Die Linie des Tages führt von der allgemeinen Freigabe eines Flaggschiffmodells über den Schritt eines Forschungslabors in Richtung öffentlicher Märkte und den Weg eines Gesprächsprodukts zur geschäftlichen Entdeckung bis zu einem Robotikmodell, das auf einer Fertigungslinie erprobt wird, und zu neuen offenen Gewichten eines Bildmodells: Google hat am 10. November Gemini 4 Carbon, sein bislang stärkstes Modell, für Entwickler, Unternehmen, Forscher und Nutzer verfügbar gemacht. Anthropic startete am selben Tag die Roadshow für seinen geplanten Börsengang, setzte eine erwartete Preisspanne von 70,00 bis 78,00 Dollar je Aktie fest und beantragte die Notierung seiner Stammaktien der Klasse A am Nasdaq Global Select Market unter dem Kürzel „ANT“. OpenAI führte Businesses in ChatGPT in einer Beta ein, sodass Unternehmen ein Profil beanspruchen, aggregierte Einblicke einsehen und, sofern sie als US-Unternehmen im E-Commerce oder bei Online-Diensten berechtigt sind, einen Business Agent starten können. Google DeepMind stellte außerdem Gemini Robotics 2.5 vor, sein bislang fähigstes Modell für Sehen, Sprache und Handlung, und berichtete eine Erfolgsrate von 96 Prozent in einem Produktionslinien-Konzeptnachweis bei Mercedes-Benz. MiniMax veröffentlichte H3-Image mit offenen Gewichten, ein auf H3 aufbauendes Modell für Bildgenerierung und -bearbeitung, und erklärte, es könne in unter 10 Sekunden ein 4K-Bild erzeugen.

1. Google macht Gemini 4 Carbon, sein bislang stärkstes Modell, allgemein verfügbar

Am 10. November 2026 schrieb Koray Kavukcuoglu, Senior Vice President von Google DeepMind und Chief AI Architect von Google, im Unternehmensblog, Gemini 4 Carbon sei nun für Entwickler, Unternehmen, Wissenschaftler und Nutzer verfügbar. Google nannte Carbon sein stärkstes Modell, mit Spitzenleistungen in der Cybersicherheit sowie in langangelegten agentischen Arbeitsabläufen über komplexe Wissensarbeit, Softwareentwicklung und wissenschaftliches Schlussfolgern.

Zwei Wochen zuvor hatte Google Carbon über sein Fairwind-Programm einer Gruppe von Cybersicherheitsverteidigern zugänglich gemacht. Das Unternehmen schrieb, nach der kürzlichen Einführung von Gemini 4 Argon schiebe Carbon die Grenze weiter hinaus. Argon bleibe die bevorzugte Wahl für die meisten Aufgaben in Softwareentwicklung und Wissensarbeit, während Carbon für Aufgaben gebaut sei, die die Grenzen der Intelligenz eines Modells prüften, etwa komplexe, mehrstufige Programmierung und Fehlersuche sowie offene wissenschaftliche Forschung und Entdeckung, und dabei mehr Token als Argon verwende, um gründlich zu erkunden, tief zu schlussfolgern und längere Verifikationsschleifen zu durchlaufen.

Auf unabhängigen Benchmarks, die die Leistung in realen Arbeitsabläufen prüfen sollen, liegt Carbon laut Google auf CursorBench 4.0, WANDR von Perplexity und AutomationBench von Zapier jeweils auf dem ersten Platz, bei um mehr als das Zweifache niedrigeren Kosten je Aufgabe als beim nächstbesten externen Modell. Das Unternehmen hat außerdem mit Artificial Analysis einen Benchmark für multimodale Wissensagenten (MKA) eingeführt und argumentiert, bestehende Tests erfassten nicht angemessen, wie Agenten nativ über dichte Dateien mit Diagrammen, Bildern, Bauplänen, Schemata und Tabellen schlussfolgerten; Carbon belege auf diesem Benchmark den zweiten Platz und koste je Aufgabe im Durchschnitt mehr als sechsmal weniger als das führende Modell. In Bewertungen vor der Freigabe habe Carbon auf der End-to-End-Bewertung für Finanzagenten von Hebbia mit dem besten getesteten Modell gleichgezogen und unter 23 Konfigurationen von Frontier-Modellen auf dem General-Financial-Intelligence-Benchmark von Balyasny Asset Management den ersten Platz belegt.

Um Carbon in größeren und komplexeren Projekten einzusetzen, stellt Google /swarm in Google Antigravity als Vorschau bereit und verwandelt eine einzelne Eingabe in ein koordiniertes Team von Agenten, das sich in Echtzeit verfolgen lässt. Entwickler können Carbon Rollen zuweisen, die das tiefste Schlussfolgern verlangen, etwa Architekturentwurf, Koordination und Prüfung, und es mit schnelleren, leichteren Modellen in parallelen, isolierten Arbeitsbereichen sowie mit adversen Prüfern kombinieren, die jede Änderung testen. In einem Beitrag vom selben Tag schrieb das Antigravity-Team, /swarm übergebe eine Eingabe an eine Familie von Agenten: Ein Koordinator starte spezialisierte parallele Arbeiter in isolierten Git-Worktrees, damit Bearbeitungen nicht kollidierten, und adverse Prüfer führten Tests aus und hinterfragten Diffs; die Agenten arbeiteten auf einer gemeinsamen, nur anhängbaren Nachrichtenwand zusammen und warteten im Leerlauf zu null Tokenkosten.

Zur Verfügbarkeit wird Gemini 4 Carbon über die Gemini API in Google AI Studio und über Gemini for Business allen zahlenden Entwicklern und Unternehmenskunden angeboten, zum selben Einführungspreis wie Gemini 4 Argon: 2 Dollar je Million Eingabetoken und 10 Dollar je Million Ausgabetoken. Der Einführungspreis gilt bis zum 30. November 2026, danach steigt der Satz auf 4 Dollar je Million Eingabetoken und 20 Dollar je Million Ausgabetoken und gilt nur für das für den öffentlichen Zugang bestimmte Carbon-Modell. Als Google das Modell am 28. Oktober erstmals ankündigte, erklärte das Unternehmen außerdem, zwischengespeicherte Eingabetoken würden mit einem Abschlag von 95 Prozent auf den Eingabepreis berechnet. Carbon wird außerdem an alle Abonnenten von Google AI Ultra ausgerollt, in Google Antigravity, in der Gemini-App und im AI Mode der Suche. Die Modellkarte besagt, Carbon basiere auf Gemini 4 Argon, Eingaben könnten Text, Bilder, Audio und Video umfassen, das kombinierte Eingabe-Ausgabe-Kontextfenster reiche bis zu rund 1 Million Token, und die Ausgabe sei Text.

Zur Cybersicherheit wird Gemini 4 Carbon for cyber, zugänglich über das Fairwind-Programm, als bislang stärkste Cybersicherheitsfähigkeit von Google beschrieben, in der Lage, Software zu prüfen, nachzuverfolgen, wie Schwachstellen über Systeme hinweg verkettet werden können, und verifizierte Patches zur Behebung der eigentlichen Ursache zu erzeugen. Google erklärte, das Modell führe auf zentralen Benchmarks zum Finden (SEC-bench Pro), Ausnutzen (ExploitGym) und Patchen (CWE-bench v1) von Schwachstellen; die am 28. Oktober veröffentlichten Werte lagen bei 88,2 Prozent auf SEC-bench Pro, 54,8 Prozent auf ExploitGym und 71,0 Prozent auf CWE-bench. Zu den vom Unternehmen angeführten frühen internen und externen Tests zählen: Auf einem internen Benchmark für Project Fortify, Googles autonomes System für Scannen, Triage und Behebung, erreichte Carbon 100 Prozent Recall beim Scannen und 95 Prozent Präzision bei der Triage und verbesserte sich in Tests an Open-Source-Repositorien um mehr als 25 Prozent gegenüber dem bereits hohen Recall von Argon; das Cloud-Vulnerability-Research-Team von Google nutzte Carbon, um zu zeigen, dass zwei Fehler in einem verbreiteten Open-Source-Paket tatsächlich ausnutzbar waren, in der Schwere vergleichbar mit dem jüngsten PHP2Shell-Exploit, und half den Betreuern durch den Bau eines Konzeptnachweises, die Probleme als kritisch neu einzustufen und einen Patch herauszugeben, Einzelheiten sollen nach Abschluss der verantwortungsvollen Offenlegung folgen; und im Programm Scan for Good von Wiz wurde das Modell eingesetzt, um zwei große Software-as-a-Service-Anbieter zu scannen, wobei Zero-Day-Schwachstellen in unter zwei Stunden aufgedeckt wurden, wonach das Team mit den betroffenen Organisationen an der Behebung arbeitete.

Zu Wissenschaft und Mathematik erklärte Google, Forscher hätten ein agentisches Rahmenwerk für formale Verifikation namens AlphaProof Code gebaut, Carbon neben anderen Modellen genutzt, um Sicherheitsziele im Code unter dem kryptographischen Protokoll Signal in mathematische Theoreme zu übersetzen, und Agenten Millionen Zeilen Lean-Code erzeugen lassen, wodurch zentrale Sicherheitseigenschaften in Wochen bewiesen worden seien – Arbeit, die laut Unternehmen historisch Expertenteams Jahre gekostet habe. In der Vorhersage von Proteinstrukturen nutzten Forscher eine Multi-Agenten-Anordnung, damit Carbon in unannotierten Sequenzarchiven im Petabase-Maßstab, in Katalogen Umwelt- und viraler Sequenzen und in dreidimensionalen Strukturdatenbanken nach entfernten Homologen suche; über sieben Proteinfamilien mit geringer Homologie im Blindtestset CASP17 erhöhte Carbon die Zahl der gefundenen Homologe im Durchschnitt um etwa das 40-Fache, ohne Strukturvorhersagemodelle neu zu trainieren. Vier Wochen zuvor hatte Google Bewerbungen eröffnet, um 10.000 Wissenschaftlern sechs Monate lang kostenlosen Zugang zu Argon in Antigravity zu geben; das Unternehmen erklärte, Tausende seien bereits beigetreten, und es erweitere Carbon nun auf heutige und künftige Teilnehmer, wobei Bewerbungen weiterhin offen seien und die Aufnahme wöchentlich rollierend erfolge.

Zur Sicherheit erklärte Google, in simulierten Cyberangriffsumgebungen, die mit ExploitBench und CyScenarioBench angelegt wurden, habe Carbon 99 Prozent der Angriffspfade eines adaptiven Red-Teaming-Agenten blockiert und die Durchbruchsrate je Versuch auf 0,8 Prozent gesenkt, verglichen mit 3,1 Prozent bei Argon; in Tests von Gray Swan sei die Erfolgsquote automatisierter Cyberangriffsabfragen auf 2,17 Prozent gefallen, verglichen mit 9,86 Prozent bei Argon; und externe Tests von Trajectory Labs hätten über 132 Stunden und mehr als 13.000 Anfragen keine neuen universellen Jailbreaks gefunden. Auf einem Benchmark für agentische Ehrlichkeit mit 375 Aufgaben bestand Carbon 92 Prozent der Aufgaben, verglichen mit 70 Prozent bei Argon, lehnte es in 98 Prozent der Fälle ab, fehlende experimentelle Daten zu ergänzen, und wies in 68 Prozent der Fälle methodische Mängel aus. Das Unternehmen hatte zwei Wochen zuvor erklärt, Carbon habe auf dem Gray-Swan-IPI-Benchmark für indirekte Prompt-Injektion eine Angriffserfolgsrate von 0 Prozent erreicht, zugleich aber festgehalten, dass das Modell in manchen Verteilungen gegenüber ausgefeilteren Angriffen noch Spielraum zur Verbesserung habe.

Takeaway: Google holt Carbon aus einer begrenzten Cybersicherheitsvorschau in die bezahlte API und zu Ultra-Abonnenten, überlässt die alltägliche Arbeit aber weiterhin Argon und setzt die zusätzlichen Schlussfolgerungstoken für längere Verifikationsschleifen ein; die niedrigeren Kosten je Aufgabe und die stärkeren Sicherheitszahlen sollen zeigen, dass es hier nicht nur um das Jagen nach Höchstwerten in Benchmarks geht.

2. Anthropic startet die IPO-Roadshow, die Preisspanne liegt bei 70 bis 78 Dollar je Aktie

Am 10. November 2026 gab Anthropic, PBC, den Start der Roadshow für seinen geplanten Börsengang bekannt. Das Unternehmen erklärte, es biete 825 Millionen Stammaktien der Klasse A an, davon 801.351.354 von Anthropic und 23.648.646 von einem Teil der bestehenden Aktionäre; das Unternehmen erhalte aus den Aktien der verkaufenden Aktionäre keinerlei Erlös. Anthropic rechne außerdem damit, den Konsortialbanken eine 30-tägige Option zu gewähren, bis zu zusätzliche 123.750.000 Stammaktien der Klasse A zu erwerben. Der Ausgabepreis werde voraussichtlich 70,00 bis 78,00 Dollar je Aktie betragen. Das Unternehmen hat beantragt, seine Stammaktien der Klasse A unter dem Kürzel „ANT“ am Nasdaq Global Select Market zu notieren, und betonte, die zugehörige Registrierungserklärung sei noch nicht wirksam geworden und die Ankündigung stelle weder ein Angebot zum Verkauf noch eine Aufforderung zum Kauf der Wertpapiere dar.

Bei dieser Preisspanne implizieren die 825 Millionen Aktien ein Emissionsvolumen von rund 57,75 bis 64,35 Milliarden Dollar. TechCrunch berichtete, am oberen Ende der Spanne und auf voll verwässerter Basis würde das Unternehmen mit rund 1,404 Billionen Dollar bewertet, über der im Mai bei einer Finanzierungsrunde erreichten Bewertung von 965 Milliarden Dollar, aber unter einem früher berichteten Ziel von rund 2 Billionen Dollar. CNBC setzte die voll verwässerte Zahl auf bis zu rund 1,405 Billionen Dollar und erklärte unter Berufung auf mit der Sache vertraute Personen, das Unternehmen plane, am 18. November zu preisen und am 19. November den Handel aufzunehmen, mit einer Retailzuteilung von rund 20 Prozent.

Beide Medien berichteten unter Verweis auf die aktualisierte Einreichung außerdem, Anthropic habe vereinbart, 26 Milliarden Dollar stimmrechtsloser Aktien der Klasse N in einer Privatplatzierung zum IPO-Preis an AMD, Broadcom, Google, Micron, Microsoft, Nvidia und TSMC zu verkaufen; TechCrunch schrieb, Google und Nvidia investierten jeweils 10 Milliarden Dollar, und Anthropic schätze den Nettoerlös auf rund 84,6 bis 93,7 Milliarden Dollar, wobei die obere Zahl die Option der Konsortialbanken einschließe. Die Einreichung, so die Berichte, setzte den annualisierten Umsatz Ende Oktober auf rund 81 Milliarden Dollar, rund 10 Milliarden Dollar mehr als Ende September. CNBC schrieb, der Umsatz für die neun Monate bis zum 30. September habe 33,24 Milliarden Dollar betragen, bei einem Nettoverlust von 104 Milliarden Dollar im selben Zeitraum, größtenteils durch Änderungen des beizulegenden Zeitwerts von Wandelschuldverschreibungen und derivativen Verbindlichkeiten. TechCrunch merkte außerdem an, als Public-Benefit-Corporation hielten die Gründer eine Aktie der Klasse F mit 50,1 Prozent der Stimmrechte und der Long-Term Benefit Trust werde eine Mehrheit des Vorstands wählen, was den Einfluss der Käufer der Klasse A begrenze.

Takeaway: Die Preisspanne rückt das Labor in die letzten Schritte vor einer öffentlichen Notierung, doch die implizierte Bewertung ist bereits von früheren Berichten über rund 2 Billionen Dollar auf etwa 1,40 Billionen Dollar zurückgegangen; der Handel hängt weiter davon ab, dass die Registrierung wirksam wird, und die Roadshow bietet eine Spanne, keinen endgültigen Preis.

3. OpenAI führt Businesses in ChatGPT und Business Agents in einer Beta ein

Am 10. November 2026 erklärte OpenAI, es führe Businesses in ChatGPT in einer Beta ein, und beschrieb dies als neuen Weg für Unternehmen, mit den 1,2 Milliarden Menschen in Verbindung zu treten, die ChatGPT jede Woche nutzen. Über Business Hub können Unternehmen ihre Organisation beanspruchen, ihre Angaben verwalten und sehen, wie Menschen in ChatGPT mit ihnen umgehen. Das Unternehmen fügt außerdem Business Agents hinzu, zunächst für berechtigte Unternehmen im E-Commerce und bei Online-Diensten in den Vereinigten Staaten.

In Business Hub können verifizierte Unternehmen zentrale Angaben aktualisieren und Selbstbedienungs-Produktfeeds mit Preisen und Verfügbarkeit hinzufügen. OpenAI erklärte, jedes berechtigte Unternehmen an einem Ort, an dem ChatGPT verfügbar sei, könne sein Profil über Business Hub beanspruchen; bestehende OpenAI-Enterprise-Kunden und Werbekunden könnten sich an ihren Ansprechpartner wenden; und Shopify-Händler könnten einen Shop aus Business Hub oder der Shopify-Administration verbinden, um die Verifizierung zu vereinfachen, wobei berechtigte Shopify-Produkte bereits über den Shopify Catalog in ChatGPT integriert seien.

Zu den Einblicken liefert Business Hub aggregierte Kennzahlen wie Erwähnungen und Website-Klicks sowie Entdeckungsthemen – gängige Motive in Gesprächen, in denen die Website eines Unternehmens zitiert wird. OpenAI schrieb, es teile Nutzergespräche oder Chats mit Business Agents nicht mit den Unternehmen, und Einblicke stünden nur aggregiert und erst nach Überschreiten bestimmter Schwellen zur Verfügung.

Nach dem Beanspruchen eines Profils können berechtigte Organisationen einen Business Agent aufbauen, testen und starten. Wenn ein Unternehmen in einer Modellantwort erscheint, können Nutzer sein ChatGPT-Profil öffnen; ist ein Business Agent verfügbar, kann ein Kunde ein gesondertes Gespräch beginnen, um Angebote zu vergleichen oder Nachfragen zu stellen, gestützt auf die vom Unternehmen bereitgestellten Informationen. Dieses Gespräch ist klar gekennzeichnet, vom ursprünglichen ChatGPT-Thread getrennt und von den unabhängigen Antworten von ChatGPT unterschieden. Unternehmen können ihren Business Agent außerdem sponsern und ihn als Ziel von ChatGPT Ads nutzen; gesponserte Platzierungen sind klar gekennzeichnet und von den Antworten von ChatGPT getrennt. The Verge berichtete am selben Tag über den Beta-Start.

Takeaway: OpenAI öffnet einen Weg von seinem wöchentlichen Publikum von 1,2 Milliarden Nutzern zu Unternehmen, aber nur hinter Verifizierung, aggregierten Einblicken und klar gekennzeichneten, getrennten Gesprächen; der erste Schritt ist ein beanspruchtes Profil und ein Markenagent, nicht eine allgemeine Öffnung für jede Branche und jeden Markt.

4. Google stellt Gemini Robotics 2.5 vor, mit 96 Prozent Erfolgsrate in einem Linienversuch bei Mercedes-Benz

Am 10. November 2026 stellte Google DeepMind in einem Beitrag von Carolina Parada Gemini Robotics 2.5 vor und nannte es das bislang fähigste Modell des Unternehmens für Sehen, Sprache und Handlung (VLA). Das Modell soll die Bandbreite der Fähigkeiten, die ein Roboter erlernen kann, und die Geschwindigkeit, mit der er sie erwirbt, erweitern und Geschicklichkeit, Zuverlässigkeit und Sicherheit verbessern, damit Roboter das Labor verlassen und in weniger strukturierte reale Umgebungen gelangen können. Das Unternehmen erklärte, es habe bereits in diesem Jahr Ganzkörperintelligenz auf Roboter vieler Art, einschließlich Humanoide, gebracht, und die jüngsten Fortschritte seien zu einem großen Teil der Fähigkeit von Gemini 4 Argon zu verdanken, die Robotikforschung zu beschleunigen. Gemini Robotics 2.5 wird an die Robotikpartner von Google ausgerollt.

Google erklärte, es habe die Aufgabenbreite, die Leistung und die Komplexität des Modells in mehr als 200 unterschiedlichen Aufgaben bewertet, etwa dem Servieren von Speisen mit einer Zange, dem Binden einer Schleife an einer Geschenkschachtel und dem Pipettieren von Flüssigkeit, wobei Werkzeuggebrauch, die Manipulation verformbarer Objekte und der sorgfältige Umgang mit empfindlichen Gegenständen kombiniert wurden. Im Vergleich mit früheren Baselines erreichte Gemini Robotics 2.5 je nach Aufgabentyp eine um 30 bis 100 Prozent höhere Erfolgsrate und schloss Aufgaben um 20 bis 30 Prozent schneller ab. Das Modell arbeitet nativ mit mehreren Robotertypen, darunter dem Humanoiden Apollo 2 von Apptronik, der die fünf-fingrige SharpaWave-Hand mit 22 Freiheitsgraden verwendet, und der Plattform Franka Duo mit zweifingrigen Parallelgreifern.

Um die Zuverlässigkeit zu prüfen, arbeitete Google mit Apptronik und Mercedes-Benz zusammen, um Apollo 2 auf laufenden Automobilproduktionslinien in Kecskemét, Ungarn, und Sindelfingen, Deutschland, einzusetzen. Im Konzeptnachweis nutzte der Roboter das verkörperte Schlussfolgerungsmodell Gemini Robotics ER, um den Arbeitsablauf zu verfolgen, und das Handlungsmodell Gemini Robotics 2.5, um Arme und Hände zu steuern, metallene Automobilhalterungen aus Materialbehältern zu entnehmen, sie in Sortierbehälter zu legen und Abstände zu korrigieren, mit einer Erfolgsrate von 96 Prozent. Jeff Cardenas, Mitgründer und Vorstandsvorsitzender von Apptronik, sagte, die Modelle hätten sich in wenigen Wochen Nachtraining deutlich verbessert und seien auf die Linien von Mercedes-Benz mit sehr geringem Abfall übergegangen.

Zur Sicherheit verwendet Gemini Robotics 2.5 eine Schlussfolgerungsführung zur Inferenzzeit, um physischen Gefahren in Echtzeit auszuweichen. Google erklärte, diese Fähigkeit habe die sichere Aufgabenerfüllung um 33 Prozent in der Nähe von Hindernissen und um 43 Prozent in der Nähe von Menschen erhöht. Um adversariale Jailbreaks gegen Roboter zu prüfen, veröffentlicht das Unternehmen außerdem ASIMOV-Jailbreak, einen offenen Benchmark mit Hunderten von Eingaben, die unsichere Anfragen über Dutzende von Szenen hinweg verschleiern; Gemini 4 Argon erreichte demnach eine Jailbreak-Resistenz von 99,5 Prozent, gegenüber 82 Prozent bei der vorherigen Baseline Gemini Robotics ER 2.

Takeaway: Das ist nicht nur eine weitere Labordemonstration des Schleifenbindens – Google legt eine Erfolgsrate von 96 Prozent auf laufende Produktionslinien von Mercedes-Benz, und es veröffentlicht zugleich einen neuen Jailbreak-Benchmark und Ergebnisse zur Steuerbarkeit, wobei Zuverlässigkeit und Sicherheit als Voraussetzungen für den Eintritt in eine Fabrik behandelt werden.

5. MiniMax veröffentlicht H3-Image mit offenen Gewichten und erklärt, es könne 4K-Bilder in unter 10 Sekunden erzeugen

Am 11. November 2026 veröffentlichte MiniMax MiniMax H3-Image, ein Bildgenerierungsmodell mit offenen Gewichten auf Basis von H3, mit Unterstützung für Text-zu-Bild-Erzeugung, referenzbasierte Erzeugung und Bildbearbeitung. Das Unternehmen erklärte, das Modell könne in unter 10 Sekunden ein 4K-Bild (4096×4096) erzeugen, mit reicherem Detail und stärkerer Einhaltung der Eingabe, dass es bis zu 16 Referenzbilder verstehen und nutzen könne und dass seine 4K-Erzeugungsgeschwindigkeit bis zum etwa Fünffachen der gängigen Alternativen reiche. Die Gewichte sind auf Hugging Face als MiniMaxAI/MiniMax-H3-Image veröffentlicht, und das Modell ist außerdem über die MiniMax API, MiniMax Code und Hailuo AI verfügbar.

MiniMax erklärte, der Standard-Modus sei etwa 1,5- bis 2-mal so schnell wie gängige Alternativen, während der Highspeed-Modus das 3- bis 4-Fache erreiche; die Preise lägen bei etwa 50 bis 70 Prozent vergleichbarer gängiger Angebote, und in der Startwoche gewähre das Unternehmen 50 Prozent Rabatt auf Anfragen zur Bildgenerierung in 4K-Auflösung und darüber. Das Modell erscheint unter der MiniMax-H3-Image Community License Agreement, datiert auf den 10. November 2026. Die Vereinbarung legt fest, dass das geltende Gebiet weltweit ist, unter Ausschluss der Europäischen Union, des Vereinigten Königreichs, der Republik Korea und der Vereinigten Staaten von Amerika.

Takeaway: MiniMax bringt sowohl die Geschwindigkeit der 4K-Erzeugung als auch offene Gewichte auf den Markt und senkt die Schwelle, das Modell zu erhalten und zu betreiben; die Community-Lizenz nimmt jedoch ausdrücklich Märkte wie die Europäische Union, Großbritannien, Südkorea und die Vereinigten Staaten aus, sodass offene Gewichte nicht dasselbe sind wie eine unbeschränkte kommerzielle Nutzung überall.

---

Einzeiler: Google hat Gemini 4 Carbon, sein bislang stärkstes Modell, allgemein verfügbar gemacht, zum Einführungspreis von Argon, und /swarm in Antigravity als Vorschau bereitgestellt; Anthropic startete seine IPO-Roadshow mit einer Preisspanne von 70 bis 78 Dollar und beantragte die Notierung als ANT; OpenAI führte Businesses in ChatGPT und Business Agents in einer Beta ein; Google DeepMind stellte Gemini Robotics 2.5 vor und berichtete eine Erfolgsrate von 96 Prozent in einem Linienversuch bei Mercedes-Benz; und MiniMax veröffentlichte H3-Image mit offenen Gewichten und erklärte, es könne 4K-Bilder in unter 10 Sekunden erzeugen.