Anzeige
Skip to content

Iris-mini und Iris-pro: Stärkste offene Suchagenten ihrer Klasse stehen jetzt als Open-Weight-Modelle bereit

Das chinesische Labor AllSpark hat mit Iris-mini und Iris-pro zwei Open-Source-Suchagenten veröffentlicht. Sie bauen auf Qwen-Modellen auf und sollen in ihrer jeweiligen Größenklasse führende Benchmark-Ergebnisse erzielen. Ein interessanter Nebeneffekt zeigte sich beim Training: Das Suchtraining verbesserte auch Fähigkeiten wie Werkzeugnutzung und Büroarbeit, obwohl die Modelle dafür nie gezielt trainiert wurden.

Zweijährige Uni-Studie zeigt: KI-Verbot schadet Studierenden mehr als es nützt

Ein Rechtswissenschaftler hat zwei Jahre lang untersucht, ob ein KI-Verbot, unbegleitete KI-Nutzung oder gezieltes Training Studierende besser abschneiden. Sein Ergebnis fiel eindeutig aus. Die Gruppe ohne KI landete stets auf dem letzten Platz. „Ich lag falsch“, räumt der Forscher ein. Er hatte erwartet, dass KI ohne Anleitung mehr schadet als nützt.

Read full article about: GPT-6 Astra zeigt auch beim räumlichen Verständnis große Fortschritte

GPT-6-Astra ist wohl auch ein großer Sprung beim räumlichen Verständnis. Ein neuer Robotik-Benchmark namens StationeryBench vergleicht OpenAIs GPT-6 Astra mit Ai2s MolmoAct2 bei fünf Aufgaben mit Schreibtischgegenständen, etwa einen Marker öffnen, Büroklammern umschütten oder ein Lineal zwischen zwei Roboterarmen übergeben. Beide Modelle steuerten dieselben zweiarmigen YAM-Roboterarme in insgesamt 200 Versuchen. GPT-6 Astra erledigte 7 von 100 Aufgaben vollständig, MolmoAct2 keine einzige. Der mittlere Fortschrittswert lag bei Astra bei 46 von 100, bei MolmoAct2 bei 12. Alle Ergebnisse, Videos und der Code sind auf GitHub verfügbar. OpenAI plant langfristig, eigene Alltagsroboter zu bauen.

Auch Yoav Artzi, KI-Forscher an der Cornell University und bei Google Deepmind, sieht in Astra einen klaren Sprung beim räumlichen Verständnis. Im noch unveröffentlichten Benchmark REMAP erreicht GPT-Astra eine Genauigkeit nahe dem menschlichen Niveau. Artzi vermutet, dass OpenAI das Modell mit großen Mengen an 3D-Trainingsdaten wie Blender-Szenen trainiert haben könnte. Zu dieser These passt, dass Astra insbesondere bei der 3D-Entwicklung Fortschritte erzielte.

Googles neues KI-Modell sagt die Zukunft aus Verkaufszahlen, Wetter und Rabattplänen vorher

Google Research hat mit TimesFM-3 ein Prognosemodell vorgestellt, das Zeitreihen gemeinsam mit verwandten Daten und bekannten Zukunftsereignissen wie Rabattaktionen oder Wetterprognosen auswertet. Das Modell mit 330 Millionen Parametern füllt alle künftigen Zeitpunkte in einem einzigen Durchgang aus. Das spart Rechenzeit und macht Vorhersagen zuverlässiger.

GPT-6 Astra lässt Mathematiker durchpusten, weil OpenAI es so will

OpenAIs GPT-6 Astra führt den ErdosBench für offene Mathematikprobleme an – obwohl Mathematik laut Chefwissenschaftler Jakub Pachocki bewusst nicht priorisiert wurde. OpenAI investiert stattdessen vorrangig in rekursive Selbstverbesserung und Alignment-Forschung. Das stützt die These einer zunehmend „stacheligen“ KI-Entwicklung mit extremer Stärke in einzelnen Domänen statt breitem Fortschritt, jedenfalls solange KI sich nicht selbst verbessert, sondern gezielt mit von Menschen gemachten Daten optimiert werden muss.

Read full article about: Neues Forschungsinstitut will KI-Sicherheit mit mathematischen Methoden garantieren

Der kanadische Mathematiker Jacob Tsimerman, frischer Fields-Medaillen-Träger, hat die Gründung des Mathematical A.I. Safety Institute (MAISI) angekündigt. Das unabhängige Forschungsinstitut im Großraum San Francisco soll ab Januar 2027 mit zehn bis dreißig Mathematikern an KI-Sicherheitsproblemen arbeiten, berichtet die New York Times. Tsimerman, der auch eine Stelle in der Sicherheitsabteilung von OpenAI antritt, fordert "ein viel höheres Maß an Sicherheit, als wir derzeit bekommen".

Bei einem Verschlüsselungsverfahren lässt sich beweisen, dass es nicht zu knacken ist, ohne jeden Angriff durchzuprobieren. Bei KI fehlt diese Abkürzung bisher: Sicherheit zeigt sich erst im Betrieb, und laut MAISI fehlt sogar eine klare Definition, was "sicher" überhaupt heißt, selbst in der Theorie.

Genau solche Beweise will MAISI möglich machen: dass ein System verantwortungsvoll handelt und richtige Ergebnisse liefert, dass mehrere KI-Agenten im Zusammenspiel nichts Unerwünschtes auslösen und die Systeme auch gegen bislang unbekannte Schwachstellen gewappnet sind. Ein Werkzeug könnten Zero-Knowledge-Proofs sein, mit denen ein System nachweist, dass es nicht betrügt, ohne die Geschäftsgeheimnisse der KI-Labore offenzulegen.