Claude Security startet, Pentagon vereinbart KI-Einsatz ohne Anthropic

Anthropic hat Claude Security am 30. April 2026 als Public Beta für Kunden von Claude Enterprise freigegeben.¹ Das Werkzeug durchsucht Codebasen nach Schwachstellen, prüft seine Funde und schlägt Patches vor.¹ Es nutzt Claude Opus 4.7 als zugrunde liegendes Modell.¹ Kunden können Claude Security über die Seitenleiste von Claude.ai aufrufen, ohne dafür eine eigene API-Anbindung einzurichten.²¹

Die Beta folgt auf eine Forschungsphase, in der das Werkzeug Claude Code Security hieß.²¹ Anders als eine Prüfung einzelner Dateien kann es Datenflüsse und Zusammenhänge über mehrere Module hinweg analysieren.¹ Das kann Sicherheitsteams helfen, mögliche Schwachstellen im Kontext einer Anwendung zu beurteilen. Die vorgeschlagenen Patches sind jedoch nicht automatisch freigegeben: Teams müssen Funde und Änderungen vor der Übernahme prüfen.¹

Das US-Verteidigungsministerium gab am 1. Mai 2026 Vereinbarungen mit acht Technologieunternehmen bekannt, deren KI-Modelle in klassifizierten Netzen eingesetzt werden sollen. Auf der Liste stehen SpaceX, OpenAI, Google, NVIDIA, Reflection, Microsoft, Amazon Web Services und Oracle; Anthropic ist nicht dabei. Einen konkreten Starttermin für den Einsatz nennt die Mitteilung nicht.¹

Die Auswahl erweitert den Kreis der Anbieter für besonders geschützte Militärsysteme. Anthropic war laut New York Times zuvor der einzige Anbieter eines für klassifizierte Militäroperationen zugelassenen KI-Modells.² Reuters zufolge hängt der Ausschluss mit einem Streit über Schutzvorgaben für den militärischen Einsatz zusammen.³ Die Mitteilung spricht von Vereinbarungen, nennt aber weder Auftragswerte noch die Modelle, die eingesetzt werden sollen.¹

Ant Groups KI-Labor InclusionAI hat Ling-2.6-1T am 30. April 2026 als offenes Modell mit einer Billion Parametern vorgestellt.¹ Es ist für Schlussfolgerungen und die Ausführung komplexer Aufgaben ausgelegt.¹² Die Gewichte sind laut Veröffentlichungsberichten auf Hugging Face und ModelScope verfügbar.² Seine Mixture-of-Experts-Architektur aktiviert pro Token nur einen Teil der Parameter; ein Mechanismus für adaptiven Rechenaufwand soll unnötige Schritte vermeiden.²

Die Ling-Reihe hatte bereits 2025 Modelle in dieser Größenordnung. Ant beschreibt die 2.6-Serie als Versuch, das Verhältnis von Leistung und Rechenaufwand sowie die Zusammenarbeit von Agenten zu verbessern.³ Offene Gewichte erleichtern Unternehmen eigene Tests und Anpassungen, doch die Modellgröße macht Betriebskosten zu einem wichtigen Prüfpunkт.¹² Veröffentlichte Benchmark-Vergleiche belegen noch keinen Vorteil für konkrete Arbeitsabläufe.²

IBM hat Granite 4.1 30B am 29. April 2026 als offen verfügbares Instruct-Modell veröffentlicht. Es hat 30 Milliarden Parameter und steht unter Apache 2.0.¹ Unsloth stellte anschließend konvertierte, quantisierte GGUF-Dateien für die lokale Ausführung bereit.²³ Am 6. Mai war das Modell bei LM Studio auf Basis einer Community-GGUF-Version gelistet.⁴

Die Unterscheidung ist wichtig: IBM veröffentlicht das Basismodell, die hier beschriebenen GGUF-Dateien stammen von Dritten.¹² Unternehmen können damit lokale Inferenz erproben, statt ausschließlich eine gehostete Schnittstelle zu nutzen.² IBM nennt Zusammenfassungen, Klassifikation und Werkzeugaufrufe als mögliche Einsatzfelder.¹ Ergebnisse für das Basismodell lassen sich jedoch nicht ohne Weiteres auf quantisierte Varianten übertragen. Prüfe deshalb Qualität und Hardwarebedarf mit genau der Version, die du einsetzen willst.

TrendForce schätzte am 6. Mai die Investitionsausgaben von neun großen Cloudanbietern für 2026 auf rund 830 Mrd. US-Dollar. Als wesentlichen Treiber nennt das Unternehmen den Ausbau von Rechenzentren für KI in Nordamerika. Die Zahl ist eine Branchenprognose und keine gemeinsam angekündigte Investitionszusage der Anbieter.¹

Die Größenordnung zeigt, wie stark der Ausbau von Rechenzentren, Servern und weiterer Infrastruktur die Investitionspläne prägt. Einzelne Unternehmen haben ihre Prognosen ebenfalls angehoben: Alphabet plant für 2026 Investitionsausgaben von 180 bis 190 Mrd. US-Dollar, Meta von 125 bis 145 Mrd. US-Dollar.¹² Solche Budgets decken mehr ab als GPUs allein. Beim Vergleich von Gesamtsummen kommt es außerdem darauf an, welche Unternehmen einbezogen werden und ob sich ihre Angaben auf Kalender- oder Geschäftsjahre beziehen.¹

Elon Musk sagte am 30. April 2026 vor einem Bundesgericht in Kalifornien aus, dass xAI beim Training von Grok teilweise Ausgaben von OpenAI-Modellen für Distillation genutzt habe. Auf die Nachfrage, ob xAI dies getan habe, antwortete er: „Teilweise“. Die Aussage fiel im Rahmen seiner Klage gegen OpenAI und betraf das Training von Grok, nicht die Vorstellung eines neuen Produkts.¹²

Bei der Distillation lernt ein Modell aus den Ausgaben eines anderen Modells. Musk bezeichnete das Verfahren als gängige Praxis der Branche.¹² Seine Aussage rückt eine Frage für Entwickler und Anbieter in den Vordergrund: Unter welchen Bedingungen dürfen Modellausgaben zum Training eines konkurrierenden Systems verwendet werden? Die Aussage allein belegt nicht, dass xAI gegen Nutzungsbedingungen von OpenAI verstoßen hat.¹²