AI Picks der 37. KW

Leichte Ermüdungserscheinungen bei den Labs. Die große Modellwoche findet nur moderat eine Fortsetzung, immerhin mit ein paar Highlights.

Ansonsten verfolgen wohl alle das Battle Trump vs. Kanada – war nämlich erstaunlich wenig los diese Woche. Außer, dass die Tech-Aktien und damit meine Handvoll Anteile am L&G Artificial Intelligence UCITS gerade lustig Achterbahn fahren. Sei es drum, dann ist es schneller weggelesen als letzte Woche. Also, dann mal rein in die 37. Kalenderwoche des Jahres 2026 AD.

DeepSeek-V4.1-Flash

Bei DeepSeek dachten sie sich auch „da geht noch was“ und haben V4.1-Flash rausgehauen. Ein 552-Milliarden-Parameter-MoE, davon rund 8 Milliarden aktiv, Open Weights unter MIT-Lizenz, native Bildeingabe. Das ist alles richtig nett, aber nicht der springende Punkt. Das ist nämlich der Preis und der ist mal 'ne echte Ansage von DeepSeek:

Der Cache-Hit für 0,003 $ macht wiederholten Kontext nicht ganz, aber fast geschenkt. Flash beerbt damit das alte V4-Flash und übernimmt ab dem 14. September auch den Traffic von V4 Pro, bis irgendwann V4.1 Pro nachkommt. Artificial Analysis hat das Ding schon vermessen, die Weights liegen auf Hugging Face, und über OpenRouter kommt man ohne DeepSeek-Account dran. In dieser Preisklasse ist das aktuell sehr schwer zu schlagen.

Mercury 2.5

Bei Inception (stabiler Name für eine AI-Bude) ist am 8. September das LLM Mercury 2.5 hinten rausgefallen. Wer hätte es geahnt: ein auf Coding und agentische Aufgaben spezialisiertes Diffusionsmodell. Zu ihrer Verteidigung: Das war beim Vorgänger auch schon so.

Das Besondere ist dann auch nicht irgendein „High Intelligence“-Claim oder die Behauptung, es liefe 40 Tage am Stück durch, sondern schlicht Preis und Geschwindigkeit. Beides für sich genommen ist schon eine Kampfansage. Der Listenpreis liegt bei 0,20 $ Input und 0,75 $ Output, zum Launch gibt es 80 % Rabatt: 0,04 $ Input und 0,15 $ Output. Dazu ein auf 260K erweitertes Kontextfenster, tunbares Reasoning und Tool Use. Der Aufhänger bleibt das Tempo, in ihren eigenen Worten:

„1,107 tokens per second on widely-available NVIDIA GPUs.“

Das wird bei dir nicht 1:1 ankommen, aber über OpenRouter sind im Schnitt trotzdem gern zwischen 201 und 846 tok/s drin. Unabhängige Drittanbieter-Benchmarks gab es zum Zeitpunkt der Niederschrift dieses Beitrags noch nicht. Ihr Launch-Artikel vergleicht primär mit dem eigenen Vorgänger und das wirkt zumindest nicht an den Haaren herbeigezogen – aber bleibt eben eine Herstellerangabe.

Cognition SWE-2

Eine neue Woche, ein neues Coding-Modell: Cognition hat am 10. September SWE-2 veröffentlicht. Und mein lieber Herr Gesangsverein, nehmen die den Mund voll. Ihr eigenes Modell sei das fortschrittlichste bisher (das beziehen sie vermutlich auf ihre bis dato trainierten Modelle), es verschiebe die Pareto-Front aus Leistung und Kosten und lande

„within one point of Fable 5.1 while being 64% cheaper“.

Unter der Haube steckt ein Post-Training von Kimi K3, an den technischen Eckdaten dürfte sich also wenig getan haben:

• 2,8 Billionen Parameter
• MoE mit 16 von 896 Experten pro Token
• 1 Mio. Tokens Kontextfenster

Lustigerweise nennen sie nichts davon im eigenen Artikel, gezeigt werden nur eigene Benchmarks – externe gibt es bisher keine. Die 50,0 % auf FrontierCode 1.1 Main liegen knapp hinter den 50,9 % von Fable 5.1, das schon. Wer das ausprobieren will, muss sich in die Devin-Infrastruktur einkaufen. Es gibt einen Free-Account, ernsthaft los geht es ab 20 $/Monat mit Devin Pro.

Mein Take dazu: das mag alles total toll sein, aber allein ihr Blogeintrag wirkt so shady auf mich, dass ich schon keinen Bock mehr habe, mich für einen Test überhaupt zu registrieren.

Sakana Fugu Max und Fugu Ultra v2

Sakana AI hat mit Fugu Max und Fugu Ultra v2 zwei neue Varianten seiner Fugu-Orchestrierung rausgelassen. Kein einzelnes Foundation Model, sondern ein System, das Anfragen dynamisch auf einen Pool aus offenen und spezialisierten Modellen verteilt. Fugu Max ist auf das Verhältnis aus Leistung und Kosten optimiert: möglichst hohe Qualität mit dem kleinsten Modell, das die Aufgabe noch packt. Sakana nennt 2 $ pro 1 Mio. Input-Tokens und 6 $ pro 1 Mio. Output-Tokens und spricht von 40–60 % niedrigeren Output-Kosten gegenüber Sonnet 5, GPT-5.6 Terra und Kimi K3. Nach eigenen Angaben holt Fugu Max auf sechs Benchmarks den höchsten Gesamtscore und erweitert auf sieben von zehn getesteten Benchmarks die Kosten-Leistungs-Paretofront. Die Werte stammen aus Sakanas eigener Evaluation, mit SWEFish ist zudem mindestens ein interner Benchmark dabei.

Fugu Ultra v2 setzt dagegen auf maximale Leistung bei komplexen, mehrstufigen Aufgaben – Development, autonome Recherche, das Verarbeiten visueller und strukturierter Daten. Sakana nennt unter anderem 48,3 Punkte auf Chartography und 74,3 auf DeepSWE. Auf sieben von acht Benchmarks soll Ultra v2 mindestens Rang 2 erreichen. Interessant ist die eigene Fußnote: Fugu Ultra v2 erreicht diese Werte laut Sakana ohne Fable 5, Fable 5.1 oder GPT-6 Astra im zugrunde liegenden Modellpool. Beide Varianten laufen über eine OpenAI-kompatible API und lassen sich in bestehenden Fugu-Integrationen per Parametertausch aktivieren. Die Botschaft dahinter: Nicht ein immer größeres Einzelmodell, sondern die dynamische Auswahl und Kombination spezialisierter Modelle soll das bessere Verhältnis aus Kosten, Leistung und Anbieterunabhängigkeit liefern.

Wer den vollen Zahlensalat will, findet ihn im Release-Post; auf OpenRouter ist die Familie ebenfalls gelistet.

Effizient Astra-Tokens verbrennen

Schön, dass ich mit meinen ersten Erfahrungen mit dem jüngsten OpenAI Flagship diese Woche nicht alleine dastehe. Denn Astra in Codex zu nutzen ist ein bisschen wie in einem Bugatti Veyron bei 260 km/h der Tankanzeige live zuzusehen: wirkt imposant, verbrennt aber viel zu viel in viel zu kurzer Zeit. Und ich hatte Astra dabei nicht mal auf Anschlag, sondern moderat auf „mittel“.

Anders als Ben Tossell, der sein Wochenende mit 4 Milliarden Tokens und am Ende ungefähr nichts Gebautem verbracht hat, hatte ich hinterher immerhin das Gefühl, dass etwas Brauchbares herauskam.

Ich wollte Astra in einem realistischen Szenario ausprobieren und habe es in Codex ein kleines Tool bauen lassen, das mir die unterschiedlichen Export-Daten und -Formate (querbeet: JSON, PDF, MD, etc.) aus diversen GEO- und SEO-Analyse-Tools plus Search Console, GA4 und Merchant Center einsammelt, in eine Pipeline kippt, token-sparsam konsolidiert und zu einem Reporting mit definierbaren KPIs zusammenschiebt. Gebraucht habe ich dafür zwei Anläufe – der erste hat mir mittendrin das Limit leergesaugt. Als Test ist das völlig okay, aber: Mit Sol auf Effort Level High hätte Codex denselben Job genauso erledigt, ohne dass ich zweimal hätte ranmüssen.

GPT-6 Model Guidance

Apropos Astra: OpenAI hat seinen kleinen LLM-Guide erweitert und Hinweise zu Astra reingeschoben. Keine wilden Überraschungen, aber ein paar wissenswerte Dinge. Mir war zum Beispiel nicht bewusst, dass sich das Reasoning nicht mehr per Reasoning Effort none abschalten lässt – die niedrigste Stufe ist jetzt low. Heißt für den Alltag: Wer kein Reasoning braucht, lässt Astra orchestrieren und schickt Luna oder Terra zum eigentlichen Werkeln vor.

OpenAI Agents API

Frisch vom 10. September und aktuell Public Beta: OpenAI hat die Agents API veröffentlicht und macht somit den Agenten-Unterbau von Codex als verwalteten Dienst verfügbar. Man definiert Aufgabe, Modell, Tools und Ausführungsumgebung, das eigentliche Harness für Kontextverwaltung, Tool-Nutzung und Orchestrierung betreibt OpenAI. Laufen können die Agenten in OpenAI-Sandboxes, auf eigener Infrastruktur oder bei einem der Sandbox-Partner, unter anderem Cloudflare, Vercel, DigitalOcean oder E2B. Unterstützt werden MCP, eigene Funktionen, Websuche und parallele Subagenten.

Der interessante Punkt daran, ist weniger eine neue Modellfähigkeit, als vielmehr die Produktisierung der Agenten-Infrastruktur. Die API übernimmt, was Entwickler bisher oft selbst bauen mussten: lange Sessions über mehrere Kontextfenster, automatische Context Compaction, dynamisches Laden relevanter Tools und die Koordination mehrerer spezialisierter Agenten. Das zugrunde liegende Codex-Harness bleibt Open Source, OpenAI übernimmt bei der API Betrieb und Weiterentwicklung. Zusätzliche Gebühren fallen laut OpenAI nicht an, berechnet werden die verwendeten Modelle und Tools.

GPT-Live-1 über OpenAI API verfügbar

Ebenfalls am 10. September in die API gerutscht ist GPT-Live-1. Ein Sprachmodell für Echtzeit-Voice, das Audio-Ein- und -Ausgabe in einem gemeinsamen Modell verarbeitet. Es kann während der eigenen Sprachausgabe weiter zuhören, Unterbrechungen oder kurze Bestätigungen erkennen und Gesprächswechsel abbilden, ohne die klassische STT-LLM-TTS-Kette. Reasoning und Tool Calls delegiert es an ein separates Backend-Modell wie GPT-6 Astra, GPT-5.6 Terra oder ein Drittanbieter-Modell. Dazu liefert das Modell ASR-Transkripte und Antworttext, unterstützt Turn Detection, Keyword Biasing und Telefonie. Auf dem eigenen Full Duplex Bench nennt OpenAI einen Vorsprung von 30 Prozentpunkten gegenüber GPT-Realtime-2.1 – Benchmarkwerte komplett aus eigenen Evaluierungen, das Sternchen sollte man kennen.

Der Preis ist nicht uninteressant: 0,05 $ pro Minute für die Voice-Frontend-Schicht, das Backend läuft separat. Eine offizielle Liste der unterstützten Sprachen gibt es nicht, nur den Hinweis, dass die Auswahl an Stimmen um Akzente, Dialekte und Sprachen erweitert wurde und die Sprachverfügbarkeit in den kommenden Monaten weiter wachsen soll.

Damit Schluss für diese Woche und achtet auf euer Token-Budget.