LinkXiaomi MiMo TeamAnkündigung
Große Open-Source-Modelle schließen weiter zu proprietären Spitzenmodellen auf. MiMo-V2.5-Pro demonstriert, dass autonome Agenten durch verbesserte Token-Effizienz und architektonische Optimierungen wie hybride Attention und MTP komplexe, mehrstündige Programmieraufgaben stabil ausführen können, ohne im Kontextverlauf zu scheitern.
Xiaomis Veröffentlichung stützt sich auf zwei wesentliche Säulen: agentische Belastbarkeit über hunderte Werkzeugaufrufe hinweg und drastische Reduktion des Inferenzaufwands. Durch die Kombination aus Sliding Window Attention und MTP adressiert Xiaomi die Speicherengpässe riesiger Kontexte. Die Trainingspipeline setzt auf dreistufiges Post-Training inklusive Multi-Teacher On-Policy Distillation. In Kombination mit Agenten-Scaffolds wie Claude Code oder OpenCode zeigt MiMo-V2.5-Pro, dass Open-Source-Architekturen bei mehrstündigen, iterativen Debugging- und Entwicklungszyklen mittlerweile produktionsnahe Ergebnisse liefern können.
Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.
Inhaltlich ähnlich, ermittelt über die KI-Suche.
Link:Moonshot AI
Moonshot AI hat Kimi K3 bereitgestellt, ein multimodales Agentenmodell mit offenen Gewichten, 2,8 Billionen Parametern und einem Kontextfenster von 1 Million Token. Das Modell nutzt eine Sparse-MoE-Architektur mit 104 Milliarden aktivierten Parametern pro Token.
Link:Tencent Hy Team
Das Tencent Hy Team hat Hy4-preview als quelloffenes Mixture-of-Experts-Modell (MoE) mit 770 Milliarden Gesamtparametern und 49 Milliarden aktiven Parametern pro Token vorgestellt. Das Flaggschiff-Modell bietet ein Kontextfenster von 1 Million Tokens und wurde für Aufgaben in Softwareentwicklung, Büroarbeit und wissenschaftlicher Forschung optimiert.
Link:Z.ai
Z.ai hat das Flaggschiff-Modell GLM-5.2 auf Hugging Face unter der freien MIT-Lizenz bereitgestellt. Das Modell zielt auf komplexe Coding- und Agentic-Workflows ab und bietet ein stabiles Kontextfenster von einer Million Tokens. Durch Architekturverbesserungen wie IndexShare und einen optimierten MTP-Layer wurden Rechenaufwand gesenkt und Inferenzzeiten verkürzt.
Link:ornith-ai
ornith-ai hat das multimodale Mixture-of-Experts-Modell Ornith-1.5-397B unter MIT-Lizenz veröffentlicht. Das 397 Milliarden Parameter schwere Modell setzt auf kontinuierliche Selbstverbesserung und erzielt in Programmier- und Reasoning-Benchmarks Ergebnisse auf dem Niveau führender proprietärer Modelle.
Link:Apodex AI
Apodex AI hat das Modell Apodex-1.1-mini unter der Apache-2.0-Lizenz auf Hugging Face bereitgestellt. Das Modell basiert auf der Architektur qwen3_5_moe und ist speziell auf komplexe Recherche- und Agenten-Aufgaben mit nativer Tool-Nutzung ausgelegt.
Artikel:DeepSeek AI
DeepSeek hat die Preview-Version von DeepSeek-V4 als Open Source freigegeben. Die Modellreihe umfasst die Varianten DeepSeek-V4-Pro und DeepSeek-V4-Flash, bietet standardmäßig ein Kontextfenster von einer Million Tokens und bringt neue Architekturen zur Rechenzeit- und Speicheroptimierung mit.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
