BSN-Chatsystem/ki_news_2026-06-14.json

[
  {
    "title": "US-Regierung erzwingt weltweite Abschaltung von Anthropics KI-Modellen Fable 5 und Mythos 5",
    "teaser": "Die US-Regierung hat Anthropic per Exportdirektive gezwungen, die erst kürzlich gestarteten KI-Modelle Fable 5 und Mythos 5 weltweit abzuschalten. Auslöser ist ein angeblicher Jailbreak, der die Sicherheitsmechanismen von Fable 5 umgehen soll. Anthropic spricht von einem \"Missverständnis\" und arbeitet an der Wiederherstellung des Zugangs. Der Fall ist Teil eines eskalierenden Konflikts zwischen Anthropic und der Trump-Administration.",
    "source_name": "Ars Technica / heise online",
    "source_url": "https://arstechnica.com/ai/2026/06/anthropic-shuts-down-fable-mythos-models-following-trump-admin-directive/",
    "full_text": "=== DEUTSCHE ZUSAMMENFASSUNG ===\nAm Freitag, den 12. Juni 2026, musste Anthropic seine KI-Modelle Fable 5 und Mythos 5 für alle Kunden weltweit abschalten. Grund ist eine Exportkontrolldirektive des US-Handelsministeriums, die ausländischen Staatsangehörigen den Zugriff auf beide Modelle untersagt. Andere Claude-Modelle sind nicht betroffen.\n\nDie US-Regierung beruft sich auf Berichte über einen Jailbreak, der die Classifier-basierten Sicherheitsvorkehrungen von Fable 5 in den Bereichen Cybersicherheit, Chemie und Biologie umgehen soll. Anthropic erklärt, man habe nur \"verbale Beweise für einen potenziellen, nicht-universellen Jailbreak\" erhalten, der darin besteht, Fable 5 eine Codebasis auf Softwarefehler prüfen zu lassen. Das Unternehmen betont, dass dabei nur geringfügige Schwachstellen gefunden wurden – Fähigkeiten, die auch GPT-5.5 besitzt.\n\nCEO Dario Amodei hatte zuvor erklärt, dass das US-Verteidigungsministerium Anthropic im März 2026 als \"Supply Chain Risk\" eingestuft habe – ein Konflikt um die Weigerung, Claude für massenhafte Überwachung und autonome Waffensysteme freizugeben. Anthropic will diese Einstufung gerichtlich anfechten.\n\nDas Unternehmen entschuldigt sich bei Kunden für die \"Störung\" und kündigt an, innerhalb von 24 Stunden weitere Details zu veröffentlichen.\n\n=== ENGLISCHER ORIGINALTEXT (Ars Technica) ===\nAnthropic completely shut off access to its Mythos 5 and Fable 5 models Friday night, just days after they were launched. The move comes after Anthropic's receipt of a US Commerce Department directive Friday evening, subjecting the new models to export controls restricting their use anywhere outside the United States.\n\nIn a message posted Friday night, Anthropic said the only way for it to ensure compliance with that government order in the immediate term \"is that we must abruptly disable Fable 5 and Mythos 5 for all our customers.\" Access to other Anthropic models is not affected.\n\nAn Axios report cited an administration official saying that the administration is concerned by reports of a jailbreak that reportedly gets around broad classifier-based safeguards meant to block Fable 5 prompts regarding cybersecurity, chemistry, and biology. The administration reportedly requested a pause in the release of these models to gain time for the \"national security apparatus\" to be \"hardened\" against this kind of threat.\n\nIn its Friday night announcement post, Anthropic said the government has only provided it with \"verbal evidence of a potential narrow, non-universal jailbreak\" that involves getting Fable 5 to review a specific codebase for software flaws. The company says it has only seen evidence of this kind of jailbreak being used to find \"minor\" and \"relatively simple\" software vulnerabilities, and that other publicly available models like GPT-5.5 have similar capabilities on this score.\n\n\"We are complying with the government's legal directive and are removing access to Fable 5 and Mythos 5 for all users,\" Anthropic writes. \"However, we disagree that the finding of a narrow potential jailbreak should be cause for recalling a commercial model deployed to hundreds of millions of people. If this standard was applied across the industry, we believe it would essentially halt all new model deployments for all frontier model providers.\"\n\nAnthropic apologized to customers for a \"disruption\" that it said is the result of a \"misunderstanding,\" and said it will release more details about the situation in the next 24 hours.",
    "tags": [
      "KI",
      "BREAKING",
      "CLOUD",
      "ANTHROPIC",
      "REGULIERUNG",
      "SICHERHEIT"
    ],
    "is_open_source": false
  },
  {
    "title": "Google DeepMind veröffentlicht DiffusionGemma: Open-Source-Textmodell mit 4-facher Geschwindigkeit durch Diffusionsarchitektur",
    "teaser": "Google DeepMind hat DiffusionGemma veröffentlicht, ein experimentelles Open-Source-Modell, das Text nicht wie übliche LLMs Token für Token generiert, sondern ganze Textblöcke parallel per Diffusion erzeugt. Das 26B-MoE-Modell (3,8B aktive Parameter) erreicht auf einer RTX 5090 rund 700 Token pro Sekunde – etwa viermal schneller als vergleichbare autoregressive Gemma-Modelle. Es steht unter Apache-2.0-Lizenz auf Hugging Face zum Download bereit.",
    "source_name": "Ars Technica",
    "source_url": "https://arstechnica.com/google/2026/06/googles-latest-diffusiongemma-open-ai-model-comes-with-a-4x-speed-boost/",
    "full_text": "=== DEUTSCHE ZUSAMMENFASSUNG ===\nGoogle DeepMind hat mit DiffusionGemma ein radikal anderes Sprachmodell veröffentlicht. Statt Text autoregressiv (Token für Token) zu generieren, nutzt es eine Diffusionsarchitektur ähnlich wie Bildgeneratoren. Das Modell startet mit Platzhalter-Tokens und durchläuft mehrere Denoising-Schritte, um am Ende einen ganzen Textblock auf einmal auszugeben.\n\nTechnische Daten: 26B Parameter total (MoE), nur 3,8B aktiv während Inferenz. Passt in 18 GB VRAM einer High-End-GPU. Auf RTX 5090: ~700 Token/s, auf H100: >1.000 Token/s – etwa 4x schneller als autoregressive Gemma-Modelle gleicher Größe.\n\nDer Ansatz verschiebt den Engpass von Speicherbandbreite zu Rechenleistung und generiert bis zu 256 Token parallel. Vorteile bei nicht-linearen Aufgaben wie Inline-Editing, Molekülsequenzierung und Sudoku. Nachteile: höhere Fehlerrate bei Text, ineffizient bei kurzen Ausgaben.\n\nGoogle betont den experimentellen Charakter, stellt das Modell aber unter Apache-2.0-Lizenz auf Hugging Face bereit. Nvidia hat bei der Optimierung für RTX-GPUs (quantisiert) und Enterprise-Systeme (H100, DGX Spark) mitgewirkt.\n\n=== ENGLISCHER ORIGINALTEXT ===\nGoogle DeepMind has released a new member of the Gemma 4 open model family, but it's fundamentally different from the rest of the lineup. DiffusionGemma doesn't generate outputs linearly like most AI models. Instead, it can produce an entire block of text in parallel. Google says this makes it faster and more efficient when running on local hardware like an Nvidia DGX or a humble gaming GPU.\n\nMost AI models are designed to be autoregressive—they generate text left to right one token at a time. DiffusionGemma has more in common with image generation models, which start with static and then denoise it to create the desired content. This model takes a field of placeholder tokens running over the canvas multiple times to generate likely tokens and using those to improve estimation of others. At the end of the process, the model finalizes its token outputs in one large block.\n\nDiffusionGemma is a Mixture of Experts (MoE) model with a total of 26 billion parameters, but only 3.8 billion are activated during inference. That means it should fit in the 18GB RAM allotment of a high-end GPU. In testing with an RTX 5090, DiffusionGemma spits out around 700 tokens per second. With a single Nvidia H100 AI accelerator, DiffusionGemma can produce 1,000+ tokens per second. That's about four times the output of the similarly sized autoregressive Gemma models.\n\nThis approach to text generation shifts the bottleneck from memory bandwidth to compute, generating up to 256 tokens in parallel. Google says this offers a measurable boost in non-linear tasks like in-line editing, molecular sequencing, and mathematical graphing. DiffusionGemma was tuned to solve Sudoku puzzles, which is a notoriously challenging task for standard autoregressive AI models.\n\nIf diffusion is so much faster, why isn't Google using it in big cloud-based Gemini models? Google has experimented with this, but there are a few drawbacks to text diffusion, including a higher error rate. In image diffusion models, a single badly predicted pixel doesn't make the image useless, but language is discrete. An equivalent error in text can make a block of tokens meaningless.\n\nGoogle stresses that DiffusionGemma is experimental, but it's available under the same Apache 2.0 license as all the other fourth-generation Gemma models. You can download the model weights today from Hugging Face. Google says it worked with Nvidia to ensure DiffusionGemma was optimized for a variety of setups, including high-end RTX GPUs (quantized) and enterprise systems like the H100 or DGX Spark platform.",
    "tags": [
      "KI",
      "OPEN-SOURCE",
      "LOCAL",
      "GOOGLE",
      "DEEP-MIND",
      "GEMMA",
      "DIFFUSION",
      "LOKAL_LAUFFÄHIG"
    ],
    "is_open_source": true
  },
  {
    "title": "Cohere veröffentlicht North Mini Code: Open-Source-Coding-Modell mit 30B Parametern für agentische Softwareentwicklung",
    "teaser": "Cohere hat mit North Mini Code sein erstes Modell einer neuen Familie veröffentlicht. Das 30B-MoE-Modell mit nur 3B aktiven Parametern ist speziell für agentische Coding-Aufgaben optimiert und übertrifft auf dem Artificial Analysis Coding Index deutlich größere Modelle wie Mistral Small 4 und Devstral 2. Es steht unter Apache-2.0-Lizenz auf Hugging Face und wurde mit Reinforcement Learning auf über 70.000 verifizierbaren Aufgaben aus ~5.000 Repositories trainiert.",
    "source_name": "HuggingFace Blog / Cohere",
    "source_url": "https://huggingface.co/blog/CohereLabs/introducing-north-mini-code",
    "full_text": "=== DEUTSCHE ZUSAMMENFASSUNG ===\nCohere hat North Mini Code veröffentlicht – ein 30B-Parameter Mixture-of-Experts-Modell mit nur 3B aktiven Parametern, speziell für agentische Softwareentwicklung. Erstes Modell der neuen North-Familie, Apache-2.0-Lizenz, auf Hugging Face.\n\nAuf dem Artificial Analysis Coding Index: Score 33,4 – übertrifft Qwen3.5 (35B-A3B), Gemma 4 (26B-A4B), Devstral Small 2 (24B) sowie größere Modelle wie Nemotron 3 Super (120B-A12B), Mistral Small 4 (119B-A6B) und Devstral 2 (123B).\n\nArchitektur: Decoder-only Transformer, 128 Experten (8 aktiv/Token), SwiGLU, 3:1 Sliding-Window/Global-Attention.\n\nPost-Training: Zwei SFT-Stufen (64K/128K Kontext) + RLVR. Über 70.000 verifizierbare Aufgaben aus ~5.000 Repositories, dedupliziert gegen SWE-Bench. Cross-Harness-Training (SWE-Agent, mini-SWE-agent, OpenCode, Terminus 2) brachte 10% Verbesserung bei OpenCode. Finales SFT-Modell: 80,2% pass@10 auf SWE-Bench Verified, 55,1% pass@10 auf Terminal-Bench v2.\n\nAsynchrones RLVR: Trainer parallel zu vLLM-Sidecar, Policy-Gewichte alle K=4 Schritte exportiert.\n\n=== ENGLISCHER ORIGINALTEXT (Auszug) ===\nToday, we are releasing North Mini Code, a 30B-parameter Mixture-of-Experts model with 3B active parameters with powerful agentic coding capabilities, available on Hugging Face under the Apache 2.0 license. North Mini Code is the first model in Cohere's new family of models, and is specifically designed and trained for agentic software engineering tasks.\n\nOn Artificial Analysis' Coding Index, North Mini Code achieves a score of 33.4, outperforming Qwen3.5 (35B-A3B), Gemma 4 (26B-A4B), Devstral Small 2 (24B Dense), and even substantially larger models such as Nemotron 3 Super (120B-A12B), Mistral Small 4 (119B-A6B), and Devstral 2 (123B).\n\nNorth Mini Code is a decoder-only Transformer-based sparse Mixture-of-Experts model with interleaved sliding-window attention with RoPE and global attention with no positional embeddings, in a 3:1 ratio. The feed-forward block is an MoE block with 128 experts, of which 8 are activated per token.\n\nWe post-train North Mini Code using a two-stage cascaded SFT followed by RLVR. In total, we used over 70k verifiable tasks across ~5k unique repositories. We deduplicate our environments against SWE-Bench and SWE-Bench-Pro to avoid source leakage.\n\nWe address cross-harness generalization by introducing a small amount of additional benchmark harness data (6% of the SFT mix) during the second SFT stage. This yields a 10% gain on OpenCode harness while maintaining SWE-Bench Verified performance. North-Code-Mini achieves 61.0% pass@1 using mini-SWE-Agent.\n\nCoding-agent rollouts are long and highly variable. We decouple sampling from learning: a trainer runs alongside a vLLM sidecar that serves rollouts continuously. Policy weights are exported into vLLM every few learner steps (K=4).",
    "tags": [
      "KI",
      "OPEN-SOURCE",
      "LOCAL",
      "COHERE",
      "CODING",
      "AGENTIC",
      "LOKAL_LAUFFÄHIG"
    ],
    "is_open_source": true
  },
  {
    "title": "Bundestag beschließt KI-Gesetz: Bundesnetzagentur wird zentrale Aufsichtsbehörde für Künstliche Intelligenz",
    "teaser": "Der Deutsche Bundestag hat am 12. Juni 2026 das nationale Umsetzungsgesetz für den EU AI Act verabschiedet. Die Bundesnetzagentur wird zur zentralen Marktüberwachungsbehörde für KI in Deutschland bestimmt und dient als Beschwerdestelle für Bürger sowie als Beratungsstelle für Unternehmen. Wirtschaftsverbände begrüßen die Rechtssicherheit, während Opposition und Zivilgesellschaft Defizite beim Grundrechtsschutz beklagen.",
    "source_name": "heise online",
    "source_url": "https://www.heise.de/news/Bundestag-beschliesst-KI-Gesetz-Bundesnetzagentur-wird-zentrale-Aufsicht-11330801.html",
    "full_text": "=== DEUTSCHER ORIGINALTEXT (heise online) ===\nKurz vor 22 Uhr hat der Bundestag am Donnerstag das nationale Umsetzungsgesetz für die KI-Verordnung der EU verabschiedet und die Bundesnetzagentur als zentrale Marktüberwachungsbehörde für Künstliche Intelligenz in Deutschland bestimmt. Wirtschaftsverbände begrüßen die gewonnene Rechtssicherheit. Opposition und Zivilgesellschaft beklagen dagegen Defizite beim Grundrechtsschutz und warnen vor einem föderalen Kompetenz-Wirrwarr.\n\nMit den Stimmen der Koalition von CDU/CSU und SPD beschloss das Parlament den vom Digitalausschuss noch geänderten Gesetzentwurf. AfD, Grüne und Linke votierten dagegen. Zugleich nahmen die Abgeordneten eine Entschließung an, die einen innovationsfreundlichen und möglichst bürokratiearmen Rahmen für KI-Anwendungen schaffen soll. Oppositionsanträge für ein Verbot biometrischer Fernidentifikation im öffentlichen Raum sowie ein verpflichtendes Transparenzregister fanden keine Mehrheit.\n\nMit der Initiative schafft Deutschland knapp zwei Jahre nach Inkrafttreten des AI Acts die nötigen nationalen Aufsichts- und Bußgeldstrukturen. Die Bundesnetzagentur übernimmt dabei die Marktaufsicht, sofern keine spezialisierten Fachbehörden zuständig sind. Bei der Behörde soll zudem ein Koordinierungs- und Kompetenzzentrum als Ansprechpartner für europäische Institutionen und zur Bündelung nationaler Expertise entstehen.\n\nFür die Bürger wird die Bundesnetzagentur zur Beschwerdestelle bei vermuteten Verstößen gegen KI-Vorgaben. Gleichzeitig soll sie Unternehmen beraten und mindestens ein KI-Reallabor betreiben, in dem neue Anwendungen vorab getestet werden können.\n\nDie NGO AlgorithmWatch moniert, dass zentrale Forderungen aus Wissenschaft und Zivilgesellschaft unberücksichtigt geblieben seien. So fehle weiterhin ein verpflichtendes Transparenzregister für den KI-Einsatz in Behörden. Datenschutzbehörden hatten zudem gefordert, die Aufsicht über besonders sensible Hochrisiko-KI-Systeme ihnen statt der Bundesnetzagentur zu übertragen.",
    "tags": [
      "KI",
      "REGULIERUNG",
      "EU",
      "AI_ACT",
      "DEUTSCHLAND",
      "BUNDESTAG"
    ],
    "is_open_source": false
  },
  {
    "title": "Jeff Bezos' KI-Startup Prometheus sammelt 12 Milliarden Dollar für \"Physical AI\" ein",
    "teaser": "Jeff Bezos' Startup Prometheus hat eine Finanzierungsrunde über 12 Milliarden Dollar abgeschlossen und wird nun mit 41 Milliarden Dollar bewertet. Das Unternehmen mit 150 Mitarbeitern will einen \"künstlichen General-Ingenieur\" entwickeln – KI-Tools, die den Erfindungsprozess in Robotik und Fertigung dramatisch beschleunigen sollen. Bezos spricht von \"zivilisatorischem Wohlstand\" durch technologische Durchbrüche.",
    "source_name": "Ars Technica",
    "source_url": "https://arstechnica.com/ai/2026/06/heres-what-jeff-bezos-new-startup-prometheus-will-do/",
    "full_text": "=== DEUTSCHE ZUSAMMENFASSUNG ===\nJeff Bezos' Startup Prometheus hat 12 Milliarden Dollar eingesammelt (nach 6,2 Mrd. im Vorjahr), Bewertung: 41 Mrd. Dollar. Geldgeber: JPMorgan Chase, Goldman Sachs, BlackRock plus Bezos' Privatvermögen. 150 Mitarbeiter.\n\nFokus: \"Physical AI\" – Deep Learning für Robotik und Fertigung. Bezos' Kernziel: ein \"artificial general engineer\". Gegenüber der NYT: \"Gesellschaftlicher Wohlstand wird durch Erfindungen angetrieben. Vor 6.000 Jahren erfand jemand den Pflug. Was Prometheus anstrebt, ist ein Werkzeugsatz, der diesen Erfindungszyklus dramatisch beschleunigt.\"\n\nCo-Founder Vik Bajaj: Entwicklung neuer Technologien \"erfordert tausend kreativ zusammenarbeitende menschliche Köpfe\" mit \"Werkzeugen, die sich seit Jahrzehnten nicht verändert haben.\"\n\nGroßer Teil der Finanzierung fließt in Rechenkapazität. Parallel arbeiten Bezos und Bajaj an einem 100-Mrd.-Dollar-Investmentfonds für Unternehmen, die von Prometheus' Technologie profitieren könnten – möglicherweise einschließlich Blue Origin.\n\n=== ENGLISCHER ORIGINALTEXT ===\nIn November, Jeff Bezos announced that he would become co-CEO of a new startup called Prometheus, focusing on \"physical AI\"—applying deep learning principles to robotics and manufacturing. Now, with a major new round of funding, Bezos and co-founder Vik Bajaj have talked about it in more detail.\n\nThe funding round is significant—2 billion now, after an initial round of .2 billion last year, for a valuation of 1 billion. The funding comes from JPMorgan Chase, Goldman Sachs, BlackRock, and others, plus a sizable amount from Bezos' coffers. The startup currently employs 150 people.\n\nMuch of that funding will be put toward buying compute. \"One of the reasons we've had to raise a significant amount of funding is because… what we're doing is very compute-intensive and we need to create that data,\" Bezos told CNBC.\n\nBezos summarized a significant portion of the company's focus as creating an \"artificial general engineer.\" \"All societal wealth is driven by invention,\" Bezos told The New York Times. \"Six thousand years ago, somebody invented the plow, and we all got wealthier. Then, much later, somebody invented the steam engine, and we all got wealthier.\" He went on to say that \"what Prometheus seeks to do is to offer a set of tools that dramatically accelerates that invention loop.\"\n\nBajaj described the team's goals in slightly more pragmatic terms. He said designing new technologies \"takes a thousand human minds creatively working together\" and is \"one of the most complex things we do as a species.\" He added that the engineers behind those breakthroughs \"use tools that really haven't changed for decades. Part of what we want to do is arm them with tools that allow them to come up with those designs much more quickly.\"\n\nA couple of months ago, The New York Times reported that Bezos and Bajaj are working to raise a 00 billion investment fund to go into companies that could leverage and benefit directly from what Prometheus may produce. That could include some of Bezos' own other ventures, such as Blue Origin.\n\nIt's still early for Prometheus, and no specific new products or technologies have been announced. Prometheus is not operating in a vacuum, either. There are numerous other startups exploring AI's applications in the physical world. With this round, though, Prometheus has a significant funding advantage over most competitors.",
    "tags": [
      "KI",
      "CLOUD",
      "INVESTMENT",
      "ROBOTIK",
      "PHYSICAL_AI",
      "BEZOS"
    ],
    "is_open_source": false
  }
]