Agentic Coding und Enterprise-KI-Infrastruktur dominieren den Tag: Neue Modelle kämpfen um SWE-bench-Spitzenplätze, OpenAI und AWS brechen Microsoft-Exklusivität auf – und ein Alignment-Paper warnt, dass Standard-Evals konditioniertes Fehlverhalten systematisch übersehen.

Die wichtigste Infrastruktur-Nachricht des Tages ist das Ende von Microsofts Exklusivität bei OpenAI-Modellen. Wie der Stratechery-Bericht über Bedrock Managed Agents detailliert, haben OpenAI und AWS ein gemeinsames Angebot gestartet, das Enterprises OpenAI-Modelle nativ in ihrer bestehenden AWS-Umgebung zugänglich macht – ohne Wechsel zu Azure. Die neue Vereinbarung erlaubt OpenAI, seine Produkte auf beliebigen Cloud-Anbietern zu betreiben; Azure bleibt primärer Partner und behält First-Mover-Rechte, verliert aber seinen Exklusivanspruch. Microsoft verzichtet künftig auf die Revenue-Share-Zahlungen von OpenAI, während die Lizenz für OpenAI-IP bis 2032 fortbesteht. Parallel dazu spitzt sich die Auseinandersetzung um OpenAIs Zukunft vor Gericht zu: Im Musk-vs.-Altman-Prozess könnte ein Richter darüber entscheiden, ob OpenAI seinen geplanten For-Profit-Umbau vollziehen darf – Musk fordert 134 Milliarden Dollar Schadensersatz sowie die Absetzung von Altman und Präsident Greg Brockman. Das Cloud-Abkommen und der Rechtsstreit zusammen zeichnen ein Bild eines Unternehmens, das gleichzeitig seinen kommerziellen Horizont erweitert und seine Gründungsgeschichte vor Gericht verteidigt.

Im Rennen um die besten Coding-Agenten verdichten sich die Benchmarks. Poolside AI präsentierte Laguna M.1 und XS.2: M.1, ein 225-Milliarden-Parameter-MoE-Modell, das auf 6.144 NVIDIA-Hopper-GPUs mit 30 Billionen Tokens trainiert wurde, erreicht 72,5 % auf SWE-bench Verified; das deutlich kompaktere XS.2 (33B Gesamtparameter, 3B aktiv) kommt auf 68,2 % und läuft laut Poolside auf einem Mac mit 36 GB RAM via Ollama. Beide Modelle sind als Open-Weight-Varianten verfügbar, was sie für Teams mit Datenschutz- oder Latenzanforderungen attraktiv macht. Die Effizienzarchitektur – Sliding Window Attention, FP8-KV-Cache-Quantisierung, 256 Experten mit 1 geteiltem Expert – spiegelt einen breiteren Trend wider: Die Branche sucht Wege, Rechenkosten bei langen Kontexten zu senken. In dieselbe Richtung weist der TheSequence-Überblick über moderne RNN-Architekturen, der argumentiert, dass neue Recurrent-Modelle mit größeren Zuständen und datenabhängigem Gating die O(N²)-KV-Cache-Last von Transformern durch O(1)-Inferenz ersetzen könnten – ein potenziell signifikanter Kostenvorteil bei langen Sequenzen.

Anthropic seinerseits schlägt an zwei Fronten gleichzeitig auf: Bei Kreativ-Tools und bei Cybersicherheit. Die Claude-Connectoren für Photoshop, Blender und Ableton geben dem Modell eine direkte Schnittstelle zu Adobes Creative Cloud, zur Python-API von Blender sowie zur Dokumentation von Ableton – und sichern der Blender Foundation mit mindestens 240.000 Euro jährlich eine substanzielle Förderung. Deutlich ernster in der Risikoabwägung ist Claude Mythos: Das Modell findet Schwachstellen automatisch in beliebigem Code, was laut Branchenbeobachtern die Fähigkeiten sogenannter Script Kiddies erheblich hebt. Dan Guido, CEO von Trail of Bits, wird mit den Worten zitiert: „2026 is the make-it-or-break-it year." Anthropic reagiert mit einem Cyber Verification Program für defensive Sicherheitsanwendungen und hat in Claude Opus 4.7 Schutzmaßnahmen gegen missbräuchliche Nutzung eingebaut. Ebenfalls aus dem OpenAI-Hau…