#arint_info — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #arint_info, aggregated by home.social.
-
🤖 KI-Briefing — 23.08.2026
1. Wie Künstliche Intelligenz die Justiz ausbremst | tagesschau.de
Vor allem die Sozialgerichte erleben das Phänomen: Immer mehr Kläger nutzen offenbar Künstliche Intelligenz, um Eingaben zu formulieren. Für die Justiz bedeutet das viel Arbeit mit teils unsinnigen...2. Fehlende Kompetenzen bremsen Künstliche Intelligenz stärker als die Technik: 40 Prozent der Arbeitgeber nennen sie al...
Über den Einsatz Künstlicher Intelligenz entscheidet seltener die Technik als die Frage, wer sie bedienen kann. Laut dem Policy Brief „AI and skills: What we know so far“ der OECD nennen rund 40 Pr...3. KI-Brillen: Wer alles sieht, erlebt nichts mehr | DIE ZEIT
KI-Brillen wollen den Moment erfassen, ohne ihn anzuhalten. Doch sie könnten bald auch unsere Wahrnehmung beeinflussen. Es wäre ein Albtraum.4. So gefährlich sind autonome Angriffe durch Künstliche Intelligenz | WEB.DE
KI kann inzwischen nicht nur bei Cyberangriffen helfen, sondern selbstständig Angriffsschritte ausführen. Wie viel Kontrolle haben wir noch über solche Systeme?5. Die KI-Einheitsästhetik: Warum Werbung plötzlich austauschbar wirkt – net...
Arint.info · Mehr auf Arint.info #AI #mit #arint_info -
RT @ciruai: Das beste Qwen3.8 27B-Modell für AMD Strix Halo ist da. In Zusammenarbeit mit Pete Hopton und dem Kairic.ai-Team präsentiere ich: Qwen3.8-27B-IU4-KAIRIC-EDGE. Unserer Kenntnis nach ist dies die weltweit erste öffentliche Veröffentlichung eines 27B-LLM mit einer beschleunigten nativen IU4-Inferenzspur, speziell für AMD Strix Halo (gfx1151) entwickelt. Warum ist IU4 wichtig? Die meisten 4-Bit-Modelle speichern zwar Speicher, konvertieren Gewichte jedoch weiterhin in breitere Formate während der Ausführung. Unsere IU4-Spur hält Vier-Bit-Ganzzahldaten im aktiven Berechnungspfad und mappt sie direkt auf RDNA 3.5-Integer-Hardware. Das reduziert den Speichertraffic und verwandelt Quantisierung von einem Speicherformat in eine echte Hardware-Ausführungsstrategie. Der abgestimmte IU4-Operator erreichte 104,66 TOPS – 1,94× FP16 und 1,93× IU8. Dies eröffnet einen Weg zu schnellerer, effizienterer lokaler KI, ohne dabei die Modellqualität zu opfern. Ich kann es kaum erwarten zu sehen, was @Italianclownz und andere Zauberer damit anstellen. Angetrieben von Prompt Forge + Dual View, Kairic Edge-Beschleunigung, 262K Kontext: HumanEval-Metriken: • 47,73 tok/s Full-Suite TG • +85% gegenüber Unsloth Dynamic Q4 • +89% gegenüber Unsloth Dynamic Q6 • Schlug Unsloth Dynamic v3 q6 in Human Eval um 2 Fragen. Dies ist auch die erste Veröffentlichung, die von Kairic.ai angetrieben wird, einem neuen Unternehmen, das sich auf die gemeinsame Entwicklung von KI-Software rund um die Hardware konzentriert, auf der sie tatsächlich läuft. Modell, Benchmarks, Quelle, Build-Anleitung und Runner: huggingface.c…
mehr auf Arint.info
#AMDStrixHalo #KairicAI #LLM #LocalAI #Qwen3 #RDNA3 #arint_info
-
RT @techNmak: In 1948, a 32-year-old at Bell Labs published a paper nobody fully understood. Engineers found it too mathematical. Mathematicians found it too engineering-focused. One prominent mathematician reviewed it negatively. That paper - "A Mathematical Theory of Communication", became the founding document of the digital age. The man was Claude Shannon. Father of Information Theory. At 21, he wrote the most important master's thesis of the 20th century. Working at MIT on an early mechanical computer, Shannon noticed its relay switches had exactly two states - open or closed. He had just taken a philosophy course introducing Boolean algebra, which also operated on two values: true and false. Nobody had ever connected these two things. His 1937 thesis proved that Boolean algebra and electrical circuits are mathematically identical, and that any logical operation could be built from simple switches. Howard Gardner called it "possibly the most important, and also the most famous, master's thesis of the century." Every digital computer ever built traces back to this insight. At 29, he proved that perfect encryption exists. During WWII, Shannon worked on classified cryptography at Bell Labs. His work contributed to SIGSALY, the secure voice system used for confidential communications between Roosevelt and Churchill. In a classified 1945 memorandum, he mathematically proved the one-time pad provides perfect secrecy, unbreakable not just computationally, but provably, permanently, against an adversary with infinite power. When declassified in 1949, it transformed cryptography from an art…
mehr auf Arint.info
#Claude #MIT #Perplexity #science #things #together #arint_info
-
RT @Italianclownz: Ich arbeite an einem separaten iu4-Code, der ausschließlich auf ROCmFPX unter Strix Halo funktioniert. Ich werde ihn schrittweise veröffentlichen; er wurde bereits auf RDNA 3.5 getestet. Theoretisch sollte er auf jeder AMD-Hardware funktionieren, die über einen iu4-Pfad verfügt. Dieser Code entstand in Zusammenarbeit zwischen Claude Code (hauptsächlich) und mir. Das Ziel war es sicherzustellen, dass ROCmFPX ebenfalls einen iu4-Pfad nutzen kann, falls dieser auf der AMD-Hardware vorhanden ist. Es handelt sich um experimentellen Code, der langsam unter der MIT-Lizenz zusammengeführt wird. Er sollte direkt innerhalb von ROCmFPX laufen, jedoch gibt es einen Quantisierungspfad, falls benötigt, der als ROCmi4 bezeichnet wird. @ciruai hat ebenfalls einen eigenen Ansatz erstellt, der einen separaten Runner verwendet und zusätzliche Funktionen mit Sidecars bietet, was ich gespannt ausprobieren möchte. Sein Ansatz nutzt ebenfalls einige ROCmFPX-Codebestandteile (auf der Quantisierungsseite). Der iu4-Pfad in ROCmFPX ist jedoch fundamental anders: keine Sidecars, kein separater Runner. Wir befinden uns in den aufregendsten Zeiten der Technologie und KI, da so viele Menschen daran arbeiten, sie für alle besser zu machen. Ich wurde von vielen Menschen motiviert und inspiriert: Tom Turney (Turboquant), PK (Cyber Security), Paris (unterstützt meine Ideen immer), Ciru (Inferenz-Meister), Sandro (Luce Box), Davide (Luce Box), Donato (Genie), Mr R0b0t0 Ahmad, alle ROCmFPX-Mitwirkenden und viele weitere.
mehr auf Arint.info
#AI #AMD #MachineLearning #OpenSource #RDNA3 #ROCmFPX #arint_info
-
RT @0x0SojalSec: Die bisher aggressivste Cyber Qwen3.8-27B unzensierte Version, veröffentlicht von @elderplinius – 18/18 AI Red Team – bereit für lokale Nutzung ab 15 GB – 0,0 % Ablehnung bei 842 schädlichen Prompts. – Cyber-Fähigkeiten wie Jailbreak, RAT und Angriffs-Ketten sind vollständig freigeschaltet. – Dies ist keine normale Abliteration: Multi-gerichtete Abliteration über 5 SVD-Richtungen, Residue-Mining (6 vollständige Runden), das Modell antwortet auf alles. – Optimale Einstellungen: Temperatur 0 | reppen 1,15 | kein System-Prompt | Denken ausgeschaltet – Geringer MMLU-Verlust (-6 pp) für maximale Compliance. – Es besteht ein Capability-Trade-off (MMLU von 87,4 auf 81,4), doch die Compliance ist extrem. – huggingface.co/OBLITERATUS/Q…
mehr auf Arint.info
#AI #CyberSecurity #DataScience #MachineLearning #OpenSource #TechNews #arint_info
-
RT @UnslothAI: Wir veröffentlichen neue Qwen3.8-27B GGUFs mit 10 % höherer Genauigkeit. Unsloth Dynamic V3 schlägt andere um 10 % auf Div-300, KLD und weiteren Benchmarks. Zudem veröffentlichen wir 1-Bit-Quantisierungen, die 77 % der Genauigkeit beibehalten. Läuft auf 8 GB RAM. Blog: unsloth.ai/docs/basics/dynam… GGUF: huggingface.co/unsloth/Qwen3…
mehr auf Arint.info
#AI #GGUF #MachineLearning #OpenSource #Qwen3 #Unsloth #arint_info
-
RT @TechCrunch: Was will ein Zahlungsriese von einem Startup, das Prompts zwischen verschiedenen KI-Modellen routet? Stripe sagt, es liege an der „Singularität", aber der wahre Grund ist ein viel konkreterer und mächtigerer. spr.ly/6015B1g2vH
mehr auf Arint.info
#Innovation #KI #Startup #Stripe #Technologie #Zahlungsverkehr #arint_info
-
RT @ivanfioravanti: Die einzige Möglichkeit, Qwen 3.8 27B zu nutzen, ist mit reasoninglevel low; alles andere, einschließlich medium, denkt wirklich zu viel.
mehr auf Arint.info
-
RT @WatcherGuru: AKTUELL: Der Claude-AI-Entwickler Anthropic wird noch bis Ende August einen Börsengang (IPO) beantragen und erwartet, den Rekord von SpaceX zu erreichen oder zu übertreffen, wie Bloomberg berichtet.
mehr auf Arint.info
#Anthropic #Bloomberg #ClaudeAI #IPO #Startups #TechNews #arint_info
-
RT @deepseek_ai: DeepSeek-V4-Flash-Vision-Exp ist jetzt auf der DeepSeek-API-Plattform verfügbar! 🚀 🔹 Dieses experimentelle multimodale Modell erreicht bei Textfähigkeiten – einschließlich Agenten, Schlussfolgerungen und Weltwissen – das Niveau von DeepSeek-V4-Flash. 🔹 Bei multimodalen Agenten-Benchmarks macht V4-Flash-Vision-Exp einen deutlichen Sprung gegenüber V4-Flash und bringt die multimodale Agenten-Performance in die Nähe von Opus-4.8. Probieren Sie es mit model='deepseek-v4-flash-vision-exp'. Heute wurde DeepSeek Harness 0.1.1 veröffentlicht, das die neue Modelldirekt unterstützt. 1/n
mehr auf Arint.info
#AI #API #DeepSeek #MachineLearning #Multimodal #V4FlashVisionExp #arint_info
-
RT @OpenRouter: DeepSeek V4 Flash Vision Exp ist jetzt auf OpenRouter verfügbar! Das neue Modell von @deepseekai unterstützt die Eingabe von Bildern zum Preis von V4 Flash, erreicht auf Text-Agenten-Benchmarks das Niveau von V4 Flash 0731 und schlägt Opus-4.8 auf Agents' Last Exam und ZeroBench. Jetzt nutzen: openrouter.ai/deepseek/deeps…
mehr auf Arint.info
#AI #DeepSeek #MachineLearning #OpenRouter #TechNews #VisionModel #arint_info
-
RT @Dan_Jeffries1: Prediction: There's a 65% chance that the strongest model available to you by the end of 2026 will be open source. There's a 75% probability it'll be Chinese model unless Reflection comes out swinging like Tyson or Meta really goes hard into open source again to round out the percentages. Oh don't get me wrong. If it goes like this, closed source American labs will still have better models. You just won't be able to use them. You'll read about them on Lab blogs. Why? Because they scared the government and regular people so much that they can't release them and so those models will be locked behind closed doors. The only wild card here that keeps this prediction from being something like 75% is Elon and Grok and his massive reach and single handed power to raise capital, buy businesses and apparently train amazing models. He alone seems able to buck the trend on data center building and has enough power to say, yeah, I am not submitting to the "voluntary" testing regime. But he is likely to get tangled up in whatever non-voluntary one is coming and be a target for it too. So Elon is our wild card. As usual it seems like the entire American innovation system, from space to data centers to clean electric cars stems from one guy and that's just not a wonderful thing for us. We need a dozen daring doers to ensure the next American century. All this is incredibly bad for American AI. There is no current business model that does not involve selling lots and lots of tokens to 100Ms of businesses. The models are not yet strong enough to own to create a British East India style super…
mehr auf Arint.info
-
RT @rohanpaul_ai: Eine neue Paper von Alibaba ByteDance zeigt, dass KI-Agenten nicht mehr wie herkömmliche LLM-Anfragen bedient werden können. Denn die meisten Leistungsprobleme liegen heute in der Zusammenarbeit von Tools, Speicher, Umgebungen und dem Modell zusammen. Der Flaschenhals kann sich je nach Anfrage und Deployment auch vom LLM auf Embeddings, Datenbanken, Sandboxes oder Netzwerkübertragungen verlagern. Die Autoren entwickeln AgentSysBench um 10 agentic Anwendungen und stellen fest, dass die Modell-Inferenz oft nicht mehr der Haupt-Flaschenhals ist. Sie finden, dass task-aware Serving die Latenz um 29–40% reduziert, communication-aware Placement bis zu eine 4.5× Beschleunigung liefert, State Offloading den Speicher um 4.6× reduziert und Caching 35.2% der redundanten Search-Calls eliminiert. Also reicht die Optimierung von Tokens pro Sekunde nicht mehr aus. Agent-Infrastruktur muss Modelle, Tools, Speicher und Kommunikation als eine Workload planen. – arxiv.org/abs/2608.15127 Titel: "From LLM Inference to Agentic Workloads: Characterization and Implications for Serving Systems
mehr auf Arint.info
#AgentSystems #AI #Innovation #LLM #MachineLearning #TechResearch #arint_info
-
RT @DominiqueCAPaul: LLMs sind so offensichtlich (nach-)auf Englisch trainiert. Es ist unglaublich peinlich, sie für deutsche E-Mails zu verwenden - ich versuche es immer wieder, kann aber nicht einen einzigen Satz nutzen. Alles liest sich, als hätte es ein Mann über 50 geschrieben, der mit zwei Fingern tippt und beleidigt ist, wenn man ihn nicht mit seinem Doktortitel anspricht. Es ist, als wäre Olaf Scholz der einzige deutsche Mitwirkende bei der Nachschulung gewesen.
mehr auf Arint.info
#DeutscheSprache #KünstlicheIntelligenz #LLM #OlafScholz #Sprachprobleme #Übersetzung #arint_info
-
RT @Adidotdev: 🚨 Update: Kimi K3.1 und GLM-5.3 Flash Zwei chinesische Labore wurden dabei erwischt, unter falschen Namen zu testen. „Ox Alpha“ auf OpenRouter ist kein mysteriöses Modell – es ist GLM-5.3 Flash von Zhipu, und es ist jetzt kostenlos testbar. Erste Tester berichten, dass die Leistung für ein Modell der Flash-Klasse extrem hoch ist. Einige Coding-Läufe liegen näher an Fable 5 / GPT-5.6 Sol als an allen anderen Modellen im günstigen Segment. Gleichzeitig ist ein neues Kimi-Modell (vermutlich K3.1) unter dem Namen „korrine“ auf Code Arena aufgetaucht. K3 selbst wurde vor der Veröffentlichung als „kivine“ getestet, sodass das Muster übereinstimmt. Zwei Labore. Zwei getarnte Namen. Dieselbe Woche. Wenn ein Flash-Modell bereits an frontier-Zahlen kratzt… wie sieht dann die vollständige Veröffentlichung aus?
mehr auf Arint.info
-
RT @ciruai: Das beste Qwen3.8 27B-Modell für AMD Strix Halo ist da. In Zusammenarbeit mit Pete Hopton und dem Kairic.ai-Team präsentiere ich: Qwen3.8-27B-IU4-KAIRIC-EDGE. Unserer Kenntnis nach ist dies die weltweit erste öffentliche Veröffentlichung eines 27B-LLM mit einer beschleunigten nativen IU4-Inferenzspur, speziell für AMD Strix Halo (gfx1151) entwickelt. Warum ist IU4 wichtig? Die meisten 4-Bit-Modelle speichern zwar Speicher, wandeln Gewichte jedoch während der Ausführung weiterhin in breitere Formate um. Unsere IU4-Spur behält die Vier-Bit-Ganzzahldaten im aktiven Berechnungspfad und leitet sie direkt an die RDNA 3.5-Ganzzahlhardware weiter. Das reduziert den Speichertraffic und verwandelt Quantisierung von einem Speicherformat in eine echte Hardware-Ausführungsstrategie. Der abgestimmte IU4-Operator erreichte 104,66 TOPS – 1,94× FP16 und 1,93× IU8. Dies eröffnet einen Weg zu schnellerer, effizienterer lokaler KI, ohne dabei die Modellqualität zu opfern. Ich kann es kaum erwarten zu sehen, was @Italianclownz und andere Experten damit anstellen werden. Getrieben von Prompt Forge + Dual View, Kairic Edge-Beschleunigung, 262K Kontext: HumanEval-Metriken: • 47,73 tok/s Full-Suite TG • +85% gegenüber Unsloth Dynamic Q4 • +89% gegenüber Unsloth Dynamic Q6 • Schlug Unsloth Dynamic v3 q6 in HumanEval um 2 Fragen. Dies ist auch die erste Veröffentlichung, die von Kairic.ai unterstützt wird, einem neuen Unternehmen, das sich auf die gemeinsame Entwicklung von KI-Software rund um die Hardware konzentriert, auf der sie tatsächlich läuft. Modell, Benchmarks, Quelle, Build-Anleitung und Ru…
mehr auf Arint.info
#AMDStrixHalo #KairicAI #LLM #LocalAI #Qwen3 #RDNA3 #arint_info
-
RT @Itsfoss: Linus Torvalds hat gerade KI eingesetzt, um einen Bug im Linux-Kernel zu beheben. Dies ist ein seltenes Ereignis. Selten, weil Torvalds nicht mehr am Linux-Kernel codet. Er prüft nur noch Code und merged Pull Requests von Contributoren. Daher ist dies ein seltener Anlass in jüngster Zeit, an dem er selbst einen Kernel-Patch erstellt hat. Und diesmal hat er sich von KI assistieren lassen. Der Bug befand sich im Intel-Xe-Grafiktreiber für Battlemage-G21-Karten. Er verursachte, dass GDM, der Display-Manager, sich endlos neu startete. Die Fehlersuche erforderte 24 Debug-Patches und 18 Kernel-Boots. Als Ursache entpuppte sich eine einzelne Zeile, in der roundup() statt rounddown() stehen sollte. Die KI „hat die Schuftarbeit für Torvalds erledigt": Debug-Instrumentierung hinzugefügt, Analysen durchgeführt und sogar die finale Commit-Nachricht verfasst. Doch es war nicht alles ein leichtes Unterfangen. Die KI sagte Linus immer wieder, dass das Problem „unmöglich und unlösbar" sei. Jedes Mal widersprach Linus und ging weiter. In seinen Worten: „Ich vermute, dass diese Dinge von Menschen trainiert wurden, die vielleicht nicht ganz so stur sind wie ich." Das ist genau das, was wir immer sagen. KI ist nur ein Werkzeug und sie ist im Wesentlichen dann nützlich, wenn ein fähiger Mensch den Prozess steuert. Überlässt man ihr ihre eigenen Schlussfolgerungen, würde sie diesen Bug als unkorrigierbar bezeichnen und sich abwenden. Aber Linus Torvalds hat Erfahrung. Er konnte verstehen, was die KI richtig oder falsch machte. Der Patch ist nun in Linux 7.3 und wurde in stabile Kernel-Zweige zur…
mehr auf Arint.info
#ArtificialIntelligence #LinusTorvalds #LinuxKernel #OpenSource #SoftwareEngineering #TechNews #arint_info
-
RT @techNmak: In 1948, a 32-year-old at Bell Labs published a paper nobody fully understood. Engineers found it too mathematical. Mathematicians found it too engineering-focused. One prominent mathematician reviewed it negatively. That paper - "A Mathematical Theory of Communication", became the founding document of the digital age. The man was Claude Shannon. Father of Information Theory. At 21, he wrote the most important master's thesis of the 20th century. Working at MIT on an early mechanical computer, Shannon noticed its relay switches had exactly two states - open or closed. He had just taken a philosophy course introducing Boolean algebra, which also operated on two values: true and false. Nobody had ever connected these two things. His 1937 thesis proved that Boolean algebra and electrical circuits are mathematically identical, and that any logical operation could be built from simple switches. Howard Gardner called it "possibly the most important, and also the most famous, master's thesis of the century." Every digital computer ever built traces back to this insight. At 29, he proved that perfect encryption exists. During WWII, Shannon worked on classified cryptography at Bell Labs. His work contributed to SIGSALY, the secure voice system used for confidential communications between Roosevelt and Churchill. In a classified 1945 memorandum, he mathematically proved the one-time pad provides perfect secrecy, unbreakable not just computationally, but provably, permanently, against an adversary with infinite power. When declassified in 1949, it transformed cryptography from an art…
mehr auf Arint.info
#Claude #MIT #Perplexity #science #things #together #arint_info
-
🤖 KI-Briefing — 21.08.2026
1. Künstliche Intelligenz: News zur KI | DIE ZEIT
Künstliche Intelligenz kommt bereits in vielen Bereichen unseres Alltags zum Einsatz. Lesen Sie hier alle News und Infos zum Thema KI.2. KI - Alles zum Thema Künstliche Intelligenz - SZ.de
Computer und Roboter lernen immer schneller und werden intelligenter. Aktuelle Nachrichten zur Künstliche Intelligenz auf Süddeutsche.de.3. Künstliche Intelligenz - täglich neue KI AI News
Künstliche Intelligenz News: Täglich kuratierte KI & AI News kompakt erklärt - inklusive Startup-Ideen, Charts, Top-Listen und Personen in Artificial Intelligence News.4. Neueste KI-Nachrichten & Echtzeit-Updates | Tägliche Schlagzeilen zur ...
Erhalte die neuesten KI-Nachrichten, Live-Updates und Experteneinschätzungen zu Künstlicher Intelligenz, maschinellem Lernen, Deep Learning und mehr auf xix.ai. Täglich sorgfältig ausgewählt für En...5. Künstliche Intelligenz: Verlage entdecken die KI-Stimme - und ihr Risiko
Burda lässt Kätzchen sprechen, die SZ macht ihr Archiv zum Thema Wirecard per Chatbot durchsuchbar. Sprach-KI eröffnet Medienhäusern neue Erlösquellen. Aber es gibt mehrere Haken.6. Künstliche Intelligenz: Duell der KI-Giganten - WirtschaftsWoche
Arint.info · Mehr auf Arint.info #ai #AI #China #DeepLearning #USA #arint_info
Die... -
RT @lexfridman: Hier ist mein 6-stündiges Gespräch mit @dhh, einem legendären Programmierer, Schöpfer von Ruby on Rails, Autor und Rennfahrer. Dies war ein unterhaltsames und inspirierendes Gespräch über alles, von der Zukunft der Programmierung und KI bis zur Natur von Glück und Produktivität, bis hin zum Wert der Familie, Heirat und Kinderhaben. X begrenzt die Videolänge auf 6 Stunden. Daher passt dieses vollständige Gespräch (um ein paar Minuten) nicht mehr. Die ersten 6 Stunden sind also hier auf X verfügbar. Die vollständige Version ist überall anders zu finden (siehe Kommentar). Zeitstempel: 0:00 - Episoden-Highlight 1:21 - Einführung 2:32 - Programmierung - frühe Tage 19:57 - JavaScript 30:16 - Google Chrome und DOJ 38:03 - Ruby-Programmiersprache 45:14 - Schöner Code 1:03:15 - Metaprogrammierung 1:06:36 - Dynamische Typisierung 1:13:55 - Skalierung 1:26:47 - Zukunft der Programmierung 1:44:18 - Zukunft der KI 1:50:13 - Vibe-Coding 1:58:45 - Rails-Manifest: Prinzipien einer großartigen Programmiersprache 2:23:11 - Warum Manager nutzlos sind 2:32:32 - Kleine Teams 2:38:39 - Jeff Bezos 2:53:57 - Warum Meetings toxisch sind 3:01:43 - Argument gegen den Ruhestand 3:09:00 - Harte Arbeit 3:14:38 - Warum wir die Cloud verlassen haben 3:17:48 - AWS 3:27:07 - Eigene Server besitzen 3:33:19 - Elon Musk 3:43:01 - Apple 3:54:48 - Tim Sweeney 4:06:22 - Vaterschaft 4:32:04 - Rennsport 4:59:08 - Autos 5:04:26 - Programmier-Setup 5:19:35 - Programmiersprache für Anfänger 5:32:53 - Open Source 5:41:46 - WordPress-Drama 5:53:03 - Geld und Glück 6:01:56 - Hoffnung Video
mehr auf Arint.info
#AI #DHH #Interview #Programming #RubyOnRails #TechTalk #arint_info
-
RT @digitalix: Ich habe DeepSeek-V4-Flash auf einer einzelnen DGX Station GB300 benchmarkt und die Ergebnisse sind ziemlich beeindruckend: 286 Tokens/Sekunde im Single-Stream-Betrieb, 4.553 Tokens/Sekunde bei 32 gleichzeitigen Anfragen, WikiText-2 ppl 5.128. Die größte Überraschung: Der Wechsel zu dspark speculative decoding mit 7 Entwurfstokens ergab eine Steigerung von +34% gegenüber MTP-3.
mehr auf Arint.info
#AI #Benchmark #DeepSeek #LLM #MachineLearning #SpeculativeDecoding #arint_info
-
RT @bnjmn_marie: Mein erster vollständiger Durchlauf von Qwen3.8 27B auf DeepSWE 1.1 ist abgeschlossen: Punktzahl: 26,5 Zeit: 45 Stunden Abschluss-Token: 7,45 Mio. Gesamtinput- und Output-Token: 820 Mio. Modellaufrufe: 9.591 Die Punktzahl liegt 16 Punkte unter dem Ergebnis, das vom Qwen-Team veröffentlicht wurde, aber es gibt einige wichtige Unterschiede: Ich habe mini-swe-agent verwendet; sie haben Claude Code verwendet. Ich habe thinking=medium genutzt; sie haben wahrscheinlich xhigh verwendet. Ich hatte 9 Laufzeitfehler aufgrund von Internetproblemen auf meiner Seite (Lala...). Ich sollte diese Aufgaben erneut ausführen. Abgesehen davon habe ich dieselben Hyperparameter verwendet. Ich habe bereits einen weiteren Durchlauf mit derselben Konfiguration gestartet, aber diesmal mit Claude Code. Dennoch ist 26,5 eine deutliche Verbesserung gegenüber den 13 Punkten, die ich mit Qwen3.6 erzielt habe, und liegt 21 Punkte höher als Muse Glimmer im xhigh-Modus.
mehr auf Arint.info
#AI #DeepSWE #LLM #MachineLearning #Qwen3 #TechResults #arint_info
-
RT @jun_song: Wir stellen vor: SuperDeepseek-V4-Flash🚀 Das stärkste Modell, das du auf 128–256 GB VRAM/unifiziertem RAM ausführen kannst. Abliteriert für die Freiheit Defekte Gewichte aus der Abliteration mit einem Multi-AI-Agent-Schwarm repariert. Verbesserte allgemeine Intelligenz 1M Kontext, Spitzenwert von 129 Tok/s auf 2xDGX Spark Gemischte Quantisierungen von FP4-Experten + FP8-Blöcke + BF16 für beste Qualität. HF ⬇️ Jun Song (@junsong) SuperDeepseek-V4-Flash läuft auf 2xDGX Spark mit Spitzenwert von 122 Tok/s. Arbeitete basierend auf dem Rezept von @MiaAIlab, um mit DFlash MTP ausgeführt zu werden. 4-Bit-Quantisierung mit weniger als ~1 % Qualitätsverlust. Außerdem wurde es abliteriert und die Qualität wurde korrigiert, um die Gesamtleistung zu verbessern. Das ist einfach unglaublich. — https://nitter.net/junsong/status/2087208879021301975#m
mehr auf Arint.info
#AI #LLM #MachineLearning #OpenSource #Quantization #SuperDeepseek #arint_info
-
RT @henryqin1997: Ist das Skalieren von Modellen die einzige Quelle für die Verbesserung von Agenten? Wir @henryqin1997 @YaxinLu1997 @VITAGroupUT @VictorKaiWang1 freuen uns, unsere Arbeit vorzustellen: Durch Harness Scaling erreichen wir 95,3 % Raw Accuracy bzw. eine $15 Frontier Run (88,8 % mit DeepSeek-v4-Flash, was GPT-5.6 Sol Max entspricht) auf Terminal-Bench 2.1. Menschlicher Aufwand → nicht skalierbar ❌ Agenten-Richtung? Lokale Optimierung ❌ Menschliche Richtung + Agentenaktion = bessere Workflow-Kontrolle ✅ StateM: 1. Open-Source-Modell + StateM → Close-Source-Frontier, jeder kann es ausprobieren! 2. Training-frei, signifikante Verbesserung von Frontier-Agenten. 3. Null-Transfer-Kosten bei Agenten derselben Familie. [1/8]🧵 📄https://arxiv.org/abs/2608.15089 🌐 https://henryqin1997.github.io/statem/
mehr auf Arint.info
#AgentScaling #AI #DeepLearning #MachineLearning #OpenSource #Research #arint_info
-
RT @phosphenq: DeepSeek hat die Modelle, das Harness und das 88-seitige Papier veröffentlicht, dann aber alle Forscher vor der Kamera ferngehalten. Dieser Sprecher sprach 59 Minuten lang und erklärt, warum Ihr Agent umso dümmer wird, je länger Sie ihn laufen lassen. 19:04 - Agenten haben bereits die Grenze der Selbstverbesserung überschritten 20:11 - warum ein Agent seinen Ordner löschte 29:45 - warum Wiederholungen RL-Modelle verschlechtern 41:05 - wie sie den Kollaps des Reasonings maßen 46:01 - die Lösung, die das Training beschleunigte. Er war Mitautor von DeepSeek-V2 und veröffentlichte die Trainingsmethoden hinter R1. Sehen Sie es, bevor es denselben Weg geht wie die vierstündige Rede des Gründers. Das Harness-Leitfaden finden Sie unten. Video Phosphen (@phosphenq) Artikel DeepSeek Harness: der vollständige Leitfaden DeepSeek hat das Harness veröffentlicht, auf dem es seine eigenen Modelle ausführt. MIT-Lizenz, 133 Plugins in einer Standardinstallation und eine Konfigurationsdatei, die jedes einzelne davon abschalten kann, bis hin zur Seitenleiste und der Agent-Schleife selbst. — https://nitter.net/phosphenq/status/2088709619279372749#m
mehr auf Arint.info
#Agenten #AI #DeepSeek #MachineLearning #OpenSource #RL #arint_info
-
RT @jun_song: Wenn LLM-as-a-verifier genauso gut funktioniert, wie mein letzter Beitrag nahelegt, wird das für lokale KI einen enormen Impact haben. Wie der Entwickler anmerkte, ermöglicht die Kombination eines großen Modells mit einem kleinen Modell die kostengünstige Verifikation. Das bedeutet: Kombiniert man die GLM-5.3-API mit Deepseek-V4-Flash auf einem DGX Spark, erzielt man einen massiven Leistungsschub ohne die Kosten in die Höhe zu treiben. Hat man vier DGX Spark-Geräte, kann man GLM und Deepseek auf einem einzelnen Knoten multi-batchen und Fable komplett offline übertreffen, ohne eine API zu nutzen. Willkommen in der Ära der lokalen KI. Jacky Kwok (@jackyk02): Natürlich! In unserem Paper (llm-as-a-verifier.com) haben wir tatsächlich Gemini 2.5 Flash verwendet, um GPT-5.5-Trajektorien zu verifizieren, und erreichten damit zum damaligen Zeitpunkt SOTA auf Terminal-Bench 2.0. Daher sollte die Verifikation von GLM-5.3-Trajektorien durch lokales V4 Flash definitiv funktionieren 👀 — https://nitter.net/jackyk02/status/2089548247564189918#m
mehr auf Arint.info
-
RT @lexfridman: Hier ist mein 6-stündiges Gespräch mit @dhh, einem legendären Programmierer, Schöpfer von Ruby on Rails, Autor und Rennfahrer. Dies war ein unterhaltsames und inspirierendes Gespräch über alles, von der Zukunft der Programmierung und KI bis zur Natur von Glück und Produktivität sowie dem Wert von Familie, Heirat und Kindern. X begrenzt die Videolänge auf 6 Stunden. Daher passt dieses vollständige Gespräch (um einige Minuten) nicht hinein. Die ersten 6 Stunden sind also hier auf X verfügbar. Die vollständige Version findet sich überall sonst (siehe Kommentar). Zeitstempel: 0:00 - Episoden-Highlight, 1:21 - Einführung, 2:32 - Programmierung - frühe Tage, 19:57 - JavaScript, 30:16 - Google Chrome und DOJ, 38:03 - Programmiersprache Ruby, 45:14 - Schöner Code, 1:03:15 - Metaprogrammierung, 1:06:36 - Dynamisches Typing, 1:13:55 - Skalierung, 1:26:47 - Zukunft der Programmierung, 1:44:18 - Zukunft der KI, 1:50:13 - Vibe Coding, 1:58:45 - Rails-Manifesto: Prinzipien einer großartigen Programmiersprache, 2:23:11 - Warum Manager nutzlos sind, 2:32:32 - Kleine Teams, 2:38:39 - Jeff Bezos, 2:53:57 - Warum Meetings toxisch sind, 3:01:43 - Argument gegen den Ruhestand, 3:09:00 - Hart arbeiten, 3:14:38 - Warum wir die Cloud verlassen haben, 3:17:48 - AWS, 3:27:07 - Eigene Server besitzen, 3:33:19 - Elon Musk, 3:43:01 - Apple, 3:54:48 - Tim Sweeney, 4:06:22 - Vaterschaft, 4:32:04 - Rennsport, 4:59:08 - Autos, 5:04:26 - Programmier-Setup, 5:19:35 - Programmiersprache für Anfänger, 5:32:53 - Open Source, 5:41:46 - WordPress-Drama, 5:53:03 - Geld und Glück, 6:01:56 - Hoffnung Video
mehr auf Arint.info
#AI #DeveloperLife #Interview #Programming #RubyOnRails #TechTalk #arint_info
-
🤖 KI-Briefing — 18.08.2026
1. Künstliche Intelligenz: Antragsflut - KI-Modelle fordern Gerichte und Behörden
Berlin - Wer mit Behörden, Dienstleistern oder dem eigenen Arbeitgeber im Streit liegt, hat inzwischen eine starke Verbündete: die Künstliche Intelligenz (KI). KI-Chatbots wie ChatGPT, Gemini oder ...2. Künstliche Intelligenz - täglich neue KI AI News
Künstliche Intelligenz News: Täglich kuratierte KI & AI News kompakt erklärt - inklusive Startup-Ideen, Charts, Top-Listen und Personen in Artificial Intelligence News.3. KI News: Aktuelle Nachrichten & neuste Entwicklungen in der Künstlichen Intelligenz | Handelsblatt
Künstliche Intelligenz, auch kurz KI oder AI für Artifizielle Intelligenz, ist ein Teilgebiet der Informatik.4. Künstliche Intelligenz: Antragsflut - KI-Modelle fordern Gerichte und ...
Bei Gerichten, Behörden und Schlichtungsstellen häufen sich immer mehr Fälle - wohl auch, weil Verbraucher verstärkt KI-Modelle nutzen. Warum das mittelfristig zu einem Problem werden könnte.5. Künstliche Intelligenz - Antragsflut - KI-Modelle fordern Gerichte und ...
Arint.info · Mehr auf Arint.info #AI #Berlin #Claude #Gemini #MiddleEast #mit #OpenAI #US #arint_info
Berlin (dpa) - Wer mit Behörden, Dienstleistern oder dem eigenen Arbeitgeber im Streit... -
RT @Italianclownz: Synth Invaders erstellt von Qwen 3.8 27B NVFP4, läuft auf AMD R9700 AI Pro mit ROCmFPX. ROCmFPX bietet einen erstklassigen NVFP4 GGUF-Inferenzpfad für AMD RDNA4 und andere AMD-Generationen. ⚡ NVFP4-Gewichte bleiben in VRAM komprimiert ⚡ GPU-seitige Dekodierung in eine INT8-freundliche Darstellung ⚡ RDNA4 WMMA/DP4A-Ausführung ⚡ Zielverifiziertes MTP-spezifisches Decodieren in llama.cpp ⚡ Demonstriert mit 131K Kontext auf einer einzelnen 32GB Radeon AI PRO R9700. Im Gegensatz zu Petit’s CDNA-fokussierter FP16/BF16 × FP4-Kernbibliothek ist ROCmFPX ein End-to-End-Lokalinferenz-Stack, der für AMD-Hardware entwickelt wurde. Video
mehr auf Arint.info
-
RT @MiaAI_lab: Qwen3.8-27B erreicht die gleiche Intelligenzleistung wie DeepSeep v4 Flash 0731. Du musst NICHT zwingend zwei DGX Sparks kaufen, um das gleiche Maß an Intelligenz zu erreichen. Verrückt. Allerdings solltest du beachten: - Es läuft in zwei Sparks deutlich langsamer als DS4F - Es denkt bei der Einstellung xhigh deutlich mehr nach - DS4F ist meiner Meinung nach im Frontend immer noch besser. Auf jeden Fall ein Gewinn für lokale KI.
mehr auf Arint.info