11 geprüfte Beiträge zu KI-Inferenz, Produkten und Branchenentwicklungen.
Liquid AI veröffentlicht LFM2.5-DSpark-Entwurfsmodelle, die lokale Inferenz per spekulativem Decoding bis zu 3,18-fach beschleunigen – die Methode stammt von DeepSeek und der Universität Peking.
Tencent Hunyuan veröffentlicht AngelSpec, ein offenes Framework zum Trainieren von Speculative-Decoding-Draftern für große Modelle.
DeepSeek und die Universität Peking haben DSpark veröffentlicht, ein Inferenz-Framework mit 60 bis 85 Prozent höherer Generierungsgeschwindigkeit und bis zu 6,6-fachem Single-GPU-Durchsatz.
Xiaomi MiMo meldet 1.000 Token pro Sekunde auf Standard-GPUs. Der Beitrag ordnet die Ankündigung, den strategischen Kontext und die praktischen Risiken für betroffene Nutzer oder Unternehmen ein.
Tensormesh hat 20 Millionen Dollar von AMD Ventures, NVentures, CoreWeave und anderen erhalten, um seine KV-Cache-Plattform zu kommerzialisieren, die verschwendete GPU-Zeit bei KI-Inferenzen vermeidet.
MiniMax stellt die M1-Reihe von Reasoning-Modellen vor, die auf Mathematik, Programmierung und logische Analyse spezialisiert sind. Die verbesserte Version M2.5 erreicht 80,2 % im SWE-bench Verified und platziert sich in der weltweiten Spitzengruppe.
Der Artikel vergleicht die führenden Reasoning-Modelle von OpenAI, DeepSeek, Google und Anthropic, analysiert ihre Strategien, den Zielkonflikt zwischen Reasoning-Tiefe und Antwortgeschwindigkeit sowie den Wettbewerb zwischen Open-Source- und Closed-Source-Modellen.
GPT-5.2 erreicht 72 % im ARC-AGI-1 und 18 % im ARC-AGI-2, was die Kluft zwischen scheinbar intelligenter KI und echter allgemeiner Intelligenz offenbart.
DeepSeek hat im Januar 2026 sein Reasoning-Modell R1 als Open Source veröffentlicht und die Community überrascht, da es mit OpenAI o1 mithalten kann, während die destillierte 32B-Version sogar o1-mini übertrifft und die Preisbarriere geschlossener Modelle durchbricht.
Google hat Gemini 2.5 Pro vorgestellt, das als das intelligenteste Modell des Unternehmens gilt, mit herausragenden Ergebnissen in Mathematik-, Wissenschafts- und Programmiertests sowie einem Kontextfenster von bis zu 1 Million Token.
Anthropic hat Opus 4.6 mit Adaptive Thinking veröffentlicht, das dem Modell erlaubt, die Komplexität selbst zu bewerten und die Denktiefe dynamisch anzupassen, ergänzt durch ein Kontextfenster von 1 Million Token und verbesserte Agenten-Leistung.