Die Zahl, die mich letzte Woche innehalten ließ, war kein Benchmark. Es war die 25.
Fünfundzwanzig Freiheitsgrade, in einer einzigen Roboterhand, gebaut von einem Unternehmen namens 1X. Ich steckte gerade drei Tabs tief in den Release Notes von GPT-5.6, als ein Freund das Datenblatt der Neo-Hand in unseren Chat warf — und ich schloss alles andere. Denn zum ersten Mal seit Langem war das Interessanteste, was in der KI passiert, überhaupt kein Modell. Es war ein Stück Hardware, das mich endlich eine Frage stellen ließ, der ich lange ausgewichen bin: Was nützt ein Genie, das in einer Textbox gefangen ist?
Genau diesen Wandel möchte ich mit euch durchgehen. Wenn ihr KI-Modelle und Robotik 2026 so verfolgt habt wie die meisten — durch das Aktualisieren von Benchmark-Leaderboards und Diskussionen darüber, welches Modell das „schlaueste" ist —, dann messt ihr meiner Meinung nach inzwischen das Falsche. Das Rennen ist dieses Jahr nicht schneller geworden. Es hat sich geteilt. Auf der einen Straße kämpfen die Labs darum, wie man das nächste Gehirn baut. Auf der anderen hat eine viel kleinere Gruppe begriffen, dass das Gehirn nie der Engpass war. Die Hände waren es.
Lasst mich euch beide Straßen zeigen, denn Mitte Juli 2026 ist eine dieser seltenen Wochen, in denen man das gesamte Spielbrett auf einen Blick sehen kann.
KI-Modelle und Robotik 2026: Das Rennen hat sich in zwei Fronten aufgespalten
Die nützlichste mentale Umstellung, die ihr dieses Jahr machen könnt, ist, KI-Modelle und Robotik 2026 nicht mehr als eine einzige Geschichte zu betrachten. Es sind zwei. Front eins ist ein Messerkampf zwischen den Labs darüber, wie man das nächste Gehirn baut — schnell iterieren oder das Fundament vertiefen. Front zwei ist ein viel leiserer Wettstreit darum, den Körper zu bauen, mit dem dieses Gehirn handeln kann. Die erste Front gehört den Schlagzeilen. Der zweiten Front, so werde ich am Ende argumentieren, gehört die Zukunft.
Zwei Wege, ein Frontier-Modell zu bauen — und die Labs haben sich für entgegengesetzte Seiten entschieden
Hier ist die Sache, die auf den Launch-Partys niemand laut ausspricht: Es gibt keinen Konsens mehr darüber, wie man überhaupt Fortschritt macht. 2023 waren sich alle einig — hochskalieren, ein größeres Basismodell trainieren, einen sauberen Generationssprung ausliefern. GPT-3 zu GPT-4. Sauber. Nachvollziehbar. 2026 ist dieser Konsens verschwunden, und die beiden größten Labs führen nun öffentlich entgegengesetzte Experimente durch.
OpenAI hat sich für unerbittliche Iteration entschieden. Achtet auf die Taktung: Das Modell, das alle atemlos „GPT-6" nannten, erschien am 23. April 2026 — und wurde als GPT-5.5 ausgeliefert, nicht als neue Generation. Dann ging GPT-5.6 am 9. Juli 2026 an die Öffentlichkeit, aufgeteilt in drei Stufen mit den internen Namen Luna, Terra und Sol, wobei das Sol-Flaggschiff Berichten zufolge 88,8 % auf Terminal-Bench 2.1 erreichte. Drei „Punkt"-Releases in weniger als sechs Monaten, von denen jedes still und leise Features aufnahm, die Gerüchte einst einem echten GPT-6 vorbehalten hatten. Sam Altman hat unmissverständlich klargemacht, dass ein echter Generationssprung nicht der kurzfristige Plan ist; die glaubwürdigste Berichterstattung datiert GPT-6 inzwischen frühestens auf Q4 2026.
Anthropic fährt das andere Experiment. Statt eines Feuerwerks an Dot-Releases halten sie eine ruhigere Linie — Opus 4.8 erschien am 28. Mai 2026, und der gesamte 4.x-Opus-Bogen drehte sich darum, ein Fundament zu vertiefen, statt einer Versionsnummer hinterherzujagen. In meinem eigenen täglichen Claude-Code-Workflow ist genau diese Zurückhaltung der Grund, warum Opus mein Standard für agentisches Coding geblieben ist: Das Verhalten ist über Point-Releases hinweg vorhersehbar — und das zählt mehr als ein Leaderboard-Delta, wenn um 1 Uhr nachts fünf Agents gegen ein echtes Repo laufen.
Keine der beiden Strategien ist offensichtlich richtig. Genau das macht es interessant. OpenAIs Ansatz liefert den Nutzern schneller Mehrwert und hält den Nachrichtenzyklus warm. Anthropics Ansatz schützt das, wofür Enterprise-Käufer tatsächlich zahlen — Zuverlässigkeit, auf der man ein Geschäft aufbauen kann. Behaltet diese Spannung im Kopf, denn sie ist im Begriff, mit einem Leak zu kollidieren.
Ist Claude Opus 5 real? Was der Leak tatsächlich sagt (und was nicht)
Kurze Antwort: Es gibt einen echten, unbestätigten Leak, der auf ein Claude Opus der nächsten Generation hindeutet, und Anthropic hat offiziell kein Release-Datum angekündigt. Alles nach diesem Satz ist Spekulation, und ich werde das deutlich kennzeichnen — denn das ist genau die Art von Geschichte, bei der Glaubwürdigkeit verbrennt, wenn Leute Gerüchte als Fakten verkaufen.
Hier ist, was Mitte Juli 2026 tatsächlich kursiert. Ein Modell tauchte kurz unter einem Early-Access-Codenamen auf — berichtet als „Honeycomb" —, bevor es wieder verschwand. Dazu kam Gerede über ein Kontextfenster von 1 Million Token beim nächsten Opus und ein Launch-Ziel zum Monatsende. Das ist der Leak. Das ist der gesamte belastbare Kern davon.
Nun die Vorbehalte, denn sie sind wichtiger als der Hype:
- Anthropic hat nichts davon bestätigt. Kein Datum, keine Kontext-Zahl, kein Name. Behandelt „Opus 5" als einen Platzhalter, den die Community erfunden hat, nicht als Produkt.
- Die 1M-Kontext-Zahl ist eine berichtete Zahl aus Pre-Release-Gerede, kein Datenblatt. Ich habe genug geleakte „Kontextfenster" verpuffen sehen, um keinen Plan darauf zu bauen.
- Anthropic hat historisch Point-Releases (4.6, 4.7, 4.8) sauberen Generationssprüngen vorgezogen. Eine plötzliche „5" würde dieses Muster brechen — was entweder ein Zeichen dafür ist, dass etwas Großes kommt, oder dafür, dass die Community wunschgetrieben Muster erkennt.
Sollte sich das 1M-Token-Fenster als real herausstellen, verändert es die Form dessen, was ich in einem einzigen Agent-Lauf tun kann — eine gesamte mittelgroße Codebasis in den Kontext füttern, statt sie in Stücke zu zerlegen. Das ist ein echter Fähigkeitssprung, keine Eitelkeitsmetrik. Aber das falls es stimmt trägt in diesem Satz eine enorme Last, und ich sage euch lieber ehrlich, dass ich es nicht weiß, als euch ein Gerücht mit selbstsicherer Miene zu verkaufen. Ich habe die frühere Version dieses Leaks in meiner Analyse des Anthropic-Next-Gen-Claude-Leaks auseinandergenommen, und die Kurzfassung hat sich nicht geändert: Wartet auf die Model Card.
Warum Google Gemini genau zum falschen Zeitpunkt ins Stocken geriet
Während die beiden Spitzenreiter darüber streiten, wie man die Zukunft baut, verbrachte Google den Juli 2026 damit, eine Verzögerung zu erklären — und Verzögerungen sind der Ort, an dem Momentum stirbt.
Gemini 3.5 Pro sollte im Juni erscheinen. Auf der Google I/O am 19. Mai 2026 stand Sundar Pichai auf der Bühne und versprach, es käme „nächsten Monat". Dann schob Google die allgemeine Verfügbarkeit still und leise in den Juli und begründete das mit der Notwendigkeit, mehr Feedback früher Tester einzuarbeiten und das Modell bei langfristigen, agentischen Aufgaben zu schärfen. Die Berichterstattung seither deutet auf ein Zieldatum am 17. Juli hin, gerahmt als tiefergehende architektonische Überarbeitung.
Ein verschobener Launch ist für sich genommen überlebbar. Das Problem ist, neben was er gelandet ist. Im selben Zehn-Tage-Fenster passierten zwei Dinge, die aus einer Verzögerung ein Narrativ machten:
Erstens, die Talente. Berichte tauchten auf, dass Noam Shazeer — ein VP of Engineering bei Gemini und Co-Autor des Papers „Attention Is All You Need" von 2017, das diese ganze Ära begründete — das Unternehmen verlässt, Berichten zufolge in Richtung OpenAI. In derselben Welle hieß es, John Jumper, der DeepMind-Wissenschaftler hinter AlphaFold und Mitträger des Chemie-Nobelpreises 2024, wechsle zu Anthropic. Wenn die Leute, die den Transformer erfunden haben, Berichten zufolge während eines verzögerten Launches zur Tür hinausgehen, nimmt der Markt das wahr.
Zweitens: Der Markt nahm es tatsächlich wahr. Am 22. Juni 2026 fielen die Alphabet-Aktien in einer einzigen Sitzung um rund 5 % — etwa 225 Milliarden Dollar Marktwert weg, der schärfste Tagesverlust seit mehr als einem Jahr. Und die Nutzungszahlen darunter erzählen die eigentliche Geschichte. Laut Sensor Towers State of AI Report 2026 hielt ChatGPT im Mai 2026 46 % des globalen KI-Assistenten-Marktes, Gemini 28 % und Claude 10 % — aber Claudes US-Anteil kletterte von 5 % im letzten Dezember auf 14 % im Mai, fast ausschließlich getragen von Coding und Deep Research.
Lest diese Zahlen zusammen, und ihr bekommt die unbequeme Wahrheit für Google: Distribution ist kein Schicksal. Gemini ist in die meistgenutzten Produkte der Welt gebündelt und verliert trotzdem Anteile in den Segmenten, in denen das Geld und die Loyalität sitzen. Ich habe über Geminis früheren Versuch, das Momentum zurückzuerobern, in meiner Einschätzung zum Gemini 3.5 Pro Comeback geschrieben — und diese Verzögerung ist genau der Konter, den dieses Comeback vermeiden musste.
Die Open-Weight-Modelle, die still und leise den Preisboden neu setzen
Hier ist eine Straße, die es nicht auf die Titelseite schafft — und es ist die, die ich am schärfsten beobachten würde, wenn ich ein Startup auf API-Kosten betreiben würde.
Während alle auf die amerikanischen Frontier-Labs starren, haben chinesische Open-Weight-Modelle weiter ausgeliefert — und sie sind keine „günstigen Alternativen" mehr, sie sind Anwärter. DeepSeek V4 startete am 24. April 2026 mit Pro- und Flash-Varianten, einem berichteten Kontextfenster von 1 Million Token und einer Wette auf Preis plus algorithmisches Reasoning, die den Kostenboden neu setzte und es an die Spitze der Competitive-Programming-Benchmarks brachte. Dann kam GLM-5.2 von Z.ai am 13. Juni 2026 — ein Mixture-of-Experts-Modell mit 744 Milliarden Parametern, das im Artificial Analysis Intelligence Index insgesamt auf Platz vier landete, vor jedem Modell, das man nicht herunterladen kann, und das zu rund einem Sechstel des Preises der proprietären Flaggschiffe.
Lasst das kurz sacken. Ein Open-Weight-Modell, das ihr selbst betreiben könnt, schlägt geschlossene Modelle, die ihr nur mieten könnt, auf einigen langfristigen Coding-Benchmarks — zu einem Sechstel der Kosten.
Das ist kein Benchmark-Angeben — das ist struktureller Druck. Jedes Mal, wenn ein Open-Weight-Modell die Lücke schließt, deckelt es, was die geschlossenen Labs für alles unterhalb echter Frontier-Fähigkeit verlangen können. Für diejenigen von uns, die tatsächlich Produkte ausliefern, ist dieser Druck ein Geschenk: Er bedeutet, dass der Boden weiter sinkt, während die Decke weiter steigt. Das ist dieselbe Ökonomie, in die ich mich vertieft habe, als ich mir angeschaut habe, wie der Graumarkt für KI-Abos funktioniert — die Preissetzungsmacht wandert, und sie wandert nicht zu den Etablierten.
Eine ehrliche Anmerkung zum Rauschen: Viele Modellnamen, die gerade herumfliegen, sind in der Weitererzählung halb verstümmelt — Codenamen, Fehlübersetzungen und Rebrands, die ineinander kollabieren. Ich nenne bewusst nur die Releases, die ich tatsächlich verifizieren konnte, und lasse die weg, die ich nicht verifizieren konnte. Wenn ein Modell oben nicht auftaucht, dann, weil ich nicht dahinterstehen konnte — nicht, weil es nicht existiert.
Wenn ihr dieses Quartal ein Modell auswählen wollt, auf dem ihr aufbaut, und lieber jemanden hättet, der den Stack mit euch architektiert, statt zu raten — das ist genau die Art von Projekt, die ich direkt übernehme. Meine Arbeit findet ihr unter fiverr.com/s/EgxYmWD.
Die Rivalität, die nichts mit Forschung zu tun hat
Nicht alle großen KI-Nachrichten dieses Jahres kamen aus einem Lab. Einige kamen aus einem Gerichtssaal und einem sehr öffentlichen Streit auf X.
Am 18. Mai 2026 brauchte eine kalifornische Jury weniger als zwei Stunden, um Elon Musks Klagen gegen Sam Altman und OpenAI abzuweisen — mit der Begründung, er habe nach Ablauf der Verjährungsfrist geklagt. Musk kündigte Berufung an. Dann, im Juli, entflammte die Fehde an einer neuen Front: Berichte, dass Apple OpenAI wegen mutmaßlichen Diebstahls von Geschäftsgeheimnissen verklagt hat. Musk feuerte einen „Scam Altman strikes again"-Post ab; Altman konterte, das sicherste Zeichen dafür, dass sein neues Modell gut sei, sei, dass „elon is obsessed with me again". Am 12. Juli lieferten sich die beiden auf X einen Schlagabtausch in Echtzeit.
Man kann über das Drama die Augen verdrehen — ich habe es getan —, aber im Rauschen steckt ein Signal. Die Frontier ist inzwischen so dicht gedrängt, dass der Kampf sich weg vom Benchmark verlagert hat. Wenn die Modelle so nah beieinanderliegen, sind die dauerhaften Vorteile juristisch (wem gehören die Geschäftsgeheimnisse), kommerziell (wem gehört die Distribution) und sozial (wem gehört das Narrativ). So sieht eine reifende Branche aus. Forschungsvorherrschaft hört auf, das ganze Spiel zu sein, sobald drei Labs dieselbe Messlatte überspringen können — und die Gewinner werden zunehmend von Burggräben bestimmt, die nichts mit einer Loss-Kurve zu tun haben.
Behaltet diesen Rahmen — der Burggraben wandert vom IQ zu allem um den IQ herum —, denn genau das lässt die Robotik-Geschichte einschlagen.
Die Neo-Hand von 1X ist eine API für die physische Welt
Jetzt zu dem Teil, der mich alle anderen Tabs schließen ließ.
Am 9. Juli 2026 stellte 1X eine neue geschickte Hand für seinen humanoiden Roboter Neo vor, und das Datenblatt liest sich, als hätte endlich jemand die physische Welt als Schnittstellenproblem ernst genommen. Hier ist, was tatsächlich drinsteht:
- 25 Freiheitsgrade in einer einzigen Hand — 22 voll aktuiert über Finger und Handfläche, plus drei am Handgelenk. Menschliche Hände liegen bei etwa 27 DOF, das ist also wirklich in der Nachbarschaft der Biologie.
- Ein Quasi-Direct-Drive-Sehnensystem (der „1X Tendon Drive") mit niedrigen Übersetzungsverhältnissen von etwa 5:1 bis 15:1, gegenüber dem Industriestandard von 100:1–200:1. Niedrige Übersetzung macht eine Hand rücktreibbar — sie kann die Welt spüren und ihr nachgeben, statt sich durch sie hindurchzuquetschen.
- Spitzendrehmoment von 3,5 Nm am Daumen, 2,6 Nm an den Fingergelenken, bis zu 45 N distale Beugekraft, 17,75 Nm am Handgelenk und eine Positioniergenauigkeit von ±0,2 mm.
- Taktile Sensorik über Fingerspitzen und Handflächen hinweg — Druck, Kontaktposition und Scherung. Dazu IP68-Wasserdichtigkeit und lebensmittelechte Materialien.
- 1X gibt an, Kapazitäten für 10.000 Hände im Jahr 2026 zu haben.
Was ist die 1X Neo Hand, in einem Satz?
Die 1X Neo Hand ist eine sehnengetriebene Roboterhand mit 25 Freiheitsgraden und flächendeckender taktiler Sensorik, entwickelt, um einem humanoiden Roboter nahezu menschliche Geschicklichkeit zu geben, damit KI-Modelle reale Objekte manipulieren können. Sie ist die Hardware-Brücke zwischen der Entscheidung eines Modells und einer physischen Handlung.
Und genau diese Rahmung — eine Brücke zwischen Entscheidung und Handlung — ist der Grund, warum ich die Neo-Hand für das wichtigste KI-Release des Monats halte, nicht die Modelle. Denkt an den gesamten Stack dessen, was wir gebaut haben. Wir haben drei Jahre damit verbracht, das Reasoning unglaublich gut zu machen. Ein Frontier-Modell kann ein Abendessen planen, die Schritte sequenzieren, darüber nachdenken, welche Pfanne wann zu benutzen ist und wann die Eier unterzuheben sind. Dann prallt es gegen eine Wand, denn es hat keine Möglichkeit, die Pfanne in die Hand zu nehmen. All diese Intelligenz endet in einer Textbox.
Die Hand ist der fehlende I/O-Bus. Wenn das Modell die CPU ist — das Ding, das denkt —, dann ist eine geschickte Hand die Schnittstelle, die eine berechnete Entscheidung in Kraft umwandelt, die auf die reale Welt wirkt. Sie ist, fast wörtlich, eine API für die physische Welt: Intelligenz geht als Absicht hinein, mechanische Aktion kommt heraus. Alles stromaufwärts — jeder Benchmark-Punkt, jedes Kontextfenster-Gerücht, jeder Gerichtssaal-Burggraben — zahlt sich in der physischen Realität nur aus, wenn etwas mit genug Feingefühl greifen, drehen und platzieren kann, um nicht zu zerstören, was es berührt.
Deshalb haben diese Woche 25 DOF die 88,8 % auf Terminal-Bench um meine Aufmerksamkeit geschlagen. Die Modelle waren der Hardware zwei Jahre lang voraus. Die Neo-Hand ist das erste Mal, dass die Schnittstelle aussah, als könnte sie aufholen.
Klartext: Was ich wirklich glaube und wo ich wahrscheinlich falsch liege
Ich schulde euch hier Ehrlichkeit, gerade weil die Hälfte dieses Artikels auf Leaks und Hardware basiert, die ich nie angefasst habe.
Ich habe keine Neo-Hand in der Hand gehalten. Niemand außerhalb von 1X hat bislang eine auf dem Schreibtisch, also ist alles, was ich darüber sage, wie sie sich in der chaotischen realen Welt schlägt — nicht im Demo-Reel, sondern in der echten Geschirr-in-der-Spüle-Welt —, Analyse, keine Rezension. Demo-Videos sind Marketing. Ich habe mir oft genug die Finger verbrannt, um mein Urteil zurückzuhalten, bis unabhängige Hände (Wortspiel beabsichtigt) sie in die Finger bekommen. Ein sehnengetriebenes Design ist außerdem mechanisch schwerer zu warten als starre Gelenkverbindungen; Sehnen dehnen sich und verschleißen. Ob 1X die ±0,2 mm Genauigkeit nach zehntausend Zyklen halten kann, ist die Frage, die das Datenblatt nicht beantwortet.
Zu den Modellen: Ich glaube, OpenAIs Schnell-Iterieren-Strategie gewinnt die nächsten zwei Quartale beim Mindshare und verliert nichts Wichtiges, während Anthropics ruhigere Linie die Enterprise-Kunden gewinnt, die tatsächlich verlängern. Ich könnte falsch liegen — wenn der Opus-5-Leak real ist und dieses 1M-Kontextfenster ausgeliefert wird und die Qualität hält, dreht Anthropic das gesamte Gespräch über Nacht. Aber ich setze meine Roadmap nicht auf einen Codenamen, der auftauchte und wieder verschwand.
Und zu Google: Eine Verzögerung plus ein Talent-Exodus plus ein 225-Milliarden-Dollar-Absturz ist kein Todesurteil — es ist ein Unternehmen, das genau in dem Moment auf dem falschen Fuß erwischt wurde, in dem der Markt beschloss, sich mehr um agentische Zuverlässigkeit als um rohe Skalierung zu kümmern. Sie haben die Distribution, um sich zu erholen. Die Frage ist, ob die Leute, die diese Erholung bauen könnten, schon gegangen sind.
Der rote Faden in alldem: Hört auf, die Labs nach Benchmarks zu ranken, und fangt an, sie danach zu ranken, welchen Engpass sie tatsächlich angreifen. Das ist der Perspektivwechsel, den ihr mitnehmen sollt.
Was ich für den Rest von 2026 beobachte
Drei Dinge, ganz konkret, damit ihr mit mir mitschauen könnt.
Beobachtet, ob der Opus-5-/1M-Kontext-Leak vor August zu einer echten Model Card wird. Wenn ja, bekommt die „Iterieren vs. Vertiefen"-Debatte einen Datenpunkt. Wenn nicht, legt ihn zu all den anderen Leaks, die sich verflüchtigt haben.
Beobachtet die Open-Weight-Benchmarks. An dem Tag, an dem ein herunterladbares Modell ein geschlossenes Flaggschiff auf einem allgemeinen Benchmark überzeugend schlägt — nicht nur auf einem kostenbereinigten —, ändert sich das Preisgespräch für die gesamte Branche, und es wird sich schnell ändern.
Und haltet Ausschau nach unabhängigen Teardowns der Neo-Hand. In dem Moment, in dem jemand außerhalb von 1X echte Manipulationstests veröffentlicht — Wäsche falten, eine Spülmaschine einräumen, etwas Zerbrechliches ohne Skript handhaben —, wissen wir, ob die API für die physische Welt real ist oder nur ein schönes Datenblatt. Das ist das Release, für das ich tatsächlich alles stehen und liegen lassen werde.
Die Zahl, die mich immer noch nicht loslässt
Ich habe mit der 25 begonnen, weil sie neu geordnet hat, wie ich über dieses ganze Feld denke — und genau dort möchte ich euch auch zurücklassen.
Zwei Jahre lang habe ich KI-Fortschritt so gemessen wie alle — daran, wie schlau das Modell wurde. Größerer Kontext, höhere Benchmarks, saubereres Reasoning. Diesen Monat hat mich eine Roboterhand leise daran erinnert, dass Intelligenz ohne die Möglichkeit, irgendetwas zu berühren, nur sehr ausgefeiltes Tippen ist. Die Modelle sind jetzt der einfache Teil. Der schwere Teil — der Teil, der aus einem Genie in einer Box etwas macht, das euren Dienstag verändert — ist die Schnittstelle zur physischen Welt, und diese Schnittstelle hat gerade 25 Freiheitsgrade bekommen.
Hier ist also die Frage, die ich euch dalasse — dieselbe, die meine Tabs geschlossen hat: Wenn das Reasoning schon gut genug ist, was tut ihr noch, das ein gutes Modell plus eine gute Hand in einem Jahr nicht könnte? Beantwortet das ehrlich, und ihr verfolgt nicht mehr das KI-Rennen. Ihr seid ihm voraus.
KI-Modelle und Robotik 2026: Die Fragen, die zählen
Was sind die größten Entwicklungen bei KI-Modellen und Robotik 2026?
Die größten bestätigten Entwicklungen sind OpenAIs GPT-5.6 (öffentlich seit 9. Juli, mit den Stufen Luna, Terra und Sol), Anthropics stabiles Opus-4.8-Fundament, Googles Verschiebung von Gemini 3.5 Pro in den Juli und starke Open-Weight-Releases mit DeepSeek V4 und GLM-5.2. Ein Next-Gen „Claude Opus 5" wird gemunkelt, ist aber unbestätigt. Die vollständige Aufschlüsselung findet ihr in den Abschnitten oben.
Ist Claude Opus 5 bestätigt?
Nein. Stand Mitte Juli 2026 hat Anthropic weder Claude Opus 5 noch ein Release-Datum noch ein 1M-Token-Kontextfenster offiziell bestätigt — all das stammt aus einem unverifizierten Leak rund um den Early-Access-Codenamen „Honeycomb". Behandelt jedes Detail als Spekulation, bis Anthropic eine offizielle Model Card veröffentlicht.
Was macht die 1X Neo Roboterhand so wichtig?
Die 1X Neo Hand ist wichtig, weil sie einem humanoiden Roboter nahezu menschliche Geschicklichkeit verleiht — 25 Freiheitsgrade und flächendeckende taktile Sensorik —, also die fehlende Hardware-Schnittstelle, mit der ein KI-Modell eine Entscheidung in physische Aktion verwandeln kann. Sie übersetzt digitale Intelligenz in reale Manipulation und fungiert als API für die physische Welt.
Warum wurde Google Gemini 3.5 Pro verschoben?
Google verschob Gemini 3.5 Pro von Juni auf Juli 2026 und begründete das mit der Notwendigkeit, mehr Feedback früher Tester einzuarbeiten und die Leistung bei langfristigen, agentischen Aufgaben zu verbessern. Die Verzögerung fiel mit berichteten Abgängen von Senior-Forschern und einem Tagesverlust von rund 225 Milliarden Dollar an Alphabets Marktwert am 22. Juni 2026 zusammen.
Worauf ich setze und wo ich absichern würde
Die Spaltung ist die Geschichte: Eine Front rennt um rohe Modellfähigkeit, die andere rennt um die physische Welt — mit Händen wie der 1X Neo. Meine Wette ist, dass die zweite Front stärker unterbewertet ist als die erste — das Reasoning ist nahe an „gut genug", und der Engpass ist zunehmend die Schnittstelle zur realen Welt, nicht der IQ dahinter.
Ich könnte falsch liegen, und der ehrliche Schritt ist, beide Fronten zu beobachten, statt sich ein Team auszusuchen. Aber wenn das Reasoning wirklich gut genug ist, dann ist die Frage, mit der es sich zu sitzen lohnt, was ihr noch von Hand macht, das ein gutes Modell plus eine gute Hand nicht könnte.
Wenn ihr eure Planung daran ausrichtet, wohin sich KI und Robotik entwickeln — genau diese Art von Strategiearbeit mache ich über Ramlit. Die Einschätzung oben ist mein Snapshot für den Rest von 2026.
