Der Staatsrat hat am 23. Oktober eine KI-Beschäftigungspolitik erlassen – die Topmeldung des heutigen KI-Briefings: Der Staatsrat forderte, die positiven Beschäftigungseffekte von KI zu verstärken und Verdrängungseffekte abzufedern; OpenAI steht kurz vor einer neuen Finanzierungsrunde von bis zu 30 Milliarden US-Dollar, senkte aber sein Bewertungsziel von 1,4 auf 1,25 Billionen US-Dollar; MiniMax hat die Gewichte von M3.1 Flash vollständig offengelegt; OpenAI hat die Decisions API allgemein verfügbar gemacht; Claude-Web-, Desktop- und Mobil-Apps stellen auf Auto Mode als Standard um; Microsofts medizinisches KI-Diagnosesystem MAI-DxO erschien in Science; das Wall Street Journal enthüllte Details zu OpenAIs Entlassung dreier Sicherheitsforscher wegen verschwindender Signal-Chats; und Replit stattet jede App mit einem Bereitschafts-Agenten aus, der Bugs automatisch behebt.
Staatsrat erlässt KI-Beschäftigungspolitik: Jobschaffung wird zur harten Kennzahl
Am 23. Oktober erließ das Generalbüro des Staatsrats die „Stellungnahme zur Anpassung an die KI-Entwicklung und zum Aufbau eines beschäftigungsfreundlichen Entwicklungsmodells". Gefordert werden stärkere positive Effekte von KI auf Beschäftigung, die Aufwertung traditioneller Berufe und Gründungsdynamik – bei gleichzeitiger Abfederung der Verdrängungseffekte durch KI-Anwendungen. Vorgesehen sind staatliche Fonds für KI-Start-ups, hochwertige Open-Source-KI-Communities sowie die beschleunigte Einführung neuer Berufe wie KI-Ingenieure und KI-Trainer. Unternehmen, die KI großflächig einführen, müssen betroffene Beschäftigte vorab informieren, Umschulungen anbieten; Modelle wie eine „Arbeitslosen-Pufferzeit" sollen erprobt werden. Erstmals schreibt die Zentralebene „Beschäftigungsfreundlichkeit" als harte Vorgabe in die KI-Entwicklung. Für normale Menschen werden KI-Weiterbildung und neue Berufszertifizierungen in den kommenden zwei Jahren die sicheren Chancen sein.
OpenAIs neue Runde vor dem Abschluss: bis zu 30 Mrd. $, Bewertungsziel auf 1,25 Bio. $ gesenkt
The Decoder berichtete am 23. Oktober unter Berufung auf Financial Times und CNBC, OpenAI stehe kurz vor dem Abschluss einer Finanzierungsrunde von bis zu 30 Milliarden US-Dollar, habe sein Bewertungsziel aber von ursprünglich 1,4 Billionen auf 1,25 Billionen US-Dollar gesenkt. Investoren aus den VAE und Coatue führen die Runde an, die als Brücke zum Börsengang positioniert ist. Insidern zufolge war die Nachfrage schwächer als in früheren Runden, einige frühe Großinvestoren litten unter „Verdauungsproblemen". Das Signal ist eindeutig: Die Kapitalmärkte werden wählerischer, was die Burn-Raten von KI-Firmen angeht – Bewertungen steigen nicht mehr nur in eine Richtung. Unsere Seite hat heute eine ausführliche Analyse der Runde veröffentlicht: OpenAIs 30-Milliarden-Finanzierung, Bewertung gesenkt: von 1,4 auf 1,25 Bio. $
WSJ: OpenAI entlässt drei Sicherheitsforscher – verschwindende Signal-Chats als Auslöser
Das Wall Street Journal berichtete am 23. Oktober: OpenAIs Sicherheitsteam bestellte im vergangenen Monat drei meinungsstarke Sicherheitsforscher ein und verlangte die Entsperrung ihrer privaten Handys. Dabei fand man, dass in ihren Signal-Chats mit einem externen KI-Sicherheitsforscher verschwindende Nachrichten aktiviert waren; eine Woche später wurden alle drei gleichzeitig entlassen. OpenAI erklärte, Grund sei der Verstoß gegen „klare Richtlinien zum Umgang mit sensiblen Informationen", nicht das Ansprechen von Sicherheitsbedenken; die drei bestreiten, je eine schriftliche Begründung erhalten zu haben. Einer von ihnen war der technische Ansprechpartner, als METR und Redwood Research zur Untersuchung von OpenAIs Agenten-Fehlverhalten vor Ort waren. Je wertvoller Modellinterna werden, desto sensibler wird die Frage „wer darf sie sehen" – der Spielraum für unabhängige Stimmen aus der Sicherheitsforschung schrumpft. Unsere Seite hat heute eine ausführliche Aufarbeitung veröffentlicht: OpenAI entlässt 3 Sicherheitsforscher: Signal-Chats mit Selbstlöschung als Auslöser
MiniMax M3.1 Flash: Gewichte offen – 428 Mrd. Parameter, nur ~23 Mrd. aktiv pro Token
MiniMax gab am 23. Oktober offiziell bekannt, dass die Gewichte von M3.1 Flash nun öffentlich sind: eine MoE-Architektur mit 428 Milliarden Parametern insgesamt und rund 23 Milliarden aktivierten Parametern pro Token, zum Download über Hugging Face und ModelScope. Laut Unternehmen verarbeiteten echte Nutzer innerhalb von 72 Stunden nach dem Start über 100 Billionen Token, und bereits am ersten Tag zogen Chiphersteller wie Huawei Ascend, Cambricon, MetaX, NVIDIA und AMD sowie Cloud-Plattformen wie Together AI und Fireworks nach. M3.1 Flash war erst am 19. Oktober zu 0,15 $ pro Million Input-Token per API gestartet – vier Tage später liegen die Gewichte offen. Vor dem Selbst-Hosten erst die Umsatzschwellen und das Militärnutzungsverbot der MiniMax-Community-Lizenz prüfen: Die Compliance-Details entscheiden, ob man das Modell wirklich nutzen darf.
OpenAIs Decisions API ist da: kleine Entscheidungen, bis zu 10x schneller
OpenAIs offizieller Blog verkündete am 22. Oktober die allgemeine Verfügbarkeit der Decisions API auf Basis von GPT-6 Luna. Sie ist auf Mikro-Entscheidungen mit begrenztem Antwortraum spezialisiert – Klassifikation, Routing, Scoring – und bis zu 10-mal schneller als GPT-6 Luna über die Responses API aufzurufen. Der Preis: 0,10 $ pro Million Input-Token, wobei nur Input-Token abgerechnet werden und keine Output-Token-Gebühren anfallen; eine Anfrage kann bis zu 400 Fragen enthalten, und die API ist nativ in GPT-Live-Sprachszenarien integriert. Das ist OpenAIs offizieller Einstieg in die „schnelles Denken"-Spur: leichte Entscheidungen aus allgemeinen Modellaufrufen herauslösen und über einen dedizierten Endpunkt Latenz und Kosten drücken. Für Teams, die Agenten-Workflows bauen, gibt es für hochfrequente Kleinstaufrufe nun eine günstigere offizielle Option – kein volles Modellgeld mehr für jede winzige Beurteilung.
Claude Web, Desktop und Mobil: Auto Mode wird ab nächster Woche Standard
Claudes offizieller Account kündigte am 22. Oktober an: Ab nächster Woche laufen Sitzungen der Tarife Pro, Max und Team in den Claude-Web-, Desktop- und Mobil-Apps standardmäßig im Auto Mode. Statt jede Aktion einzeln freigeben zu müssen, blockiert ein unabhängiger Klassifizierer automatisch riskante Operationen; Nutzer können jederzeit in den manuellen Modus zurückkehren. Anthropic zufolge blockierte der Auto Mode in Tests 89 % der gefährlichen Befehle, während die manuelle Einzel-Freigabe nur etwa 14 % abfing. „Autonome Ausführung" wird vom Opt-in zum Standard – der Vertrauensanker der Mensch-KI-Zusammenarbeit wandert von „du klickst auf Freigeben" zu „das System blockiert automatisch". Wer an die Einzel-Freigabe gewöhnt ist, sollte nächste Woche seine Berechtigungsgrenzen neu prüfen, damit Agenten keine riskanten Aktionen ausführen, während man wegschaut.
Microsofts MAI-DxO in Science: SDBench-Benchmark für schrittweise Diagnose wird Open Source
Microsofts offizieller KI-Blog meldete am 22. Oktober, dass die Arbeit zum Sequential Diagnosis Benchmark (SDBench) und zum KI-Diagnosesystem MAI-DxO in Science erschienen ist. SDBench prüft nicht mehr „alle Informationen auf einmal, eine Antwort wählen", sondern simuliert echte klinische Arbeit: Ausgehend von begrenzten Informationen schrittweise entscheiden, was man fragt und welche Tests man anordnet, dann synthetisieren. Bei 304 komplexen Fällen aus dem New England Journal of Medicine erreichte MAI-DxO 83 % diagnostische Genauigkeit – Ärzte 22 % ohne externe Ressourcen und 36 % mit ihnen; bei typischen Notaufnahmefällen 80 % gegenüber 47 %. Microsoft hat Teile des SDBench-Evaluierungscodes als Open Source freigegeben. Die Pointe ist nicht die Clickbait-Schlagzeile „KI schlägt Ärzte", sondern das Evaluierungsparadigma: Medizinische KI hat Prüfungsergebnisse längst gesättigt; was fehlte, war ein Benchmark für „diagnostizieren wie ein Arzt, Schritt für Schritt". Microsoft übergibt dieses Werkzeug nun der gesamten Branche.
Replit Monitoring Agent: ein automatischer Bereitschaftsingenieur für jede App
Replits offizieller Blog stellte am 22. Oktober den Monitoring Agent vor: Er liest Produktions-Logs und Metriken, untersucht Fehler, Verlangsamungen und fehlgeschlagene Deployments; mit aktiviertem Autofix validiert er Fixes automatisch und meldet per E-Mail; mit Auto-Publish kann er validierte Fixes direkt live deployen. Das ist Replits Erweiterung von „hilft dir beim Coden" zu „hilft dir beim Betreiben": Was Indie-Entwicklern und kleinen Teams nie fehlte, war jemand zum Coden, sondern jemand, der nachts vom Alarm geweckt wird. Ob der Bereitschafts-Agent nächtliche „Überraschungen" liefert, hängt davon ab, wie verlässlich die Autofix-Validierung ist – erst Monitoring und E-Mail-Berichte aktivieren, Auto-Publish erst, wenn es sich bewährt hat.
