18 AI Modelle nahmen an einem völlig autonomen Forschungsrennen teil – offenes Gewicht Kimi K3 fast erwischt Claude

Prime Intellect hat gerade ein ungewöhnliches Experiment durchgeführt: 18 Top-Sprachmodelle – von Fable 5 und GPT-5.6 Sol bis hin zu Open-Weight Kimi K3 – wurden auf autonome Forschungsläufe losgelassen, bei denen nie ein Mensch eingegriffen hat. Das Ende ist laut: Ein offenes chinesisches Modell, das mit einem billigen Agentenkabelbaum verbunden war, kam in greifbare Nähe von Anthropics teuerstem Flaggschiff. Hier erfahren Sie, was passiert ist und warum es für jeden, der Tracking verfolgt, wichtig ist AI Fortschritt.

Das Rennen: Trainieren Sie ein Modell in möglichst wenigen Schritten

Die Aufgabe stammt aus dem bekannten nanoGPT-Speedrun-Projekt von Andrej Karpathy. Ein kleines Modell mit 124 Millionen Parametern muss einen Validierungsverlust von 3,28 erreichen – und zwar mit möglichst wenigen Trainingsschritten. Das Starterrezept schafft es in 3.290 Schritten. Die besten Menschen, die es geschafft haben, sind 2.600.

Der Agent erhält ein Code-Repository, ein kurzes Regelwerk und ein Ziel. Danach geht es um sich selbst: Optimierung des Optimierers, Durchführung von Experimenten, Erkennung echter Verbesserungen anhand zufälliger Störungen, Entscheidung, was als Nächstes getestet werden soll. Hardware: acht H200-GPUs, alles in einer Offline-Sandbox eingeschlossen, sodass das Modell nicht nach fertigen Antworten suchen kann. Insgesamt gab es 153 völlig autonome Läufe; die längste erstreckte sich über acht Tage.

Wer ist wo fertig geworden?

Anthropics Fable 5 kam mit 2.726 Schritten am weitesten und schloss etwa 82 % der Lücke zwischen dem Grundrezept und den menschlichen Aufzeichnungen. Das Flaggschiff Claude Opus 5 überschritt die Ziellinie bei 2.920.

Dann kam die Überraschung. Offenes Gewicht Kimi K3 von Moonshot AI, der durch das Multiagenten-Prime-Agent-Geschirr lief, blieb bei 2.930 Schritten stehen. Zehn Schritte hinter einem Flaggschiff, das deutlich mehr pro Token kostet. GPT-5.6 Sol erreichte einen Wert von 3.042 – hinter dem offenen Modell.

Das Lustigste daran: Niemand hat etwas Neues erfunden

Kein einziger Durchlauf brachte eine wirklich neuartige Methode hervor. Alles, was tatsächlich funktionierte – clevere Normalisierungen, Lerngeschwindigkeitspläne, Gewichtsmittelung – wurde vor Jahren in Veröffentlichungen beschrieben. Bei jedem Modell kamen ungefähr die gleichen Ideen zum Einsatz.

Der Unterschied war die Ausführung. Stärkere Modelle begraben eine Hypothese nicht nach einem einzigen Fehlversuch: Sie ändern den Zufallsstartwert, wiederholen Messungen und überdenken alte Ideen, sobald sich die Bedingungen ändern. Sie trennen echten Fortschritt sorgfältiger vom Lärm. Und sie bauen ihre eigenen Werkzeuge: Kimi K3 schrieb benutzerdefinierte Funktionen zum Vergleichen von Verlustkurven und baute ein kleines numerisches Labor auf, um die Newton-Schulz-Methode an Spielzeugkästen zu validieren, bevor sie in die Praxis umgesetzt wurde.

Warum dies die „Delle“ beeinträchtigtAI verbessern AI" Skript

Die klassische Geschichte der rekursiven Selbstverbesserung geht so: Das intelligenteste geschlossene Modell beginnt, sich selbst zu verbessern und zieht sich unwiderruflich zurück, während alle anderen Staub fressen. Dieses Experiment zerstört dieses Bild. Wenn die Ideen schnell ausgehen, gewinnt nicht der klügste Spieler, sondern derjenige, dessen Schleife „Vorschlagen – Testen – Verwerfen“ weniger kostet und sich schneller dreht. Offene Modelle, die von einem guten Kabelbaum angetrieben werden, führen mehr Versuche pro Dollar durch – und das ist wichtiger als ein weiterer Benchmark-Punkt.

Der Haken

Um fair zu sein: Dies ist eine sehr begrenzte Aufgabe. Ein einziges Trainingsskript, eine klare Metrik, ein eindeutiges Erfolgskriterium – echte Wissenschaft sieht weitaus chaotischer aus. Es sind auch keine neuen Methoden entstanden, daher geht es immer noch darum, die Routine eines Forschers zu automatisieren und nicht, ihn zu ersetzen. Und die Ergebnisse hängen stark vom Geschirr selbst ab: das Gleiche Kimi K3 Ohne die Agentenschicht läuft es deutlich schlechter.

FAQ

Was ist ein Agentengeschirr?

Eine Ebene um das Modell herum: Tools, eine Code-Ausführungsumgebung, Erinnerung an vorherige Schritte, ein Aufgabenplaner. Das Modell bleibt dasselbe, aber das Arbeiten wird einfacher – so wie jemand, der einen richtigen Schreibtisch mit den richtigen Werkzeugen bekommt.

Können normale Benutzer es versuchen? Kimi K3?

Ja, die Gewichte sind offen. Sie können mit ihm chatten NeuralSpace Chatten und probieren Sie Workflows im Agentenstil aus Code.

Das wird auch der Fall sein AI Bald selbst wissenschaftliche Arbeiten schreiben?

Nicht so schnell. Autonome Agenten schneiden dort gut ab, wo es klare Kennzahlen und schnelles Feedback gibt. Hypothesen, Geschmack und das Stellen der richtigen Fragen sind immer noch menschliches Terrain. Aber die Infrastruktur rund um die Modelle wird derzeit schneller als alles andere aktualisiert – es lohnt sich, sie im Auge zu behalten.