Modelle11. August 2026

Meta veröffentlicht Llama 3.1 405B, um die Führung bei Open-Source-KI zu übernehmen

Meta hat Llama 3.1 405B veröffentlicht, das erste Open-Weight-Modell auf Frontier-Niveau, das mit führenden proprietären Systemen konkurrieren soll. Mark Zuckerberg argumentiert, dass Open-Source-Entwicklung entscheidend ist, um einen Wettbewerbsvorteil gegenüber globalen Rivalen zu behalten und gleichzeitig ein transparenteres Ökosystem zu fördern.

Warum das wichtig ist

Für Unternehmen bietet dies eine leistungsstarke Alternative zu geschlossenen Modellen und ermöglicht eine bessere Anpassung sowie Kontrolle über sensible Daten. Es signalisiert einen Wendepunkt, an dem Open-Source-Modelle endlich mit den Fähigkeiten der fortschrittlichsten proprietären Plattformen mithalten können.

Kernpunkte

Llama 3.1 405B bietet in wichtigen Benchmarks eine Leistung, die mit GPT-4o vergleichbar ist.
Das Modell unterstützt ein deutlich erweitertes Kontextfenster von 128k.
Metas Strategie konzentriert sich darauf, Open-Source zum Industriestandard für die KI-Entwicklung zu machen.

Passende Lösungen

Generative KI Sovereign AI KI-Apps & Plattformen

Alle KI-Nachrichten

Mehr KI-Nachrichten

Modelle

Moonshot AI stellt Kimi K3.1 Pro und High-Speed-Variante für die kommerzielle Evaluierung vor

Moonshot AI hat sein Modell Kimi K3.1 Pro zusammen mit einer speziellen High-Speed-Version für eine schnellere Verarbeitung offiziell eingeführt. Unternehmen, die die Veröffentlichung prüfen, untersuchen die Betriebskosten und die Datenverarbeitungsrichtlinien des Anbieters genau, bevor sie sich für den Produktiveinsatz entscheiden.

Modelle

Kimi K3.1 Pro sichert sich den fünften Platz auf dem SevenLab AI Leaderboard

Kimi K3.1 Pro des Entwicklers Kimi ist offiziell in die Top Ten des SevenLab AI Leaderboards eingestiegen und belegt insgesamt den fünften Platz. Der Benchmark bewertet führende Basismodelle anhand einer speziellen wertbereinigten Methodik, die auf Evaluierungsdaten von Artificial Analysis basiert.

Modelle

Auswahl von Enterprise-Hardware für lokale LLMs priorisiert Speicherkapazität und Bandbreite

Unternehmensteams, die Hardware für die lokale Ausführung von Sprachmodellen evaluieren, müssen Speicherkapazität und Bandbreite gegenüber reiner Rechenleistung priorisieren. Die Unified-Memory-Architektur ermöglicht es Entwickler-Workstations, Modelle mit größeren Parametern direkt in den Speicher zu laden. Planungsverantwortliche prüfen diese Spezifikationen, um eine kosteneffiziente On-Device-Inferenz sicherzustellen.

Ready to build something extraordinary?

15 minutes. No pitch deck. Just a conversation about what AI can do for your team.

Talk directly with our AI specialists

15 Min, unverbindlich

Kein Verkaufsdruck

Prototyp in 7 Tagen