Die aktuelle KI-Landschaft wird durch den Aufstieg spezialisierter Modelle jenseits der etablierten Größen definiert. Der Autor untersucht zwei dieser Herausforderer: Hi3 von Tencent und Sakana Fugu Ultra. Während Hi3 durch seine geringe Größe und enorme Kosteneffizienz besticht, zeigt Sakana einen evolutionären Weg durch Orchestrierung auf. Die zentrale Erkenntnis ist, dass Benchmarks die praktische Anwendungsreife oft überbewerten, da sie die Komplexität realer Software-Architekturen nicht abbilden.

Hi3 wird als eine Art Spar-Modell für einfache Tasks identifiziert. Es ist zwar für Entwickler interessant, die ihre eigene Infrastruktur hosten wollen oder strikte Budgetvorgaben haben, scheitert jedoch bei der Generierung eines lauffähigen Codes ohne manuelle Nachbesserung. Dies wirft ein Licht auf die Grenzen von Modellen, die auf reine Parameter-Effizienz getrimmt sind.

Sakana verfolgt das Konzept 'One Model to Command Them All'. Diese Orchestrierungs-Architektur, bei der die KI selbst entscheidet, welches Modell für eine spezifische Teilaufgabe am besten geeignet ist, erzeugt jedoch eine unvorhersehbare Kostenexplosion. Die Analyse macht deutlich, dass Benutzer für die vermeintliche Intelligenz des Modells mit einem massiven Token-Verbrauch bezahlen, da oft mehrere Modelle involviert werden, bevor ein Endergebnis feststeht. Die Kritik am erzeugten Code ist vernichtend, da das Modell den Benutzer mit monolithischem Spaghetti-Code zurücklässt, der den Wartungsaufwand massiv erhöht.

Schließlich ist zu betonen, dass beide Modelle theoretisch Unabhängigkeit von westlichen Exportkontrollen bieten könnten, in der Praxis jedoch oft wiederum auf westliche oder chinesische Modelle im Back-End zurückgreifen. Dies schafft eine falsche Sicherheit der technologischen Autonomie, während die Kosten-Nutzen-Rechnung für professionelle Anwender derzeit kaum aufgeht. Zusammenfassend lässt sich sagen, dass man zwar den Markt beobachten sollte, produktive Anwendungen jedoch weiterhin bei den Marktführern besser aufgehoben sind.