OpenAI startet mit dem Rosalind Academic Plan ein Gratisangebot, das vorerst nur Forschungslaboren an US-Universitäten ohne Enterprise-Vertrag offensteht. Berechtigte Labore erhalten bis zu zwölf Monate lang bis zu 30 kostenlose Plätze im Tarif Business Standard, eine API ist nicht enthalten.
Im Zentrum steht GPT-Rosalind, ein auf Biowissenschaften spezialisiertes KI-Modell, das laut OpenAI tieferes Reasoning bei komplexen biologischen Fragen unterstützen soll. Über die Rosalind Workbench steuert es Fachwerkzeuge an, etwa für medizinische Chemie, Genomik und Laborexperimente. Vor der Freischaltung prüft OpenAI Institution, Laborleitung und geplanten Einsatz, danach überwacht das Unternehmen die Nutzung.
Zugelassene Forscher dürfen laut OpenAI sensible wissenschaftliche Fragen bearbeiten, allerdings nur innerhalb von Schutzmechanismen. Bei registrierten, hochsensiblen Anwendungen berücksichtigen die Sicherheitschecks den genehmigten Forschungskontext, bei Unklarheiten fragt OpenAI bei den Forschern nach. Forschungsdaten nutzt OpenAI laut eigenen Angaben standardmäßig nicht fürs Training, Details zur Bewerbung stehen im Hilfe-Center.
Anthropic lässt ein Team der Non-Profit-Organisation METR seine KI-Modelle und Sicherheitspraktiken von innen prüfen, teilt das Unternehmen mit. Sechs METR-Mitarbeiter haben dafür Firmenhardware, Büroplätze und Zugriff auf interne Tools bekommen, laut Anthropic etwa auf dem Niveau der eigenen Risikoteams.
Kundendaten, anwaltlich geschützte Informationen und Details zur Modellarchitektur bleiben ausgenommen. METR soll seine Ergebnisse selbstständig veröffentlichen, Anthropic kann nach eigenen Angaben aber Schwärzungen in festgelegten Kategorien verlangen. Ob diese gerechtfertigt waren, darf METR öffentlich kommentieren.
Anthropic begründet den Schritt damit, dass sich nicht alle sicherheitsrelevanten Informationen veröffentlichen ließen, etwa weil sie Angreifern helfen könnten oder geschäftlich sensibel seien. Weitere Prüfer wie SecureBio, Accenture und Faculty erhalten bisher weniger Zugang und eingeschränkte Veröffentlichungsrechte, mit Hugging Face laufen erste Gespräche. Zuvor hatte Anthropic den White House Accord on Super Intelligence unterzeichnet, der die Zusammenarbeit mit externen Prüfern vorsieht.
Nach seiner Llama-Serie meldet sich Meta mit Muse Open im Open-Weight-Bereich zurück.Muse Spark Open ist laut Meta das leistungsfähigste US-Open-Weight-Modell, ausgelegt auf Programmierung und agentenbasierte Aufgaben. Das Modell hat 816 Milliarden Parameter (42 Milliarden aktiv), verarbeitet bis zu eine Million Token Kontext und unterstützt Text, Bild, Video und Audio. In Benchmarks wie JobBench, MCP-Atlas, HLE-Diamond und ZeroBench liegt es laut Meta teils deutlich vor Qwen 3.8, GLM 5.3 und Kimi K3, aber deutlich hinter den Bezahlmodellen Muse Wonder Full.
Muse Spark Open im Benchmark-Vergleich mit anderen offenen Modellen wie Inkling, Nemotron 3 Ultra, Qwen 3.8, GLM 5.3 und Kimi K3. Meta zufolge führt das Modell in den Kategorien Agentic, Knowledge & Reasoning sowie Multimodal, liegt bei Coding-Benchmarks aber teils hinter der Konkurrenz. | Bild: Meta
Optimiert ist es für Apples M5 Ultra: Zwei Mac Studios mit je 512 GB vereintem Speicher reichen laut Meta für den lokalen Betrieb. Die Gewichte stehen auf Hugging Face zum Download bereit. Die Lizenz erlaubt kostenlose Nutzung, verlangt aber den Hinweis "Built with Muse Spark Open". Anbieter mit über 20 Millionen Dollar Jahresumsatz, die das Modell als API-Dienst anbieten, müssen zudem eine gesonderte Vereinbarung mit Meta schließen. Weitere Details im Forschungsblog.
Black Forest Labs veröffentlicht FLUX 3 Image Klein, ein Open-Weights-Modell mit 5,6 Milliarden Parametern für Bilderzeugung aus Text, Bildbearbeitung und Generierung mit bis zu zehn Referenzbildern. Das Modell beherrscht native 4K-Erzeugung, pixelgenaues Editing und Bounding Boxes zur Platzierung von Elementen. In internen Tests erreicht es laut Black Forest Labs die höchsten Elo-Werte unter allen offenen Modellen und schlägt auch die geschlossenen Konkurrenten Ideogram V4.5 und sogar den eigenen Vorgänger FLUX.2 [pro]. Gegenüber dem Vorgänger FLUX.2 [klein] mit 9 Milliarden Parametern gewinnt es 91 Elo-Punkte bei 38 Prozent weniger Parametern.
Bildbeispiele von Black Forest Labs. | Bild: BFL
Das Modell läuft dank INT8-Build bereits auf NVIDIA-GPUs mit 8 GB VRAM und erzeugt auf einer RTX 4070 ein Bild in unter 9 Sekunden. Die Gewichte stehen unter der FLUX Kommunity License, die kostenlose kommerzielle Nutzung für Unternehmen mit unter 5 Millionen Dollar Jahresumsatz erlaubt. FLUX 3 Image Klein ist zudem über die BFL API ab 0,009 Dollar pro 1.000 Bilder nutzbar, als Playground, auf Hugging Face Spaces sowie lokal über ComfyUI und Diffusers verfügbar. LoRA-Training wird ab Start über Ostris AI Toolkit und NVIDIA NeMo AutoModel unterstützt.
Google stellt mit Gemini 4 Argon ein Robotikmodell vor, das Roboter steuern, Simulationen aus Fotos oder Skizzen erzeugen und Trainingsvideos bewerten soll. Im hauseigenen ERQA-Benchmark erreicht es 87 Prozent. Die veröffentlichten Beispiel-Prompts zeigen allerdings, wie viel menschliche Detailarbeit teilweise hinter den Demos steckt.
Bank of America hat 1.000 externe Auftragnehmer engagiert, um von KI-Modellen wie Anthropics Mythos aufgedeckte Softwarelücken zu schließen, berichtet CNBC. Laut CEO Brian Moynihan unterstützen sie seit dem zweiten Quartal 3.000 interne Mitarbeiter. Für die Softwarearbeiten und Auflagen zur Geldwäschebekämpfung gab die Bank im dritten Quartal laut Moynihan zusammen einige hundert Millionen Dollar aus. Eine eigene Summe nur für das Patchen nennt er allerdings nicht.
Anthropic hatte Mythos im April über Project Glasswing nur ausgewählten Partnern zugänglich gemacht und von Tausenden schweren Sicherheitslücken gesprochen. OpenAI startete im Mai sein Cyber-Programm Daybreak. Wurden die Warnungen der Labore und ihre Maßnahmen anfangs als PR-Maßnahme abgetan, hat sich die Debatte inzwischen verschoben. Verantwortlich dafür sind Sicherheitsvorfälle wie der Hugging-Face-Hack und unabhängige Untersuchungen, die die gestiegenen Fähigkeiten der neuen Modelle bestätigen.
Mit der Bank of America legt nun einer der ersten großen US-Konzerne offen, wie viel Personal er gegen solche von KI aufgedeckten Lücken einsetzt. Moynihan erwartet, dass die Kosten für das Patchen mit der Zeit sinken.
