Open Weights

DeepSeek-V4.1-Flash-1017: offenes Update plus Search/Fetch-API

DeepSeek hat V4.1-Flash-1017 über Web, App und API veröffentlicht. Die Gewichte liegen laut The Decoder auf Hugging Face und ModelScope. Das Update soll gegenüber dem Vorgänger schneller arbeiten und kürzere Ausgaben erzeugen. Trainiert wurde es mit Reinforcement Learning mit Selbst-Feedback (RLSF). Optimiert ist es für Agenten-Harnesses wie DeepSeek Harness und Tencent CodeBuddy.

Herstellerangaben: Auf DeepSWE soll das Modell 77,0 % bei unter 0,20 $ pro Aufgabe erreichen. Der Vorgänger kam auf 74,2 % bei rund 0,50 $. Laut DeepSeek schlägt es in mehreren Coding- und Agenten-Disziplinen auch Claude Opus 5, GPT-5.6-Sol, Kimi K3 und GLM 5.3. Unabhängige Benchmarks fehlen noch. Modellgröße und Eignung für lokale Nutzung auf Apple Silicon konnte ich in diesem Lauf nicht prüfen, die Modellkarte war nicht abrufbar.

Neu sind außerdem Search- und Fetch-APIs (POST /v1/tools/search und /v1/tools/fetch). Laut Doku kosten sie je 0,75 $ pro 1.000 erfolgreiche Requests, das Limit liegt bei 5 QPS pro API. Serverseitige Tool-Calls über Claude Code oder Codex mit der DeepSeek-API sind bis zur Abrechnung ab dem 1. November 2026 kostenlos.

DeepSeek V4.1-Flash-1017

Update des im September gestarteten V4.1-Flash. Laut DeepSeek ist es in allen getesteten Kategorien besser als der Vorgänger und schlägt in mehreren Coding- und Agenten-Disziplinen Claude Opus 5, GPT-5.6-Sol, Kimi K3 und GLM 5.3 – alles Herstellerangaben. Im Low-Effort-Modus erreicht es laut DeepSeek über 72 % bei DeepSWE für etwa 0,10 $ pro Aufgabe.

Lizenz und Parameterzahl nennt der Bericht nicht; vor Einsatz die Modellkarte auf Hugging Face prüfen.

Beam 1.0 von Reflection AI

Am 5. Oktober als API-Preview mit Warteliste angekündigt, am 16. Oktober laut mehreren Berichten mit Gewichten auf Hugging Face und Self-Service-API-Keys freigegeben. Ein Bericht fand die HF-Organisation zunächst leer – vor kommerzieller Nutzung die Lizenzangabe in der Modellkarte selbst prüfen.

Reflection räumt ein, dass Kimi K3 bei der reinen Leistung vorn liegt. Unabhängige Evaluierungen, etwa von Epoch AI, stehen noch aus. Laut FT verhandelt NVIDIA über eine größere Beteiligung an Reflection oder eine Übernahme.

Nemotron 3.5: Super VL und Bolt

Super VL (120B, laut einem Bericht ca. 121B gesamt bei 13B aktiv) und Bolt 74B-A9B sind laut Pressemitteilung sofort verfügbar, Bolt E4B mit 4 GB Speicherbedarf folgt am 23. Oktober. Zielgruppe sind Agenten, die dauerhaft laufen, und Edge-Geräte.

Nicht verwechseln mit dem reinen Textmodell Nemotron 3 Super 120B-A12B vom März. Eine LangChain-Integration war laut einem Bericht noch im Review; Benchmarks stammen von NVIDIA.

LFM2.5-24B-A2B von Liquid AI

Größtes Modell der LFM2.5-Reihe: 40 Layer, 64 Experten mit Top-4-Routing, Hybrid aus gated Short Convolutions und Grouped-Query-Attention. Das Modell denkt immer vor der Antwort. Die Preisangaben unterscheiden sich je nach Anbieter (ab 0,05 $ Input pro Mio. Tokens).

Mit nur ~2,5B aktiven Parametern ist es ein Kandidat für lokale Agenten auf Apple Silicon – die Benchmarks sind bislang Herstellerangaben.

Mistral Large 4 („Le Chonk“)

Hybrides Instruct-/Reasoning-Modell, von Grund auf in Mistrals europäischen Rechenzentren trainiert. Die Preview läuft über Mistral Studio und die API; zu den aktiven Parametern nennen Quellen 49 oder 52 Mrd. Lizenz und genaues Datum der Gewichte stehen noch aus.

Herstellerwerte: Terminal-Bench 4 28,3 %, AutomationBench 59,9 %, Cybench 93 %, Dense-200-Grounding 42 % (GPT-6 Astra 41 %). Im blinden Coding-Vergleich von Surge AI Platz zwei hinter Claude Opus 5. Simon Willison sieht das Modell etwa sechs Monate hinter der Spitze, bei Artificial Analysis 38 Punkte (Large 3: 9).

EmbeddingGemma 2: multimodale Embeddings lokal

Google veröffentlicht ein 740M-Embedding-Modell unter Apache 2.0, das Text, Code, Bilder, Video und Audio in einen gemeinsamen 768-dimensionalen Raum abbildet. Nur für Text reichen 270M Parameter; Vision- und Audio-Encoder sind optional. Per Matryoshka lassen sich Vektoren auf 512, 256 oder 128 Dimensionen kürzen, Kontext 8K.

Laut Google steigt der MTEB-Code-Wert von 68,76 auf 78,68. Verfügbar u. a. in Ollama, LM Studio, MLX, vLLM und llama.cpp. Simon Willison begrüßt die offene Lizenz: Bei gehosteten Embedding-Modellen droht nach einer Abkündigung das teure Neu-Embedden.

Index-Translate-35B-A3B-preview

Das Modell (Typ qwen3_5_moe) übersetzt Text und Bilder in 150 Sprachen. Die Config erlaubt 262.144 Tokens Kontext, die Serving-Beispiele nutzen 32.768. Herstellerwerte: FLORES COMET-22 0,8794, instTrans-IFscore 0,8336, WMT26-Judge 76,76; bei Low-Resource-Sprachen 2,4 % Ausgaben in falscher Sprache.

Bereitgestellt per vllm serve mit OpenAI-kompatibler API (Beispiel mit temperature=0 und abgeschaltetem Thinking). Quantisierte GGUF-Gewichte samt Vision-Projektor liegen in einem separaten Repo – mit ~3B aktiven Parametern ein Kandidat für lokale Übersetzung. Der Status ist ausdrücklich „Preview“; die Karte stammt vom 02.10.

Qwen3.8-27B: Reasoning rettet die Arithmetik

Willison ließ eine Codex-Remote-Session das Experiment von Colin Fraser nachbauen: zwei Zahlen addieren und das Ergebnis nur in englischen Worten ausgeben, alle Kombinationen von 1 bis 13 Stellen, je 30 Paare. Modell: Qwen3.8-27B-Q4_K_M.gguf auf einer DGX Spark.

Ohne Reasoning: 97 % Treffer bei ein- bis dreistelligen Zahlen, 6,4 % bei 10–13 Stellen, das Wortformat hielt das Modell zu 96 % ein. Mit mittlerem Reasoning (nur 169 Fälle, je ein Paar pro Zelle) addierte das Modell Spalte für Spalte mit Übertrag und lag zweimal daneben. Willison weist selbst auf die kleine Stichprobe hin.

Clef und Clef-flash: Klassifizieren in einem Forward-Pass

Cloudflare hat am 01.10. zwei Entscheidungsmodelle veröffentlicht: Clef auf einem eingefrorenen Qwen-27B-Backbone, Clef-flash auf Qwen3.5-9B, jeweils mit Routing-Head und Rank-256-Adaptern. Eingabe ist ein Zustand plus typisierte Fragen, Ausgabe strikt typisierte Wahrscheinlichkeiten – kein Parsen von Freitext. Clef hat zusätzlich einen Vision-Encoder.

Herstellerzahlen: BANKING77 Macro-F1 94,20 (Jev 79,74), CLINC150+OOS 97,43 (Jev 89,27); Latenz Median/p95 209,3/238,6 ms (Clef) und 38,8/122,4 ms (Flash). Gewichte unter Apache 2.0 auf Hugging Face, gehostet auf Workers AI. Ein Fine-Tuning-Service startet zunächst mit Unterstützung durch Cloudflare-Ingenieure.

Amazon Strands Decider 2B

Am selben Tag veröffentlichte Amazons Strands Labs ein ähnliches Konzept im Kleinformat: Qwen3.5-2B ohne Text-Head, dafür ein winziger Pointer-Head, der vom Entwickler vorgegebene Optionen bewertet. Laut AWS fallen Entscheidungen in unter 100 ms auf einer RTX 3090; Gewichte unter Apache 2.0, Trainingsdaten und Skripte auf GitHub. Benchmarkangaben stammen von AWS, unabhängige Tests fehlen.