llm

Shard: Wie ein Open-Source-Projekt dezentrale KI-Inferenz auf Consumer-GPUs neu definiert

Ein 744-Milliarden-Parameter-Modell mit ~30 Tokens pro Sekunde – nicht im Rechenzentrum, sondern über sechs GPUs in verschiedenen US-Bundesstaaten. Das Open-Source-Projekt Shard beweist: Dezentrale KI-Inferenz funktioniert praktisch.

Shard: Wie ein Open-Source-Projekt dezentrale KI-Inferenz auf Consumer-GPUs neu definiert Read More »

GLM-5.2 Open-Weights-Modell schlägt GPT-5.5 bei Coding-Benchmarks

GLM-5.2: Z.ai’s Open-Weights-Modell schlägt GPT-5.5 bei Coding-Benchmarks – zum Bruchteil der Kosten

Z.ai veröffentlicht GLM-5.2 unter MIT-Lizenz: 753 Mrd. Parameter, 1M Token Kontext, schlägt GPT-5.5 auf SWE-bench Pro und FrontierSWE. Preislich ein Sechstel der Konkurrenz – mit persönlichem Praxistest von Hung Nguyen.

GLM-5.2: Z.ai’s Open-Weights-Modell schlägt GPT-5.5 bei Coding-Benchmarks – zum Bruchteil der Kosten Read More »

Abstrakte Visualisierung einer linearen Bahn die eine quadratische Matrix durchbricht - Symbol fĂĽr SubQ subquadratische LLM Architektur

SubQ: Das erste subquadratische LLM – und was das für OpenAI und Anthropic bedeutet

Ein Startup aus Miami behauptet, das mathematische Fundament der KI-Branche gesprengt zu haben. SubQ ist das erste vollständig subquadratische LLM – mit linearer Compute-Skalierung, 12-Millionen-Token-Kontext und Benchmark-Ergebnissen auf Augenhöhe mit OpenAI und Anthropic. Was das für die etablierten Player bedeutet.

SubQ: Das erste subquadratische LLM – und was das für OpenAI und Anthropic bedeutet Read More »