In der Nacht zum 16. Juli hat Moonshot AI Kimi K3 veröffentlicht — ohne Pressekonferenz, nur als stilles Update auf der eigenen Website. Mit 2,8 Billionen Parametern ist es das größte offen freigegebene Modell bislang; drei Tage später legte Alibaba mit Qwen 3.8 und 2,4 Billionen Parametern nach. Unabhängige Messungen zeichnen ein differenziertes Bild: Im Frontend-Code-Ranking von Code Arena führt Kimi K3 mit 1.679 Elo erstmals vor Claude Fable 5 und GPT-5.6 Sol, bei FrontierMath Tier 4 erreicht es nach Daten von Epoch AI dagegen nur rund 39 Prozent. Die Märkte reagierten am Veröffentlichungstag mit einem Nasdaq-Minus von 1,4 Prozent — allerdings fiel dieser Tag mit schwachen Netflix-Zahlen, Zinssorgen und dem Iran-Konflikt zusammen. Alibabas eigene Einordnung, man sei „nur Fable 5 unterlegen", ist bislang durch keinen einzigen Benchmark belegt.
Das politische Gegenstück dazu entstand in Shanghai. 29 Staaten haben dort die World Artificial Intelligence Cooperation Organization gegründet — Russland, Brasilien, Pakistan, Indonesien, Kuba, Venezuela, Belarus, Serbien und Kasachstan unter ihnen, kein westlicher Staat. Xi Jinping sagte 5.000 KI-Ausbildungsplätze für Länder des Globalen Südens zu, UN-Generalsekretär Guterres war anwesend. In Europa greifen zum 2. August die Transparenzpflichten des AI Act nach Artikel 50, während die Hochrisiko-Vorschriften auf Dezember 2027 und August 2028 verschoben wurden. Und ein deutsches Konsortium um Fraunhofer, DFKI und TU Darmstadt hat mit Soofi S ein offenes 30B-Modell vorgelegt, das vollständig auf Telekom-Infrastruktur in München trainiert wurde — begleitet vom Vorwurf, es sei nach Chinchilla-Maßstäben übertrainiert, dem der technische Leiter Michael Fromm mit Verweis auf die MoE-Architektur widerspricht.
Auffällig ist, wo die Grenzen tatsächlich verlaufen. Anthropic kürzt ab dem 20. Juli die Fable-5-Kontingente auf effektiv rund ein Drittel und drängt Pro-Kunden in die API-Preise, verhandelt zugleich mit Meta über bis zu zehn Milliarden Dollar Rechenkapazität und holt Monzo-Gründer Tom Blomfield ins Compute-Team — ein Muster, das Kapazität und nicht Modellqualität als Engpass ausweist. TSMC meldet 77,4 Prozent Gewinnsprung und sagt weitere 100 Milliarden Dollar für Arizona zu. Nvidia gewinnt Japans Industriegrößen für seine Cosmos-Koalition, während eine Seaport-Notiz auf den Widerspruch hinweist, dass bei Rechenkosten Richtung 100 Milliarden Dollar pro Gigawatt ausgerechnet die subventionierten Kunden zahlen müssten. Google hat unterdessen die dritte Deadline für Gemini 3.5 Pro verstreichen lassen.
Für die Weiterbildung liegen die praktisch verwertbaren Befunde eher am Rand der Schlagzeilen. Epoch AI zeigt, dass KI-Textdetektoren bei wissenschaftlichen Texten bis zu 48 Prozent der stilimitierten Passagen übersehen — wer Detektorergebnisse als Nachweis verwendet, arbeitet mit einem untauglichen Werkzeug. Coinbase-CTO Rob Witoff beziffert den KI-gestützten Anteil am eigenen Code auf 95 bis 100 Prozent, während Microsoft am selben Patchday 570 Lücken schließt. Über 200 Ökonominnen und Ökonomen samt 16 Nobelpreisträgern fordern institutionelle Vorbereitung auf den Umbruch, und mehrere Labore kommen unabhängig zum selben Schluss: Unternehmen scheitern nicht an schwachen Modellen, sondern daran, dass niemand sie mit den bestehenden Arbeitsabläufen verdrahtet. Genau dort, nicht bei den Parameterzahlen, liegt die offene Frage dieser Woche.