o1-Pro, DeepSeek, QwQ-32B und Gemini 2 Flash: Neue Möglichkeiten, neue Regeln

12/18/24 • 23 min

Der Weg nach KAI – Episode 47: o1-Pro, DeepSeek, QwQ-32B und Gemini 2 Flash: Neue Möglichkeiten, neue Regeln
Diese Episode beginnt mit einer liebevollen Reminiszenz an Douglas Adams' "Per Anhalter durch die Galaxis" und zieht dabei Parallelen zwischen dem fiktiven Supercomputer Deep Thought und den neuesten KI-Modellen wie DeepSeek. Sie eröffnet den Dialog über moderne "Reasoner" - KI-Systeme, die für logisches Denken und komplexe Schlussfolgerungen optimiert wurden.
Wir widmen uns besonders den bemerkenswerten Fortschritten chinesischer KI-Entwickler. Mit DeepSeek und Alibabas QWQ-32B-Preview werden zwei Modelle vorgestellt, die trotz ihrer vergleichsweise bescheidenen Größe beeindruckende Leistungen zeigen und damit die bisherigen Annahmen über den technologischen Rückstand Chinas widerlegen.
Ein weiterer Schwerpunkt liegt auf OpenAIs aktueller Produktoffensive, insbesondere der Einführung von o1-Pro und des neuen Premium-Angebots "ChatGPT Pro". Wir analysieren die Vor- und Nachteile dieser Angebote sowie deren Preisgestaltung und weitreichende Implikationen für professionelle Anwender.
Anhand konkreter Beispiele aus der Softwareentwicklung und der medizinischen Forschung sehen wir das praktische Potenzial moderner KI-Systeme, am Beispiel der innovativen Anwendung von Gaming-Konzepten in der Krebsforschung durch Dr. Derya Unutmaz.
Abschließend untersuchen wir die Entwicklung kleinerer, aber hocheffizienter Modelle wie Gemini 2 Flash von Google mit seinen multimodalen und agentischen Fähigkeiten.

Vorherige Episode

Digitale Transformation 2025: Cursor, MCP und die kundenorientierte Automatisierung

Der Weg nach KAI – Episode 46: Digitale Transformation 2025: Cursor, MCP und die kundenorientierte Automatisierung
Diesmal thematisieren wir die Konsequenzen der KI-gestützten Softwareentwicklung und neue Standards für die Integration von KI in Unternehmensumgebungen.
Die Integrated Development Environments (IDEs) ermöglichen durch KI-Unterstützung das Programmieren auch für Laien. Das Entwicklungstool "Cursor" zeigt, wie KI-Agenten eigenständig Code erstellen, testen und optimieren. Die Software führt viele Arbeitsschritte vollautomatisiert durch und benötigt nur bei kritischen Aufgaben eine Zugriffs-Erlaubnis. Diese Entwicklung führt in den nächsten Jahren absehbar zu einer Fülle spezialisierter Software-Lösungen.
Des Weiteren beschäftigen wir uns mit dem neuen Model Context Protocol (MCP) von Anthropic, das als standardisierte Schnittstelle zwischen KI-Systemen und Unternehmensinfrastrukturen funktioniert. MCP arbeitet wie ein Universalübersetzer zwischen verschiedenen Datenquellen und KI-Modellen. Die Client-Server-Architektur ermöglicht eine flexible Kommunikation mit internen und externen Datenbanken.

Nächste Episode

o3, LCMs und die "Jagged Frontier": Warum Künstliche Intelligenz zunächst menschlicher werden muss – Teil 1

Der Weg nach KAI – Episode 48: o3, LCMs und die "Jagged Frontier": Warum Künstliche Intelligenz zunächst menschlicher werden muss – Teil 1
In der aktuellen Episode wird OpenAIs überraschendes neues Sprachmodell o3 vorgestellt, das als Nachfolger von o1 besonders in den Bereichen Programmierung, Mathematik und Naturwissenschaften neue Maßstäbe setzt. Die Stärke des Modells liegt in seiner methodischen Herangehensweise: Wie ein menschlicher Experte nutzt o3 zunächst seine "Intuition" als Orientierung, um dann durch systematische Analyse verschiedene Lösungswege zu entwickeln und zu bewerten.
Das neue Modell überschreitet dabei die Grenzen seiner Trainingsdaten, indem es während der Problemlösung neue Ansätze entwickelt und durch "simulated reasoning" überprüft. Diese fortschrittliche Arbeitsweise führt zu beeindruckenden Ergebnissen - im ARC-AGI-Test erreichte o3 sogar die theoretischen Anforderungen einer Künstlichen Allgemeinen Intelligenz. Allerdings überschritt es dabei die vorgesehenen Rechenressourcen deutlich.
Die innovative Problemlösungskompetenz von o3 basiert auf der Monte-Carlo-Suchbaum-Methode, die bereits beim legendären AlphaGo von Google DeepMind zum Einsatz kam. Die hohe Präzision dieser Vorgehensweise hat allerdings ihren Preis: Eine einzelne komplexe Aufgabe kann Rechenkosten in Höhe von tausenden Dollar verursachen. Dennoch bedeutet o3 mit seiner Verdreifachung der Ergebnisqualität gegenüber dem Vorgängermodell einen echten Durchbruch in der KI-Entwicklung.