AI Builders Digest · 2026-09-21

Einleitung / Editor's Note

Chinesische Open-Weight-Modelle sind laut Interconnects nur noch zwei bis fünf Monate hinter den US-Frontiermodellen. Alibabas Qwen-Image-2.1 fordert mit sieben Milliarden Parametern geschlossene Bildmodelle heraus. Noam Brown spricht bei Dwarkesh Patel über die wachsende Kluft zwischen ChatGPT und interner OpenAI-KI. Dahinter steckt eine gemeinsame Frage: Wie baut man KI, die nicht nur leistungsfähig, sondern auch vertrauenswürdig ist?

Theme 01

Open Models: China's Open-Weight Surge / Chinas Open-Weight-Schub

Chinese open-weight models are closing the gap with closed US frontier models across text and image generation.

Interconnects Blog

@natolambert

Chinesische Open-Weight-Modelle liegen nur noch 2–5 Monate hinter der US-Frontier; US-Open-Weight-Modelle 6–9 Monate hinter OpenAI und Anthropic.

Z.ai's GLM-5.3 führt mit Score 45, gefolgt von Moonshots Kimi K3 (44) und GLM-5.3-Flash (42).

Die wöchentliche Token-Nutzung offener Modelle stieg von ~1T im September 2025 auf ~80T heute.

Chinese open-weight models are now 2–5 months behind closed US frontier models; US open weights are 6–9 months behind OpenAI and Anthropic.

Z.ai's GLM-5.3 leads with a score of 45, followed by Moonshot's Kimi K3 at 44 and GLM-5.3-Flash at 42.

Weekly open-model token usage grew from ~1T in September 2025 to ~80T today.

Quelle / Source →

The Decoder AI News

@TheDecoder

Alibaba veröffentlicht Qwen-Image-2.1, ein offenes 7B-Bildmodell, das geschlossene Modelle schlagen soll.

Das Modell zielt auf Bildgenerierung und fordert proprietäre Systeme mit weit weniger Parametern heraus.

Alibaba released Qwen-Image-2.1, an open-weight 7B image model that claims to beat closed models.

The model targets image generation, challenging proprietary systems with far fewer parameters.

Quelle / Source →

Theme 02

Agentic Systems Under Trust Pressure / Agentische Systeme unter Vertrauensdruck

Both Tencent Gander and YC's banking agents target reliability in long-running or regulated workflows.

The Decoder AI News

@TheDecoder

Tencent stellt Gander vor, einen KI-Assistenten, der während Hintergrundarbeit weiter spricht.

Die Funktion zielt auf kontinuierliche Interaktion bei langlaufenden Aufgaben, nicht nur auf Chat-Runden.

Tencent introduced Gander, an AI assistant designed to keep talking while it works in the background.

The feature targets continuous interaction during long-running tasks, not just turn-based chat.

Quelle / Source →

Y Combinator YouTube

@ycombinator

Y Combinator diskutiert, was nötig ist, damit Banken KI-Agenten vertrauen.

Die Session behandelt Agentenzuverlässigkeit in regulierten Finanzumgebungen.

Y Combinator discusses what it takes for banks to trust AI agents.

The session focuses on agent reliability in regulated financial environments.

Quelle / Source →

Theme 03

The ChatGPT-Internal AI Gap / Die Kluft zwischen ChatGPT und interner KI

Noam Brown discusses why public ChatGPT differs from OpenAI's internal models.

Dwarkesh Patel YouTube

@DwarkeshPatel

Dwarkesh Patel spricht mit Noam Brown über die wachsende Kluft zwischen ChatGPT und interner OpenAI-KI.

Das Gespräch beleuchtet, warum öffentliches ChatGPT von internen OpenAI-Systemen abweicht.

Dwarkesh Patel interviews Noam Brown about the growing gap between ChatGPT and the AI inside OpenAI.

The conversation explores why public ChatGPT differs from internal OpenAI systems.

Quelle / Source →

Theme 04

Bio-Inspired Architecture / Bio-inspirierte Architektur

Liquid AI draws architectural lessons from biological neural circuits.

Latent Space YouTube

@LatentSpacePod

Latent Space spricht mit Ramin Hasani (Liquid AI), wie ein Wurm mit 302 Neuronen die Architektur inspirierte.

Liquid AI nutzt biologische neuronale Schaltkreise als Blaupause für effizientere KI-Systeme.

Latent Space interviews Ramin Hasani (Liquid AI) on how a 302-neuron worm inspired their architecture.

Liquid AI uses biological neural circuits as a blueprint for more efficient AI systems.

Quelle / Source →