Meta stellt die Llama 4-Serie vor: Open-Source-KI mit Multimodalität und riesigem Kontext (bis zu 10 Mio. Tokens). Maverick (400B) und Scout (109B) sind verfügbar, Behemoth (2T) in Vorschau. Mit MoE-Architektur und Fokus auf Reasoning fordert Meta Konkurrenten wie DeepSeek R1 heraus und stärkt sein Ökosystem.
Meta's Llama 4 Start verzögert sich Berichten zufolge aufgrund technischer Mängel und Leistungsproblemen im Vergleich zu Konkurrenten wie OpenAI. Meta konzentriert sich auf eine Business-API, um die Akzeptanz zu fördern, während der Markt nervös auf mögliche Rückschläge im KI-Wettlauf reagiert und die Aktie fällt.
Meta steht kurz vor der Veröffentlichung von Llama 4, dem nächsten großen Sprachmodell. Verzögerungen aufgrund von Leistungstests und hoher Wettbewerbsdruck prägen den Start. Meta investiert Milliarden in KI unter Investorenbeobachtung und erwägt neue Techniken wie MoE sowie eine gestaffelte Einführung, beginnend mit Meta AI, gefolgt von Open Source.
Eine kompakte Version von Metas Llama KI läuft auf einem Windows 98 PC mit 128MB RAM. Marc Andreessen hebt diese technische Leistung hervor, die Fragen über verpasste Chancen in der Computergeschichte aufwirft und die extremen Optimierungsanforderungen im Kontrast zu modernen KI-Systemen wie Copilot+ PCs beleuchtet. Ein Blick auf technische Hürden und alternative Zeitlinien.
NVIDIA stellt FFN Fusion vor, eine Technik zur Parallelisierung von FFN-Layern in Transformern. Sie durchbricht sequentielle Engpässe, steigert die Inferenzgeschwindigkeit von LLMs erheblich und senkt Kosten. Demonstriert am effizienteren Ultra-253B-Base Modell aus Llama-405B, bei vergleichbarer Leistung. Optimierung ohne Genauigkeitsverlust.
Meta führt Meta AI und AI Studio in Indonesien ein, unterstützt durch Llama 3.2 und Bahasa Indonesia. Neue KI-Tools zielen auf Nutzer und Marketer ab, verbessern die Creator-Suche auf Instagram und optimieren Werbekampagnen, während die Vision einer vollautomatisierten Werbung Gestalt annimmt.
Große Sprachmodelle (LLMs) wie Llama und Mistral sind vielseitig, aber für Fachgebiete wie Materialwissenschaften unzureichend. Dieser Artikel untersucht Feinabstimmungsstrategien (CPT, SFT, DPO, ORPO) und Modell-Merging (insbesondere SLERP) zur Domänenanpassung. Es zeigt sich, dass Merging, vor allem bei größeren Modellen, synergistische Effekte und neue Fähigkeiten freisetzen kann, was durch Experimente belegt wird.
Nvidia G-Assist: Experimenteller, lokaler KI-Assistent für GeForce RTX GPUs. Bietet kontextbezogene In-Game-Hilfe, Systemdiagnose, Optimierung und Peripheriesteuerung direkt auf dem Gerät, im Gegensatz zu Cloud-Lösungen. Läuft auf RTX 30/40/50-Serien mit 12GB VRAM. Community-Plugins über GitHub möglich. Teil von Nvidias breiterer KI-Vision.
Ein Gerichtsdokument enthüllt Metas Umsatzbeteiligungsvereinbarung mit Hosts des Llama KI-Modells. Dies markiert einen Wandel hin zu kollaborativeren KI-Entwicklungs- und Monetarisierungsansätzen, die Innovation, Zusammenarbeit und eine gerechtere Wertverteilung fördern.
Nvidias Prognose eines 1-Billionen-Dollar-Rechenzentrumsmarktes bis 2028 beflügelt AMDs Ambitionen im Bereich der künstlichen Intelligenz (KI). AMDs starkes Wachstum, innovative Produkte wie die MI350-Serie und strategische Partnerschaften positionieren das Unternehmen als ernstzunehmenden Konkurrenten für Nvidia. Der Artikel analysiert AMDs Aufstieg, finanzielle Stärke und Marktchancen.
