Leopold bleibt im Spiel, Big-Tech-Zahlen, OpenAI senkt GPT-5.6-Preise

TBPN bespricht Leopold Aschenbrenners LP-Brief, Volatilität im AI-Trade, Big-Tech-Zahlen und die echte Kostenkurve von OpenAI-Modellen.

Die Folge beginnt mit Leopold Aschenbrenners Brief an die LPs von Situational Awareness nach einem sehr harten Juli. Der Fonds erlitt einen starken Drawdown, wird laut Brief aber weder geschlossen noch liquidiert noch in einen rein privaten Fonds umgewandelt. Der zentrale Schritt war der Verkauf eines Teils des öffentlichen Portfolios an Citadel, um Leverage zu entfernen, Margin-Liquiditätsrisiken zu beseitigen und private Positionen zu schützen.

Was die Folge herausarbeitet

Big Tech und AI-Capex

Der Earnings-Teil betrachtet Microsoft, Apple, Amazon, Meta und Alphabet. Umsatz- und Gewinnüberraschungen zählen weniger als die Frage, wie der Markt AI-Ausgaben, Cloud-Wachstum und die Glaubwürdigkeit künftiger Renditen auf Infrastrukturinvestitionen bewertet.

Modelle, Kosten pro Aufgabe und Benchmarks

Der OpenAI-Abschnitt verschiebt den Fokus vom Preis pro Token zu den Kosten pro Aufgabe. Ein niedrigerer Tokenpreis garantiert kein günstigeres Ergebnis, wenn ein Modell deutlich mehr Tokens benötigt. ARC-AGI V3 zeigt außerdem, wie stark Harness, Memory und API-Einstellungen Benchmark-Scores und Output-Tokens verändern können.

Wichtigste Lehre

Der rote Faden ist Ausführung unter Volatilität: ein AI-Fonds ohne fragiles Leverage, glaubwürdiger Hyperscaler-Capex und Modellintegration, die die Ökonomie realer Aufgaben verbessert.

Source