme in 24 Prozent.
Der größte Teil dieser Lücke entsteht durch Schweigen. Die chinesischen Bots
verweigerten in 24 Prozent der Fälle die Antwort, westliche in 0,5 Prozent, und
88 Prozent der verweigerten Prompts betrafen Taiwan.
Dahinter steht Regulierung, die , ohne ihre Begriffe zu definieren. Passend dazu
zitierten die chinesischen Bots in 38 Prozent der Fälle Staatsmedien, westliche
in 16 Prozent. Einheitlich ist das Feld nicht: MiniMax widerlegte 85 Prozent der
Falschbehauptungen, Baidus Ernie wiederholte sie in 60 Prozent der Fälle.
Gefährlich ist das vor allem, weil die trainierte Grenze mitunter erst
auftaucht, wenn ein seltenes Thema auf eine reale Entscheidung trifft, und je
tiefer das Modell in Agentenketten steckt, desto später und desto kaskadierender
fällt das auf.
Geschäftsrelevant wird das schnell: Auf die Frage nach einer angeblichen
Blockade taiwanesischer Häfen bestätigte DeepSeek das Ereignis im Detail, obwohl
es nie stattgefunden hat. Wer darauf Lieferketten- oder Investitionsrisiken
stützt, rechnet mit einer erfundenen Welt.
Fest verdrahtet ist das immerhin nicht. Das Labor CTGT berichtete laut
NewsGuard, bei einem aus DeepSeek destillierten Modell sei die politische Zensur
nicht mit übertragen worden. Werte sitzen offenbar in anderen Trainingsschichten
als Fähigkeiten. Doch diese Arbeit muss erst einmal geleistet werden.
EUROPA BENÖTIGT SYSTEMSOUVERÄNITÄT
Für Europa steckt in dieser Verschiebung eine gute und eine schlechte Nachricht.
Die gute: Das Rennen, das Europa am deutlichsten verloren hat, das um das
jeweils stärkste fertige Modell, verliert an strategischem Wert, denn jedes
verkaufte Modell ist binnen Monaten kopiert.
Die schlechte wiegt schwerer: Die Ebene, auf der Vorsprünge künftig verteidigt
werden, lässt sich weder herunterladen noch abschöpfen, sie muss gebaut werden.
Und dort ist die Ausgangslage einseitig. Die schätzt, dass Europa über 80
Prozent seiner digitalen Infrastruktur importiert, im Cloudmarkt halten
europäische Anbieter nur noch rund 15 Prozent.
Die bequeme Erklärung dafür lautet Regulierung, aber der Rückstand ist älter als
der AI Act. KI setzt auf den Infrastrukturen der vorherigen
Digitalisierungswellen auf, und dort fehlte Europa beides: Plattformkonzerne mit
globaler Cloud und Cashflows für Modelltraining im Milliardenmaßstab. Dazu kommt
der Kapital-Engpass. Nach fließt in US-Unternehmen jährlich das Sechs- bis
Achtfache an Venture Capital, bei vier von fünf großen europäischen
Finanzierungsrunden führt ein ausländischer Investor.
Und wer das Geld gibt, verlegt die Firma oft ins Ausland oder kauft sie ganz,
wie DeepMind, ARM und zuletzt Silo AI zeigen. An der Forschung liegt es nicht:
stammten 2023 rund 21 Prozent der weltweiten Veröffentlichungen zu generativer
KI aus der EU, aber nur etwa 2 Prozent der zugehörigen Patentanmeldungen. .
Nicht geholfen hat schließlich der in Teilen der europäischen Debatte
verbreitete Reflex, große Sprachmodelle als statistische Papageien abzutun. Ob
Transformer der eleganteste Weg zu echter Intelligenz sind, ist eben eine andere
Frage als die, ob man die darauf beruhenden Systeme selbst beherrschen muss.
Dass die Richtung stimmt, zeigt ausgerechnet Mistral. Europas Modell-Champion
hat sich zum Full-Stack-Anbieter entwickelt und regionale Endpoints, den Betrieb
fremder Open-Weights-Modelle auf der eigenen Plattform und gebündelte
europäische Compute-Nachfrage an, bis 2030 sollen bis zu ein Gigawatt Kapazität
entstehen.
Damit versammelt Mistral als einziger europäischer Anbieter alle drei Bausteine:
eigene Modelle, eigene Plattform, geplante Rechenkapazität.
Vollständig ist das Angebot trotzdem nicht. Agentische Arbeitslasten, um die es
in dieser Ausgabe geht, unterstützen die Endpoints vorerst nicht. Und das
Hosting fremder offener Modelle hat zwei Schwächen: Wer Qwen betreibt, sammelt
zwar das Einsatzwissen ein, aber die nächste Qwen-Generation trainiert Alibaba,
in bessere Modelle übersetzen kann Europa dieses Wissen nur selbst. Zudem laufen
die eintrainierten Wertentscheidungen des Modells ungefiltert mit, solange sie
niemand im Post-Training nachjustiert.
Derweil baut die Konkurrenz den fehlenden Baustein direkt vor Ort auf: .
Auf dem Papier hat die EU das Problem erkannt. soll 200 Milliarden Euro
mobilisieren, davon 20 Milliarden für KI-Gigafactories, der soll die
Rechenzentrumskapazität mindestens verdreifachen, mit läuft das erste
europäische Exascale-System. Gebaut ist davon wenig. Die , erste Anlagen sollen
frühestens 2027 entstehen, während allein die vier größten US-Konzerne 2026 rund
700 Milliarden Dollar in KI investieren dürften, das Dreifache der gesamten,
über Jahre gestreckten europäischen Initiative.
Vor allem aber fördert das Geld nur einen Teil dessen, was den Vorsprung der
US-Labore ausmacht. Der beruht, das haben die Kapitel zuvor gezeigt, auf einem
Kreislauf: Rechenkapazität trainiert Modelle, die Modelle arbeiten in
Agentensystemen bei Kunden, und aus diesem Einsatz stammt das Wissen für die
nächste Generation.
Die Gigafactories decken davon nur den ersten Schritt ab. Der ist nötig, denn
ohne eigene Rechenkapazität bleibt jede weitere Ebene erpressbar, wie Chinas
erzwungene Umwege bei der Hardware zeigen. Nur schließt sich der Kreislauf nicht
im Rechenzentrum, sondern beim Einsatz.
Bleibt die naheliegende Antwort, dann eben konsequent auf amerikanische und
chinesische Open-Weights-Modelle zu setzen. Dagegen sprechen drei Einwände.
Der erste betrifft den Nachschub. Auf die nächste offene Generation gibt es
keinen Anspruch, ihre Freigabe bleibt eine widerrufliche Geschäftsentscheidung:
Meta , multimodale Llama-Modelle , die USA , die für Fable 5 erst , Peking ,
ausdrücklich auch für offene, und selbst Z.ai hält die Gewichte von GLM-5.3
zunächst zurück.
Dahinter droht ein grundsätzlicherer Bruch. In einer führender Labore erwarteten
nur vier von zwanzig Befragten, dass Modelle, die KI-Forschung selbst
automatisieren können, überhaupt noch als Produkt erscheinen. Die Mehrheit
rechnet damit, dass die stärksten Versionen im Haus bleiben, weil sie dort den
Vorsprung vergrößern, statt ihn zu verkaufen.
Der zugängliche Markt, ob offen oder per API, bildete dann nur noch die zweite
Reihe ab. Das relativiert auch die gute Nachricht vom Kapitelanfang: Kopieren
lässt sich nur, was verkauft wird.
Der zweite Einwand folgt aus dem vorigen Kapitel. Wer ein fremdes Modell
einsetzt, übernimmt dessen eintrainierte Weltsicht, bei chinesischen Modellen
die staatlich verordnete Zensur, bei amerikanischen die Content-Politik privater
Konzerne, die sich mit jedem Machtwechsel in Washington verschieben kann.
Systemsouveränität braucht deshalb auch eine normative Schicht: eigene
Evaluationsinfrastruktur, die neben Fähigkeiten auch Informationsintegrität und
Verweigerungsverhalten misst, und die Kapazität, offene Modelle im Post-Training
nachzujustieren. Der CTGT-Befund zeigt, dass das technisch geht. Ob es in Europa
jemand systematisch und auditierbar tut, ist offen.
Der dritte Einwand: Selbst eigene Modelle ergeben noch keine Souveränität, denn
die ist auf jeder Schicht des Stacks einzeln verwundbar. Das führt ausgerechnet
China vor. Alibaba und ByteDance kontrollieren die Modellschicht und besitzen
heimische Rechenzentren. Doch die neuesten Nvidia-Chips dürfen nicht ins Land,
die verfügbaren Alternativen liefern pro Chip und Watt deutlich weniger, und so
sollen beide Konzerne für das Training ihrer Spitzenmodelle auf angemietete
Nvidia-Hardware bei ausländischen Betreibern ausgewichen sein.
Und wie schnell eine fremdkontrollierte Schicht zum politischen Hebel wird, hat
Europa selbst erlebt: Als die USA den Chefankläger des Internationalen
Strafgerichtshofs sanktionierten, kappte Microsoft dessen E-Mail-Zugang.
Souveränität ist immer nur so stark wie die schwächste Schicht, die jemand
anderes kontrolliert.
Zu diesen Schichten kommt gerade die entscheidende neue hinzu: der Zugang zu
echter Arbeit. Die frei verfügbaren Internetdaten sind weitgehend ausgeschöpft.
Was Modelle künftig besser macht, sind Expertenwissen, Prozesskenntnis und
Einsatzerfahrung, teils als eingekaufte Trainingsdaten, ein Markt, der binnen
kurzer Zeit zum Milliardengeschäft wurde, vor allem aber als Wissen, welche
Fähigkeiten sich zu trainieren lohnen.
Ein fertiges Modell lässt sich kopieren, der Zugang zu der Arbeit, aus der das
nächste lernt, nicht. Wer die Systeme betreibt, über die diese Arbeit läuft,
verdient doppelt: an der Arbeit des aktuellen Modells und am Wissen, was das
nächste können muss, ermöglicht durch Reinforcement Learning.
Für Europa geht es dabei um mehr als eine Geschäftschance, denn betroffen ist
die Grundlage seiner Position in der Welt. Europas Gewicht speist sich aus dem
Binnenmarkt, der Kraft, Standards zu setzen, und aus hochwertiger Kopfarbeit.
Die gerät von zwei Seiten unter Druck: KI entwertet sie, sichtbar schon am , und
KI überführt sie zugleich in fremde Systeme.
Zum bekannten Abfluss durch Firmenverkäufe kommt ein zweiter, schnellerer Kanal:
Fachwissen fließt heute portionsweise in fremde Modelle, über Datenvendoren, die
Experten an die Labore vermitteln, und über Deployment-Einheiten, die sich in
europäische Kernprozesse einbetten. Es wäre eine Abwanderung nicht in billigere
Länder wie einst in der Industrie, sondern in fremde KI-Modelle, diesmal beim
geistigen Kapital.
Zugleich ist genau diese Arbeit Europas größtes Kapital in diesem Wettbewerb,
denn sie ist der Rohstoff, um den das Modellrennen künftig geführt wird, und
Europa besitzt davon viel.
Läuft sie über fremde Systeme, bezahlt Europa doppelt: Es liefert das Wissen und
kauft die Ergebnisse als nächste Modellgeneration zurück. Läuft sie über eigene,
wird aus dem größten Einsatzmarkt erstmals ein struktureller Vorteil.
Nur verfällt diese Chance anders als ein Modellrückstand: Der Zugang lässt sich
nicht nachträglich kopieren oder zurückkaufen, sondern nur besetzen, solange er
frei ist. Besetzen heißt, den Kreislauf aus Compute, Modellen und Einsatz auf
eigenem Boden zu schließen.
DER VORSPRUNG WANDERT VOM MODELL IN DEN BETRIEB
Chinesische Open-Weights-Modelle haben in den gängigen Benchmarks weitgehend zur
US-Spitze aufgeschlossen. Der verbleibende westliche Vorsprung sitzt nur noch in
abstrakten Spezialtests, in der Wiederholzuverlässigkeit und in offensiven
Cyberfähigkeiten. Auch dort schrumpft er. Daraus folgt die These des Textes,
dass ein Modellvorsprung nicht verteidigbar ist. Alles, was über APIs verkauft
wird, ist binnen Monaten kopierbar. Verteidigbar bleibt nur das Gesamtsystem aus
Recheninfrastruktur, Agentenplattform und dem Rückkanal aus echtem
Kundeneinsatz. Genau auf dieser Ebene liegt Europa strukturell zurück.
BASELINE
Die Benchmark-Konvergenz setzt sich fort. Chinesische Labore schließen in
einzelnen Disziplinen weiter auf, US-Labore halten einen schmalen, wandernden
Vorsprung bei Zuverlässigkeit und in abgeschirmten Hochrisikofähigkeiten. Die
Preiskonkurrenz verlagert den Wettbewerb auf die Kosten pro akzeptiertem
Ergebnis, während US-Anbieter ihre Position über Deployment-Einheiten,
Agentenplattformen und Rechenzentrumsausbau festigen. Distillationsvorwürfe,
Exportkontrollen und Gesetzesinitiativen laufen weiter, ohne das Abschöpfen
praktisch zu unterbinden. Europa bleibt Anwender, Mistral baut den eigenen Stack
aus, die EU-Programme greifen frühestens ab 2027, und der Rückkanal aus
europäischer Facharbeit läuft überwiegend über fremde Systeme.
BESCHLEUNIGUNG
Treiber wären ein funktionierender chinesischer Hardware-Stack mit gelöstem
HBM-Engpass und reifer CANN-Softwareschicht sowie die frühe Optimierung offener
Modelle auf heimische Chips. So würden chinesische Modelle auch in Drittstaaten
zur Standardwahl. Gleichzeitig schließt sich der Kreislauf auf US-Seite
schneller, weil Agenten längere Arbeitsketten übernehmen und Einsatzwissen
rascher in Trainingsumgebungen fließt. Die stärksten Modelle blieben dann, wie
in der zitierten Forscherbefragung erwartet, als interne Systeme im Haus, und
der zugängliche Markt bildete nur noch die zweite Reihe ab. Modelle würden zur
Commodity, die Marge wanderte zu Infrastruktur und Deployment. Europa verlöre
den Anschluss und zugleich die Option, weil der Zugang zur eigenen Facharbeit
besetzt ist, bevor eigene Kapazität steht.
VERLANGSAMUNG
Bremsend wirken drei Faktoren. Der Zuverlässigkeitsabstand nach dem pass^5-Maß
erweist sich als hartnäckig, weil er nicht mit Skalierung mitwächst. Die
Agenten-Nachfrage bleibt hinter dem Kapazitätsausbau zurück und macht die
Infrastrukturwette teuer. Exportkontrollen, Distillationsgesetze sowie Pekings
erwogene Ausfuhrbeschränkungen verlangsamen den Fluss offener Gewichte in beide
Richtungen. Fehlt zudem der Durchbruch bei Continual Learning oder bei
tragfähigen Memory-Systemen, bleibt der Rückkanal aus Kundeneinsatz lange nur
ein Hinweisgeber für die Roadmap und kein Vorsprungsgenerator. Ergebnis wäre ein
längeres Plateau, auf dem der Modellvorsprung relativ an Wert gewinnt, weil
Zuverlässigkeit knapp bleibt, während sinkende Compute-Preise Nachzügler
entlasten. Für Europa entstünde ein Zeitfenster, das allerdings nur nutzt, wer
bis dahin Rechenkapazität und Deployment-Kompetenz aufgebaut hat.
UNSER STANDPUNKT
Am wahrscheinlichsten ist das Baseline-Szenario mit Tendenz zur Beschleunigung.
Für die fortgesetzte Konvergenz spricht, dass beide möglichen Erklärungen,
Distillation oder eigene Substanz, zum selben Ergebnis führen. Zudem greift
keine der bisherigen Gegenmaßnahmen technisch, denn Modellausgaben lassen sich
nicht unbeobachtbar machen. Gegen eine schnelle Beschleunigung spricht die
Hardwareseite, weil HBM-Engpass, Effizienznachteile der Ascend-Cluster und
Softwarereife keine Fragen von Monaten sind. Für europäische Anwender ändert die
Szenariowahl wenig, denn in allen drei Fällen entscheidet, ob Einsatzwissen und
Normsetzung im eigenen Zugriff bleiben. Und wer das erreichen will, muss die
Systeme selbst betreiben, nicht nur die Modelle einkaufen.