Modelle & Techniken
Gewichte direkt bearbeiten. LLMs von OpenAI, DeepSeek, Anthropic und anderen können neuronale Netze direkt in ihren Gewichten lesen und verändern. Replikationen zeigen gezielte Korrekturen und Verhaltensänderungen ohne klassisches Training.
- GPT-6 Astra Edits Qwen Weights: MATH-500 7.9% to 48.1%(öffnet in neuem Tab)
- Sparks of Weight-Space Programming: LLMs can natively read & write neural network weights(öffnet in neuem Tab)
- Like GPT-6 Astra, Qwen 3.8 27B can interpret model weights(öffnet in neuem Tab)
- I tried MIT's "weight-space programming" on my own use case: Claude rewrote 8 neurons of Gemma 4 12B to change how it translates one Italian tense(öffnet in neuem Tab)
- DeepSeek V4.1 Flash 1017 can also do Weight-Space Programming(öffnet in neuem Tab)
- What Qwen is thinking when it gets stuck saying "Wait"(öffnet in neuem Tab)
- Qwen 3.8 27B on my laptop can interpret model weights, too(öffnet in neuem Tab)
- GPT-6 Astra sees the matrix and reprograms other AI models directly through their weights(öffnet in neuem Tab)
- [AINews] Behind Latent Space: Kill My SaaS, Jev & AI in 2026 | AIEi Shanghai(öffnet in neuem Tab)
- Tried the weight editing thing from the MIT post: Some cool applications, but nothing crazy(öffnet in neuem Tab)
Hydrogen-1.0. Deep Principle hat ein offenes MoE-Modell mit 753B Parametern für Chemie, Materialwissenschaften und Life Sciences veröffentlicht, aufgebaut auf GLM-5.3. Laut eigenen Angaben schlägt es GPT-6-Astra in FrontierScience-Research.
Offene Frontier-Modelle. Tencent Hy4 und Kimi K3.1 Pro sind jetzt verfügbar bzw. mit offenen Gewichten erhältlich, wobei Hy4 Computer Use und Bildverständnis mitbringt. Baidu hat außerdem ein 280B-Basismodell als MoE veröffentlicht, und das Code-Repo von Qwen deutet auf künftige Qwen4-Modelle hin.
- Alibaba's Qwen Code repo just leaked qwen4-max, qwen4-coder-plus, and qwen4-omni-120b(öffnet in neuem Tab)
- Official Statement: Qwen Models Will Stick to Open Source to the End!(öffnet in neuem Tab)
- Kimi-K3.1-Pro is now open-weights(öffnet in neuem Tab)
- Kimi K3.1 is likely benchmaxxed (with some proof)(öffnet in neuem Tab)
- Tencent says Hy4 ranks among the best open models. Its weights aren't out yet(öffnet in neuem Tab)
- Baidu Releases ERNIE 5.5 Flash Base: A 280B MoE Base Model With 14B Active Parameters(öffnet in neuem Tab)
- Baidu releases ERNIE 5.5 Flash Base with 280 billion parameters as an open-source foundation model(öffnet in neuem Tab)
- Tencent releases Hy4 with vision and computer use, claims second place among Chinese AI models(öffnet in neuem Tab)
KI beschleunigt KI-Forschung. Eine 11-wöchige Untersuchung von METR kommt zu dem Ergebnis, dass sich die Verbesserungsrate von Anthropics Modellen etwa verdoppelt hat; rund 80 % davon gehen auf KI zurück, die in der eigenen Forschung zum Einsatz kommt. Damit ist Anthropics Responsible-Scaling-Schwelle überschritten.
Agenten & Benchmarks
Proaktiver Coding-Agent. DeepSeek hat einen proaktiven Coding-Agenten für GitHub als Open Source veröffentlicht, der freigegebene Requests in parallele Arbeitspakete aufteilt. In Simulationen erledigt er Aufgaben 1,9-mal so schnell wie eine Single-Session-Baseline.
Long-Horizon-Benchmark. SemiAnalysis hat GDPx veröffentlicht, einen Benchmark mit 206 Aufgaben. Claude Opus 5.5 führt mit 12 %, GPT-6 Astra folgt mit 9,6 % – an mehrstündiger realer Arbeit scheitern Agenten weiterhin.
Agent-Architektur konvergiert. LangChain sieht die Standardarchitektur aus LLM-Loop und Tools bei Agenten auf einen gemeinsamen Nenner zulaufen. Neue Baustellen sind Kontext über lange Läufe, progressive Disclosure und Tool-Nutzung in der Sandbox.
Git in Codex-Größenordnung. OpenAI hat Pando gebaut, ein Git-Backend, das die mediane Push-Latenz bei gleichzeitigen Pushes in Codex-Größenordnung um fast das Fünffache senkt. Außerdem übernimmt das Unternehmen Pierre Computer Company, den Hersteller von Code Storage und Tools, die Codex bereits antreiben.
Meta kauft Conductor. Meta hat das KI-Coding-Startup Conductor übernommen. Dessen agentische Teams lassen Entwickler Projekte in parallelen Workspaces aufsetzen. Gründer Charlie Holtz zufolge dürfen neue Kunden Anfang nächsten Jahres mit etwas Neuem rechnen.
Infrastruktur & lokale Inferenz
Lokale MoE-Inferenz. Patches wie tandem.cpp und Strata plus neue Quants bringen Qwen Flash-Next und DeepSeek V4.1 Flash auf einer einzelnen GPU mit CPU/SSD-Offload auf 97–200+ tok/s; auch 8-GB-VRAM-Setups dekodieren jetzt mit 50 tok/s.
- tandem.cpp: Qwen3.8-Flash-Next at 97 tok/s on a single 4090 + 64 GB RAM, 3.3× llama.cpp, works for any MoE(öffnet in neuem Tab)
- Speedy is shockingly good for qwen3.8 FN(öffnet in neuem Tab)
- 8 agents × 250K context, concurrently, on two 3090s (~600+ tok/s total)(öffnet in neuem Tab)
- Sorry Sam, my "quite terrible" home DRAM is at 100% now: patched Strata to make DeepSeek V4.1 agent sessions start 20× faster on a good old standard gaming GPU, no datacenter required(öffnet in neuem Tab)
- Getting incredible results with a single RTX 3090ti and 128gb of ram. Deepseek-V4.1-Flash-1017 (35 tok/s decode) and Qwen3.8-Flash-Next (130 tok/s decode)(öffnet in neuem Tab)
- Qwen 3.8 Flash Next NVFP4 on 64gb RAM and 5090, Basalt. Ditched windows for it. Very hyped for qwen 4 model family now.(öffnet in neuem Tab)
- We are in the golden age of Local LLM(öffnet in neuem Tab)
- Qwen Flash Next on Strata is unreal.(öffnet in neuem Tab)
- Another benchmark has hit the quant war(öffnet in neuem Tab)
Streit um Quantisierung. Unsloth und ISTA-DASLab streiten öffentlich über die Qualität der Quantisierung von DeepSeek-V4.1-Flash. Unsloth behauptet, seine GGUFs lägen beim Long-Context-Coding 10–20 % vorn. Der Wettstreit bringt bessere Quants hervor.
- Unsloth vs GSQ-RCO - 512K context DeepSeek-V4.1 GGUF benchmarks Terminal Bench(öffnet in neuem Tab)
- Kind of enjoying the ISTA (GSQ-RCO) vs Unsloth beef(öffnet in neuem Tab)
- Inconsistencies in Unsloth's LiveCodeBench Results(öffnet in neuem Tab)
- New Qwen3.8-Flash-Next Unsloth Dynamic V3.1 GGUFs(öffnet in neuem Tab)
- Unsloth Qwen3.8-Flash-Next GGUFs V3.1 Update (November 4th 2026)(öffnet in neuem Tab)
- Qwen 3.8 Flash Next GSQ RCO quant as good as BF16(öffnet in neuem Tab)
GPU-Ressourcenmanager. Berth ist ein in Go geschriebener GPU-Ressourcenmanager, der Anwendungen Leases, Prioritäten und eine Request-Queue gibt. Er unterstützt CUDA-Checkpointing und kann Modelle im RAM parken, damit der Wechsel zwischen KI-Workloads schneller geht.
Business & Politik
11 Milliarden für OpenAI. OpenAI hat die erste Tranche von 11 Milliarden Dollar aus einer Runde erhalten, die das Unternehmen mit 1,25 Billionen Dollar bewertet. Nach dem Kursrutsch bei Tech-Aktien liegt das unter den früheren Hoffnungen von 30 Milliarden Dollar bei 1,4 Billionen Dollar Bewertung.
Druck vor Anthropic-IPO. Anthropics Umsatz ist um das Zwölffache auf 17 Milliarden Dollar gestiegen, doch wegen Compute-Verpflichtungen steht ein Verlust von 23,3 Milliarden Dollar zu Buche. Investoren stören sich an der IPO-Bewertung von 1,5 Billionen Dollar; einige halten 1 Billion Dollar für angemessener.
- Anthropic grows revenue twelvefold but posts $23 billion loss(öffnet in neuem Tab)
- Anthropic warns that it’s very close to RSI capability, aka self-building AI(öffnet in neuem Tab)
- Anthropic is still grappling with the economics of compute(öffnet in neuem Tab)
- Anthropic's $1.5 trillion IPO hits resistance as investors balk at valuation(öffnet in neuem Tab)
- [AINews] Anthropic IPO: Whither Now?(öffnet in neuem Tab)
- Anthropic pushes ahead with pre-Thanksgiving IPO despite tech selloff, accepts lower valuation(öffnet in neuem Tab)
Widerstand gegen Rechenzentren. Die Wähler haben 40 von 41 lokalen Einschränkungen für Rechenzentren angenommen. OpenAI verspricht, keine NDAs mit Amtsträgern zu schließen und die Stromkosten vollständig zu tragen; Meta warnt unterdessen, der KI-Ausbau könnte sich verlangsamen.
- After the midterms, a bigger clash over data centers could be coming(öffnet in neuem Tab)
- Big Tech claims voters’ AI backlash is “anti-Trump” not “anti-tech”(öffnet in neuem Tab)
- Texas was the new epicenter of the AI data center buildout. That might be kaput.(öffnet in neuem Tab)
- Data centers lost the midterms(öffnet in neuem Tab)
- How a Blue Wave midterm might reshape the AI industry(öffnet in neuem Tab)
- After the midterms, is the AI industry in for a rough two years?(öffnet in neuem Tab)
- Big Tech lost big in the 2026 election(öffnet in neuem Tab)
- All the latest updates on AI data centers(öffnet in neuem Tab)
- After the midterms, things are looking rocky for Elon Musk and data centers(öffnet in neuem Tab)
- OpenAI might rebrand its data centers as ‘AI compute campuses’(öffnet in neuem Tab)
- OpenAI is stepping back from NDAs for data center projects(öffnet in neuem Tab)
- After midterm rout, OpenAI tries to win over communities it needs for AI expansion(öffnet in neuem Tab)
- Meta warns that election backlash against data centers could make AI expansion harder(öffnet in neuem Tab)
- ‘Total repudiation’: The blue wave is about to hit AI(öffnet in neuem Tab)
- OpenAI is already trying to shape the 2028 election(öffnet in neuem Tab)
Das war die Wochenrückschau – bis nächsten Sonntag.