AI Weekly: Claudes Leistungsabfall, Muse Spark, Netflix VOID

AI Weekly: Claudes Leistungsabfall, Muse Spark, Netflix VOID

Am Montagmorgen öffnete ich mein Terminal, und Claude bat mich, eine Änderung an einer Datei zu bestätigen, die es nie gelesen hatte. Nicht eine Datei, die es irgendwann mal gelesen hatte. Eine Datei, die es überhaupt nicht geöffnet hatte. Es wollte anhand des Dateinamens ein Muster erkennen, die Imports erraten und eine Änderung an Code vorschlagen, den es nie gesehen hatte.

Ich brach die Aktion ab. Starrte einen Moment auf den Bildschirm. Dann erinnerte ich mich an den AMD-Bericht, der in der Woche zuvor veröffentlicht wurde – der, in dem Stella Laurenzos Team bei AMD 6.852 Claude-Code-Sitzungen analysierte und feststellte, dass Claudes „Reads per Edit“ von 6,6 auf 2,0 eingebrochen waren. Ein Rückgang um 70 % bei dem Kontext, den Claude sammelt, bevor es beginnt, deinen Code zu verändern.

Ich hatte es seit Wochen gespürt. Die Daten gaben dem Ganzen endlich einen Namen.

Das war die Geschichte, die diese Woche AI-Twitter dominierte, aber nicht die einzige. Meta veröffentlichte Muse Spark – ihr erstes Modell aus den neuen Superintelligence Labs. Netflix hat still und leise ein Videomodell als Open Source bereitgestellt, das Physik versteht. Anthropic unterzeichnete einen Compute-Deal über 3,5 Gigawatt mit Google und Broadcom, den Analysten für 2027 allein auf 42 Milliarden Dollar schätzen. Microsoft Word liefert jetzt Claude direkt im Dokumentenbereich aus. Und Andrej Karpathy veröffentlichte ganz nebenbei einen Open-Source-Fix für Claudes Speicherproblem, der Obsidian als Speicherschicht nutzt.

Dreizehn Ankündigungen. Eine Woche. Hier ist meine persönliche Analyse: Was ich getestet habe, was mich überrascht hat und was für Menschen, die Dinge bauen, wirklich zählt.

Die Claude-Performance-Story, über die alle tuschelten

Fangen wir mit dem Thema an, das mir persönlich am nächsten ging.

Wenn du Claude Code täglich nutzt, hast du vermutlich genau das gespürt, was ich gleich beschreibe. Edits, die vor dem Lesen ausgeführt werden. Pläne, die früher sechs Dateien umfassten, sind jetzt auf zwei beschränkt. Das Modell wählt die billigste verfügbare Aktion statt der richtigen. Ich habe meine Prompts beschuldigt. Ich habe meine Kontextdateien beschuldigt. Ich habe mich selbst beschuldigt.

Dann kamen die Beweise.

Stella Laurenzo, Leiterin des KI-Teams bei AMD, veröffentlichte eine Datenanalyse von 6.852 Claude-Code-Sitzungen mit 234.760 Tool-Aufrufen und 17.871 Denkblöcken. Die Zahlen sind eindeutig. Zwischen dem 30. Januar und dem 12. Februar – der „guten“ Phase – las Claude 6,6 Dateien für jede Datei, die er bearbeitete. Zwischen dem 8. März und dem 23. März stürzte dieser Wert auf 2,0 ab. Die Denktiefe sank im gleichen Zeitraum um 67 %.

Das von Laurenzo beschriebene Verhaltensmuster entspricht exakt meiner Erfahrung: Claude wechselte von „Research-first“ zu „Edit-first“. Wenn das Denken oberflächlich wird, greift das Modell auf die billigste Aktion zurück. Es editiert, ohne zu lesen. Es hört auf, ohne fertig zu werden. Es nimmt die einfachste Korrektur statt der richtigen. Es weicht der Verantwortung für selbst verursachte Fehler aus.

Anthropics Antwort verwies auf zwei bekannte Änderungen: Opus 4.6 wechselte am 9. Februar standardmäßig zu adaptivem Denken, und am 3. März wurde der Standardaufwand von hoch auf mittel gesenkt. Sie sagen, der Header redact-thinking-2026-02-12 sei nur eine UI-Änderung. Nutzer nehmen diese Erklärung nicht vollständig ab – Fortune berichtete diese Woche über den Aufschrei unter dem Titel rund um Anthropics „Mangel an Transparenz“ bei stillen Modell-Updates.

Das ist der entscheidende Punkt für Entwickler: Du kannst dagegen ansteuern.

Was für mich aktuell funktioniert:

• Setze explizit thinking_effort: high in jeder Claude-Code-Sitzung, die Produktionscode betrifft
• Lade den Kontext manuell vor – füge die relevanten Dateien direkt ins Gespräch ein, statt darauf zu hoffen, dass Claude sie selbst findet
• Nutze strengere Agenten-Definitionen. Allgemeine Anweisungen wie „Lies den Codebase“ führen zu oberflächlichem Lesen. Konkrete Anweisungen wie „Lies diese vier Dateien und vergleiche sie mit dem Zielverhalten“ funktionieren weiterhin
• Für alles Architektonische: Wechsle zu Opus 4.6 mit erweitertem Denken und akzeptiere die Token-Kosten

Meine vollständige Konfiguration stelle ich in einem eigenen Beitrag vor. Kurz gesagt: Das Vertrauen in stille Defaults ist weg. Jede ernsthafte Sitzung braucht ein explizites Denkbudget und expliziten Kontext. Die Ära der „Fire-and-Forget“-Claude-Code-Sessions ist vorbei.

Meta Muse Spark: Das Multi-Agenten-Modell, das sich in deinem WhatsApp versteckt

Am 8. April hat Meta Muse Spark veröffentlicht – das erste Modell aus Alexandr Wangs Superintelligence Labs, seit Meta 14 Milliarden Dollar investiert hat, um ihn ins Unternehmen zu holen.

Ich habe es noch in derselben Nacht getestet.

Das Hauptfeature: Muse Spark kann mehrere spezialisierte Subagenten parallel starten, um verschiedene Teile einer einzelnen Anfrage zu bearbeiten. Wenn du es bittest, eine Reise zu planen, startet es gleichzeitig einen Flugagenten, einen Hotelagenten und einen Aktivitätenagenten und konsolidiert anschließend die Ergebnisse. Außerdem bringt es das, was Meta eine „visuelle Chain of Thought“ nennt – schrittweises, explizit im Output dargestelltes Denken über Bilder – direkt mit.

Auf dem Intelligence Index erzielte Muse Spark 52 Punkte. Damit liegt es hinter Gemini 3.1 Pro und GPT-5.4 (beide 57) und knapp unter Claude Opus 4.6 (53). Kein Spitzenreiter beim allgemeinen Schlussfolgern. Aber genau darauf zielt Meta auch nicht ab.

Wirklich glänzen kann Muse Spark bei multimodalen und gesundheitsbezogenen Aufgaben. Ich habe es mit einem Test zur medizinischen Bildinterpretation und einem Workflow zur Ernährungsplanung konfrontiert. In beiden Fällen konnte es mit Claude Opus 4.6 mithalten – und in einem speziellen Fall (Interpretation eines Fotos eines Tellers und Erstellung einer Makronährstoffanalyse) war es messbar besser. Die visuelle Chain of Thought machte die Argumentation nachvollziehbar, wie es bei Claudes Bildantworten meist nicht der Fall ist.

Die eigentliche Strategie liegt aber in der Distribution. Muse Spark wird direkt in WhatsApp, Instagram, Facebook, Messenger und Metas AI-Brille ausgerollt. Das ist eine Reichweite, die Claude, ChatGPT und Gemini zusammen nicht erreichen. Meine Mutter nutzt WhatsApp. Sie hat noch nie Claude.me geöffnet. In sechs Monaten wird sie standardmäßig eine Multi-Agenten-KI in ihrer Messaging-App haben.

Ein ehrlicher Hinweis: Muse Spark ist proprietär. Meta sagte, sie „hoffen, zukünftige Versionen zu open-sourcen“. Nach dem Vertrauensbruch beim Open Source durch die verzögerten Llama 4-Gewichte glaube ich das erst, wenn die Gewichte tatsächlich veröffentlicht werden.

Netflix VOID: Video-Editing, das endlich die Physik respektiert

Das hat mich wirklich überrascht.

Das KI-Forschungsteam von Netflix — in Zusammenarbeit mit INSAIT an der Universität Sofia — hat ein Modell namens VOID (Video Object and Interaction Deletion) als Open Source veröffentlicht. Auf dem Papier ist es ein Tool zur Entfernung von Objekten aus Videos. In der Praxis ist es das erste Modell, das ich getestet habe, das tatsächlich versteht, was mit einer Szene passiert, wenn ein Objekt verschwindet.

Entfernt man eine Person, die eine Gitarre hält, aus einem Video, lassen die meisten Tools entweder die Gitarre in der Luft schweben oder halluzinieren einen verschwommenen Fleck an der Stelle der Person. VOID entfernt die Person und den physischen Einfluss, den sie auf die Gitarre hatte — die Gitarre fällt zu Boden. Eine Hand, die auf ein Kissen drückt, wird entfernt, und das Kissen dekomprimiert zurück in seine ursprüngliche Form. Ein Kreisel wird gelöscht, und der umgebende Staub setzt sich korrekt.

Der technische Ansatz ist clever. VOID basiert auf CogVideoX und verwendet eine 4-Werte-Quadmaske (0, 63, 127, 255), die nicht nur kodiert, was entfernt werden soll, sondern auch, welche Bereiche der Umgebung physikalisch beeinflusst werden. Es läuft eine Inferenz in zwei Durchgängen: Durchgang 1 übernimmt die Hauptentfernung, Durchgang 2 behebt die Objekt-Morphing-Artefakte, die jedes Video-Diffusionsmodell plagen, das ich ausprobiert habe. Die Trainingsdaten stammen aus Blender-Physiksimulationen und Googles Kubric-Framework — synthetische, gepaarte Daten mit physikalischem Ground-Truth.

Es schlägt ProPainter, DiffuEraser, Runway, MiniMax-Remover und Gen-Omnimatte in realen und synthetischen Benchmarks. Und — das ist der Teil, den ich immer noch kaum glauben kann — es ist auf Hugging Face und GitHub unter Apache 2.0 verfügbar.

Netflix hat gerade das Tool verschenkt, das kleinen Studios Post-Production-Edits ermöglicht, für die früher Nachdrehs nötig waren. Wenn du irgendetwas im Bereich Videoproduktion, Creator-Tools oder synthetische Datenpipelines baust, ist das das Release des Quartals.

Claude in Microsoft Word: Die Beta, die juristische Arbeit verändert

Es gibt eine Beta, mit der ich nicht gerechnet hatte — bis ich sie an einem echten Vertrag ausprobierte.

Microsoft hat die Claude-Integration in Word ausgeliefert. Dokument öffnen, Claude im Seitenbereich aufrufen, und schon kann es das Dokument zusammenfassen, analysieren und mit Änderungsverfolgung bearbeiten. Doch das entscheidende Feature: Claude markiert automatisch die kritischen Änderungen und verhandelbaren Punkte in juristischen und Vertragsdokumenten.

Ich habe einen Entwurf eines Dienstleistungsvertrags hineingeworfen, den ich schon länger vor mir herschob. In weniger als einer Minute hatte Claude drei Klauseln hervorgehoben, die nicht dem Standard entsprachen, erklärt, warum sie ungewöhnlich waren, und alternative Formulierungen mit Änderungsverfolgung vorgeschlagen, die ich annehmen oder ablehnen konnte. Es war, als hätte ich einen Junior-Anwalt für den ersten Durchgang — nur dass Claude tatsächlich jedes Wort gelesen hat.

Word hat 1,2 Milliarden monatliche Nutzer. Claude ist jetzt darin integriert. Das ist kein gewöhnlicher KI-Feature-Launch. Das ist ein Distributionswechsel.

Für alle, die mit Verträgen, Angeboten oder langen Dokumenten in Word arbeiten — das Warten auf die Beta lohnt sich.

Googles leisere Launches: Notebooks, Managed Agents, Simulationen, KI-Shopping

Google hat diese Woche vier neue Funktionen veröffentlicht. Keine davon dominierte die Schlagzeilen. Zusammen ergeben sie jedoch ein Muster.

Notebooks innerhalb der Gemini-App ermöglichen es, Chats projektbasiert mit angehängten Quelldateien zu organisieren. Man kann sich das wie NotebookLM vorstellen, aber direkt integriert in die regulären Gemini-Konversationen. Ich habe meinen Content-Research-Workflow darauf umgestellt und die Reibung beim Suchen nach „Wo habe ich diesen Recherche-Thread gespeichert?“ ist praktisch auf null gesunken.

Managed Agents ist Googles Antwort auf das Agenten-SDK von Claude — autonome, von Gemini gesteuerte Agenten, die Hintergrundaufgaben ausführen. Wer meinen Walkthrough zu Anthropics Managed Agents gesehen hat, erkennt hier das Pendant. Es ist noch früh, aber durch die Integration mit Google Workspace können diese Agenten nativ auf Gmail, Kalender und Drive zugreifen. Das ist ein Ökosystem, das Claude aktuell nicht bieten kann.

Interaktive Simulationen sind der Geheimtipp. Gemini Pro kann jetzt live laufende physikalische Simulationen generieren — ich habe es mit dem klassischen Doppelpendel-Beispiel getestet und es entstand eine funktionierende Simulation, die ich in Echtzeit parametrieren konnte. Das wird innerhalb von zwölf Monaten einen erheblichen Teil des Bildungs-Content-Markts verändern.

KI-Shopping für Indien hat natürliche Sprachvergleiche von Produkten mit Gemini + Lens eingeführt. Regionale Erstveröffentlichungen werden bei Google zum Muster — komplexe Shopping-Workflows werden in Märkten getestet, in denen Amazon weniger dominant ist, bevor sie in den Westen gebracht werden.

Keine dieser Funktionen ist für sich genommen „die Story der Woche“. Zusammengenommen hat Google in sieben Tagen vier neue Distributionsflächen für Gemini geschaffen.

Die Ghost Murmur-Story: Wo ich innehalten und nachprüfen musste

Ich möchte diese Geschichte hervorheben, weil sie zunächst wie ein typischer AI-Hype klingt – bis man genauer hinschaut und dann etwas ganz anderes entdeckt.

Am 3. April wurde ein US-Pilot im Iran gerettet. Es tauchten Berichte auf, dass sein Aufenthaltsort mithilfe eines geheimen KI-Tools namens „Ghost Murmur“ ermittelt wurde – angeblich in der Lage, individuelle elektromagnetische Signaturen von Herzschlägen aus mehreren Meilen Entfernung zu erkennen. Der Pilot wurde offenbar ohne herkömmliche Überwachungsmittel lokalisiert.

Physiker, denen ich vertraue, widersprachen vehement. Das von einem menschlichen Herzschlag erzeugte elektromagnetische Feld lässt sich im Labor mit einem SQUID-Magnetometer auf Zentimeter-Distanz messen. Es aus Meilen Entfernung, durch Gebäude und elektromagnetisches Rauschen hindurch zu detektieren, würde mehrere bekannte physikalische Gesetze brechen. Wahrscheinlicher ist entweder eine geheime Sensortechnologie, die nicht dem entspricht, was der Leak beschreibt, oder eine Tarnung für eine menschliche Informationsquelle.

Ich werde die Physik hier nicht abschließend bewerten. Was ich aber sagen möchte: Wenn nicht verifizierte KI-Fähigkeiten mit geheimen Operationen in Verbindung gebracht werden, sollte man solche Behauptungen mit äußerster Vorsicht genießen. Wir leben in einer Zeit, in der „KI war’s“ die Standarderklärung für Ergebnisse geworden ist, die niemand sonst erklären will – und damit „eine Quelle war’s“ abgelöst hat. Wenden Sie denselben Skeptizismus an, den Sie auch bei jeder anderen Geheimdienst-Enthüllung hätten.

Die einzige Lösung, die ich tatsächlich nutze: Karpathys persönliche Wikipedia

Wenn Sie diese Woche nur eine Sache ausprobieren, dann diese.

Andrej Karpathy hat diese Woche still und leise einen Open-Source-Fix für Claudes Gedächtnis veröffentlicht, der Obsidian als Speicherschicht nutzt. Ich habe ihn seit vier Tagen im Einsatz und er hat bereits drei Tools in meinem Workflow ersetzt.

Die Einrichtung ist einfach:

1. Installieren Sie Obsidian und die Web Clipper-Erweiterung
2. Verbinden Sie Obsidian über das Dateisystem-MCP mit Claude Desktop
3. Laden Sie das bereitgestellte Wiki-Schema (Themen, Quellen, Verbindungen)
4. Beginnen Sie damit, Recherchedokumente, Clips und Notizen in Ihren Vault zu füttern
5. Claude liest den gesamten Vault, synthetisiert verknüpfte Wissensgraphen über verschiedene Themen hinweg und schreibt neue Synthese-Seiten zurück, sobald Sie weiteres Material hinzufügen

Ich habe es mit drei völlig unabhängigen Papers getestet, die ich gespeichert hatte: eines über die Degradierung von LLM-Fähigkeiten, eines über die Einführung von Unternehmensautomatisierung und eines über die Arbeitsökonomie der Softwareentwicklung. Ich bat Claude, die Verbindungen zu finden. Innerhalb einer Minute hatte er eine Synthese-Notiz verfasst, die argumentierte, dass stille KI-Modell-Degradierung (Paper eins), schnelle Unternehmensautomatisierung (Paper zwei) und umstrukturierte Softwareteams (Paper drei) die drei Seiten einer einzigen grundlegenden Veränderung sind — kostenoptimierende, rechengetriebene Prozesse werden in den Stack nach unten gedrückt, und der sekundäre Effekt ist ein leiser Fähigkeitsverlust in Tools, auf die Wissensarbeiter angewiesen sind.

Das ist ein Beitrag, den ich schreiben könnte. Claude hat mir die Gliederung geliefert, mit Zitaten zurück zu meinen eigenen Quellnotizen.

Wenn Sie meinen früheren Beitrag über Obsidian als Claudes zweites Gehirn gelesen haben: Das ist dieselbe Architektur, jetzt formalisiert in ein Schema und einen Workflow, den jeder nachbauen kann. Es ist das derzeit zuverlässigste Gedächtnis für Claude, das tatsächlich funktioniert.

Die Infrastruktur-Story, die alles andere bepreist

Hinter jedem Modell-Launch dieser Woche steht eine Zahl: Anthropic hat gerade einen Vertrag über 3,5 Gigawatt Google-TPU-Kapazität über Broadcom unterzeichnet, beginnend ab 2027.

Zum Kontext: Die ursprüngliche Google-Cloud-Vereinbarung vom Oktober brachte 2026 ein Gigawatt ans Netz. Dieser neue Deal vervierfacht das nahezu. Analysten von Mizuho schätzen, dass Broadcom 2026 rund 21 Milliarden US-Dollar an KI-Umsatz von Anthropic erzielen wird und 2027 sogar 42 Milliarden US-Dollar.

Anthropics jährliche Umsatz-Run-Rate hat die Marke von 30 Milliarden US-Dollar überschritten – ein Anstieg von etwa 9 Milliarden US-Dollar Ende 2025. Das entspricht einem Wachstum um das 3,3-Fache in weniger als einem Jahr, ausgehend von einer Basis, die bereits als die am schnellsten skalierende in der Geschichte der Unternehmenssoftware galt.

Daraus ergeben sich zwei Dinge.

Erstens: Compute ist jetzt der Burggraben. Nicht die Modellarchitektur, nicht die Trainingsdaten – sondern rohe Gigawatt an energieeffizienter Inferenz. Wer die TPU-Pipeline kontrolliert, besitzt die Standard-API für die nächsten drei Jahre. Google hat sich damit selbst in die Infrastrukturschicht jedes Frontier-Modells geschrieben, das nicht ihr eigenes ist.

Zweitens: Die Claude-Performance-Story, mit der ich eingestiegen bin, muss vor diesem Hintergrund gelesen werden. Anthropic stößt bei einem schnelleren Wachstum als jedes SaaS-Unternehmen der Geschichte an echte Compute-Grenzen. Die stillen Defaults, die von hohem auf mittleren Aufwand zurückfallen, sind kein Verrat – sie sind ein Rationierungssystem. Der 3,5-Gigawatt-Deal ist die langfristige Lösung. Explizite Denkbudgets sind der kurzfristige Workaround.

Die kleineren Releases, die jeweils eine Zeile verdienen

Ein paar Dinge wurden veröffentlicht, die keinen eigenen Abschnitt brauchen, aber dennoch erwähnt werden sollten:

• OpenClaw Native Video Generation vereint die Videogenerierung von neun KI-Modellen (OpenAI, Google, Alibaba, andere) in einer einzigen Oberfläche. Empfehlenswert für alle, die regelmäßig Videos generieren.
• Cursor Remote Laptop Control via Phone — starte KI-Coding-Aufgaben auf deinem Laptop direkt vom Handy aus. Nischig, aber wer oft den Kontext wechselt und den Rechner verlässt, löst damit ein echtes Problem.
• Offline Gemini 4 via OpenClaw — Google hat eine dreistufige Anleitung veröffentlicht, um Gemini 4 komplett offline zu betreiben. Kein Cloud-Zwang. Kein Abo. Dass Google aktiv erklärt, wie man das eigene Modell vom Netz nimmt, sagt einiges darüber aus, wohin sich die Wirtschaftlichkeit von Rechenleistung entwickelt.

Was diese Woche wirklich bedeutet

Wenn man die dreizehn Ankündigungen überblickt, stechen drei Muster besonders hervor.

Muster eins: Stille Degradierung ist jetzt eine eigene Kategorie. Die Claude-Geschichte ist der erste gut dokumentierte Fall, aber sicher nicht der letzte. Jedes große Labor ist durch Rechenkapazitäten eingeschränkt. Jedes große Labor hat Hebel, die es still und leise ziehen kann, um die Auslastung zu steuern. Nutzer müssen davon ausgehen, dass die Standardeinstellungen, die sie vor sechs Monaten genutzt haben, heute nicht mehr gelten. Explizite Konfiguration ist überlebenswichtig.

Muster zwei: Distribution frisst Intelligenz. Muse Spark ist nicht das intelligenteste Modell. Es ist das Modell, das die meisten Menschen tatsächlich nutzen werden, weil es in WhatsApp integriert ist. Claude in Word ist nicht die fortschrittlichste Integration. Es ist die Integration, die 1,2 Milliarden Menschen erreichen wird. Für Entwickler wird die Frage „Wessen API nutze ich?“ schnell weniger wichtig als „Wo hält sich mein Nutzer bereits auf?“

Muster drei: Die Open-Source-Schicht wandert die Stack-Ebene nach oben. Netflix hat ein physikbasiertes Videomodell als Open Source veröffentlicht. Karpathy hat eine Wissensmanagement-Schicht als Open Source bereitgestellt. MiniMax hat letzte Woche ein sich selbst verbesserndes LLM als Open Source veröffentlicht. Dinge, die vor 18 Monaten noch als proprietäre Schutzwälle galten, sind heute öffentliche Gewichte. Wer einen dünnen SaaS-Wrapper um eine geschlossene API baut, verliert seinen Schutzwall. Wer Workflows, Pipelines und Integrationen entwickelt, baut genau dort, wo der Wert entsteht.

Bevor ich schließe – eine konkrete Handlungsempfehlung: Wähle die eine Sache aus dieser Liste, die deinen Dienstagmorgen verändern würde, wenn du sie ausprobierst, und blockiere dir morgen 30 Minuten, um es zu testen. Für mich war es Karpathys Obsidian-Fix. Für dich könnte es die Word-Beta sein, oder explizite Denkbudgets in Claude Code, oder das Herunterladen von VOID, um es auf einen Videoclip anzuwenden, der dich seit einem Jahr nervt.

Die Kluft zwischen Menschen, die Nachrichten nur lesen, und denen, die sie testen, wächst jede Woche weiter. In einem Jahr werden die, die drei Dinge pro Woche ausprobiert haben, unerreichbar sein. Die, die nur gelesen haben, werden immer noch lesen.

Es ist Dienstag. Wähle eins aus.

Häufig gestellte Fragen

Wird Claude Code tatsächlich schlechter, oder liegt es nur an meinen Prompts?

Beides kann zutreffen, aber die AMD-Daten machen die Modell-seitige Regression unbestreitbar. Stella Laurenzos Analyse von 6.852 Sessions zeigte, dass die „Reads pro Edit“ von 6,6 auf 2,0 sanken und die Denktiefe zwischen Februar und März 2026 um 67 % zurückging. Anthropic bestätigte, dass der Standardwert für Denkaufwand am 3. März von hoch auf mittel gesenkt wurde. Setze thinking_effort: high explizit und liefere Kontext manuell vorab.

Was ist Meta Muse Spark und sollte ich darauf umsteigen?

Muse Spark ist das erste Modell von Meta aus den Superintelligence Labs, veröffentlicht am 8. April 2026. Es erzielte 52 Punkte im Intelligence Index und liegt damit hinter GPT-5.4 und Gemini 3.1 Pro. Wechsle nicht deinen Haupt-Workflow darauf, aber es ist tatsächlich stark bei multimodalen Gesundheitstasks und wird in WhatsApp, Instagram und Messenger ausgeliefert – was bedeutet, dass es für die Reichweite im Consumer-Bereich wichtiger ist als für Entwickler-Tools.

Ist Netflix VOID wirklich Open Source?

Ja. VOID ist auf Hugging Face und GitHub unter der Apache 2.0-Lizenz verfügbar. Für das CogVideoX-Inferencing wird eine GPU mit ausreichend VRAM benötigt, aber das Modell, die Gewichte und die Trainingsmethodik sind vollständig öffentlich. Damit ist es das stärkste verfügbare Open-Source-Tool zur Entfernung von Videoobjekten (Stand April 2026).

Was beinhaltete der Compute-Deal zwischen Anthropic, Google und Broadcom?

Anthropic unterzeichnete eine Vereinbarung über rund 3,5 Gigawatt Next-Gen-Google-TPU-Kapazität über Broadcom, beginnend ab 2027. Mizuho-Analysten schätzen, dass Broadcom allein durch Anthropic 2026 rund 21 Milliarden US-Dollar und 2027 etwa 42 Milliarden US-Dollar umsetzen wird. Dies kommt zu dem bereits 2026 in Betrieb gehenden 1-Gigawatt-Kontingent aus dem ursprünglichen Google-Cloud-Deal hinzu.

Wie richte ich das Karpathy Obsidian + Claude Memory System ein?

Installiere Obsidian und die Web Clipper-Erweiterung, verbinde dann Obsidian über ein Filesystem-MCP mit Claude Desktop. Lade das öffentliche Wiki-Schema, das Karpathy geteilt hat, und füge deine Recherchedokumente und Web-Clips in den Vault ein. Claude liest auf Anfrage den gesamten Vault und synthetisiert verknüpftes Wissen über alle Notizen hinweg. Die vollständige Anleitung findest du in meinem Beitrag zu Obsidian als Claudes zweites Gehirn.

Lassen Sie uns zusammenarbeiten

Möchten Sie KI-Systeme entwickeln, Workflows automatisieren oder Ihre Tech-Infrastruktur skalieren? Ich unterstütze Sie gerne dabei.

• Fiverr (individuelle Lösungen & Integrationen): fiverr.com/s/EgxYmWD
• Portfolio: mejba.me
• Ramlit Limited (Enterprise-Lösungen): ramlit.com
• ColorPark (Design & Branding): colorpark.io
• xCyberSecurity (Sicherheitsdienstleistungen): xcybersecurity.io