LinkSammlung
Für europäische Unternehmen und Entwickler mit strengen Datenschutz- oder Compliance-Vorgaben bieten quelloffene, lokal ausführbare Modelle eine überprüfbare Alternative zu geschlossenen Cloud-APIs, ohne massive Rechenzentrums-Ressourcen vorauszusetzen.
Empero setzt auf eine klare Positionierung: Datenqualität und gezielte Nachbearbeitung (wie die FTPO-Methode) statt reiner Parameter-Skalierung. Durch sofort bereitgestellte GGUF-Quantisierungen für llama.cpp und Ollama sowie die Kombination aus Sprachmodell und eigenem Rust-Terminal-Agenten (Abacus) schließt das Labor die Lücke zwischen theoretischer Forschung und praktischer, lokaler Anwendung.
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:kodee
Empero hat Qwythos-27B-v1 vorgestellt, ein Open-Weights-Reasoning-Modell unter der Apache-2.0-Lizenz. Das auf Qwen3.5-27B basierende Modell behält native Funktionsaufrufe, Vision-Fähigkeiten, MTP für spekulatives Decoding sowie ein auf eine Million Tokens erweitertes Kontextfenster bei.
Link:Empero AI
Empero AI veröffentlicht Qwythos-27B-v1, ein vollständiges Open-Weight-Reasoning-Modell auf Basis von Qwen3.5-27B. Der Checkpoint behält Multi-Token-Prediction (MTP), Vision-Fähigkeiten und ein auf über 1 Million Token erweitertes Kontextfenster bei und wurde gezielt für Terminal- und Agenten-Workflows optimiert.
Link:Unsloth AI
Unsloth AI hat quantisierte GGUF-Versionen des neuen Modells Qwen3.8-27B unter der Apache-2.0-Lizenz bereitgestellt. Die Quantisierungen nutzen das neue Verfahren Dynamic V3.0, das gegenüber anderen Anbietern eine höhere Genauigkeit bei gleicher Dateigröße erzielen soll. Qwen3.8-27B ist ein 27 Milliarden Parameter starkes Vision-Language-Modell mit nativer Bild- und Videoverarbeitung, hybridem DeltaNet- und Attention-Aufbau sowie flexibler Steuerung von Denkprozessen.
Artikel:Chris Alexiuk and Chintan Patel
NVIDIA hat Nemotron 3.5 Lightning vorgestellt, ein offenes Mixture-of-Experts-Modell (MoE) mit 30 Milliarden Gesamt- und 3 Milliarden aktiven Parametern. Es wurde speziell für die Ausführungsebene langlebiger KI-Agenten optimiert, um Routineaufgaben wie Tool-Aufrufe und Ergebnisvalidierung schnell und kostengünstig zu bewältigen.
Link:Unsloth AI
Unsloth AI stellt mit Qwen3.6-27B-MTP-GGUF quantisierte Versionen des ersten Open-Weight-Modells aus der Qwen3.6-Reihe bereit. Das multimodale 27-Milliarden-Parameter-Modell nutzt Multi-Token Prediction (MTP) für schnellere Inferenz und bringt Verbesserungen bei Agentic Coding sowie Tool Calling mit.
Link:Qwen
Das Qwen-Team hat mit Qwen3.8-27B ein kompaktes, dichtes Vision-Language-Modell unter der Apache-2.0-Lizenz veröffentlicht. Das 27-Milliarden-Parameter-Modell kombiniert Gated DeltaNet mit regulärer Attention, versteht Bilder sowie Videos und bietet flexible Steuerungsmöglichkeiten für Denkprozesse.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
