AI FRONTIER
Signals worth understanding before they become obvious.
OpenRouter führt Tencent Hy4 ein: 1M-Kontext und erstmals visuelles Verständnis
Das offizielle Hy4-Release von Tencent soll umfassende und substanzielle Verbesserungen gegenüber Hy4 Preview liefern, mit besonders starken Zuwächsen bei agentischen Fähigkeiten und langfristigen realen Produktivitätsaufgaben, und führt erstmals visuelles Verständnis ein.
- Das Kontextfenster beträgt 1.048.576 Tokens und unterstützt bis zu 65.536 Completion-Tokens.
- Der Preis liegt bei 0,417 $ pro 1 Mio. Input-Tokens und 1,251 $ pro 1 Mio. Output-Tokens, Cache Read bei 0,021 $ pro 1 Mio. Tokens, alle mit 50 % Rabatt ausgewiesen.
- Es akzeptiert Text und Bilder als Eingabe und gibt Text zurück und unterstützt Funktionsaufrufe über tools und tool_choice sowie strukturierte Ausgaben über ein JSON-Schema in response_format.
- Veröffentlicht am 4. November 2026, gehostet von einem einzigen Anbieter, Tencent Cloud, wobei OpenRouter jede Anfrage direkt weiterleitet.
Für Entwickler eignet sich die Kombination aus 1M-Kontext, Tool-Aufrufen und erstmaliger Bildeingabe für Produktionsagenten, die Bilder lesen und zugleich lange mehrstufige Aufgaben ausführen.
moonshotai/Kimi-K3.1-Pro: ein offenes multimodales Agentenmodell mit 2,8 T Parametern
Kimi K3.1 Pro ist ein offenes, nativ multimodales Agentenmodell, das aus Kimi K3 durch groß angelegtes gemeinsames Reinforcement Learning nachtrainiert wurde und ein Kontextfenster von einer Million Token bietet.
- Insgesamt 2,8 T Parameter, 104 B aktivierte Parameter, 93 Schichten, Mixture-of-Experts-Architektur mit 16 ausgewählten Experten pro Token.
- Kontextlänge 1048576, Vision-Encoder MoonViT-V2 mit 401 M Parametern.
- Quantisierung mit MXFP4-Gewichten und MXFP8-Aktivierungen sowie quantisierungsbewusstem Training.
- Die Modellkarte berichtet 65,7 bei Terminal-Bench 4.0, 51,7 bei SWE Marathon v1.1 und 70,0 bei HLE-Full w/ tools.
Für Entwickler verbindet dieses Modell einen Kontext von einer Million Token und native multimodale Eingaben mit offenen Gewichten sowie Bereitstellung über vLLM, SGLang und TokenSpeed, was für langkontextige Agenten und Dokumentenanalyse g...
Dharma Field Extractor: Beliebiges Dokument hinein, strukturierte Felder als JSON heraus
Dharma-AI hat Dharma Field Extractor veröffentlicht, ein Modell mit 2 Milliarden Parametern, das angeforderte Felder aus jedem Dokumenttyp extrahiert und strukturiertes JSON zurückgibt, im offenen und im schema-gesteuerten Modus.
- Das Basismodell ist DharmaOCR-LITE v1.1, ein Checkpoint mit 2 Milliarden Parametern, auf dem ein LoRA-Adapter mit 43.384 Trainingsbeispielen für beide Anfragemodi trainiert wurde.
- Das Modell erreichte 0,834 und lag damit über jeder getesteten Frontier-Konfiguration, von Claude Opus 5 mit 0,816 bis GPT-5.6 Luna mit 0,741.
- Die Kosten liegen etwa 6-mal niedriger (GPT-5.6 Luna) bis etwa 147-mal niedriger (GPT-5.6 Sol) als bei Frontier-APIs; die Selbsthosting-Kosten sind GPU-Zeit auf einer einzelnen L40S zu 2,24 US-Dollar pro Stunde.
Für die feldextraktion aus Dokumenten kann ein selbst gehostetes spezialisiertes Modell mit 2 Milliarden Parametern Frontier-APIs im selben Benchmark zu geringeren Kosten übertreffen.
Circuit Oracle: Automatisierung der Attributionsgraphen-Analyse über natürlichsprachliche Abfragen
Circuit Oracle ist ein gebrauchsfertiges LLM mit einem Multi-Agenten-Harness und aufgabenspezifischen Skills, das natürlichsprachliche Fragen zu einem Zielmodell beantwortet, indem es den Attributionsgraphen über Tool-Aufrufe liest. Die Arbeit evaluiert es an drei sicherheitsrelevanten Proxy-Aufgaben mit gemischten Erg...
- Bei der Erkennung von Scheinmerkmalen erreicht Circuit Oracle eine Genauigkeit von 78,2 ± 2,4 % und übertrifft einlagige Feature-Ranking-Baselines.
- Bei der Secret-Elicitation bleiben trainierte Selbsterklärer wie Activation Oracles die stärkere Baseline.
- Bei der Refusal-Unterdrückung über 50 Prompts liegt seine einzelne festgelegte Intervention leicht unter einer Diff-in-Means-Baseline und übertrifft diese nur, wenn das Beste aus fünf Versuchen erlaubt ist.
- Die Ergebnisse sind über fünf Läufe und über Modellwahlen für die Agenten hinweg stabil.
Die Attributionsgraphen-Analyse lässt sich durch einen natürlichsprachlichen Agenten teilweise automatisieren, doch die berichteten Ergebnisse bleiben bei Secret-Elicitation und Refusal-Unterdrückung hinter spezialisierten Baselines zurück,...
MEMENTO: Kontextmanagement für Agenten zur Verarbeitung langer Kontexte lernen
Die Arbeit stellt MEMENTO vor, einen auf Qwen3-8B aufgebauten Langkontext-Agenten, der Kontextmanagement durch Kompaktierung lernt: Zunächst wird er durch Fine-Tuning auf synthetischen Trajektorien mit nachträglich erzeugten Notizen initialisiert, dann mit RL über eine Belohnung aus Antwortkorrektheit, Notizqualitäts-H...
- Die Arbeit berichtet, dass MEMENTO im selben Harness einen GPT-5.5-Agenten (13,1 %) und den vollständigen Buchkontext (56,7 %) bei weniger als 1/50 der Kosten übertrifft.
- Die Arbeit berichtet, dass MEMENTO einen etwa 100-mal größeren GLM-5.3-Agenten (69,3 %) bei 1/9 der Kosten nahezu erreicht und bis auf 6,4 Punkte an den vollständigen GLM-5.3-Kontext bei 1/26 der Kosten herankommt.
- Die Arbeit gibt an, dass handelsübliche agentische Modelle, darunter GPT-5.5 und GLM-5.3, oft unwirksame Notizen schreiben und RL allein selten nützliches Notizverhalten entdeckt.
Für Entwickler von Langkontext-Agenten legen die Ergebnisse nahe, dass das Training einer expliziten Kompaktierungsstrategie in einem festen 20K-Token-Fenster buchbezogene QA-Genauigkeit zu weit geringeren Kosten erreichen kann als deutlich...
GAVAGAI: Referenzielle Ausrichtung für sprachlich-visuelle Modelle im Säuglingsmaßstab mittels balanciertem optimalem Transport
Die Arbeit fügt dem Next-Token-Captioning-Ziel eine referenzielle Variable hinzu, indem jede Szene als kleines Zuordnungsproblem zwischen gehörten Inhaltswörtern und gesehenen Regionen behandelt und als entropischer optimaler Transport unter einer NOTHING-Spalte und einer Kapazitätsbeschränkung gelöst wird. Auf dem SAY...
- Der Ausrichtungsschritt kostet etwa acht Sinkhorn-Iterationen, wenig im Vergleich zum visuellen Encoder.
- Eine Ein-Parameter-Version des Modells reproduziert die Genauigkeit des adulten situationsübergreifenden Lernens über drei Ambiguitätsbedingungen mit RMSE 0,024.
Für sprachlich-visuelle Modelle, die unter hohen Nicht-Referenzraten trainiert werden, liefert eine explizite Wort-zu-Region-Zuordnungsvariable Grounding-Druck, den ein Captioning-Ziel allein nicht hat, obwohl die Arbeit berichtet, dass sie...
Humanisiert, aber noch wahr? Audit von Fakten und Erkennung in KI-Text-Humanisierern
Die Arbeit nutzt einen regelbasierten Prüfer, um zu auditieren, ob KI-Humanisierer Zahlen, Daten, Personen- und Organisationsnamen sowie zitierte Passagen bewahren, und testet, ob ein Allzweck-Entscheidungsmodell, Jev, menschliche Originale von humanisierten Umschreibungen trennt.
- Im Oktober-2026-Zyklus änderten oder entfernten alle 11 kommerziellen Werkzeuge mindestens eine prüfbare Einheit in 35-65 % der Dokumente, die eine enthielten.
- Zählt man nur Zahlen und Namen, änderten 10 der 11 Werkzeuge noch mindestens eine in 20 % oder mehr der Dokumente.
- Ein offener 12B-Humanisierer behielt mindestens 97 % der Zahlen und Namen in faktenreichen Texten US-amerikanischer Bundesbehörden, formulierte aber 67-78 % der zitierten Passagen um.
Entwickler von Humanisierungs- oder Erkennungspipelines sollten die Bewahrung prüfbarer Fakteneinheiten separat messen, da Detektor-Umgehung und Faktenbewahrung nicht klar zusammenhingen.
Transformers führt Model Integration Contracts ein
Hugging Face schlägt Model Integration Contracts (MIC) vor, die echte Checkpoints zu kleinen Fixtures verkleinern und einen Nutzungspfad auf CPU ausführen, um mit menschlich geprüften Baselines zu vergleichen und Regressionen bereits im PR-Stadium zu erkennen.
- Das UMT5-Fixture verwendete 66 MB an Gewichten, während der Quell-Checkpoint 1.227 MB umfasst.
- Die UMT5-Regression bestand von ihrer Einführung am 30. Juli 2026 bis zur Korrektur am 28. September, wobei Log-Wahrscheinlichkeiten um 1,22 und die Trainingsverlust um etwa 0,20 von der Baseline abwichen.
- Llama 4 Scout schrumpfte von 108,6 Milliarden Parametern auf 44,7 Millionen, wobei der Vision-Stack von 34 auf 2 Schichten und der Sprach-Stack von 48 auf 4 reduziert wurde.
- In der Studie zur Gewichtsinitialisierung erkannten zufällige Whisper-Fixtures 18 von 24 injizierten Fehlern, während überangepasste Fixtures alle 24 erkannten.
Builder können MICs als kostengünstige CPU-seitige PR-Prüfung einsetzen, sollten aber beachten, dass der MIC-Job Stand 1. November 2026 Fehler meldet, ohne PRs zu blockieren.