ArtikelZhidxAnkündigung
Für datenschutzsensible Unternehmensanwendungen und Edge-Szenarien bieten kleine MoE-Modelle eine Alternative zu Cloud-APIs. Wenn ein Modell mit 1,3 Milliarden aktiven Parametern Agenten- und Reasoning-Fähigkeiten auf Desktop-Hardware ohne API-Kosten und Latenzprobleme bereitstellt, erleichtert das die Umsetzung lokaler Workflows erheblich.
Ant Group demonstriert mit Ling-3.0-tiny, wie aktuelle Architekturentwicklungen aus dem chinesischen Open-Source-Ökosystem (MLA von DeepSeek und KDA von Moonshot AI) in praxisnahe, schlanke Modelle einfließen. Durch die Kombination von Hybrid-Attention und spärlicher Aktivierung sinkt der Hardwareaufwand drastisch, ohne dass die Fähigkeiten im Agent-Bereich unverhältnismäßig einbrechen. Künftige Optimierungen sollen sich laut den Entwicklern auf die Faktenstabilität und Ausführungssicherheit komplexer Workflows konzentrieren.
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:inclusionAI
inclusionAI hat Ling-3.0-tiny veröffentlicht, ein leichtgewichtiges MoE-Modell mit 7,9 Milliarden Gesamtparametern, das pro Token nur 1,3 Milliarden Parameter aktiviert. Das Modell setzt auf eine hybride Architektur aus linearen Aufmerksamkeits- und Latent-Attention-Schichten und zielt auf recheneffizientes Reasoning sowie Agenten-Aufgaben auf lokaler Hardware ab.
Artikel:Ant Group
Die Ant Group stellt mit Ring-2.6-1T ein quelloffenes MoE-Modell mit einer Billion Parametern vor, das für Coding-Agenten, Tool-Nutzung und komplexe Langzeittasks ausgelegt ist.
Artikel:Liquid AI
Liquid AI hat das Open-Weight-Modell LFM2.5-2.6B vorgestellt. Mit 2,6 Milliarden Parametern wurde es speziell für Agenten-Workflows optimiert und läuft vollständig lokal auf Smartphones, CPUs oder Rechenzentrums-GPUs.
Repository:inclusionAI/Ling
InclusionAI stellt mit Ling eine Open-Source-Modellfamilie auf Basis einer Mixture-of-Experts-Architektur (MoE) bereit. Die Modelle erscheinen in zwei Größen: Ling-lite (16,8 Milliarden Gesamtparameter, 2,75 Milliarden aktivierte Parameter) und Ling-plus (290 Milliarden Gesamtparameter, 28,8 Milliarden aktivierte Parameter).
267SternePython
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:Ant Group
inclusionAI ist die offizielle Hugging-Face-Organisation für die AGI-Initiative der Ant Group. Dort veröffentlicht das Unternehmen Open-Source-Modelle aus den Bereichen LLM, Bildgenerierung und Reinforcement Learning.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
