Zusammenfassung heute

Im Inland hat ZhiPu die GLM-5.1 High-Speed-API herausgebracht und einen globalen Latenzrekord gebrochen, das Baidu ERNIE-Team hat das PaddleOCR-VL-1.6-Dokumentenanalyse-Modell veröffentlicht, Alibaba Tongyi Qianwen Qwen3.7-Plus hat GPT-5.4 bei Screen-Understanding-Evaluationen überholt, und Tencent Hunyuan hat gleichzeitig den Stem Sparse-Attention-Algorithmus und das Hy-Memory Langzeit-Gedächtnis-Plugin vorgestellt; International hat Anthropic kontinuierlich KI-Sicherheitslücken-Erkennungs-Frameworks als Open Source veröffentlicht und Forschung zur „KI-Selbstverbesserung" enthüllt, Alphabet kündigte eine 80-Milliarden-Dollar Eigenkapitalfinanzierung zum Ausbau der KI-Recheninfrastruktur an, und Liquid AI veröffentlichte das neue 8B-MoE-Modell LFM2.5 – die Branche beschleunigt weiter entlang der drei Hauptlinien: „Modellfähigkeiten + Rechenleistungs-Basis + Agent-Engineering".

Inlands-Highlights

🔥 ZhiPu veröffentlicht GLM-5.1 High-Speed-Version und bricht globalen API-Geschwindigkeitsrekord für große Modelle

ZhiPu hat am 4. Juni die GLM-5.1 High-Speed-API veröffentlicht. Die gemessene First-Token-Latenz ist im Vergleich zur vorherigen Generation um 60% gesunken und bricht damit den globalen API-Geschwindigkeitsrekord für große Modelle. Parallel wurde das GLM Coding Plan-Angebot zu erhöhten Preisen gestartet und war sofort ausverkauft. Am Kapitalmarkt stieg ZhiPu im frühen Hongkonger Handel um über 20%.

Quelle: Pingwest | Details: https://www.pingwest.com/search/?q=GLM-5.1

🔥 Alibaba Tongyi veröffentlicht Qwen3.7-Plus: Screen-Understanding übertrifft GPT-5.4, App-Entwicklung in 11 Stunden unabhängig

Tongyi Qianwen hat Qwen3.7-Plus vorgestellt, das bei Screen-Understanding-Evaluationen GPT-5.4 übertrifft. Zudem wurde eine vollständige End-to-End-Demonstration gezeigt, in der das Modell innerhalb von 11 Stunden eine App vollständig eigenständig entwickelt hat. Damit werden die End-to-End-Fähigkeiten „Sehen, Denken, Schreiben, Tun" betont und der Einstieg in den KI-Agent-Markt weiter vorangetrieben.

Quelle: Wallstreetcn | Details: https://wallstreetcn.com/search/?keyword=Qwen3.7-Plus

🔥 百度文心发布 PaddleOCR-VL-1.6: Dokumentenanalyse-Genauigkeit übertrifft 96,33%

Das Baidu Wenxin-Team hat das PaddleOCR-VL-1.6 multimodale Dokumentenanalyse-Modell veröffentlicht, das in mehreren Dokumentenverständnis-SOTA-Benchmarks neue Rekorde aufgestellt hat, mit einer Genauigkeit von 96,33%. Es wurde bereits in der PaddlePaddle- und Wenxin-Ökosystem zum Download freigegeben und richtet sich an unternehmensbezogene OCR-/Dokumentenintelligenz-Szenarien.

Quelle: Qubit | Details: https://www.qbitai.com/search/?keywords=PaddleOCR-VL-1.6

🔥 Tencent Hunyuan präsentiert Stem Sparse Attention: Erste Zeichenlatenz bei Langtext-Rasonnement um das 3,6-fache reduziert

Das Tencent Hunyuan-Team hat den Stem Sparse Attention-Algorithmus vorgestellt, der die Latenz des ersten Zeichens bei Langkontext-Rasonnement um das 3,6-fache reduziert. Neue SOTA-Ergebnisse wurden sowohl bei der Zusammenfassung langer Texte als auch bei der Code-Vervollständigung erzielt. Das Paper und der Inferenzcode wurden bereits öffentlich zugänglich gemacht und adressieren die Schmerzpunkte bei der Implementierung von Langkontexten in großen Modellen.

Quelle: Tencent Hunyuan | Details: https://hunyuan.tencent.com/news

🔥 Tencent Hunyuan bringt Hy-Memory Memory-Plugin heraus und gestaltet das langfristige kollaborative KI-Erlebnis neu

Tencent Hunyuan hat das Hy-Memory Langzeit-Gedächtnis-Plugin veröffentlicht, das KI-Assistenten ermöglicht, Benutzerpräferenzen und Projektkontexte sitzungsübergreifend zu speichern. Offiziell heißt es, dass die Erfolgsrate bei 30-tägigen Kollaborationsaufgaben auf 78% gesteigert werden kann, was eine Infrastruktur für „kollaborative KI-Agenten" bietet.

Quelle: Tencent Hunyuan | Details: https://hunyuan.tencent.com/news

🔥 Inländische Rechenleistung schließt Vollparameter-Nachtraining eines Billionen-Parameter-KI-Großmodells ab

Wie die Securities Times berichtet, hat ein inländischer GPU-Cluster erfolgreich eine Vollparameter-Nachtrainingsaufgabe für ein KI-Großmodell mit Billionen von Parametern abgeschlossen. Dies markiert einen wichtigen Durchbruch der inländischen Rechenleistung in der Trainingspipeline für Großmodelle und kann die Abhängigkeit von ausländischen High-End-GPUs erheblich reduzieren.

Quelle: 证券时报 | Details: https://www.stcn.com/search/?keyword=%E5%9B%BD%E4%BA%A7%E7%AE%97%E5%8A%9B+%E4%B8%87%E4%BA%BF

🔥 Doubao tritt in die kostenpflichtige Ära ein, ByteDance sucht nach neuen Wachstumskurven

36Kr exklusiv enthüllt: ByteDances vier zentrale AI-Thesen für 2026 – Doubao wird kostenpflichtig als wichtiger Bestandteil; zeitgleich verlässt der ehemalige Seed-Verantwortliche Gu Quanquan das Unternehmen, Team-Reorganisation konzentriert sich auf ToB, Modell-Abonnements und die Schließung des AI-Monetarisierungskreislaufs.

Quelle: 36Kr | Details: https://36kr.com/search/articles/%E8%B1%86%E5%8C%85%20%E6%94%B6%E8%B4%B9

🔥 DeepSeek schließt erste Finanzierungsrunde mit rund 50 Milliarden Yuan ab und führt das Ranking der neuen US-Unternehmensbeschaffungen an

DeepSeek steht kurz vor dem Abschluss einer ersten Finanzierungsrunde mit einem Volumen von rund 50 Milliarden RMB; gleichzeitig führt das Unternehmen das Ranking der neuen Beschaffungen durch US-Unternehmen an und wird damit zum标志haften AI-Produkt für chinesische Unternehmen bei der Expansion ins Ausland sowie zu einem wichtigen Meilenstein für die Kommerzialisierung von Large Language Models in China.

Quelle: 凤凰网科技 | Details: https://tech.ifeng.com/search/?keyword=DeepSeek+500%E4%BA%BF

Internationale Top-Themen

🔥 Anthropic open-source AI-Schwachstellenentdeckungs-Framework und setzt auf industrialisierte AI-Sicherheit

Anthropic hat ein Reference Harness für KI-gestützte Schwachstellenfindung Open-Source gestellt, das es Unternehmensteams ermöglicht, KI-Schwachstellenjäger in CI/CD- und Red-Team-Prozesse zu integrieren. Das Repository wurde auf GitHub öffentlich gemacht und treibt die Industrialisierung der KI-Sicherheitsforschung weiter voran.

来源：GitHub | 详情：https://github.com/anthropics/defending-code-reference-harness

🔥 Anthropic veröffentlicht „When AI Builds Itself": Auf dem Weg zur rekursiven Selbstverbesserung

Das Anthropic Institute hat einen öffentlichen Blogbeitrag veröffentlicht, der die neuesten Fortschritte in Richtung rekursive Selbstverbesserung (recursive self-improvement) vorstellt und Model-Selbst-Debugging, automatische Bewertung und selbstgenerierte Trainingsdaten abdeckt, als Antwort auf branchenweite Sicherheitsbedenken hinsichtlich der „KI-Selbstentwicklung".

来源：Anthropic | 详情：https://www.anthropic.com/institute/recursive-self-improvement

🔥 Uber führt monatliches AI-Nutzungslimit von $1.500 ein: Signal für Branchentrends bei KI-Tool-Preisen

Simon Willison analysiert Ubers Entscheidung, ein monatliches Nutzungslimit von $1.500 für interne KI-Tools einzuführen, und sieht darin ein frühes Signal für den Übergang zu „harten Budgetgrenzen" bei Unternehmens-KI-Codierungs- und Agent-Tools, was auch die schnell steigenden Token-Kosten widerspiegelt.

来源：Simon Willison | 详情：https://simonwillison.net/2026/Jun/3/uber-caps-usage/

🔥 Alphabet kündigt 80-Milliarden-Dollar-Kapitalerhöhung für KI-Rechenleistungsausbau an

Alphabet plant, durch eine Kapitalerhöhung 80 Milliarden Dollar zu beschaffen, mit Schwerpunkt auf KI-Infrastruktur, Rechenzentren und Rechenleistungsausbau, um die Trainings- und Inferenzfähigkeiten von Google Cloud und der Gemini-Modellreihe zu stärken.

Quelle: ABC News | Details: https://abc.xyz/investor/news/news-details/2026/Alphabet-Announces-Proposed-80-Billion-Equity-Capita

🔥 Liquid AI veröffentlicht LFM2.5-8B-A1B: MoE-Modell trainiert auf 38T Tokens

Liquid AI veröffentlicht das LFM2.5-8B-A1B Mixture-of-Experts-Modell mit insgesamt 8B Parametern, davon 1B aktiviert, jedoch mit einer Trainingsdatenmenge von beeindruckenden 38T Tokens. Das Modell zeichnet sich durch Inferenz mit niedriger Latenz auf Endgeräten und hochwertige Code-Generierung aus und ist als Open Source verfügbar.

Quelle: Liquid AI | Details: https://www.liquid.ai/blog/lfm2-5-8b-a1b

🔥 Stanford Law School Studie: KI schlägt Jura-Professoren bei juristischen Aufgaben

Eine aktuelle Studie der Stanford Law School zeigt, dass führende Large Language Models bei Aufgaben wie Vertragsprüfung und Gesetzesrecherche die Leistung erfahrener Jura-Professoren bereits stabil übertreffen. Dies hat zu breiten Diskussionen in der juristischen Ausbildung und der Rechtsdienstleistungsbranche geführt und die Debatte über „KI ersetzt Büroarbeiter" erneut entfacht.

Quelle: Stanford Law | Details: https://law.stanford.edu/press/ai-outperforms-law-professors-in-stanford-law-study/

🔥 Anthropic übertrifft OpenAI und wird zum wertvollsten KI-Start-up der Welt

Berichten mehrerer Medien zufolge hat Anthropic bei einer neuen Finanzierungsrunde OpenAI im Wert überholt und ist damit zum wertvollsten KI-Start-up der Welt geworden, mit einer Bewertung von etwa 300 Milliarden US-Dollar, was den Matthäus-Effekt bei führenden Large-Language-Modell-Unternehmen verstärkt.

Quelle: Qazinform | Details: https://qazinform.com/news/anthropic-surpasses-openai-to-become-worlds-most-valuable-ai-startup

Weitere Lektüre