Tim’s Weekly — KW 41 (5. – 11. Oktober 2026)

Mistral stellte die öffentliche Vorschau des offenen Modells „Mistral Large 4“ (Codenamen „le Chonk“) vor: eine Billion Gesamtparameter, 49 Milliarden aktiv, nativ multimodal, mehr als 160 Sprachen. Trainiert wurde das Modell von Grund auf auf 3.800 NVIDIA Grace Blackwell GPUs in europäischen Rechenzentren; die vollständigen Gewichte wurden für Ende Oktober angekündigt. Als State of the Art unter offenen Modellen gilt es laut Anbieter vor allem in Cybersecurity, Finanzen und Recht.

Quellen: Der Bericht von Mistral

Aleph Alpha stellte „Kolibri“ vor: 78 Milliarden Parameter, davon 3,46 Milliarden aktiv, und ein Kontextfenster von bis zu einer Million Tokens. Das Modell wurde in Europa entwickelt, und die Gewichte sind frei verfügbar — unter Apache 2.0, zum Ausführen auf eigener Hardware.

Quellen: Der Post von Aleph Alpha

Reflection AI stellte das offene Agentenmodell „Beam“ vor: 501 Milliarden Gesamtparameter, 23 Milliarden aktiv, von Grund auf neu trainiert. Der Fokus liegt auf Coding und agentischen Aufgaben mit frontier-naher Reasoning-Effizienz; die vollständigen Gewichte wurden für diesen Monat angekündigt.

Quellen: Der Post von Reflection AI

Cloudflare veröffentlichte das offene Modell „Clef“ mit 27 Milliarden Parametern: Der Nutzer übergibt Schema und Daten, woraufhin das Modell Entscheidungen trifft — konzipiert für Hochvolumenaufgaben. Es läuft auf einer RTX 3090 oder 4090 und ist auf Hugging Face verfügbar.

Quellen: Der Post von 0xSero

Google Gemma stellte „EmbeddingGemma 2“ vor: ein leichtgewichtiges multimodales Embedding-Modell, das Text, Code, Bilder, Video und Audio in einen einheitlichen Embedding-Raum abbildet. Es besitzt 740 Millionen Parameter, flexible Dimensionsgrößen von 768 bis 128 durch Matryoshka-Training und ein 8.000-Token-Fenster — viermal so groß wie der textbasierte Vorgänger. Die Lizenz: Apache 2.0, optimiert für den Einsatz auf dem Gerät.

Quellen: Der Post von Google Gemma

Alibaba gab mit „Qwen-Image-2.1-Turbo“ einen beschleunigten Checkpoint auf der 7-Milliarden-Parameter-Architektur frei, der Bilder in nur acht Denoising-Schritten erzeugt. Weniger Schritte bedeuten keine geringere Qualität: Das Modell erzeugt starke 2K-Bilder aus Text und unterstützt Erzeugung durch natürlichsprachliche Bearbeitung. Die offenen Gewichte sind verfügbar.

Quellen: Der Post von Alibaba Qwen · Das Modell auf Hugging Face

Microsoft stellte „Microsoft-Decision-1“ vor, ein Modell für schnelles Entscheidungsverhalten: Es liefert laut Microsoft Spitzenleistung bei strukturierten Entscheidungsaufgaben und schlägt Sprachmodelle wie auch andere Entscheidungsmodelle in Latenz und Qualität. Das Unternehmen testet das Modell bereits im ganzen Unternehmen — von der Störungsbeseitigung nach Cyberangriffen über die Qualitätskontrolle bis zur wissenschaftlichen Entdeckung. Die Botschaft: Für schnelle, präzise Entscheidungen braucht es nicht das größte, sondern das schnellste Modell, das den Kontext versteht.

Quellen: Der Post von Satya Nadella

Das Open-Source-Projekt llm-d, getragen von Google, NVIDIA, IBM und Red Hat, löst das zentrale Skalierungsproblem der LLM-Inferenz auf Kubernetes: Es verwaltet den KV-Cache als Clusterzustand und trennt Prefill von Decode. Auf derselben Hardware erlaubt das laut dem Projekt etwa dreimal höheren Durchsatz und halbiert die Zeit bis zum ersten Token. Das Projekt sitzt über bestehenden Engines wie vLLM und SGLang und ist unter Apache 2.0 lizenziert.

Quellen: Der Post von Daily Dose of Data Science

NVIDIA veröffentlichte ein Harness-Setup für Terminal-Agenten, das vor jedem Schritt prüft: Der Agent erzeugt acht Varianten desselben Befehls aus demselben Verlauf, ein separater Prüfer wählt den besten aus — nur dieser wird ausgeführt. Entscheidend ist, dass der Prüfer die Aufgabe, den Verlauf und die Varianten sieht, aber nicht die interne Logik des Agents: Er bewertet die Handlung, nicht die Erklärung. Die Kernaussage: Ein besserer Prüfer bringt mehr als zusätzliche Kandidaten.

Quellen: Der Post von Yarchi

Laut einem viel beachteten Post zahlt Anthropic einem Ingenieur zwischen 250.000 und 750.000 Dollar Jahresgehalt, weil er Harness für Multi-Agenten-Systeme baut. In einem Workshop von 15 Minuten zeigt er, wie man solch ein Gerüst aus dem Claude Agent SDK heraus aufbaut: Trennung von Reasoning und Werkzeugausführung in isolierten Sandboxen, serverseitige Ausführung mit Protokollierung jedes Schritts, und billiges Versagen, indem tote Sandboxen einfach neu gestartet werden. Zum Abschluss: Das System wandelt die Logs des Vortags in neues Gedächtnis und neue Fähigkeiten um.

Quellen: Der Post von hayato

Eine Studie zeigt: Bei der Migration ganzer Codebasen steigt die Erfolgsquote des Modells GPT-5.6 Sol von mageren 6,5 auf 31,0 Prozent, wenn man Codex durch das HERMES-Harness ersetzt — bei gleichem Modell und gleicher Anstrengung. HERMES paart jede Komponente eines Repos mit einem residenten Sprachmodell, der den eigenen Code und die Abhängigkeiten kennt; ein diagnostischer Schritt führt Test-Fehler zurück auf die Komponenten, die geändert werden müssen. Auf vier Benchmark-Sätzen schlägt HERMES die gleichgestellten Baseline-Harnesses im Schnitt um 12,4 Punkte.

Quellen: Der LinkedIn-Post

Raspberry Pi stellte den nächsten Schritt nach der Demo vor: ein intelligentes System, das dauerhaft überwacht, versteht und reagiert — ohne permanente Cloud-Verbindung. Gemeinsam mit Sixfab und DEEPX laufen Vision und kompakte Sprachmodelle auf dem Raspberry Pi 5, unterstützt durch das Sixfab AI HAT+. Ein entscheidender Faktor ist die NPU mit nur drei Watt Leistungsaufnahme, die lokale Inferenz am Edge ermöglicht.

Quellen: Der Beitrag von Raspberry Pi

Thomas Hatch von ContextOS nutzt das 27-Milliarden-Parameter-Modell Qwen3.8-27B seit Wochen als täglichen Begleiter für Debugging und Refactoring — auf eigener Hardware mit sechs AMD Radeon AI PRO R9700 Grafikkarten. Es findet und behebt Bugs im verteilten System, zerstört anschließend die Testumgebung, baut sie von Grund auf wieder auf und validiert die Fixes erneut. Da das Modell in lange Reasoning-Loops geraten kann, wird der Reasoning-Effort auf medium gestellt und das Token-Budget auf 4.096 begrenzt. Der Eigenbetrieb vermeidet, dass Code an öffentliche Server gelangt.

Quellen: Der Post von Thomas Hatch

Das chinesische Modellhaus DeepSeek hat mit „DeepGEMM“ die Engine freigegeben, mit der es seine eigenen Modelle trainiert und betreibt. Wie ein viel beachteter Post auf X darlegt, liefern schnellere Berechnungen auf den GPUs mehr Tokens pro Sekunde auf derselben Hardware — und senken damit die Kosten pro Token. Der Post rechnet vor: Statt 50 Dollar kostet eine Anfrage 1,60 Dollar, bis zu 98 Prozent Ersparnis gegenüber GPT Astra oder Opus 5.5.

Quellen: Der Post von Rahmanbarik

Samsung legte mit „LittleBit“ eine Methode offen, die ein Sprachmodell mit 13 Milliarden Parametern auf weniger als 1 Gigabyte komprimiert. Statt die Gewichte als gewöhnliche Zahlen zu speichern, nutzt LittleBit eine latente Faktorisierung, die sie auf extreme sub-1-Bit-Niveaus reduziert — und ersetzt die Gleitkomma-Multiplikation durch eine einfache bitweise XOR-Operation. Das Ergebnis: eine Inferenz-Beschleunigung um den Faktor 11,6 gegenüber einem Standard-FP16-Modell und ein drastisch gesenkter Speicherbedarf. In Extrembereichen unter 0,5 Bits bleibt die Methode robust, wo frühere Verfahren scheiterten — ein Blauplan für den lokalen Betrieb großer Modelle auf ressourcenbeschränkten Geräten.

Quellen: Der Post von thesupermannx

Forscher der KAIST um Prof. Kwang-Hyun Cho verwandelten Darmkrebszellen ohne Zelltod zurück in normale Zellen. Ein digitaler Zwilling des Gen-Netzwerks mit 522 Komponenten und 4.252 Zellen sowie das System BENEIN identifizierten drei Master-Regulatoren: MYB, HDAC2 und FOXA2. Ihre gemeinsame Unterdrückung induzierte eine Differenzierung in gesundes Intestinalgewebe; im Tierversuch schrumpften die Tumoren deutlich, ohne Kollateralschäden. Die Studie erschien in „Advanced Science“.

Quellen: Der Post von Brian Roemmele