Infrastruktur, Chips, Inferenz und Modelle auf Ihren eigenen Geräten.
27 Artikel
Eine aktuelle Studie identifiziert ein spezifisches Versagen bei KI-Agenten: die Überabhängigkeit vom Gedächtnis. Die Autoren schlagen MEMTRIM vor, ein Framework zum Filtern teilweiser Erinnerungen, dessen Validierung in der Produktion jedoch noch aussteht.
Die Open Agent Safety Platform vereint OpenShell, das Grenzen bei der Ausführung setzt, und Sentry, das Agenten von einer BlueField-4-DPU aus überwacht. Nvidia behauptet, Sentry könne Agenten in Millisekunden isolieren, doch diese Fähigkeit ist keine bewiesene Abwehr gegen jeden Angriff: Erkennung, Konfiguration und Fehlerfälle bleiben entscheidend.
Microsoft hat den KI-Beschleuniger Maia 300 vorgestellt, der speziell für Inferenz-Aufgaben konzipiert ist und ab 2027 ausgerollt werden soll. Das Unternehmen strebt an, 40 % mehr Tokens pro Megawatt zu verarbeiten – eine interne Schätzung, die noch keine unabhängige Vergleichsmessung darstellt.
AWS erweitert den Zugang zu OpenAI-GPT-Modellen in Amazon Bedrock um regionsübergreifende Inferenz in Asien. Anfragen können aus Singapur, Jakarta, Thailand, Malaysia und Taiwan gestartet werden – mit Auswirkungen auf Latenz, Berechtigungen und die Architektur multinationaler Anwendungen.
Die verfügbaren überprüfbaren Informationen bestätigen, dass Microsoft Spezialchips für Azure entwickelt und Maia 200 als Inferenzbeschleuniger vorgestellt hat. Sie reichen jedoch nicht aus, um Zeitplan, Umfang oder Leistungsdaten von Maia 300 zu bestätigen.
Aleph Alpha stellt Kolibri als Modell mit offenen Gewichten vor, das auf Deutsch und Englisch ausgerichtet ist und souveräne Bereitstellungen unterstützen soll. Zu Lizenz, Kontextlänge, Hardware und unabhängiger Bewertung bleiben wichtige Fragen offen.
NVIDIA hat den DGX Spark mit 64 GB einheitlichem Speicher offiziell angekündigt. Der Startpreis beträgt 4.999 US-Dollar, die Verfügbarkeit bei Acer, ASUS, Dell, Gigabyte, HP und MSI ist ab dem 23. Oktober 2026 vorgesehen.
Code to Control trennt die Erzeugung der Controllerstruktur von der Anpassung ihrer Parameter. Dem Preprint zufolge kann der gelernte Controller anschließend ohne LLM-Inferenz und ohne Planung bei jedem Schritt handeln. Die verfügbaren Informationen reichen jedoch nicht aus, um Kennzahlen, Reproduzierbarkeit oder die Einsatzreife für reale Roboter zu beurteilen.
Eine Quelle berichtet über eine Ankündigung für Indien. Die vorliegenden Dokumentationen reichen jedoch nicht aus, um verfügbare Modelle, Zeitpunkte oder Konfigurationen dort zu bestätigen oder eine entsprechende Ausweitung auf Südkorea und Singapur zu belegen.
Auf der Apsara stellte Alibaba den Zhenwu V900 vor, erläuterte den Trainingsstand von Qwen 4 und gab einen Ausblick auf künftige Modelle mit größerem Umfang. Der geplante Marktstart des Chips und der Leistungsvergleich sind Unternehmensangaben, keine unabhängigen Ergebnisse.
Ein Preprint vergleicht den globalen Abruf von Fähigkeiten mit einem Abruf, der auf die Aufgabenfamilie beschränkt ist, in der die jeweilige Fähigkeit validiert wurde. In den Tests erzielt der zweite Ansatz einen höheren Nutzen auf zurückgehaltenen Trajektorien. Für die Einordnung der Metrik und eine Verallgemeinerung fehlen jedoch noch Details.
Der Benchmark prüft, ob Agenten Ergebnisse aus Machine-Learning-Artikeln anhand veröffentlichter Materialien und mit einem festgelegten GPU-Budget rekonstruieren können. Die Erfolgsquoten zeigen einen zunehmenden Schwierigkeitsgrad, sagen aber nicht aus, ob die wissenschaftlichen Schlussfolgerungen der Artikel gültig sind.