US-Start-up Arcee AI fordert mit offenem 400B-Modell chinesische KI-Labore heraus
Das Start-up Arcee AI hat mit Trinity-Large-Thinking ein offenes Reasoning-Modell veröffentlicht, das bei Agenten-Aufgaben mit Claude Opus konkurrieren soll. Das Unternehmen steckte dafür rund die Hälfte seines gesamten Risikokapitals in das Projekt.
Read full article about: Deepmind-Chef vergleicht AGI-Ankunft mit einer zehnfach beschleunigten industriellen Revolution
Deepmind-Chef Demis Hassabis vergleicht die Ankunft von AGI mit dem Zehnfachen der industriellen Revolution in einem Zehntel der Zeit. "Ich quantifiziere die Ankunft von AGI manchmal als zehnmal die industrielle Revolution bei zehnfacher Geschwindigkeit. Also entfaltet sich das über ein Jahrzehnt statt über ein Jahrhundert", sagt er im 20VC Podcast. Er sieht eine "sehr gute Chance", dass AGI innerhalb der nächsten fünf Jahre erreicht wird. Diese Einschätzung habe sich seit der Gründung von Deepmind 2010 kaum verändert. Damals sagte Mitgründer Shane Legg in Blogposts voraus, dass es etwa 20 Jahre dauern würde.
Für weitere Durchbrüche brauche es unter anderem kontinuierliches Lernen, langfristiges Planen, bessere Memory-Architekturen und größere Konsistenz in der Intelligenz. Es gehe letztlich um Generalisierbarkeit. Skalierung wirke noch immer, auch wenn die Wirkung nachlasse.
Gleichzeitig warnt Hassabis vor einer gefährlichen Lücke. Kurzfristig sei KI "in gewisser Weise überhypt". Langfristig werde aber "immer noch sehr unterschätzt, wie revolutionär das in einem Zeitraum von etwa zehn Jahren sein wird". Trotz des beispiellosen Hypes nehme die Öffentlichkeit die langfristigen Auswirkungen also noch immer nicht ernst genug.
Kommentieren
Quelle: 20VC
Alibabas Qwen-Team trainiert KI-Bildverständnis mit automatisch erzeugten Denkaufgaben
Wenn KI-Modelle über Bilder nachdenken, schaukeln sich kleine Wahrnehmungsfehler über mehrere Denkschritte zu falschen Ergebnissen auf. Das Framework HopChain erzeugt mehrstufige Bildfragen, die dieses Problem gezielt adressieren und 20 von 24 Benchmarks verbessern. Dafür zerlegt es komplexe Fragen in verkettete Einzelschritte und zwingt das Modell, jedes Bildobjekt einzeln zu prüfen, bevor es eine Schlussfolgerung zieht.