Wir haben zu dieser Ankündigung bislang keine Primärquelle einsehen können: Angaben zu Preisen, unterstützten Sprachen und Nutzungsbedingungen müssen daher noch überprüft werden.

Wofür das gut ist

Solche Werkzeuge erfüllen einen sehr konkreten Bedarf von Kurzvideo-Creators: Erklärvideos, Produktvorstellungen oder Serien mit einer wiederkehrenden Figur produzieren, ohne Dreh und ohne Bild-für-Bild-Animation. Die einfache Eingabe (ein Bild, ein Text) ist das Hauptargument.

Die Fragen, die man sich stellen sollte

Ein Werkzeug, das jedes beliebige Bild sprechen lässt, wirft Fragen zum Recht am eigenen Bild auf. Bevor man das Gesicht einer realen Person verwendet, braucht man deren Zustimmung. Und für eine kommerzielle Verbreitung müssen die Lizenzbedingungen des Dienstes geprüft werden.

Im Blick behalten: CapCut in ChatGPT

Dieselbe Quelle kündigt ein baldiges CapCut-Plug-in in ChatGPT an. Ohne Datum und ohne geprüfte offizielle Bestätigung ordnen wir es bei den noch zu bestätigenden Informationen ein.

Cursor: Der Agent darf einen Computer bedienen

Cursor hat am 23. Oktober die Dokumentation zu Computer Use für seine selbst gehosteten Cloud-Agenten veröffentlicht. Die Idee: Der Agent beschränkt sich nicht mehr auf Dateien und Terminal, sondern kann auch eine grafische Umgebung steuern, etwa um die Darstellung einer Benutzeroberfläche zu überprüfen. Bemerkenswert ist, dass die Funktion im Bereich „selbst gehostet“ dokumentiert ist: Das Unternehmen behält die Kontrolle über den Rechner, auf dem der Agent arbeitet.

Claude Code: mehr als zehn Sandbox-Lücken geschlossen

Bei Claude Code verzeichnet das Changelog der Versionen 2.1.309 und 2.1.310 die Behebung von mehr als zehn Umgehungen der Sandbox und des Berechtigungssystems. Mit anderen Worten: Es gab mehr als zehn Wege, den Bereich zu verlassen, der dem Agenten erlaubt ist.

Warum es dasselbe Thema ist

Je mehr ein Agent kann (Befehle ausführen, klicken, im Web navigieren), desto wichtiger ist die Qualität seiner Isolierung. Eine umgangene Sandbox hat bei einem Agenten, der einen ganzen Computer steuert, weit schwerere Folgen als bei einem einfachen Assistenten für die Autovervollständigung.

Zwei Protokolle, zwei Ergebnisse

Die Abweichung bedeutet nicht zwangsläufig, dass einer der beiden Werte falsch ist. Laut ARC Prize wurde das Ergebnis von OpenAI mit einem angepassten Protokoll erzielt, das sich von dem unterscheidet, das für alle bewerteten Modelle gilt. Gerade das gemeinsame Protokoll macht Systeme aber miteinander vergleichbar. Der Referenzwert lautet daher 62,7 Prozent.

Die Kosten, die zweite Schlüsselgröße

Der ARC Prize nennt auch die Kosten seiner Auswertung: 26.098 Dollar. Der Betrag erinnert daran, dass ein Ergebnis bei Denkaufgaben mit Rechenleistung bezahlt wird und dass zwei Modelle mit gleichem Wert sehr unterschiedliche Kosten verursachen können. Ein Ergebnis ohne seine Kosten erzählt nur einen Teil der Geschichte.

Ein Preis, der die Rechnung verändert

Das Modell kostet 2 Dollar pro Million Tokens bei der Eingabe und 10 Dollar bei der Ausgabe. Für ein Modell unter den ersten vier ist das eine offensive Positionierung: Bei Anwendungen mit hohem Volumen, etwa Agenten mit langen, aufeinanderfolgenden Sitzungen oder der Verarbeitung von Dokumenten, schlägt der Preis pro Token am stärksten auf die Rechnung durch.

Gewichte zugesagt, aber noch nicht veröffentlicht

Der Anbieter kündigt an, dass die Gewichte des Modells bis zum 4. November veröffentlicht werden. Wird die Zusage eingehalten, wäre K3.1 Pro eines der am besten platzierten offenen Modelle, das sich herunterladen und intern betreiben lässt. Vorerst handelt es sich nur um eine Ankündigung: Wir prüfen zum Stichtag nach.

Was man weiß und was nicht

Die allgemeine Verfügbarkeit ist die gesicherte Tatsache in diesem Dossier. Sie bedeutet, dass Entwickler und Unternehmen nun ohne Warteliste auf Argon aufbauen können – und sie ermöglicht auch erste unabhängige Bewertungen in großem Maßstab.

Die Existenz einer Variante „Carbon“ stützt sich dagegen nur auf einen Artikel von Business Insider, wonach Google-Mitarbeiter neue Gemini-4-Modelle testen sollen. Google hat das nicht bestätigt. Wir behandeln es daher als Gerücht: Weder ihre Eigenschaften noch ihr Zeitplan, nicht einmal ihr Erscheinen stehen fest.

Warum die Unterscheidung nützt

Codenamen, die vor einem Launch kursieren, werden manchmal zu Produkten, manchmal zu gar nichts. Für ein Team, das heute ein Modell auswählt, ist die einzige verwertbare Information die Verfügbarkeit von Argon. Auf eine hypothetische Nachfolgeversion zu warten, ergibt nur Sinn, wenn sie offiziell angekündigt ist.

Die Zahl hält dem Test nur teilweise stand

Die Website The Reel Stack hat selbst nachgerechnet. Ergebnis: eine Ersparnis von 26 Prozent, nicht von 62 Prozent. Der Unterschied ist groß, macht T1 aber nicht zu einem schlechten Geschäft: Ein Viertel weniger Kosten bleibt für alle, die viel Video produzieren, erheblich.

Solche Abweichungen sind bei Credit-basierten Tarifen häufig. Die tatsächlichen Kosten hängen davon ab, wie Credits je nach Abomodell in Euro umgerechnet werden, wie lang die Clips sind und wie viele misslungene Generierungen wiederholt werden müssen. Ein ausgewiesener Vergleich „pro Sekunde“ sagt darüber nichts aus.

Seedance rückt ins Premiumsegment

Gleichzeitig hat ByteDance laut TechNode am 23. Oktober Seedance 2.5 4K für die Filmproduktion gestartet. Diese Version ist bestimmten Unternehmen vorbehalten.

Warum Keyframes wichtig sind

Viele Videogeneratoren arbeiten mit einer Textanweisung und bestenfalls mit einem Start- und einem Endbild. Das Ergebnis ist oft spektakulär, lässt sich aber schwer lenken. Mit zehn Keyframes kann der Nutzer Zwischenschritte festlegen: den Auftritt einer Figur, einen Szenenwechsel, die letzte Einstellung. Das kommt einem Storyboard nahe, das das Modell anschließend animiert.

Die Länge von 30 Sekunden geht in dieselbe Richtung. Eine Einstellung von wenigen Sekunden reicht für einen Effekt; dreißig Sekunden erlauben eine kleine Szene, eine Produktvorführung oder einen vollständigen erzählerischen Übergang.

Die Ankündigung des Anbieters betont drei Schwerpunkte: visuellen Realismus, kreative Kontrolle und Erzählung. Die ersten beiden sind eine Frage der Bewertung und wurden bislang nicht durch veröffentlichte unabhängige Messungen überprüft.

Nano Banana 2.1, am 6. Oktober von Google DeepMind veröffentlicht, akzeptiert bis zu 14 Referenzbilder und kostet rund 0,034 Dollar pro Bild in 1K. Krea 3, am 15. Oktober gestartet, bietet Bearbeitung in 2K, bis zu 6 Referenzen und kostet 0,03 Dollar pro Bild in 1K.

Was die Zahlen sagen

Der Preisunterschied ist gering: rund 12 Prozent zugunsten von Krea 3 in 1K. Bei 10.000 Bildern macht das etwa vierzig Dollar aus. Das eigentliche Entscheidungskriterium liegt woanders:

• Viele Referenzen zu kombinieren (eine Produktserie, mehrere Figuren): Nano Banana 2.1 akzeptiert mehr als doppelt so viele.
• Hohe Auflösung bei der Bearbeitung gefragt: Krea 3 stellt die Bearbeitung in 2K heraus.

Zwei Versprechen stechen aus der Ankündigung hervor. Erstens eine Generierung in nativem 4K, ohne nachgelagerten Upscaling-Schritt. Zweitens eine in INT8 quantisierte Version, die mit 8 GB Grafikspeicher auskommen soll – also mit der Klasse der am weitesten verbreiteten Consumer-Grafikkarten. Beides sind Angaben des Anbieters: Die tatsächliche Qualität der 4K-Bilder und die Geschwindigkeit mit 8 GB müssen erst noch gemessen werden.

Eine Lizenz für kleine Unternehmen

Die zweite Neuerung ist kommerzieller Natur: Die Lizenz ist für die kommerzielle Nutzung kostenlos, solange das Unternehmen weniger als 5 Millionen Dollar Umsatz erzielt. Freiberufler, Agenturen und Start-ups können das Modell also ohne Kosten einbinden, größere Unternehmen brauchen dagegen eine eigene Vereinbarung.

Das Modell gibt es in zwei Varianten: Base, das vortrainierte Modell, und SFT, das per überwachtem Lernen feinabgestimmt wurde. Die Gewichte liegen auf Hugging Face, der Code auf GitHub – damit lässt sich das Modell prüfen und selbst weitertrainieren.

Eine Platzierung, die noch zu bestätigen ist

Laut dem Bericht des Teams belegt MOSS-Image Platz 2 auf RealLayoutArena, einem Benchmark, der sich auf Layout konzentriert. Das ist vielversprechend für Anwendungen, bei denen die Anordnung zählt (Plakate, Visuals mit Text), doch es handelt sich um eine Eigenangabe: Wir warten auf eine unabhängige Messung.

Schon ein Bearbeitungs-Add-on, mit Vorsicht zu genießen

Eine Sekundärquelle berichtet von einem Community-Add-on namens Moss-Image-Edit, mit dem sich ein Bild in ComfyUI per einfachem Satz bearbeiten lässt; es soll auf einer RTX 4060 mit 8 GB in 8 Bit laufen. Das Problem: Seine Gewichte haben keine klare Lizenz. Für den professionellen Einsatz sollte man vorerst beim offiziellen Modell bleiben.