AI FRONTIER
Signals worth understanding before they become obvious.
Neues OpenRouter-Modell: Particle-1 von Particle AI
Particle-1 ist ein token-effizientes agentisches Coding-Modell von Particle AI, nachtrainiert auf DeepSeek V4.1 Flash, für Terminal-Workflows, Codebasis-Änderungen und Data-Engineering-Aufgaben, das deutlich weniger Reasoning- und Tool-Call-Tokens bei einer Genauigkeit nahe dem Basismodell nutzt.
- Preis: 0,25 $ pro 1 Mio. Input-Tokens und 1,00 $ pro 1 Mio. Output-Tokens, Cache-Reads zu 0,03 $ pro 1 Mio.
- Kontextfenster von 1.048.576 Tokens, Unterstützung für bis zu 131.072 Completion-Tokens.
- Akzeptiert tools und tool_choice für Funktionsaufrufe und unterstützt strukturierte Ausgaben über ein JSON-Schema in response_format.
- Akzeptiert Text und Bilder als Eingabe und gibt Text zurück; Veröffentlichung am 28. Oktober 2026.
Für Teams, die Coding-Agenten bauen, bietet Particle-1 einen niedrigen Token-Preis und 1M Kontext zum Testen, doch die behauptete Genauigkeit nahe dem Basismodell muss unabhängig überprüft werden.
Polymathic AI und Princeton-Forscher veröffentlichen FlashMap, einen Flow-Map-Drafter mit 6,14-facher Beschleunigung der LLM-Dekodierung
Polymathic AI und Princeton-Forscher haben FlashMap veröffentlicht, einen Flow-Map-Drafter für die Dekodierung großer Sprachmodelle; das Paper-Abstract berichtet eine 6,14-fache Beschleunigung der Dekodierung.
- Das Paper-Abstract berichtet, dass FlashMap die LLM-Dekodierung 6,14-mal beschleunigt.
- FlashMap wird als Flow-Map-Drafter beschrieben.
- Die Arbeit stammt von Polymathic AI und Princeton-Forschern.
Für Teams, die Inferenz-Stacks bauen, lohnt es sich, die Drafter-basierte Dekodierungsbeschleunigung an eigenen Modellen zu testen, um zu prüfen, ob sich die berichteten 6,14x auf eigenen Workloads reproduzieren lassen.
NVIDIA Nemotron 3.5 Transcribe und Granary v2: promptbare, anpassbare mehrsprachige Transkription
NVIDIA veröffentlicht Nemotron 3.5 Transcribe, ein Open-Weight-Modell, das Transkription, Sprecherzuordnung, Übersetzung und Audio-Fragebeantwortung in einem Checkpoint vereint, zusammen mit der Granary-v2-Datenpipeline und NeMo-Speech-Fine-Tuning-Rezepten.
- Das Modell transkribiert 40 Sprachen, übersetzt 31 davon nach oder aus dem Englischen und ordnet Sprecher in 13 Sprachen zu, bei Aufnahmen bis zu einer Stunde und bis zu acht Sprechern.
- Im Hugging Face Open ASR Leaderboard für Englisch liegt es mit 5,33 % durchschnittlicher WER an erster Stelle unter den Open-Weight-Modellen.
- Bei Artificial Analysis teilt es sich mit 2,8 % AA-WER und rund 4B aktiven Parametern den ersten Platz unter Open-Weight-Modellen, gegenüber 24B beim gleichauf liegenden Modell.
- Das öffentliche Manifest von Granary v2 umfasst 463.062 Stunden in 48 Sprachen und 16 Quellkorpora, nach 25 Sprachen in Granary v1.
Entwickler können das Ausgabeformat per natürlichsprachlichem Prompt steuern und domänenspezifisches Vokabular über Granary v2 und NeMo-Speech-Rezepte anpassen, wodurch breite Mehrsprachigkeit und Fachgenauigkeit in einem Open-Weight-Modell...
Cross-Request-KV-Cache-Exposition im GLM-5.3 Workers AI-Modell und unsere Behebung mit SGLang
Der Cloudflare-Blog berichtet über eine Cross-Request-KV-Cache-Exposition im GLM-5.3 Workers AI-Modell und beschreibt eine Behebung mit SGLang.
- Die Quelle ist der Cloudflare-Blog.
- Das Problem ist eine Cross-Request-KV-Cache-Exposition im GLM-5.3 Workers AI-Modell.
- Die Behebung verwendet SGLang.
Entwickler, die GLM-5.3 auf Workers AI betreiben, sollten die KV-Cache-Isolation prüfen und die SGLang-Behebung bewerten.
OmniBrain-0: Ein einheitliches agentisches Modell für verkörperte Intelligenz
Das Xiaomi Embodied Intelligence Team stellt OmniBrain-0 vor, einen leichten, einheitlichen verkörperten Agenten, der Manipulation und Navigation über ein gemeinsames hochrangiges Entscheidungsmodell koordiniert und Aufgabenverständnis, Planung, Fortschrittsverfolgung und feedbackgesteuerte Wiederherstellung integriert...
- Die Arbeit berichtet eine Evaluierung von OmniBrain-0 auf LIBERO-Pro, LIBERO-Plus, RoboCasa365, RoboTwin 2.0 und R2R-CE Val-Unseen sowie auf mehreren realen Manipulationsaufgaben.
- Die Arbeit gibt an, dass OmniBrain-0 deutlich geringeren Inferenz- und Ausführungsaufwand als sein Closed-Source-Lehrermodell hat.
- Das Trainingsframework kombiniert verkörperte Vorabtrainierung, domänenspezialisierte Agentendestillation und Multi-Teacher-On-Policy-Destillation (MOPD).
- Rubric-Guided Recursive Self-Improvement (RSI) nutzt einen Meta-Agenten, um Ausführungsnachweise in verfeinerte Rubriken, Erinnerungen auf Schrittebene und verifizierte Trajektorien umzuwandeln.
Für Teams, die verkörperte Agenten entwickeln, zeigt diese Arbeit, dass die Destillation der Interaktionserfahrung mehrerer Lehrermodelle in ein einziges kompaktes Entscheidungsmodell den Inferenzaufwand senken und gleichzeitig domänenüberg...
MiniMax-M3.1-Flash veröffentlicht: natives multimodales MoE mit 428B Parametern und 1M-Token-Kontext
MiniMax hat MiniMax-M3.1-Flash veröffentlicht, ein natives multimodales Mixture-of-Experts-Modell auf Basis von M3 mit rund 428B Gesamtparametern und 23B pro Token aktiviert, das Text-, Bild- und Videoeingaben akzeptiert und Text mit einem Kontextfenster von bis zu 1M Token ausgibt. Gegenüber M3 nutzt es durchgängig Sp...
- Die Modellkarte nennt rund 428B Gesamtparameter, 23B pro Token aktiviert und MiniMax Sparse Attention (MSA) im gesamten Modell.
- Die Modellkarte meldet 76,2 auf BankerToolBench, 73,7 % auf DeepSWE v1.1, 61,7 auf OSWorld V2, 29,6 auf Agents' Last Exam und 82,2 auf CyberGym.
- Die Lizenz ist minimax-community, für das Serving werden SGLang, vLLM oder TokenSpeed empfohlen, Integrationen wie Transformers sind noch in Arbeit.
Für Entwickler könnten 1M-Token-Kontext zusammen mit Sparse Attention und quantisierungsbewusstem Training Speicher- und Inferenzkosten für Long-Context-Agent-Workloads senken, doch 428B Gesamtparameter erfordern weiterhin Multi-GPU-Deploym...
LOTUS: LLM-Halluzinationserkennung mittels niedrigrangiger multilinearer Zerlegung
Das Paper schlägt LOTUS (Low-rank Order-statistic TUcker-based Subspace learning) vor, ein multilineares Niedrigrang-Zerlegungsframework, das kompakte Repräsentationen aus LLM-Hidden-States extrahiert und die Abhängigkeit von gelabelten Daten verringert, um anschließend einen leichten Halluzinationsklassifikator zu tra...
- Token-Repräsentationen variabler Länge werden zunächst durch komplementäre statistische Deskriptoren zusammengefasst, die Spitzenaktivierungen, Aktivierungsverteilungen und schichtübergreifende Änderungen erfassen.
- Eine niedrigrangige multilineare Zerlegung extrahiert anschließend kompakte Repräsentationen der Hidden-State-Struktur für das Training eines leichten Halluzinationsklassifikators.
- Das Paper berichtet über mehrere LLMs und Frage-Antwort-Benchmarks hinweg eine verbesserte Halluzinationserkennung gegenüber aktuellen State-of-the-Art-Baselines.
- Das Paper umfasst 26 Seiten mit 3 Abbildungen und enthält einen Code-Link.
Für Entwickler deutet der Ansatz darauf hin, Signale aus der Hidden-State-Struktur über Schichten, Feature-Modi und Tokens zu extrahieren statt aus ausgewählten Aktivierungen oder Pooling-Kompression, was leichte Detektoren mit weniger gela...