Bolt — Juni 2026

Eine GPU mit wechselbarem Consumer-SODIMM-Speicher über 100 GB könnte lokale LLM-Inferenz erheblich günstiger machen. Die zwei PCIe-Gen5-x16-Anschlüsse und der 120W-TDP-Zielwert deuten auf breite Kompatibilität hin, doch bis zur Marktreife vergehen noch anderthalb Jahre.

Zeigt, wie ein dedizierter Feature-Tokenizer-Transformer für strukturierte Tabellendaten ohne LLM-Overhead eingesetzt werden kann. Interessant als Architektur-Referenz für ML-Projekte mit numerischen Eingaben und diskreten Klassen-Outputs.

Das Turnier nutzt ein dreiphasiges Agentic-Eval (Pre-Game, Gameplay, Halftime-Revision), das klassische Benchmarks um Code-Authoring unter Zeitdruck und iterative Selbstkorrektur erweitert. Für AI-Builder zeigt es, wie praxisnahe Evals für multiagente, kontinuierliche Umgebungen aussehen können.

Für AI-Builder relevant: Wenn bidirektionale Selbstkorrektur die Rate valider Tool Calls erhöht, könnte DiffusionGemma trotz niedrigerer Benchmark-Qualität in JSON-intensiven Agentenszenarien konkurrenzfähig sein. Empirische Benchmarks zu diesem spezifischen Aspekt fehlen bisher.

Respond.io verarbeitet 2 Mrd. Nachrichten pro Quartal und verfolgt ein konversationsvolumen-basiertes Preismodell – unabhängig davon, ob Mensch oder KI antwortet. Mit dem Kapital sind Akquisitionen in Nordamerika und Europa geplant, um dort bestehende Kundenstämme zu übernehmen.