OpenAI bringt GPT-5.6 und ChatGPT Work, Moonshot AI stellt Kimi K3 vor

OpenAI hat GPT-5.6 Anfang Juli 2026 veröffentlicht und zugleich ChatGPT Work vorgestellt, einen Agenten für die Erstellung von Dokumenten, Präsentationen und Websites.¹² ChatGPT Work nutzt laut Reuters GPT-5.6.² Auf Web und Mobilgeräten begann die Einführung am 9. Juli zunächst für Pro, Enterprise und Edu; Plus und Business sollten in den folgenden Tagen Zugang erhalten.²

OpenAI stellte GPT-5.6 auch als bevorzugtes Modell für Microsoft 365 Copilot vor.³ Damit kommt das Modell sowohl in einem neuen Agentenprodukt als auch in bestehende Bürosoftware. ChatGPT Work ist jedoch nicht auf jeder Plattform und für jeden Tarif gleichzeitig verfügbar: Der Zugang wird schrittweise freigeschaltet.²⁴ Für Unternehmen ist deshalb entscheidend, welche Funktionen in ihren bereits genutzten Produkten tatsächlich bereitstehen.

Moonshot AI hat Kimi K3 am 16. Juli vorgestellt. Das multimodale Modell hat laut Unternehmen 2,8 Billionen Parameter und unterstützt Kontexte von bis zu einer Million Tokens. Es ist für Programmierung, Wissensarbeit und agentische Aufgaben ausgelegt. K3 ist über die Kimi-Website, die App und die API nutzbar; die vollständigen Modellgewichte sollen am 27. Juli veröffentlicht werden.¹²

Bis zur angekündigten Freigabe lassen sich die Gewichte noch nicht selbst betreiben.¹ Moonshot führt schnelleres Decoding bei langen Kontexten auf Kimi Delta Attention und Attention Residuals zurück.¹ Das Unternehmen meldet zudem gute Ergebnisse gegenüber proprietären Modellen in ausgewählten Tests; eine unabhängige Bestätigung dieser Vergleiche steht aus.³ Für Unternehmen sind neben der Modellqualität vor allem Kosten und Latenz im eigenen Einsatz entscheidend.

Thinking Machines Lab hat am 15. Juli 2026 Inkling vorgestellt: sein erstes von Grund auf trainiertes Modell und seine erste Veröffentlichung mit offenen Gewichten.¹ Die vollständigen Gewichte stehen zum Download bereit; zugleich kann Inkling auf Tinker feinabgestimmt werden.¹ Das Mixture-of-Experts-Modell hat insgesamt 975 Milliarden Parameter, von denen 41 Milliarden aktiv sind, und verarbeitet Text, Bilder und Audio nativ.¹ Laut Reuters ist Inkling auch auf anderen Entwicklerplattformen verfügbar.²

Das Unternehmen positioniert Inkling als Grundlage für Anpassungen statt als fertigen Chatbot.¹ Damit richtet sich die Veröffentlichung an Teams, die ein Modell für eigene Anwendungen weitertrainieren wollen. Reuters zählt Inkling zu den wenigen US-amerikanischen Alternativen zu großen Modellen mit offenen Gewichten aus chinesischen KI-Laboren.² Die konkreten Preise für Tinker stehen laut Thinking Machines in der Dokumentation; die Ankündigung nennt keine Preisliste.¹

PrismML hat am 14. Juli 2026 Bonsai 27B veröffentlicht, eine komprimierte, multimodale Fassung von Qwen3.6-27B. Die binäre 1-Bit-Version ist laut Unternehmen rund 3,9 GB groß und soll lokal auf einem iPhone 15 oder neuer laufen. Daneben ist eine ternäre Version mit 1,58 Bit verfügbar.¹² PrismML-Chef Babak Hassibi sagte gegenüber CNBC, Apple und weitere Unternehmen prüften die Technik. Apple äußerte sich dazu nicht.²

Bonsai 27B verdichtet ein bestehendes Modell; es ist kein neu vortrainiertes Basismodell mit 27 Milliarden Parametern.¹³ Das macht die Veröffentlichung für Unternehmen interessant, die KI direkt auf Geräten statt ausschließlich über Server betreiben wollen. Die Eignung für Smartphones und die gemeldeten Geschwindigkeiten sind Angaben von PrismML. Ob Leistung und Ausgabequalität für eine konkrete Anwendung ausreichen, muss sich auf der Zielhardware zeigen.¹⁴

OpenAI hat im Juli 2026 einen Beweis der Cycle Double Cover Conjecture vorgestellt und schreibt ihn GPT-5.6 Sol Ultra zu. Ein Beweistext und der verwendete Prompt wurden öffentlich geteilt.¹² Ein Manuskript zur behaupteten Lösung ist zudem auf arXiv abrufbar.³ Die Veröffentlichung belegt jedoch noch nicht, dass die Argumentation vollständig und korrekt ist.

Die Cycle Double Cover Conjecture ist eine seit Jahrzehnten offene Frage der Graphentheorie.⁴ Der Fall zeigt, wie KI-Systeme für anspruchsvolle Beweisaufgaben eingesetzt werden. Laut Berichten arbeiteten dabei mehrere Subagenten parallel.¹ Entscheidend ist nun die Prüfung durch Fachleute: Ein öffentliches Manuskript ersetzt keine unabhängige Begutachtung. Bis dahin bleibt die Lösung ein Anspruch von OpenAI und kein bestätigter mathematischer Satz.³⁴

Das InclusionAI-Team von Ant Group beschreibt in einer im Juli vorgestellten Arbeit Ring-2.5-1T-Zero: ein Reasoning-Modell mit einer Billion Parametern auf Basis der Ling-Architektur. Laut dem Bericht trainierte das Team das Modell mit Reinforcement Learning und überprüfbaren Belohnungssignalen, ohne menschlich annotierte Trainingsdaten zu verwenden. Eine breite öffentliche Verfügbarkeit des Modells ist nicht belegt.¹

Die Arbeit untersucht, ob sich Reasoning-Fähigkeiten in dieser Größenordnung ohne menschliche Annotationen entwickeln lassen. Das Team berichtet unter anderem von Selbstüberprüfung und parallelen Lösungswegen während des Trainings. Diese Beobachtungen und die genannten Ergebnisse bei Mathematikaufgaben sind jedoch nicht unabhängig bestätigt. Ant Group stellte im selben Zeitraum auch technische Informationen zur verwandten Modellgeneration Ring 2.6 vor; deren Veröffentlichung ist nicht mit einem öffentlichen Zugang zu Ring-2.5-1T-Zero gleichzusetzen.¹²

Das unabhängige Inferenzprojekt Colibrì ermöglicht es, Z.ais GLM-5.2 ohne GPU auf einem PC auszuführen. Dabei bleiben gemeinsam genutzte Modellteile im Arbeitsspeicher, während benötigte Experten von einer NVMe-SSD geladen werden.¹ Z.ai hatte GLM-5.2 bereits im Juni als Open-Weight-Modell veröffentlicht; Colibrì ist keine neue Modellversion des Unternehmens.²¹

GLM-5.2 ist ein Mixture-of-Experts-Modell mit rund 744 Milliarden Parametern, von denen bei jeder Ausgabe nur ein Teil genutzt wird.¹ Das Laden von der SSD macht den Betrieb mit weniger Arbeitsspeicher möglich, sagt aber noch nichts über die Geschwindigkeit bei konkreten Aufgaben aus.¹ Für andere Einsatzszenarien wird GLM-5.2 weiterhin für GPU-basierte Systeme optimiert.³ Die CPU-Variante ist damit vor allem eine zusätzliche Möglichkeit, das Modell lokal zu erproben.

Unsloth hat im Juli quantisierte Varianten von Qwen3.6 veröffentlicht, darunter NVFP4-Versionen der Modelle 27B und 35B-A3B für lokale Inferenz.¹² Die Modelle sind über Hugging Face verfügbar; Unsloth kündigte zudem Qwen3.6-Unterstützung für seinen Software-Stack an.²³ Das Unternehmen bewirbt die neuen Quantisierungen mit höherer Inferenzgeschwindigkeit auf unterstützter Hardware.¹²

AMD bestätigte am 20. Juli offiziell Unsloth-Unterstützung für seine Hardware, darunter Radeon RX 7000 und 9000. Dazu gehören auch Inferenzwege über GGUF und llama.cpp; die native AMD-Inferenz für Qwen3.6 ist laut AMD standardmäßig aktiviert.⁴ Damit kommen AMD-Systeme für den lokalen Betrieb infrage. Die veröffentlichten Leistungsmessungen für Unsloths neue Quantisierungen stammen jedoch von NVIDIA-Hardware und belegen keinen entsprechenden Tempovorteil auf Radeon.⁵²

Robbyant, die Robotiksparte der Ant Group, hat LingBot-Map im April 2026 quelloffen veröffentlicht. Das Modell soll aus einem laufenden Videostream einer gewöhnlichen Kamera eine 3D-Szene rekonstruieren, ohne LiDAR oder Tiefensensoren zu benötigen. Es verarbeitet die Bilder direkt und liefert unter anderem Schätzungen der Kameraposition, Tiefendaten und Punktwolken. Laut den verfügbaren Beschreibungen erreicht es auf einer GPU etwa 20 Bilder pro Sekunde.¹²

Für Robotik und räumliche Anwendungen wäre das interessant, weil die Rekonstruktion während der Aufnahme statt erst nach einer aufwendigen Offline-Verarbeitung erfolgen könnte. Die genannte Geschwindigkeit ist allerdings nur aus Sekundärquellen bekannt. Welche GPU dafür verwendet wurde und ob die Zahl allein die Modellinferenz oder die gesamte Verarbeitung umfasst, bleibt anhand dieser Angaben offen. Unternehmen sollten den Durchsatz deshalb mit ihren eigenen Kameras und Szenen prüfen, bevor sie Echtzeitanforderungen darauf stützen.¹

Das Open-Source-Projekt Colibrì soll Z.ais GLM-5.2 mit 744 Milliarden Parametern auf einem Rechner mit rund 25 GB RAM und ohne GPU ausführen können.¹² Der im Juli 2026 öffentlich gewordene Proof of Concept ist keine neue Modellveröffentlichung, sondern eine Inferenz-Engine für CPUs.¹² Sie hält einen Teil des Mixture-of-Experts-Modells im Arbeitsspeicher und liest benötigte Experten bei Bedarf von einer NVMe-SSD.¹³

Der Ansatz senkt den RAM-Bedarf, benötigt aber viel lokalen Speicherplatz und häufige Zugriffe auf das Laufwerk.¹³ Auf dem Referenzrechner des Entwicklers mit zwölf CPU-Kernen soll die Generierung nur etwa 0,05 bis 0,1 Token pro Sekunde erreichen.⁴ Colibrì zeigt damit eine Möglichkeit für lokale Experimente mit großen Modellen. Als Proof of Concept ist das Projekt jedoch keine ausgewiesene produktionsreife Lösung.²