Metas Muse Spark Open, ChatGPT-Werbung und Accentures KI-Budgetkürzungen
Meta veröffentlicht das 816B-Parameter-Modell Muse Spark Open, optimiert für Mac-Hardware. Gleichzeitig decken Untersuchungen die Werbe-Targeting-Fähigkeiten von ChatGPT auf, und Accenture führt strenge monatliche KI-Budgetobergrenzen für Mitarbeiter ein.
Podcast В· 4 min
Meta startet Muse Spark Open für lokale Hardware
Meta hat Muse Spark Open veröffentlicht, ein multimodales Modell mit 816 Milliarden Parametern, das für Programmier- und agentische Aufgaben entwickelt wurde. Das Modell zeichnet sich durch seine Optimierung mit Apple aus, die es ermöglicht, lokal auf zwei M5 Ultra Mac Studios mit 1 TB kombiniertem Arbeitsspeicher ausgeführt zu werden. Diese Veröffentlichung markiert eine strategische Wende für Meta, das sich nach dem Erfolg seiner offenen Llama-Serie zuvor geschlossenen Modellen zugewandt hatte. In Bezug auf die Leistung liegt das Modell mit 39 Punkten auf dem Artificial Intelligence Index, hinter chinesischen Modellen wie GLM 5.3 (45) und Kimi K3 (44), übertrifft aber andere offene westliche Alternativen. Während chinesische Modelle derzeit bei den Programmierfähigkeiten führend sind, signalisiert Metas Veröffentlichung ein erneutes Bestreben, leistungsstarke, offene Werkzeuge bereitzustellen, die Entwickler auf ihrer eigenen Hardware-Infrastruktur einsetzen können. Dieser Start ist Teil eines breiteren Trends rascher Open-Weight-Veröffentlichungen in diesem Monat, nach Reflection AIs Beam und Mistrals Le Chonk. Indem Meta die lokale Ausführung auf Apple-Hardware ermöglicht, positioniert es sich, um direkt mit Closed-Source-Grenzmodellen zu konkurrieren und gleichzeitig die Flexibilität der lokalen Bereitstellung zu bieten, ein entscheidender Faktor für die Akzeptanz in Unternehmen und bei Entwicklern.
404 Media Untersuchung enthüllt ChatGPT-Werbe-Targeting
Eine Untersuchung von 404 Media hat aufgezeigt, wie Werbetreibende Nutzer innerhalb von ChatGPT basierend auf deren Eingabeaufforderungen und persönlichen Daten ansprechen können. Durch das Schalten von Testanzeigen demonstrierte das Medium, dass Werbetreibende 'Kontexthinweise' – Schlüsselwörter oder Themen – verwenden können, um die Anzeigenzuordnung zu steuern, sowie Listen mit E-Mails, Telefonnummern oder Android-Werbe-IDs hochladen können, um sie mit ChatGPT-Konten abzugleichen. OpenAI betont, dass diese Listen verarbeitet und gelöscht werden und Werbetreibende nicht sehen können, welche bestimmten Personen abgeglichen wurden. Die Ergebnisse unterstreichen jedoch die Datenschutzimplikationen der Nutzung von KI-Chatbots als suchmaschinenähnliche Schnittstellen. Während Nutzer die 'Personalisierung von Anzeigen' deaktivieren können, entfernt diese Einstellung Anzeigen nicht vollständig, da sie weiterhin basierend auf dem aktuellen Chat-Kontext ausgespielt werden können. Diese Entwicklung bringt ChatGPT in dasselbe Ökosystem wie traditionelle digitale Werbeplattformen. Da die Plattform auf ihre Milliardennutzerbasis skaliert, wirft die Fähigkeit, Nutzer über Konversationsdaten anzusprechen, Fragen zu den langfristigen Datenschutzerwartungen von KI-Nutzern auf, wobei Kritiker anmerken, dass der 'Aus'-Schalter nur begrenzten Schutz bietet.
Accenture führt monatliche KI-Budgetobergrenzen ein
Accenture hat laut internen Ankündigungen eine monatliche Obergrenze von 29 US-Dollar pro Mitarbeiter für KI-Ausgaben für Tools wie Claude eingeführt. Die am 1. Oktober in Kraft getretene Richtlinie zentralisiert die Kosten, verlangt aber von den Mitarbeitern, jede über dieses Limit hinausgehende Nutzung bestimmten Projektbudgets zuzuordnen. Dieser Schritt hat Berichten zufolge bei einigen Mitarbeitern zu Zugriffsproblemen geführt, insbesondere bei denen, die KI-Beschleuniger entwickeln und deutlich höhere Nutzungslimits benötigen. Die Diskrepanz zwischen Accentures externen Beratungsdiensten – die Kunden zu hohen Investitionen in KI ermutigen – und seinen internen Kostenkontrollmaßnahmen hat Aufmerksamkeit erregt. Während das Unternehmen angibt, die richtigen Werkzeuge für die richtige Arbeit bereitstellen zu wollen, verdeutlicht die Einschränkung die wachsende Herausforderung, verbrauchsabhängige KI-Kosten in großen Unternehmen zu verwalten, wo individuelle Entwicklerbedürfnisse schnell standardisierte Unternehmenszulagen übersteigen können.
Anthropic gewährt METR-Forschern direkten Zugang
Anthropic hat sechs Forschern der Organisation Model Evaluation and Threat Research (METR) Zugang auf Mitarbeiterebene zu seinen Systemen gewährt. Diese Vereinbarung ermöglicht es den Forschern, die KI-Sicherheitspraktiken des Unternehmens zu bewerten und ihre Ergebnisse zu veröffentlichen, ohne vorherige Genehmigung von Anthropic einholen zu müssen, obwohl das Unternehmen das Recht behält, enge Schwärzungen zu verlangen. Dieser Schritt ist ein bedeutender Schritt in Richtung unabhängiger Aufsicht über Grenz-KI-Labore. Indem Anthropic externen Evaluatoren ermöglicht, mit hohem Zugang zu arbeiten, versucht das Unternehmen, Bedenken hinsichtlich der Transparenz seiner Sicherheitsprotokolle auszuräumen. Die Zusammenarbeit zielt darauf ab, eine strengere Bewertung potenzieller Risiken zu ermöglichen und einen Präzedenzfall dafür zu schaffen, wie KI-Labore mit externen Sicherheitsorganisationen zusammenarbeiten könnten.
Bank of America stellt Auftragnehmer zur Behebung von Mythos-Schwachstellen ein
Die Bank of America hat Berichten zufolge 1.000 Auftragnehmer eingestellt, um Softwareschwachstellen zu beheben, die durch das Mythos-Modell von Anthropic aufgedeckt wurden. Der CEO der Bank, Brian Moynihan, bestätigte die Einstellungsinitiative, die sich auf die Behebung von Sicherheitslücken konzentriert, die durch den Einsatz des KI-Modells identifiziert wurden. Dies unterstreicht die praktische und oft kostspielige Realität der Integration fortschrittlicher KI in die Bankeninfrastruktur. Der Vorfall unterstreicht die zweischneidige Natur von KI in der Cybersicherheit: Während Modelle wie Mythos kritische Schwachstellen identifizieren können, schaffen sie auch eine erhebliche operative Belastung für Organisationen, diese Erkenntnisse zu beheben. Da Finanzinstitute die KI-Einführung beschleunigen, werden die Kosten für die Aufrechterhaltung sicherer Systeme zu einem wichtigen Faktor in ihrer gesamten KI-Strategie.
Harvard-Studie kartiert Geschlechterunterschiede bei der KI-Nutzung
Ein neuer Bericht von Harvard-Forschern hat anhaltende Geschlechterunterschiede in der Art und Weise identifiziert, wie Amerikaner KI nutzen. Basierend auf einer Umfrage unter über 5.400 Erwachsenen und einer Analyse von 78.000 Nachrichtenartikeln ergab die Studie, dass 29 % der Frauen angaben, noch nie KI genutzt zu haben, verglichen mit 22 % der Männer. Während Browserdaten auf ähnlichere tatsächliche Nutzungsraten hindeuten, ist die Kluft bei Schulung und Selbstvertrauen ausgeprägter. Am Arbeitsplatz gaben 64 % der berufstätigen Frauen an, keine KI-Schulung erhalten zu haben, verglichen mit 49 % der Männer. Die Studie stellte auch eine erhebliche Diskrepanz in der Mediendarstellung fest, wobei KI-Schlagzeilen Männer 14,6-mal häufiger nannten als Frauen. Die Forscher vermuten, dass diese Lücken in der Ausbildung und Sichtbarkeit eine gleichberechtigte Teilhabe an der KI-getriebenen Wirtschaft behindern könnten. Diese Forschung bietet einen der umfassendsten Blicke auf die sozialen Dimensionen der KI-Einführung. Während Labore auf universellen KI-Zugang drängen, deuten die Ergebnisse darauf hin, dass die Herausforderung nicht nur in der technischen Zugänglichkeit liegt, sondern auch in der Bewältigung der systemischen Unterschiede in Ausbildung, Selbstvertrauen und Repräsentation, die derzeit die KI-Landschaft prägen.