DeepSeek v4.1, Suno v6: Diese Woche in KI-Nachrichten

Manche Wochen in der KI sind inkrementell. Dies war keine davon. Innerhalb weniger Tage half ein KI-System, ein 90 Jahre altes Millennium-Preis-Problem zu lösen, Google DeepMind veröffentlichte eine Karte jeder möglichen Einzelbuchstabenmutation im menschlichen Genom, DeepSeek machte Grenzinferenz deutlich günstiger, und sowohl Suno als auch ein Forschungsherausforderer schrieben um, was KI-Musik leisten kann.

Eine aktuelle KI-Nachrichtenzusammenfassung hat mehr als zwanzig Veröffentlichungen in einem Rutsch durchgegangen. Wir haben die Primärquellen herausgesucht und die wirklich relevanten aufgeschlüsselt – für Forscher, Entwickler und alle, die entscheiden, wohin die KI-Ausgaben als Nächstes fließen.

Wichtige Erkenntnisse

• Das interne Modell von OpenAI lieferte eine Lösung für das Navier–Stokes-Millennium-Preis-Problem – ein Schwarm von ~10.000 Agenten lief 88 Stunden, tauschte 2,7 Millionen Nachrichten aus und verbrannte ~130 Milliarden Ausgabetoken, um zu beweisen, dass eine glatte Flüssigkeit eine endliche Singularität entwickeln kann. Der Beweis wurde in Lean formalisiert.
• AlphaGenome Atlas sagt die Wirkung aller ~9 Milliarden möglichen Einzelnukleotid-Varianten in der menschlichen DNA voraus – ein 1 Petabyte großer vorberechneter Datensatz mit einem einzigen "AVI-Score" zur Priorisierung der Varianten.
• DeepSeek-V4.1-Flash ist ein MoE mit 552 B-Parametern und nur 8 B aktiven Eingangs- und 16 B aktiven Ausgangsparametern – und schlägt DeepSeek-V4-Pro und reduziert den KV-Cache auf 1/4 des HBM und 1/8 des SSD-Footprints. V4-Pro wird in diesen Bereich eingestellt.
• Embodied AI hatte eine Durchbruchwoche: Perceptrons Open-Source-Werk Isaac 0.5 zeigte, dass die Skalierung des allgemeinen Videos auf 1 Mio. Stunden den Teleoperationsbedarf von ~5.900 auf 28 Stunden senkt – und Unitree brachte ein 6B-ganzkörper-humanoides Modell aus.
• KI-Musik ist heute ein Zwei-Pferde-Grenzrennen: Suno v6 brachte drei von der Industrie unterstützte Modelle heraus, während das offene Forschungssystem YuE2 auf SongBench knapp an Suno v5 vorbeizog – mit einem editierbaren symbolischen Soundtrack unter jedem Song.

Die Schlagzeile: KI hat gerade geholfen, Navier–Stokes zu knacken

Die Navier–Stokes-Gleichungen bestimmen, wie sich Flüssigkeiten bewegen – Wettermodelle, Flugzeugdesign, Blutfluss. Seit 1934 wissen wir, dass es Lösungen im allgemeinen Sinne gibt; ob glatte 3D-Fluidbewegungen zusammenbrechen können, blieb ungefähr 90 Jahre offen, und im Jahr 2000 machte das Clay Mathematics Institute es zu einem von sieben Millennium-Preis-Problemen.

Das interne System von OpenAI – ein Modell, das sie als deutlich leistungsfähiger als GPT-6 Astra beschreiben, das noch in Ausbildung ist – lieferte einen analytischen Beweis plus eine Lean-Formalisierung, die zeigt, dass eine anfangs glatte Flüssigkeit in endlicher Zeit eine Singularität entwickeln kann: einen Wirbel, der sich nach innen spiralt und sich wie Spaghetti verlängert, während seine Energie endlich bleibt. Das löst die Varianten "C" und "D" der offiziellen Problemstellung auf – ein Widerspruch universeller Glattheit.

Ein glatter Wirbel, der sich nach innen spiralt und sich dehnt – die Geometrie der Navier–Stokes-Singularität.

Wie es gefunden wurde, ist ebenso wichtig wie das Ergebnis:

• Am 1. September wies OpenAI koordinierende Agentengruppen auf jedes offene Problem des Millennium Prize hin.
• ~10.000 gleichzeitige Agenten arbeiteten speziell an Navier–Stokes; über alle Probleme hinweg verschickte das System 4,9 Millionen Nachrichten und verwendete ~300 Milliarden Ausgabetoken.
• Die Agenten erreichten die Lösung innerhalb von ~88 Stunden; Die Formalisierung und Überprüfung von Lean dauerte weitere 17 Stunden über GPT-6 Astra.
• Als Aufwärmphase lösten ~100 Agenten das unerwünschte Euler-Regularitätsproblem in etwa 50 Stunden – ein Ergebnis, das OpenAI nicht gefordert hatte.

OpenAI macht ausdrücklich klar, dass es nicht beabsichtigt, den Millennium Prize zu beanspruchen – dies ist ein Fortschrittsbericht zur Modellfähigkeit. Doch die Meta-Lektion ist kaum zu übersehen: Agentenschwärme im Bereich von 10.000 Agenten sind heute ein echtes Instrument mathematischer Entdeckungen, und gleichzeitig menschliche Arbeit (Alpöge und Buckmasters erzwungene Euler-Auflösung) legt nahe, dass das Feld bereits nahe gekommen war.

AlphaGenome Atlas: jede mögliche Mutation, vorab berechnet

Nur ~2 % des menschlichen Genoms codieren für Proteine; die übrigen 98 % waren weitgehend undurchsichtig. Der AlphaGenome Atlas von Google DeepMind verwendet das AlphaGenome-Modell, um die regulatorische Wirkung aller 9 Milliarden möglichen Einzelnukleotid-Varianten vorab zu berechnen – ein 1-Petabyte-Datensatz, den Forscher abfragen können, anstatt neue Experimente durchzuführen.

Der Atlas stellt den AlphaGenome Variant Impact (AVI)-Score vor, eine einzelne Zahl, die Vorhersagen zwischen codierenden und nicht-kodierenden Regionen kombiniert. Frühe Ergebnisse: Das Broad Institute nutzte AVI-Werte, um einen ungelösten Fall einer seltenen Krankheit (eine kritische Splice-Site-Variante im DNM1-Gen) zu lösen, und eine Analyse der UK Biobank mit 54.000+ Teilnehmern ergab 22 % mehr nicht-kodierende genetische Assoziationen als Standardmethoden.

Bei der Arzneimittelforschung und der Forschung an seltenen Krankheiten ändert sich dadurch die Ökonomie des ersten Schrittes: Statt "welcher von Millionen Varianten eine Rolle spielen könnte", beginnen Forscher mit einer Rangliste.

DeepSeek-V4.1-Flash: Die günstige Grenze wurde günstiger

DeepSeek's neue Veröffentlichung ist das kleinste Modell seiner neuen Architekturfamilie – und sie stellt das alte Flaggschiff außer Dienst:

• 552B-Parameter MoE mit einer neuen kausalen Encoder-Decoder-Architektur: nur 8B aktive Parameter für die Eingabe, 16B für die Ausgabe.
• Benchmarks liegen vor den Flaggschiffmodellen wie DeepSeek-V4-Pro – das nun ausgemustert wird: Ab dem 14. September werden alle deepseek-v4-pro API-Anfragen zu V4.1-Flash zu V4.1-Flash-Raten geleitet.
• KV-Cache benötigt nur ein Viertel des HBM und 1/8 des SSD-Speichers der vorherigen Generation – eine direkte Senkung der Cache-Hit-Gebühren, die die Agenten-Workloads dominieren.
• Native multimodale Unterstützung ist auf der API als deepseek-flashverfügbar, mit Preisen in Spitzen- und Off-Peaks (Off-Peak bei 50 %) und versprochener Open-Source-Inferenzunterstützung.

KV-Cache-Footprint, vorherige Generation vs. V4.1-Flash. Quelle: DeepSeek, September 2026.

Für alle, die Agentenpipelines betreiben, ist dies die praktischste Nachricht der Woche: Der Kostenboden für Grenzklasse-Inferenz hat sich gerade wieder verschoben.

Verkörperte KI-Woche: offene Foundation-Modelle und ein Skalierungsgesetz

Isaac 0.5 (Perceptron) – ein 36B-Parameter-Sparse-Source-Modell, das Videoverständnis, verkörpertes Denken und Robotersteuerung umfasst – kam mit Checkpoints, Trainingscode und Inferenzcode über LeRobot an. Trainiert auf 35+ Robotersystemen, 100.000 Stunden Robotererfahrung, 1 Millionen Stunden Video und 3T-Tokens. Die Schlagzeile ist ein Skalierungsgesetz, das allgemeine Videodaten gegen Teleoperationsdaten tauscht: Um denselben kalibrierten Aktionsverlust zu erreichen, benötigt ein Modell, das mit 1.000 Stunden Video trainiert ist, ~5.900 Stunden Teleop – ein Modell mit 1 Million Stunden benötigt 28.

Das Isaac 0.5 Skalierungsgesetz: Günstige Videodaten ersetzen teure Telekommunikation. Quelle: Perceptron.

Darum herum ein Stapel unterstützender Veröffentlichungen:

• UnifoLM-WLA-1.0 (Unitree) — ein 6B Vision-Language-Action-Modell, das 64 Ganzkörperaufgaben über Greifer und Fünffinger-Hände koordiniert, trainiert mit ~2.500 Stunden realer Roboterdaten; sein begleitendes Denkmodell führt Open-Source-Einträge zu sieben verkörperten Benchmarks an.
• UMR – vereinte das Bewegungs-Retargeting von Mensch zu Humanoid über erlernte Punkt-Cloud-Korrespondenz und verzichtete auf die handgefertigten Keypoint-Mappings, die Retargeting roboterspezifisch machten.
• Show-Harness (NUS Show Lab) – ermöglicht es Pionier-VLMs, Roboter durch ein winziges semantisches Aktionsvokabular (MV_LEFT, GRASP, DONEzu "spielen", und passt kleine offene VLMs für 12–33 Hz Steuerung mit wenigen GPU-Stunden Feinabstimmung an.
• LingBot-World-Infinity (Robbyant von Ant Group) – ein erforschbares Weltmodell, das stundenlang kohärent bleibt, Mehrbenutzersteuerung unterstützt (ein Spieler, ein "Regisseur") und auf verkörperte Simulation hinauszielt, die über spielähnliche Szenen hinausgeht.

Generative Medien: Tiefe, Skelette und Szenendekonstruktion

• Marigold v2 (Huawei/Bayer Lab) — greift Diffusionstransformatoren für die Messung der monokularen Tiefe erneut auf, mit einer Live-Demo von Hugging Face.
• UniMate – ein einheitlicher Diffusionstransformator, der beliebige Skelette aus einem präparierten 3D-Asset und einem Textprompt animiert – Zweibeiner, Vierbeiner, Schlangen, sogar artikulierte starre Objekte – mit Zero-Shot-Editing, Inbetweening und Motion Expansion, trainiert auf dem neuen UniML3D-Datensatz.
• WorldSculpt (Alaya Lab / U. Tokio) – rekonstruiert überladene Szenen von Hunderten von Objekten zu vollständigen Objekt-Meshes – jedes Objekt unabhängig bearbeitbar – und kann generierte 3D-Welten wie Marble von World Labs meshifizieren.
• Fire3D (UIUC/Cornell) — eine Feed-Forward-Rekonstruktion der Szene in weniger als einer Minute aus einem unsegmentierten Foto oder Casual-Video: Es sagt die Objektanzahl, Masken und 6-DoF-Posen selbst voraus und liefert dann simulationsbereite, texturierte Assets.

Der gemeinsame Faden: Die Pipeline von "Pixeln" zu "editierbaren 3D-Assets" fiel von einer Toolchain in einzelne Modelle zusammen.

Musik und Sprache: Suno v6 trifft auf einen offenen Herausforderer

Suno v6 liefert drei Modelle aus, die zusammen mit Warner Music Group, BMG und Believe entwickelt wurden: v6 (Flaggschiff, Pro/Premier), v6-wild (Erkundung) und v6-mini (kostenlose Stufe). Neue Funktionen umfassen das Bearbeiten eines Teils eines Songs in klarer Sprache ("den Refrain so ändern, dass er von einem Gospelchor gesungen wird"), Multi-Source-Mashups, das Sampeln eines Riffs in einen neuen Beat, Single-Lyric-Updates sowie das Erstellen von Text, Audio, Bildern oder Video. Frühere Modelle werden mit der Einführung von v6 eingestellt – und Suno baut darauf Opt-in, von Künstlern bezahlte Erlebnisse auf.

YuE2 schlägt einen anderen Weg ein: in Symbolen komponieren, in Audio auftreten. Das ~3,59B-Parameter-Modell schreibt zuerst eine editierbare Partitur – Melodie, Rhythmus, Akkorde, die man inspizieren und ändern kann – und rendert dann den vollständigen Song-Ton mit Gesang. Auf WildSongBench erzielte YuE2 (Best-of-8) 6,9632 Punkte gegenüber Suno v5s 6,8721 auf SongBench. Es unterstützt Erstellen, Cover und konversationelles agentisches Editing – und es ist eine Forschungsveröffentlichung, kein Walled Garden.

SongBench bedeutet auf WildSongBench (192 Prompts). Quelle: YuE2-Projektseite, Bewertung September 2026.

AuK rundet Audio ab: ein Open-Source-1,5-B-Foundation-Modell, bei dem eine natürliche Sprachanweisung die Sprachgenerierung und -bearbeitung steuert – trainiert auf ~1,95 Millionen Stunden Supervision über fünf Aufgabenfamilien. Sein destilliertes Schwesterprodukt AuK-Flash führt 4-Stufen-Inferenz mit einer Wanduhr-Geschwindigkeit von 4,5 × aus. Code und Gewichte werden veröffentlicht.

Auch auf dem Radar

• ChatGPT für Finanzdienstleistungen (OpenAI) – ein maßgeschneidertes ChatGPT-Arbeitserlebnis, das mit Morgan Stanley und Evercore entwickelt wurde: GPT-6 Astra sowie integrierte Daloopa-, PitchBook-, LSEG News und Crunchbase-Daten mit detaillierten Zitaten zurück zu Quelltabellen.
• MiniCPM5-2B (OpenBMB) — ein dichtes 2B-On-Device-Modell mit 2B-Klasse Open-Source-SOTA (LiveCodeBench v6: 69.1) mit einem 131K-Kontextfenster und seinen vollständigen UltraData-Trainingsdatensätzen.
• Edge0 – ein Open-Source-Streaming-MoE-Inferenz-Framework (SSD-Experten-Offload, Recover-LoRA, Prerouter-Vorhersage) sowie ein 35B-A3B-Vorschaumodell – ein weiterer Vorstoß, um große MoEs auf bescheidener Hardware zu betreiben.
• RealSWE (Spezifisch) — ein Benchmark von Frontier-Modellen auf privaten, lizenzierten Produktionscodebasen mit nativen Harnesses: 8 Modell-/Harness-Konfigurationen, 10 Aufgaben, 640 bewertete Rollouts. Eine notwendige Korrektur von Benchmarks, die auf öffentlichen GitHub-Problemen basieren.

Was es bedeutet

Zwei Muster verbinden diese Woche. Erstens frisst die Agentenära die Forschung selbst auf: Das Navier–Stokes-Ergebnis war kein Modell, das auf eine Eingabeaufforderung antwortet – es waren ~10.000 koordinierte Agenten, die 88 Stunden Mathematik durchführten. Zweitens summiert sich die Effizienz: DeepSeek das Schneiden des KV-Caches um 4–8×, Edge0 streamt MoE-Experten von SSDs, Isaac tauscht Teleop gegen Video, MiniCPM5 erreicht SOTA bei 2B – sinken die Kosten für Frontier-Fähigkeiten auf alle Achsen gleichzeitig.

Für Teams, die Produkte auf diesem Stack entwickeln, wird das Zeitfenster zwischen "Forschungsergebnis" und "API-Feature" nun in Tagen gemessen. Die praktische Frage ist nicht, ob diese Fähigkeiten in die Produktion gelangen – sondern ob Ihre Architektur sie aufnehmen kann, wenn sie es tun.

Quellen

• KI-Nachrichten-Zusammenfassungsvideo — KI-Suche
• OpenAI: Zum Navier–Stokes-Millennium-Preisproblem
• Google DeepMind: Einführung des AlphaGenome Atlas
• DeepSeek: Vorstellung von DeepSeek-v4.1-Flash
• Perceptron: Hier ist Isaac 0.5
• Suno: Einführung v6
• YuE2: Grenzmusik mit symbolischer Planung
• AuK: Open-Source-Grundmodell für Sprachgenerierung und -bearbeitung
• OpenAI: ChatGPT für Finanzdienstleistungen
• MiniCPM5-2B über Hugging Face
• UniMate · WorldSculpt · Fire3D · Show-Harness · UMR · UnifoLM-WLA-1.0 · LingBot World 2 · Edge0 · RealSWE · Marigold v2 Demo

• AI news
• DeepSeek V4.1-Flash
• AlphaGenome Atlas
• Navier-Stokes
• OpenAI
• Suno v6
• YuE2
• Isaac 0.5
• humanoid robots
• AI music
• AI automation
• business automation