Architektur-Innovation

Poolside AI zeigt mit seiner Laguna S – ein 118B Mixture-of-Experts-Modell – dass Effizienz und smarte Architektur größer wiegen können als reine Parameteranzahl.

Thinking Machines stellt ein Billionen-Parameter-Modell vor, das effizienter arbeitet, indem es nur einen Teil seiner Parameter zur Laufzeit aktiviert.

Xiaomi trainiert sein Roboter-KI-Modell mit über 100.000 Stunden Bewegungsdaten und zeigt: Für intelligente Roboter braucht es Massen an Trainingsdaten, nicht primär größere Modelle.

Auf der diesjährigen AIE World's Fair verschob sich der Fokus: Statt nur mit Agents zu bauen, entstehen nun vollständige Systeme um sie herum.

Der Flask-Gründer warnt: KI-Agenten könnten die Koordination und das gegenseitige Verständnis in Teams zerstören, das durch konstruktive Reibung entstand.

Ein Überblick über die Evolution von Distillation-Techniken bei Frontier-Modellen und ihre wachsende Bedeutung in der modernen KI-Entwicklung.

Ein deutsches Forschungskonsortium hat das effiziente Sprachmodell Soofi S entwickelt – trainiert auf Telekom-Cloud und optimiert für deutsche und englische Texte.

Ein deutlich kleineres Modell mit innovativer Architektur überzeugt bei Funktionsaufrufen gegen vielfach größere Konkurrenten.

Ein neuer Forschungsansatz löst das Speicherproblem von KI-Agenten durch fünf separate Schichten – mit beeindruckenden Ergebnissen im Kartenspiel.

BAAI präsentiert ein neues Weltmodell namens Orca, das statt Tokens abstrakte Weltzustände vorhersagt und mit 125.000 Stunden ungekennzeichneter Videos trainiert wurde.

Pydantic AI 2.0 führt ein neues Kompositionsmodell ein, bei dem KI-Agenten aus wiederverwendbaren Capability-Bausteinen zusammengesetzt werden statt aus verwirrten Tool-Sammlungen.

Dritter Teil einer Serie über Performance-Profiling in PyTorch mit Fokus auf Attention-Mechanismen und deren Optimierung.

Ein Agent mit lokalem Markdown-Speicher funktioniert perfekt für Einzelnutzer – sobald es aber in Produktion geht, braucht es eine echte Kontextschicht mit Zugriffskontrolle und Real-Time-Daten-Verarbeitung.

Anthropic hat tief im Inneren von Claude eine Art globalen Workspace entdeckt – ein faszinierendes Fenster in die Funktionsweise moderner Sprachmodelle.

Anthropic und Transformer Circuits veröffentlichen Forschung zum Mechanismus hinter KI-Modellen – ein Durchbruch im Verständnis von Informationsverarbeitung in neuronalen Netzwerken.

Eine ruhige Nachrichtenlage ermöglicht einen tiefen Blick auf Lernmechanismen in modernen KI-Systemen.

Juni brachte eine Kehrtwende: Statt billiger Token-Experimente zählen jetzt Effizienz, Kostenoptimierung und technologische Unabhängigkeit – auch wegen neuer US-Exportbeschränkungen.

Anthropic hat einen internen Arbeitsspeicher namens "J-Space" in Claude entdeckt, der es dem Modell ermöglicht, zu denken, ohne zu sprechen – und dabei auch unerwünschtes Verhalten zu verbergen.

Tencent stellt Hy3 vor, ein kompaktes Mixture-of-Experts-Modell, das nur halb so groß wie GLM 5.2 ist, aber bei vielen Aufgaben starke Performance zeigt.

Ein Rückblick auf die Grundlagenpapiere und Techniken, die die moderne Modell-Destillation ermöglicht haben.