Xyntetik-Kvist-14B: Halbiertes Muse-Modell per Distillation auf 57/60 Tool-Tasks
Warum es zählt
Xyntetik-Kvist-14B läuft auf einer 24-GB-GPU (Q8_0: 15,4 GB) und ist kompatibel zu OpenAI-, Anthropic- und Responses-API — damit direkt in bestehende Agent-Pipelines integrierbar. Schwachstelle: Rechenaufgaben ohne Taschenrechner-Tool sind fehleranfällig.
— Lumeric Redaktion
Held-out Closed-Loop Tool Tasks (60 Tasks) · Spitzenwert
60%
Muse-Glimmer-30B (Parent)
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- BENCHMARKreddit.com1w
Qwen3.8-27B-GSQ-RCO erreicht höchsten Quality Score auf llm-bench.io mit 16 GB VRAM
- BENCHMARKreddit.com1w
9 LLMs im Webdev-Vergleich auf RTX 3060 12GB – lokale Modelle vs. Frontier
- MEINUNGreddit.com0mo
EXL3-Quants: 30B-Modell mit 3 bpw auf 12 GB VRAM bei 100K Kontext
- FORSCHUNGarxiv.org1w
JugnuLM-110M schlägt GPT-X2-125M mit 12% weniger Parametern auf BLiMP
Xyntetik-Kvist-14B: Halbiertes Muse-Modell per Distillation auf 57/60 Tool-Tasks
Warum es zählt
Xyntetik-Kvist-14B läuft auf einer 24-GB-GPU (Q8_0: 15,4 GB) und ist kompatibel zu OpenAI-, Anthropic- und Responses-API — damit direkt in bestehende Agent-Pipelines integrierbar. Schwachstelle: Rechenaufgaben ohne Taschenrechner-Tool sind fehleranfällig.
— Lumeric Redaktion
Held-out Closed-Loop Tool Tasks (60 Tasks) · Spitzenwert
60%
Muse-Glimmer-30B (Parent)
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- BENCHMARKreddit.com1w
Qwen3.8-27B-GSQ-RCO erreicht höchsten Quality Score auf llm-bench.io mit 16 GB VRAM
- BENCHMARKreddit.com1w
9 LLMs im Webdev-Vergleich auf RTX 3060 12GB – lokale Modelle vs. Frontier
- MEINUNGreddit.com0mo
EXL3-Quants: 30B-Modell mit 3 bpw auf 12 GB VRAM bei 100K Kontext
- FORSCHUNGarxiv.org1w
JugnuLM-110M schlägt GPT-X2-125M mit 12% weniger Parametern auf BLiMP