Hi zusammen, heute Nacht ist etwas passiert, das ihr diese Woche überall lesen werdet – und ich möchte euch vorher kurz einordnen, was davon für euch praktisch relevant ist. Denn das ist weniger, als die Schlagzeilen suggerieren. Aber das, was übrig bleibt, ist wichtig. Was passiert ist Moonshot AI aus China hat die Gewichte von Kimi K3 veröffentlicht. 2,8 Billionen Parameter, eine Million Token Kontext. In den unabhängigen Ranglisten landet das Modell weltweit unter den Top 3 – geschlagen nur von den absoluten Spitzenmodellen aus den USA. Es ist das stärkste offene Modell, das je erschienen ist. „Open Weight" heißt: Jeder darf die Gewichte herunterladen und selbst betreiben. Kein Anbieter dazwischen, kein Türsteher. Klingt nach dem Ende aller Abos, oder? Der Haken Die Gewichte belegen rund 1,4 Terabyte. Wer sie selbst betreiben will, braucht ungefähr hundert Hochleistungs-GPUs. Das ist kein Rechner unterm Schreibtisch, das ist ein Rechenzentrum. Bleibt die Schnittstelle. Die kostet 3 Dollar pro Million eingehender Token und 15 Dollar pro Million ausgehender. Premium-Preisklasse. K3 ist kostenlos wie eine Autobahn kostenlos ist. Du brauchst halt ein Auto. Und wer verkauft die Autos? Kurzer Blick hinter die Kulissen, weil ich das erhellend finde: Vergangenen Freitag haben 25 US-Unternehmen einen offenen Brief nach Washington geschickt – bloß keine Beschränkungen für offene Modelle. Unterschrieben haben Nvidia, Microsoft, Meta, IBM, Dell, Palantir. Nicht unterschrieben haben OpenAI, Anthropic und Google. Kein Zufall. Offene Modelle machen die Modellebene austauschbar – und verschieben das Geld eine Etage tiefer: auf Chips, Cloud, Rechenzentren. Genau dorthin, wo die Unterzeichner verdienen. Wer keine Modelle verkauft, sondern die Maschinen darunter, hat ein handfestes Interesse daran, dass Modelle billig werden. Das macht offene Modelle nicht schlecht. Aber es erklärt, warum die Begeisterung ausgerechnet von dort kommt. Was für dich wirklich drin ist Zwei Dinge, und die sind konkret:

Heute hat Anthropic das neue Modell Claude Opus 4.7 veröffentlicht. Und normalerweise würde ich bei einem Modell-Update sagen: „Ja, nett, wieder ein paar Benchmarks besser." Aber dieses Update ist anders – und ich erkläre euch, warum. Was ist neu? Das Wichtigste zuerst: Opus 4.7 befolgt Anweisungen jetzt wörtlich. Klingt banal, ist es aber nicht. Wer Claude kennt, weiß: Bisher hat das Modell Prompts oft „kreativ interpretiert" – also Teile übersprungen, Dinge hinzugedichtet oder locker ausgelegt. Das neue Modell nimmt euch beim Wort. Wenn ihr sagt „Schreib genau drei Absätze", bekommt ihr drei Absätze. Nicht vier. Nicht zweieinhalb mit einer netten Ergänzung. Anthropic warnt sogar selbst: Alte Prompts, die bisher funktioniert haben, können jetzt unerwartete Ergebnisse liefern – weil das Modell sie jetzt endlich wörtlich nimmt. Wer also über Monate seine Prompts so formuliert hat, dass Claude „versteht, was gemeint ist", sollte die nochmal prüfen. Das Modell rät nicht mehr – es gehorcht. Warum mich das persönlich freut Ich arbeite jeden Tag intensiv mit Claude. Für meine Kurse, für Texte, für Automatisierungen, für Code. Und eine der größten Frustrationen war immer: Du gibst eine detaillierte Anweisung und bekommst 80% davon zurück, garniert mit Eigeninterpretation. Das ändert sich jetzt spürbar. Dazu kommt: Opus 4.7 kann Bilder in deutlich höherer Auflösung verarbeiten (dreimal so viele Pixel wie vorher). Für alle, die mit Screenshots, Diagrammen oder Dokumenten-Scans arbeiten – das ist ein echter Sprung. Was ihr wissen müsst Zwei Dinge, die Anthropic ehrlich kommuniziert (finde ich gut): 1. Der Token-Verbrauch kann steigen – bis zu einem Drittel mehr, je nach Input. Das liegt am neuen Tokenizer und daran, dass das Modell gründlicher „nachdenkt". Man kann das aber steuern, zum Beispiel mit dem neuen Effort-Parameter oder indem man das Modell auffordert, sich kürzer zu fassen. 2. Opus 4.7 ist nicht das stärkste Modell von Anthropic. Das ist „Claude Mythos Preview" – ein Modell, das so gut darin ist, Sicherheitslücken zu finden, dass Anthropic es unter Verschluss hält und nur ausgewählten IT-Sicherheitsfirmen zur Verfügung stellt. Opus 4.7 schlägt aber seinen Vorgänger Opus 4.6 in praktisch allen Bereichen.

KI übernimmt – schneller, günstiger und erstaunlich gut. Ich habe die Studiofotos und das Video, die ihr hier seht, nicht in einem echten Fotostudio aufgenommen. Kein Make-up, kein Lichtaufbau, kein Fotograf, keine After-Effects-Session. Alles basiert auf einem einzigen Selfie. 👉 Die Bilder habe ich mit Nano Banana Pro generiert. 👉 Das Video stammt von WAN – ein Modell, das aus einem Foto hochwertige, animierte Portrait-Clips erstellt. Das Ganze hat weniger als fünf Minuten gedauert. 🔍 Wie funktioniert das technisch? Beide Tools arbeiten mit Image-to-Image-Modellen, die aus einer Vorlage (Selfie) ein stilistisch kontrolliertes, neues Bild oder Video erzeugen. Dabei passiert im Hintergrund Folgendes: 1. Identität extrahieren Das Modell erkennt wiederkehrende Merkmale deines Gesichts: – Gesichtsform – Augen, Nase, Mund – Proportionen – charakteristische Details (Bart, Falten, Haare usw.) Damit entsteht etwas wie ein Face Embedding – eine mathematische Darstellung deiner Identität. 2. Stil und Setting neu generieren Dann übernimmt das Modell: – Studio-Look, Outfit, Licht, Hintergrund – Kamera-Perspektive – Farbgestaltung oder sogar spezielle „Fotografen-Stile“ Ohne dass dein Gesicht dabei verfälscht wird. 3. Für Videos: temporale Konsistenz WAN sorgt zusätzlich dafür, dass dein Gesicht über alle Frames hinweg stabil bleibt: – natürliche Bewegungen – saubere Übergänge – keine „Morphing“-Effekte – Lippen- und Augenbewegungen wirken realistisch Dadurch entsteht ein Video, das erstaunlich professionell aussieht. 🧠 Was musst du beachten, wenn du sowas selbst nutzen willst? ✔ 1. Good Input = Good Output Ein klares Selfie, gute Ausleuchtung, neutraler Hintergrund – dann werden die Ergebnisse deutlich besser. ✔ 2. Nicht übertreiben Zu starke Retusche oder unrealistische Stile wirken schnell „AI-ish“. Für professionelle Fotos lieber dezente Looks wählen. ✔ 3. Konsistenz herstellen Wenn du Bilder für Marketing, Website, Presse oder LinkedIn nutzt: – Einmal einen Stil definieren

Hey Leute, habt ihr mitbekommen, was gerade passiert? Die Kombination aus Bild-KI + Video-KI hat einen Punkt erreicht, an dem wir Dinge erstellen können, für die man früher Produktionsteams, Studios und fünfstellige Budgets gebraucht hätte. Was heute möglich ist: ✅ Konsistente Charaktere – erstellt mit Tools wie NanoBanana Pro ✅ Professionelle Video-Sequenzen – animiert mit Veo3 oder vergleichbaren Video-KIs ✅ Kampagnen-ready Content – ohne Casting, ohne Models, ohne Dreh Und das Beste: Diese Tools sind für jeden zugänglich. Kein Millionen-Konzern nötig. Kein Hollywood-Equipment. Nur du, deine Idee und die richtigen Tools. Was das bedeutet: 🎯 Marketer können Kampagnen testen, bevor sie ein echtes Set buchen 🎯 Content Creator können Stories erzählen, die vorher unbezahlbar waren🎯 Gründer können ihr Produkt präsentieren – mit perfektem Testimonial 🎯 Kreative können ihre Vision umsetzen – ohne Kompromisse beim Budget Die Grenze verschwimmt Wir reden hier nicht von offensichtlichen "KI-Videos" mit robotischen Bewegungen. Wir reden von Ergebnissen, bei denen ihr zweimal hinschauen müsst. Von Charakteren, die durch mehrere Szenen konsistent bleiben. Von Content, der professionell aussieht – weil er es ist. Die Frage ist nicht mehr: "Kann KI das?"Die Frage ist: "Was mache ich damit?" Wer von euch experimentiert schon mit dieser Kombi? Oder wer plant gerade sein erstes Projekt? Lasst uns in den Kommentaren austauschen! 👇 PS: Falls ihr tiefer einsteigen wollt – genau solche Workflows und Tools sind Teil unserer Community hier. Let's create! 🚀

Gestern hat Sam Altman bei OpenAI den Notfall ausgerufen. "Code Red" – alle Projekte werden gestoppt, alles fokussiert sich jetzt auf ChatGPT. Der Grund? Google's Gemini 3 überholt ChatGPT in wichtigen Tests. Die Ironie: Fast genau drei Jahre zuvor, im Dezember 2022, hatte Google wegen ChatGPT den "Code Red" ausgerufen. Damals war das Startup OpenAI der Störenfried, der Googles Suchmaschinen-Monopol bedrohte. Was jetzt passiert: Google hat aufgeholt. Gemini 3 schlägt ChatGPT in mehreren Benchmarks, die Nutzerzahlen explodieren (450 → 650 Mio. monatlich). Salesforce-CEO Marc Benioff nach zwei Stunden mit Gemini 3: "I'm not going back." Altman's Reaktion: Werbung verschoben, KI-Agenten pausiert, Browser-Projekt zurückgestellt. Alles auf ChatGPT. Nächste Woche kommt ein neues Modell, das Gemini schlagen soll. Die Realität: ChatGPT hat noch 70% Marktanteil und 800 Mio. User pro Woche. ABER: OpenAI ist nicht profitabel, muss bis 2030 von $13 Mrd. auf $200 Mrd. Umsatz wachsen. Google kann seine KI aus anderen Einnahmen finanzieren. Was das für uns bedeutet: In der KI-Welt gibt es keine sicheren Positionen mehr. Wer heute führt, ist morgen unter Druck. Und das ist gut für uns – denn jeder "Code Red" bedeutet bessere Tools, schneller. Wer 2022 den Alarm auslöste, kämpft heute selbst ums Überleben. Der Kreis schließt sich. Frage an euch: Nutzt ihr mehr ChatGPT oder Gemini? Habt ihr den Unterschied in den letzten Wochen gemerkt?