Die KI-News der Woche vom 06.08.2026

Higgsfield legt einen 95-minütigen KI-Film samt Produktionsprojekt offen, Black Forest Labs startet mit FLUX 3 Video in die Videogenerierung und Alibaba kündigt Open Weights für Qwen 3.8 an.

Gemini Notebook wird zum Rechercheagenten

NotebookLM heißt inzwischen Gemini Notebook. Das große Upgrade ist laut Google bei allen Nutzern von Google AI Pro angekommen. Jedes Notebook erhält einen Cloud-Computer, auf dem die KI selbst Code schreiben und ausführen kann. Dadurch kann sie neben der Auswertung von Texten auch Daten analysieren, Berechnungen durchführen und komplexere Rechercheaufgaben bearbeiten.

Google spricht außerdem von mehr als 100 eingebauten Fähigkeiten. Aus einem Gemini Notebook lassen sich unter anderem PDFs, Word-Dokumente, Excel-Tabellen, Präsentationen, Grafiken und strukturierte Datensätze erzeugen. Ein neuer Recherchemodus sucht zu einer groben Idee passende Quellen im Web und schlägt sie für das Notebook vor. Welche Quellen tatsächlich aufgenommen werden, entscheidest weiterhin du.

Der vollständige Rollout gilt derzeit für Google AI Pro, noch nicht für die kostenlose Version. Damit entwickelt Google das bisherige Quellen- und Zusammenfassungswerkzeug zu einer Arbeitsumgebung weiter, die größere Recherche- und Produktionsabläufe übernehmen soll.

Black Forest Labs startet FLUX 3 Video

Nach einer Preview steigt das Freiburger Unternehmen Black Forest Labs jetzt offiziell in die Videogenerierung ein. FLUX 3 Video kann Clips aus Text, Bildern oder vorhandenen Videos erzeugen, Videos fortsetzen und Übergänge über mehrere Keyframes steuern. Pro Generierung sind bis zu 20 Sekunden möglich. Optional entstehen Dialoge, Geräusche und Umgebungssound gemeinsam mit dem Bild. Auch mehrere Szenen und Kamerawinkel innerhalb einer Generation sollen möglich sein.

FLUX 3 ist als gemeinsame Architektur für Bild, Video, Audio und später auch Action Prediction gedacht. Aktuell steht vor allem das Videomodell bereit; das offene FLUX 3 Dev und weitere Teile der Modellfamilie sollen später folgen. Video lässt sich bereits im BFL-Dashboard und über die API ausprobieren.

Fünf Sekunden im Standardmodus kosten in HD 0,85 US-Dollar und in Full HD 1,45 US-Dollar. Ein günstiger Draft-Modus startet bei 0,06 US-Dollar pro Sekunde. In eigenen Vergleichstests sieht Black Forest Labs sein Modell häufig vor der Konkurrenz. Diese Resultate sind vorläufig und stammen vom Anbieter selbst. Veröffentlichte Beispiele zeigen, welche Bild- und Kamerastile das Modell derzeit erzeugt.

OpenAI und DeepSeek verschärfen den Preiskampf

OpenAI hat GPT-5.6 Luna nur drei Wochen nach dem Start um 80 Prozent günstiger gemacht. Laut der Preisankündigung zu GPT-5.6 kosten eine Million Input-Token nun 0,20 US-Dollar und eine Million Output-Token 1,20 US-Dollar. GPT-5.6 Terra wurde um 20 Prozent günstiger und liegt bei 2 beziehungsweise 12 US-Dollar. Der Preis des Spitzenmodells Sol bleibt unverändert. Für Sol gibt es zusätzlich einen Schnellmodus mit bis zu zweieinhalbfacher Geschwindigkeit zum doppelten Preis.

Noch aggressiver ist DeepSeek: Axios berichtet über DeepSeek V4 Flash 0731, dessen offizielle API 0,14 US-Dollar pro Million nicht gecachter Input-Token und 0,28 US-Dollar für den Output kostet. Die Modellgewichte stehen außerdem unter einer MIT-Lizenz zum Download bereit.

Bei vielen Routineaufgaben können Entwicklungsteams dadurch zwischen mehreren brauchbaren Modellen wechseln, statt sich dauerhaft an einen Anbieter zu binden. Das erhöht den Preisdruck auf OpenAI, Anthropic und Google. Zugleich werden Router interessanter, die für jeden Arbeitsschritt automatisch ein Modell mit passendem Preis-Leistungs-Verhältnis auswählen.

Qwen 3.8 soll offene Gewichte erhalten

Alibaba hat für die kommende Woche offene Gewichte von Qwen 3.8 angekündigt. Am 6. August 2026 waren sie noch nicht veröffentlicht. Geplant sind die Gewichte des 2,4 Billionen Parameter großen Qwen 3.8 Max und zusätzlich eines handlicheren Qwen 3.8 mit 27 Milliarden Parametern.

Qwen 3.8 Max lässt sich als Preview bereits über Qwen Cloud nutzen. Nach Angaben von Alibaba zu Qwen 3.8 besitzt das Modell ein Kontextfenster von einer Million Token und unterstützt Reasoning, Tool-Aufrufe und längere Coding-Aufgaben. Alibaba behauptet außerdem, das Modell habe Softwareprojekte über mehr als zehn Tage hinweg autonom weiterentwickelt.

Ein offener Max-Checkpoint wäre vor allem für Forschungslabore und Cloudanbieter interessant. Für die lokale Nutzung dürfte das angekündigte 27-Milliarden-Modell relevanter sein. Ob beide Varianten wie angekündigt erscheinen und unter welchen Bedingungen sie nutzbar sein werden, muss sich nach der Veröffentlichung zeigen.

Transparenzregeln des EU AI Acts gelten

Seit dem 2. August gelten die Transparenzpflichten aus Artikel 50 des EU AI Acts. Nicht jeder Text, bei dem KI in irgendeiner Form beteiligt war, benötigt automatisch ein sichtbares Label. Die Regeln unterscheiden zwischen Anbietern von KI-Systemen und Organisationen oder Personen, die solche Systeme professionell einsetzen.

Anbieter müssen unter anderem kenntlich machen, wenn Menschen mit einem KI-System interagieren, sofern das nicht ohnehin offensichtlich ist. Generative Systeme sollen außerdem maschinenlesbare Markierungen in synthetische Texte, Bilder, Audio- und Videoinhalte einbauen. Was die Regeln für verschiedene Inhalte und Einsatzsituationen bedeuten, erklären wir ausführlich in unserem Artikel zur Kennzeichnung von KI-Inhalten.

Higgsfield legt KI-Filmproduktion offen

Higgsfield hat den rund 95 Minuten langen KI-Film „Hell Grind“ vollständig und kostenlos online gestellt. Zusätzlich soll das zugehörige Produktionsprojekt mit Prompts, Assets und Canvas öffentlich nachvollziehbar sein. Higgsfield nennt ein Budget von 500.000 US-Dollar und mehr als 115.000 Generierungen. Die Zahlen verdeutlichen, dass ein langer KI-Film durch viele Versuche, Auswahl, Schnitt und menschliche Produktionsarbeit entsteht.

„Hell Grind“ wurde bereits im Mai im Umfeld des Cannes-Filmmarkts präsentiert, lief aber nicht im offiziellen Festivalprogramm. Auch die Bezeichnung „Open Source“ sollte vorsichtig verwendet werden. Offen liegt nach derzeitiger Darstellung vor allem der Produktionsworkflow von „Hell Grind“. Eine offene Softwarelizenz oder pauschale Wiederverwendungsrechte für sämtliche Assets sind auf der Projektseite nicht ausgewiesen.

Als Qualitätsbeweis für die Zukunft des Kinos dürfte der Film die Meinungen teilen. Die Veröffentlichung bietet jedoch einen seltenen Einblick in den tatsächlichen Aufwand hinter einer vollständigen KI-Produktion.

Meta veröffentlicht Muse Spark 1.2 und Muse Code

Meta stellt mit Muse Spark 1.2 ein Reasoning-Modell mit einer Million Token Kontext vor. Es ist für große Codebasen, lange Debugging-Sitzungen und Änderungen über viele Dateien hinweg optimiert. Gegenüber Version 1.1 spricht Meta selbst allerdings nur von einer moderaten Verbesserung.

Zum Gesamtpaket gehört Muse Code, ein neuer Terminal-Agent in einer frühen Beta. Er kann große Aufgaben auf parallele Subagenten verteilen, die in getrennten Git-Worktrees arbeiten. Tool-Aufrufe, Abbrüche und Eingriffe sollen sich über ein Event-Log nachvollziehen und wiedergeben lassen.

Muse Spark 1.2 ist über Meta, Muse Code und OpenRouter verfügbar. Die API kostet 1,25 US-Dollar pro Million Input-Token und 4,25 US-Dollar für den Output; gecachter Input ist günstiger. Offene Gewichte gibt es nicht. Bei einem speziellen Contributor-Tarif kann Meta die Daten außerdem zur Produktverbesserung verwenden. Bei vertraulichem Code ist deshalb entscheidend, über welchen Zugang das Modell eingesetzt wird. Mit der Kombination aus Modell und Arbeitsumgebung tritt Meta gegen Claude Code, Codex und andere Coding-Agenten an.

Prime Agent kombiniert Modelle mit einer Arbeitsumgebung

Prime Intellect hat mit Prime Agent einen quelloffenen Coding- und Rechercheagenten veröffentlicht. Es handelt sich nicht um ein eigenes Sprachmodell, sondern um eine Arbeitsumgebung für bestehende Modelle. Sie kombiniert eine dauerhafte Python-Umgebung mit eingebauten Subagenten, Hintergrundprozessen, Zielen, Zeitplänen und wiederverwendbaren Skills.

Die Funktion Refine kann aus einem abgeschlossenen Verlauf kleine Verbesserungen für die Zusatzanweisungen, Erinnerungen und Arbeitsabläufe des Agenten ableiten. Die Modellgewichte selbst werden dabei nicht verändert. Auf ARC-AGI-3 erreichte Claude Opus 5 innerhalb von Prime Agent laut Anbieter bis zu 95,5 Prozent und lag damit knapp über der angegebenen menschlichen Experten-Baseline von 95,4 Prozent. Ein veröffentlichter Replay belegt einen Lauf mit 95,2 Prozent.

Das Ergebnis ist beachtlich, aber kein unabhängiger Nachweis dafür, dass Prime Agent andere Systeme generell übertrifft. In weiteren Tests fällt das Bild gemischt aus. Prime Agent steht unter MIT-Lizenz für macOS und Linux bereit. Modellgenerierte Befehle laufen mit den Rechten der nutzenden Person, und die integrierten Prozesse sind ausdrücklich keine Sicherheits-Sandbox.

Thinking Machines öffnet Inkling-Small

Thinking Machines Lab hat mit Inkling-Small ein Open-Weights-Modell mit insgesamt 276 Milliarden Parametern vorgestellt, von denen pro Token 12 Milliarden aktiviert werden. Das Modell verarbeitet Text, Bilder und Audio, bietet bis zu eine Million Token Kontext und kann seinen Denkaufwand an die Aufgabe anpassen. Die vollständigen Gewichte stehen unter Apache 2.0 bereit. Über Tinker lässt sich das Modell ausprobieren und feinjustieren.

„Small“ ist dabei relativ: Die unkomprimierte Version benötigt ungefähr 600 Gigabyte gemeinsamen Grafikspeicher, selbst die stark reduzierte Variante noch rund 180 Gigabyte. Für einen normalen Rechner ist das Modell damit nicht geeignet.

In den veröffentlichten Tests schlägt Inkling-Small das viermal größere Inkling bei mehreren Coding- und Reasoning-Aufgaben. Bei Wissen und Faktentreue bleibt das große Modell jedoch deutlich vorn. Viele Werte stammen aus eigenen oder intern konfigurierten Tests. Inkling-Small ist daher vor allem als effizienter offener Baustein für Agenten, Coding und synthetische Trainingsdaten interessant, nicht als kleines Modell für den Laptop.

Gemini Robotics 2 steuert ganze Roboterkörper

Google DeepMind hat drei Modelle der Familie Gemini Robotics 2 vorgestellt. Gemini Robotics 2 übersetzt Bild- und Spracheingaben direkt in Bewegungen und kann erstmals den gesamten Körper eines humanoiden Roboters steuern: gehen, balancieren, sich bücken und gleichzeitig Gegenstände greifen. Gemini Robotics ER 2 plant längere Aufgaben und kann mehrere Roboter koordinieren. Eine On-Device-Version läuft direkt auf dem Roboter und soll sich mit weniger als 200 Beispielen innerhalb weniger Stunden an neue Roboterkörper anpassen lassen.

In den Demos räumt ein humanoider Roboter ein Zimmer auf, arbeitet mit anderen Maschinen zusammen und benutzt seine Hände. Die von Google veröffentlichten Erfolgsraten zeigen zugleich die Grenzen: Eine Glühbirne herauszudrehen gelang in den Tests zu 92 Prozent, sie einzuschrauben jedoch nur zu 36 Prozent. Bei einer Aufgabe mit Kehrschaufel lag die Erfolgsrate bei 32 Prozent. Außerdem bewegen sich die Roboter noch langsam.

Öffentlich testen lässt sich derzeit nur das übergeordnete Reasoning-Modell in Google AI Studio und über die Gemini API. Die eigentlichen Bewegungsmodelle bleiben Early-Access-Partnern und ausgewählten Testpersonen vorbehalten. Gemini Robotics 2 ist damit ein wichtiger Forschungsschritt, aber noch kein fertiges Universalgehirn für Haushaltsroboter.