Open-Source-Modelle und lokale Inferenz-Infrastruktur dominieren den Tag: Kimi K3 setzt Benchmarks, während Tools für lokale Deployments reifen. Dazu: AlphaEvolve wird produktiv, Netflix wirft seine RecSys-Architektur über Bord – und ein CFO erinnert daran, dass Evals keine Kosten messen. Die Woche gehört dem Open-Model-Feld – und sie zeigt, dass Offenheit längst kein ethisches Bekenntnis mehr ist, sondern eine Vertriebsstrategie. Kimi K3, Inkling, Bonsai 27B und GPT-Red markieren vier verschiedene Antworten auf dieselbe Machtfrage: Wer darf große KI besitzen, anpassen und betreiben? Moonshot AIs Kimi K3 mit 2,8 Billionen Parametern ist dabei das auffälligste Signal – das erste open-weights-Modell der Drei-Billionen-Klasse, auch wenn die vollständigen Gewichte erst später im Monat erscheinen sollen. Die zugehörigen Benchmark-Daten zeichnen ein differenziertes Bild: Im Code Arena Frontend-Ranking belegt K3 mit einem Score von 1.679 den Spitzenplatz und übertrifft Claude Fable 5 sowie GPT-5.6 Sol – das erste Mal, dass ein chinesisches Modell diese Benchmark anführt. Auf dem FrontierMath Tier 4, den härtesten Matheaufgaben von Epoch AI, landet K3 jedoch bei lediglich 39 Prozent, während Modelle von OpenAI und Anthropic dort teils nahe 90 Prozent erreichen. Spezialisierung als Marktpositionierung, keine universelle Überlegenheit. Die Infrastruktur, die solche Modelle lokal lauffähig macht, reift parallel dazu in sichtbarer Geschwindigkeit. Ghost, eine native macOS-Menüleisten-App, gibt lokalen Modellen via Ollama und LM Studio ein vollständiges Tool-Harness mit über 60 verifizierten Aktionen, lokalem SQLite-RAG und automatischer Calling-Convention-Erkennung – ohne dass Daten das Gerät verlassen. Eine Stufe tiefer auf der Stack-Ebene setzt Eider an: Die von Grund auf in Rust und CUDA gebaute Inference-Runtime für den NVIDIA DGX Spark (GB10, Grace Blackwell) löst ein konkretes Problem, das vLLM auf dieser Hardware bisher nicht bewältigen konnte – das Paging großer Mixture-of-Experts-Modelle wie Step-3.7-Flash in den Speicher. Beide Projekte adressieren denselben Engpass: Leistungsstarke Modelle existieren, aber die Werkzeugkette, um sie in kontrollierten Umgebungen produktiv zu betreiben, hinkt hinterher. Dass OpenAI gleichzeitig die Codex-Kontextgröße von 372k auf 272k Token reduziert – ein Rückschritt um rund 100.000 Token –, zeigt, dass selbst Cloud-Anbieter ihre Inferenzressourcen aktiv bewirtschaften müssen. Für Entwickler, die mit großen Codebasen nah am bisherigen Limit operierten, kann das Workflows brechen. Auf der Produktionsseite liefert Google mit AlphaEvolve in General Availability das prägnanteste Beispiel dafür, was passiert, wenn sich ein Forschungsprojekt zu einem messbaren Unternehmensprodukt verdichtet. Das Deployment-Modell ist dabei bewusst datenschutzfreundlich konstruiert: Die Evaluierungsfunktion läuft auf der eigenen Infrastruktur des Kunden, AlphaEvolves API generiert Kandidatenprogramme, die lokal bewertet werden. Die veröffentlichten Kundenbeispiele sind konkret: Klarna verdoppelte den ML-Trainingsdurchsatz und explorierte rund 6.000 Kandidatenprogramme in drei Wochen; Kinaxis steigerte die Prognosegenauigkeit um 22 Prozent bei gleichzeitig 90 Prozent kürzerer Laufzeit. Der Kommentar eines Hacker-News-Nutzers, der anlässlich des erweiterten Papers im Mai zitiert wird, trifft die Grenze des Systems präzise: AlphaEvolve funktioniert dort, wo das Problem eine messbare, automatisierbare Bewertungsfunktion hat – G…
