Ankündigungsbeitrag, veröffentlicht im **offiziellen Z.ai-Blog** (ehemals Zhipu AI, chinesisches Labor) am **14. August 2026**, **ohne namentliche Autorenangabe**, ~2.000 Wörter plus Fußnoten. Er kündigt **GLM-5.3** an, den Nachfolger von GLM-5.2, und eröffnet mit einer methodischen These: *« Scaling post-training is all we did for GLM-5.3. »* Dasselbe Basismodell wie GLM-5.2 — *« every gain comes from post-training »*. Drei Ankündigungen. **(A) Ein Coding-Modell mit offenen Gewichten**: +50 % beansprucht auf **Z.ai Code Bench**, einem unveröffentlichten internen Benchmark. **(B) Eine als „emergent" dargestellte Cyber-Fähigkeit**, die der Fließtext auf eine Trainingsentscheidung zurückführt — *« As part of post-training, we introduced vulnerability discovery data and environments into the training mix. We expected this to make the model better at finding and reasoning about vulnerabilities »* — überraschend waren die Geschwindigkeit und der Wandel in der Natur: Das Modell geht von der Identifizierung isolierter Schwachstellen zu *« coherent plans for complete exploitation chains »* über. Die Gewinne wachsen mit der Position in der Exploitation-Kette: CyberGym 77,2 → **84,5 %**, ExploitBench 24,4 → **54,4 %** (×2,2), ExploitGym 29 → **105** Aufgaben in 2 h (×3,6), wobei der Abstand zur geschlossenen Frontier weiterhin groß bleibt (181 und 247 Aufgaben). Z.ai formuliert es so: *« Capability is growing fastest exactly where we are furthest behind. »* Der Beitrag veröffentlicht zudem ein **Z.ai Security Disclosure Ledger**: **2.436 identifizierte Schwachstellen in 269 Open-Source-Projekten** — Kernel, Betriebssysteme, Browser-Engines, Infrastruktur, Webanwendungen, Netzwerkprotokolle — die älteste eingeführt **1981**, durchschnittliche Lebensdauer bis zur Entdeckung **26,6 Jahre**, davon **53 offengelegt** und **2.383 unter Embargo**. **(C) Eine Gewichtsfreigabe** *« within two weeks of launch, once safety evaluation and hardening are complete »*. Der am ehesten übertragbare methodische Beitrag: **Synthese von Umgebungen und Verifiern**, wobei Letztere ohne Zugriff auf die Referenzlösung erzeugt und erst nach einem Triptychon negativer Kontrollen zugelassen werden — **oracle**, **no-op**, **unsolved-state**. Alle agentischen Evaluierungen werden **in Claude Code 2.1.207** durchgeführt.
#GLM-5.3#GLM-5.2#Z.ai
**Z.ai** (anciennement **Zhipu AI**) · laboratoire d'IA chinois · éditeur de la famille **GLM**. Billet **institutionnel et non signé** : aucun auteur nommé · aucun chercheur mis en avant · aucun lien vers un rapport technique ou une carte de modèle. Publié le **14 août 2026**. La page est une SPA React — le HTML servi est un `<div id="root">` vide · et le texte comme les scores ont dû être extraits du bundle `glm-5.3-BCnx8T5_.js` · où ils figurent en valeurs source.
Eine von **Didier Girard** verfasste Watch-Notiz, veröffentlicht auf **X** am **7. August 2026**, die den Launch von **Shieldstral 1.0 3B** (Mistral AI, 4. August 2026) nicht als Produktveröffentlichung liest, sondern als **die produktive Umsetzung einer Doktrin**. Ausgangspunkt: Am **13. Mai 2026** lehnte **Arthur Mensch** vor dem Untersuchungsausschuss der Nationalversammlung zu digitalen Verwundbarkeiten jede Aufsichtsrolle von Mistral über den Endgebrauch seiner Modelle ab – *„wir besitzen keine demokratische Legitimität“* – und wies damit explizit die Haltung von **Anthropic** zurück. Weniger als drei Monate später veröffentlicht Mistral ein **Moderationsmodell**. Der Autor entkräftet den scheinbaren Widerspruch: **Shieldstral trägt keine Taxonomie des Erlaubten und des Verbotenen in sich**, es beantwortet eine **vom Nutzer geschriebene Frage**. **Der Mechanismus steht im Zentrum der Notiz**: ein dreiteiliger Prompt (Kontext + Schweregrad / eine einzige geschlossene Frage / der zu beurteilende Inhalt), eine Antwort mit `yes` oder `no`, und der **Softmax über diese beiden Tokens** erzeugt einen kontinuierlichen Score zwischen 0 und 1. **Die Moderationsrichtlinie steckt nicht in den Gewichten, sie wird zur Inferenzzeit gelesen** – während **Llama Guard 4** die zur Trainingszeit fixierte MLCommons-Taxonomie einbettet, liest Shieldstral die eigene Richtlinie in natürlicher Sprache, änderbar **ohne erneutes Training**. Der technische Bericht (**arXiv:2607.25857**, 28. Juli 2026) beziffert die Kosten dieser Entscheidung: Fine-Tuning allein auf öffentlichen Daten = **61,1 % F1** bei der Anpassungsfähigkeit der Richtlinie; **4,4 Millionen kontrastive Paare**, von einem LLM generiert (derselbe Inhalt umgeschrieben, um eine Richtlinie zu verletzen, aber nicht die benachbarte Richtlinie) = **+23,3 Punkte**; **91,3 %** nach Zusammenführung von drei Checkpoints. Merkmale: **3,8 Mrd. tatsächliche Parameter** (das „3B“ im Namen ist abgerundet), Basis **Ministral 3** + Vision-Encoder **Pixtral**, **12 Sprachen**, **16 GB VRAM in BF16**, **Apache 2.0**. Textleistung: **84,9 % durchschnittlicher F1**, auf Augenhöhe mit **GPT-OSS-Safeguard-20B** (siebenmal größer), vor **Qwen3Guard-8B** (84,0) und weit vor **LlamaGuard-4-12B** (69,1). **Ein vom Autor selbst geäußerter Vorbehalt**: *all diese Zahlen stammen von Mistral, auf von Mistral ausgewählten Testdatensätzen, und bis zum 6. August existierte keine unabhängige Bewertung*. Die zentrale These der Notiz ist ein **Gegensatz der Topologien**: bei **Anthropic** wohnt das Sicherheitsnetz **in den Gewichten**, und der Anbieter entscheidet, wer davon ausgenommen wird (**Claude Fable 5** öffentlich mit Sicherheitsmaßnahmen / **Claude Mythos 5** ohne, vorbehalten zugelassenen Cyberverteidigern des **Project Glasswing**, 9. Juni 2026); bei **Mistral** liegt das Sicherheitsnetz **außerhalb des Modells** – eine separate, offene, selbst hostbare Komponente, deren Richtlinie dem Betreiber gehört. Explizite Kundenausrichtung (Verteidigungsministerium, BNP Paribas, französische und luxemburgische Regierungsverwaltungen). Die Notiz schließt mit einem **in drei Punkten dokumentierten Rückschlag**: **Auditierbarkeit** (binäre Ausgabe, keine Begründungsspur, während der Betreiber die Beweislast im Rahmen eines AI-Act-Audits trägt), **Robustheit** (das erste Kapitel von Voltaires *Traktat über die Toleranz*, von einem Tester im Hacker-News-Thread als „Aufruf zur Gewalt“ eingestuft – eine Verwechslung von Erwähnung und Befürwortung), **Verfügbarkeit** (Stand 6. August: kein kostenpflichtiger Endpunkt auf La Plateforme, kein offizielles Ollama-Angebot). Abschließend drei Einsatzregeln.
#Shieldstral#Shieldstral 1.0 3B#Mistral AI
**Didier Girard** — auteur de la note · publiée sur son compte X. Écrit ici en **analyste de doctrine industrielle** plutôt qu'en testeur : il n'a pas déployé le modèle · il croise une **audition parlementaire** (Mensch, 13 mai) · un **lancement produit** (Shieldstral, 4 août) · un **rapport technique** (arXiv, 28 juillet) et un **contre-exemple concurrent** (Anthropic, 9 juin) pour montrer qu'ils forment une position cohérente. Deux marqueurs de posture : il **borne explicitement la valeur des chiffres** qu'il cite (aucune évaluation tierce) et il **termine par des règles opérationnelles** — l'analyse doit sortir avec sa traduction en décisions de déploiement.
SFEIR-Analyse (in der Stimme der Firma, „eine Lesart von Ingenieuren“) des am **21. Juli 2026** angekündigten Deals zwischen **Mistral** und **Microsoft**: eine **industrielle Partnerschaft im Wert von mehreren Milliarden Dollar**, gegliedert in drei Teile — (1) **Compute in Europa** (reservierte Azure-Kapazität auf dem Kontinent, Rechenzentren in Frankreich, **NVIDIA Vera Rubin**-Systeme der neuesten Generation, um „das europäische Compute-Defizit zu schließen“); (2) **Mistrals Modelle in Microsofts Tooling** (**Mistral Medium 3.5** und **Mistral OCR 4** in **Microsoft Foundry**, zugänglich in **Copilot Studio** zum Aufbau von Business-Agenten); (3) vor allem **Azure Local bis hin zum getrennten Modus** (Public Cloud, überwachte verbundene Cloud, und **air-gapped**, vollständig vom externen Netzwerk getrennt — für Verteidigungsgeheimnisse, Gesundheitswesen, kritisches Bankwesen). **Bemerkenswerte Tatsache, von Brad Smith bestätigt: keine neue Kapitalbeteiligung** von Microsoft an Mistrals Kapital — eine massive Partnerschaft **ohne Kapitalverflechtung**. SFEIR — Partner von Anthropic und Google Cloud, „ohne Interesse daran, den französischen Champion zu überhöhen“ — betrachtet Mistral als **„die beste europäische Wette auf der Modellebene“** und bietet eine dreiteilige Lesart. **Was der Deal einem CIO bringt**: ein europäisches Spitzenmodell, ausführbar in einer getrennten Umgebung und vom Kunden kontrolliert (In-Memory-Verschlüsselung, lokal verwaltete Schlüssel), erfüllt Kriterien, die nur wenige Angebote erfüllen. **Die Spannung**: diese Souveränität wird **auf der Infrastruktur eines amerikanischen Hyperscalers** eingesetzt; vier Souveränitäten müssen unterschieden werden — **Modell, Ausführung, Infrastruktur, Geschäftsbeziehung** — von denen man „drei von vier bekommen kann, aber man muss trotzdem wissen, welche fehlt“. Das einzige Element, das die Souveränität **wirklich portabel** macht, ist die **Open-Weights-Natur** von Mistrals Gewichten (dieselbe Reversibilitätslogik wie bei **Kimi K3**). Das Fehlen einer Kapitalbeteiligung ist kein Detail: Es bewahrt Mistrals Governance **und** minimiert das Risiko einer kartellrechtlichen Prüfung (FTC, Europäische Kommission) — **bewusst gewähltes regulatorisches Arbitrage**, nicht nur eine technische Entscheidung. **Der eigentliche blinde Fleck**: die **Lesbarkeit von Mistrals Industriestrategie**, die gleichzeitig auf fast allen Fronten präsent ist (B2C mit Le Chat, B2B über Azure-Distribution, Open-Weights-Modell **und** Frontier-Ambition, sehr kapitalintensive Infrastruktur — 200 MW gesichert, eine 1-GW-Obergrenze bis 2030 —, Partnerschaften mit einer Handvoll Großkunden, Robostral/OCR-Vertikalisierung, Bedienung regulierter Sektoren): souveräner Full-Stack (optimistische Lesart) oder die Zersplitterung eines drei Jahre alten, mit ~20 Mrd. € bewerteten Unternehmens über Geschäftsfelder mit divergierenden Wirtschaftsmodellen hinweg (vorsichtige Lesart). Für die technische Führung: **das Modell vom Kanal trennen**, **auf Ausstieg auslegen** (Design to Exit — Open-Weights macht die Ausstiegstür glaubwürdig), **routen statt wetten** (souveräne Multi-LLM-Architektur, RAISE). Fazit: **Souveränität ist eine architektonische Eigenschaft, kein Label** — sie wird Abhängigkeit für Abhängigkeit qualifiziert; die fehlende industrielle Lesbarkeit bleibt die eigentlich offene Frage, geklärt nicht durch Pressemitteilungen, sondern durch „die Kompromisse der nächsten zwölf Monate“.
X-Thread von **Dean W. Ball** — **Head of Strategic Futures bei OpenAI** seit dem 6. Juli 2026, **Hauptautor von America's AI Action Plan** unter der Trump-Administration (eine Positionierung, die man im Hinterkopf behalten sollte, wenn man ein Anti-Open-Weights-Argument liest, das von einem Insider der proprietären Frontier verfasst wurde): **sechs Beobachtungen**, ausgelöst durch das chinesische Open-Weights-Modell **Kimi**, die schnell über das Produkt hinausgehen, um eine gegen den Strich gebürstete **geopolitische und ideologische These** zu vertreten. (1) Kimi ist **ein sehr gutes Modell**, nicht auf Destillation reduzierbar, **auf Augenhöhe mit den besten öffentlichen Modellen des Q1 2026** im agentischen Coding — aber **sehr token-hungrig**, sodass der Betrieb nicht so offensichtlich günstig ist. (2) Ball sagt, er sei **überrascht, dass der chinesische Staat die Open-Source-Stellung** so guter Modelle weiterhin zulässt: Er führt dies **zu ~75 % auf eine „strategische Blindheit" / einen Mangel an „AGI-Pilledness"** zurück (die KPCh vertrete angeblich eine „sehr Yann-LeCun-artige" Sicht auf KI), und zu ~25 % auf einen **Mangel an Inferenz-Rechenleistung** — was die chinesische Open-Weights-Strategie zu einem **unbeabsichtigten Nebenprodukt der US-Exportkontrollen** machen würde — sowie einen Reflex zu aggressiven Exporten; auf Seiten der Unternehmen sei die Offenheit halb ideologisch, halb ein Eingeständnis, dass „wir zurückliegen, niemand würde für sub-frontier chinesische Modelle bezahlen." (3) Zentrale These: **Open-Weights-Modelle sind inhärent dezelerationistisch** — sie **schrecken KI-Investitionsausgaben ab**. Ball zeigt sich überrascht von der Begeisterung der **„Akzelerationisten"** für Open Weights, die er auf deren Vorliebe für den **„Mantel der Unregierbarkeit"** zurückführt (eine Analogie zu James Scotts *The Art of Not Being Governed* und dessen Bergvölkern). (4) Eine von offenen Gewichten dominierte Welt würde zu **„KI-Kommunismus"** führen — KI nicht als Marktprodukt, sondern als **„öffentliches Gut" / „digitale öffentliche Infrastruktur"**, bereitgestellt vom Staat, „genau das, was China vorschlägt"; Ball beurteilt diesen Horizont als **„dystopisch"** und berichtet, während seiner Regierungszeit für ein **elf- bis zwölfstelliges** föderales Rechenzentrum lobbyiert worden zu sein, das Startups subventionieren sollte, die ihre Modelle kostenlos verschenken würden. (5) **Politische Vorhersage**: Die Trump-Administration werde letztlich erkennen, dass ihre beste Strategie **nicht darin besteht, „Open Source zu verbieten"** (eines der albernsten Argumente in der Debatte), sondern **regulatorisches Risiko / FUD zu erzeugen** über **Soft Law** aus jeder Behörde („ein Fed-Bulletin vermutet Backdoors in chinesischen Modellen"), genug, um **regulierte Unternehmen zurückschrecken zu lassen**, ohne die Hyperscaler zu verschrecken (andernfalls würden Startups sich zwielichtigeren Anbietern zuwenden). (6) Diese Modelle machen **die Welt ein wenig gefährlicher**, noch nicht auf spürbare Weise — bis zu dem Tag, an dem sie es sind; eine ironische Schlusszeile über einen „sich selbst replizierenden Agenten, der aus einem chinesischen Labor entkommen ist" (eine COVID-/Lab-Leak-Analogie, „color me shocked"). Zu lesen als **Gegenpunkt** zur Analyse von SFEIR (Kimi K3, Reversibilität, [[sfeir-kimi-k3-moonshot-frontier-open-weights-2026-07-16]]) und zu Xis Pro-Open-Source-Rede auf der WAIC ([[xi-waic2026-gouvernance-mondiale-ia-2026-07-17]]).
#Dean W. Ball#Dean Woodley Ball#OpenAI
Dean W. Ball (Dean Woodley Ball, @deanwball sur X) — expert américain de premier plan en politique de l'IA et gouvernance des technologies émergentes. **Depuis le 6 juillet 2026 : Head of Strategic Futures chez OpenAI** (petite équipe sur la politique de l'IA de pointe — risques catastrophiques, auto-amélioration récursive, impact marché du travail, relations labos-États-société ; rend compte au Chief Strategy Officer Jason Kwon). Reste **Nonresident Senior Fellow** à la Foundation for American Innovation (FAI). **Parcours** : Senior Policy Advisor for AI and Emerging Technology à l'Office of Science and Technology Policy de la Maison Blanche (administration Trump) · où il fut le **principal rédacteur d'America's AI Action Plan** ; Research Fellow au Mercatus Center (George Mason) · Senior Program Manager à la Hoover Institution (Stanford) · Manhattan Institute · ex-Executive Director de la Calvin Coolidge Presidential Foundation. Auteur de la newsletter **Hyperdimensional** (21 000+ abonnés) ; Visiting Lecturer à la Yale Law School (cours sur la gouvernance de l'IA de pointe). Diplômé d'Histoire de Hamilton College (2014, magna cum laude) · ~33-34 ans · vit à Washington D.C. **Sensibilité** : libéral classique / libertarien · mais reconnaissant un rôle nécessaire de l'État face aux risques existentiels de l'IA. (Post X personnel ; date d'ajout à la veille : 2026-07-17.)
SFEIRs Analyse aus dem Ingenieur-Kabinett ("die Lesart eines Ingenieurs") des Launches von **Kimi K3** am **16. Juli 2026** durch das chinesische Labor **Moonshot AI**: ein **Open-Weights-Modell der Spitzenklasse (frontier-class)**, für das der Anbieter **rund 2,8 Billionen Parameter**, einen **Ein-Millionen-Token-Kontext** und eine **Veröffentlichung der Gewichte vor dem 27. Juli 2026** beansprucht (voraussichtlich unter einer Modified-MIT-Lizenz, wie schon bei der K2-Reihe). These: Fähigkeiten, die einst proprietären Giganten (Anthropic, OpenAI, Google) vorbehalten schienen, werden **als offene Gewichte, zum Kampfpreis, aus einem chinesischen Labor** verfügbar. SFEIR – obwohl **Partner von Anthropic und Google Cloud** und damit „ohne Interesse daran, ein chinesisches Modell schönzureden" – legt einen zentralen **methodischen Vorbehalt** an: Am Launch-Tag existiert **keine offizielle, vollständige Benchmark-Tabelle**; Spezifikationen (2,8 Billionen, Kimi Delta Attention, +25% Trainingseffizienz) und Scores stammen **vom Anbieter selbst** oder aus **Community-Arenen** und sind „als Behauptungen, nicht als gemessene Fakten zu behandeln." Die neue Architektur (**Kimi Delta Attention**, hybride lineare Aufmerksamkeit; Dekodierung angeblich bis zu **6,3x schneller** bei 1M Token) bricht mit dem Takt der K2-Reihe (K2 Juli 2025 → K2.7 Code Juni 2026, alle zwei Monate ein Flaggschiff); zwei Varianten begleiten den Launch (**K3 Max**, **K3 Swarm Max**), mit erzwungenem Auslaufen der Reihe kimi-k2.5/moonshot-v1 am **31. August 2026**. **Die eigentliche Waffe ist der Preis** (~3 $/M Input, 0,30 $ gecacht, 15 $ Output laut Sekundärquellen): ein Open-Weights-Modell der Spitzenklasse auf diesem Niveau **zieht die gesamte Preis-Leistungs-Kurve nach unten** – die Kommodifizierung der Modellschicht, beschleunigt durch Open Source. Die entscheidende Singularität ist jedoch kein Score: Es ist die **Reversibilität**. Ein Open-Weights-Modell der Spitzenklasse verwandelt eine konsumierte API (Anbieterabhängigkeit) in eine **Option** (Self-Hosting, Portabilität, Ausstieg aus dem Lock-in) – um den Preis einer schweren Infrastruktur, um 2,8 Billionen Parameter zu hosten. SFEIRs Sicht: **Open Weights verändert die Frage, nicht nur die Antwort** – nicht mehr „welches Modell ist das beste/günstigste?", sondern „wie viel meines Systems bin ich bereit, von einem Anbieter abhängig zu machen, den ich nicht kontrolliere?". Die richtige Haltung bleibt ein **geroutetes Portfolio** (ein Modell pro Aufgabe, ein Modell pro Randbedingung), wobei Kimi K3 dem Entscheidungsraster eine **Spalte „Reversibilität"** hinzufügt. Die Überzeugung „AI Only" bleibt unverändert: Das Modell ist eine Commodity, der dauerhafte Vorteil liegt im Engineering drumherum (Context Engineering, Harness, Kostensteuerung, Fähigkeit, die Meinung zu ändern). Die Zahlen müssen weiterhin „selbst" validiert werden – an den eigenen Repositories, den eigenen Daten.
**Wiederkehrender Bericht von Mozilla**, *The state of open source AI*, **v1.0.1, Juli 2026**, eingeleitet durch einen Brief von **Raffi Krikorian** (CTO): sieben Abschnitte, eine interaktive Website und ein herunterladbarer Bericht. These, formuliert im Titel von Abschnitt 1: *« The model layer has commoditized. Value accrues to the harness above it. »* **Fähigkeitsstand**: Auf dem *Artificial Analysis Intelligence Index v4.1* erzielt das beste geschlossene Modell **61** Punkte (Claude Opus 5) und das beste offene Modell **57** (**Kimi K3**), Rang vier insgesamt und vor drei der größten geschlossenen Labore; auf dem *Epoch Capabilities Index* beträgt der Abstand **6 Punkte** (K3 bei 156 gegenüber GPT-5.6 Sol bei 162), beschrieben als *« about one release cycle »*, bei sich überlappenden Konfidenzintervallen. **Sägezahnförmige Frontier**: Offene Modelle führen bei Frontend-Code (K3 mit 1.679 Elo in der LMArena Frontend Code Arena, sechs von sieben Domänen), liefern sich ein Kopf-an-Kopf-Rennen bei agentischer Terminalarbeit (88,3 gegenüber 88,8 im Terminal-Bench 2.1) und geben bei professioneller Wissensarbeit Boden ab (Fable 5 führt vor K3 mit 92 Elo im GDPval-AA v2). **Nutzungsverschiebung**: Der Anteil der über OpenRouter geleiteten Tokens, die an Open-Weight-Modelle gehen, stieg von einem vernachlässigbaren Niveau auf ein Drittel Ende 2025 und dann auf eine **Mehrheit bis Mitte 2026**, wobei die sieben Modelle mit dem höchsten Volumen alle offen gewichtet sind — der Bericht selbst merkt an, dass *« by request count, closed US providers still lead »*, wobei der Vorsprung der offenen Modelle ein Vorsprung beim Token-Volumen ist, der sich auf Coding- und agentische Workloads konzentriert. **Der zentrale Gegensatz**: *« Open ships easy. Open deploys hard. »* — 79 % der Entwickler, die KI einführen, nutzen offene Modelle gegenüber 71 % bei geschlossenen, aber nur **53 %** der Teams mit offenen Modellen erreichen die Produktion **gegenüber 63 %**, und die Lücke wächst mit der Organisationsgröße (geschlossen 54 % → 73 %, offen 53 % → 57 %), was *« rules out a resources explanation »*. Die Reifegradkarte des Stacks (48 Komponenten, 9 Schichten) zeigt zwei durchgängig kalte Spalten — **Standardisierung** und ***Enterprise Readiness*** — identifiziert als die operative Lücke. **Abschnitt 5**: *« The agentic harness is another user agent »*, und *« The model is eating the harness »* — bei jedem Modell, für das beide Varianten existieren, gewinnt inzwischen der Harness des jeweiligen Labors selbst, wobei sich die Lücke von 21,8 Punkten auf etwa 3 verringert hat. Daher die Formel: *« A harness tuned tightly to one lab's weights… degrades on anyone else's model, so the tighter the tuning, the less swappable the weights underneath. Lock-in arrives as a side effect of optimization. »*
#Mozilla#state of open source AI#Open Weights
**Mozilla** — éditeur du rapport · avec une introduction signée **Raffi Krikorian** · *Chief Technology Officer*. Publié en **juillet 2026** (v1.0.1). Données issues de sources tierces créditées (Artificial Analysis, Epoch AI, OpenRouter, LMArena) et d'une enquête propre menée avec **SlashData** (*Mozilla / SlashData 2026 developer survey*, n = 1 410 sur la question des freins).
Benchmark-Ankündigung von **Artificial Analysis** (unabhängige Plattform zur Bewertung von KI-Modellen, via X/Twitter + Modellseite): **GLM-5.2** von **Z.ai** (Zhipu AI, @Zai_org) wird zum **führenden Open-Weights-Modell** und steigt auf **Platz 3 im Gesamtranking** von **GDPval-AA** auf, einem Real-World-Benchmark für *wirtschaftlich wertvolle Wissensarbeit* (long-horizon, multi-turn, agentische Aufgaben). GLM-5.2 erreicht **1524 Elo**, nur hinter **Claude Fable 5 (1783)** und **Claude Opus 4.8 (1615)**, und liegt gleichauf mit **GPT-5.5 (xhigh, 1509)**. Es führt mit deutlichem Abstand vor dem nächstbesten Open-Modell (**MiniMax-M3, 1408**) sowie vor zahlreichen proprietären Modellen: **Gemini 3.5 Flash (1357)**, **Qwen 3.7 Max (1289)**, **Muse Spark (1158)**. Die Aufgaben sind tatsächlich agentisch: durchschnittlich **~31 Turns pro Aufgabe** über **1.999 Matches**. Dasselbe Ranking bestätigt sich im **Artificial Analysis Intelligence Index** (Platz 1 unter Open Weights), im **Agentic Index** (Platz 3) und bei **AA-Briefcase** (Platz 3, vor GPT-5.5 xhigh, nur hinter Fable 5). Bemerkenswert: Ein **Open-Weights**-Modell unter **MIT-Lizenz**, **MoE mit 753 Mrd. Parametern / 40 Mrd. aktiv**, **1M-Token-Kontext**, mit einem Preis von **1,40 $/4,40 $ pro 1M Tokens** (Input/Output), das bei agentischer Arbeit mit der proprietären Spitze konkurriert — ein echter Fortschritt für offene Modelle.
Lehrreicher Artikel des **MindStudio Team** (Blog der MindStudio-Plattform, Orchestrierung von Multi-Modell-Workflows), der **modèles de langage par diffusion** (*Diffusion Language Models*) anhand des Beispiels von **Diffusion Gemma** erklärt, Googles erster **Open-Weights**-Implementierung (2 Milliarden Parameter, abgeleitet von Gemma 2). Die These: Während **autoregressive** Modelle (GPT-4, Claude, Standard-Gemma) Text **Token für Token, von links nach rechts** generieren (kausale Aufmerksamkeit, jedes Token nach der Erzeugung fixiert), starten **Diffusionsmodelle** von einer **maskierten/verrauschten** Sequenz und **verfeinern sie iterativ** (masked diffusion / *absorbing diffusion*), mit **bidirektionaler Aufmerksamkeit**: Das Modell kann **jede Position zu jedem Zeitpunkt überarbeiten**. Konsequenzen: hohe **Parallelität** (ein Text mit 500 Token würde 50-100 Denoising-Schritte statt 500 sequenzieller Durchläufe erfordern), natürliches **Infilling** und **beschränkte Generierung** (Template-Ausfüllung, Codevervollständigung mit umgebendem Kontext) sowie eingebaute **Überarbeitungsfähigkeit**. Aber im aktuellen Maßstab (2B) **erreicht** Diffusion Gemma die großen autoregressiven Modelle (GPT-4o, Gemini 1.5 Pro) bei Schlussfolgerung, Befolgung von Anweisungen und Allgemeinwissen **nicht**: Die Lücke „schließt sich“, ohne geschlossen zu sein. Die Inspiration stammt aus der Bildgenerierung (Stable Diffusion, DALL-E haben die Autoregression vor Jahren hinter sich gelassen); ob dasselbe Prinzip für Text gilt, bleibt eine offene Frage. Diffusion Gemma wird auf Hugging Face (Google DeepMind), AI Studio und Vertex AI verbreitet.
#modèles de langage par diffusion#Diffusion Gemma#Google DeepMind