Anthropics 2028-Essay zur US-China-KI-Konkurrenz spaltet in 48 Stunden die Branche: Nvidia, HuggingFace und OpenAI legen unvereinbare Gegendoktrinen vor.
Anthropics "2028"-Essay setzt rekursive Selbstverbesserung als KI-Zieleinlauf und spaltet die Branche zwischen Compute-Restriktion und Open-Source-Export.
DeepSeek v4 Flash Thinking schlägt Gemini 3.1 Flash Lite in allen drei Runden eines wissenschaftlichen Reasoning-Benchmarks, einschließlich Selbstverifizierungsstabilität.
DeepSeek sammelt 3–4 Mrd. USD bei 50 Mrd. USD Bewertung über Chinas KI-Staatsfonds – offene Modelle rücken in staatliche Hände.
subQ behauptet ein 12-Millionen-Token-Kontextfenster mit 52-facher FlashAttention-Effizienz – doch Benchmarks testen nur das 1M-Preview-Modell, mit abweichenden Zahlen.
Nach Claude-Ratelimits verarbeitete ein Forscher 10M+ Tokens auf DeepSeek V4 — der Kostenunterschied war frappant. Effizienz rückt wieder in den Vordergrund.
DeepSeeks Visual-Primitives-Paper nutzt Koordinaten-Tokens im Chain-of-Thought und erreicht damit eine ~10-fache KV-Cache-Komprimierung gegenüber Sonnet 4.6 und Gemini 3 Flash.
NIST-CAISI-Bewertung: DeepSeek V4 Pro ist Chinas fähigstes KI-Modell, liegt aber laut US-Regierungsbenchmark etwa acht Monate hinter führenden US-Modellen zurück.
NIST CAISI bestätigt DeepSeek V4 Pro als führendes chinesisches KI-Modell, ~8 Monate hinter US-Modellen — MIT-lizenziert, 1M Kontext, 50–100× günstiger.
DeepSeek V4 ist erschienen: 1,6 Billionen Open-Source-Parameter, 1M Token Kontext und 3,7× weniger FLOPs als V3.2.
Matthew Berman argumentiert, DeepSeek bestätige, dass US-Open-Source-KI ohne staatliche Subventionen kein Geschäftsmodell hat; er schlägt Compute-Quoten und Beschaffungsgarantien vor.
DeepSeek v4 entfacht die US-Open-Source-KI-Debatte neu: Das Geschäftsmodell ist strukturell defekt, nur Nvidia hat aktuell die richtigen Anreize.
Entwickler berichten: DeepSeek V4 Flash mit 2-Bit-GGUF über llama.cpp liefert erstmals ein echtes Frontier-Modell-Erlebnis auf dem eigenen Rechner – ein Meilenstein für lokale KI.
Intel veröffentlicht W4A16-INT4-Quantisierungen von DeepSeek-V4-Pro und Flash via AutoRound – ohne MXFP4-Hardware lauffähig, was die Deployment-Basis für Self-Hosting erheblich erweitert.
DS2API macht DeepSeek Web als OpenAI/Claude/Gemini-kompatible APIs zugänglich – reverse-engineered, mit Haftungsausschluss, aber ein klares Signal der Nachfrage.
DeepSeek-V4 (MIT, 1M-Kontext) und Kimi-K2.6 (multimodal, 256K-Kontext) bilden den ersten vollständigen Open-Weights-Stack für KI-Agenten.
DeepSeek V4 veröffentlicht zwei Open-Weight-Modelle mit 1M-Token-Kontext ab Werk, CSA+HCA-Hybridattention und V4-Pro zum Siebtel des Opus-4.7-Ausgabepreises.
DeepSeeks 10-fache KV-Cache-Kompression verändert die KI-Kostenökonomie global und stellt US-Labs vor eine ernste strategische Herausforderung.
US-Direktor Michael Kratzios bestätigt ausländische Destillationsangriffskampagnen auf US-KI-Labore; Anthropic-Daten zeigen deutlich weniger DeepSeek-Austausche als vermutet.
DeepSeek V4-Pro als Open-Source: 1,6T Parameter, 1M Kontext, 10x KV-Cache-Reduktion gegenüber V3.2 – in 43 Minuten auf Platz 1 bei HuggingFace.
Huawei bestätigt vollständige DeepSeek V4-Unterstützung durch den Ascend 950-Supernode – Chinas eigenständiger KI-Stack nimmt Gestalt an.
DeepSeek V4-Pro startet mit 1,6 Billionen Parametern, 1-M-Kontext und 10-facher KV-Cache-Reduktion vs. V3.2 — rund 10-fache Inferenz-Parallelität auf gleicher Hardware.
Kuratierte AI-Einblicke — wir senden, wenn es sich lohnt.