// HEISE ONLINE — INTELLIGENZA ARTIFICIALE
KI-Update kompakt: Mistral ML4, Cohere, KI-Empfehlungen, KI klont Indie-Spiele
Das „KI-Update“ liefert drei mal pro Woche eine Zusammenfassung der wichtigsten KI-Entwicklungen.
Mit Ihrer Zustimmung wird hier ein externer Podcast (Podigee GmbH) geladen.
Ich bin damit einverstanden, dass mir externe Inhalte angezeigt werden.
Damit können personenbezogene Daten an Drittplattformen (Podigee GmbH) übermittelt werden.
Mehr dazu in unserer
Datenschutzerklärung.
Das französische KI-Labor Mistral hat am Donnerstag die Gewichte seines neuen Modells Mistral Large 4 (ML4) freigegeben. Mit ihnen können Unternehmen das Modell selbst betreiben und anpassen. ML4, getauft „Le Chonk“, umfasst eine Billion Parameter, nutzt pro Wort aber nur 49 Milliarden davon. Es ist das bislang größte und fortschrittlichste Modell aus Europa und soll den Abstand zu offenen Spitzenmodellen wie Qwen3.8 von Alibaba, Gemma 4 von Google oder Kimi K3 von Moonshot AI verkürzen. Mixture-of-Experts-Modelle wie ML4 verteilen jedes Wort an spezialisierte Teilnetze, sogenannte Experten. Laut Pierre Stock, Forschungschef bei Mistral, ist das Training heikel. Leitet das Modell die Wörter schlecht weiter, lernen manche Experten nichts, während andere überlastet sind. Dafür läuft das fertige Modell sparsam und liefert bessere Ergebnisse als ein vergleichbares dichtes Modell mit 50 Milliarden Parametern.
In stark komprimierter Form läuft ML4 auf vier GPUs, zum Beispiel vom Typ GB300. Das können sich Hochschulen und Forschungslabore leisten. Laut Stock ist es dreimal kleiner als Kimi K3 und dabei besser beim Programmieren und in der Cybersicherheit. Mistral trainierte ML4 in eigenen Rechenzentren in Frankreich. Weil Forscher und Technikteam in einem Raum saßen, lief das erste Training nach nur einer Nacht. Bei einem Cloud-Anbieter hätte das laut Stock Wochen gedauert. Vor der Freigabe prüften Forscher, Partnerfirmen und Behörden das Modell. Eine häufige Rückmeldung lautete, ML4 sei zu wortreich. Mistral trainierte nach. Die finale Version braucht nun halb so viele Tokens wie die Vorschau von vor drei Wochen. Im Coding Index von Artificial Analysis liegt sie unter den offenen Modellen vorn.
Das kanadisch-deutsche KI-Unternehmen Cohere hat so viel Geld eingesammelt wie nie zuvor. Die Schwarz-Gruppe, zu der Lidl und Kaufland gehören, führt die Runde an. Die kanadische Regierung und Nvidia steigen ebenfalls ein. Cohere hatte in diesem Jahr das Heidelberger KI-Unternehmen Aleph Alpha gekauft.
Cohere verkauft KI, die Firmen und Regierungen ohne die großen US-Anbieter nutzen können. Die Modelle laufen in privaten Clouds oder in abgeschotteten Umgebungen. Für stark regulierte Branchen ist das ein gewichtiges Argument. Die Schwarz-Gruppe will die Modelle in ihre eigene Cloud einbauen. Cohere will mit dem Geld Modelle, Infrastruktur und Expansion vorantreiben. Beobachter sehen darin auch einen Schritt Richtung Börsengang.
Nur vier Wochen nach Gemini Argon bringt Google mit Carbon schon das nächste Spitzenmodell. Doch nicht jeder darf es nutzen. Auf Wunsch des Weißen Hauses erhalten zunächst nur US-Geheimdienste und ausgewählte Partner Zugang. Der Grund liegt in Carbons Stärke: Angriffe auf Software zu entwickeln und Sicherheitslücken zu schließen.
In mehreren Tests schlägt Carbon seinen Vorgänger und die Konkurrenz. Es soll seltener Dinge erfinden und bei Unklarheiten öfter nachfragen. Als KI-Agent könne es tagelang an schwierigen Programmieraufgaben arbeiten. Versuche, das Modell mit eingeschleusten Befehlen zu manipulieren, seien bisher gescheitert. Wann Carbon für alle verfügbar wird, sagt Google nicht.
KI-Agenten lenken das Urteil von Experten stärker, als diese merken. Das legt ein Experiment von Anthropic nahe. 50 Statistiker werteten mit einem KI-Agenten Daten eines fiktiven Verbunds von Bauernhöfen aus. Sie sollten klären, ob ein Beratungsprogramm die Höfe produktiver macht. Unterwegs mussten sie mehrere Fragen ohne eindeutig richtige Antwort entscheiden, etwa wie man Produktivität misst. Für jede Frage gab es zwei vertretbare Wege. Wel