Dylan Patel (SemiAnalysis): Software-Hardware-Co-Design macht aus 2x hier und 2x dort 100x – indem Modelle, Kernel und Silizium gemeinsam optimiert werden.

DeepSeeks Architektur wurde auf Nvidias Hopper getrimmt, TPUs kämpfen damit. OpenAIs spärlichere und Anthropics dichtere Modelle verlangen unterschiedliche Hardware – der CUDA‑Graben war nie nur CUDA.

InferenceX, ein lebendiger Benchmark, testet täglich neueste Modelle auf gespendeter Hardware im Wert von über $50 Mio. und verfolgt einen jährlichen Kostensenkungstrend von ~60× pro Qualitätseinheit.

Patel prognostiziert: Inference wird ein größerer Markt als Öl. Der Compute-Engpass bleibt, weil Modelle den Nutzen schneller steigern als die Rechenleistung wächst.

Claude Sonnet 5 erreicht 63 % agentisches Coding für $2/M Token – eine neue Benchmark von Anthropic.

Google liefert Nano Banana 2 aus und verschärft den Wettlauf um kostengünstige Coding-Modelle.

Thomas von Tschammer (Neural Concept) demonstriert, wie physikbewusste KI 3D‑Designs in Minuten bewertet und Jaguar Land Rover von 50 auf 1.500 Aerodynamik‑Iterationen pro Tag bringt.

Batteriekühlplatten‑Zulieferer verkürzen Entwicklungszyklen und steigern die Leistung; KI‑geführte Entwicklung komprimiert Zeitpläne und setzt träge OEMs unter Druck.

OpenAI‑Ingenieure nutzten großangelegte Core‑Dump‑Analysen, um seltene Infrastruktur‑Abstürze zu debuggen, und fanden einen Hardwarefehler sowie einen 18 Jahre alten Software‑Bug.