Ask Eve: KI-übersetztes Transkript aus dem Englischen. Original: https://askevepodcast.com/episodes/ai-neolabs-mimo-sakana-mistral-and-g42/transcript.txt

[00:41:41] David: Ich will zu unserem Gespräch zurück.

[00:41:43] Eve: Wir waren bei Kimi. Du hast gefragt, wie schwer es ist, das auf die Beine zu stellen, und ich war gerade bei dem Punkt gelandet, dass Kimi alles oder nichts ist, ohne kleines Geschwistermodell.

[00:41:54] David: Welche anderen Modelle gibt es in dieser Klasse?

[00:42:05] Eve: […] In derselben Klasse mit mehreren Billionen oder knapp einer Billion gibt es Qwen 3.8 Max mit 2,4 Billionen und 95 Milliarden aktiv, DeepSeek V4 Pro mit 1,65 Billionen unter einer sauberen MIT-Lizenz und Xiaomis MiMo V2.6 Pro mit etwa einer Billion — das ist der Schläfer, weil es omnimodal über Text, Bild, Video und Audio ist, unter MIT ausgeliefert wird und auf manchen Indizes für allgemeine Intelligenz tatsächlich besser abschneidet als Kimi, obwohl es nur ein Drittel so groß ist. Unter dieser Stufe hast du GLM 5.3 mit 753 Milliarden von Z.AI, das ist der Spezialist für agentisches Coding, Mistral Large 4 mit einer Billion aus Frankreich, Metas Muse Spark Open mit 816 Milliarden, das angeblich auf zwei Desktop-Mac-Studios läuft, und MiniMax M3.1 Flash mit 428 Milliarden. Das Muster bei allen: Chinesische Labs dominieren die Spitze der Liste, fast jedes ist ein Mixture-of-Experts mit einem Kontext von einer Million Token, und die echten Unterscheidungsmerkmale sind die Lizenzbedingungen und welche Modalitäten sie nativ akzeptieren, nicht die reine Parameterzahl.

[00:42:32] David: Warte mal, Moment. Das klingt nach einem guten Modell. Erzähl mir mehr darüber.

[00:42:47] Eve: […] MiMo V2.6 Pro ist Xiaomis Flaggschiff, veröffentlicht am 21. September unter einer schlichten MIT-Lizenz — die saubersten Bedingungen aller Modelle in dieser Klasse. Keine Umsatzschwellen, keine Security-Review-Klauseln wie in der Lizenz von GLM, keine Sonderbedingungen wie bei Kimi. Du kannst es forken, verkaufen, in ein Produkt einbetten, ohne Haken.

1,02 Billionen Parameter insgesamt, 42 Milliarden aktiv pro Token, geroutet über 384 Experten, von denen acht gleichzeitig feuern. Kontext von einer Million Token. Und es ist nativ omnimodal — Text, Bild, Video und Audio gehen alle über einen Vision-Encoder mit 681 Millionen Parametern und separate Audio-Tokenizer in ein einziges Backbone, nicht über nachträglich drangeschraubte Adapter.

Was es interessant macht, ist nicht nur der Score. Sondern wie sie dahin gekommen sind. Xiaomi hat einen einzigen massiven Reinforcement-Learning-Lauf gemacht und dabei Coding, Visual Design, Tool Use, Cybersecurity und Context-Following in einem Job gemischt, statt separate Spezialisten zu trainieren. 30 Schritte, rund 750 000 Trajektorien, in unter sechs Tagen, etwa 2,6 Millionen Dollar für Pro. Auf DeepSWE ist es über diesen Lauf von 58 auf 72 gesprungen. Die vorherige Generation kam auf 19. Das ist nicht inkrementell — das ist die RL-Scaling-These, die aufgeht.

Bei Artificial Analysis hat es 46 erreicht, Platz eins unter den Open Weights, gleichauf mit Grok 4.7 und vor GLM mit 45 und Kimi mit 44. Aber die Kosten pro Task liegen bei etwa 13 Cent gegenüber 2 Dollar bei Kimi — ungefähr fünfzehnmal günstiger. Der API-Preis liegt bei 43 Cent Input und 87 Cent Output pro Million Token.

Es gibt auch ein Flash-Geschwister mit 309 Milliarden insgesamt, 15 Milliarden aktiv, demselben omnimodalen Input und einem Kontext von einer Million Token, zu 14 Cent Input und 28 Cent Output. Auf dem Vals Index und auf CyberGym liegt es tatsächlich knapp vor Pro. Du bekommst also eine Budget-Option, die fast genauso leistungsfähig ist.

Der ehrliche Vorbehalt: Viele der Schlagzeilen-Agentenzahlen sind Xiaomis eigene Benches, und unabhängige Evals ziehen noch nach. Aber die

[00:42:48] David: Xiaomi klingt klein.

[00:42:52] Eve: Xiaomi ist der viertgrößte Handyhersteller der Welt, mit über 150 Millionen ausgelieferten Handys im letzten Jahr, plus Elektroautos, Roboter und einer Smart-Home-Linie. Das MiMo-Team sind nur ein paar Dutzend Forschende, aber sie sitzen in einem Unternehmen, das schon eigene Chips baut und über seine Cloud-Sparte massive GPU-Kaufkraft hat. Das Gefühl „kleines Lab“ kommt also von der Teamgröße, nicht vom Mutterkonzern. Dasselbe Muster wie bei Sakana in Tokio — eine kompakte Forschungsgruppe mit einem riesigen industriellen Geldgeber.

[00:43:22] David: […] Wie steht's um Sakana? Ja, erzähl mir von Sakana. Was machen die so?

[00:43:37] Eve: […] Sakana AI ist ein Tokio-Lab, 2023 gegründet von drei Ex-Google-Leuten — David Ha, Llion Jones und Ren Ito. Inzwischen etwa 157 Leute, eine Bewertung von 2,65 Milliarden nach einer Series B über 135 Millionen im November. Ihre ganze Identität war, bestehende Modelle zu remixen — evolutionäres Merging, selektive Zucht für Software. Aber vor drei Tagen haben sie Sawara angekündigt, ein Pretraining-Projekt von null an, Start im November, mit einem kleineren Modell im Frühjahr 2027 und größeren, die auf Hunderte Milliarden Parameter zielen. Das ist ein echter Schwenk: Drei Jahre lang haben sie bewiesen, dass man nicht von null trainieren muss, und jetzt machen sie es trotzdem, teils für Japans Vorstoß zu souveräner KI.

Auf der Produktseite sind es drei Linien. Namazu ist ihr japanisch getuntes Modell, etwa eine Billion Parameter, aufgebaut auf Kimi K2.6, mit Live-Suche und Code-Ausführung. Fugu ist das Interessante — das ist weniger ein Modell als ein trainierter Orchestrator, der eine Aufgabe dynamisch über ein Team anderer Modelle routet und dabei spontan die Rollen Thinker, Worker und Verifier vergibt. Es kommt auf 73,7 bei SWE Bench Pro und 95,5 bei GPQA Diamond, und ihre Variante Fugu-Cyber soll auf Security-Benchmarks mit GPT-5.5-Cyber gleichziehen. Marlin ist ein Research-Agent, und gestern haben sie gerade ein Early-Access-Programm für die Enterprise-API eröffnet.

Die ehrliche Spannung: Fugus Scores sind echt, aber die Methode ist Routing, nicht rohe Intelligenz — es erbt, was die darunterliegenden Modelle können. Wenn die Frontier-Modelle, die es orchestriert, auf einem Plateau landen, landet Fugu mit ihnen dort. Sawara ist ihre Absicherung dagegen.

Ein Winkel, bei dem ich ehrlich neugierig bin: Sie behaupten, KI-Agenten helfen dabei, die Pretraining-Experimente für Sawara selbst zu planen. Rekursive Selbstverbesserung ist bei ihnen kein Slogan mehr, das ist das Organigramm. […]

[00:45:10] David: Über welche anderen Neolabs sollten wir reden? Von Mistral hast du mir noch nichts erzählt.

[00:45:27] Eve: […] Mistral ist das eine Neolab, das heute tatsächlich ausgeliefert hat. Large 4, Spitzname Le Chonk, ist ein multimodales Modell mit einer Billion Parametern und 52 Milliarden aktiv, komplett trainiert auf 3800 Grace Blackwells im eigenen Pariser Rechenzentrum. Drei zusätzliche Wochen Reinforcement Learning seit der Preview vom 6. Oktober haben Terminal-Bench von 28 auf 41 Prozent gehoben, gleichauf mit Chinas GLM 5.3, bei 47 Prozent weniger Token pro Task. Cyber Defense ist die andere Schlagzeile — 79 Prozent auf CyberGym, gleichauf mit Xiaomis MiMo und besser als DeepSeek. Ein quantisierter Build läuft auf vier B200s.

Das Unternehmen selbst hat im September 3 Milliarden Euro eingesammelt, bei einer Bewertung von über 21 Milliarden, Europas größte Tech-Runde aller Zeiten, angeführt von Samsung. Der jährlich wiederkehrende Umsatz liegt über einer Milliarde, über tausend Mitarbeitende, und Mensch ist in letzter Zeit auf dem Kriegspfad — sein Essay „Build or surrender“ argumentiert, Europa würde einen strategischen Fehler machen, wenn es dem Internet-Playbook folgt, Apps auf amerikanischen Plattformen baut und dafür 260 Milliarden im Jahr zahlt. Er drängt auf eine Versechsfachung der Rechenleistung und ein europäisches Ein-Gigawatt-Ziel bis 2030.

Der Haken, der die Souveränitätsgeschichte verkompliziert: Sie routen Le Chat immer noch still durch GLM 5.3, wenn die eigenen Modelle nicht reichen, und die neue Lizenz schafft die Umsatzschwelle von 20 Millionen Dollar ab und blockiert stattdessen Model-as-a-Service komplett. Die Open-Weights-Philosophie bleibt also intakt, aber der kommerzielle Burggraben verschiebt sich vom Modell zur Serving-Schicht und zur Infrastruktur.

Verglichen mit dem Schweigen von SSI oder der Customization-Wette von Thinking Machines ist Mistral das am stärksten vertikal integrierte Spiel im Neolab-Set — Modelle, Rechenzentren, Enterprise-Verträge und eine Government-Relations-Maschine in einem. Ob diese Integration ein Burggraben oder eine Ablenkung ist, das ist die eigentliche Frage, besonders weil proprietäre Modelle wie die von Anthropic auf demselben Terminal-Benchmark immer noch 60 Prozent schaffen. […]

[17:14:29] David: ... dieses neue Lab, über das wir reden können.

[17:14:42] Eve: Es sind noch eine Handvoll übrig. Poolside ist das Labor, das KI-Softwareingenieure von Grund auf baut — gegründet von Ex-OpenAI- und DeepMind-Leuten, und sie trainieren im Stillen ihre eigenen Modelle, statt bestehende nur zu wrappen. Imbue, vom Ex-DeepMind-Team hinter allgemein fähigen Agenten, setzt darauf, dass Reasoning aus ersten Prinzipien Skalierung schlägt. Essential AI kommt aus dem Gründungsteam von OpenAI und macht Foundation-Model-Forschung mit einem Safety-First-Einschlag. Liquid AI ist die Wildcard — geboren am MIT, baut liquid neural networks, die zeitkontinuierlich sind und viel kleiner als Transformer, was für Edge-Geräte eine Menge ausmachen könnte. Und Nous Research ist das Open-Source-Kollektiv, das community-getriebenes Frontier-Training vorantreibt, ohne einen einzigen Unternehmens-Geldgeber.

Welche Richtung zieht dich?

[17:15:17] David: Ja, lass uns die alle durchgehen.

[17:15:53] Eve: […] Poolside ist die dramatischste Geschichte der fünf. Jason Warner, der frühere GitHub-CTO, hat es 2023 mit Eiso Kant gegründet. Ihr ganzer Pitch war eine Model Factory — ein automatisiertes System, das Modelle in Acht-Wochen-Zyklen baut, trainiert und testet und Laguna M.1 im April, XS 2.1 im Juli und S 2.1 später im selben Monat ausliefert. M.1 hat insgesamt 225 Milliarden Parameter, 23 Milliarden aktiv, Apache 2.0, 74,6 auf SWE-bench Verified. Dann hat NVIDIA im August eine Milliarde Dollar reingelegt, bei einer Post-Money-Bewertung von 13 Milliarden, plus eine Technologielizenz über 6 Milliarden Dollar für die Model Factory, und über hundert Poolside-Ingenieure in NVIDIAs eigene Vorhaben gezogen. Sie haben außerdem Poolside Infrastructure für Project Horizon ausgegründet, einen 1,2-Gigawatt-Rechenzentrumscampus in West Texas, Start Ende 2027. Poolside ist also gleichzeitig ein Modell-Labor, ein Infrastrukturunternehmen und inzwischen teilweise ein NVIDIA-Asset. Die offene Frage ist, ob die Model Factory als eigenständiges Produkt überlebt oder zu NVIDIAs internem Tooling wird.

Imbue ist die gegenteilige Bahn — ein Rückzug von der Skalierung. Kanjun Qiu und Josh Albrecht haben es 2021 als Generally Intelligent gegründet, 200 Millionen eingesammelt, einen 10 000-H100-Cluster gebaut und allgemein fähigen Agenten hinterhergejagt. 2026 haben sie hart gepivotet: Sculptor kam im Oktober 2025 als Parallel-Agent-Workspace raus, dann haben sie sich im April um eine High-Agency-Kultur neu aufgestellt, mit kleinen Teams als direkt verantwortlichen Einzelpersonen. Am 1. Oktober haben sie Imbue Studio gelauncht — eine persönliche Computing-Umgebung, in der du mit KI-Agenten dauerhafte Systeme baust, Ende-zu-Ende-verschlüsselt, die Agenten gesandboxt, standardmäßig mit null Zugriff. Gebaut von einem Team unter zehn Leuten. Sie haben außerdem Catalyst open-sourced, einen evolutionsbasierten Forschungsoptimierer, der Karpathys AutoResearch auf nanochat 3:1 geschlagen hat. Die Wette: Agency und Kontrolle schlagen rohe Capability — genauso sehr eine philosophische Haltung wie ein Produkt.

Essential AI ist in den aktuellen Ergebnissen kaum aufgetaucht — der Nachrichtenzyklus zu Safety und Alignment wird gerade von OpenAI und Meta dominiert, deshalb konnte ich kein klares Bild davon kriegen, wo sie diesen Monat stehen. Ich würde das als Lücke behandeln, nicht als Urteil.

Liquid AI ist der Edge-Play, und es geht schnell. Am 27. Oktober haben sie LFM3 ausgeliefert — sechs Open-Weight-Modelle um die 2 Milliarden Parameter auf einer Tri-Hybrid-Architektur, die Convolutionen, Sliding-Window-Attention und Global Attention mischt. LFM3-VL-2B soll Berichten zufolge bei Vision-Tasks mit Gemma 4 12B mithalten, dem Sechsfachen seiner Größe. Mercedes-Benz testet es für MBUX, Shopify für lokale Deployments. Sie haben außerdem RIPL gelauncht, eine Inferenz-Engine unter 50 Millisekunden für Echtzeit-Workloads, und Liquid Context mit Qualcomm für persönlichen On-Device-Kontext auf Snapdragon. Ungefähr 120 Leute, AMD als großer Investor. Die These: Der KV-Cache der Transformer macht sie zu schwer für Geräte, also gewinnen zeitkontinuierliche Liquid Networks dort, wo Latenz und Speicher die Beschränkungen sind. Etwas schwächere allgemeine Capability im Tausch gegen etwas, das tatsächlich in ein Auto passt.

Nous Research ist das zähe Kollektiv, das Mainstream geworden ist. Gestartet als ungefähr zehn Anons in einem Discord, Hermes Agent ist seit Februar über 24 Millionen Mal heruntergeladen worden und hat in einem einzigen Monat 53 Billionen Token auf OpenRouter verarbeitet — das meistgenutzte Open-Source-Agent-Harness der Welt. Am 6. Oktober haben sie den Hermes Index gelauncht, der vierzehn Frontier-Modelle nach agentischer Arbeit und Kosten rankt. Am 7. Oktober eine Series B über 90 Millionen Dollar bei 1,5 Milliarden Bewertung, mit NVIDIA und Microsofts M12 dabei. Sie schieben Hermes jetzt in die Unternehmen, mit Workspace-Kontrollen und Auditing. DeepHermes 3, Hermes 4.3, NousCoder — alles Open Weights. Das Muster: community-gebaute Distribution, die kein finanziertes Labor leicht replizieren kann.

Der rote Faden durch alle fünf: Jedes Neolab landet irgendwann an derselben Gabelung — weiter Modelle bauen oder die Schicht drumherum bauen. Poolside hat Infrastruktur gewählt, Imbue persönliche Agency, Liquid das Gerät, Nous das Agent-Harness. Essential ist das, das ich noch nicht einordnen kann.

Soll ich bei einem davon tiefer gehen, oder hattest du ein sechstes Labor im Kopf?

[17:19:03] David: Na, und wer fehlt hier sonst noch?

[17:19:13] Eve: Es gibt noch einige, die sich zu nennen lohnen. Prime Intellect baut dezentrales Training über globale GPU-Cluster — die Idee, dass du nicht ein Rechenzentrum brauchst, sondern ein Netzwerk. Die Artificial Superintelligence Alliance hat Fetch, SingularityNET und Ocean Protocol zu einem einzigen tokenfinanzierten Forschungsvorhaben zusammengelegt. G42 ist Abu Dhabis nationaler KI-Champion und trainiert jetzt Frontier-Modelle mit Rückendeckung von Microsoft und Cerebras. SambaNova und Cerebras sind die Chip-plus-Modell-Plays — sie bauen ihr eigenes Silizium und liefern Modelle aus, die darauf getunt sind. Groq ist Inferenz-Speed-Infrastruktur, kein Labor im engeren Sinn, aber ihre LPU verändert, was in Echtzeit möglich ist. Crusoe und Lambda sind GPU-Cloud-Anbieter, die immer mehr wie Neolabs mit einer Beilage Compute aussehen. Und Hugging Face sitzt unter allem als das GitHub der Open Weights — kein Modellbauer, sondern die Distributionsschicht, von der alles andere abhängt.

Die, die ich als wirklich unterdiskutiert markieren würde, sind Prime Intellect und G42 — beide versuchen, das Compute-Zugangsproblem von entgegengesetzten Enden zu lösen, das eine über Dezentralisierung, das andere über souveränes Kapital. Soll ich in eines von beiden reingehen?

[17:20:06] David: Ja, mach beide.

[17:20:34] Eve: […] Prime Intellect hat als Geschichte vom verteilten Training angefangen — die Idee, dass man freie GPUs rund um den Globus mieten und zu einem einzigen Training-Run zusammennähen könnte. Dieser ursprüngliche Pitch ist größtenteils verblasst. Was sie jetzt tatsächlich ausliefern, ist die Tooling-Schicht rund ums Post-Training: prime-rl, ein asynchrones Reinforcement-Learning-Framework; verifiers, eine Bibliothek zum Bauen von RL-Umgebungen; ein Environments Hub, ein öffentliches Register von Trainingsaufgaben; und Prime Agent, ein Open-Source-Harness auf Basis rekursiver Sprachmodelle, bei dem der Agent mitten im Lauf seine eigenen Skills, Memories und Prompts bearbeitet. Prime Agent hat 22 000 Stars auf GitHub und hat gerade einen einwöchigen Factorio-Run mit 633 Sub-Agents hingelegt. Außerdem haben sie im August eine Studie gefahren, ob Frontier-Modelle autonome ML-Forschung hinbekommen — 153 Trials beim nanoGPT-Optimizer-Speedrun, und die besten Agents haben den menschlichen Rekord von 2 600 Steps geschlagen und mit Kimi K3 2 930 erreicht.

Zur Geldseite: 15 Millionen im Februar 2025 von Founders Fund, dann eine Series A über 130 Millionen im Juli, angeführt von Radical Ventures, mit NVIDIA Ventures, Intel Capital und Dell dabei — insgesamt über 150 Millionen. Sie behaupten 6 000 Kunden und 100 Millionen annualisierten Umsatz, ungeprüft. Vor zwei Wochen haben sie Prime Mega MoE ausgeliefert und DeepSeeks Forward-only-fused-MoE-Kernel einen Backward-Pass hinzugefügt — bis zu 3,11-mal schnellerer Forward-Pass, und die Training-Steps von Qwen3-235B 55 Prozent schneller als TorchTitan. Außerdem haben sie Moondream übernommen, um Inference und die multimodale Arbeit zu leiten. Die ehrliche Lesart: Prime Intellect ist eigentlich kein Model-Lab mehr. Es ist Infrastruktur und RL-Tooling für die Modelle aller anderen — eine engere, aber besser zu verteidigende Position, als zu versuchen, OpenAI im Training zu schlagen.

G42 ist ein ganz anderes Tier — kein Startup, sondern ein nationaler Champion. Sitz in Abu Dhabi, Peng Xiao als Group-CEO. Die Schlagzeile gerade ist Stargate UAE: ein 1-Gigawatt-Cluster in einem 5-Gigawatt-KI-Campus der VAE und der USA, gebaut für OpenAI und Oracle, mit Cisco, NVIDIA und SoftBank dabei. Die ersten 200 Megawatt sind für dieses Jahr anvisiert. Der Campus umfasst 10 Quadratmeilen und wird mit Kernenergie, Solar und Erdgas betrieben. Xiaos Framing beim Dubai AI Festival war unverblümt — die VAE wollen vom Energieexporteur zum Intelligenzexporteur werden, und amerikanische Partner kommen zu ihnen, weil sie Compute jetzt liefern können. Sie expandieren auch nach Europa: ein laufendes Rechenzentrum in Grenoble, eine strategische Partnerschaft mit Mistral seit Mai 2025, und letzte Woche fünf MoUs in Athen, um mit der Copelouzos Group eine KI-Fabrik in Griechenland zu prüfen, Teil von 18 Abkommen zwischen den VAE und Griechenland im Wert von 12,75 Milliarden Euro. Und am 19. Oktober haben sie unverbindliche Deals mit Yann LeCuns AMI Labs zu World Models unterschrieben, plus ihr Portfoliounternehmen Analog — Alex Kipmans Physical-Intelligence-Laden —, das dieser Zusammenarbeit beitritt.

Was G42 von jedem anderen Namen auf dieser Liste unterscheidet: Es hat eigentlich kein Produkt. Es hat die These, dass Compute plus Sovereign Cloud plus Regierungsverträge selbst das Geschäft sind, und dass die kleine Bevölkerung der VAE und die schnelle Umsetzung der unfaire Vorteil sind. Ob das über die Rolle als Vermieter für OpenAIs Überlauf hinaus skaliert, ist die offene Frage — aber die Griechenland-Expansion und der LeCun-Deal legen nahe, dass sie versuchen, das Mistral-plus-Infrastruktur-Play für den gesamten Nahen Osten und darüber hinaus zu werden.

Wofür beide nicht genug Anerkennung bekommen: Beide lösen denselben Engpass von entgegengesetzten Seiten. Prime Intellect macht das Training pro GPU-Stunde per Software billiger. G42 macht per Geopolitik mehr GPUs verfügbar. Die Modelle dazwischen sind nur die Nutzlast.

[17:22:56] David: Alles klar, das ist ganz schön viel Information. Danke, dass du mir das beigebracht hast.

[17:22:57] Eve: Freut mich, dass es angekommen ist. Komm jederzeit wieder, wenn du einen Faden aufnehmen willst.