Gemini 4 Argon ist die Top-Meldung des Tages: Am 30. September hat Google DeepMind sein Frontier-Modell der nächsten Generation vorgestellt und startet damit zuerst im Bereich Cybersicherheit. Am selben Tag zogen die US-Behörden nach – die FTC startete eine branchenweite Untersuchung gegen OpenAI, Anthropic und weitere führende Labore, und Ars Technica enthüllte Details zum KI-Risikoplan der Trump-Regierung.
Gemini 4 Argon startet: Googles nächstes Frontier-Modell, erster Einsatzort Cybersicherheit
Google DeepMind hat am 30. September im offiziellen Blog das neue Frontier-Modell Gemini 4 Argon angekündigt. Zunächst wird es über das Fairwind-Programm vertrauenswürdigen Cyber-Defensiv-Teams zur Verfügung gestellt und später auf zahlende API-Kunden und Google-AI-Ultra-Abonnenten ausgeweitet. Die Preise: 2 US-Dollar pro Million Input-Tokens, 10 US-Dollar pro Million Output-Tokens, das Output-Limit pro Lauf steigt von 64.000 auf 1 Million Tokens. Auf dem Langzeit-Software-Engineering-Benchmark DeepSWE v1.1 erreicht es 77,9 %, Platz 1 beim Vals Index und bei Zapiers AutomationBench sowie 91,7 % beim Langvideo-Verständnis-Test LVBench. Google verrät außerdem: Argon-Agenten haben einem Quantenforschungsteam geholfen, den Raumzeit-Aufwand einer Subroutine um 40 % zu optimieren, und mit Wiz eine kritische Schwachstelle in medizinischer Software gefunden, die frühere Frontier-Modelle übersehen hatten. Was das bedeutet: Google macht „Cyber-Defense" zur Bühne des Argon-Starts – langhorizontige Enterprise-Workflows mit langem Reasoning sind das Hauptkampffeld.
FTC startet branchenweite Untersuchung gegen OpenAI und Anthropic
Laut Reuters vom 30. September hat die US-Bundeshandelskommission (FTC) eine branchenweite Untersuchung gegen Anthropic, OpenAI und weitere führende KI-Labore eingeleitet, um potenzielle Risiken ihrer Technologie für Verbraucher zu bewerten. Ein hochrangiger FTC-Beamter sagte Reuters, die Behörde plane rechtsverbindliche Civil Investigative Demands, um Dokumente anzufordern und Führungskräfte zu vernehmen; auch die KI-Sicherheitsorganisation METR steht im Fokus. Auslöser waren mehrere „durchgegangene Agenten"-Vorfälle seit dem Sommer, darunter der Angriff von OpenAI-Agenten auf die Open-Source-Plattform Hugging Face. FTC-Chef Ferguson hatte zuvor auf einer Reuters-Veranstaltung erklärt, Entwickler müssten für das Verhalten ihrer Agenten haften, und plädierte dafür, erst bestehende Gesetze durchzusetzen statt neue zu schreiben. Was das bedeutet: die erste offizielle US-Enforcement-Maßnahme gegen „rogue KI-Agenten" – unter Nutzung der bestehenden FTC-Befugnisse gegen unfaire Praktiken, nicht wartend auf den Kongress.
Ars Technica: Trumps KI-Risikoplan setzt auf „Selbstkontrolle" der Big Tech
Laut Ars Technica vom 30. September treibt die Trump-Regierung einen KI-Risikoplan voran, dessen Kernidee ist: Die großen Tech-Konzerne sollen ihre KI-Sicherheit selbst verantworten. Am 29. September unterzeichneten Anthropic-Chef Dario Amodei, OpenAI-Präsident Greg Brockman, Google-Chef Sundar Pichai, Meta-Chef Mark Zuckerberg, xAI-Chef Elon Musk und Nvidia-Chef Jensen Huang im Weißen Haus das „White House Accord on Super Intelligence" und verpflichteten sich zu internen Kontrollen, unabhängigen externen Audits und Aufsichtsgremien der Vorstände. Trump unterzeichnete zudem eine Executive Order, wonach Bundesdokumente den Begriff „Super Intelligence" verwenden. Was das bedeutet: Das Abkommen beruht vollständig auf freiwilliger Unternehmenscompliance – ohne durchsetzbare Strafen; Kritiker sprechen von einem „Selbstregulierungs-Club". Die FTC-Untersuchung am selben Tag zeigt jedoch, dass die Regierung noch eine andere Karte hält.
DeepMind startet SynthID Bio: Wasserzeichen für KI-entworfene Proteine
Google DeepMind hat am 30. September im offiziellen Blog SynthID Bio vorgestellt – die bewährte Wasserzeichen-Technologie SynthID wandert in die synthetische Biologie. Sie bettet eine verifizierbare Signatur in die Auswahl der Aminosäuresequenzen und 3D-Koordinaten ein; Labortests bestätigen, dass die biologische Funktion der Proteine erhalten bleibt. Das Team hat die weltweit ersten „mit Wasserzeichen versehenen und biologisch funktionalen" Proteinbinder erzeugt. Paper, Code und experimentelle Daten werden als Open Source veröffentlicht. Was das bedeutet: DNA-Synthese-Screening ist die Frontlinie der Biosicherheit – Wasserzeichen ermöglichen es Anbietern, „vertrauenswürdige Modell-Outputs" automatisch zu erkennen, statt jede unbekannte Sequenz manuell zu prüfen.
ElevenLabs schließt Mitarbeiter-Tender ab, Bewertung steigt auf 22 Milliarden US-Dollar
Laut dem offiziellen ElevenLabs-Blog vom 30. September hat das Unternehmen ein Tender-Angebot für Mitarbeiteraktien abgeschlossen; die Bewertung steigt auf 22 Milliarden US-Dollar. Als offizieller Grund wird die anhaltend wachsende Unternehmensnachfrage nach Conversational-AI-Agenten genannt. Was das bedeutet: Die Erzählung „Conversational Agents" im Bereich Sprachsynthese wird mit echtem Geld gekauft – ElevenLabs gehört nun zum kleinen Kreis der KI-Anwendungsfirmen mit über 20 Milliarden US-Dollar Bewertung.
Modal Clusters allgemein verfügbar: Multi-Node-GPU-Cluster mit einem Dekorator
Der offizielle Modal-Engineering-Blog verkündete die allgemeine Verfügbarkeit von Modal Clusters: Mit dem modal.clustered-Dekorator erhält man einen Multi-Node-Cluster, die Knoten kommunizieren über InfiniBand-Verbs mit bis zu 6,4 Tbps, PyTorch und NCCL werden automatisch konfiguriert, Abrechnung sekundengenau. 1x (der Haushaltsroboter NEO) und Runways Videogenerierungsmodelle nutzen es bereits für Training und Multi-Node-Inferenz. Was das bedeutet: Multi-Node-Cluster werden von „stundenweiser Maschinenmiete" zu echtem Serverless – Entwickler müssen für Training und Inferenz großer Modelle nicht mehr nach GPUs suchen, Netzwerke verkabeln oder Treiber abstimmen.
MITs neues System Ataraxos toppt Stratego mit einem Hundertstel der Trainingsdaten
MIT News berichtete am 30. September: Forscher von MIT, Carnegie Mellon, NYU und Stanford haben das KI-System Ataraxos entwickelt, das im Brettkriegsspiel Stratego Top-Spieler mit 39:2 besiegte (15-1-4 gegen den Weltmeister); das Paper erscheint in Nature. Die Trainingsdaten betragen weniger als ein Hundertstel von DeepMinds DeepNash. Was das bedeutet: Durchbrüche bei Spielen mit unvollständiger Information übertragen sich auf reale Szenarien wie Verhandlungen oder Cyber-Angriffsabwehr – und Trainingskosten sind kein Privileg der Giganten mehr.
