Ai Talk Podcast by Dominik Wojcik

Anthropics mächtigstes Modell Fable 5 wurde auf Druck der US-Regierung deaktiviert – und die Hintergründe sind widersprüchlicher als die offizielle Kommunikation vermuten lässt.In dieser Folge geht es um die zwei konkurrierenden Erklärungen: David Sacks nennt einen Jailbreak als Auslöser, ein Semafor-Bericht deutet auf chinesischen Zugriff hin – Anthropic selbst sagt, China sei in den Gesprächen mit der Regierung nie Thema gewesen. Dazu kommt ein handfester Interessenkonflikt: Amazon-Forscher sollen hinter dem Jailbreak-Report stehen, der den US-Crackdown auslöste.Technisch wird es beim Blick auf die Jailbreak-Methoden: Homoglyphen, Unicode, kyrillische Zeichen, Fiction Framing und Decomposition-Recomposition – Techniken, die zeigen, wie fragil Guardrails wirklich sind.Als direkten Ersatz stellt Dominik die OpenRouter Fusion API vor: Mehrere LLMs arbeiten parallel, ein Judge-Modell synthetisiert die Ergebnisse. Der Anspruch – Fable-5-Niveau bei halbem Preis – wird kritisch eingeordnet, inklusive Benchmark-Einschränkungen und einem Bug beim Judge-Modell.Weitere Themen: Kimi 2.7 mit 33 % weniger Thinking Tokens, ein Leak zu GPT-6 mit 10-Millionen-Token-Kontextfenster, GLM-Aktie +50 % als Profiteur der US-Exportbeschränkungen, explodierende GPU-Preise für lokale Inferenz (+55 % bei der Nvidia RTX Pro 6000) und ein GitHub-Repository mit geleakten System Prompts – darunter Fable 5 mit 3.800 Zeilen und rund 70.000 Token.Kapitel:00:00:06 Intro & Überblick00:00:34 Fable 5 abgeschaltet00:06:17 Hintergründe: China-Verdacht & Exportbeschränkungen00:07:48 Jailbreaks: Wie Fable 5 gebrochen wurde00:10:05 Interessenkonflikt Amazon & Anthropic00:11:13 Konsequenzen für Nutzer & Rückerstattung00:16:06 OpenRouter Fusion API – Konzept & Funktionsweise00:17:37 Fusion-Benchmark: Besser als Claude 4 Solo?00:19:16 Multi-LLM-Orchestrierung als Kostenstrategie00:22:10 Kimi 2.7: Ehrlichere KI, 33 % weniger Thinking Tokens00:24:58 WM 2026 als KI-Datenprojekt00:31:09 GPT-6 Leak: 10 Millionen Token Kontextfenster00:33:13 GLM-Aktie +50 %: Profiteur der US-Exportbeschränkungen00:37:00 Nvidia RTX Pro 6000: +55 % teurer00:38:59 GitHub der Woche: Geleakte System Prompts00:41:37 Strategie: Fremde System Prompts als Qualitätshebel00:42:21 OutroShownotes:The Verge berichtet über den Verdacht, dass eine China-nahe Gruppe Zugriff auf Anthropics Mythos hatte – Hintergrund zu den Exportbeschränkungen: https://www.theverge.com/ai-artificial-intelligence/949644/china-white-house-anthropic-mythosPliny the Liberator dokumentiert öffentlich den Jailbreak von Fable 5 mit konkreten Techniken: https://x.com/elder_plinius/status/2064776322979676227OpenRouter stellt die Fusion API vor – Prompts parallel an mehrere Modelle, ein Judge synthetisiert die Antwort: https://x.com/OpenRouter/status/2065856853989270011/photo/1Screenshot-Leak: GPT-6 mit 10-Millionen-Token-Kontextfenster in Codex gesichtet – unbestätigt: https://x.com/Amank1412/status/2065821124299194800BofA-Analyse zur WM 2026 als KI-Datenprojekt: 90 Petabyte direkte Turnierdaten, bis zu 2 Exabyte gesamt: https://finance.yahoo.com/news/the-first-ai-world-cup-is-an-11-billion-money-machine-chart-of-the-day-133000537.htmlPC Games Hardware zur Nvidia RTX Pro 6000: Preis von 8.565 $ auf 13.250 $ gestiegen, Treiber ist GDDR7-Knappheit: https://www.pcgameshardware.de/Grafikkarten-Grafikkarte-97980/News/RTX-Pro-6000-Preis-13250-US-Dollar-1545247/GitHub-Repository mit geleakten System Prompts von Claude Fable 5, Opus 4.8, GPT 5.5, Gemini 3.5 und weiteren Modellen – wird laufend aktualisiert: https://github.com/asgeirtj/system_prompts_leaksNewsletter von Dominik Wojcik – KI-News, Tool-Tipps und Strategien kompakt aufbereitet: https://wojcik.de/newsletter#anmelden- Quelle zu Reddit - Please wait for verification: https://www.reddit.com/r/ClaudeAI/comments/1u4dij4/megathread_for_us_government_suspension_of_fable/

OpenAI und Anthropic subventionieren ihre Abo-Modelle massiv – und eine neue Analyse zeigt, wie extrem das Missverhältnis wirklich ist.00:00:06 | Intro & ThemenüberblickWorum es geht: Preiskampf, Fable-Test, Google-Haftung00:00:34 | Claude Fable – ErsteindruckMythos-Architektur, Stärken im Coding, Schwächen in anderen Wissensbereichen00:01:13 | Fable vs. Opus 4.8Direktvergleich im Host-Workflow – Opus 4.8 bleibt vorn00:03:09 | Fable fliegt aus SubscriptionsZugang endet ~22. Juni; danach nur noch API zu 50 $/1M Token00:05:00 | Subscription vs. API – Die Subventions-AnalyseSemiAnalysis-Daten: Token-Gegenwert je Plan von Claude Pro bis ChatGPT Pro00:07:00 | Die 14.000-Dollar-Zahl erklärtChatGPT Pro (200 $/Monat) entspricht ~14.000 $ API-Gegenwert; Claude Max (200 $) ~8.000 $00:08:07 | Break-even und MargenrisikoAnthropic break-even bei ~20 % Auslastung; OpenAI-200-$-Plan rentiert sich nur unter 5,7 %00:09:52 | Preiskampf: OpenAI senkt Token-PreiseWSJ-Bericht: OpenAI plant massive Preissenkungen als Reaktion auf Fable00:11:12 | Fable-API-Preis und EinordnungAktuell 50 $/1M Token (vorher 125 $) – immer noch ~2× teurer als Opus00:13:46 | Empfehlung: Welche Tools jetzt nutzen?Cursor, Claude Code, ChatGPT Pro – solange die Subventionierung anhält00:16:04 | Google AI Overviews – Klage und SEO-KonsequenzenZwei Verlage klagen; nur ~1 % der Nutzer klicken auf Quellenangaben00:19:02 | EU-Haftungsurteil: Google haftet für falsche OverviewsRegelung vom 3. Juni, 9 Monate Übergangsfrist, Einspruchsrecht für Publisher00:20:51 | Googles rechtliche GegenwehrRevision wahrscheinlich; langfristige Konsequenzen noch offen00:21:48 | Apex Agents Benchmark: Gemini Flash 3.5 vs. Claude Sonnet 5Gemini Flash 3.5 ~50 %, Claude Sonnet 5 ~45 % – gezieltes Agentic-Training als Erklärung00:23:20 | Gemini 3.5 Pro – Vorsicht mit dem HypeEarly-Access-Feedback bisher verhalten00:28:12 | Tool-Tipp: TextLottieLottie-Animationen direkt aus Codex/Claude Code generieren00:30:27 | Praxistest: Website-Rebuild mit Claude/FableKomplette Homepage inkl. CMS und dynamischer Hero-Animation00:33:58 | Fazit & AusblickSubscription-Fenster nutzen, Preiskampf beobachten, Google-Entwicklung verfolgen---Shownotes:WSJ berichtet über geplante drastische Preissenkungen bei OpenAI als Reaktion auf Anthropics neues Modell:https://www.wsj.com/tech/ai/openai-considers-drastic-price-cuts-anticipating-war-for-users-with-anthropic-9b8c178e?mod=e2twSemiAnalysis analysiert Subscription- vs. API-Margen bei OpenAI und Anthropic – inklusive Break-even-Berechnung:https://x.com/SemiAnalysis_/status/2064815042374074396Heise berichtet über das Münchner Urteil: Google muss für falsche Aussagen in AI Overviews haften:https://www.heise.de/en/news/LG-Munich-I-Google-ordered-to-pay-for-false-statements-in-AI-summaries-11327217.htmlJake warnt davor, Token-Kosten auf Basis von Durchschnittspreisen zu berechnen – Modelle verbrauchen sehr unterschiedliche Mengen:https://x.com/JakeKAllDay/status/2064870609796898862/photo/1TextLottie: Open-Source-Skill für Codex und Claude Code, der Lottie-Animationen direkt aus dem Coding-Agenten generiert:https://x.com/konstipaulus/status/2064011863889788972- Quelle zu: https://www.theinformation.com/newsletters/the-briefing/german-court-ruling-google-spotlights-ai-liability-question- Maßgeschneiderte KI-Strategien und -Lösungen – von der Idee über das Modell-Training bis zur produktiven Integration: https://wojcik.de- The biggest IPO in history is now 4x oversubscribed, with SpaceX $SPCX drawing $250B in demand against a $75B raise: https://x.com/NoLimitGains/status/2064439231968166348

Zwei Themen dominieren die KI-Woche – und beide zeigen, wie schnell sich Begriffe und Erwartungen verselbstständigen, bevor die Realität sie einholt.Peter Steinbergers Tweet vom 7. Juni hat 2,2 Millionen Views gesammelt. Sechs Wörter: „You should be designing loops that prompt your agents." Problem: In den Replies streiten alle darüber, was das überhaupt bedeutet. Die Folge erklärt Boris Chernys Definition vom WorkOS-Event, zeigt die fünfjährige Entwicklungsgeschichte von ReAct über AutoGPT bis zur heutigen Orchestrierungsebene – und nimmt den Cron-Job-Einwand ernst. Dazu ein konkretes Praxisbeispiel: 90 Minuten autonomes Codex-Coding, 630.000 Tokens, ein eigener LLM-Benchmark steigt von 90,1 auf 91,0 Prozent.Parallel brodelt der Hype um Claude Mythos. Leak-Outputs aus der DevMode-Community zeigen einen macOS-Klon mit 50.000 Tokens und funktionierendem Browser, einen Cut-the-Rope-Nachbau mit Level-Editor und Musik-Generierung über Code – alles auf Low Thinking Effort. Anthropic-interne Daten sollen 52-fache Trainings-Code-Speedups in bestimmten Optimierungsaufgaben zeigen. Polymarket sah die Release-Wahrscheinlichkeit innerhalb einer Woche bei 40 Prozent – vier Tage zuvor lag sie noch bei 3 Prozent. Preisgerüchte: rund 125 Dollar pro einer Million Output-Token, zwei Versionen für Endnutzer und Enterprise.Außerdem: Clive Chan verlässt OpenAI nach 2,4 Jahren im Custom-Chip-Programm und wechselt zu Anthropic. OpenAI plant den eigenen Inferenz-Chip für H2 2026. Apple WWDC bringt ein neues Siri, möglicherweise mit Gemini-Backend. Und Ramp-Kreditkartendaten für Juni zeigen: Anthropic führt im B2B-Wachstum – OpenAI taucht nicht mehr unter den Top-Playern auf.00:00:08 Intro & Format00:03:17 Claude Mythos – erste Community-Outputs00:06:00 Generierungszeit und Kosten00:07:13 GPT-5.06 – erste Infos aus internen Tests00:15:33 Mythos-Preise und zwei Versionen00:18:21 Release-Prognose via Polymarket00:20:32 Mythos-Preise konkret: $125 pro 1M Output-Token00:21:22 Gemini 3.5 Pro Leak00:25:32 Peter Steinbergers viraler Loop-Tweet00:26:44 Loop vs. Prompt – was ist der Unterschied?00:29:31 Praxisbeispiel: 90 Minuten autonomes Codex-Coding00:32:53 Sub-Agents und parallele Loops00:36:37 Warnung: Token-Kosten können explodieren00:38:15 Loop-Coding erklärt: Der Mensch schreibt die Schleife00:40:18 Verifikation als wichtigster Erfolgsfaktor00:40:43 Das größte Risiko bei AI-Agents00:41:05 Skills sind das Asset, nicht der Loop00:41:35 Vom Prompt Engineer zum Agent-Orchestrator00:42:22 Brain Drain: Chip-Ingenieur wechselt von OpenAI zu Anthropic00:43:38 OpenAIs eigener Inferenz-Chip00:44:01 Apple WWDC: Neues Siri mit Gemini-Backend?00:46:27 Ramp-Marktdaten Juni: Wer wächst wirklich?00:47:21 Anthropic führt – OpenAI verliert Boden00:48:37 Abschluss & AusblickShownotes:Der virale Tweet, der die Debatte ausgelöst hat – mit Einordnung der Loop-Definition und fünfjähriger Entwicklungsgeschichte: https://x.com/mvanhorn/status/2063865685558903149Weitere Mythos-Outputs auf Low Effort, mit Hinweis auf deutlich bessere Ergebnisse bei xHigh/Max: https://x.com/Lentils80/status/2063686677160149501Mythos-Output-Thread mit Pixel Art, Piano-Musik-Visualizer und Cut-the-Rope-Nachbau aus der DevMode-Community: https://x.com/mirochill/status/2062931007725015356Mythos generiert Musik über Code – Einordnung als „First Principles"-Ansatz für Audio: https://x.com/chetaslua/status/206361381924369210Polymarket-Einordnung: Release-Wahrscheinlichkeit von 3 % auf 40 % in vier Tagen, Modell kurz in Anthropic-UI aufgetaucht: https://x.com/goodworse/status/2063579122555662763Mythos vs. GPT-5.6 – Vergleich von Leak-Outputs, mit Hinweis auf möglichen IPO-Hype als Verzerrungsfaktor: https://x.com/notjazii/status/2063272880708956258Clive Chan verlässt OpenAI nach 2,4 Jahren im Custom-Chip-Programm und wechselt zu Anthropic: https://x.com/itsclivetime/status/2063356118525792542

In dieser AI Talk Folge geht es um mein Experiment, ein eigenes SEO LLM per LoRA Fine-Tuning zu trainieren.Ich spreche darüber, wie ich aus meinem SEO Benchmark Trainingsdaten erstelle, warum gute Datensätze wichtiger sind als reine Menge und wie ich ein Open-Weight-Modell gezielt für technische SEO-Aufgaben, strukturierte Daten, Onpage, Offpage, Crawling und Agent-Workflows optimieren möchte.Außerdem geht es um Qwen 3.6, lokale LLMs, RunPod, GPU-Setups, Benchmarks, Student-Teacher-Ansätze und die Frage, ob ein kleineres Modell nah genug an große Topmodelle herankommen kann, um in echten Workflows deutlich günstiger eingesetzt zu werden.Ein großer Teil der Folge zeigt auch, warum Fine-Tuning ein iterativer Prozess ist: trainieren, testen, Fehler analysieren, Trainingsdaten verbessern und erneut benchmarken.Kapitel:00:00 Einstieg: Warum ein eigenes SEO LLM?02:42 SEO Benchmark, Student-Teacher-Prinzip und Modellvergleich05:12 Codex, Claude Code, Cursor und aktuelle Coding-Tools07:48 Trainingsstatus, Setup und lokale Modelle13:15 Qwen 3.6 als Basis für das Fine-Tuning17:48 Aufbau der SEO-Trainingsdaten24:45 Training starten, Datensätze kuratieren und LoRA verstehen30:42 Benchmark-Test mit dem neuen Modell32:36 Iteration: Trainieren, testen, verbessern39:02 Erste Ergebnisse, Rückschritte und Learnings46:38 Analyse mit starken Modellen und Vorbereitung für V457:14 Neuer Trainingslauf mit optimierten Beispielen58:15 Nächster Schritt: Tool- und Function-Calling-Training59:54 Fazit: Wie ich LLMs optimiere01:02:05 Warum Benchmark und Trainingsdaten getrennt bleiben müssen01:03:06 Ziel: Ein günstigeres spezialisiertes SEO Brain Modell

In dieser AI Talk Folge geht es um Nvidia DGX Spark, lokale LLMs, neue Open-Weight-Modelle, Minimax M3, Coding-Benchmarks, ein neues Video-Modell von xAI und den Meta Support Assistant Hack.Außerdem zeige ich mein nächstes Experiment: ein eigenes SEO LLM per LoRA Fine-Tuning. Dafür will ich aus meinem SEO Benchmark Trainingsdaten bauen und ein Modell stärker auf technische SEO-Aufgaben, Crawling, Onpage, Offpage und Agent-Workflows optimieren.Kapitelübersicht:00:00 Neues Setup und KI-Co-Host02:42 Alphabet und AI-Infrastruktur05:02 Nvidia DGX Spark und lokale LLMs07:30 KI im Betriebssystem10:30 DGX Station und Blackwell Power14:23 Nvidia Nemotron 3 Ultra17:19 Minimax M3 für Coding21:41 Neues Video-Modell von xAI24:04 Coding-Benchmarks und Modellpreise28:11 Meta Support Assistant Hack31:37 KI-Co-Host im Live-Test33:19 Eigenes SEO LLM per LoRA41:37 Anthropic IPO und Preisdruck50:20 Fazit und Ausblick02.06.2026 · AI Talk 3ShownotesGrok Imagine Video 1.5 Preview | xAI Docs: Pricing $0.08 per second Pricing Output $0.08 per second You are charged for each second of video generated when using the API. https://docs.x.ai/developers/models/grok-imagine-video-1.5-previewMeta's AI chatbot helped attackers take over Instagram accounts | heise online: The attack vector was made public by US tech magazine 404 Media , which refers to Telegram groups of security researchers and hacking group… https://www.heise.de/en/news/Meta-s-AI-chatbot-helped-attackers-take-over-Instagram-accounts-11314517.htmlPersönlicher KI-Supercomputer | NVIDIA DGX Station: Tensor-Recheneinheiten der NVIDIA Blackwell-Generation NVIDIA DGX Station verfügt über Tensor-Recheneinheiten der NVIDIA Blackwell Generation, die 4-Bit-Gleitkomma-KI… https://www.nvidia.com/de-de/products/workstations/dgx-station/NASDAQ-Aktie Alphabet schwächer: Riesen-Kapitalerhöhung geplant - Blick auf den Berkshire-Anteil | finanzen.net: Google befindet sich damit in guter Gesellschaft: Amazon etwa plant, rund 200 Milliarden Dollar zu investi… https://www.finanzen.net/nachricht/aktien/ausbau-alphabet-aktie-sinkt-mega-kapitalerhoehung-fuer-ki-offensive-berkshire-anteil-im-blick-15723078Warren Buffett steigt mit 10 Milliarden Dollar bei Alphabets KI-Offensive ein: Juni 2026 Alphabet plant eine Kapitalerhöhung von 80 Milliarden Dollar, um seine KI-Infrastruktur auszubauen. https://the-decoder.de/warren-buffett-steigt-mit-10-milliarden-dollar-bei-alphabets-ki-offensive-ein/OpenAI models and Codex on Amazon Bedrock are now generally available | Artificial Intelligence: More than 5 million people use Codex every week to write, refactor, debug, test, and validate code across large codebases. https://aws.amazon.com/blogs/machine-learning/openai-models-and-codex-on-amazon-bedrock-are-now-generally-available/Regional availability - Amazon Bedrock: Virginia) Legacy (EOL: 2026-09-30) Rerank Region In-Region Geo Global us-west-2 (Oregon) ca-central-1 (Canada) eu-central-1 (Frankfurt) ap-northeast-1 (Tokyo) Nova Sonic Region In… https://docs.aws.amazon.com/bedrock/latest/userguide/models-region-compatibility.htmlNemotron 3 Ultra: Nvidias neues Open-Source-Modell ist laut Benchmark das stärkste der USA: Bild: AAII Beim Anbieter DeepInfra liefert Nemotron 3 Ultra laut Artificial Analysis zudem mehr als 300 Token pro Sekunde. https://the-decoder.de/nemotron-3-ultra-nvidias-neues-open-source-modell-ist-laut-benchmark-das-staerkste-der-usa/Anthropic confidentially submits draft S-1 to the SEC \ Anthropic: Skip to main content Skip to footer Try Claude Announcements Anthropic confidentially submits draft S-1 to the SEC Jun 1, 2026 Today, Anthropic, PBC con… https://www.anthropic.com/news/confidential-draft-s1-secMiniMax M3: Frontier Coding, 1M Context, Native Multimodality — All in One Model - MiniMax Research | MiniMax: Its clean, scalable, easy-to-implement, and hardware-friendly characteristics allow its theoretical gains to… https://www.minimax.io/blog/minimax-m3

In dieser AI Talk Folge spreche ich über Deepseek v4, Cursor Composer 2.5, Codex, Claude Code und neue Agent Tools.Deepseek v4 Pro hat in meinen Benchmarks extrem stark performt und ist preislich deutlich günstiger als viele westliche Frontier Modelle. Gleichzeitig zeige ich, wo politische Biases und Antwortverweigerungen problematisch werden können.Außerdem teile ich meine Erfahrungen mit Cursor Composer 2.5 aus einem echten Coding-Projekt, spreche über Codex Updates, Claude Code, Microsoft Agent Skills, steigende Token-Kosten in Unternehmen und den neuen Chrome DevTools MCP Server für Performance Audits.Eine Folge über neue KI-Modelle, Coding Agents, Kosten, Benchmarks und die Frage, welche Tools im Alltag wirklich nützlich sind.

In dieser Folge gibt es meinen Vortrag von der OMfinCon zum Thema AI Agents im Marketing.43 Minuten über den aktuellen Stand von AI Agents, warum SEO ein besonders spannender Use Case dafür ist und wie ich mir mit Autonomo SEO ein eigenes SEO AI Team gebaut habe. Ich zeige, wie einzelne Agents, ein Brain Orchestrator, ein Heartbeat Agent, Memory, Skills, APIs, MCP, eigene Crawler, Benchmarks und Human in the Loop zusammenspielen.Außerdem geht es sehr ehrlich um die Grenzen aktueller Agent-Systeme: instabile APIs, Gateway Issues, Token-Kosten, Kontextverlust, Authentifizierung, DSGVO, Modellverhalten und die Frage, wann AI Agents wirklich Marketing-Teams unterstützen können.Kapitelübersicht:00:00 Einstieg: Warum AI Agents jetzt relevant werden01:18 Rückblick: Frühe KI-Prognosen und ChatGPT02:26 Google, Disruption und Anpassungsfähigkeit03:15 Spezialisierte Chatbots und erste Agent-Erfahrungen05:24 OpenClaw, Hermes und aktuelle Agent-Frameworks10:30 Warum SEO ein guter Use Case für Agents ist11:26 Warum ich ein eigenes Agent-System gebaut habe12:49 Autonomo SEO: Ein Team aus SEO Agents13:19 Chat mit einzelnen Agents und Brain Orchestrator15:19 Teamchat: Wie Agents untereinander kommunizieren16:03 Heartbeat Agent: Das Herzstück des Systems16:50 Individuelle Agent-Einstellungen, Modelle und Memory18:38 Task-Übersicht, Priorisierung und Freigaben20:43 Outreach, Linkbuilding und Onpage-First-Ansatz21:38 Workflows statt einzelner Tasks23:18 Skills, APIs und MCP als Agent-Werkzeuge25:10 Lokale Tools, Browser-Plugins und Server-Zugriffe26:14 Eigener SEO Crawler für Agent-Projekte28:13 Monitoring, Kostenkontrolle und Token-Verbrauch29:19 Settings, Fokussteuerung und Kommunikationskanäle30:12 LLM Benchmarking für eigene Use Cases33:14 Technical SEO Benchmark: Überraschende Modell-Ergebnisse34:16 Onpage Benchmark: Warum Mistral stark performt35:45 Der Agent-Kindergarten: Die größten Praxisprobleme36:06 Gateway Issues, Provider-Ausfälle und instabile APIs37:10 Guardrails, Skills und MCP-Probleme38:01 Memory-Systeme, Authentifizierung und Kontextverlust39:10 Modellverhalten, DSGVO und Zuverlässigkeit40:55 Warum aktuelle Modelle noch nicht stark genug sind41:59 Ausblick: Wann Agents echte Marketing-Teams unterstützen können42:53 Fazit: Human in the Loop bleibt entscheidend