Google unter Druck, neue Modelle und KI am Smartphone

Der heutige KI-Tag dreht sich vor allem um Machtverschiebungen: Regulierung zwingt große Plattformen zu mehr Offenheit, während neue Modelle und Tools zeigen, wie schnell sich der Markt technisch weiterdreht. Besonders spannend: KI wird nicht mehr nur größer, sondern auch kleiner, lokaler und im Alltag besser integrierbar.

Für Dich heißt das: weniger abstrakte Modell-Show, mehr konkrete Auswirkungen auf Suche, Android, On-Device-KI und die Frage, wer die KI-Schnittstelle zum Nutzer eigentlich kontrolliert.

🏛️ EU bringt Google bei Suche und Android unter Zugzwang

Die spannendste Regulierungs-Story des Tages ist die zunehmende Öffnung von Googles Ökosystem durch den EU-Druck. Laut der Einordnung rund um den DMA muss Google Suchdaten und Android stärker für KI-Konkurrenten zugänglich machen – also genau dort, wo die Kontrolle über den Einstieg ins Netz und ins Smartphone besonders wertvoll ist. Das betrifft nicht nur klassische Suche, sondern auch die Frage, welcher Assistent auf Android überhaupt eine faire Chance bekommt. Quelle

Warum ist das relevant? Weil KI-Assistenten ohne Daten, Distribution und Default-Positionen eben keine Magie sind, sondern nur Software mit schlechten Startbedingungen. Wenn die EU hier konsequent bleibt, könnte das mittelfristig mehr Wettbewerb bei Search, Assistant und Mobile bedeuten. Kurz: weniger „Gemini überall“, mehr Auswahl – zumindest auf dem Papier.

🤖 Mira Muratis Inkling: offenes Modell mit Fine-Tuning-Fokus

Thinking Machines Lab von Ex-OpenAI-CTO Mira Murati steigt mit Inkling in den Markt offener KI-Modelle ein. Das Modell ist multimodal, groß und auf Anpassbarkeit ausgelegt – also weniger auf den glanzvollen „Wir sind die Nummer 1“-Moment, sondern auf praktische Verwendbarkeit in echten Workflows. Genau das macht es interessant für Teams, die eigene Produkte, Agenten oder spezialisierte Assistenten bauen wollen. Quelle

Der Markt für Open-Weights-Modelle wird damit noch enger. Für Entwickler ist das gut, weil Auswahl und Preisdruck steigen. Für die Frontier-Modelle ist es unbequem, weil nicht nur rohe Benchmark-Power zählt, sondern auch Tooling, Anpassbarkeit und Preis-Leistung. Und ja: Wenn ausgerechnet ehemalige OpenAI-Spitzenkräfte nun offene Modelle pushen, ist das mindestens eine kleine ironische Fußnote.

📱 Bonsai: 27B-Modell läuft direkt auf dem iPhone

PrismML zeigt mit Bonsai 27B, wie weit On-Device-KI inzwischen gekommen ist. Das 27-Milliarden-Parameter-Modell wurde so komprimiert, dass es unter 4 GB passt und direkt auf einem iPhone laufen kann. Laut eigenen Benchmarks bleiben dabei rund 90 Prozent der Originalleistung erhalten, bei Mathematik und Coding sogar fast ohne spürbare Einbußen. Quelle

Das ist wichtig, weil On-Device-KI zwei alte Probleme entschärft: Latenz und Datenschutz. Wenn Modelle lokal laufen, muss nicht alles in die Cloud geschickt werden – ein echter Vorteil für mobile Assistants, Offline-Szenarien und sensible Daten. Für Apple ist das besonders relevant, weil der Konzern im Bereich lokaler KI bislang nicht gerade als Sprintkönig aufgefallen ist. Bonsai könnte zeigen, wie viel mehr auf Smartphones schon geht, wenn Modellkompression ernst genommen wird.

🔐 xAI veröffentlicht Grok-Build nach Datenleck als Open Source

xAI hat sein Kommandozeilen-Tool „grok“ nach einem massiven Datenleck als Open Source auf GitHub veröffentlicht. Der Auslöser klingt nicht gerade nach Best Practice: Das Tool hatte offenbar ungefragt komplette Verzeichnisse samt SSH-Schlüsseln und Passwort-Datenbanken auf Cloud-Server geladen. Danach folgte die übliche Kombination aus Krisenkommunikation, Löschankündigungen und Quellcode-Veröffentlichung unter Apache-2.0. Quelle

Warum ist das mehr als nur ein peinlicher Vorfall? Weil Sicherheitskultur bei KI-Tools kein Randthema ist. Wer Agenten oder CLI-Werkzeuge baut, die mit Dateien, Credentials und Infrastruktur arbeiten, braucht robuste Schutzmechanismen – sonst wird aus Automatisierung schnell ein Datenabfluss mit Speed-Boost. Open Source hilft bei Transparenz, ersetzt aber keine saubere Security. Eine Lektion, die man im Silicon Valley offenbar lieber live lernt.

🧠 Kimi K3: großes Open-Weight-Modell mit viel Kontext

Kimi präsentiert mit K3 ein neues Open-Weight-Modell, das mit 2,8 Billionen Parametern und einer Million Token Kontext antritt. In den eigenen Benchmarks nähert es sich sehr starken westlichen Modellen an und übertrifft einige Konkurrenten deutlich. Die vollständigen Gewichte sollen in den nächsten Tagen folgen, unabhängige Vergleiche stehen aber noch aus. Quelle

Die spannende Nachricht ist nicht nur die Größe, sondern die Signalwirkung: Open Weight aus China ist längst kein Billigsegment mehr. Wenn sich diese Ergebnisse bestätigen, wird der Druck auf US- und europäische Anbieter weiter steigen – bei Preisen, Leistungsfähigkeit und Zugänglichkeit. Für ambitionierte Teams ist das eine gute Nachricht, denn mehr starke Modelle bedeuten mehr Optionen für Fine-Tuning, Agents und produkttaugliche KI-Stacks. Für die Preistafeln der Anbieter eher weniger.

🔗 Google baut Gemini Notebook zum KI-Ökosystem aus

Google benennt NotebookLM in Gemini Notebook um und integriert das Tool tiefer ins eigene Ökosystem. Besonders auffällig: Jedes Notebook bekommt einen Cloud-Computer, der sogar Code schreiben und ausführen kann – vorerst aber nur für AI-Ultra- und Workspace-Kunden. Gleichzeitig werden Apps in die Google-KI-Suche integriert. Quelle

Das ist strategisch ziemlich klar: Google will nicht nur ein Modell liefern, sondern die komplette Arbeitsumgebung kontrollieren. Notebook, Suche, Apps, Ausführung – alles möglichst im selben Orbit. Für Nutzer kann das praktisch sein, weil Recherche, Analyse und Umsetzung zusammenrücken. Für den Wettbewerb ist es ein weiteres Zeichen, dass KI-Plattformen immer stärker zu geschlossenen Produktwelten werden, in denen nicht nur Modelle, sondern auch Distribution den Ausschlag geben.

🛠️ Tool-Tipp des Tages: Notion AI für strukturierte Wissensarbeit

Wenn Du mit mehreren Quellen, Notizen und Projektideen jonglierst, kann ein Tool wie Notion AI helfen, Inhalte zu bündeln und aus chaotischen Infos schnell verwertbare Entwürfe zu machen. Gerade in Kombination mit eigenen Docs, Meeting-Notizen und einer klaren Wissensstruktur ist das für Recherche und Content-Arbeit ziemlich nützlich. #

Du willst keine News verpassen? Newsletter abonnieren