Quasar 438B: Europas führendes KI-Modell übertrifft Mistral und Nemotron
Quasar 438B: Europe's Leading AI Model
Multiverse Computing hat mit Quasar 438B sein erstes großes Reasoning-Modell für Enterprise-Agenten und Coding veröffentlicht. Mit einem Wert von 43 im Artificial Analysis Intelligence Index ist es das bestbewertete europäische Modell und übertrifft Mistral Medium 3.5 (30) und NVIDIA Nemotron 3 Ultra (38). Quasar liefert 500 Token in 15,3 Sekunden – schneller als die meisten Modelle mit höherem Score – und glänzt bei langen Kontexten (AA-LCR: 75,0) sowie bei Terminal-Bench (69,3). Das Modell unterstützt Englisch und Spanisch und ist über die CompactifAI API verfügbar.
Quasar ist nicht nur intelligent, sondern auch schnell: Es liefert 500 Token – inklusive Denkzeit – in 15,3 Sekunden.
- fantyoon
Vielleicht lese ich das falsch. Aber sie scheinen stark anzudeuten, dass sie dieses Modell trainiert haben. Oder zumindest wollen sie den Eindruck erwecken, dass das der Fall ist. Sonst ergibt die Zeile "Europas führendes Modell" nicht viel Sinn.
Ihr Kerngeschäft ist es, Parameter aus Modellen zu entfernen [1], und ich denke, das ist GLM 5.2 mit entfernten Parametern. Es wird in ihrem Changelog [2] als "Fähigkeiten sind identisch mit GLM 5.2" beworben, es hat dieselben zwei Aufwandseinstellungen "high" und "max", und beide sind nur Text [3]. Ich könnte mich irren, aber ich würde gerne mehr darüber hören, was sie getan haben, bevor ich meine Meinung ändere.
Persönlich bin ich kein großer Fan des Marketings. Unabhängig davon, was dieses Modell ist.
[1]: https://multiversecomputing.com/compactifai/deployment
[2]: https://docs.compactif.ai/changelog/#added-3
[3]: https://docs.compactif.ai/features/multi-modality/#compatibi...
- pu_pe
Die Firma kommt mir wie heiße Luft vor. Von ihrer Über-uns-Seite:
> Im Herzen der Multiverse-Plattform steht CompactifAI, eine Komprimierungstechnologie, die Tensor-Netzwerke, ein mathematisches Rahmenwerk aus der Quantenphysik, auf das Problem der KI-Modellkomprimierung anwendet. Diese Anwendung wurde vom Mitbegründer und Chief Scientific Officer Dr. Román Orús Pionierarbeit geleistet und reduziert die Größe großer Sprachmodelle um bis zu 80-95% mit 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 quantenmaschinelles Lernen zur Lösung überwachter Lernprobleme verwendet.
Ich wäre nicht überrascht, wenn diese Typen einfach ein offenes chinesisches Modell feinjustiert und es gut sein lassen haben.
- espadrine
Ich wünsche mir, dass diese Firma 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 feinjustiert.
Es gibt jedoch einige Dinge, die mir Sorgen machen.
• Sie geben weder die Anzahl der aktiven Parameter an noch, ob sie das Modell vortrainiert haben. Es könnte eine MiniMax-M3-Feinjustierung 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 die erste Firma mit einer auffälligen Veröffentlichung, wie Brampton Intelligence[1] oder SubQ[2].
Im Gegensatz zu denen scheinen sie jedoch Erfahrung mit dem Feinjustieren von Modellen zu haben. Trotz meiner Bedenken drücke ich ihnen die Daumen, dass sie lernen, Modelle zu trainieren.
[0]: https://huggingface.co/MultiverseComputingCAI
- walrus01
Ich möchte nicht, dass offene Gewichtsmodelle 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 200GB 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 von seinen Fähigkeiten nicht umgehauen war, ist es für viele Zwecke auch 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 Aufnahme 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?
- Roark66
Wenn die Gewichte geschlossen sind, glaube ich keiner Benchmark.
Ich habe gerade Qwen3.8-27B dazu gebracht, zusätzliche 10% auf 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 sagt es dem Modell.
- 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, offene Gewichtsmodelle werden auf die nackte Modellqualität getestet. "Frontier"-Modelle werden als Modell plus was auch immer für eine geheime Soße sie davorstellen getestet.