GPT-5.5 startet, DeepSeek zeigt V4-Pro und V4-Flash

OpenAI hat GPT-5.5 am 23. April 2026 vorgestellt.¹ Das Modell wurde zunächst für zahlende Nutzer in ChatGPT und Codex eingeführt; Entwickler sollen später über die API darauf zugreifen können.¹² Einen genauen Termin für den API-Start nannte OpenAI nicht.¹ Das Unternehmen kündigte auch eine leistungsstärkere Variante namens GPT-5.5 Pro an.¹

OpenAI legt den Schwerpunkt auf komplexes Schlussfolgern, mehrstufige Programmieraufgaben und den Einsatz von Werkzeugen.¹ Das Modell soll Aufgaben planen, eigene Ergebnisse prüfen und mit wenig menschlicher Steuerung bearbeiten können.¹ Für Unternehmen ermöglichen die angekündigten Tokenpreise eine erste Kostenrechnung; produktive API-Tests müssen bis zum Zugang warten.¹ Die veröffentlichten Benchmarkwerte geben Anhaltspunkte für die Fähigkeiten des Modells, ersetzen aber keine Prüfung in eigenen Arbeitsabläufen.¹

DeepSeek hat am 24. April 2026 eine Vorschau auf DeepSeek-V4-Pro und DeepSeek-V4-Flash veröffentlicht.¹ Beide Modelle haben offene Gewichte und ein Kontextfenster von jeweils einer Million Tokens.¹ Die API war zum Start nutzbar; zudem bot DeepSeek die Modelle über chat.deepseek.com und zum lokalen Download an.¹ Das Unternehmen richtet die V4-Reihe auf Agenten und die Nutzung mit Werkzeugen wie Claude Code und OpenClaw aus.¹

V4-Pro nutzt eine Mixture-of-Experts-Architektur; Flash ist die kleinere Variante.¹ Die Modelle sind für Huawei-Ascend-Chips angepasst.² Eine unabhängige Prüfung relativiert die Leistungsversprechen: Das US-Zentrum CAISI stufte V4-Pro als leistungsfähigstes bisher von ihm getestetes chinesisches Modell ein, sah aber weiterhin einen Rückstand von ungefähr acht Monaten zur Modellspitze.³ Seine Ergebnisse fielen zurückhaltender aus als DeepSeeks eigene Tests.³

Microsoft hat am 22. April 2026 die agentischen Funktionen von Copilot in Word, Excel und PowerPoint allgemein verfügbar gemacht. Für Abonnenten von Microsoft 365 Copilot und Microsoft 365 Premium sind sie die Standarderfahrung; auch Microsoft 365 Personal und Family sind einbezogen. Copilot kann Aufgaben in mehreren Schritten direkt in Dateien ausführen: In Word überarbeitet er Texte, in Excel verändert er Arbeitsmappen und in PowerPoint erstellt oder aktualisiert er Präsentationen.¹

Damit geht Copilot über Vorschläge im Chat hinaus: Änderungen entstehen in den Anwendungen selbst. Microsoft betont, dass Nutzer dabei die Kontrolle behalten.¹ Für Unternehmen ist relevant, dass Copilot in Excel auch Formeln, Tabellen und Visualisierungen bearbeiten und in PowerPoint Unternehmensvorlagen berücksichtigen kann.¹ Die Ankündigung nennt keine Vergleichswerte für Zeitersparnis oder Ergebnisqualität.¹

Google hat am 24. April 2026 angekündigt, bis zu 40 Milliarden US-Dollar in Anthropic zu investieren. Die Unternehmen vertiefen damit ihre bestehende Zusammenarbeit; das Geld soll Anthropic beim Ausbau seiner Rechenkapazität unterstützen.¹² Die volle Summe ist nicht fest zugesagt, sondern teilweise an vereinbarte Leistungsziele gebunden.²

Für Google ist die Beteiligung eine weitere Investition in einen externen Modellentwickler, während der Konzern mit Gemini auch eigene Modelle anbietet.³ Die genannte Summe bezieht sich laut Reuters und Bloomberg auf Bargeld, nicht auf den Wert bereitgestellter TPU-Kapazität.²⁴ Investition und Recheninfrastruktur sollten deshalb getrennt betrachtet werden. Aus den bestätigten Finanzierungsbedingungen lässt sich nicht ableiten, wie viel zusätzliche TPU-Kapazität Anthropic erhält oder wann sie verfügbar wäre.²⁴

OpenAI hat Workspace Agents am 22. April 2026 als Research Preview in ChatGPT vorgestellt. Teams können gemeinsame Agenten für wiederkehrende, länger laufende Arbeitsabläufe erstellen und über angebundene Organisationstools hinweg einsetzen. Die Funktion ist für ChatGPT Business, Enterprise, Edu und Teachers verfügbar. Slack gehört zu den genannten Einsatzumgebungen; die Agenten sind aber nicht darauf beschränkt.¹²

OpenAI beschreibt Workspace Agents als Weiterentwicklung von GPTs. Statt einzelner persönlicher Hilfen sollen sie gemeinsam genutzte Prozesse unterstützen.¹² Nach einer kostenlosen Einführungsphase soll die Abrechnung über Credits beginnen; einen Preis pro Credit hat OpenAI nicht veröffentlicht.¹ Unternehmen müssen daher vor einem breiten Einsatz prüfen, welche Daten die Agenten über verbundene Dienste erreichen dürfen und wie sie die späteren Nutzungskosten erfassen.

Alibaba hat Qwen3.6-27B am 22. April als Modell mit offenen Gewichten unter der Apache-2.0-Lizenz veröffentlicht. Das dichte Modell hat 27 Milliarden Parameter und ein natives Kontextfenster von 262.144 Tokens. Die Gewichte stehen auf Hugging Face bereit. Qwen3.6-27B unterstützt einen Modus mit und einen ohne explizite Denkschritte.¹²

Bei Coding-Aufgaben meldet Qwen bessere Ergebnisse als für Qwen3.5-397B-A17B, einen Vorgänger mit insgesamt 397 Milliarden und 17 Milliarden aktiven Parametern. Auf SWE-bench Verified erreicht das neue Modell laut Qwen 77,2 statt 76,2 Punkte.¹ Die Werte stammen aus den von Qwen veröffentlichten Tests und ersetzen keine Prüfung mit eigenen Aufgaben. Für längere Dialoge bietet das Modell zudem eine Option, die bisherige Denkschritte im Gesprächsverlauf beibehält.³²

MIT-Forscher beschreiben in einer im April 2026 diskutierten Forschungsarbeit Recursive Language Models (RLMs), einen Ansatz für die Verarbeitung sehr langer Eingaben.¹² Statt den gesamten Text in einen Modellaufruf zu laden, behandelt das Verfahren ihn als externe Umgebung und nutzt rekursive Aufrufe für Teilaufgaben.² Es ist eine Methode für die Inferenz, kein neues Sprachmodell mit einem entsprechend großen nativen Kontextfenster.² Ein kommerzieller Start oder ein Preis ist nicht bekannt.²

Die genannte Reichweite beschreibt, wie viel Text der Ablauf bearbeiten kann, nicht die Kapazität eines einzelnen Modellaufrufs.³² Das macht den Ansatz für Aufgaben mit umfangreichen Unterlagen interessant, bei denen ein Modell gezielt Informationen finden oder Teilschritte bearbeiten muss.² Die Tokenzahl allein sagt allerdings nichts darüber aus, wie zuverlässig oder wirtschaftlich das Verfahren bei einer konkreten Aufgabe ist.

Eine am 20. April 2026 veröffentlichte Arbeit beschreibt ein Verfahren für Text-Embeddings, dessen Rechenaufwand linear mit der Eingabelänge wächst.¹ Durch eine Verarbeitung in vertikalen Blöcken soll der Speicherbedarf unabhängig von der Textlänge bleiben, sobald diese die Blockgröße überschreitet.¹ Die Forschenden untersuchen dafür rekurrente Sprachmodelle und setzen feinabgestimmte Mamba2-Modelle als allgemeine Text-Embedder ein.¹

Laut der Arbeit erreichen die Modelle auf mehreren Benchmarks Ergebnisse, die mit transformerbasierten Embedding-Modellen konkurrieren können.¹ Das könnte für Anwendungen interessant sein, die sehr lange Dokumente indexieren oder durchsuchen müssen, ohne den Speicherbedarf mit jeder zusätzlichen Textpassage zu erhöhen. Die Angaben zur Qualität stammen jedoch aus der Arbeit selbst; eine allgemeine Überlegenheit gegenüber Transformern ist damit nicht belegt.¹² Ein kommerzieller Dienst wird in den verfügbaren Angaben nicht angekündigt.¹