Künstliche IntelligenzKI-Weltkarte – Archiv

Neue Unternehmensplattform, um KI-Agents über ihren ganzen Lebenszyklus zu bauen, zu betreiben, abzusichern und zu überwachen, mit eingebauter Sicherheit auf Betriebsebene.

Mit der Kimi-App (ab 3.1.0) lassen sich Aufgaben in Kimi Work auf dem eigenen Rechner vom Handy aus starten, verfolgen und freigeben. Die Tasks laufen lokal, Dateien und Zugangsdaten bleiben auf dem Rechner.

Die alte Python-CLI ist archiviert, letztes Release 1.52.0. Konfiguration und Sessions lassen sich mit kimi migrate in Kimi Code übernehmen.

Nimmt Text, Bild, Audio und Video als Eingabe, mit und ohne Thinking-Modus, Function Calling, Websuche und Context Cache. Die Realtime-Variante läuft über WebSocket/WebRTC und kann entfernte MCP-Tools aufrufen.

Neues Standardmodell in Kimi Code, das laut Moonshot fast an K3 heranreicht und effizienter denkt als K2.7 Code. Thinking-Stufen low/high/max, 1M Kontext in allen Abo-Stufen; die Model-ID bleibt gleich.

Alibabas bisher größtes Qwen-Flaggschiff: MoE mit 2,4 Billionen Parametern (95B aktiv), stark in Coding, Büroarbeit, Recherche und langen Agent-Aufgaben. Über Model Studio heißt es qwen3.8-max (1M Kontext, Bild- und Video-Eingabe, eingebaute Tools; aktueller Snapshot qwen3.8-max-0902), international $2/$6 pro 1M Tokens (Input/Output). Die Gewichte liegen als Qwen3.8-2.4T-A95B auf HF, unter eigener Lizenz; die API-Version hat laut Model Card zusätzlich Bild-Eingabe und Nicht-Thinking-Modus. Beim ersten Stand übersehen.

MoE-Modell mit 770B Parametern (49B aktiv) und über 1M Token Kontext, gebaut für Coding, Büroarbeit, Spieleentwicklung und Forschung. API über Tencent Cloud TokenHub und OpenRouter, $0,834/$2,501 pro 1M Tokens (Input/Output).

Tencents Agents für Programmierung (CodeBuddy) und Büroarbeit (WorkBuddy), die eng mit den Hunyuan-Modellen abgestimmt werden. Hy4 preview ist seit dem Launch weltweit dort verfügbar und war zwei Wochen gratis.

Tencents Verbraucher-Assistent. Hy4 preview steht laut Tencent auch in Yuanbao und ima zur Verfügung.

Das erste nativ multimodale Modell der GLM-5-Serie (320B Parameter, 18B aktiv). Es kombiniert lineare und sparse Attention und kostet laut Z.ai ein Zehntel von GLM-5.2. Vor dem Release lief es anonym als ox-alpha auf OpenCode und OpenRouter und wird auf chinesischen KI-Chips betrieben.

Z.ais eigener Coding-Agent: Goal-Modus, der plant, codet, testet und prüft, Fernsteuerung langer Tasks über WeChat oder Feishu und mit GLM-5.3-Flash auch Browser Use und Computer Use. Anmeldung mit Z.ai-Konto oder Coding-Plan-Key.

Experimentelle Vorschau auf die Architektur, auf der Qwen 4 aufbauen soll, unter anderem mit N-Gram-Embeddings als zusätzlicher Skalierungsachse. Läuft mit Transformers, vLLM und SGLang; die Produktversion heißt Qwen3.8-Flash (API, 1M Kontext).

Dichtes Vision-Language-Modell mit 27B Parametern, das Bilder und Videos versteht und Thinking flexibel steuern lässt. Es ist das aktuelle Apache-2.0-Modell der Qwen3.8-Reihe, mit FP8-Variante.

Coding-Abo von Z.ai für Claude Code, OpenCode, ZCode und andere. In Claude Code reichen ANTHROPIC_BASE_URL=https://api.z.ai/api/anthropic und der Plan-Key, die Claude-Modelle werden dann auf GLM-5.3 bzw. GLM-5.3-Flash umgeleitet. Seit GLM-5.3 gilt ein Punkte-Kontingent, außerhalb der Spitzenzeiten zum halben Satz.

Zhipus offenes Framework für Post-Training per Reinforcement Learning (Megatron fürs Training, SGLang für die Rollouts), auf dem GLM-5.2 und GLM-5.3 trainiert wurden. Laut Z.ai ist der Durchsatz bei langen Coding-RL-Aufgaben um mehr als das 2,3-Fache gestiegen.

Finale Version von DeepSeek-V4-Pro (1,6T Parameter, 49B aktiv, 1M Kontext). Sie ersetzt die Preview vom April und bringt deutlich stärkere Agent-Fähigkeiten sowie ein DSpark-Modul für spekulatives Decoding. Über die API als deepseek-v4-pro verfügbar.

Erzeugt aus Songtext und Stilbeschreibung ganze Songs mit Gesang bis fünf Minuten Länge (32 kHz Stereo). Läuft als diffusers-Pipeline.

Omnimodales Generierungsmodell, das Videos mit nativem Stereo-Ton bis 2K und 15 Sekunden erzeugt, aus Text, Bild, Video oder Audio. Die Vorverarbeitung H3-Context-IR und die Sparse-Attention-Implementierung sind noch nicht offen. In Hailuo AI ist H3 live.

Multimodales MoE-Modell mit 2,8 Billionen Parametern, gebaut auf Kimi Delta Attention und Attention Residuals, mit 1M-Token-Kontext. Laut Moonshot das erste offene Modell der 3T-Klasse. Zusammen mit den Gewichten erschienen der Technikbericht und Infrastruktur-Code (MoonEP, FlashKDA).

Zwei Bausteine aus dem K3-Training: MoonEP ist eine Kommunikationsbibliothek für Expert-Parallelism bei sehr großen MoE-Modellen, FlashKDA ein schneller Kernel für Kimi Delta Attention (laut Moonshot 1,72–2,22-mal schnelleres Prefill auf H20).

Neue Seed-Modellfamilie für produktive Arbeit: zuverlässigere Agents, durchgängiges Coding, besseres Bild- und Videoverständnis sowie Computer Use (Spitzenwert auf MobileWorld). Verfügbar im Doubao-Ökosystem und über Volcano Engine.

Auf Coding getrimmtes Agent-Modell auf Basis von K2.6. Laut Moonshot verbraucht es rund 30 % weniger Thinking-Tokens und löst lange Coding-Aufgaben deutlich besser.

Agent- und Coding-Modell mit eigener Sparse Attention (MSA), 1M-Token-Kontext und nativer Bild- und Video-Eingabe, inklusive Desktop-Bedienung. Laut MiniMax das erste Open-Weights-Modell, das alle drei Fähigkeiten vereint. Thinking lässt sich an- und abschalten.

Agent-Produkt, das zusammen mit M3 trainiert wurde. Ein Agent-Team mit Producer/Verifier-Schleife arbeitet laut MiniMax tagelang autonom; dazu kommen Computer Use (auch vom Handy aus angestoßen) und eine Deep-Research-Skill.

Abo für M3 sowie Bild, Sprache und Musik aus einem gemeinsamen Kontingent: Plus $20 (~1,7 Mrd. Tokens/Monat), Max $50, Ultra $120. Nutzbar auch mit MiniMax Code.

Effizientes multimodales MoE-Modell (196B Parameter, 11B aktiv) für Agents, das mit Claude Code, KiloCode, Hermes Agent und OpenClaw zusammenarbeitet. Im Advisor-Modus fragt es nur an schwierigen Stellen ein größeres Modell. Läuft mit vLLM, SGLang, Transformers und llama.cpp (GGUF) und ist auch als NVIDIA NIM verfügbar.

Neues ERNIE-Flaggschiff mit Verbesserungen bei Agents, Reasoning und kreativem Schreiben. Laut Baidu kostete das Vortraining nur 6 % vergleichbarer Modelle. Die Gewichte sind nicht offen.

Offenes Weltmodell, das aus Text oder Bildern begehbare 3D-Welten erzeugt und aus Mehrfachansichten oder Videos 3D rekonstruiert (mit WorldMirror 2.0, HY-Pano 2.0 und WorldStereo 2.0).

Offenes Text-zu-Bild-Modell auf Basis eines Single-Stream-Diffusion-Transformers (8B DiT-Parameter), mit Demos auf HF und AI Studio.

Etabliertes Framework für Anwendungen auf Basis von Qwen ≥ 3.0, mit Function Calling, MCP, Code-Interpreter, RAG und Chrome-Erweiterung.

Kompaktes Vision-Language-Modell mit 0,9B Parametern, das Dokumente auch unter realen Bedingungen ausliest (94,5 % auf OmniDocBench v1.5).

Medizinisches LLM von Baichuan für Anamnese und klinische Entscheidungsunterstützung, mit gezielten Rückfragen und weniger Halluzinationen. Nur für Forschung und Unterstützung gedacht, nicht als Ersatz für ärztliche Diagnosen.

Baidus wichtigste offene LLM- und VLM-Familie: 10 Varianten bis 424B Parameter (MoE mit 47B bzw. 3B aktiv). Dazu gehören Werkzeuge für Feintuning (ERNIEKit) und Deployment mit OpenAI-kompatiblem Server (FastDeploy).