In letzter Zeit gab es eine Reihe wichtiger Ereignisse im Bereich der künstlichen Intelligenz – von der Veröffentlichung eines leistungsstarken Open-Source-Modells über Warnungen vor Sicherheitsrisiken eines beliebten Protokolls bis hin zur Einführung umfassender Vorschriften in Kalifornien.

Ling-1T: Eine Revolution im Training, nicht in der Architektur

  • Die Firma Ant Group hat ein riesiges Open-Source-Modell namens Ling-1T mit einer Billion Parametern vorgestellt.
  • Im Gegensatz zu einigen Wettbewerbern benötigt es keinen speziellen "Denkmodus". Seine Fähigkeit zu logischem Denken ist direkt in die unmittelbare Antwort integriert, dank eines intensiven Trainings mit Daten, die Denkketten enthalten.
  • In Tests übertraf es Modelle wie GPT-5 und Gemini 2.5 Pro in 22 von 31 Benchmarks, insbesondere in Mathematik und logischem Denken.
  • Das Modell ist kostenlos erhältlich unter der MIT-Lizenz, was die Unterschiede zwischen Open-Source- und kommerziellen Modellen verwischt.

Warnung von Experten: Das MCP-Protokoll birgt erhebliche Sicherheitsrisiken

  • Eine neue Studie weist auf einen exponentiellen Anstieg der Sicherheitsbedrohungen bei Systemen hin, die das Model Context Protocol (MCP) verwenden.
  • Das Problem liegt im sogenannten Kompositionsrisiko: Die Anfälligkeit steigt exponentiell mit jedem hinzugefügten MCP-Server. Bereits zwei Server bedeuten ein Risiko von 36 %, bei 10 Servern nähert sich das Risiko 92 %.
  • Angreifer können Server missbrauchen, die Daten aus nicht vertrauenswürdigen Quellen empfangen, um unbefugte Befehle auszuführen, wie z. B. die Ausführung von Code.

Kalifornien zeigt den Weg: Die ersten umfassenden KI-Vorschriften in den USA

  • Als Reaktion auf das Fehlen bundesweiter Gesetze hat Kalifornien ein Paket von vier bahnbrechenden Verordnungen verabschiedet.
  • SB 53 verpflichtet die Entwickler der leistungsstärksten Modelle, Sicherheitsrichtlinien zu veröffentlichen.
  • SB 243 schützt Minderjährige vor schädlichen Auswirkungen von Chatbots.
  • AB 316 besagt, dass die rechtliche Verantwortung für Schäden immer dem Unternehmen und nicht der autonomen KI obliegt.
  • AB 853 schreibt vor, dass KI-generierter Inhalt klar gekennzeichnet werden muss.
  • Die Gesetze haben gemischte Reaktionen hervorgerufen; einige Unternehmen begrüßen sie, während andere vor einer Fragmentierung der Regeln warnen.

Wissenschaftler entdecken einen effizienteren Weg: Bessere Prompts ersetzen teures Training

  • Ein Forschungsteam hat einen Algorithmus namens GEPA vorgestellt, der die Fähigkeiten von KI-Agenten deutlich verbessert. Der GEPA-Algorithmus optimiert automatisch die Anweisungen (Prompts) von KI-Agenten durch einen iterativen Evolutionsprozess. Das Large Language Model (LLM) analysiert die Fehler des Agenten und passt die Anweisungen an, um diese spezifischen Fehler zu korrigieren. Es testet und wählt wiederholt die leistungsstärksten Anweisungen aus, wodurch die Leistung effizienter gesteigert wird als durch das erneute Trainieren des Modells selbst.
  • Anstatt eine aufwendige Feinabstimmung des Modells durchzuführen, generiert und optimiert diese Methode automatisch Anweisungen (Prompts) basierend auf der Analyse der Fehler des Agenten.
  • Diese Methode erzielte bessere Ergebnisse als herkömmliches Lernen und war gleichzeitig bis zu 35-mal ressourcenschonender in Bezug auf Rechenleistung.
  • Dies ist eine ideale Lösung für Situationen mit begrenzten Daten oder Rechenressourcen.

Data Points – DeepLearning.AI von Andrew Ng / gnews.cz – GH