Modelle & Forschung

Der Linux-Kernel enthält inzwischen KI-generierten Code. Nach dem Wortlaut der neuen Regel wäre jedes Projekt draußen, das ihn benutzt.

Trainiert wurde es auf einer einzigen NVIDIA GB200 NVL72. Für die Inferenz reicht ein MacBook Pro M4 Max.

Auf Moonshots eigenem Hallu Bench Hard fallen die Halluzinationen auf Aussagenebene von 23,4 auf 8,3 Prozent. GPT-6 Astra steht dort bei 5,5 Prozent.

Das Modell lief 64 Stunden weitgehend allein, mit einem Ausgangsprompt und vier Nachfragen. Angestoßen hat das Projekt eine Firma aus der Finanzresearch.

Als Hardware nennt DeepSeek NVIDIAs SM100-GPUs und Huaweis Ascend-950-NPUs. Drei Bausteine, die ein vollständiger Dienst braucht, fehlen dem Release absichtlich.

Die Realtime-Transkription nennt Mistral mit unter 500 Millisekunden Latenz und 40 Sprachen, zu 0,008 Dollar je Minute. Sprachausgabe kostet 13 Dollar je Million Zeichen.

Die Veröffentlichung enthält kein Chat-Template im Jinja-Format. Stattdessen liegen eine Python-Referenzimplementierung und eine Rust-Bibliothek mit Python-Bindings dabei.

53 Stunden hing Claude an einer einzigen Aufgabe und bewies am Ende neue algebraische Identitäten in Lean.

Google hat mit Argon im Chromium-Code einen sechs Millionen Zeilen großen Altbestand herausgelöst, über hunderte Dateien hinweg: Monate Arbeit in Wochen. Der Kommentarbereich von YouTube braucht jetzt die halbe Rechenleistung.

15 No-Name-Android-Boxen zu je 55 Dollar, 0,39 Token pro Sekunde. Mehr braucht ein Modell mit 26 Milliarden Parametern nicht.

Zur Zusage gehören Schulung und Einarbeitung – auch für Behörden, die ihr erstes Genesis-Projekt noch zum Laufen bringen müssen.

Anthropic rechnet mit über 90 Prozent echten Treffern. Manche Meldung wird also falsch sein, zum Beispiel in der Einstufung des Schweregrads.

Mathematiker aus Cambridge und London haben zwei Stellen gefunden, an denen Prosabeweis und Lean-Code auseinandergehen.

Trainiert von Null auf 3.800 Grace-Blackwell-GPUs in Mistrals eigenen Rechenzentren in Europa. Eine Billion Parameter, 49 Milliarden davon aktiv, mehr als 160 Sprachen im Trainingsmaterial.

Rund 4.000 Probleme hat das Modell vorgelegt bekommen. Zwei Ergebnisse fielen aus dem Standardverfahren: ein nullstellenfreier Bereich der Riemannschen Zetafunktion und die Hodge-Vermutung für CM-abelsche Varietäten.

Haiku 4.5 schaffte auf Terminal-Bench 4.0 glatte 0,0 Prozent. Die 5.5 kommt auf 39,2 – und kostet dabei ein Zehntel.

Hinter den gebauten Oberflächen steckt ein Compiler, der die Antwort rendert, während das Modell sie noch schreibt. Codex und Work bleiben außen vor.

Nahm man den Modellen das Finanzprofil weg und ließ sie nur das E-Mail-Postfach lesen, blieb ein großer Teil der Lücke. Gemini las dabei in 97 Prozent der Versuche zuerst die zwei Finanzmails.

AI-Plus-Kunden für 4,99 Dollar verlieren Pro ebenfalls. Dafür bekommt die Pro-Stufe Deep Think, das bisher ab 99,99 Dollar im Monat begann.

Seit dem 1. Oktober nimmt Google keine Produktfehler mehr an. Weiter geht es laut Ankündigung erst im ersten Quartal 2027.