Jahrelang galt in der KI eine einfache Regel: Ein klügeres Modell kostet mehr Geld, besseres Video braucht mehr Zeit. Wer mehr Leistung wollte, zahlte mit höheren Rechnungen und längeren Wartezeiten. In den letzten zwei Wochen ist diese Regel an sieben Fronten gleichzeitig gebrochen.

Die alte Regel: Mehr Leistung kostet mehr
Grosse Anbieter und kleine Start-ups haben in den vergangenen zwei Wochen Lösungen gezeigt, die stärker, präziser und schneller sind – und im Betrieb deutlich günstiger.
Hier sind die sieben wichtigsten Neuheiten vom November 2026, nüchtern eingeordnet für den Geschäftsalltag von Schweizer KMU.
1. GPT-6.2 Astra und Sol: besser und viel günstiger pro Aufgabe
OpenAI hat am 17. November 2026 zwei neue Modelle vorgestellt: GPT-6.2 Astra und GPT-6.2 Sol. Sie laufen nicht im Gratis-Chat. Sie stehen in ChatGPT Work und Codex für die Abos Plus, Pro, Enterprise und Edu bereit. Entwickler nutzen sie über die API. [1]
- Astra ist für die schwierigsten Aufgaben in Technik und Analyse gedacht.
- Sol ist das effiziente Arbeitspferd für den Alltag.

Astra in Zahlen (Angaben von OpenAI)
- Im Benchmark Agents' Last Exam prüft OpenAI komplexe, mehrstufige Facharbeit. Astra erzielt dort 5.2 Punkte mehr als GPT-6 Astra. Die gleiche Aufgabe kostet weniger als einen Drittel.
- Die API-Preise sinken um 20 Prozent: USD 8 pro Million Input-Tokens und USD 40 pro Million Output-Tokens.
- Gegenüber Claude Fable 5.2 meldet OpenAI im selben Benchmark 5.5 Punkte Vorsprung bei rund 5 Prozent der Kosten. Zur Einordnung: In den Fable-Resultaten fehlen neun Aufgaben, bei denen ein Ersatzmodell lief.
Sol in Zahlen (Angaben von OpenAI)
- Im Test LifeVal für anspruchsvolle Alltagsaufgaben schlägt Sol das frühere Topmodell GPT-6 Astra. Die Kosten betragen rund einen Siebtel.
- Beim Programmieren (FrontierCode 2.0) liegt Sol nur 0.5 Punkte hinter dem neuen Astra. Pro Aufgabe kostet es rund einen Fünftel.
- API-Preis: USD 2 pro Million Input-Tokens und USD 10 pro Million Output-Tokens.
- Wer das Abo Pro 200 hat, erhält erstmals den Modus «Ultrafast», zuerst für Sol.
Bessere Dokumente: Astra wurde gezielt darauf trainiert, sauberere Präsentationen, Tabellen und Dokumente zu erstellen. Es folgt dabei den Konventionen von Recht, Vertrieb, Finanzen und Buchhaltung. Ziel ist weniger generischer Text und weniger typischer «KI-Look». [1]
Cybersicherheit: Beide Modelle machen laut OpenAI einen deutlichen Sprung bei den Cyberfähigkeiten. Im eigenen Sicherheitsrahmen (Preparedness Framework) erreichen sie die Stufe «Critical». OpenAI hat deshalb die Schutzmechanismen verschärft. Das bremst auch einen Teil der legitimen Sicherheitsforschung. [1]
Was das bedeutet: Tiefere Preise bei höherer Leistung verschieben die Kräfte im Markt. Anspruchsvolle Automatisierung ist kein Privileg grosser Konzerne mehr. Sie wird zum günstigen Werkzeug für den Arbeitsalltag. Ein Vorbehalt bleibt: Alle Zahlen stammen von OpenAI. Unabhängige Tests stehen noch aus.
2. Sprachmodelle erkennen Ironie und Emotionen
Bei offenen Modellen für Sprache in Echtzeit geht es Schlag auf Schlag. Die Grenze zwischen synthetischer Stimme und natürlichem Ausdruck verschwimmt.

ZONOS3-Mini (Zyphra): Das Modell hat 800 Millionen Parameter, pro Schritt arbeiten davon aber nur rund 100 Millionen. Die Gewichte sind etwa 1.8 GB gross. ZONOS3-Mini klont eine Stimme aus einer kurzen Probe. Alter, Akzent, Emotion und Sprechtempo lassen sich laut Zyphra bis auf einzelne Wörter steuern. Das Modell unterstützt 43 Sprachen, darunter Deutsch und Polnisch. Es läuft lokal, sogar direkt im Browser. Die Lizenz ist Apache 2.0. [2]
Haru-4B (higurashi, Tokio): Haru hört und spricht gleichzeitig, wie bei einem Telefonat. Die Reaktionszeit liegt laut Entwickler bei rund 65 Millisekunden auf einem MacBook. Haru verarbeitet Audio direkt zu Audio. Der Umweg über Text entfällt, deshalb gehen Tonfall und Emotion nicht verloren. Deutsch gehört zu den neun Hauptsprachen. Die Lizenz ist Apache 2.0. Wichtig: Haru ist ein Basismodell für die Forschung, noch kein fertiger Assistent. [3]
Sophon-Realtime: Auch dieses offene Modell arbeitet im Vollduplex – es hört zu, während es spricht. Es achtet nicht nur darauf, was Sie sagen, sondern wie Sie es sagen. Es erkennt Emotionen, Betonung, Ironie, Lachen und Seufzer. Und es lacht oder seufzt selbst, wo es passt. [4]
- Jemand seufzt und sagt bedrückt: «Alles in Ordnung.» Das Modell hört die Anspannung und fragt nach, ob die Person darüber reden möchte.
- Jemand sagt sarkastisch: «Ich liebe Montage.» Das Modell erkennt die Ironie und lacht.
3. Video in Echtzeit: Apple bricht die Tempo-Grenze
OpenAI senkt die Kosten. Apple nimmt sich das grösste Problem der Videogeneratoren vor: das Tempo. Das Resultat heisst FastFrames und entstand zusammen mit der Cornell University. [5]
Die Forschenden haben den Ablauf zerlegt und einen überraschenden Engpass gefunden. Mehr als die Hälfte der Zeit floss nicht in die Bildinhalte, sondern in Hilfsprozesse: das Dekodieren des fertigen Bildes und das ständige Aktualisieren des Arbeitsspeichers im Modell.
- Ein Videobild in 480p entsteht in unter 50 ms.
- Auf einem Nvidia B200 braucht das kleine Modell nur 36 ms pro Bild.
- Bei kamerasteuerbarer Generierung ist der Ablauf bis zu 16-mal schneller.
In der Praxis heisst das: Sie steuern eine generierte Videowelt live, mit den Pfeiltasten oder der Maus. Ein Hinweis für den Einsatz im Betrieb: Die Gewichte stehen unter einer Forschungslizenz von Apple, nicht unter einer freien kommerziellen Lizenz. [5]
4. Rechenleistung dort, wo sie zählt: 3D und Video
Warum sollte eine KI Strom und Rechenzeit in eine leere Wand stecken? Klassische Generatoren behandeln jedes Pixel gleich. Die langweilige Wand kostet so viel wie das Gesicht der Hauptfigur. Neue Werkzeuge verteilen die Ressourcen gezielt.

Budget3D erzeugt aus einem einzigen Foto ein 3D-Objekt. Sie wählen ein Budget an Rechen-Einheiten (Tokens). Bereiche mit wenig Information fasst das Modell zu gröberen Einheiten zusammen, leeren Raum zuerst. Die Rechenleistung fliesst in die Details. Die Generierung wird schneller und braucht weniger Speicher. Eine Turbo-Variante kommt mit nur 5 Schritten aus. Budget3D ist ein Open-Source-Projekt der Community. [6]
MPEG-Diffusion überträgt dasselbe Prinzip auf Video. Die wichtigen Bildteile entstehen in hoher Auflösung, der Rest in tieferer. Danach verbindet das System beide Ebenen nahtlos. Bei 960p ist das Video laut Paper 4.8-mal schneller fertig. Scharf bleibt es dort, wo das menschliche Auge wirklich hinschaut. Im Vergleich mit voller Auflösung war «kein Unterschied» die häufigste Antwort der Testpersonen. [7]
5. ReShoot 4D: Kamerafahrt nachträglich ändern
ReShoot 4D verlegt wichtige Kamera-Entscheide vom Set in den Schnitt. Das System analysiert ein bestehendes Video und rekonstruiert Person und Umgebung als 3D-Szene – Bild für Bild und mit flüssiger Bewegung. [8]
Danach planen Sie im virtuellen Editor eine neue Kamerafahrt: etwa eine Kreisfahrt um die Person, eine dynamische Nahaufnahme oder einen neuen Blickwinkel. Sogar Objektiv-Werte wie Schärfentiefe und Blende lassen sich ändern. Das neue Bild rendert ein angebundenes Videomodell. ReShoot 4D ist kostenlos und Open Source. Für Videoproduktionen heisst das: Ein schlechter Bildausschnitt oder eine fehlende Einstellung lässt sich im Schnitt korrigieren, oft ohne Nachdreh. [8]
6. KI gegen Krankheiten: NovaAtom-Lite und AlphaGenome 2
Bessere Algorithmen bringen auch in der Medikamenten-Forschung grosse Fortschritte.

NovaAtom-Lite (Geodesic Intelligence): Geodesic Intelligence ist erst rund fünf Monate alt. Gegründet hat es Quanquan Gu, zuvor KI-Wissenschaftler bei ByteDance. NovaAtom-Lite sagt die 3D-Struktur von Molekül-Komplexen voraus – zum Beispiel, wie genau ein Antikörper an ein Protein bindet. Im strengen Benchmark FoldBench traf das Modell laut Gu 79.1 Prozent dieser Bindungen korrekt. AlphaFold 3, bisher der Massstab, kam auf 47.9 Prozent. Die Zahlen stammen vom Unternehmen selbst. [9]
AlphaGenome 2 (Google DeepMind): Das Modell sagt voraus, wie einzelne Veränderungen in der DNA bestimmte Zelltypen beeinflussen. Im Test mit 28 Typen von Immunzellen fand AlphaGenome 2 30 Prozent der ursächlichen Varianten, die die Genaktivität verändern. Die erste Version kam auf 16 Prozent – fast eine Verdoppelung. AlphaGenome 2 ist ein Forschungswerkzeug, kein Diagnosesystem. [10]
7. Roboter lernen von uns
Jahrzehntelang mussten Menschen lernen, Maschinen zu bedienen. Sie merkten sich Tastenkürzel und kämpften mit komplizierten Oberflächen. Jetzt lernen Maschinen von uns:
- Flash ALOHA (Stanford): Ein zweiarmiger Roboter faltet Shorts, räumt einen Tisch ab oder fängt einen Ball. Dafür reichen 50 menschliche Vorführungen pro Aufgabe. Die Erfolgsquote liegt über 80 Prozent, fast im menschlichen Tempo. Das Projekt ist Open Source. [11]
- Nvidia SOMA Retargeter: Das Open-Source-Werkzeug überträgt aufgezeichnete menschliche Bewegungen auf die Proportionen und Gelenke eines humanoiden Roboters. Aktuell unterstützt es den Unitree G1. [12]
Was bedeutet das für Schweizer KMU?
| Bereich | Modell / Werkzeug | Kernvorteil (Herstellerangabe) | Lizenz & Einsatz für KMU |
|---|---|---|---|
| Text, Code & Dokumente | GPT-6.2 Astra & Sol | USD 2 / 10 (Sol) bzw. USD 8 / 40 (Astra); bis < 1/3 Kosten pro Aufgabe | Kommerziell via API, ChatGPT Work & Codex |
| Lokale Sprach-KI | ZONOS3-Mini / Haru-4B / Sophon | Lokal im Browser (~1.8 GB) bzw. ~65 ms Vollduplex & Ironie | Apache 2.0 (ZONOS3-Mini, Haru-4B); Einwilligung beim Stimmklonen |
| Echtzeit-Video | Apple FastFrames | < 50 ms pro 480p-Frame, bis 16× schneller | Apple-Forschungslizenz (nicht frei kommerziell) |
| 3D & Videoproduktion | Budget3D, MPEG-Diffusion, ReShoot 4D | 5-Schritte-3D, 4.8× schnelleres 960p-Video, Kamerafahrt im Schnitt | Budget3D & ReShoot 4D Open Source |
| Medizin & Forschung | NovaAtom-Lite & AlphaGenome 2 | 79.1 % FoldBench; 30 % ursächliche DNA-Varianten | Reine Forschungswerkzeuge, keine Diagnostik |
| Robotik | Flash ALOHA & Nvidia SOMA | > 80 % Erfolgsquote nach 50 Demos; Motion-Retargeting | Open Source (Forschung & Prototyping) |
Automatisierung wird bezahlbar: Kostet ein Spitzenmodell für dieselbe Aufgabe weniger als einen Drittel, rechnen sich neue Abläufe – zum Beispiel Offerten vorbereiten, Dokumente prüfen oder Daten zusammenfassen. Was vor einem Jahr zu teuer war, lohnt sich heute vielleicht. Rechnen Sie neu.
Sprach-KI läuft lokal: Modelle wie ZONOS3-Mini laufen im Browser oder auf dem eigenen Gerät. Die Audiodaten müssen das Gerät nicht verlassen. Das erleichtert den Datenschutz (nDSG). Beim Klonen einer Stimme gilt aber: nur mit Einwilligung der betroffenen Person.
Lizenzen genau lesen: Apache 2.0 erlaubt die kommerzielle Nutzung. FastFrames steht unter einer Forschungslizenz. Vor dem Einsatz im Betrieb lohnt sich ein Blick ins Kleingedruckte.
Herstellerzahlen sind ein Startpunkt, kein Beweis: Testen Sie neue Modelle mit Ihren eigenen Aufgaben, bevor Sie umstellen.
Zum Schluss: Wer lernt schneller?
Diese zwei Wochen zeigen einen tiefen Wandel. Lange haben wir uns den Maschinen angepasst. Jetzt passen sich die Maschinen uns an. Sie werden schneller, günstiger und verstehen uns immer besser.
Bleibt eine Frage: Wer lernt in dieser neuen Beziehung schneller – der Mensch oder die Maschine?
Prüfen, wo KI in Ihrem Unternehmen wirklich trägt
Ob kontrollierter KI-Assistent (RAG) auf Ihren eigenen Dokumenten oder Sichtbarkeit bei Google und in KI-Antworten: Wir trennen Hype von belastbarem Nutzen. Die Website-Analyse kostet einmalig CHF 2'450; laufende SEO- und GEO-Betreuung startet ab CHF 1'500 pro Monat mit mindestens 15 dokumentierten Arbeitsstunden pro Monat in app.glasbox.ch.
Erstgespräch vereinbaren