Multimodal

• Alibaba Cloud stellte am 8. Mai 2026 mit Tongyi AgentStudio eine neue multimodale Agent-Suite vor, die Vision-, Sprach- und Dokumentverarbeitungsfunktionen in einer einzigen unternehmensorientierten Plattform vereint. • Die Suite unterstützt bis zu 128 gleichzeitige Tool-Aufrufe pro Sitzung und kann autonom Workflows in den Bereichen Beschaffung, HR-Ticketing und Multi-Cloud-Kostenoptimierung verwalten; erste Pilotprojekte bei chinesischen Banken berichten von einer Reduzierung der Durchlaufzeit bei internen Diensten um 32 %. • Alibaba gibt an, dass Tongyi AgentStudio für Großunternehmensverträge nun zu einem Preis von 1,20 $ pro Million Input-Token angeboten wird. Dieser Preis liegt unter dem von vergleichbaren westlichen Agenten und unterstreicht die Strategie, globale Cloud-Konkurrenten preislich zu unterbieten.

• OpenAI hat am 19. April GPT-5 vorgestellt, das über fortschrittliches multimodales Reasoning verfügt, welches Text, Bilder und Audio gleichzeitig verarbeitet. Laut dem Forschungsblog des Unternehmens entspricht dies einer Leistungssteigerung von 40 % gegenüber GPT-4. • Das Modell demonstriert ein verbessertes Chain-of-Thought-Reasoning und kann komplexe, mehrstufige Probleme in Bereichen wie Mathematik, Programmierung und wissenschaftlicher Analyse mit deutlich höheren Genauigkeitsraten lösen. • Branchenanalysten prognostizieren, dass GPT-5 die Einführung von KI in Unternehmen beschleunigen und den Wettbewerb mit Anthropic's Claude und Google's Gemini auf dem Markt für große Sprachmodelle intensivieren wird.