Nvidia und AMD konkurrieren im Rechenzentrum um jeden KI-Auftrag, finanzieren aber gemeinsam dasselbe zwei Monate alte Unternehmen. River AI hat am 11. August 2026 eine Runde über 957 Millionen Euro bekanntgegeben, angeführt von General Catalyst und AMP PBC.[1] Verkauft wird ein Trainingsdienst, mit dem Unternehmen offene Modelle auf eigene Daten anpassen und die fertigen Gewichte behalten.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Das Wichtigste in Kürze
- Die 957 Millionen Euro entsprechen 1,1 Milliarden US-Dollar zum Kurs von 0,87 am 12. August 2026.
- Der River API trainiert offene Modelle von 35 Milliarden bis zu einer Billion Parametern, darunter Qwen3.6, Kimi K2.6 und GLM 5.2.
- Abgerechnet wird pro Million Token für Training und Inferenz, nicht pro GPU-Stunde.
- Nach den Leitlinien der EU-Kommission wird ein Unternehmen erst oberhalb eines Drittels des ursprünglichen Rechenaufwands selbst Anbieter im Sinne der KI-Verordnung.
Was verkauft River AI?
Der River API nimmt ein offenes Modell, trainiert per LoRA eine schmale Zusatzschicht darauf und gibt die Gewichte an den Kunden zurück. Ein komplexer Lauf mit bestärkendem Lernen dauert 15 bis 20 Minuten und kommt ohne eigenes Infrastruktur-Team aus.[1] Den Kostenvorteil gegenüber geschlossenen Alternativen beziffert River AI auf das Zwei- bis Vierfache.
Die Abrechnung läuft pro Million Token für Training und Inferenz statt pro GPU-Stunde, sodass Leerlaufzeiten der Grafikkarten entfallen. Gegründet hat den Dienst Igor Babuschkin, Mitgründer von xAI, davor Forscher bei Google DeepMind und OpenAI. „Wir haben River gegründet, damit Menschen und Unternehmen ihre Intelligenz besitzen können“, sagt Babuschkin.[1]
Warum finanzieren Nvidia und AMD denselben Anbieter?
Der Grund für diese ungewöhnliche Allianz liegt in der Wertverteilung. Solange Unternehmen fertige Antworten bei OpenAI oder Anthropic einkaufen, bleibt die Marge beim Labor. Über die Chips entscheidet dann ebenfalls das Labor. Sobald mittelgroße Unternehmen ihre eigenen Modelle trainieren, verteilt sich die Rechenlast auf viele Rechenzentren und viele Einkäufer. River AI plant zusätzlich einen eigenen Chip samt passendem PyTorch-Compiler.
Die offenen Basismodelle liefern derweil andere: Alibaba mit Qwen, Moonshot mit Kimi, Zhipu mit GLM. Dieselbe Verschiebung zeigt sich darin, dass das Silicon Valley heimlich auf chinesische Modelle umsteigt und GLM 5.2 eine Million Token Kontext offen bereitstellt. Wie dünn die westliche Seite dieses Stapels besetzt ist, zeigt eine Landkarte des offenen KI-Stacks.
Eigentum am Modell löst die Abhängigkeit nicht auf, sondern verschiebt sie vom geschlossenen Labor zum offenen Basismodell aus China. Der Unterschied bleibt trotzdem groß, weil die Gewichte danach im eigenen Rechenzentrum liegen.
Markus Seyfferth, Chefredakteur Dr. Web
Unterhalb dieser Schwelle: Die Gewichte gehören dem Kunden, die Dokumentationspflicht bleibt beim Anbieter des Basismodells.
Was bedeutet Eigentum am Modell nach der KI-Verordnung?
Die Pflichten für Modelle mit allgemeinem Verwendungszweck gelten seit dem 2. August 2025. Nach den Leitlinien der EU-Kommission wird ein Unternehmen, das ein fremdes Modell nachtrainiert, erst dann selbst zum Anbieter, sobald der Rechenaufwand der Änderung ein Drittel des ursprünglichen Trainingsaufwands übersteigt.[2] Ein LoRA-Feintuning liegt um Größenordnungen darunter. Das Eigentum an den Gewichten und die Verantwortung für die Modelldokumentation fallen damit auseinander, ähnlich wie schon bei SAP Joule die Transparenzpflicht beim Kunden landet. Zwei Aufgaben folgen daraus:
- Vor dem ersten Trainingslauf klären, wer die technische Dokumentation und die Zusammenfassung der Trainingsdaten des Basismodells bereitstellt.
- Die Lizenz des offenen Modells prüfen, weil Nutzungsgrenzen und Herkunftsnachweis mit den Gewichten mitwandern.
Für europäische Entscheider bleibt der Reiz groß, weil die Daten im eigenen Netz bleiben. Genau damit werben Microsoft und Mistral bei regulierten Branchen. Ein Feintuning rechnet sich allerdings erst ab einem stabilen, wiederkehrenden Anwendungsfall, deshalb gehört der Preisvergleich mit den großen Sprachmodell-Anbietern an den Anfang.
Quellen
[1] River AI: Mitteilung zur Series-Seed- und Series-A-Finanzierung (11. August 2026)
[2] Europäische Kommission: Leitlinien zum Anwendungsbereich der Pflichten für Anbieter von KI-Modellen mit allgemeinem Verwendungszweck
Mehr Newshunger?
- DeepSeek Harness: Chinas KI-Labor attackiert Claude Code und Codex
- Nemotron 3.5 Lightning: Nvidia wählt Tempo statt Spitzenplatz
- Muse Glimmer: Metas offenes KI-Modell läuft auf einer einzelnen Grafikkarte
- Zhipu baut Chinas KI ohne Nvidia: 50.000 heimische Chips laufen bereits
- ByteDance gründet eine eigene KI-Datenabteilung: Das Modell-Rennen wird zum Datenrennen
- KI-Wasserzeichen im Text: Anthropic markiert jede Antwort von Claude
