Die Linie des Tages führt von den neuen technischen Modellen eines Modelllabors über die Erweiterung der Beschleunigerfamilie der achten Generation eines Cloud-Anbieters und ein Robotik-Grundlagenmodell für geschickte Manipulation bis zu einem leichten Modell für die Ausführung durch Agenten und zu einer Veränderung der Beschaffungswege für Unternehmen: Anthropic hat am 9. November Claude Fable 5.2 und Claude Mythos 5.2 veröffentlicht, dasselbe zugrunde liegende Modell, mit Verbesserungen bei Programmieren, Schlussfolgern und Sehen, Ausgaben, die gegenüber 5.1 um bis zu etwa 30 Prozent schneller sind, und einem niedrigeren Preis als in der Vorgängergeneration. Google stellte am selben Tag in einem Beitrag von Amin Vahdat TPU 8tx und TPU 8i Max vor und erweiterte die TPU-Linie der achten Generation innerhalb eines Jahres auf vier Systeme. NVIDIA enthüllte auf der Conference on Robot Learning (CoRL) GR00T 2, ein offenes Frontier-Weltaktionsmodell auf Basis von Cosmos, und sprach über Simulations- und Bewertungswerkzeuge einschließlich Isaac Lab 3.0. Meta startete Muse Ember, das kleinste und effizienteste Muse-Modell, für Werkzeugaufrufe, Programmierteilaufgaben, Routing, Extraktion und das Parsen langer Dokumente. OpenAI listete ChatGPT Enterprise im AWS Marketplace, sodass Organisationen das Produkt über ihre bestehende AWS-Kauf- und Abrechnungsbeziehung erwerben und verwalten können.

1. Anthropic stellt Claude Fable 5.2 und Claude Mythos 5.2 vor

Am 9. November 2026 veröffentlichte Anthropic Claude Fable 5.2 und Claude Mythos 5.2 und beschrieb die Modelle als dafür gedacht, die anspruchsvollsten technischen Herausforderungen anzugehen. Das Unternehmen schrieb, sie seien dasselbe zugrunde liegende Modell: Fable verfügt über starke Sicherheitsvorkehrungen für Cybersicherheit und Biologie, sodass Anthropic es allen Nutzern bereitstellen kann; Organisationen, die nützliche Anwendungen in der Cybersicherheit oder der biomedizinischen Forschung verfolgen, können Mythos über die kürzlich erweiterten Life-Sciences- und Cyber-Verification-Programme beantragen.

Anthropic sagte, Fable 5.2 und Mythos 5.2 zeigten Verbesserungen etwa beim Programmieren, Schlussfolgern und Sehen, erzeugten Ausgaben um bis zu etwa 30 Prozent schneller als Claude Fable 5.1 und Claude Mythos 5.1 und seien günstiger: 8 Dollar je Million Eingabetoken und 40 Dollar je Million Ausgabetoken. Ein optionaler Schnellmodus beschleunigt die Tokenerzeugung um bis zu etwa das 2,5-Fache und kostet 16 Dollar je Million Eingabetoken sowie 80 Dollar je Million Ausgabetoken.

In Vorabtests nannte Anthropic Beispiele, die das Unternehmen als Belege für die Fähigkeiten der Modelle anführte: Ingenieure schlossen Softwaremigrationen ab, die sonst kaum machbar gewesen wären; die Modelle entwarfen drei funktionierende elektronische Geräte von Grund auf; sie lösten zwei offene Probleme der Physik Schwarzer Löcher; sie machten deutliche Fortschritte bei Robotikbewertungen; und etwa 1000 Fable-5.2-Agenten formalisierten den Beweis von Fermats letztem Satz in 30 Stunden mit minimalem menschlichen Eingriff. Im selben Aufbau hatte Opus 5.5 nach 18 Stunden etwa 26 Prozent der Formalisierung abgeschlossen.

Die von Anthropic genannten Benchmarks – mit Sicherheitsvorkehrungen, sofern nicht anders angegeben – umfassen FrontierCode 2.0 bei Xhigh-Einsatz von 49,1 Prozent, nach Angaben des Unternehmens der höchste Wert jedes veröffentlichten Modells, das es getestet hat; FrontierSWE v2 mit 69,9 Prozent; AutomationBench mit 51,4 Prozent; Terminal-Bench-Science 0.1 mit 74,6 Prozent für Fable und 75,3 Prozent für Mythos; CyScenarioBench mit 76,3 Prozent für Mythos; CVE Rediscovery mit 89,6 Prozent für Mythos; OSWorld 2.1 (teilweise) mit 89,3 Prozent; RoboDojo Sim mit 64,9 Prozent; Humanity’s Last Exam mit Werkzeugen mit 74,2 Prozent; und den Remote Labor Index bei High-Einsatz mit 41,3 Prozent.

Anthropic empfahl, für die meisten Programmier- und Wissensaufgaben mit Claude Opus 5.5 als stärkstem alltäglichem Arbeitspferd zu beginnen und je nach Umfang und Komplexität zu Fable oder Mythos aufzusteigen – oder zu Claude Sonnet 5.5 oder Claude Haiku 5.5 abzusteigen. Fable 5.2 kann auch als Advisor dienen, den kleinere Modelle bei schwierigeren Problemen konsultieren, oder als Orchestrator, der einfachere Aufgaben an kleinere Modelle delegiert.

Zur Sicherheit erklärte das Unternehmen, es habe die bislang stärksten Schutzmaßnahmen gegen Destillationsangriffe umgesetzt und die von Destillierern gesammelten Daten um 90 bis 99 Prozent reduziert; preserved thinking gelte nun für alle Konten. Während des Trainings habe Anthropic Fortschritte bei Forschungsfähigkeiten, die die KI-Entwicklung am direktesten beschleunigen könnten – darunter die Optimierung von Beschleuniger-Kernels und Verbesserungen an Architekturen großer Sprachmodelle – bewusst etwa auf dem Niveau von Opus 5.5 gehalten, verwandte Fähigkeiten wie agentisches Programmieren, Hardwareentwicklung und Interpretierbarkeitsforschung jedoch unberührt gelassen. Enterprise Frontier Safeguards befindet sich nun in einer privaten Beta mit Kunden wie Bridgewater, Salesforce und Stripe.

Claude Fable 5.2 ist ab heute auf Plattformen einschließlich Amazon Web Services, Google Cloud und Microsoft Azure unter der Modellkennung claude-fable-5-2 verfügbar. Mythos ist über die Verifizierungsprogramme erhältlich; Kunden von Claude Enterprise können zudem Claude Security nutzen, das nun unter anderem auf Mythos 5.2 zurückgreift.

Takeaway: Anthropic hat ein zugrunde liegendes Modell in Fable für die allgemeine Nutzung und Mythos für verifizierte Organisationen geteilt, einen niedrigeren Preis und schnellere Ausgaben mit der schwierigsten technischen Arbeit verbunden – und die Fähigkeiten, die die eigene Entwicklung der KI am ehesten beschleunigen könnten, etwa auf dem Niveau von Opus 5.5 gehalten, während Opus 5.5 weiterhin als alltägliche Voreinstellung empfohlen wird.

2. Google bringt TPU 8tx und TPU 8i Max und erweitert die achte Generation innerhalb eines Jahres auf vier Systeme

Am 9. November 2026 schrieb Amin Vahdat, Senior Vice President und Chief Technologist für KI und Infrastruktur bei Google, das Unternehmen stelle TPU 8tx und TPU 8i Max vor und erweitere das TPU-Portfolio der achten Generation innerhalb eines Jahres auf vier Systeme: 8t für großes Training, 8i für Echtzeit-Schlussfolgern, das neue 8tx für vertrauliche und sichere Inferenz sowie kleines Training, und 8i Max für sehr große Kontextfenster und die nach Google höchste Rechendichte je Rack. Vahdat schrieb, TPUs hätten nun nahezu 100 externe Kunden, darunter Frontier-Labore, Handelsfirmen, Einzelhändler und Universitäten. The Verge berichtete am selben Tag über die Ausrichtung der beiden neuen Systeme. Der Blog erwähnte außerdem eine Übertragung um 9 Uhr Pazifikzeit an diesem Tag.

Zu TPU 8tx erklärte Google, das System baue vertrauliches Rechnen in die Hardwareebene ein und halte sensible Daten und Modellgewichte auch während der Nutzung geschützt und isoliert. Es basiert auf demselben Silizium wie 8t, ist mit Hosts der 5. Generation AMD EPYC gekoppelt und übernimmt das für Echtzeit-Schlussfolgern entwickelte Boardfly-Netzwerk, wodurch die Latenz gegenüber 8t um bis zu etwa das Doppelte sinkt, bei einem Leistungsabfall nahe null. Organisationen können Modelle auf privaten Daten feinabstimmen, größere Modelle destillieren und Agenten mit bestärkendem Lernen auf einem einzigen System trainieren, ohne sensible Daten zwischen getrennten Clustern zu verschieben.

Zu TPU 8i Max erklärte Google, zwei TPU-8i-Chips mit niedriger Latenz seien in einem Gehäuse zusammengefasst worden, wodurch sich Rechenleistung, SRAM und die Bandbreite des High-Bandwidth Memory (HBM) gegenüber TPU 8i verdoppelten, sodass Rechenzentren mehr Rechenleistung je Fläche und Watt bereitstellen und große Kontextfenster nicht an der Speicherbandbreite scheitern können.

Zur Software schrieb Google, TorchTPU sei quelloffen, sodass PyTorch-Code und Hugging-Face-Modelle nativ auf TPUs liefen; eine TPU-Agenten-Suite befinde sich in der Vorschau; eingeführt worden seien die XLA Serving Engine und die Agent Compute Engine; zudem werde TPU Sync offengelegt, beschrieben als Modellzustandsschicht für TPU-Cluster. Cloud Pathways ist nun auf Google Kubernetes Engine allgemein verfügbar, ebenso GKE Dynamic Slicing.

Takeaway: Statt auf die nächste Siliziumgeneration zu warten, hat Google aus denselben Chips der achten Generation zwei neue Systeme geschnitten – eines, indem es vertrauliches Rechnen um Inferenz und kleines Training legt, das andere, indem es zwei Chips zusammenpackt, um langen Kontext und Rackdichte zu verfolgen.

3. NVIDIA enthüllt auf der CoRL GR00T 2, ein offenes Weltaktionsmodell auf Basis von Cosmos

Am 9. November 2026 stellte NVIDIA GR00T 2 auf der Conference on Robot Learning (CoRL) in Austin, Texas, vor. Der Unternehmensblog beschrieb es als offenes Frontier-Weltaktionsmodell auf Basis von NVIDIA Cosmos, das zukünftiges Video und Roboteraktionen gemeinsam vorhersagt. Die Forschungsseite schrieb, das Modell sei auf vielfältigen Roboter- und Humandaten trainiert worden; die Vortrainingsmischung umfasst 402.730 Stunden egozentrisches menschliches Video, 10.184 Stunden Vorführungen mit Handgreifern über 2.897 Aufgaben und 23.500 Stunden Roboterteleoperation, wobei 100.000 Stunden quelloffene menschliche Ego-Daten als Human-1M-100K veröffentlicht wurden.

Zu den von NVIDIA genannten Kennzahlen gehören der Abschluss von 40 der 50 bewerteten Aufgaben mindestens einmal ohne aufgabenspezifische Vorführungen sowie eine durchschnittliche Erfolgsrate von 71 Prozent mit einer Vorführung je Aufgabe, die mit fünf Vorführungen auf 95 Prozent steigt. Die Forschungsseite nannte außerdem 40 Prozent durchschnittlichen Erfolg ohne Beispiele und schrieb, Agenten könnten über eine Programmierschnittstelle Fertigkeiten nacheinander ausführen und Fehler beheben. Rund um die Zahl von 95 Prozent berichteten Darstellungen unter Berufung auf Forschungsmaterialien von NVIDIA, die bewerteten Aufgaben seien unter jenen ausgewählt worden, die das Modell mit fünf Episoden bei einer Erfolgsrate von mindestens 80 Prozent lernen konnte; dieser Durchschnitt ist daher zusammen mit diesem Filter zu lesen.

Partner, die das Modell erproben, sind Nexuni für robotisches Wäschehandling, Foxconn für die Fabrikautomation in der Serverfertigung und Siemens für industrielle Anwendungsfälle.

NVIDIA veröffentlichte außerdem Isaac Lab 3.0 mit einem Newton-Backend, sodass das Simulationsgerüst verformbare Objekte und andere feinere Physik abbilden kann. Das Unternehmen sagte, auf einem visuellen Geschicklichkeitsbenchmark habe Isaac Lab 3.0 mit Newton bis zu etwa das 2,5-Fache des Trainingsdurchsatzes von Isaac Lab 2.3 mit PhysX erreicht. AlphaNIST nutzt eine einzelne Richtlinie, um alle 20 Aufgaben auf dem NIST Assembly Task Board zu lernen, und kommt auf mehr als 98 Prozent Trainingserfolg gegenüber etwa 81 Prozent bei getrennten Richtlinien je Aufgabe, bei rund 39-mal weniger GPU-Zeit. Vorgestellt wurden zudem industrielle Benchmarks wie DexBench und VABAR sowie Graph-as-Policy (GaP), ein agentisches Robotikgerüst gemeinsam mit der UC Berkeley.

Takeaway: NVIDIA hat „sehen, was als Nächstes geschieht“ und „entscheiden, wie man sich bewegt“ in ein offenes Modell geschrieben und große Mengen an Ich-Perspektiven-Humanvideo genutzt, um Lücken in Robotervorführungen zu füllen – und zugleich hohe Few-Shot-Erfolgsraten genannt, die mit einer Fußnote dazu einhergehen, wie die bewerteten Aufgaben ausgewählt wurden.

4. Meta startet Muse Ember, ein leichtes Modell für die Ausführung durch Agenten

Am 9. November 2026 stellte Meta Muse Ember vor und beschrieb es als das kleinste und effizienteste Muse-Modell, gedacht für die Ausführung komplexer Schlussfolgerungen und für die Arbeit, die Agenten den ganzen Tag wiederholen: Werkzeugaufrufe, Programmierteilaufgaben, Routing, Extraktion und das Parsen langer Dokumente. Das Unternehmen beanspruchte, Muse Ember liefere bei jeder Schlussfolgerungseinstellung mehr Intelligenz je Dollar als Claude Haiku 5.5 oder GPT-6 Luna und liege an der Effizienzgrenze der Rangliste von Artificial Analysis. TechCrunch berichtete am selben Tag über den Start und merkte an, Ember sei dafür gedacht, innerhalb eines agentischen Gerüsts mit dem größeren Muse Wonder zusammenzuarbeiten.

Für Prompts bis 200K Token liegen die Preise bei 0,10 Dollar je Million Eingabetoken, 0,004 Dollar je Million zwischengespeicherter Eingabetoken und 0,50 Dollar je Million Ausgabetoken; längere Prompts kosten 0,30, 0,012 und 1,50 Dollar. Das Modell hat ein Kontextfenster von 1 Million Token und kann bis zu 512K Ausgabetoken erzeugen, mit nativer Unterstützung für Text, Bilder, Audio und Video. Es ist als muse-ember-1.0 auf Muse Code und der Meta Model API sowie auf Google Cloud und Oracle Cloud verfügbar.

Zu den Bewertungshöhepunkten, die Meta bei maximalem Schlussfolgerungseinsatz nannte, gehören AutomationBench-AA mit 37,8 gegenüber 13,9 für Haiku und 20,2 für Luna; Agents’ Last Exam mit 61,6; Terminal-Bench 4.0 mit 40,9; Coding Agent Index-AA mit 46; OSWorld 2.1 teilweise mit 69,5; und ein Artificial-Analysis-Index von 36. Das Unternehmen nannte Kosten von etwa 0,14 Dollar je Artificial-Analysis-Aufgabe gegenüber etwa 2,39 Dollar für Muse Spark 1.3.

Zur Einordnung schrieb Meta: „Muse Wonder plant, Muse Ember bewältigt das Volumen.“ Ember sei das erste Modell, das mit Muse Wonder Full trainiert wurde, und Bewertungen im Rahmen des Meta Superintelligence Scaling Framework hätten ergeben, dass es unter den Hochrisikoschwellen des Rahmens geblieben sei. Partner wie Box, Cline und Cloudflare äußerten sich nach frühen Tests positiv zu Unternehmenshalten, Subagenten-Programmierung und laststarken Arbeitslasten; Cloudflare sagte, Ember sei am Ende der Latenzverteilung um bis zu etwa 30 Prozent schneller gewesen als das verglichene Modell.

Takeaway: Meta verlangt von Ember nicht, das stärkste Flaggschiffmodell zu verdrängen; das neue System wird in eine Arbeitsteilung gestellt – Wonder plant, Ember führt in der Breite aus – und der Wettbewerb gilt der Intelligenz je Dollar und den Kosten je Aufgabe, nicht allein den Spitzenwerten.

5. OpenAI listet ChatGPT Enterprise im AWS Marketplace

Am 9. November 2026 erklärte OpenAI, ChatGPT Enterprise sei nun über den AWS Marketplace verfügbar. Das Unternehmen schrieb, die Listung gebe Organisationen einen einfacheren Weg, ChatGPT Enterprise über ihre bestehende AWS-Kauf- und Abrechnungsbeziehung zu entdecken, zu kaufen und zu verwalten und anrechenbare Ausgaben auf ihre AWS-Zusagen anzuwenden. Das Angebot umfasst ChatGPT, ChatGPT Work, Codex und dots; Angaben zur Listung deuten darauf hin, dass die Preise über nicht öffentliche Angebote festgelegt werden.

OpenAI sagte, Kunden, die über den AWS Marketplace kaufen, erhielten dieselben Modelle, Funktionen und Eigenschaften wie beim direkten Kauf bei OpenAI, neue Funktionen würden gleichzeitig veröffentlicht. Die Produkte werden als Ergänzung zu OpenAI-Modellen positioniert, die bereits in Amazon Bedrock verfügbar sind: Entwickler können dort Anwendungen und Agenten bauen, während Teams im Unternehmen ChatGPT Enterprise im Alltag nutzen. Berechtigte Kunden können über den AWS Marketplace zudem ChatGPT for Healthcare und ChatGPT for Financial Services erhalten.

Takeaway: Dies ist weniger eine Modellveröffentlichung als die Öffnung eines Beschaffungswegs – indem Unternehmens-ChatGPT auf die Cloud-Zusagenrechnung gesetzt wird, die Organisationen ohnehin bezahlen, und Kaufreibungen gesenkt werden, statt eine öffentliche Preisliste zu veröffentlichen.

---

Einzeiler: Anthropic hat Claude Fable 5.2 und Mythos 5.2 veröffentlicht, dasselbe zugrunde liegende Modell, wobei Fable allgemein verfügbar ist und Mythos verifizierten Organisationen vorbehalten bleibt, und sprach von schnelleren Ausgaben und niedrigeren Preisen als bei 5.1; Google stellte TPU 8tx für vertrauliche Inferenz und TPU 8i Max für sehr große Kontextfenster vor; NVIDIA enthüllte auf der CoRL das Weltaktionsmodell GR00T 2 und Isaac Lab 3.0; Meta startete Muse Ember, ein leichtes Modell für die Ausführung durch Agenten; und OpenAI listete ChatGPT Enterprise im AWS Marketplace, sodass anrechenbare Ausgaben auf bestehende Cloud-Zusagen angerechnet werden können.