18 neuronale Netze wurden in einen autonomen

Das Prime Intellect-Labor führte ein ungewöhnliches Experiment durch: 18 Top-Sprachmodelle – von Fable 5 und GPT-5,6 Sol bis zum offenen Kimi K3 – wurden in autonome wissenschaftliche „Rennen“ eingeführt, in die der Mensch überhaupt nicht eingreift. Das Finale fiel laut aus: Ein offenes chinesisches Modell mit preiswertem Agentengurt kam dem teuersten Flaggschiff nahe Anthropic. Schauen wir uns an, was dort passiert ist und warum es für jeden wichtig ist, der die Entwicklung der KI verfolgt.

Die Essenz des Rennens: Optimieren Sie das Training in einem Minimum an Schritten

Das Problem wurde aus dem berühmten nanoGPT-Projekt von Andrey Karpaty übernommen. Ein kleines Modell mit 124 Millionen Parametern muss auf einen Verlust von 3,28 trainiert werden – allerdings in möglichst wenigen Trainingsschritten. Das Ausgangsrezept liefert Ergebnisse in 3290 Schritten. Der beste Wert, den die Leute erreicht haben, ist 2600.

Der Agent erhält ein Code-Repository, ein kurzes Regelwerk und ein Ziel. Dann er selbst: Der Optimierer bearbeitet, führt Experimente durch, unterscheidet echte Verbesserungen von zufälligem Rauschen und entscheidet, was als nächstes überprüft werden soll. Hardware - acht H200, alles ist in einer Sandbox ohne Internet eingeschlossen, damit das Modell die vorgefertigte Antwort nicht ausspioniert. Insgesamt wurden 153 vollständig autonome Läufe absolviert, der längste dauerte mehr als acht Tage.

Wer ist wie lange ausgelaufen?

Am weitesten waren es Fable 5 von Anthropic – 2726 Schritte, sie legte etwa 82 % des Weges zwischen dem Grundrezept und der menschlichen Aufzeichnung zurück. Das Flaggschiff Claude Opus 5 war bei 2920 fertig.

Doch dann geschah eine Sensation. Öffnen Sie Kimi K3 von Moonshot AI, arbeiten Sie durch das Multi-Agent-Kabelbaum des Prime Agent Harness und stoppten Sie bei 2930 Schritten. Zehn Schritte Unterschied zum Flaggschiff, das in Sachen Token deutlich teurer ist. GPT-5,6 Sol lief gleichzeitig nur bis 3042 aus – hinter dem offenen Modell.

Das Interessanteste: Niemand hat sich etwas Neues ausgedacht

Keiner der 153 Durchläufe brachte eine grundlegend neue Methode hervor. Alles, was wirklich funktioniert hat – knifflige Normalisierungen, Lernratenpläne, Gewichtsmittelung – wurde schon lange in Artikeln beschrieben. Es stellte sich heraus, dass die Ideensammlung für alle Modelle ungefähr gleich war.

Der Unterschied lag in der Ausführung. Starke Modelle begraben die Hypothese nicht nach einem erfolglosen Versuch: Sie ändern den Zufallsstartwert, wiederholen Messungen und kehren zu alten Ideen zurück, wenn sich die Bedingungen ändern. Seien Sie vorsichtiger bei der Unterscheidung zwischen echtem Fortschritt und Lärm. Außerdem bauen sie ihre eigenen Werkzeuge: Kimi K3 schrieb ihre eigenen Funktionen zum Vergleichen von Verlustkurven und baute ein Minilabor auf, in dem sie zunächst die numerische Newton-Schulz-Methode an einfachen Fällen testete und sie erst dann auf echtes Training übertrug.

Warum übertrifft dies das KI-verbessert-KI-Szenario?

Die klassische Horrorgeschichte über rekursive Selbstverbesserung geht so: Das intelligenteste geschlossene Modell beginnt sich selbst zu verbessern und gerät in eine unvermeidliche Lücke, der Rest bleibt zurück. Dieses Experiment untergräbt ein solches Bild. Wenn die Ideen schnell ausgehen, gewinnt nicht der Klügste, sondern derjenige, dessen Zyklus „Hypothese aufstellen – testen – verwerfen“ weniger kostet und sich schneller dreht. Offene Modelle, die von einem guten Gurtzeug gesteuert werden, machen mehr Versuche pro Dollar, und das erweist sich als wichtiger als der nächste Punkt in der Benchmark-Tabelle.

Wo ist der Haken?

Ehrlich gesagt: Die Aufgabe hier ist eine und sehr eng. Ein Trainingsskript, eine klare Metrik, ein klares Erfolgskriterium – echte Wissenschaft sieht viel weniger vorhersehbar aus. Es sind keine neuen Methoden aufgetaucht, daher sprechen wir vorerst von der Automatisierung der Forscherroutine und nicht davon, den Forscher zu ersetzen. Nun, das Ergebnis hängt stark vom Kabelbaum selbst ab: Der gleiche Kimi K3 ohne Agentenschicht läuft deutlich schlechter.

Häufig gestellte Fragen

Was ist Agentenbindung?

Schicht um das Modell herum: Tools, Code-Ausführungsumgebung, Erinnerung an vergangene Schritte, Aufgabenplaner. Das Modell bleibt das gleiche, aber es ist bequemer, damit zu arbeiten – wie ein guter Schreibtisch mit den richtigen Werkzeugen für eine Person.

Ist Kimi K3 für normale Benutzer verfügbar?

Ja, die Gewichte des Modells sind offen. Sie können zum Beispiel mit ihr sprechen Chat NeuralSpace, und probieren Sie agentenbasierte Szenarios im Abschnitt aus "Code".

Wird KI also bald selbst einen wissenschaftlichen Artikel schreiben?

Nicht so schnell. Autonome Agenten bewältigen Aufgaben souverän, wenn es klare Kennzahlen und schnelles Feedback gibt. Hypothesen, Geschmack und Fragen sind immer noch den Menschen überlassen. Doch die Infrastruktur rund um die Modelle wird derzeit am aktivsten aufgepumpt, daher lohnt es sich, die Richtung im Auge zu behalten.