Regulierung
Anysphere erwägt, Cursor von chinesischen KI-Modellen mit offenen Gewichten wegzuführen

Wichtige PunkteAnyspheres explorative Ausphasung signalisiert, dass geopolitische Risiken nun die…
Mehr anzeigen
- Anyspheres explorative Ausphasung signalisiert, dass geopolitische Risiken nun die Lieferentscheidungen von KI-Codierungsplattformen prägen.
- Composer 2 wurde auf einer Moonshot-AI-Basis aufgebaut, die öffentlich nur von einem unabhängigen Entwickler identifiziert wurde.
- Das Entfernen chinesischer Open-Weight-Modelle, bevor vertrauenswürdige Alternativen existieren, könnte die Kosten erhöhen und den Markt konzentrieren.
Anysphere, der Entwickler der KI-Programmierplattform Cursor, teilte Ermittlern des Repräsentantenhauses mit, das Unternehmen wolle prüfen, chinesische KI-Modelle mit offenen Gewichten wegen geopolitischer Risiken schrittweise auslaufen zu lassen. Das geht aus einem am 20. November 2026 veröffentlichten gemeinsamen Bericht des Kongresses hervor.
Dabei handelt es sich um einen Prüfplan, nicht um einen abgeschlossenen Ausstieg; die Ausschüsse nannten weder eine endgültige Entscheidung noch einen Zeitplan. Der Ausschuss des Repräsentantenhauses für Heimatschutz und der Sonderausschuss des Repräsentantenhauses zu China veröffentlichten die Ergebnisse nach einer Untersuchung, die im April 2026 begann und am 31. Juli 2026 von Airbnb und Anysphere auf DoorDash ausgeweitet wurde.
Modelle mit offenen Gewichten verfügen über trainierte Parameter, die unabhängig vom ursprünglichen Entwickler heruntergeladen, ausgeführt und verändert werden können. Dadurch können sich abgeleitete Modelle verbreiten, ohne dass eine fortlaufende Geschäftsbeziehung besteht. Die Ausschüsse erklärten, Composer 2, das proprietäre Flaggschiffmodell von Cursor, basiere auf einem Modell von Moonshot AI. Dessen Identität wurde erst öffentlich bekannt, nachdem ein unabhängiger Entwickler sie ermittelt hatte.
Im technischen Bericht von Cursor wird diese Grundlage als Kimi K2.5 identifiziert. Composer 2 wurde mit einem stark auf Code ausgerichteten Datensatz weitertrainiert. Anschließend wurde das Modell in groß angelegtem verstärktem Lernen mit realistischen Cursor-Sitzungen trainiert, wobei dieselben Tools und dieselbe Laufzeitumgebung wie beim bereitgestellten Modell zum Einsatz kamen.
Warum chinesische Modelle eingebunden wurden
Airbnb berichtete, dass angepasste Versionen der Qwen-Modelle von Alibaba einen KI-Assistenten unterstützen, der täglich rund 80.000 Interaktionen mit Gästen und Gastgebern bearbeitet. Daneben kommt ein feinabgestimmtes Modell zum Einsatz, das täglich rund 250.000 Supportfälle und Anrufe zusammenfasst. Beide laufen auf der Infrastruktur von Dienstleistern in den USA.
DoorDash gab an, 25 chinesische Modellfamilien genehmigt und in erheblichem Umfang eingesetzt zu haben; als erheblich galt ein Einsatz, der mindestens 5.000 US-Dollar an Rechen- und Betriebskosten verursachte. Das Unternehmen schätzte, dass der Ersatz eines in ein größeres System eingebetteten, in China entwickelten Modells bis zu sechs Monate dauern könnte, während sich die meisten anderen Anwendungen nahezu sofort umstellen ließen.
Die Ausschüsse nannten Kosten, Anpassungsmöglichkeiten und eine Leistung nahe der technologischen Spitze als Gründe für die Einführung. Zudem stellten sie fest, dass den USA eine wettbewerbsfähige Alternative mit offenen Gewichten fehlt, die das vom Markt geforderte Preis-Leistungs-Verhältnis bietet.
Der Bericht vergleicht die veröffentlichten API-Preise für eine Million Eingabetoken und eine Million Ausgabetoken (kleine Wort- und Zeichenbestandteile, mit denen die Nutzung von Modellen gemessen wird):
| Modell | Entwickler | Ungefähre Kosten |
|---|---|---|
| Qwen3-235B-A22B-Instruct | Alibaba | $1.15 |
| DeepSeek-R1 | DeepSeek | $2.74 |
| Kimi K2.6 | Moonshot AI | $4.95 |
| Claude Opus 4.8 | Anthropic | $30 |
| GPT-5.5 | OpenAI | $35 |
Diese Zahlen berücksichtigen keine Unterschiede bei den Fähigkeiten, beim Caching, bei Mengenrabatten, Sonderaktionen oder den Kosten für den Eigenbetrieb. Sie veranschaulichen den Preisdruck, der die Einführung vorantreibt. Offene Gewichte ermöglichen es Unternehmen außerdem, Modelle mit eigenen Daten feinabzustimmen und auf einer von ihnen kontrollierten Infrastruktur bereitzustellen.
Die Sicherheitsbedenken sind unabhängig vom Standort des Hostings. Der Betrieb von Modellen auf einer Infrastruktur in den USA verringert zwar die direkte Offenlegung von Daten, ändert laut Bericht jedoch nichts daran, wie das zugrunde liegende Modell trainiert wurde oder wie es sich unter Bedingungen verhalten könnte, die bei üblichen Prüfungen nicht erfasst werden.
Vorgeschlagene Beschränkungen und Risiken beim Ersatz
Die 12 Empfehlungen des Berichts führen nicht selbst Beschränkungen ein. Sie würden auf einer Anordnung des Heimatschutzministeriums aufbauen, die DeepSeek-Produkte und -Dienste von der zivilen Beschaffung durch Bundesbehörden ausschließt und ihre Entfernung aus den Systemen der Behörden verlangt, einschließlich Produkten von Drittanbietern, die auf DeepSeek basieren. Die Vorsitzenden empfehlen, diese Beschränkungen auf andere in China entwickelte Modelle und deren Ableitungen in allen Informationssystemen des Bundes sowie bei Bundesaufträgen auszuweiten; für Forschung, Tests und defensive Sicherheitsmaßnahmen sollten eng begrenzte Ausnahmen gelten. Außerdem empfehlen sie, diese Modelle und Ableitungen in eng umrissenen Hochrisikofunktionen kritischer Infrastrukturen zu verbieten. Die Fristen für ihre Entfernung sollten sich danach richten, wann vertrauenswürdige Alternativen verfügbar sind; vorübergehende Ausnahmen sollten gelten, solange es keinen vertrauenswürdigen Ersatz gibt.
Damit die Vorschriften durchsetzbar sind, sollen eine vom National Institute of Standards and Technology geleitete Norm zur Herkunftsnachverfolgung von Modellen und eine maschinenlesbare Stückliste für KI die Basismodelle, wesentliche Feinabstimmungen und Quellen für Destillationsverfahren dokumentieren. Die Vorgabe würde für Bundesauftragnehmer und für KI gelten, die in Hochrisikofunktionen kritischer Infrastrukturen eingesetzt wird; andernorts wäre sie freiwillig. Eine nationale US-Initiative für KI-Modelle mit offenen Gewichten würde öffentliche Rechenressourcen, eine gemeinsam genutzte Evaluierungsinfrastruktur, die freiwillige Lizenzierung von Ergebnissen amerikanischer Spitzenmodelle an qualifizierte Entwickler von Modellen mit offenen Gewichten zu Trainingszwecken sowie eine verlässliche Nachfrage des Bundes bündeln.
Die Ausschüsse warnen, dass ein Ausschluss chinesischer Modelle, bevor vertrauenswürdige Open-Weight-Alternativen verfügbar sind, die Kosten erhöhen und den Markt auf Anbieter geschlossener proprietärer Modelle konzentrieren könnte. Anyspheres vorläufiger Plan verdeutlicht daher die größere Herausforderung bei der Umsetzung: Beschränkungen erfordern zuverlässige Herkunftsnachweise, um integrierte Modelle aufzuspüren, sowie glaubwürdige Alternativen, damit chinesische Open-Weight-Modelle nicht durch höhere Kosten oder eine Abhängigkeit von geschlossenen Modellen ersetzt werden.












