Die KI-Produktwelle im Juni 2026: Von Microsofts MAI-Familie bis zu OpenAIs Enterprise-Codex-Schwenk

Die ersten Tage im Juni 2026 brachten eine Verdichtung von Produktankündigungen und glaubwürdigen Leaks, die selbst für das halsbrecherische Tempo der KI-Branche ungewöhnlich ist. OpenAI, Microsoft, Alibaba, Nous Research und Anthropic wurden alle innerhalb eines 72-Stunden-Fensters aktiv. Während einiges offiziell bestätigt ist, bleiben andere Puzzlestücke – allen voran das gemunkelte GPT-5.6 – fest im Reich der Spekulation. Dieser Artikel trennt die Spreu vom Weizen, damit Sie genau verstehen, was sich wirklich geändert hat und was noch in der Gerüchteküche köchelt.

OpenAI GPT-5.6: Nur ein Gerücht, keine Ankündigung

Anfang Juni 2026 hat OpenAI kein Modell namens GPT-5.6 offiziell angekündigt. Das aktuelle Flaggschiff ist nach wie vor GPT-5.5, das am 23. April 2026 mit einem Kontextfenster von 1 Million Token, einer Punktzahl von 88,7 % im SWE-bench Verified und einem Preis von 5 $ pro Million Input-Token und 30 $ pro Million Output-Token auf den Markt kam .

Mehrere Entwicklerberichte deuten jedoch auf Backend-Artefakte hin, die nahelegen, dass sich ein Modell der nächsten Generation bereits in begrenztem Testbetrieb befindet. Um den 26. Mai 2026 herum stießen Entwickler in OpenAI-Codex-Protokollen auf Verweise auf einen internen Codenamen iris-alpha . Die wichtigste gemunkelte Spezifikation, die mit diesem Codenamen verbunden ist, ist ein Kontextfenster von 1,5 Millionen Token, etwa 43 % mehr als das API-Limit von GPT-5.5 . Reale Tests, die mit dem OpenCode-Tool durchgeführt wurden, zeigten angeblich, dass das mysteriöse Modell flüssig auf 900.000 Token reagierte und sogar Eingaben von über 1,05 Millionen Token verarbeiten konnte .

Community-Schätzungen setzen ein mögliches Veröffentlichungsfenster zwischen dem 15. Juni und 5. Juli 2026 an, aber dieser Zeitplan ist reine Extrapolation aus den Protokolleinträgen und hat keine offizielle Grundlage . Für das hypothetische GPT-5.6 sind keine konkreten Preis-, Token-Effizienz-Zahlen oder bestätigte multimodale Fähigkeiten aufgetaucht; die Erwartung einer verbesserten Kosteneffizienz und Text-plus-Bild-Generierung ist eine Schlussfolgerung aus der Entwicklung der 5.x-Familie, keine dokumentierte Spezifikation .

Fazit: GPT-5.6 ist ein glaubwürdiges Leck, aber kein Produkt. Die Branche beobachtet das Backend-Verhalten, aber OpenAI hat weder einen Starttermin noch ein technisches Datenblatt veröffentlicht .

Der „Mythos Benchmark“ und das Claude-Mythos-Modell

Der Begriff „Mythos Benchmark“ taucht in mehreren verschiedenen Kontexten auf, was zu Verwirrung führen kann:

• Anthropics Claude-Mythos-Modell-Leak (26. März 2026): Eine Fehlkonfiguration in Anthropics Content-Management-System legte versehentlich rund 3.000 interne Dokumente offen, darunter einen Entwurf für einen Blogpost über ein Modell der nächsten Generation mit dem Codenamen „Capybara“ und dem offiziellen Namen Claude Mythos . Geleakte interne Benchmarks zeigten, dass Mythos 93,9 % im SWE-bench Verified und 77,8 % im SWE-bench Pro erreichte und damit damals jeden wichtigen Coding-Benchmark anführte . Am 7. April 2026 kündigte Anthropic Claude Mythos Preview offiziell an – erklärte aber gleichzeitig, dass die Öffentlichkeit es nicht nutzen kann . Das Modell hat auch wegen außergewöhnlicher Cybersicherheitsfähigkeiten für Aufsehen gesorgt, darunter das Auffinden eines 27 Jahre alten Bugs in OpenBSD .

• Cybersicherheits-Benchmark der Carnegie Mellon University (Mai 2026): CMU-Forscher entwickelten einen separaten Test, der untersucht, ob KI-Modelle autonom echte Browser-Exploits entwickeln können, die auf die V8-Engine von Google abzielen. Sowohl Claude Mythos als auch GPT-5.5 erwiesen sich als fähig, echte Sicherheitslücken ohne menschliches Eingreifen zu entdecken und zu Waffen zu machen, wobei Mythos GPT-5.5 mit deutlichem Abstand übertraf, gleichzeitig aber etwa zwölfmal teurer im Betrieb war .

• SecureAIs Mythos-Schwachstellen-Benchmark (Januar 2026): Eine cybersicherheitsorientierte Benchmark-Suite, die CVEs von 2023–2026 abdeckt und zur Bewertung von KI-Schwachstellendetektoren entwickelt wurde. Sie nutzt große Modelle wie Llama-3.1-405B als Baselines .

Wenn jemand den „Mythos Benchmark Leak“ erwähnt, bezieht er sich in der Regel auf den Anthropic-Modell-Leak. Die CMU- und SecureAI-Benchmarks sind separate Bemühungen, die das Label „Mythos“ nur zufällig teilen.

OpenAI Codex: Vom Coding-Tool zur Enterprise-Arbeitsplattform

Am 2. Juni 2026 kündigte OpenAI auf seiner „Intelligence at Work“-Veranstaltung eine strukturelle Erweiterung von Codex von einem entwicklerorientierten Coding-Agenten zu einer breiteren Enterprise-Arbeitsplattform an . Die drei bestätigten Säulen der Ankündigung sind:

• Sechs rollenspezifische Plugins: Vertrieb, Datenanalyse, Kreativproduktion, Produktdesign, Investment Banking und Public Equity Investing. Jedes bündelt Integrationen mit beliebten Geschäftsanwendungen – insgesamt 62 Apps, darunter Salesforce, Snowflake, Figma und HubSpot – sowie 110 automatisierte Fähigkeiten. Für die Installation oder Nutzung sind keine Programmierkenntnisse erforderlich .
• Codex Sites (Preview): Eine Funktion, mit der Benutzer Codex per Prompt anweisen können, leichtgewichtige Full-Stack-JavaScript/TypeScript-Webanwendungen zu erstellen, zu iterieren und bereitzustellen – mit gehosteten URLs, „Sign in with ChatGPT“-Authentifizierung und Dateispeicher. Derzeit nur für berechtigte ChatGPT Enterprise- und Edu-Arbeitsbereiche verfügbar .
• Annotations: Bereichsbezogenes Bearbeitungsfeedback, das jetzt dokumentübergreifend für Dokumente, Präsentationen, Tabellen und Sites funktioniert, nicht nur für Code .

OpenAI bestätigte zudem, dass Codex die Marke von 5 Millionen wöchentlich aktiven Nutzern überschritten hat . Die Expansion stellt einen klaren strategischen Schritt dar, um nicht-entwickelnde Wissensarbeiter im Unternehmen zu erreichen, eine Richtung, die mehrere unabhängige Analysen als direkte Wettbewerbsachse gegen Tools identifiziert haben, die sich zuvor fast ausschließlich auf Entwicklungsteams konzentrierten .

Microsoft Build 2026: Sieben MAI-Modelle, eine Reasoning-Engine

Auf seiner jährlichen Build-Konferenz in San Francisco am 2. Juni 2026 stellte Microsoft eine Familie von sieben hauseigenen KI-Modellen unter der einheitlichen Marke MAI (Microsoft AI) vor, zusammen mit neuer Hardware .

Das Herzstück ist MAI-Thinking-1, das erste Reasoning-Modell des Unternehmens:

• 35 Milliarden aktive Parameter mit einem 256K-Kontextfenster .
• Von Grund auf mit unternehmenstauglichen, kommerziell lizenzierten Daten und ohne Destillation aus Drittmodellen trainiert .
• Erreichte eine Punktzahl von 97 % bei AIME 25, Microsofts wichtigem internen Maßstab für allgemeines Reasoning, und erreichte Spitzenwerte bei Softwareentwicklungs-Benchmarks, wobei menschliche Bewerter in Blindtests eine Präferenz zeigten, die mit Sonnet 4.6 vergleichbar ist .
• Entwickelt für niedrige Token-Kosten und optimiert für Microsofts Maia-200-Chip .

Die sechs weiteren Modelle runden ein multimodales Ökosystem ab:

• MAI-Code-1-Flash — coding-optimiertes Modell .
• MAI-Image-2.5 / MAI-Image-2.5-Flash — Bilderzeugung und schnelle Variante .
• MAI-Transcribe-1.5 — Transkription .
• MAI-Voice-2 / MAI-Voice-2-Flash — Sprachverarbeitung und -synthese .

Zu den Hardware-Ankündigungen gehörte die Surface RTX Spark Dev Box, ein kompakter KI-Entwicklungsrechner, der bis zu einem Petaflop KI-Rechenleistung mit 128 GB einheitlichem Speicher bietet und Modelle mit bis zu 120 Milliarden Parametern lokal ausführen kann . Microsoft stellte außerdem den Majorana 2 Quantenchip vor, was eine Beschleunigung seiner Hardware-Ambitionen über die klassische KI-Rechenleistung hinaus signalisiert .

Die siebenköpfige MAI-Modellfamilie wird allgemein als Schritt interpretiert, die Abhängigkeit von OpenAI-Modellen zu verringern und Unternehmenskunden gleichzeitig hauseigene Alternativen mit sauberer kommerzieller Lizenzierung zu bieten .

Vibe-Coding-Benchmarking: World of AI Bench, Vibe Code Bench und BridgeBench

„Vibe Coding“ – die Praxis, ganze Anwendungen durch Konversationseingaben anstatt durch Code zu generieren – hat eine neue Generation von Benchmarks hervorgebracht, die versuchen, die Full-Stack-Fähigkeit und nicht isolierte Coding-Aufgaben zu messen:

• World of AI Bench: Etwa am 2. Juni 2026 gestartet und selbsternannt als „der weltweit führende Vibe-Coding-Benchmark“. Er bewertet 16+ führende Modelle in 10 Vibe-Coding-Kategorien mit einem KI-Richter anhand einer Bibliothek von 3.897 Prompts. Die Plattform ist kostenlos und ermöglicht direkte Modellvergleiche .
• Vibe Code Bench (VCB): Ein akademischer Benchmark, der von Vals.ai veröffentlicht und auf arXiv beschrieben wurde. Er verwendet 100 Webanwendungsspezifikationen, gepaart mit 964 browserbasierten Workflows, die 10.131 Teilschritte umfassen, und ist damit der erste Benchmark, der die End-to-End-Erstellung von Web-Apps aus einer natürlichen Spracheingabe in einer produktionsähnlichen Umgebung testet .
• BridgeBench: Ein Open-Source-Benchmark von BridgeMind, der KI-Coding-Modelle nach Geschwindigkeit, Kosten und Codequalität bewertet. Er positioniert sich als Messlatte für das, was zählt, „wenn man mit KI ausliefert“ und arbeitet mit einer offenen Methodik und öffentlichen Live-Bestenlisten .

Diese drei Plattformen teilen das Ziel, die Bewertung von KI-Coding über Bestehensraten-Benchmarks wie SWE-bench hinaus zu ganzheitlichen Messgrößen für Benutzerfreundlichkeit, Geschwindigkeit, Kosten und Sicherheit zu entwickeln.

Hermes-Agent-Desktop-App: Open-Source-Agent bekommt eine Benutzeroberfläche

Am 2. Juni 2026 veröffentlichte Nous Research Hermes Desktop als öffentliche Vorschau, gebündelt mit Hermes Agent v0.15.2 und unter der MIT-Lizenz für macOS 12+, Windows 10/11 und Linux veröffentlicht .

Hermes war zuvor nur über eine Kommandozeilenschnittstelle oder Messenger-Gateways zugänglich. Die Desktop-App ist eine native grafische Oberfläche, die denselben Agenten-Kern, dieselben API-Schlüssel, Sitzungen, Fähigkeiten und denselben Speicher wie die CLI nutzt, also eher eine alternative Oberfläche als eine Abspaltung darstellt .

Nous Research beschreibt Hermes als einen „sich selbst verbessernden Agenten, keinen Coding-Copiloten“ . Der Agent ist seit dem Start in etwa drei Monaten auf rund 180.000 GitHub-Sterne angewachsen und ist damit eines der am schnellsten wachsenden Open-Source-Agent-Projekte im Ökosystem .

Alibaba Qwen 3.7 Plus: Ein multimodaler Agent zum Bruchteil der Kosten

Alibaba brachte Qwen 3.7 Plus ungefähr am 1.–2. Juni 2026 auf den Markt. Es handelt sich um ein multimodales Agentenmodell, das Text, Bilder und Videos durch Early-Fusion-Training verarbeitet und über ein Kontextfenster von 1 Million Token verfügt .

Der Preis liegt bei etwa einem Sechstel der Kosten pro Token im Vergleich zu Alibabas rein textbasiertem Qwen 3.7 Max, was es zu einem der preislich aggressivsten multimodalen Agenten auf dem Markt macht . Bei Agenten-Performance-Benchmarks schlägt Qwen 3.7 Plus Claude Opus 4.6 im Terminal-Bench 2.0 und ist zu UI-Erkennung/Automatisierung, Codegenerierung aus Bildern und visueller Fragebeantwortung fähig .

Anthropic Claude Code: Der /fork-Befehl

Claude Code ist Anthropics agentisches Coding-Tool, das direkt im Terminal arbeitet, Shell-Befehle ausführt und Dateien auf dem Rechner eines Entwicklers bearbeitet. Der /fork-Befehl erstellt eine neue Sitzung, die von einer bestehenden abzweigt und unter commands/branch/ gespeichert wird. Dies ermöglicht einen Workflow, bei dem Entwickler eine andere Richtung erkunden können, ohne den Kontext der ursprünglichen Sitzung zu verlieren .

Claude Code hat sich zu einem der am weitesten verbreiteten KI-Entwicklertools entwickelt; eine npm-Paket-Erwähnung sammelte an einem einzigen Tag über 1.100 Sterne und 1.900 Forks .

Lücken und offene Fragen

Mehrere Punkte aus der ursprünglichen Anfrage entbehren Anfang Juni 2026 einer direkten Quellenbestätigung:

• GPT-5.6-Preise und Token-Effizienz-Zahlen: Es sind keine belastbaren Daten über die Verallgemeinerung der „verbesserten Effizienz“ hinaus aufgetaucht. Die Behauptung, es könne mit Claude Mythos mithalten und sei gleichzeitig billiger, ist reine Community-Spekulation .
• Google Notebook LM + Gemini Omni Integration: Es gibt Belege dafür, dass Notebook LM Gemini-Modelle nutzt (einschließlich 1.5 Pro für eine Studie zur diagnostischen Genauigkeit), aber eine dedizierte „Gemini Omni“-Integration innerhalb von Notebook LM als Produkteinführung im Juni 2026 konnte anhand der verfügbaren Quellen nicht bestätigt werden .
• Humanoide Roboter auf der World Intelligence Expo: Die Suche ergab keine überprüfbaren Beweise für hyperrealistische humanoide Roboter-Vorführungen mit Motion Capture und emotionalem Ausdruck auf dieser Messe. Dies bleibt eine offene Frage, die eine gezielte Suche mit dem spezifischen Veranstaltungsort und -datum erfordern würde.

Was diese Woche signalisiert

Die dominierenden Themen der ersten Juni-Woche 2026 sind Enterprise-Tooling (Codex-Plugins und -Sites), hauseigene Modellfamilien (Microsofts MAI-Aufstellung, Alibabas Qwen), Open-Source-Agent-Reife (Hermes Desktop) und eine sich abzeichnende nächste Generation, die noch nicht öffentlich ist (GPT-5.6, Claude Mythos). Die Branche bewegt sich schnell – aber die Unterscheidung zwischen bestätigten Produkten und unbestätigten Gerüchten ist schärfer, als die Schlagzeilen oft vermuten lassen.