Am 20. August 2026 erschien auf mehreren Entwicklerplattformen ein Modell namens Ox Alpha ohne Herkunftsangabe: ein Kontextfenster von einer Million Token, Text-, Bild- und Videoeingabe und ein Preis von null. Innerhalb weniger Tage war es das meistaufgerufene Modell in der Wochenübersicht von OpenRouter. Forschende begannen, den Tokenizer anhand seines Fingerabdrucks zu untersuchen, und erklärten sich nahezu sicher, dass das Modell zur GLM-Familie gehöre. Am 26. August bestätigte Z.ai dies auf Anfragen von Bloomberg: Ox Alpha war GLM-5.3-Flash, ein Mixture-of-Experts-Modell mit 320 Milliarden Parametern, das 18 Milliarden Parameter pro Token aktiviert, nativ multimodal ist und noch am selben Abend unter einer MIT-Lizenz veröffentlicht wurde. Das Unternehmen fügte ein Detail hinzu, das mehr Aufmerksamkeit auf sich zog als das Modell selbst: Die gesamte anonyme Woche war auf in China produzierten KI-Beschleunigern bereitgestellt worden. Die treffendste Analyse der Episode identifizierte, was sie erfolgreich machte - Modellbewertung ist bemerkenswert psychologisch geprägt, Entwickler beurteilen Ausgaben durch ihre Erwartungen daran, wer sie erzeugt hat, und ein anonymes Modell beseitigt den Herkunftsprior. Das ist richtig, und es verdient mehr Aufmerksamkeit von Unternehmenskäufern, als es bekommen wird, denn im Unternehmenseinkauf ist dieselbe Verzerrung in Richtlinien festgeschrieben. Doch es gibt eine zweite Hälfte der Geschichte, die von der Begeisterung der Einführungswoche verdeckt wurde und in die entgegengesetzte Richtung weist. Während dieser anonymen Woche erzeugte die Entwicklergemeinschaft bei einer Coding-Evaluation einen viel beachteten Benchmarkwert von rund achtzig Prozent. Er stammte aus einer Stichprobe von zehn Aufgaben. Zwei vollständige Durchläufe derselben Benchmark mit 113 Aufgaben landeten bei etwa dreiundsechzig Prozent, was ungefähr dem Wert entspricht, den der Anbieter selbst gemeldet hatte. Die Crowd beseitigte den Markenbias und lag dann mit der Zahl um siebzehn Punkte daneben. Beide Hälften sind Lektionen, und Unternehmen brauchen beide.

Dies ist der einundzwanzigste Beitrag in einer Reihe, die ich für neuland.ai schreibe. 1 Frühere Beiträge haben argumentiert, dass die Open-Weight-Frontier angekommen ist, dass Routing eine Governance-Entscheidung und keine Abrechnungsannehmlichkeit ist und dass Compute zum bindenden Engpass geworden ist. 2 Dieser Beitrag handelt davon, wie überhaupt jemand weiß, welches Modell zu verwenden ist - was sich als schwierigere Frage herausstellt, als die Benchmarkkultur zugibt, und als eine Frage, die durch die Ox-Alpha-Woche aus zwei Richtungen gleichzeitig beleuchtet wurde.

Was geschah und wovon es ein Teil ist

Die Fakten sind unstrittig, und die meisten stammen vom Anbieter selbst. GLM-5.3-Flash hat insgesamt 320 Milliarden Parameter und aktiviert 18 Milliarden pro Token. Es akzeptiert Text, Bilder und Video, unterstützt ein Kontextfenster von 1.048.576 Token und wird unter einer MIT-Lizenz mit Gewichten auf Hugging Face ausgeliefert. Z.ai meldet einen Wert von 57 im Artificial Analysis Intelligence Index bei 0,045 US-Dollar pro Aufgabe im vergünstigten Tarif, 63,4 in einer Software-Engineering-Benchmark gegenüber 46,2 beim Vorgänger und 48,8 in einer Automatisierungsbenchmark gegenüber 26,2. Der Listenpreis beträgt 0,15 US-Dollar pro Million Eingabetoken und 0,50 US-Dollar pro Million Ausgabetoken, ungefähr ein Zehntel des zwölf Tage zuvor veröffentlichten größeren Geschwistermodells, wobei ein Aktionsrabatt bis zum 9. September läuft. 3

Zwei Einschränkungen gehören unmittelbar neben diese Zahlen. Die Evaluationen verwenden unterschiedliche Harnesses, Kontextgrenzen und Generierungseinstellungen, weshalb modellübergreifende Vergleiche stark vom jeweiligen Testaufbau abhängen. Und kostenlose Modelle genießen einen strukturellen Vorteil in Ranglisten nach Tokenvolumen, insbesondere bei sehr großen Kontextfenstern - eine Einschränkung, auf die die besseren Kommentare zu dieser Episode selbst hingewiesen haben. Der Volumenrekord sagt etwas über den Preis aus, nicht nur über das Modell.

Interessanter als die Einführung ist, dass sie keine Neuheit war. Ox Alpha ist die fünfte anonyme Modellveröffentlichung eines chinesischen Labors innerhalb von sieben Monaten, und das Muster ist inzwischen gut dokumentiert: ein Flaggschiffmodell, das im Februar ungefähr fünf Tage nach seinem Erscheinen bestätigt wurde; ein Modell mit einer Billion Parametern im März, das die Community weithin einem Labor zuschrieb und das sich als Eigentum eines anderen herausstellte; ein auf Effizienz ausgerichtetes Modell, das sein Eigentümer im April etwa zwei Wochen später für sich beanspruchte; und ein auf Agenten ausgerichtetes Modell, ebenfalls von Ende April, das Ende Juni als erstes Modell mit einer Billion Parametern bestätigt wurde, das vollständig auf chinesischen Chips trainiert und bereitgestellt wurde. 4

Die anonyme Einführung ist also kein Stunt. Sie ist ein wiederholbarer Go-to-Market-Ansatz mit etablierter Kadenz, und die Behauptung zum heimischen Silizium, die Schlagzeilen erzeugte, war bereits zwei Monate zuvor von einem anderen Unternehmen über ein größeres Modell aufgestellt worden.

Ein weiteres Detail ist wegen seines komischen Werts und seines strategischen Gehalts erwähnenswert. Der Chief Executive von Stripe beschrieb das anonyme Modell öffentlich als sehr beeindruckend - einen Tag nachdem sein Unternehmen die Übernahme der Plattform abgeschlossen hatte, auf der es gehostet wurde. 5 Ein früherer Beitrag dieser Reihe argumentierte, Stripe habe sich einen Aussichtspunkt darauf gekauft, wohin sich die KI-Nachfrage bewegt. Innerhalb einer Woche nach dem Abschluss zeigte dieser Aussichtspunkt ein anonymes chinesisches Modell an der Spitze der Rangliste.

Der Herkunftsprior und warum Unternehmen stärker darunter leiden

Diese zentrale Beobachtung ist die richtige Grundlage. Entwickler bewerten Ausgaben nicht isoliert; sie bewerten Ausgaben durch ihre Erwartungen an den Produzenten. Wenn ein bekanntes amerikanisches Labor etwas veröffentlicht, erwarten Nutzer Leistungsfähigkeit und suchen danach. Wenn ein unbekanntes chinesisches Labor dasselbe Artefakt veröffentlicht, öffnet ein erheblicher Anteil westlicher Entwickler nicht einmal die Schachtel. Das Entfernen des Labels beseitigt den Prior, und Tausende Ingenieure bewerteten das Modell danach, was es tat, statt danach, wer es gebaut hatte.

In Unternehmen ist diese Verzerrung keine psychologische Tendenz. Sie ist schriftlich festgehalten.

Listen genehmigter Modelle, Preferred-Vendor-Rahmenwerke, die selbstverständliche Annahme, dass eine Organisation, die die Produktivitätssuite eines Hyperscalers nutzt, auch die Modelle dieses Hyperscalers einsetzen wird - das sind Markenentscheidungen, die als Architekturentscheidungen präsentiert werden, und sie werden üblicherweise einmalig von einem Gremium auf Grundlage der Anbieterbeziehung getroffen und nicht anhand gemessener Leistung bei der eigenen Arbeit der Organisation. Die Ox-Alpha-Woche ist ein plausibles natürliches Experiment dazu, was geschieht, wenn dieser Prior entfernt wird, und die Antwort war, dass sehr viele Entwickler schnell und auf Grundlage der Evidenz zu einer Schlussfolgerung gelangten, zu der sie sonst nicht gelangt wären.

Die offensichtliche Empfehlung folgt daraus, und ich denke tatsächlich, dass Unternehmen danach handeln sollten: Evaluieren Sie Modelle blind anhand Ihrer eigenen Workloads, wobei die Identität des Modells denjenigen vorenthalten wird, die die Bewertung vornehmen. Keine öffentlichen Benchmarks - Ihre Dokumente, Ihre Anfragen, Ihre Akzeptanzkriterien, Ihre Fachexperten, die ihr Urteil abgeben, ohne zu wissen, welches System welche Antwort erzeugt hat. Das lässt sich problemlos umsetzen und ist eine der wenigen verfügbaren Änderungen im Beschaffungsprozess, die fast nichts kostet und eine Verzerrung beseitigt, die für die von ihr Betroffenen ansonsten unsichtbar ist.

Doch das ist nur die Hälfte der Antwort, und dieselbe Woche lieferte die andere Hälfte.

Eine abgehakte Freigabeliste, daneben ein Stempel: Was auf der genehmigten Liste steht, wurde einmal entschieden. Bild: KI generiert mit neuland.ai HUB

Der Teil, der jeden beunruhigen sollte, der eine Evaluationspraxis aufbaut

Die Begeisterung der Entwicklergemeinschaft in der Einführungswoche brachte für eine Coding-Benchmark einen Wert von ungefähr achtzig Prozent hervor. Er wurde weithin verbreitet. Er stammte aus zehn Aufgaben. Zwei anschließende vollständige Durchläufe über die 113 Aufgaben der Benchmark landeten bei etwa dreiundsechzig Prozent, was nahe an dem liegt, was der Anbieter für sich selbst gemeldet hatte. 6

Niemand war unehrlich. Ein Ergebnis aus zehn Aufgaben ist eine echte Beobachtung. Es ist schlicht keine Schätzung von irgendetwas, und bei dieser Stichprobengröße ist der Unterschied zwischen einem ermutigenden und einem enttäuschenden Durchlauf nichts als Rauschen. Es lohnt sich, die Korrektur gerade deshalb zu verinnerlichen, weil sie innerhalb einer ansonsten vorbildlichen Evaluationsübung erfolgte: Die Beteiligten hatten keinen Markenbias, kein kommerzielles Interesse und Zugang zum tatsächlichen Modell. Trotzdem erzeugten sie eine Zahl, die um siebzehn Punkte falsch war, und teilten sie selbstbewusst.

Das ist die Fehlerart, die derzeit in der Unternehmens-KI am wichtigsten ist, und sie tritt häufiger auf als der Markenbias, als dessen Heilmittel sie oft vorgeschlagen wird. Eine Handvoll beeindruckender Ausgaben in einem Workshop wird zu einer Behauptung über Fähigkeiten. Eine Demonstration mit kuratierten Dokumenten wird zu einer Beschaffungsentscheidung. Ein Vergleich, der mit zwei unterschiedlichen Harnesses und zwei unterschiedlichen Kontextgrenzen durchgeführt wird, wird zu einer Anbieterrangliste. Das Entfernen des Herkunftspriors behebt nichts davon. Es beseitigt eine Verzerrung und lässt die Methodik vollständig unberührt.

Die Empfehlung besteht daher aus drei Teilen statt aus einem. Blind gegenüber der Herkunft, damit das Urteil dem Artefakt gilt. Methodisch rigoros, damit die Zahl etwas bedeutet - eine angemessene Stichprobe, ein Harness, ausgewiesene Kontext- und Generierungseinstellungen und eine ehrliche Darstellung dessen, was die Messung nicht abdeckt. Und anhand der eigenen Arbeit durchgeführt, weil eine öffentliche Benchmark eine Population von Aufgaben misst, die nicht Ihre ist, und ein Wert darauf ein Proxy für einen Proxy ist.

Ein Unternehmen, das alle drei Punkte umsetzt, verfügt über etwas, das ein Anbieter nicht liefern kann: eine belastbare, aktuelle und workload-spezifische Antwort darauf, welches Modell es verwenden sollte - ein Governance-Artefakt ebenso sehr wie ein technisches.

Was sich unter dem Label verbarg

Es lohnt sich, die darunterliegende Architektur ausdrücklich zu benennen, denn das interessante Engineering war nie die Anonymität.

Dreihundertzwanzig Milliarden Parameter, von denen achtzehn Milliarden pro Token aktiviert werden. Z.ai beschreibt ein hybrides Attention-Design, das Sparse- und lineare Mechanismen kombiniert, um speziell die Bereitstellungskosten bei Long-Context-Arbeit zu senken, und meldet mithilfe einer eigenen Inferenz-Engine eine Verdreifachung der End-to-End-Bereitstellungsleistung gegenüber der eigenen ursprünglichen Baseline auf derselben Hardware. Visuelles Reasoning ist zentral und nicht nebensächlich: Das Modell wurde darauf trainiert, gerenderte Oberflächen und Ausgaben zu untersuchen und anschließend seine eigene Arbeit anhand dieses visuellen Feedbacks zu bewerten und zu überarbeiten. Und die Beziehung zum Geschwistermodell ist relevant - das zwölf Tage zuvor veröffentlichte größere Flaggschiffmodell ist ein separates, reines Textmodell und kein übergeordnetes Modell, aus dem dieses destilliert wurde. 7

Das Muster dahinter ist, dass man sich der Frontier nähert, indem die Anzahl der Parameter reduziert wird, die tatsächlich aktiviert werden, und das erklärte Designziel ist, wie kostengünstig Leistungsfähigkeit innerhalb lang laufender Agenten bereitgestellt werden kann. Ein früherer Beitrag dieser Reihe argumentierte, dass die Ökonomie von Agenten zum bindenden Engpass für Unternehmens-KI werden würde - dass bei Agenten, die über Stunden statt Sekunden laufen, die Kosten einer Stunde Reasoning zu der Zahl werden, die entscheidet, was bereitgestellt werden kann. Dieses Modell wurde ausdrücklich für diesen Engpass entwickelt, und es ist die zweite derartige Veröffentlichung desselben Labors innerhalb von zwei Wochen.

Eine ehrliche Aktualisierung zu etwas, das ich veröffentlicht habe

Ein früherer Beitrag dieser Reihe verortete den Compute-Engpass in einem Speicherengpass bei einer kleinen Zahl von Lieferanten, die jeden fortschrittlichen Beschleuniger kontrollieren, und argumentierte, dass das beste Inferenzsilizium für Unternehmen mit Souveränitätsanforderungen strukturell nicht verfügbar ist, weil es nur über die Cloud eines einzigen Anbieters erreicht werden kann. Ich halte beides weiterhin für zutreffend. Doch dieser Beitrag enthielt eine implizite Annahme - dass die Beschleunigerschicht ein westliches Oligopol ist -, und diese Episode ist ein Hinweis darauf, dass die Annahme weniger sicher ist, als ich sie behandelt habe.

Z.ai erklärt, dass eine Woche mit öffentlichem, adversarialem Traffic bei hohem Volumen vollständig auf in China produzierten Beschleunigern bereitgestellt wurde, und stellt das Ergebnis als Beleg dafür dar, dass solche Hardware inzwischen Frontier-Modell-Inferenz zu Kosten unterstützen kann, die mit gängigen Alternativen vergleichbar sind. Ein anderes chinesisches Unternehmen stellte im Juni eine vergleichbare Behauptung über ein größeres Modell auf. 8

Damit gehen drei Vorbehalte einher. Es handelt sich um eine Anbieterbehauptung über die eigene Infrastruktur des Anbieters, und keine unabhängige Partei hat den Kostenvergleich verifiziert. Ein Modell effizient bereitzustellen ist ein anderes Problem, als es zu trainieren, und hier wird keine Aussage zum Training getroffen. Und der zugrunde liegende Engpass bei der Speicherversorgung, der westliche Beschleuniger begrenzt, könnte auch diese betreffen, da er weiter vorgelagert ist als jedes Chipdesign.

Unter Berücksichtigung dieser Vorbehalte ist die Richtung real genug, um sie festzuhalten: Die Geografie des Compute-Engpasses ist weniger geklärt, als es den Anschein hatte, und ein europäisches Unternehmen, das eine fünfjährige Inferenzstrategie plant, sollte nicht davon ausgehen, dass die Lieferantenlandschaft von 2026 derjenigen von 2029 entspricht. Das macht den Engpass nicht weniger bindend. Es macht die Souveränitätsfrage komplizierter, denn eine dritte Quelle für Frontier-fähiges Inferenzsilizium ist eine andere Welt als zwei - und es ist eine Welt, in der die Frage "In welcher Jurisdiktion befindet sich Ihre Rechenkapazität?" mehr mögliche Antworten erhält, als die meisten europäischen Beschaffungsrahmen derzeit berücksichtigen.

Wo neuland.ai steht

Die Routingentscheidung im neuland.ai HUB wird pro Workload anhand von Leistungsfähigkeit, Kosten, Datenresidenz und Richtlinien getroffen, wobei der Kunde die Richtlinien festlegt - und die Evidenz, die in diese Entscheidung einfließt, stammt aus der Evaluation anhand der eigenen Arbeit des Kunden und nicht aus öffentlichen Ranglisten. Das ist der Teil der Architektur, auf den sich diese Episode am unmittelbarsten bezieht. Eine Routingtabelle ist nur so gut wie die Messungen, auf denen sie basiert, und Messungen, die vom Anbieter des gemessenen Modells oder von einer Crowd stammen, die zehn Aufgaben durchführt, bilden keine Grundlage für eine Governance-Entscheidung.

Da wir kein Modell verkaufen, gibt es kein Evaluationsergebnis, das wir bevorzugen. Das ehrliche Ergebnis für einen bestimmten Workload kann ein proprietäres Frontier-Modell sein oder ein Open-Weight-Modell, das auf der eigenen Hardware des Kunden selbst gehostet wird und keine marginalen Tokenkosten verursacht, oder etwas Kleines und domänenspezifisch Angepasstes, das uns überhaupt keinen Umsatz bringt. Wenn ein Modell wie dieses unter einer freizügigen Lizenz mit verfügbaren Gewichten veröffentlicht wird, gelangt es wie jeder andere Kandidat in die Evaluationswarteschlange: Es wird anhand realer Kunden-Workloads gemessen, auf Konformität und operatives Verhalten geprüft und für die Workloads, bei denen es gewinnt, und nur für diese, in die Routingtabelle aufgenommen. 9 Bei der Frage der Jurisdiktion entspricht die Position derjenigen, die ein früherer Beitrag dieser Reihe dargelegt hat, und ich werde sie hier nicht ausführlich wiederholen: Das Expositionsprofil ist eine Eigenschaft der Bereitstellungstopologie und nicht der Gewichte. Offene Gewichte, die in der eigenen Umgebung des Kunden auf der eigenen Hardware des Kunden laufen, weisen ein wesentlich anderes Profil auf als dasselbe Modell, das über eine gehostete API in einer anderen Jurisdiktion genutzt wird, und die Herkunft des Trainings und das Alignment des Modells bleiben in beiden Fällen Eigenschaften der Gewichte. Das ist eine Bewertung, die der Kunde pro Workload und mit vollständigen Informationen vornehmen muss, keine Entscheidung, die eine Plattform stillschweigend in seinem Namen treffen sollte. 10

Persönliche Einschätzung

Das wirklich Nützliche an der Ox-Alpha-Woche ist, dass sie zwei Experimente gleichzeitig durchführte, die in entgegengesetzte Richtungen weisen.

Das erste zeigt, dass unsere Urteile über KI-Systeme auf eine Weise von Marken beeinflusst werden, die wir nicht bemerken, und dass sich die Antwort ändert, wenn das Label entfernt wird. Es lohnt sich, danach zu handeln, und die Unternehmensversion davon ist kostengünstig umzusetzen und längst überfällig.

Das zweite zeigt, dass das Entfernen des Labels nicht ausreicht, weil eine Gruppe unvoreingenommener, technisch kompetenter und kommerziell desinteressierter Menschen mit direktem Zugang zum Modell dennoch eine viel beachtete Zahl erzeugte, die seine Leistung um siebzehn Punkte überbewertete - auf Grundlage einer Stichprobe, die viel zu klein war, um überhaupt irgendeine Zahl zu stützen. Begeisterung ist keine Evidenz, und eine kleine Stichprobe, die von jemandem erhoben wurde, der nichts zu gewinnen hat, ist es ebenfalls nicht.

Die Synthese ist nicht kompliziert, und fast niemand setzt sie um. Evaluieren Sie blind, damit nicht die Marke entscheidet. Evaluieren Sie rigoros, damit die Zahl etwas bedeutet. Evaluieren Sie anhand Ihrer eigenen Arbeit, damit die Zahl für Sie etwas bedeutet. Eine Organisation, die diese Fähigkeit aufbaut, verfügt über einen dauerhaften Vermögenswert, weil sie jedes Mal, wenn sich der Markt bewegt, eine belastbare Antwort hervorbringt - und nach den Erkenntnissen der vergangenen sieben Monate bewegt sich der Markt inzwischen ungefähr monatlich.

Meine letzte Beobachtung betrifft das Label selbst. Ein Modell erschien ohne Namen, wurde von Tausenden Menschen anhand seiner Leistungen getestet, führte eine Nutzungsrangliste an und wurde anschließend als genau das enthüllt, gegen das eine beträchtliche Zahl dieser Tester eine Richtlinie hatte. Das ist ebenso sehr eine Tatsache über die Richtlinie wie über das Modell. Es lohnt sich für jedes europäische Unternehmen, sich in aller Ruhe intern zu fragen, wie die eigene Liste genehmigter Anbieter aussehen würde, wenn sie blind zusammengestellt worden wäre.

Eine kurze Anmerkung zum regulatorischen Hintergrund, da er sich weiterentwickelt. Der EU AI Act wurde am 2. August 2026 weitgehend anwendbar, wobei die Durchsetzungsbefugnisse für GPAI nach Kapitel V ab diesem Datum verbindlich wurden; die Digital-Omnibus-Vereinbarung vom 7. Mai 2026 verschob die Hochrisikoverpflichtungen nach Anhang III auf den 2. Dezember 2027 und die Verpflichtungen nach Anhang I auf den 2. August 2028. 11 Hier relevant: Die mit diesem Regime kommenden Dokumentationspflichten setzen voraus, dass eine Organisation erklären kann, warum sie die von ihr eingesetzten Systeme ausgewählt hat. "Es stand auf der genehmigten Liste" ist keine Begründung. Eine datierte Evaluation anhand definierter Workloads mit ausgewiesener Methodik ist eine.

Entfernen Sie das Label. Prüfen Sie dann die Stichprobengröße. Das ist die Arbeit, die vor uns liegt, und es ist die Arbeit, die wir bereits leisten.

Quellen und Anmerkungen

1. Beiträge der Reihe unter neuland.ai/de/resources/insights. ↩

2. Siehe frühere Beiträge dieser Reihe über die Ankunft der Open-Weight-Frontier, über die Routingschicht als Governance- statt kommerziellen Vermögenswert und über den Compute-Engpass sowie Endpoint-Tier-Inferenz. ↩

3. Ankündigung von Z.ai vom 26. August 2026 und begleitende Modelldokumentation: GLM-5.3-Flash, insgesamt 320 Milliarden Parameter mit 18 Milliarden aktiven Parametern pro Token, nativ multimodal mit Text-, Bild- und Videoeingabe und Textausgabe, Kontextfenster mit 1.048.576 Token, MIT-Lizenz, auf Hugging Face veröffentlichte Gewichte. Vom Anbieter gemeldete Evaluationen: Wert von 57 im Artificial Analysis Intelligence Index v4.1.1 bei 0,045 US-Dollar pro Aufgabe im vergünstigten Tarif; 63,4 bei DeepSWE v1.1 gegenüber 46,2 für den Vorgänger; 48,8 bei AutomationBench gegenüber 26,2. Listenpreis von 0,15 US-Dollar pro Million Eingabetoken, 0,03 US-Dollar pro Million gecachter Eingabetoken und 0,50 US-Dollar pro Million Ausgabetoken, mit einem Aktionsrabatt von 50 Prozent bis zum 9. September 2026. Bestätigung gegenüber Bloomberg News am 26. August 2026, dass das anonym als Ox Alpha vorgestellte Modell eine neue Iteration der GLM-Reihe war und die Gewichte noch am selben Abend veröffentlicht würden. Die Evaluationswerte wurden vom Anbieter gemeldet und verwenden unterschiedliche Harnesses, Kontextgrenzen und Generierungseinstellungen, sodass modellübergreifende Vergleiche von der Testkonfiguration abhängen. ↩

4. Saanya Ojha, „Who Let the Ox Out?“, The Change Constant, 26. August 2026, zur Einordnung des Herkunftspriors und zur Analyse anonymer Veröffentlichungen als Strategie zur Kundengewinnung, einschließlich der Beobachtung, dass kostenlose Modelle einen strukturellen Vorteil in Ranglisten nach Tokenvolumen besitzen. Zum umfassenderen Muster anonymer chinesischer Modellveröffentlichungen zwischen Februar und August 2026. ↩

5. Öffentliche Äußerung des Chief Executive von Stripe, der das anonyme Modell als sehr beeindruckend bezeichnete, einen Tag nach dem Abschluss der Übernahme von OpenRouter durch Stripe. Zur Übernahme selbst siehe den früheren Beitrag dieser Reihe. ↩

6. Berichterstattung der Community aus der Einführungswoche über einen Benchmarkwert von ungefähr 80 Prozent in einer Coding-Evaluation, abgeleitet aus einer Stichprobe von zehn Aufgaben; zwei anschließende vollständige Durchläufe über die 113 Aufgaben der Benchmark ergaben Werte von etwa 63 Prozent, im Einklang mit dem vom Anbieter gemeldeten Wert von 63,4. Dokumentiert in der technischen Berichterstattung nach der Enthüllung im August 2026. ↩

7. Von Z.ai angegebene Architektur: hybride Attention, die Sparse- und lineare Mechanismen kombiniert, um die Kosten der Long-Context-Bereitstellung zu senken; eine Verdreifachung der End-to-End-Bereitstellungsleistung gegenüber der eigenen ursprünglichen Baseline des Unternehmens auf derselben Hardware mithilfe einer eigenen Inferenz-Engine; Training für visuelles Reasoning über gerenderte Oberflächen und Ausgaben mit Selbstbewertung und Überarbeitung anhand visuellen Feedbacks. Das größere, reine Text-Flaggschiffmodell, das am 14. August 2026 veröffentlicht wurde, ist ein separates Modell und kein übergeordnetes Modell, aus dem dieses destilliert wurde. ↩

8. Erklärung von Z.ai, dass der anonyme Vorschauzeitraum vollständig auf in China produzierten KI-Beschleunigern bereitgestellt wurde, und die Einordnung dieses Ergebnisses als Nachweis, dass Frontier-Modell-Inferenz auf solcher Hardware zu Kosten möglich ist, die mit gängigen Alternativen vergleichbar sind. Eine vergleichbare Behauptung zu einem größeren Modell, das vollständig auf chinesischen Chips trainiert und bereitgestellt wurde, stellte Ende Juni 2026 ein anderes chinesisches Unternehmen auf. Beides sind Anbieteraussagen über die eigene Infrastruktur der Anbieter, die nicht unabhängig verifiziert wurden. ↩

9. neuland.ai HUB: Das Routing wird pro Workload anhand von Leistungsfähigkeit, Kosten, Datenresidenz und vom Kunden festgelegten Richtlinien entschieden und umfasst proprietäre Frontier-Modelle, selbst gehostete Open-Weight-Modelle und Bereitstellungen ohne ausgehende Verbindungen; die Evaluation wird anhand von Kunden-Workloads statt anhand öffentlicher Benchmarks durchgeführt. Die neuland AI AG behält bei allen Kundenaufträgen die Verantwortung für die inhaltliche Qualität und die saubere Bereitstellung der Ergebnisse. ↩

10. Zum erwähnten Argument hinsichtlich der Jurisdiktion siehe den früheren Beitrag dieser Reihe über die Ankunft der Open-Weight-Frontier, der den Unterschied zwischen der Exposition aus Modellgewichten und der Exposition aus der Bereitstellungstopologie darlegt. ↩

11. Vorläufige politische Einigung des Rates der EU und des Europäischen Parlaments zum Digital Omnibus on AI vom 7. Mai 2026: Hochrisikoverpflichtungen nach Anhang III auf den 2. Dezember 2027 verschoben; Verpflichtungen nach Anhang I auf den 2. August 2028 verschoben; Watermarking-Verpflichtungen nach Artikel 50 Absatz 2 auf den 2. Dezember 2026 verschoben. Durchsetzungsbefugnisse für GPAI nach Kapitel V ab dem 2. August 2026 verbindlich. ↩