Die Werkzeuge bauen an ihren Nachfolgern, die Modelle ziehen in die Fachabteilungen, und die drei größten Labs entwerfen sich ihre eigene Aufsicht. Zwei leise Verschiebungen, eine unbequeme Meldung.
Diese Woche war leise, aber richtungsweisend. Kein neues Flaggschiff, dafür zwei strukturelle Verschiebungen: KI übernimmt einen wachsenden Teil ihrer eigenen Entwicklung, und der generische Chatbot weicht Modellen für konkrete Berufe. Dazu bauen OpenAI, Anthropic und Google gemeinsam an einem Prüfgremium - und ernten Kartellvorwürfe.
Claude trägt inzwischen 26 % der KI-Forschung und -Entwicklung bei Anthropic (Stand August), von unter 1 % im Februar. Über 90 % dieser Arbeit läuft kollaborativ oder besser, nichts vollständig autonom. Nicht das Niveau ist die Nachricht, sondern die Steilheit der Kurve.
Die Baseline steigt dauerhaft um 25 % gegenüber dem Vor-Promo-Stand (Mai) für Pro, Max, Team und seat-based Enterprise. Da gleichzeitig der temporäre 50-%-Boost endet, bedeutet das gegenüber der Vorwoche effektiv -17 % (indexiert 150 → 125). Free-Pläne und verbrauchsbasierte Seats ausgenommen, 5-Stunden-Limits unverändert.
Eine auf Finanzberater zugeschnittene Variante - Teil desselben Musters wie OpenAIs Rechts-Modell: der generische Assistent wird domänenspezifisch.
Erste vertikale Ausprägung von GPT-6 Astra, zugeschnitten auf Rechtsarbeit. Auf dem Vals AI Legal Research Bench 54 % korrekt gegen 38,7 % bei GPT-6 Astra mit reiner Websuche. Legal Search Index über 230 Mio. URLs, täglich ergänzt. Frühe Kunden: Harvey, Legora, Latham & Watkins, Ropes & Gray; Integrationen mit Relativity und Clio.
Astra erreicht 100 % auf ExploitBench und lehnt 91,5 % der Jailbreak-Versuche ab (GPT-5.6 Sol: 59 %). Die sensiblen Fähigkeiten laufen nur über das gated Daybreak-Blue-Programm für geprüfte Tester.
Die am 2. September vorgestellte Cyber-Variante rückt diese Woche in den gemeinsamen Sicherheits-Push der Labs. Autonome Schwachstellen-Erkennung und Patches auf Frontier-Niveau (CyberGym), intern über 70 % Erfolgsquote in 20 Programmiersprachen. Preis wie 3.8 Flash: 0,75 $ / 3,75 $ pro Mio. Token. Nur über das Fairwind-Programm für vertrauenswürdige Verteidiger (Behörden, kritische Infrastruktur), über 650 Partner.
Das für Mitte September erwartete Grok 4.7 blieb (Stand 14. September) unveröffentlicht. Am 13. September benannte Musk bereits Grok 4.8 als „2,5T-Modell mit neuem C++-Software-Stack" - Ankündigung vor Auslieferung, das gewohnte Muster.
OpenAI, Anthropic und Google DeepMind entwickeln ein selbstregulierendes Gremium zur Prüfung starker Modelle vor Release, nach Vorbild der Finanzaufsicht FINRA (Vorschlag von Hassabis aus dem Juli). Gegenwind kommt prompt: Cohere-CEO Aidan Gomez warnt vor einer kartellartigen Struktur, Senator Bernie Sanders fordert verbindliche internationale Regeln statt freiwilliger Standards.
Wenn dieselben drei Konzerne die stärksten Modelle bauen und zugleich die Prüfstelle entwerfen, ist das keine Aufsicht - das ist ein selbst finanzierter Türsteher.
Zwei Zahlen bleiben hängen: Claude leistet 26 % der Anthropic-eigenen Forschung, nach unter 1 % im Februar - die Werkzeuge bauen an ihren Nachfolgern. Und der generische Chatbot verliert Boden: Astra for Law (54 % statt 38,7 %) und Anthropics Finanzberater-Variante zeigen, dass die Wertschöpfung dorthin wandert, wo Domänenwissen zählt. Wer KI im Unternehmen plant, sollte weniger auf den höchsten Benchmark schauen als auf das Modell, das seinen konkreten Fall versteht.