This Is Huge: Alibaba’s New AI, OpenAI New Protocol, Microsoft Copilot Update, Ideogram 3.0...

Die letzten Tage herrschten in der KI Welt absolutes Chaos. Nachrichten prasselten über uns, Durchbrüche überall und ehrlich gesagt war es schwer, auf dem Laufenden zu bleiben. Die großen themen wie gemini 2.5 deepseaks neues modell und cloudes denk update haben wir hier auf dem Kanal bereits behandelt. Aber es tut sich noch viel, insbesondere im Bereich generativer Text und multimodaler Key. In diesem Video führe ich Sie durch die neuesten Updates Von Alibabas neuem Open Source Modell über OpenAS Protokoll, Sollwechsel, Microsofts C Pilot Upgrades, Ideok bis hin zu Amazons gruseliger Smart Shopping Funktion. Bevor wir aber richtig loslegen, gibt es noch etwas Tolles, das Sie wissen. Wir starten einen brandneuen, völlig kostenlosen Kurs, der Ihnen den Einstieg in die KI Avatare zeigt, wie Sie sie erstellen, nutzen und tatsächlich damit Geld verdienen. Er ist komplett kostenlos, aber die Plätze sind sehr begrenzt. Daher gewähren wir nur denjenigen, die sich über den Link in der Beschreibung anmelden, frühzeitigen Zugriff. Beschreibung hinterlassen Sie einfach Ihre E Mail Adresse und und Sie erfahren es sofort. Und hier ist ein Wir starten in Kürze auch einen wöchentlichen Key Newsletter. Selbst wenn Sie nicht die Zeit haben, sich jedes Video anzusehen, bleiben Sie trotzdem über alles Wichtige aus der KI Welt auf dem Laufenden. Mit Ihrem Abonnement erhalten Sie automatisch auch Zugriff darauf. Keine zusätzlichen Schritte. Klicken Sie auf den Link in der Beschreibung. Geben Sie Ihre E Mail Adresse ein und schon sind Sie dabei. Verpassen Sie nichts. OK, beginnen wir mit Alibaba, einem der größten Tech Giganten Chinas. Am 26. März veröffentlichten sie ein neues multimodales Modell namens QEN 2.5 Omni B. Und das ist wirklich großartig. Es kann Text, Bilder, Audio und Video verarbeiten und in Echtzeit entweder schriftliche Antworten oder natürlich klingende Sprache liefern. Und das Es ist so leicht, dass es direkt auf Smartphones und anderen Edge Geräten läuft. Keine Cloud erforderlich. Also ja, wir sprechen von einem Modell, das Schlussfolgern beschreiben kann, was es sieht oder hört und sogar sehbehinderten Nutzern helfen kann, indem es ihre Geschichten erzählt. Es ist leistungsstark, aber auch wirklich nützlich. QN 2.5 Omni B ist bereits auf Hugging Face und GitHub verfügbar. Und stellen Sie sich vor, Sie haben bisher über 200 generative KI Modelle als Open Source veröffentlicht. Das ist kein Zufall. Seit Deepseek sein Open Source Modell R veröffentlicht und die Szene aufgemischt hat, ziehen chinesische Technologieunternehmen schnell nach. Wu hat neue, grundlegende Modelle auf den Markt gebracht und Alibaba veröffentlicht ununterbrochen Updates. Zuerst kam Gwen 2.5 dann ein verbesserter Bug Key Assistant und jetzt dieses neue Omni B Modell. Sie lassen offensichtlich nicht nach, und es geht nicht nur darum, Modelle zu produzieren. Alibaba investiert in den nächsten drei Jahren außerdem 53 Milliarden Dollar in Cloud und KI Infrastruktur. Das ist mehr, als sie in den letzten zehn Jahren zusammen ausgegeben haben. Laut Kai Wang von Morningstar sind sie damit bestens aufgestellt, um vom KI Boom in China zu profitieren. Sie haben sich sogar mit apple zusammengetan, um KI Funktionen auf in China verkaufte iPhones zu bringen, und gerade eine engere Partnerschaft mit BMW angekündigt, um intelligente Funktionen in Fahrzeugen der nächsten Generation zu ermöglichen. Wer Alibaba also immer noch nur als Einkaufsplattform betrachtet, hinkt hinterher. Sie setzen voll auf KI. Das Modell selbst ist ziemlich faszinierend. Quen 2.5 Omni B verfügt über einen einzigartigen Aufbau mit zwei dem Denker, der Sprache und logisches Denken verarbeitet, und dem Sprecher, der natürlich klingende Sprache erzeugt. Dieses geteilte Design hilft, die üblichen Probleme multimodaler Modelle zu vermeiden, die auftreten, wenn sie versuchen, zu viele Dinge in einer Pipeline zu erledigen. Außerdem wurde ein cleverer Trick namens tmrop Timelined Multimodal Rotary Position Embedding hinzugefügt, der eine perfekte Synchronisierung von Audio und Video ermöglicht, beispielsweise das Erzählen von Szenen mit präzisem Timing. In puncto Leistung schneidet es bei Benchmarks wie Omni B Bench gut ab, unterstützt kontextuelles Lernen und spricht nach einigen Optimierungen im Bereich des bestärkenden Lernens sogar deutlicher, mit weniger peinlichen Pausen oder Aussprachefehlern. Wenn Sie also ein Modell suchen, das sehen, hören, denken und sprechen kann, erfüllt dieses alle Anforderungen also gut. Das ist Alibaba. Unterdessen verschläft OpenAI neue Kooperationen nicht. Sie haben gerade die Unterstützung für Anthropix Modellkontext Protokoll MCP angekündigt. Anthropic ist so etwas wie ein Rivale, aber in gewisser Hinsicht auch ein Partner. MCP ist ein Standard der KI Assistenten im Wesentlichen Dabei hilft, die richtigen Daten aus allen benötigten Quellen zu Geschäftstools Softwareprotokolle, Inhaltsrepositories, Code Entwicklungsumgebungen und so weiter. Der Kernpunkt ist, dass Entwickler MCP Server einrichten können, die Daten speichern und MCP Clients, die diese Daten nutzen oder sich mit ihnen verbinden und sie in Key Anwendungen wie ChatGPT einspeisen können. Sam Allmann, CEO von OpenAI, kündigte die Einführung von MCP Unterstützung in der Chat GPT Desktop App sowie im Agenten SDK und weiteren Funktionen an. Mike Kager, Chief Product Officer von Antropic, freut sich sehr darüber, da dies zu mehr Abstimmung, mehr Synergien und einer höheren Akzeptanz des Protokolls führt. Unternehmen wie Block, Apollo, Replet, Codium und Sourcecraft sind bereits mit von der Partie. Wir gehen daher davon aus, dass dies in der Entwicklerwelt ein großer Trend wird, denn durch die nahtlose Nutzung vorhandener Datenquellen wird jedes Key Tool sofort leistungsfähiger und relevanter. Bei Microsoft gibt es einige brandneue Aktionen rund um Copilot, Microsofts KI gesteuerten Helfer, der in zahlreiche Produkte integriert wurde. Zwei neue KI Agenten namens Researcher und Analyst werden vorgestellt. Beide basieren auf OpenAI Technologie. Researcher basiert auf dem Deep Research Modell von OpenAI und sammelt und analysiert Informationen aus internen Dokumenten, E Mails, Chatnachrichten und sogar dem Internet. Nehmen wir also an, Sie arbeiten an einer Strategie für die Einführung eines neuen Produkts. Ein Forscher kann die vorhandenen Daten Ihres Unternehmens durchforsten und einige zusätzliche Webabfragen durchführen. Anschließend fügen Sie diese Erkenntnisse zu einem schlüssigen Plan zusammen. Ein Analyst hingegen verwendet das O Mini Reasoning Modell von OpenAI. Dabei geht es darum, große Datensätze mit einem iterativen Denkkettenansatz zu zu verarbeiten. Stellen Sie sich vor, Sie geben ihm eine Reihe von Rohdaten aus Ihrer Vertriebspipeline oder Ihrem Inventarsystem und es liefert Ihnen augenblicklich eine Erkenntnis, beispielsweise wie sich Ihre Umsätze im nächsten Quartal entwickeln könnten. Analysten können auch Python-Code verarbeiten und Microsoft ermöglicht es Ihnen sogar, diesen Code in Echtzeit zu beobachten, so dass Sie sehen können, wie er unter der Haube funktioniert. Außerdem ermöglicht die Python-Umgebung ihnen schnelle Datenmanipulationen. Oder Visualisierungen mit minimalem Aufwand. Das ist ziemlich praktisch für alle, die keine ausgebildeten Datenwissenschaftler sind, aber trotzdem die Leistungsfähigkeit erweiterter Analyse nutzen möchten. Diese Funktionen werden im April 2025 im Rahmen eines neuen Frontier Programms eingeführt, um Early Adopters die Möglichkeit zu geben, sie zu testen, bevor sie allgemein verfügbar werden. Es scheint, Als würde Microsoft Copilot zum zentralen Knotenpunkt für Key gesteuerte Workflows machen, insbesondere da bereits Erweiterungen für C Pilot Studio angekündigt wurden, mit denen Nutzer mit minimalem Code eigene Key Agenten erstellen können. Im Bereich Text to Image hat iDog gerade sein Modell veröffentlicht. Es stellt eine wesentliche Verbesserung gegenüber der Vorgängerversion dar. Hände wirken realistischer, Beleuchtung und Farbsteuerung sind schärfer und die Gesamtqualität der Szenen ist klarer und benutzerfreundlicher. Eine der herausragenden Neuerungen sind Stilreferenzen. Sie können bis zu drei Bilder hochladen und das Modell verwendet diese, um den gewünschten Stil anzupassen. Sie müssen keine langen Eingabeaufforderungen schreiben, der visuelle Ton wird automatisch übernommen, und wenn Sie jedes Mal etwas anderes wünschen, gibt es einen Zufallsstilmodus, der aus 4 Milliarden Stilen schöpft. Er ist schnell, flexibel und liefert Ihnen tatsächlich nützliche Ergebnisse, insbesondere für kreative Arbeiten. Darüber hinaus ist eDoc in Canvas integriert, so dass Sie Hintergründe auf magische Weise füllen, erweitern oder ersetzen können. Stellen Sie sich vor, Sie haben ein teilweise fertiges Design und möchten, dass die Key den Rest ausfüllt oder den Hintergrund nahtlos ändert. Genau das ist das Ziel. Sie haben auch Ihre Beschreibungsfunktion aktualisiert, so dass Sie detailliertere Szenenaufschlüsselungen erhalten, und wenn Sie ein Early Access Nutzer sind, erhalten Sie zusätzliche Prioritätsguthaben, was eine Menge ist, wenn Sie Designprojekte häufig iterieren. Dieses Modell baut auf den Grundlagen von Ideoc A auf, das am 7. März 2025 veröffentlicht wurde. Damals konnte es bereits einige erweiterte Textdarstellungen durchführen, aber stellt offenbar einen gewaltigen Schritt nach vorne dar. Dann gibt es noch Amazons neue Key gestützte Interessenfunktion, die im Vergleich zum Rest ein kleiner Überraschungsmoment ist. Es geht nicht darum, Daten zu analysieren oder Inhalte zu generieren. Es dreht sich alles ums Einkaufen. Sie geben ein, wonach Sie suchen z. B. Hochwertige Kaffeeartikel oder ausgefallene Wohnaccessoires für unter 100 Dollar, und die Key durchsucht den Amazon Shop ständig nach passenden Artikeln. Wenn Sie etwas findet, informiert sie sie darüber. Es ist, als hätten Sie einen persönlichen Einkäufer, der Ihren Geschmack versteht und niemals schläft. Dies wird derzeit für eine kleine Gruppe von US Kunden sowohl auf iOS als auch auf Android sowie auf der mobilen Website eingeführt. Wenn Sie in der Amazon Shopping App unter dem Reiter Me die Schaltfläche Interessen sehen, haben Sie Zugriff. Im Hintergrund werden umfangreiche Sprachmodelle verwendet, um Ihre natürliche Spracheingabe in eine Reihe von Attributen zu zerlegen, die auch bei einer traditionelleren Suche verwendet werden könnten. Und Amazon sagt, dass es sich mit generativen KI Funktionen wie Rofus, KI Einkaufsführern und den Bewertungshighlights verbindet, von denen wir seit Monaten hören. Es ist im Grunde Teil einer umfassenderen Initiative, das gesamte Einkaufserlebnis bei Amazon persönlicher zu gestalten und damit Sie nicht ständig manuell nach neuen Artikeln suchen müssen, die Ihrem Nischengeschmack entsprechen. Außerdem läuft es ständig im Hintergrund, sodass Sie fortlaufend Updates erhalten. So, das war's mit diesem tiefen Einblick in die sich ständig weiterentwickelnde Welt der KI. Teilen Sie mir Ihre Meinung dazu in den Kommentaren mit und falls Sie sich noch nicht angemeldet haben, ist jetzt ein guter Zeitpunkt. Danke fürs Zuschauen und bis zum nächsten Mal.