Moonshot AI verhandelt über 30 Milliarden Dollar Bewertung
Moonshot AI will mit Kimi eine neue Finanzierungsrunde anstoßen und die Bewertung auf 30 Milliarden Dollar heben, obwohl die vorherige Runde noch nicht vollständig eingezahlt ist.
146 geprüfte Beiträge zu Open Source, Produkten und Branchenentwicklungen. Seite 2 von 2
Moonshot AI will mit Kimi eine neue Finanzierungsrunde anstoßen und die Bewertung auf 30 Milliarden Dollar heben, obwohl die vorherige Runde noch nicht vollständig eingezahlt ist.
Reve 2 und Ideogram 4 machen Layout zum neuen Bild-Kampfplatz. Der Beitrag ordnet die Ankündigung, den strategischen Kontext und die praktischen Risiken für betroffene Nutzer oder Unternehmen ein.
Ideogram öffnet sein 9,3-Milliarden-Bildmodell. Der Beitrag ordnet die Ankündigung, den strategischen Kontext und die praktischen Risiken für betroffene Nutzer oder Unternehmen ein.
Nvidia hat Cosmos 3 veröffentlicht, ein Open-Source-KI-Modell, das Robotern und autonomen Fahrzeugen hilft, physikalische Interaktionen zu verstehen und vorherzusagen.
MiniMax hat das Open-Weight-Modell M3 mit 1-Million-Token-Kontext, fortschrittlichen Codierfähigkeiten und nativer Multimodalität veröffentlicht und behauptet, das erste Modell zu sein, das alle drei vereint.
Nvidia hat das quelloffene Modell Nemotron 3 Ultra mit 550 Milliarden Parametern vorgestellt, das im Artificial-Analysis-Intelligence-Index 48 Punkte erreicht – weniger als Kimi K2.6 aus China mit 54 Punkten.
NVIDIA stellt Nemotron-Labs-Diffusion vor, ein Modell mit drei Decodierungsmodi, das den Durchsatz im Vergleich zu Qwen3-8B um das bis zu 6-fache steigert und dabei die Genauigkeit hält.
Cohere hat am 20. Mai sein Flaggschiff-Modell Command A+ unter der Apache-2.0-Lizenz als Open Source veröffentlicht. Die MoE-Architektur mit 218 Milliarden Parametern läuft auf nur zwei H100-GPUs und zielt auf souveräne KI und Unternehmenseinsätze ab.
Hermes Agent kam auf OpenRouter an einem Tag auf 224 Milliarden Tokens und verdrängte OpenClaw erstmals seit Monaten von der Spitze.
Moonshot AI hat 2 Milliarden Dollar eingesammelt und wird nun mit mehr als 20 Milliarden Dollar bewertet. Kimi rückt damit in Chinas Rennen um Open-Source-Großmodelle und einen möglichen Hongkong-Börsengang.
Die Series-B-Runde von DeepInfra zeigt, dass Inferenzinfrastruktur für offene Modelle und Agenten-Workloads zu einer eigenen Marktschicht wird.
Mistral startet Workflows als Public Preview: eine Temporal-basierte Orchestrierungsschicht für Enterprise-KI mit Freigaben, Wiederholungen, Nachvollziehbarkeit und Kundendaten im eigenen Kubernetes.
CVE-2026-25874 ermöglicht Angreifern mit Zugriff auf den Hugging-Face-LeRobot-PolicyServer Codeausführung über unsichere Pickle-Deserialisierung.
Xiaomi öffnet MiMo V2.5 Pro mit 1,02 Billionen Parametern. Der Beitrag ordnet die Ankündigung, den strategischen Kontext und die praktischen Risiken für betroffene Nutzer oder Unternehmen ein.
DeepSeek hat das V4-Modell mit 1,6 Billionen Parametern veröffentlicht, doch der Markt zeigt sich unbeeindruckt. Die Preise sind niedriger als bei der Konkurrenz, die Leistung verbessert, aber die geopolitische Bedeutung der Huawei-Chip-Kompatibilität ist bemerkenswert.
DeepSeek hat den API-Preis für sein V4-Pro-Modell nur knapp 72 Stunden nach der Preview um 75 Prozent gesenkt und gleichzeitig den Cache-Hit-Preis für die gesamte API-Produktlinie um 90 Prozent reduziert, was enormen Druck auf den Markt für große Sprachmodelle ausübt.
Das 27B-Parameter-Modell von Alibaba, veröffentlicht unter Apache 2.0, erreicht im SWE-bench Pro 53,5 Punkte und übertrifft damit das 397B-Parameter-Modell Qwen3.5-397B MoE (50,9) – dank der Thinking-Preservation-Funktion, die Reasoning-Spuren in mehrschrittigen Aufgaben bewahrt.
DeepSeek bringt V4-Pro und V4-Flash mit MoE-Architektur auf den Markt. Der Ausgabepreis von 3,48 $/Mio. Token unterbietet GPT-5.5 und Claude Opus 4.7 deutlich, während die Codeforces-Wertung von 3206 GPT-5.4 übertrifft.
Das Qwen3.6-27B, ein Dense-Modell mit 27 Milliarden Parametern von Alibaba, übertrifft das MoE-Flaggschiff Qwen3.5-397B-A17B mit 397 Milliarden Parametern in Programmier-Benchmarks, dank stabiler Dense-Architektur und dem neuen Thinking-Preservation-Mechanismus.
Moonshot AI hat die Vollversion des Kimi K2.6-Modells veröffentlicht, das im HLE-Full-Benchmark 54,0 Punkte erreicht und damit Claude Opus 4.6 sowie GPT-5.4 übertrifft. Das 1-Billion-Parameter-Modell nutzt eine MoE-Architektur, aktiviert pro Inferenz nur 32 Milliarden Parameter und unterstützt bis zu 300 parallele Agenten.
Alibaba hat Qwen3.6-Max-Preview veröffentlicht, das leistungsstärkste Modell der Qwen-Reihe, das in 6 Benchmarks den ersten Platz belegt, aber keine Gewichte veröffentlicht – ein strategischer Wandel hin zu Closed Source.
Qwen3.6-35B-A3B, ein MoE-Modell mit 35B Parametern, das nur 3B aktiviert, erreicht 73,4 % im SWE-bench Verified und übertrifft Googles Gemma 4-31B deutlich. Das Modell läuft auf einer RTX 4090 und einem MacBook Pro M4/M5.
MiniMax M2.7 nutzt das OpenClaw-Agent-Framework, um automatisch Experimente auszuführen, Logs zu lesen, Metriken zu analysieren und Code anzupassen – über 100 Zyklen ohne menschliches Eingreifen, was die internen Bewertungswerte um 30 % steigerte. Das Modell hat 230B Parameter, aktiviert aber nur 10B pro Inferenz und ist als Open Source verfügbar.
NVIDIA hat die gesamte Nemotron-3-Modellfamilie als Open Source veröffentlicht – einschließlich Gewichten, einem 3-Billionen-Token-Vortrainingsdatensatz, Reinforcement-Learning-Pipelines und Evaluierungstools – und signalisiert damit einen strategischen Vorstoß in das Open-Source-KI-Ökosystem.
Z.ai (ehemals Zhipu AI) hat GLM-5.1 veröffentlicht, ein Modell mit 754B Parametern, MoE-Architektur und Open-Source-Lizenz MIT. Es erreicht 58,4 % im SWE-Bench Pro und übertrifft damit GPT-5.4 und Claude Opus 4.6. Das Training erfolgte ausschließlich auf Huawei Ascend 910B-Chips und dem MindSpore-Framework, ohne NVIDIA-GPUs.
NVIDIA stellt die weltweit erste Open-Source-Familie von Quanten-KI-Modellen vor, Ising, bestehend aus einem 35B-Parameter-Kalibrierungsmodell und zwei 3D-CNN-Dekodierungsmodellen, die die Kalibrierungszeit von Tagen auf Stunden reduzieren.
Moonshot AI hat die Vorschauversion von K2.6 Code für alle Kimi Code-Abonnenten veröffentlicht. Sie ist deutlich günstiger als Claude Sonnet und GPT-5.4, bietet tiefere Reasoning-Ketten und echte parallele Ausführung im Agent Swarm.
Arcee AI, ein Unternehmen mit nur 26 Mitarbeitern, hat 20 Millionen US-Dollar, etwa die Hälfte seines Risikokapitals, investiert, um mit 2048 Nvidia B300 GPUs in 33 Tagen das Open-Source-Reasoning-Modell Trinity-Large-Thinking mit 40 Milliarden Parametern zu trainieren.
DeepSeek hat V3.2 mit einer neuen Sparse-Attention-Architektur veröffentlicht, die die Komplexität von O(L²) auf O(Lk) reduziert und die Inferenzkosten drastisch senkt – der Eingabepreis beträgt nur 0,28 $/M Token – während die Leistung im Vergleich zum Vorgänger weitgehend stabil bleibt.
Mistral hat Voxtral TTS veröffentlicht, sein erstes Sprachmodell mit 4B Parametern, offenen Gewichten, das in manuellen Bewertungen natürlicher als ElevenLabs Flash v2.5 und auf Augenhöhe mit ElevenLabs v3 sein soll.
Mistral hat Small 4 vorgestellt, ein MoE-Modell mit 119B Parametern, das pro Inferenz nur 6,5B aktiviert. Es vereint drei bisher eigenständige Modelle in einem und unterstützt Textlogik, Bildverständnis, Codegenerierung und Funktionsaufrufe.
Cursor veröffentlichte Composer 2, ein neues KI-Coding-Modell, gab aber zunächst nicht preis, dass es auf dem Open-Source-Modell Kimi K2.5 von Moonshot AI, einem chinesischen Unternehmen, basiert – und räumte dies erst auf Nachfrage ein.
Google DeepMind hat Gemma 4 mit vier Modellvarianten veröffentlicht und auf die Apache 2.0-Lizenz umgestellt; die 31B-Version belegt den dritten Platz im Arena AI Open-Source-Ranking.
Meta entwickelt zwei neue KI-Modelle der nächsten Generation – Avocado (Text-LLM) und Mango (multimodal) – wird aber möglicherweise nur abgespeckte Open-Source-Versionen mit reduzierten Parametern, unvollständiger MoE-Architektur und fehlenden Post-Training-Schritten veröffentlichen, um Wettbewerbsvorteile zu sichern.
Vor zwei Jahren war die Frage "Kann Open Source mit Closed Source mithalten?" noch umstritten, doch jetzt ist die Antwort klar: Bei den meisten Standardaufgaben hat Open Source aufgeholt oder sogar überholt.
Der Open-Source-Ökosystembericht von Hugging Face für das Frühjahr 2026 zeigt, dass chinesische Modelle mit 41 % der Downloads erstmals die USA überholt haben, zusammen mit weiteren bemerkenswerten Trends.
Der EU AI Act wurde ab 2025 schrittweise eingeführt, bis 2026 sind die meisten Bestimmungen in Kraft getreten. Die Auswirkungen auf die Open-Source-AI-Community sind weniger schwerwiegend als befürchtet.
OpenClaw, ein Open-Source-Framework zur Entwicklung von KI-Agenten, hat in weniger als zwei Wochen die Spitze der GitHub-Trending-Charts erreicht – dank schlankem Design, nativer MCP-Unterstützung und einsteigerfreundlicher Dokumentation.
DeepSeek V4 mit einer Billion Parametern und Qwen 3.6-Plus mit Apache-2.0-Lizenz verändern den Open-Source-KI-Markt, nachdem ihr kombinierter Marktanteil in einem Jahr von unter 1 % auf 15 % gestiegen ist.
DeepSeek V4 und Qwen 3.5 (auch als Qwen 3.6-Plus bekannt) kämpfen um denselben Markt für offene KI-Modelle – zu einem Bruchteil der Kosten geschlossener Konkurrenten. Der Artikel vergleicht Parameter, Stärken und die Bedeutung für Entwickler.
Knapp ein Jahr nach der Veröffentlichung durch Anthropic haben OpenAI, Google und Microsoft das MCP-Protokoll übernommen und es zum De-facto-Standard im KI-Bereich gemacht.
Meta hat Llama 4 veröffentlicht, das erste Modell der Llama-Reihe mit MoE-Architektur. Die beiden Varianten Scout und Maverick bieten native Multimodalität und übertreffen GPT-4o und Gemini 2.0 in mehreren Disziplinen.
Alibaba hat die gesamte Qwen3-Modellreihe unter der Apache 2.0-Lizenz als Open Source veröffentlicht, von 0,6B bis 235B in acht Größen, mit kostenloser kommerzieller Nutzung.
Moonshot AI hat Kimi K2 als Open Source veröffentlicht, ein MoE-Modell mit einer Billion Parametern, das nur 32B Parameter pro Token aktiviert und in Programmier-Benchmarks sowie Agentenaufgaben führend ist.
DeepSeek hat im Januar 2026 sein Reasoning-Modell R1 als Open Source veröffentlicht und die Community überrascht, da es mit OpenAI o1 mithalten kann, während die destillierte 32B-Version sogar o1-mini übertrifft und die Preisbarriere geschlossener Modelle durchbricht.
DeepSeek V3 nutzt eine MoE-Architektur mit 671B Parametern, aktiviert aber nur 37B pro Token und erreicht GPT-4o-Niveau bei Trainingskosten von nur 5,5 Millionen US-Dollar.