Quasar 438B: Europas führendes KI-Modell übertrifft Mistral und Nemotron

Das Unternehmen kommt mir wie heiße Luft vor. Von ihrer Über-uns-Seite:

> Im Herzen der Multiverse-Plattform steht CompactifAI, eine Kompressionstechnologie, die Tensor-Netzwerke, einen mathematischen Rahmen aus der Quantenphysik, auf das Problem der KI-Modellkompression anwendet. Diese Anwendung wurde von Mitbegründer und Chief Scientific Officer Dr. Román Orús entwickelt und reduziert die Größe großer Sprachmodelle um bis zu 80-95% bei vernachlässigbarem Genauigkeitsverlust.

Ironisch, wenn man bedenkt, dass sie ein 438B-Modell veröffentlichen, das gegen ein 27B-Modell verliert. Von einem anderen Teil:

> Singularity Machine Learning ist ein Cloud-Dienst, der Quantenmaschinenlernen zur Lösung überwachter Lernprobleme nutzt.

Ich wäre nicht überrascht, wenn diese Typen einfach ein offenes chinesisches Modell feinabgestimmt und es einen Tag genannt haben.

Ich wünsche mir, dass dieses Unternehmen großartige Modelle hat. Ich bin froh, so gute Ergebnisse zu sehen.

Ich sehe, sie haben ein HuggingFace-Konto[0] und haben in der Vergangenheit GPT-OSS, Nemotron und Qwen unter neuen Namen feinabgestimmt.

Es gibt jedoch einige Dinge, die mich beunruhigen.

• Sie geben weder die Anzahl der aktiven Parameter an noch, ob sie das Modell vortrainiert haben. Es könnte eine MiniMax-M3-Feinabstimmung sein, da die Parameterzahl fast übereinstimmt (435B vs. 438B).

• Sie erwähnen die Verwendung von Quantenalgorithmen in anderen Projekten: https://multiversecomputing.com/singularity, obwohl Quantenalgorithmen derzeit normalerweise nicht nützlich sind.

Es wäre nicht das erste Unternehmen mit einer auffälligen Veröffentlichung, wie Brampton Intelligence[1] oder SubQ[2].

Im Gegensatz zu denen scheinen sie jedoch Erfahrung mit der Feinabstimmung von Modellen zu haben. Trotz meiner Bedenken drücke ich ihnen die Daumen, dass sie lernen, Modelle zu trainieren.

[0]: https://huggingface.co/MultiverseComputingCAI

[1]: https://x.com/newsystems_/status/1904577550690771050

[2]: https://subq.ai/introducing-subq

Ich möchte nicht, dass Open-Weight-Modelle aus China die einzigen brauchbaren lokal gehosteten Dinge sind (deepseek v4 flash 0731 Q8, qwen 3.8-flash-next Q8, GLM-5.3-Flash) in der Klasse unter 200 GB RAM.

Ich möchte, dass Dinge wie Mistral und Laguna (nicht-CN) erfolgreich sind. Ich habe etwa eine Woche damit verbracht, Laguna S 2.1 als Test zu verwenden, und obwohl ich nicht von seinen Fähigkeiten umgehauen wurde, ist es für viele Zwecke völlig akzeptabel.

Ich hoffe wirklich, dass diese Quasar-Leute lernen, dass, wenn man ein neues Modell ankündigt und es bereits schlechter abschneidet als Dinge, die Leute von HuggingFace herunterladen und/oder Zugang zu sehr billigen Token-Plänen über OpenRouter oder OpenCode kaufen können.. Wenn Ihr neues Modell nur über API verfügbar ist und die Leute es nicht herunterladen/untersuchen können, wird es sehr wenig Akzeptanz und reale Nutzung erfahren.

Ich kann es als Nischenmarkt für europäische Souveränitätsangelegenheiten sehen, wenn es absolut notwendig ist, gehostet und in Europa betrieben, sicher. Genau wie Mistral. Das ist eine Nische, die existiert, es gibt wahrscheinlich genug Platz für ein paar bescheidene Unternehmen, die das tun ... schätze ich?

Wenn die Gewichte geschlossen sind, glaube ich keiner Benchmark.

Ich habe gerade Qwen3.8-27B dazu gebracht, zusätzliche 10% bei SWE Pro zu erzielen, indem ich einen Proxy davor geschaltet habe, der ein paar einfache "Harness-ähnliche Funktionen" hat:

- wenn das Modell feststeckt, sagt es ihm "mach weiter"

- wenn es keine Ausgabe sendet, fehlerhaftes JSON, in ein falsches Tool-Nutzungsformat verfällt usw., fordert es es auf, "es besser nochmal zu versuchen"

- erkennt Wiederholungen und teilt es dem Modell mit.

- injiziert einen Prompt über "Planung der Tool-Nutzung", wenn es scheint, dieselben Tools wiederholt zu verwenden.

- injiziert eine Erinnerung, dass es Tools verwenden kann, wenn es über X Nachrichten keine Tool-Nutzungen gibt.

10% - nur damit.

Ich habe mehr zu testen. Mein Punkt ist, Open-Weight-Modelle werden auf die nackte Modellqualität getestet. "Frontier"-Modelle werden als Modell + was auch immer für geheime Soße sie davorstellen getestet.

Wusste nicht, dass das "bestbewertete EU-Modell" eine niedrige Messlatte hat, niedriger als Qwen3.8-27B, aber trotzdem Glückwunsch zum Meilenstein, hoffentlich werden die nächsten Iterationen von hier aus besser

Als Europäer: Es ist mir egal, woher ein Open-Weight-Modell kommt.

Was ich will, ist ein Modell, das mit Daten trainiert wird, die offen verfügbar sind, wobei die Daten von der Wissenschaft kuratiert werden. Ich will keinen Unternehmensmüll in meiner KI (es sei denn, er wurde ordentlich gefiltert).