RelevantPolicySimon Willison
Ben Thompson schlägt vor, per Gesetz klarzustellen, dass das Sammeln von Trainingsdaten Fair Use ist – im Gegenzug sollen AGB-Klauseln, die Distillation verbieten, für US-Anbieter unwirksam werden. Ziel ist, US-Open-Models im Wettbewerb mit chinesischen Modellen zu stärken und die Doppelmoral der Labs (eigenes Training auf ungelizenzten Daten vs. Distillation-Verbote) aufzulösen.
Warum wichtig: Betrifft rechtliche Grundlagen, auf denen viele KI-Tools basieren, und könnte mittelfristig beeinflussen, welche offenen Modelle für eigene Projekte nutzbar sind.
Zur Quelle →
RelevantPolicyTechCrunch · AI
YouTube hat seine Richtlinien aktualisiert, um klarer zu definieren, welche KI-generierten und minderwertigen Videos künftig nicht mehr für Werbeeinnahmen infrage kommen.
Warum wichtig: Relevant für alle, die KI-generierte Inhalte auf YouTube monetarisieren wollen oder bereits Kanäle betreiben.
Zur Quelle →
RelevantModelleThe Verge · AI
Moonshot (Kimi) und Alibaba (Qwen) haben in kurzer Folge neue Modelle veröffentlicht, die laut eigenen Angaben mit den Top-Modellen von OpenAI und Anthropic konkurrieren können – bei deutlich geringeren Kosten. Der Vorsprung der US-Anbieter an der Modell-Front schrumpft damit weiter.
Warum wichtig: Günstigere, leistungsfähige chinesische Modelle erweitern die Auswahl an Alternativen für Unternehmen, die Kosten bei KI-Diensten senken wollen.
Zur Quelle →
RelevantForschungMIT Technology Review
Neue Forschung zeigt, dass Sprachmodelle bei der Auswahl von Bewerbungen nicht nur menschliche Verzerrungen aus Trainingsdaten übernehmen, sondern auch eigene, neue Bias-Muster entwickeln können, die so bei Menschen nicht auftreten.
Warum wichtig: Wer KI im Recruiting einsetzt, muss mit spezifischen, teils unerwarteten Diskriminierungsrisiken rechnen und sollte Screening-Ergebnisse stichprobenhaft prüfen.
Zur Quelle →
RelevantBusinessSimon Willison
In geleakten internen Mails äußert Sam Altman, ein GPT-3-starkes, lokal lauffähiges Modell solle veröffentlicht werden, um Konkurrenten wie Stability zuvorzukommen und neuen Anbietern die Finanzierung zu erschweren – nicht aus Überzeugung für Open Source.
Warum wichtig: Zeigt kleinen Unternehmen, die auf OpenAI-Ankündigungen zu 'offenen' Modellen setzen, dass strategische Motive statt Offenheit dahinterstehen können.
Zur Quelle →
RelevantBusinessTechCrunch · AI
Nach Huangs Japan-Besuch zeichnen sich Kooperationen von NVIDIA mit Chip-, Cloud- und Elektronikfirmen ab, die Japans KI-Infrastruktur ausbauen sollen.
Warum wichtig: Wer Hardware oder Cloud-Kapazität für KI-Projekte plant, sollte die daraus resultierenden Verfügbarkeits- und Preistrends im Blick behalten.
Zur Quelle →
NotizBusinessTechCrunch · AI
In einer TechCrunch-Diskussion wird erörtert, ob die laufende Apple-Klage OpenAIs Pläne für eigene Hardware und einen möglichen Börsengang beeinträchtigen könnte.
Warum wichtig: Wer OpenAI-Produkte oder -Partnerschaften plant, sollte die rechtliche Unsicherheit rund um das Unternehmen im Blick behalten.
Zur Quelle →
NotizForschungTechCrunch · AI
Die gemeinnützige Initiative Current AI meldet Fortschritte bei Geräten, Chat-Anwendungen und weiteren Bausteinen einer frei zugänglichen KI-Basisinfrastruktur.
Warum wichtig: Alternative, nicht-kommerzielle KI-Angebote könnten mittelfristig eine kostengünstige Option für kleine Unternehmen abseits der großen Anbieter werden.
Zur Quelle →
NotizToolsSimon Willison
Anthropics Coding-Tool Claude Code nutzt seit Version 2.1.181 die in Rust neu geschriebene Bun-Runtime, was den Start unter Linux um rund 10 % beschleunigt.
Warum wichtig: Nutzer von Claude Code profitieren von leicht verbesserter Performance, ohne selbst etwas ändern zu müssen.
Zur Quelle →
Zusammenfassungen und Einordnung: Klarlauf. Die verlinkten Quellen gehören den jeweiligen Anbietern.