Architektur-Innovation

OpenAI entwickelt unter Druck ein neues Flaggschiff-Modell basierend auf Looped Transformers – eine Technik, die Mathematik und Code verbessert, aber Sicherheitsrisiken birgt.

Drei Modelle verfolgen unterschiedliche Strategien, um KI-Systeme leistungsfähiger zu machen.

Anthropic präsentierte auf der AI Engineer New York ein Koordinations-Framework für Claude-Agenten, das von Unix- und Linux-Prinzipien inspiriert ist.

Sakana AI entwickelt ein System, in dem sich ein Sprachmodell selbst optimiert, erreicht aber auch ein kritisches Problem: Fehler können unbemerkt als Fortschritt weitergegeben werden.

Forscher erweitern LeCuns JEPA-Architektur zu einem universellen Weltmodell, das von Robotik bis Krebsforschung funktioniert – und generieren dabei erste Therapie-Vorschläge.

Reka AI zeigt mit Rho-1 ein 19-Milliarden-Parameter-Modell, das Text, Bilder, Videos und Robotersteuerung vereint und dabei nur einen Bruchteil der üblichen Trainingsressourcen benötigte.

Neue Methode verhindert, dass sich selbst verbessernde KI-Agenten nur Testaufgaben auswendig lernen – mit bis zu 4,7 Punkten besserer Performance auf unsichtbaren Benchmarks.

Deepmind-Forscher argumentieren, dass echte KI-Intelligenz nicht aus einem einzelnen Supermodell entsteht, sondern aus kooperierenden Agenten-Netzwerken – Größe sei weniger wichtig als die richtige Architektur und Spielregeln.

Claude Code hat zwei unterschiedliche Gedächtnistypen, die zusammenwirken, um Coding-Aufgaben effizienter zu bewältigen.

Das Allen Institute präsentiert Olmo-core 3, eine skalierbare Open-Source-Infrastruktur zum Trainieren großer MoE-Modelle.