KI-Woche: Open-Weight-Modelle, Gemini Robotics 2 und Marktdisziplin
Die KI-Woche verlief entlang von vier Achsen: Politik, Modelle, Robotik und Märkte – und alle vier sandten dasselbe Signal. Jensen Huang unterstützte einen Industriebrief zugunsten von Open-Weight-Modellen und machte damit deutlich, dass US-Führerschaft nicht allein auf geschlossene Systeme weniger Konzerne gestützt werden kann, sondern ein breiteres Ökosystem aus Startups, Universitäten und öffentlichen Institutionen benötigt. Passend dazu veröffentlichte Moonshot AI (Kimi Team) die Gewichte von Kimi K3 – einem 2,8-Billionen-Parameter-Mixture-of-Experts-Modell mit nativem Multimodal-Support und einem 1-Millionen-Token-Kontextfenster; technisch untermauert durch die Kimi Delta Attention-Architektur und Multi-Domain-Reinforcement-Learning. Google DeepMind erweiterte mit Gemini Robotics 2 die Reichweite des Gemini-Modells vom digitalen ins physische: Das System kann komplexe Aufgaben planen, humanoides Full-Body-Movement koordinieren und Objekte präziser manipulieren als Vorgängerversionen – ein Hinweis darauf, dass der nächste Modellwettbewerb physische Handlungsfähigkeit ins Zentrum rückt. An den Märkten lieferte der Kollaps von Leopold Aschenbrenners Situational-Awareness-Fonds eine Warnung: Hochkonzentrierte KI-Positionen brachen zusammen, was zeigt, dass eine langfristig korrekte These bei falscher Positionierung, Leverage und schlechtem Timing dennoch finanziell fatal werden kann. Bei den Big-Tech-Earnings wurde Microsoft belohnt, nachdem Azure erstmals 100 Milliarden US-Dollar Jahresumsatz überschritt und Copilot-Adoptionszahlen stiegen; Amazon meldete beschleunigtes A
- Kimi K3 kombiniert Kimi Delta Attention mit Multi-Domain-Reinforcement-Learning und erzielt Frontier-Niveau bei Long-Horizon-Coding, agentischen und Reasoning-Aufgaben.
- OpenAI-Forscher veröffentlichten einen Feldbericht mit 8 Fallstudien, in dem LLM-Agenten Aufgaben von Code-Wartung bis zu vollständigen Performance-Rewrites in Life-Sciences-Computing ausführen.
- Google Cloud AI Research stellte ScientistOne vor: Das System nutzt das Chain-of-Evidence-Framework, eliminiert halluzinierte Referenzen und erreicht laut Paper perfekte Score-Verifikation auf komplexen Benchmarks.
- Google DeepMind präsentierte Visual Prompt Engineering für Videomodelle (VIPE): Durch Transformation von Task-Images via Image-Editoren sollen visuelle Reasoning-Fähigkeiten von Videomodellen systematisch verbessert werden.
- Der nächste Ausgabe-Fokus von TheSequence umfasst einen neuen Deep-Dive zu Gemini Robotics 2, eine neue KI-in-Space-Rubrik sowie eine Fortsetzung der Distillation-Serie mit einer neuen Technik.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
KI-Woche: Open-Weight-Modelle, Gemini Robotics 2 und Marktdisziplin
Die KI-Woche verlief entlang von vier Achsen: Politik, Modelle, Robotik und Märkte – und alle vier sandten dasselbe Signal. Jensen Huang unterstützte einen Industriebrief zugunsten von Open-Weight-Modellen und machte damit deutlich, dass US-Führerschaft nicht allein auf geschlossene Systeme weniger Konzerne gestützt werden kann, sondern ein breiteres Ökosystem aus Startups, Universitäten und öffentlichen Institutionen benötigt. Passend dazu veröffentlichte Moonshot AI (Kimi Team) die Gewichte von Kimi K3 – einem 2,8-Billionen-Parameter-Mixture-of-Experts-Modell mit nativem Multimodal-Support und einem 1-Millionen-Token-Kontextfenster; technisch untermauert durch die Kimi Delta Attention-Architektur und Multi-Domain-Reinforcement-Learning. Google DeepMind erweiterte mit Gemini Robotics 2 die Reichweite des Gemini-Modells vom digitalen ins physische: Das System kann komplexe Aufgaben planen, humanoides Full-Body-Movement koordinieren und Objekte präziser manipulieren als Vorgängerversionen – ein Hinweis darauf, dass der nächste Modellwettbewerb physische Handlungsfähigkeit ins Zentrum rückt. An den Märkten lieferte der Kollaps von Leopold Aschenbrenners Situational-Awareness-Fonds eine Warnung: Hochkonzentrierte KI-Positionen brachen zusammen, was zeigt, dass eine langfristig korrekte These bei falscher Positionierung, Leverage und schlechtem Timing dennoch finanziell fatal werden kann. Bei den Big-Tech-Earnings wurde Microsoft belohnt, nachdem Azure erstmals 100 Milliarden US-Dollar Jahresumsatz überschritt und Copilot-Adoptionszahlen stiegen; Amazon meldete beschleunigtes A
- Kimi K3 kombiniert Kimi Delta Attention mit Multi-Domain-Reinforcement-Learning und erzielt Frontier-Niveau bei Long-Horizon-Coding, agentischen und Reasoning-Aufgaben.
- OpenAI-Forscher veröffentlichten einen Feldbericht mit 8 Fallstudien, in dem LLM-Agenten Aufgaben von Code-Wartung bis zu vollständigen Performance-Rewrites in Life-Sciences-Computing ausführen.
- Google Cloud AI Research stellte ScientistOne vor: Das System nutzt das Chain-of-Evidence-Framework, eliminiert halluzinierte Referenzen und erreicht laut Paper perfekte Score-Verifikation auf komplexen Benchmarks.
- Google DeepMind präsentierte Visual Prompt Engineering für Videomodelle (VIPE): Durch Transformation von Task-Images via Image-Editoren sollen visuelle Reasoning-Fähigkeiten von Videomodellen systematisch verbessert werden.
- Der nächste Ausgabe-Fokus von TheSequence umfasst einen neuen Deep-Dive zu Gemini Robotics 2, eine neue KI-in-Space-Rubrik sowie eine Fortsetzung der Distillation-Serie mit einer neuen Technik.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.