Innerhalb von nur sieben Tagen haben vier Anbieter neue KI-Modelle veröffentlicht. Google brachte am 2. September Gemini 3.8 Flash und ein spezialisiertes Sicherheitsmodell namens Flash Cyber heraus, einen Tag später folgte OpenAI mit GPT-6 Astra, und am 8. September zog Inception mit Mercury 2.5 nach. Parallel dazu fiel der Preis für eine Million KI-Token laut dem Silicon Data Index erstmals unter die Marke von 1 US-Dollar. Für deutsche Entwickler und Unternehmen bedeutet das: Die Modellwahl von vor drei Monaten ist bereits wieder veraltet, und der Wettbewerb verlagert sich zunehmend auf Cybersicherheit und Agenten-Fähigkeiten statt auf reine Textqualität.
Google veröffentlicht Gemini 3.8 Flash und Flash Cyber
Am 2. September 2026 hat Google mit Gemini 3.8 Flash bereits das dritte Flash-Modell innerhalb von sechs Wochen veröffentlicht, nach 3.6 und 3.7. Google bezeichnet das Modell als sein bislang bestes Reasoning- und Coding-Modell und positioniert es für Softwareentwicklung, agentische Orchestrierung und mehrschrittiges Denken in Fachbereichen. Bemerkenswert ist der Preis: 0,75 US-Dollar pro Million Input-Token und 3,75 US-Dollar pro Million Output-Token, exakt auf dem Niveau von Gemini 3.7 Flash. Google verspricht also spürbar mehr Leistung ohne Aufpreis, was den Druck auf Konkurrenten wie OpenAI und Anthropic weiter erhöht.
Gleichzeitig ist Gemini 3.8 Flash inzwischen als GA (General Availability) über die Gemini API verfügbar, nicht mehr nur als Preview. Das richtet sich laut den API-Release-Notizen gezielt an langlaufende Software-Engineering-Aufgaben, autonome Agenten und Enterprise-Workflows, also genau die Bereiche, in denen deutsche Mittelständler und Konzerne aktuell erste Pilotprojekte mit KI-Agenten starten.
Was Flash Cyber kann – und wer es nutzen darf
Neben dem Allround-Modell hat Google mit Gemini 3.8 Flash Cyber ein zweites, spezialisiertes Modell vorgestellt. Es ist auf Schwachstellenanalyse und automatisiertes Patchen zugeschnitten und soll laut Google eine Leistung auf Frontier-Niveau in der Cybersicherheit erreichen. Auf dem externen Sicherheits-Benchmark CWE-Bench erzielt Flash Cyber ein Pass@1 von 47,2 Prozent, ein Wert nur knapp unter dem eines führenden Frontier-Modells mit 47,8 Prozent. Das positioniert Flash Cyber nahe an der sogenannten Pareto-Front, also einem Modell mit ähnlicher Qualität bei deutlich geringeren Betriebskosten.
Der Zugang ist allerdings stark eingeschränkt. Flash Cyber steht zunächst ausschließlich Teilnehmern des neuen Fairwind Program zur Verfügung, also ausgewählten “trusted defenders” aus Sicherheitsteams und Forschungseinrichtungen. Für deutsche CERTs und Security-Dienstleister bedeutet das konkret: Ein Antrag auf Programmzugang wird vorerst nötig sein, bevor das Modell produktiv im Schwachstellenmanagement eingesetzt werden kann. Diese kontrollierte Freigabe ist selbst eine Neuerung, denn bisherige Flash-Modelle waren stets offen über die reguläre API nutzbar.
GPT-6 Astra: OpenAIs Antwort in 24 Stunden
OpenAI ließ nicht lange auf sich warten. Bereits am 3. September, live während eines ThursdAI-Streams, veröffentlichte das Unternehmen GPT-6 Astra. Das Modell soll laut OpenAI vor allem bei Programmierung, Recherche, Computer-Steuerung und komplexen, mehrstufigen Aufgaben zulegen. Medienberichten zufolge wurde Astra auf rund 100.000 GPUs im sogenannten Stargate-Abilene-Cluster trainiert, eine Zahl, die bislang nicht offiziell von OpenAI bestätigt wurde und daher mit Vorsicht zu lesen ist.
Die Benchmark-Zahlen im Detail
Auf FrontierMath Tier 4 erreicht GPT-6 Astra laut veröffentlichten Werten 97,6 Prozent, auf OSWorld 2.0 (ein Test für die Steuerung realer Computerumgebungen) 72,6 Prozent, auf ScreenSpot Pro 92,7 Punkte und auf Terminal-Bench Science 64,6 Punkte. Das sind, verglichen mit den Vorgängerwerten der GPT-5-Reihe, deutliche Sprünge in genau jenen Kategorien, die für autonome Software-Agenten relevant sind. Für Entwickler in Deutschland, die aktuell an Copilot-ähnlichen Workflows arbeiten, sind vor allem die OSWorld- und Terminal-Bench-Werte interessant, weil sie zeigen, wie gut ein Modell reale Entwicklungsumgebungen selbstständig bedienen kann.
Claude Fable 5.1 bleibt an der Bestenliste-Spitze
Trotz der beiden neuen Konkurrenten hat sich an der Spitze der unabhängigen BenchLM-Bestenliste vorerst nichts geändert. Anthropics Claude Fable 5.1 hält dort weiterhin Platz eins mit einem Score von 84,36. Anthropic selbst hat parallel auch ein zweites Modell namens Mythos 5.1 veröffentlicht, über das bislang weniger Details vorliegen. Der Vorsprung von Fable 5.1 zeigt, dass reine Reasoning-Benchmarks und die neuen, praxisnahen Agenten-Tests wie OSWorld 2.0 oder CWE-Bench unterschiedliche Stärken abbilden. Google und OpenAI punkten aktuell vor allem bei spezialisierten Aufgaben, während Anthropic in der allgemeinen Bestenliste weiterhin vorn liegt.
Insgesamt zählt das BenchLM-Leaderboard im September 2026 bereits neun neue Modell-Veröffentlichungen und listet in Summe 130 unterstützte sowie 101 geschätzte Modelle. Diese Größenordnung allein verdeutlicht, wie stark sich die Update-Frequenz seit Anfang 2026 erhöht hat.
Mercury 2.5 und die dritte Kraft aus dem Diffusions-Lager
Weniger Schlagzeilen, aber ebenso relevant für die Marktbreite: Inception veröffentlichte am 8. September Mercury 2.5. Das Unternehmen gehört zu den wenigen Anbietern, die auf sogenannte Diffusions-basierte Sprachmodelle setzen, eine Architektur, die sich technisch von den klassischen autoregressiven Transformermodellen von Google, OpenAI und Anthropic unterscheidet. Für den deutschen Markt ist Mercury 2.5 bislang ein Nischenprodukt, taucht aber zunehmend in Benchmark-Vergleichen auf, weil die Diffusions-Architektur in bestimmten Latenz-Szenarien Vorteile bringen soll. Wer in Deutschland an latenzkritischen Anwendungen wie Echtzeit-Übersetzung oder interaktiven Sprachassistenten arbeitet, sollte Mercury 2.5 zumindest auf der Beobachtungsliste haben.
Wettbewerbsvergleich: vier Strategien, ein Wettlauf
Betrachtet man die vier Anbieter nebeneinander, zeigt sich, dass jeder einen anderen Schwerpunkt setzt. Google verfolgt mit der Flash-Serie eine Volumenstrategie: gleicher Preis, immer kürzere Update-Zyklen, dazu ein spezialisiertes Sicherheitsmodell als Türöffner für Behörden- und Enterprise-Kunden. OpenAI setzt mit GPT-6 Astra dagegen auf möglichst hohe Werte in Agenten- und Computersteuerungs-Benchmarks wie OSWorld 2.0, um sich als Anbieter für autonome Software-Agenten zu positionieren. Anthropic verzichtet vorerst auf ein eigenes Cyber-Spezialmodell und verteidigt stattdessen mit Claude Fable 5.1 die Spitzenposition im allgemeinen Reasoning, während das kleinere Mythos 5.1 offenbar für andere Einsatzfälle gedacht ist. Inception wiederum bleibt mit Mercury 2.5 der einzige der vier großen Namen, der auf eine Diffusions-Architektur statt auf klassische autoregressive Transformer setzt.
Für Einkäufer in Deutschland bedeutet diese Aufspaltung, dass die Frage “welches Modell ist das beste” zunehmend durch “welches Modell passt zu welcher Aufgabe” ersetzt wird. Wer Code-Agenten betreibt, schaut eher auf OSWorld- und Terminal-Bench-Werte von GPT-6 Astra. Wer Schwachstellenmanagement automatisieren will, wartet auf einen Fairwind-Zugang zu Flash Cyber. Und wer ein Allround-Modell für gemischte Aufgaben braucht, findet in Claude Fable 5.1 weiterhin die stabilste Bestenlisten-Position.
Die neuen Modelle im September-2026-Vergleich
Die folgende Tabelle fasst die wichtigsten Eckdaten der in der ersten Septemberwoche veröffentlichten Modelle zusammen.
| Modell | Anbieter | Datum | Fokus | Zugang |
|---|---|---|---|---|
| Gemini 3.8 Flash | 2. September 2026 | Reasoning & Coding | Öffentliche API (GA) | |
| Gemini 3.8 Flash Cyber | 2. September 2026 | Schwachstellenanalyse, Patching | Nur Fairwind Program | |
| GPT-6 Astra | OpenAI | 3. September 2026 | Coding, Computer-Steuerung, Agenten | Öffentliche API |
| Claude Fable 5.1 | Anthropic | vor September 2026 | Allgemeines Reasoning | Öffentliche API |
| Mercury 2.5 | Inception | 8. September 2026 | Diffusions-basiertes Sprachmodell | Öffentliche API |
| Lyria 3.5 | Anfang September 2026 | Musik- und Audiogenerierung | Public Preview |
Der Preiskampf: Warum Tokens erstmals unter 1 US-Dollar kosten
Der vielleicht wichtigste Fakt aus wirtschaftlicher Sicht betrifft nicht ein einzelnes Modell, sondern die Kostenkurve der gesamten Branche. Der Silicon Data LLM Token Expenditure Index, ein branchenweiter Preisindex, fiel am 1. September 2026 auf 0,97 US-Dollar pro Million Token, laut Berichten von Yahoo Finance das erste Mal seit Bestehen des Index unter der Marke von einem Dollar. Der Wert liegt damit bei weniger als der Hälfte des Sommer-Höchststands und ist allein in den vorangegangenen sieben Tagen um 8,6 Prozent gefallen.
Getrieben wird dieser Rückgang unter anderem von Googles Flash-Serie, die trotz gestiegener Leistungsfähigkeit über mehrere Generationen hinweg denselben Preis hält. Für deutsche Unternehmen mit hohem Token-Verbrauch, etwa in der Kundenservice-Automatisierung oder in Coding-Assistenten, öffnet dieser Preisverfall neue Kalkulationsspielräume. Anwendungen, die vor einem Jahr aus Kostengründen noch mit kleineren, schwächeren Modellen betrieben wurden, lassen sich jetzt mit deutlich leistungsfähigeren Flaggschiff-Varianten zu ähnlichen Kosten umsetzen.
CWE-Bench und ARC-AGI-3: Zwei Benchmarks, zwei Realitäten
Die Flut neuer Modelle geht mit einer Flut neuer Testverfahren einher. Neben dem bereits erwähnten CWE-Bench für Sicherheitslücken hat die gemeinnützige ARC-Prize-Initiative kürzlich ARC-AGI-3 eingeführt, einen interaktiven, agentischen Reasoning-Test mit neuartigen Puzzle-Aufgaben. Anders als bei den mittlerweile fast gesättigten Vorgänger-Versionen dieses Benchmarks erreichen menschliche Testpersonen dort weiterhin nahezu 100 Prozent, während aktuelle Frontier-Modelle laut ARC Prize bei unter einem Prozent liegen. Diese Lücke wird von Fachleuten bewusst als Korrektiv gegen verfrühte “AGI ist da”-Erzählungen verstanden, die nach jeder neuen Modellgeneration aufkommen.
Auch methodisch tut sich etwas: Das Forschungsinstitut AI2 hat mit BenchMIRT ein Verfahren vorgestellt, das Benchmark-Fragen einzeln über Item-Response-Theorie prüft, um sichtbar zu machen, welche Fähigkeit ein Test tatsächlich misst statt nur, was sein Name suggeriert. Für Entscheider, die KI-Modelle anhand von Leaderboard-Platzierungen auswählen, ist das ein wichtiger Hinweis: Ein hoher Score allein sagt noch nichts darüber aus, ob ein Modell die für den eigenen Anwendungsfall relevante Fähigkeit tatsächlich beherrscht.
GPT-6 Astra im Benchmark-Detail
| Benchmark | Was gemessen wird | GPT-6-Astra-Ergebnis |
|---|---|---|
| FrontierMath Tier 4 | Fortgeschrittene Mathematik | 97,6 % |
| OSWorld 2.0 | Steuerung realer Computerumgebungen | 72,6 % |
| ScreenSpot Pro | Bildschirm- und UI-Verständnis | 92,7 Punkte |
| Terminal-Bench Science | Wissenschaftliche Aufgaben im Terminal | 64,6 Punkte |
| CWE-Bench (Referenzwert Frontier-Modell) | Erkennung von Softwareschwachstellen | 47,8 % (Pass@1) |
Der letzte Wert in der Tabelle stammt nicht direkt von GPT-6 Astra, sondern ist der Referenzwert eines führenden Frontier-Modells auf CWE-Bench, gegen den Google seine eigene Flash-Cyber-Zahl von 47,2 Prozent positioniert. Die beiden Werte liegen nur einen halben Prozentpunkt auseinander, was zeigt, wie eng der Wettbewerb im Sicherheitsbereich mittlerweile geworden ist.
Agentic Video Understanding und Googles stille Nebenprodukte
Neben den beiden großen Modell-Launches hat Google seit dem 1. September 2026 noch ein drittes Feature ausgerollt, das im Trubel um Astra und Fable weniger Aufmerksamkeit bekam, aber praktisch relevant ist: Agentic Video Understanding für die Flash-Modelle 3.7, 3.6 und 3.5 Flash-Lite. Statt Videos mit fester Framerate zu verarbeiten, navigiert das Modell nun zeitlinienbasiert durch das Material. Das senkt laut Google den Tokenverbrauch bei langen Videos um bis zu 88 Prozent, die Kosten um bis zu 66 Prozent, und erhöht gleichzeitig die Genauigkeit um bis zu 7 Prozent. Abgerechnet wird zum normalen Gemini-Tokenpreis, ohne Aufpreis für die neue Funktion.
Die Funktion ist bereits über die Gemini API, das Enterprise Agent Platform und AI Studio verfügbar und wandert schrittweise in die Gemini-App sowie in Produkte wie YouTubes “Ask YouTube”-Funktion. Für Unternehmen, die große Mengen an Video-Material auswerten, etwa Schulungsvideos, Kundengespräche oder Produktionsaufnahmen, verringert sich damit der Rechenaufwand erheblich.
Lyria 3.5: Vollständige Songs aus der Gemini-App
Als Public Preview hat Google zudem Lyria 3.5 in die Gemini API integriert, ein Modell für vollständige Songgenerierung und hochauflösendes Audio. Es ist bereits in Gemini Web und App, in Google Flow Music sowie in Workspace-Vids eingebunden. Für den DACH-Markt ist vor allem relevant, dass damit erstmals ein Google-Produkt direkt gegen spezialisierte Musikgeneratoren antritt, statt nur kurze Klangschnipsel zu erzeugen.
WeatherNext 3: Wetterprognosen über mehrere Google-Dienste
Ebenfalls im September-Update enthalten: WeatherNext 3, ein Wettervorhersagemodell, das nun in Google Search, der Gemini App, Maps, der Maps Platform Weather API, Earth Engine und BigQuery zum Einsatz kommt. Für Endnutzer in Consumer-Oberflächen bleibt die Nutzung kostenlos, für die Maps-API und BigQuery gelten nutzungsbasierte Preise.
Was der Modell-Sprint für deutsche Unternehmen bedeutet
Für IT-Verantwortliche in Deutschland ergeben sich aus dieser Verdichtung mehrere praktische Konsequenzen. Erstens verkürzt sich die sinnvolle Nutzungsdauer eines einmal gewählten Modells: Wer im Juli noch Gemini 3.6 Flash in Produktion genommen hat, sieht sich im September bereits mit der dritten Nachfolgegeneration konfrontiert, bei gleichbleibendem Preis. Zweitens verschiebt sich der Wettbewerb sichtbar in Richtung Spezialmodelle. Flash Cyber ist das erste große Beispiel eines Modells, das nicht allgemein, sondern gezielt für eine Fachdomäne wie IT-Sicherheit trainiert und kontrolliert verteilt wird.
Drittens dürfte der Preisverfall unter die 1-Dollar-Marke pro Million Token die Kalkulation vieler KI-Projekte verändern, die bislang aus Kostengründen zurückgestellt wurden. Gerade im Mittelstand, wo KI-Budgets oft knapper bemessen sind als in Konzernen, könnte dieser Effekt den Einstieg in produktive KI-Agenten beschleunigen. Gleichzeitig bleibt die eingeschränkte Verfügbarkeit von Flash Cyber ein Hinweis darauf, dass nicht jedes neue Modell sofort breit nutzbar ist. Wer auf ein KI-gestütztes Schwachstellenmanagement setzt, muss sich aktuell über das Fairwind Program bewerben und kann nicht einfach die reguläre API ansprechen.
Für die IT-Budgetplanung ergibt sich daraus ein konkreter Rat: Verträge und interne Kostenmodelle, die noch auf den Preisen vom Frühsommer 2026 basieren, sollten jetzt überprüft werden. Wer Token-Kosten pauschal in Projektanträge einrechnet, rechnet mit den alten, höheren Werten und unterschätzt damit den tatsächlichen Spielraum. Umgekehrt lohnt sich ein Blick auf die Vertragslaufzeiten bei API-Anbietern, weil sich Rabattstaffeln und Mindestabnahmemengen bei so schnell fallenden Listenpreisen schneller amortisieren als noch vor einem Jahr.
Historischer Kontext: Vom Sprach- zum Cyber-Modell
Um die Bedeutung von Flash Cyber einzuordnen, lohnt ein Rückblick. Noch vor zwei Jahren wurden KI-Modelle primär an allgemeinen Sprachbenchmarks gemessen, etwa an Frage-Antwort-Aufgaben oder Übersetzungsqualität. Mit dem Aufkommen von Coding-Assistenten verschob sich der Fokus auf Programmierbenchmarks wie frühere SWE-Bench-Versionen. Die aktuelle Welle von CWE-Bench, OSWorld 2.0 und ScreenSpot Pro markiert eine dritte Phase: Modelle werden jetzt daran gemessen, wie gut sie reale Systeme, Betriebsumgebungen und Sicherheitslücken eigenständig bearbeiten können, nicht mehr nur Text produzieren.
Auch der O’Reilly-Report zum September 2026 verweist in diese Richtung und nennt mit SWE-Bench ProMax einen neuen mehrsprachigen Benchmark für großangelegtes Code-Refactoring über sieben Programmiersprachen hinweg. Die Entwicklung ist damit weniger ein Sprung als eine konsequente Fortsetzung: von reinem Text über Code hin zu vollständigen, agentisch gesteuerten Arbeitsumgebungen inklusive Sicherheitsaufgaben.
Kritik und Risiken: Wenn KI-Modelle selbst Schwachstellen patchen
Ein Modell, das Softwareschwachstellen findet und automatisiert patcht, ist ein zweischneidiges Werkzeug. Dieselbe Fähigkeit, die Verteidiger beim schnelleren Schließen von Lücken unterstützt, lässt sich in falschen Händen zum schnelleren Auffinden ausnutzbarer Schwachstellen missbrauchen. Genau deshalb hat Google den Zugang zu Flash Cyber über das Fairwind Program eng begrenzt, statt das Modell wie üblich sofort breit über die API freizugeben. Diese Zurückhaltung dürfte in den kommenden Monaten zum Vorbild für weitere Sicherheitsmodelle anderer Anbieter werden.
Ein zweites Risiko liegt in der Benchmark-Interpretation selbst. Wenn ein Modell wie GPT-6 Astra auf mehreren neuen Tests Bestwerte erzielt, entsteht schnell der Eindruck eines allgemeinen Fähigkeitssprungs. Der große Abstand zwischen menschlicher und maschineller Leistung auf ARC-AGI-3 zeigt jedoch, dass hohe Werte auf einem Benchmark nicht automatisch auf allgemeine Problemlösungsfähigkeit übertragbar sind. Für Einkäufer von KI-Systemen in Deutschland ist das ein Warnsignal, Modelle nicht allein anhand einzelner Leaderboard-Plätze auszuwählen, sondern anhand der für den eigenen Anwendungsfall relevanten Tests.
Fünf Prognosen für die kommenden Monate
- Weitere Cyber-Spezialmodelle: Nach Flash Cyber dürften Anthropic und OpenAI in den kommenden Monaten mit eigenen, ebenfalls zugangsbeschränkten Sicherheitsmodellen nachziehen, um im Wettbewerb um Behörden- und Enterprise-Kunden nicht zurückzufallen.
- Token-Preise fallen weiter: Sollte sich der Abwärtstrend des Silicon Data Index fortsetzen, ist ein Preis von deutlich unter 0,90 US-Dollar pro Million Token noch in diesem Jahr denkbar, getrieben von der Flash-Serie und vergleichbaren günstigen Modellen anderer Anbieter.
- Zugangsmodelle wie Fairwind werden Standard: Statt sofortiger API-Freigabe dürften Anbieter bei sicherheitsrelevanten Spezialmodellen künftig öfter auf geprüfte Nutzergruppen setzen, ähnlich dem Fairwind Program.
- Neue Benchmarks lösen alte ab: ARC-AGI-3, CWE-Bench und SWE-Bench ProMax dürften ARC-AGI-1 und ältere Coding-Tests als Referenz für Fachpresse und Einkäufer ablösen, weil diese als zu leicht gesättigt gelten.
- Deutsche Unternehmen beschleunigen Agenten-Piloten: Die Kombination aus sinkenden Tokenkosten und verbesserten Agenten-Benchmarks wie OSWorld 2.0 dürfte mehr deutsche Mittelständler dazu bringen, KI-Agenten über den Chatbot-Einsatz hinaus in produktive IT-Prozesse zu integrieren.
Ein einfaches Beispiel dafür, wie sich ein Aufruf an ein aktuelles Flash-Modell über die REST-Schnittstelle der Gemini API grundsätzlich aufbaut, zeigt der folgende Codeblock. Er dient nur der Illustration des allgemeinen Anfrageformats und ersetzt nicht die offizielle Dokumentation.
curl -X POST \
"https://generativelanguage.googleapis.com/v1beta/models/gemini-3.8-flash:generateContent" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"contents": [{
"parts": [{"text": "Fasse die wichtigsten CVE-Klassen dieses Codeausschnitts zusammen."}]
}]
}'Häufig gestellte Fragen
Was ist Gemini 3.8 Flash Cyber genau?
Gemini 3.8 Flash Cyber ist ein von Google am 2. September 2026 vorgestelltes, auf Cybersicherheit spezialisiertes KI-Modell. Es ist auf die Analyse von Softwareschwachstellen und automatisiertes Patchen ausgelegt und erreicht auf dem CWE-Bench-Test ein Pass@1 von 47,2 Prozent.
Wer kann Gemini 3.8 Flash Cyber derzeit nutzen?
Der Zugang ist auf Teilnehmer des Fairwind Program beschränkt, also auf ausgewählte Sicherheitsteams und Forschungseinrichtungen. Eine breite, öffentliche API-Freigabe wie bei den regulären Flash-Modellen gibt es aktuell nicht.
Was kostet Gemini 3.8 Flash?
Gemini 3.8 Flash kostet 0,75 US-Dollar pro Million Input-Token und 3,75 US-Dollar pro Million Output-Token, denselben Preis wie der Vorgänger Gemini 3.7 Flash.
Wie schneidet GPT-6 Astra im Vergleich ab?
GPT-6 Astra erreicht laut veröffentlichten Werten 97,6 Prozent auf FrontierMath Tier 4, 72,6 Prozent auf OSWorld 2.0, 92,7 Punkte auf ScreenSpot Pro und 64,6 Punkte auf Terminal-Bench Science. Es wurde am 3. September 2026 veröffentlicht.
Warum sind KI-Token-Preise erstmals unter 1 US-Dollar gefallen?
Laut dem Silicon Data LLM Token Expenditure Index sorgt vor allem der Preisdruck durch günstige, aber leistungsfähige Modelle wie Googles Flash-Serie dafür, dass der branchenweite Durchschnittspreis am 1. September 2026 auf 0,97 US-Dollar pro Million Token gefallen ist, weniger als die Hälfte des Sommer-Höchststands.
Führt Claude Fable 5.1 weiterhin die Bestenlisten an?
Ja, auf dem BenchAlign-Leaderboard von BenchLM hält Anthropics Claude Fable 5.1 mit einem Score von 84,36 weiterhin den ersten Platz, trotz der neuen Modelle von Google und OpenAI.
Was ist ARC-AGI-3 und warum ist der Benchmark relevant?
ARC-AGI-3 ist ein neuer, interaktiver Reasoning-Benchmark der ARC-Prize-Initiative mit agentischen Puzzle-Aufgaben. Menschliche Testpersonen erreichen dort nahezu 100 Prozent, während aktuelle Frontier-Modelle bei unter einem Prozent liegen, was zeigt, dass hohe Werte auf älteren Benchmarks nicht automatisch allgemeine Problemlösungsfähigkeit bedeuten.
Was bedeutet Agentic Video Understanding praktisch?
Die seit 1. September 2026 verfügbare Funktion lässt Gemini-Flash-Modelle Videos zeitlinienbasiert statt mit fester Framerate verarbeiten. Das senkt den Tokenverbrauch bei langen Videos um bis zu 88 Prozent und die Kosten um bis zu 66 Prozent, bei gleichzeitig bis zu 7 Prozent höherer Genauigkeit, ohne zusätzliche Gebühr gegenüber dem Standardpreis.
