Mistral Large 4 vorgestellt: Anthropic macht Haiku guenstiger, Mistral kehrt zurueck zur Spitze

Diese Zusammenfassung behandelt Modellveröffentlichungen und Updates im Zeitraum von etwa 2026-10-03 bis 2026-10-10, bei den üblichen Verdächtigen: Anthropic, OpenAI, Google, Meta, Mistral, Hugging Face und Simon Willisons Blog.

Vorstellung von Claude Haiku 5.5, 2026-10-07. Anthropics neues kleines Modell erhält eine einstellbare Effort-Einstellung, die bisher größeren Modellen vorbehalten war, und der Listenpreis sinkt im Vergleich zu Haiku 4.5 um rund 75 Prozent. Der Cache-Read-Preis von Sonnet 5.5 wurde zudem halbiert (etwa 20 Prozent günstiger für agentische Workloads), und Abonnenten von Max und Team erhalten ein neues monatliches API-Guthaben. Für Teams, die Klassifizierung, Zusammenfassung oder Subagent-Aufgaben in großem Volumen betreiben, senkt das die Kostenuntergrenze deutlich. Man sollte bei der Schätzung realer Einsparungen nur den neuen Tokenizer berücksichtigen (siehe Simon Willisons Anmerkung unten).

OpenAIs Consumer-News-Blog (openai.com/news) zeigte während der Recherche eine Bot-Challenge-Seite und konnte nicht direkt überprüft werden, daher stützt sich dieser Abschnitt stattdessen auf OpenAIs Entwickler-API-Changelog, was für Entwickler ohnehin vermutlich relevanter ist.

Ultrafast-Modus für GPT-6.1 Sol, 2026-10-08. Eine neue Ultrafast-Service-Stufe für gpt-6.1-sol in der Responses API reduziert die Latenz zwischen Tokens und steht allen API-Nutzern vorbehaltlich der Rate Limits zur Verfügung, mit globaler Verarbeitung sowie Optionen für Datenresidenz in den USA und der EU. Nützlich für latenzkritische Produktionspfade wie Sprach- oder Live-Agenten, ohne das Modell vollständig wechseln zu müssen.

Decisions, 2026-10-06. Ein neuer Beta-Endpunkt v1/decisions, der auf gpt-6-luna basiert, wandelt Text- oder Bildeingaben in typisierte Antworten um und soll laut Anbieter etwa zehnmal schneller laufen als die Responses API. Es ist ein dedizierter Pfad für Produktions-Workloads im Stil von Klassifizierung und Extraktion, die strukturierte Ausgaben statt einer vollständigen Chat-Antwort benötigen, und lohnt sich als Benchmark gegen die eigene bestehende Struktur für strukturierte Ausgaben.

Neues aus diesem Zeitraum gibt es nicht. Der jüngste Beitrag ist eine September-Rückblick (veröffentlicht 2026-10-02, also knapp außerhalb der Sieben-Tage-Grenze), der bereits in früheren Zusammenfassungen behandelte Ankündigungen bündelt und selbst keine neue Veröffentlichung darstellt.

Auf diesem Blog wurde seit Ende Juli 2026 nichts veröffentlicht, daher gibt es diese Woche keine Modell-Neuigkeiten zu berichten.

Vorstellung von Mistral Large 4, 2026-10-06. Mistral hat eine öffentliche Vorschau von Large 4 veröffentlicht, ein nativ multimodales Mixture-of-Experts-Modell mit einer Billion Parametern (52B aktive Parameter), trainiert auf einem eigenen Grace-Blackwell-Cluster mit 3.800 GPUs. Es erzielt starke Ergebnisse bei Coding, agentischen Workflows, Cybersicherheit und Visual Grounding und unterstützt über 160 Sprachen. Das Modell ist jetzt über die API von Mistral Studio für Produktionsexperimente verfügbar; offene Gewichte werden bis Ende des Monats versprochen, was relevant ist, wenn man EU-souveräne Inferenz wünscht oder nicht an eine geschlossene API gebunden sein will.

Open-Sourcing von AstaBrief, dem schnellen Berichtsgenerierungs-Modell in Asta, 2026-10-03. Das Allen Institute for AI hat die Gewichte von AstaBrief 8B veröffentlicht (auf Qwen3-8B aufbauend), das aus einer Anfrage und herangezogener Literatur wissenschaftliche Berichte mit Zitaten in einem einzigen Durchlauf erzeugt statt Abschnitt für Abschnitt. Es ist im Benchmark rund 3,5-mal schneller als eine Claude-basierte Alternative (etwa 51 Sekunden gegenüber 178 Sekunden pro Bericht im Fast Mode), mit Trainingsdaten und Beispielen für den lokalen Einsatz. Eine solide Option, wenn man wissenschaftliche Berichtsgenerierung on-premises ohne Abhängigkeit von einer Drittanbieter-API benötigt.

Neu in llama.cpp: Decision Models, 2026-10-05. llama.cpp hat native Unterstützung für sogenannte Decision Models über einen neuen Endpunkt /v1/systemone hinzugefügt: Statt Text Token für Token zu generieren, bewerten diese Modelle die angegebenen Optionen und liefern eine wahrscheinlichkeitsgewichtete Antwort. Modelle von 144M bis 27B Parametern antworten auf der GPU in 3 bis 43 Millisekunden, womit Klassifizierer-Tempo bei der Latenz für Request-Routing, Inhaltsmoderation oder die Validierung von Agentenaktionen verfügbar wird, alles lokal laufend.

LightOnOCR-3: Hochleistungs-OCR und Layoutextraktion in einem Modell, 2026-10-09. LightOn hat drei Varianten von LightOnOCR-3 veröffentlicht (0.8B, 1B, 4B; die beiden größeren auf einem Qwen3.5-VL-Backbone) unter Apache 2.0, die OCR und Verständnis von Dokumentlayouts in einem Modell vereinen, mit einem Grounding-Modus zur Extraktion von Bounding Boxes und numerischen Daten aus Diagrammen. Die 4B-Variante liegt nahe am Stand der Technik (86.3 auf olmOCR-Bench) und läuft etwa 19 Prozent schneller pro Seite als Chandra-OCR-2, ein starker Kandidat für den Ersatz mehrstufiger Pipelines zur Dokumentverarbeitung, mit erlaubter kommerzieller Nutzung.

Claude Haiku 5.5, 2026-10-07. Simon weist darauf hin, dass Haiku 5.5 nun an OpenAIs GPT-6-Luna-Preisen orientiert ist (0,10 bzw. 0,50 Dollar pro Million Tokens bis 100k Tokens, darüber das Fünffache), allerdings verwendet Haiku 5.5s neuer Tokenizer für denselben Prompt grob 1,25-mal mehr Tokens als Haiku 4.5, was eine versteckte Preiserhöhung über dem Listenpreis darstellt. Er merkt zudem an, dass Reasoning nun standardmäßig mit Effort-Stufe medium aktiviert ist und sich nicht abschalten lässt. Praktisches Fazit: Haiku bleibt unter 100k Tokens Kontext günstiger als Luna, darüber kehrt sich die Rechnung um.

Vorstellung von Mistral Large 4: Le chonk, 2026-10-06. Simons Einschätzung von Large 4 liefert nützlichen Kontext: Auf Artificial Analysis springt der Wert von 9 (Large 3) auf 38, womit das Modell nahe an DeepSeek 4.1 Flash heranrückt und zeigt, dass Mistral auf etwa sechs Monate Rückstand zur Spitze aufgeholt hat, statt deutlich abzuhängen. Die Veröffentlichung der offenen Gewichte steht weiterhin für Ende des Monats an, bis dahin ist das Modell nur über die API verfügbar.

EmbeddingGemma 2, 2026-10-06. Anlässlich von Googles Veröffentlichung von EmbeddingGemma 2 betont Simon, warum die Apache-2.0-Lizenz gerade bei Embedding-Modellen wichtig ist: Stellt ein gehosteter Anbieter ein proprietäres Embedding-Modell einmal ein, bleibt man mit Millionen vorberechneter Vektoren sitzen und hat keine günstige Möglichkeit, diese neu zu erzeugen. Offene Gewichte bedeuten, dass man den Hosting-Anbieter wechseln oder selbst hosten kann, ohne diese Investition zu verlieren.

Zwei Themen verbinden diese Woche. Erstens werden die Preise immer schwieriger zu durchschauen: Sowohl die Tokenizer-Änderung bei Haiku 5.5 als auch OpenAIs gestaffelte Sol/Luna-Preise bedeuten, dass Listenpreise nicht mehr die ganze Kostengeschichte erzählen. Man sollte also mit den eigenen echten Prompts benchmarken, bevor man einer Schlagzeilenzahl vertraut. Zweitens tauchten sogenannte Decision Models, also kompakte Modelle, die eine bewertete Antwort statt freiem Text zurückgeben, in derselben Woche unabhängig voneinander in llama.cpp und OpenAIs neuer Decisions API auf, was darauf hindeutet, dass strukturierte Ausgaben in Klassifizierer-Geschwindigkeit dabei sind, eine eigene Produktkategorie zu werden, statt ein Workaround zu bleiben.

Was fällt Ihnen diese Woche auf: Mistrals Comeback, das Decision-Model-Muster oder etwas anderes? Hinterlassen Sie unten einen Kommentar.