LinkTencent Hy TeamAnkündigung
Hy4-preview demonstriert die fortschreitende Skalierung extrem grosser MoE-Architekturen mit sparsamer Token-Aktivierung im Open-Source-Umfeld. Durch die Apache-2.0-Lizenz und optimierte Inferenz-Pipelines für vLLM und SGLang steht Entwicklern eine leistungsfähige Grundlage für lokale Agenten- und Coding-Workflows mit grossen Kontextfenstern zur Verfügung.
Tencent kombiniert architektonische Ansätze wie DeepSeeks Sparse Attention mit eigenen Erweiterungen wie IndexCache und Hyper-Connections, um trotz 770 Milliarden Parametern beherrschbare Inferenzkosten zu erreichen. Der Fokus auf praxisbezogene Benchmarks in Software-Engineering und Datenanalyse zeigt, dass das Modell gezielt für agentenbasierte Entwicklungs- und Arbeitsumgebungen konzipiert wurde. Die transparente Benennung von Schwächen bei Reasoning-Laufzeiten deutet darauf hin, dass Post-Training und Chain-of-Thought-Kalibrierung in kommenden Versionen noch verfeinert werden müssen.
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.
Repository:Tencent-Hunyuan/Hy4-preview
Das Tencent Hy Team hat Hy4-preview veröffentlicht, ein neues Mixture-of-Experts (MoE) Flaggschiff-Modell mit insgesamt 770 Milliarden Parametern, wovon 49 Milliarden pro Token aktiv sind. Es kombiniert MoE-Layer, Gated DeepSeek Sparse Attention und Multi-Token Prediction für spekulatives Decoding.
344SternePython
Link:deepseek-ai
DeepSeek hat die Modelldokumentation und Gewichte für DeepSeek-V4-Pro-DSpark auf Hugging Face bereitgestellt. Es handelt sich um das MoE-Modell DeepSeek-V4-Pro mit einem integrierten Modul für spekulative Dekodierung (DSpark) zur Beschleunigung der Inferenz.
Link:deepseek-ai
DeepSeek-AI hat DeepSeek-V4-Flash-0731 offiziell auf Hugging Face veröffentlicht. Das 304-Milliarden-Parameter-Modell ersetzt die Preview-Version und bringt integrierte spekulative Decodierung (DSpark) sowie deutlich verbesserte Agenten-Fähigkeiten mit.
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.
Link:Xiaomi MiMo Team
Xiaomi hat MiMo-V2.5-Pro vorgestellt, ein quelloffenes Mixture-of-Experts-Modell mit 1,02 Billionen Parametern und 42 Milliarden aktiven Parametern. Das Modell bietet ein Kontextfenster von bis zu 1 Million Tokens und zielt speziell auf komplexe Agenten-Workflows und langanhaltende Software-Engineering-Aufgaben ab.
Artikel:Simon Willison
DeepSeek hat mit DeepSeek-V4-Pro und DeepSeek-V4-Flash zwei neue Mixture-of-Experts-Modelle unter MIT-Lizenz veröffentlicht. Simon Willison analysiert deren Architektur, Token-Effizienz und die im Vergleich zu OpenAI, Google und Anthropic drastisch reduzierten API-Kosten.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
