Die heutigen Geschichten teilen ein leises Thema: Die rohe Leistungsfähigkeit rast voran, doch der Nutzen zeigt sich nur dort, wo das umgebende System dafür bereit ist. Ein chinesisches Labor öffnet ein Modell in Spitzengrösse, das seine eigene Trainingspipeline abstimmte; ein Speicherhersteller verlagert das Rechnen in den DRAM-Chip; ein Entwickler entdeckt, dass Agenten an altem Code nicht aus Dummheit scheitern, sondern weil der Code nie festlegte, was seine eigenen Begriffe bedeuten; ein Engineering-Leader vertritt die unmoderne These, dass Kultur jedes KI-Werkzeug übertrifft; und das Nebenprojekt einer Einzelperson liefert die Mac-zu-iPhone-Brücke, die Linux-Nutzer seit Jahren vermissen. Hier ist, was geschah, und was zu tun ist.
1. Tencent öffnet ein 770B-Modell, das an sich selbst mitbaute
Tencent veröffentlichte und öffnete Hy4 preview, ein grosses Sprachmodell mit 770 Milliarden Gesamtparametern, 49 Milliarden aktiven pro Token und einem Kontextfenster jenseits einer Million Tokens. Es zielt direkt auf «reale Produktivität»: Programmieren, Büroarbeit und wissenschaftliche Forschung. In Tencents eigener interner Blindbewertung über 203 Engineering-Aufgaben, beurteilt von 163 Fachleuten, erreichte Hy4 preview 2,99 von 4,00 und lag damit knapp vor GLM-5.3 (2,92) und Kimi K3 (2,94). Die API-Preise liegen bei rund USD 0,83 pro Million Eingabe-Tokens und USD 2,50 pro Million Ausgabe-Tokens, Cache-Treffer sind deutlich günstiger.
"Damit wurde eine frühe rekursive Selbstverbesserungsschleife etabliert." — Tencent, dazu, dass Hy4 preview an der automatisierten Optimierung seiner eigenen Trainingsmethoden und Operatoren beteiligt war
Bemerkenswerter als der Benchmark ist der Prozess. Laut Tencent trug das Modell zur eigenen Entwicklung bei, schlug Ansätze vor, führte Experimente durch und iterierte über Trainingsstrategien und maschinennahe Operatoren. Es analysierte zudem Engpässe im eigenen Inferenz-Stack und trieb Optimierungen voran, die den Ende-zu-Ende-Durchsatz um 31,8 % über die Basislinie hoben. Was immer Sie von der «Selbstverbesserungs»-Rahmung halten, die Richtung ist klar: Offen lizenzierte Modelle in Spitzengrösse landen nun zu Preisen, die viele geschlossene Platzhirsche unterbieten.
Bedeutung für Ihr Unternehmen: Ein offenes Modell dieser Grösse verändert Ihre Optionen für Daten, die Ihr Haus nicht verlassen dürfen. Sie können Hy4 im Prinzip auf selbst kontrollierter Infrastruktur betreiben oder feinjustieren, statt sensible Prompts an eine geschlossene US-API zu schicken, was bei Schweizer oder EU-Datenresidenzvorgaben unmittelbar zählt. Wägen Sie das gegen die betriebliche Realität ab: 770B Parameter sind keine Laptop-Last, und das Selbst-Hosten von Spitzenmodellen ist eine ernste Verpflichtung. Nehmen Sie es als Signal, Ihre KI-Architektur modellunabhängig zu halten, damit eine günstigere oder konformere Option ohne Neubau einrückt.
Quellen: Tencent releases and open-sources Hy4 preview (tencent.com) · Hacker-News-Diskussion
2. Samsung verlagert das Rechnen in den Speicherchip
Auf der Hot Chips 2026 stellte Samsung LPDDR5X-PIM vor, einen Speicherchip, der an jede seiner 16 Bänke einen kleinen Processing-in-Memory-Block setzt und so Multiply-Accumulate direkt im DRAM ausführt, statt jeden Wert zu CPU oder NPU zu schaufeln. Der Gewinn ist Bandbreite: Diese Blöcke greifen zusammen auf 614 GB/s der internen Chip-Bandbreite zu, gegenüber rund 76,8 GB/s über die normale externe Schnittstelle. Das Raffinierte: Der Chip spricht Standard-LPDDR5X und nutzt reservierte Zeilenadressen als Modusumschalter, sodass ein gewöhnlicher Speichercontroller ihn ansteuern kann.
"Das verdeckte Verändern von DRAM-Inhalten und das Anhängen von Seiteneffekten an Lesebefehle bricht CPU-Caching, Prefetching und Out-of-Order-Ausführung." — Chips and Cheese, über die Softwarekosten von PIM
Der Hardware-Kreativität steht echter Software-Schmerz gegenüber. Weil PIM-Modi die Bedeutung eines Lese- oder Schreibbefehls ändern, kann ein Prozess mit PIM den Speicher nicht gefahrlos mit normalen Zugriffen teilen, was den Host zwingt, nicht-cachebare, nicht-spekulative Speicherbereiche zu reservieren, genau die Tricks, auf die moderne CPUs für Tempo bauen. Der Durchsatz pro Chip ist bescheiden (rund 2,4 TOPS), der Gewinn entsteht durch das Bündeln vieler Chips. Es ist eine elegante Antwort auf die «Memory Wall», die KI-Inferenz drosselt, aber keine, die man einfach einsteckt.
Bedeutung für Ihr Unternehmen: Sie kaufen dieses Quartal keine PIM-Module, doch der Trend zählt für alle, die On-Device- oder Edge-KI budgetieren. Die Branche greift den wahren Engpass der Inferenz an, das Bewegen von Daten, nicht die reine Rechenleistung, und genau dort entstehen künftige Kosten- und Energieeinsparungen. Wenn Sie mehrjährige Hardware-Investitionen für lokale KI planen, legen Sie sich nicht zu stark auf die heutigen GPU-lastigen Annahmen fest; speicherzentrierte Architekturen könnten die Preis-pro-Token-Rechnung umschreiben. Vorerst gilt: als Roadmap-Signal beobachten, nicht als Kaufentscheid.
Quellen: Hot Chips 2026: Samsung's Processing-in-Memory (Chips and Cheese) · Hacker-News-Diskussion
3. Domain-Driven-Agenten: Warum KI an Ihrem Altcode scheitert
Ein Entwickler veröffentlichte eine pointierte Feldnotiz dazu, warum Coding-Agenten in Greenfield-Projekten glänzen und in vier Jahre alten Codebasen straucheln. Das Scheitern hat eine klare Form: Bittet man um ein neues Feld, «erfindet das Modell eine vierte Schreibweise eines Konzepts, das bereits dreimal existiert, weil die Codebasis selbst nie entschieden hat, welche die echte ist». Die Lösung ist kein klügeres Modell, sondern eine reifere Codebasis. Mit Domain-Driven Design gibt der Autor jedem Repository ein Manifest und ein Glossar pro Kontext, die explizit festhalten, was jeder Begriff bedeutet, wem er gehört und wo ein Systemteil endet und der nächste beginnt.
"Nicht das Modell muss aufgerüstet werden. Der Code ist nicht bereit, und Bereitschaft können wir aufbauen. Schrittweise. Stück für Stück." — coldtake.dev
Das eigentliche Argument liegt in der Ökonomie darunter. Der Autor teilt die Arbeit in «strategisch» (entscheiden, was sich warum ändern soll, blieb teuer) und «taktisch» (es in die Dateien tippen, dank LLMs im Preis eingebrochen). Indem er das strategische Wissen, Grenzen, Zuständigkeit, Vokabular, in Dateien codiert, die der Agent liest, lässt sich die mechanische Hälfte gefahrlos an Sub-Agenten delegieren, die prüfbare Pull Requests öffnen. Der Mensch wird vom Umsetzer zum Koordinator und Prüfer.
Bedeutung für Ihr Unternehmen: Wenn Ihre KI-Coding-Pilotversuche im Demo-Repo alle beeindruckten, am echten Produkt aber enttäuschten, liegt es wahrscheinlich hieran. Der Engpass ist selten das Modell; es ist, dass Ihr System keine schriftliche Wahrheitsquelle für die eigenen Begriffe hat. Bevor Sie agentengestützte Entwicklung skalieren, investieren Sie in das unspektakuläre Fundament: klare Domänenglossare, explizite Modulgrenzen und maschinenlesbaren Kontext, den der Agent laden kann. Das ist zugleich eine Absicherung, dieselbe Dokumentation, die einem Agenten hilft, hilft jeder neuen menschlichen Fachkraft, der Aufwand zahlt sich unabhängig von der KI-Werkzeugentwicklung aus.
Quellen: Domain-Driven Agents (coldtake.dev) · Hacker-News-Diskussion
4. Der grösste Produktivitätshebel ist Kultur, nicht KI
Gegen ein Jahr voller «Ihre Entwickler sollten mit KI 5x produktiver sein»-Botschaften hält ein Engineering-Leader dagegen: Kein KI-Werkzeug schlägt eine gute Kultur. Das Argument stützt sich auf Conways Gesetz, wonach ein Produkt die Kommunikationsstruktur spiegelt, die es gebaut hat. Schlechte Kultur plus KI heilt die Kultur nicht; sie lässt bloss alle «schneller in die falsche Richtung laufen». Der Text ist besonders scharf zu Führungskräften, die beim «10x»-Anspruch eines Wettbewerbers in Panik geraten und ihre Teams beschuldigen, was still die psychologische Sicherheit zerstört, von der echte Produktivität abhängt.
"KI-Einführung ist kein Werkzeugproblem, sondern ein Führungsproblem." — Gregor Ojstersek
Die praktische Anleitung ist erfrischend konkret. Rahmen Sie KI als ein weiteres Werkzeug, das gute Ingenieure zu führen lernen, nie als Grund, dass jemand «nicht mehr gebraucht wird», was die Moral sofort vergiftet. Treiben Sie die Einführung von unten nach oben voran, denn die Werkzeuge ändern sich wöchentlich und Wissen muss zwischen Menschen fliessen, nicht von oben verordnet werden. Und prüfen Sie die Anreize hinter jedem aufsehenerregenden Produktivitätsversprechen: Viele sind faktisch Marketing für ein Produkt oder eine Partnerschaft.
Bedeutung für Ihr Unternehmen: Bevor Sie eine weitere KI-Lizenz kaufen, prüfen Sie, ob Ihre Teams klare Zuständigkeiten, Entscheidungsbefugnis ohne endlose Freigaben und die Sicherheit haben, der Führung zu widersprechen. Diese Bedingungen lassen jedes Werkzeug den Output vervielfachen; ohne sie verstärkt KI nur die Dysfunktion. Wenn Sie Menschen führen, achten Sie auf Ihre eigene Sprache: Ein einziges «so viele Leute brauchen wir jetzt nicht mehr» einer CTO kann Monate an Vertrauen zunichtemachen. Das Ziel ist nicht maximale KI-Nutzung, sondern Geschäftsergebnisse, und die Kultur ist der Hebel, der entscheidet, ob die Werkzeuge helfen oder schaden.
Quellen: Good Culture Is the Biggest Productivity Hack, Not AI (Engineering Leadership) · Hacker-News-Diskussion
5. Tether bringt iMessage, SMS und Continuity auf Linux
Ein Entwickler, der vollständig von macOS zu Linux wechselte, vermisste genau eine Sache: Apples «Continuity», den nahtlosen Fluss von iMessages, SMS, Dateien, Zwischenablage und Benachrichtigungen zwischen iPhone und Rechner, und besonders das automatische Ausfüllen von Einmalcodes in Anmeldeformularen. Also baute er Tether, ein MIT-lizenziertes Projekt, das nun iMessage, SMS, Benachrichtigungen, Kontaktsynchronisierung, Dateiübertragung, Zwischenablage-Sync und OTP-Autofill auf Linux mit einem iPhone liefert. Die Vernetzung ist von Anfang an mit mTLS abgesichert, und beide Seiten müssen zustimmen, bevor überhaupt etwas kommuniziert.
"Meine verdammten SMS-OTP-Codes werden ENDLICH im Webbrowser automatisch ausgefüllt!" — Zack Bartel, Autor von Tether
Der Aufbau ist ein schönes Beispiel pragmatischer Technik. Der wirklich harte Teil, mit iMessage und SMS ohne zwischengeschalteten Mac-Proxy zu sprechen, wurde durch Protokolldokumentation aus der Community erschlossen und dann sauber in C++ unter einer permissiven Lizenz neu implementiert, sodass jeder darauf aufbauen kann. Raue Kanten bleiben (OTP-Autofill stützt sich derzeit auf Firefox- und Thunderbird-Erweiterungen), und der Autor gibt offen zu, dass Bluetooth «2026 noch immer ein komplettes Chaos» sei. Es ist eine Erinnerung, dass eine entschlossene Einzelperson noch immer Lücken schliessen kann, die die Plattformanbieter offen lassen.
Bedeutung für Ihr Unternehmen: Für Teams, die sich auf Linux standardisieren, senkt dies eine echte Reibung, die manche Mitarbeitende zurück zu macOS drängt. Interoperabilitätswerkzeuge wie dieses erweitern Ihre realistische Hardware- und Betriebssystemwahl, nützlich, wenn Sie die Abhängigkeit vom Ökosystem eines einzelnen Anbieters verringern wollen. Prüfen Sie vor dem Rollout die Sicherheitslage: Gegenseitiges TLS und Pairing sind die richtigen Voreinstellungen, doch eine geräteübergreifende Brücke, die OTP-Codes verarbeitet, verdient eine gründliche Prüfung, bevor sie Firmen-Logins berührt. Behandeln Sie es als vielversprechend, aber noch nicht unternehmensfreigegeben.
Quellen: Tether: iMessage, SMS, etc. on Linux (zackbartel.com) · Hacker-News-Diskussion
Praktische Erkenntnisse
| Thema | Umsetzbare Erkenntnis |
|---|---|
| Tencent Hy4 preview | Offene Modelle in Spitzengrösse verändern die Make-or-Buy-Rechnung; halten Sie Ihren KI-Stack modellunabhängig, damit ein günstigeres oder konformeres Modell einrückt. |
| Samsung PIM | Der wahre Inferenz-Engpass ist das Bewegen von Daten, nicht das Rechnen; beobachten Sie speicherzentrierte Hardware, bevor Sie sich auf GPU-lastige Mehrjahrespläne festlegen. |
| Domain-Driven-Agenten | Agenten scheitern an Altcode, weil ihm eine Wahrheitsquelle fehlt; investieren Sie in Domänenglossare und klare Grenzen, bevor Sie KI-Coding skalieren. |
| Kultur vor KI | Prüfen Sie zuerst Zuständigkeit, Entscheidungsrechte und psychologische Sicherheit; Werkzeuge verstärken die Kultur, die Sie ohnehin haben, im Guten wie im Schlechten. |
| Tether auf Linux | Interop-Werkzeuge erweitern Ihre OS-Wahl, doch prüfen Sie jede geräteübergreifende Brücke mit OTP-Codes sicherheitstechnisch, bevor sie Firmen-Logins berührt. |
Fazit
Der rote Faden heute ist Bereitschaft. Ein 770B-Modell, Rechnen in Ihrem RAM und ein Heer von Coding-Agenten sind alle rohe Pferdestärke, doch jede zahlt sich nur dort aus, wo das umgebende System, Ihre Datenstrategie, Ihre Architektur, Ihre Codebasis, Ihre Kultur, darauf vorbereitet ist, sie gut zu nutzen. Die Organisationen, die das nächste Jahr gewinnen, sind nicht jene, die am meisten Leistungsfähigkeit gekauft haben; es sind jene, die die unglamouröse Arbeit geleistet haben, sich darauf vorzubereiten. Welcher Teil Ihres Unternehmens würde morgen einen Sprung in der KI-Leistung tatsächlich aufnehmen, und welcher würde nur schneller zerbrechen?