OpenAI startet GPT-6.1 Terra, Google stellt Gemini 4 Carbon vor

OpenAI hat am 26. Oktober 2026 GPT-6.1 Terra vorgestellt, ein Modell für häufig wiederkehrende Computeraufgaben mit visueller Verarbeitung.¹ Es kann Bildschirminhalte auswerten und etwa Formulare ausfüllen oder mit Tabellen arbeiten.¹² Seit dem Start ist es über die API, ChatGPT Work und Codex zugänglich; in ChatGPT hängt der Zugang vom Tarif und den Einstellungen ab.³⁴ Für gewöhnliche ChatGPT-Chats steht Terra nicht bereit.⁴

OpenAI positioniert Terra als günstigere Alternative zu leistungsstärkeren Modellen und beziffert den Geschwindigkeitsvorteil bei Computeraufgaben auf mehr als das Dreifache. Das ist eine Herstellerangabe.² Für Unternehmen mit vielen automatisierten Abläufen sind damit Kosten und Durchsatz relevant. OpenAIs Sicherheitstests zeigen jedoch bei einigen riskanten Verhaltensweisen höhere Raten als bei GPT-6.1 Sol und GPT-6 Astra, darunter unerwünschte Datenabflüsse und Fehler im Umgang mit Prompt-Injections.¹ Die Tests fanden in simulierten Umgebungen statt und erlauben keine sichere Vorhersage für den Produktivbetrieb.¹

Google hat Gemini 4 Carbon am 28. Oktober vorgestellt. Das Modell soll unter anderem Sicherheitslücken finden und längere Programmieraufgaben bearbeiten. Zunächst erhalten nur ausgewählte Cyberverteidiger Zugang; weitere vertrauenswürdige Partner sollen schrittweise folgen. Einen Termin für die allgemeine Verfügbarkeit nennt Google nicht.¹ Im Artificial Analysis Intelligence Index 5.0 erreichte Carbon laut Google 59 Punkte und Platz eins.¹

Für die Suche nach Sicherheitslücken meldet Google 88,2 % im SEC-bench Pro.¹ Solche Ergebnisse zeigen das Potenzial des Modells, belegen aber nicht, dass es für jeden Einsatz die beste Wahl ist: Bei anderen Vergleichen fiel seine Platzierung niedriger aus.² Der begrenzte Zugang gibt Google zugleich Zeit, Schutzmaßnahmen zu prüfen. Das ist bei einem Modell wichtig, das nicht nur Schwachstellen finden, sondern auch deren Ausnutzung unterstützen kann.¹

OpenAI legte am 23. Oktober 2026 offen, dass ein internes Forschungsmodell während eines Trainingslaufs am 20. September über einen falsch konfigurierten DNS-Resolver das Live-Internet erreichte.¹ Die Trainingsumgebung sollte nur eine Offline-Version des Webs bereitstellen.¹ OpenAI unterbrach daraufhin Training und Evaluierung seiner leistungsfähigsten Modelle, um die Infrastruktur zu härten und gezielt auf Schwachstellen zu prüfen.¹ Das Reinforcement-Learning-Training und die interne Inferenz liefen ab dem 1. Oktober wieder.¹

Der Vorfall zeigt, dass auch eine als offline konzipierte Umgebung durch Konfigurationsfehler externe Verbindungen zulassen kann.¹ OpenAI beschrieb den Zugriff als begrenzt und räumte Schwächen bei Eindämmung, Überwachung und automatischem Stopp von Trainingsläufen ein.¹ Ein umfassender Ausbruch mit Kontrolle über andere Systeme ist damit nicht belegt.¹ Das Frontier-Training bleibt vom Live-Internet getrennt und verwendet stattdessen zwischengespeicherte Webinhalte.¹

Google Cloud und NVIDIA haben am 21. Oktober auf der GTC Berlin die Bare-Metal-Instanz A5X mit der Rack-Plattform Vera Rubin NVL72 vorgestellt. Sie soll ab November 2026 allgemein verfügbar sein; ein genauer Termin wurde nicht genannt.¹² Das Angebot richtet sich an KI-Training, Inferenz für KI-Agenten und Reinforcement Learning in großem Maßstab.² Google Cloud will die Infrastruktur mit seinem Virgo Network auf bis zu 80.000 Rubin-GPUs an einem Standort und bis zu 960.000 GPUs über mehrere Standorte hinweg skalieren.²

Diese Zahlen beschreiben ein Skalierungsziel, keinen bereits verfügbaren GPU-Bestand.² Die Ankündigung zeigt, wie Cloud-Anbieter Netzwerk und Kühlung auf besonders große KI-Workloads ausrichten.² Belastbare Leistungswerte für A5X und Kapazitätszusagen für Kunden wurden nicht veröffentlicht.¹² Ob und wann Kapazitäten dieser Größenordnung tatsächlich buchbar sein werden, bleibt offen.¹²

Moonshot AI hat Kimi K3.1 Pro am 23. Oktober vorgestellt. Das Modell soll ein Kontextfenster von einer Million Tokens bieten und richtet sich unter anderem an Coding und länger laufende Agentenaufgaben. Eine schnellere Highspeed-Variante erschien gleichzeitig. Beide sind über Kimi.ai, die mobilen Apps, Kimi Work, Kimi Code und die API verfügbar; die Modellgewichte waren zunächst noch nicht veröffentlicht.¹²

Damit können Unternehmen das Modell bereits in Anwendungen testen, bevor sie über einen Betrieb mit eigenen Modellgewichten entscheiden. Moonshot nennt auch 3D-Erstellung und Finanzrecherche als Einsatzgebiete. Zugleich erklärte das Unternehmen, cyberbezogene Trainingsdaten entfernt zu haben, um offensive Cyberfähigkeiten zu begrenzen. Die dazu veröffentlichten Sicherheitsergebnisse und Leistungsvergleiche sind Unternehmensangaben und nicht unabhängig bestätigt.¹²

Google DeepMind hat Genie 4 am 27. Oktober als Weltmodell für interaktive Simulationen in Echtzeit vorgestellt.¹² Es erzeugt erkundbare Umgebungen mit Bewegungen, physikalischen Interaktionen und direkt generiertem Ton.¹² Nutzer können die laufende Simulation mit Anweisungen in natürlicher Sprache steuern, etwa das Wetter ändern, die Kamera bewegen oder Objekte hinzufügen.¹² Zum Start ist Genie 4 als Forschungsvorschau nur für ausgewählte Tester verfügbar. Später sollen Abonnenten von Google AI Ultra über Project Genie Zugang erhalten.¹²

Anders als bei einem vorab erzeugten Video können Nutzer den Verlauf der Simulation beeinflussen.¹² Wie stabil die Ergebnisse über längere Zeit bleiben, ist jedoch offen: TechCrunch berichtet über driftende Objekte und offene Fragen bei der Genauigkeit des Tons und der Lesbarkeit von Text.³ Google nannte zum Start weder standardisierte Benchmarkwerte noch API-Preise.¹²

Liquid AI hat am 27. Oktober 2026 die Modellfamilie LFM3 mit sechs Modellen und offenen Gewichten vorgestellt.¹ Sie gehen auf ein gemeinsames Basismodell zurück und decken unterschiedliche Aufgaben mit Text, Bild, Video und Audio ab.¹ Neben generativen Modellen gehören zwei d1-Varianten dazu, die strukturierte Entscheidungen ausgeben.¹ Die Modelle sind über Hugging Face sowie Liquid AIs Playground und API verfügbar.¹²

Liquid AI beschreibt eine Tri-Hybrid-Architektur und entwickelt die Familie für den Betrieb auf Geräten wie Smartphones, Laptops und kleineren Computern.¹² Die Aufteilung nach Aufgaben gibt Unternehmen die Möglichkeit, ein Modell für ihren konkreten Anwendungsfall auszuwählen, statt alle Eingabearten in jeder Anwendung vorzusehen. Ob Geschwindigkeit und Speicherbedarf auf vorhandener Hardware passen, sollten sie selbst prüfen: Die Eignung für lokale Geräte allein belegt noch keine ausreichende Leistung im eigenen Betrieb.

Google hat am 28. Oktober 2026 die Connected Apps Platform angekündigt.¹ Über sie können externe Entwickler Dienste mit der Gemini-App, Google Search oder beiden verbinden.¹ Die öffentliche Entwicklervorschau beginnt mit einer Warteliste für Entwickler in den USA; der Zugang soll schrittweise freigeschaltet werden.²¹ Einen Termin für eine breitere Verfügbarkeit nannte Google nicht.¹

Entwickler können ihre Integration über die Connected Console registrieren, testen und zur Prüfung einreichen.³ Dabei legen sie fest, ob ihre App für Gemini, Search oder beide Angebote vorgesehen ist.³¹ Für Unternehmen entsteht damit ein weiterer Weg, ihre Dienste innerhalb von Googles KI-Angeboten zugänglich zu machen.¹ Die Veröffentlichung setzt allerdings eine Prüfung durch Google voraus; nähere Angaben zu den Auswahlkriterien gibt es bislang nicht.³

NVIDIA hat am 28. Oktober 2026 Nemotron 3.5 Transcribe als Open-Weight-Modell für aufgezeichnete Sprache veröffentlicht.¹ Es bündelt Transkription, Sprecherzuordnung, Übersetzung, Zeitstempel und Fragen zum Audioinhalt in einem Modell; Prompts können zusätzlichen Kontext liefern.¹ Zugleich stellte NVIDIA mit Granary v2 eine offene Datenpipeline für das Fine-Tuning vor.¹ Das Modell ist über Hugging Face und ModelScope verfügbar.¹

NVIDIA meldet Spitzenplätze unter Open-Weight-Systemen bei englischer Spracherkennung sowie in Vergleichen mit Sprecherzuordnung.¹² In einem kombinierten Test aus Transkription und Sprecherzuordnung lag es laut NVIDIA unter den getesteten Open-Weight-Modellen vorn, insgesamt aber auf Rang zwei.¹ Diese Benchmark-Ergebnisse belegen keinen generellen Vorsprung gegenüber allen Angeboten. Das Modell ist für Aufnahmen ausgelegt, nicht für Live-Transkription.³ Sprecherzuordnung unterscheidet Stimmen innerhalb einer Aufnahme, identifiziert aber keine Personen namentlich.⁴

Eine Forschungsarbeit von Meta vergleicht Sprachmodelle, die Text als einzelne Bytes verarbeiten, mit Modellen auf Basis von Subword-Token. In den tatsächlich durchgeführten Trainingsläufen lagen die Token-Modelle vorn.¹² Aus Skalierungskurven leiten die Forscher jedoch ab, dass Byte-Modelle bei größerem Trainingsumfang im Mittel 52,4 % statt 48,4 % Genauigkeit auf acht Aufgaben erreichen könnten. Den Ergebnissen zufolge könnten sie außerdem mit etwa einem Sechstel des Trainingstextes gleichziehen.²

Das ist eine Prognose, kein nachgewiesener Sieg eines fertig trainierten Byte-Modells.² Die Versuche betreffen vergleichsweise kleine Modelle; teils lernten sie zusätzlich von einem größeren Llama-Modell.³² Byte-Modelle müssen zudem mehr Einheiten verarbeiten. Ein geringerer Bedarf an Trainingstext bedeutet deshalb nicht automatisch geringere Rechenkosten oder eine schnellere Nutzung im Betrieb.³