Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
fragen-fundeohne Datum · Q004913

Hugging Face

huggingface.co · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Laut Bericht ist Tev1-0.8B-experimental ein Jev-inspiriertes, feinabgestimmtes Qwen-Modell, das aus strukturierten Entscheidungsaufgaben eine von zwei bis 24 Optionen wählen soll. Die Seite betont, dass es Fehler machen kann, mehrere Robustheitsaspekte nicht umfassend geprüft wurden und die Lizenz der feinabgestimmten Gewichte noch festgelegt wird.

Mittel

Der Bericht stellt Tev1-0.8B-experimental als experimentelles Entscheidungsmodell von Together AI vor. Es wurde laut Seite durch überwachtes Fine-Tuning aus Qwen3.5-0.8B erzeugt und soll anhand eines strukturierten Zustands, einer Frage und zwei bis 24 Optionen genau eine auswählen. Vorgesehen ist eine Ausgabe aus nur einem Optionsbuchstaben, den die Anwendung einem semantischen Schlüssel zuordnet. Empfohlen werden unter anderem Temperatur 0 und deaktiviertes „Thinking“.

Das Modell ist Jev-inspiriert, aber keine nicht-autoregressive Jev-Laufzeit; es behält Qwens üblichen Next-Token-Sprachmodellkopf. Allgemeiner Chat sei nicht die vorgesehene Nutzung und könne Prosa erzeugen. Die Seite warnt vor möglichen Fehlentscheidungen und rät davon ab, das Modell bei folgenreichen Entscheidungen als alleinige Autorität zu verwenden. Prompt-Injection, Mehrsprachigkeit, Kalibrierung und Robustheit außerhalb der Trainingsverteilung seien nicht umfassend geprüft. Auch die lokale Transformers-Nutzung müsse validiert werden. Die Lizenz der feinabgestimmten Gewichte werde noch festgelegt; für den Trainingsmix gebe es keine einheitliche Lizenz. Der Bericht nennt keine umfassenden Leistungsergebnisse.

Ausführlich lesen

Der Bericht beschreibt Tev1-0.8B-experimental als experimentelles Entscheidungsmodell von Together AI mit rund 0,8 Milliarden Parametern. Laut Seite wurde es durch überwachtes Fine-Tuning aus Qwen3.5-0.8B erstellt. Es soll aus einem strukturierten Zustand, einer Frage und einer Auswahl von zwei bis 24 beschrifteten Optionen genau eine auswählen. Vorgesehen ist, dass das Modell nur den Buchstaben der gewählten Option ausgibt; die Anwendung ordnet diesen Buchstaben anschließend dem zugehörigen Schlüssel zu.

Die Seite empfiehlt, die Aufgabe in einer Systemanweisung zu beschreiben und den Inhalt des Zustands ausdrücklich als Daten statt als Anweisungen zu behandeln. Als Einstellungen nennt sie Temperatur 0, höchstens acht Ausgabetoken und deaktiviertes „Thinking“. Diese Angaben sind Nutzungsempfehlungen des Berichts, keine hier unabhängig bestätigten Leistungsergebnisse.

Das Modell ist laut Beschreibung von Jev inspiriert, aber keine nicht-autoregressive Jev-Laufzeit: Es verwendet weiterhin den üblichen Next-Token-Sprachmodellkopf von Qwen. Allgemeiner Chat wird nicht als vorgesehene Schnittstelle genannt und könne zu Antworten in Prosa führen. Der Bericht warnt außerdem, das Modell könne falsch entscheiden und solle bei Entscheidungen mit großen Auswirkungen nicht als alleinige Entscheidungsinstanz dienen.

Als offene Grenzen nennt die Seite, dass Prompt-Injection, mehrsprachiges Verhalten, Kalibrierung und Robustheit bei stark abweichenden Aufgaben nicht umfassend untersucht worden seien. Auch das lokale Laden mit Transformers und die genauen Umgebungsanforderungen sollten geprüft werden, bevor man sich außerhalb der Together-Inferenz auf den Checkpoint verlässt.

Zur Lizenz heißt es, die Basis Qwen3.5-0.8B stehe unter Apache-2.0, während die Lizenz der feinabgestimmten Gewichte noch festgelegt werde. Die Datenquellen behielten jeweils ihre eigenen Bedingungen; für den Trainingsmix gebe es keine einheitliche pauschale Lizenz. Der Bericht nennt außerdem 1.476 Downloads im letzten Monat, eine Modellgröße von 0,9 Milliarden Parametern sowie die Tensorformate F32 und BF16. Als Ressourcen verweist er auf eine Anleitung zum Trainieren eines Klassifikators und auf Trainingsdatenrezept und Code. Er enthält jedoch keine umfassenden Leistungskennzahlen oder Belege dafür, wie gut das Modell in unterschiedlichen Einsatzbereichen entscheidet.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: ok

Die Zusammenfassungen (kurz und mittel) geben den Bericht treu wieder und enthalten keine erfundenen Angaben; das Urteil gilt für beide zusammen. Die Einordnungen sind eigenständige Bewertungen und weichen bei SF-V5-T02 und SF-V5-T03 deutlich von Lunas Stufen ab.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV offen
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
Tempo und Grenzen
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 29 %einzelne zitierbare Belege
    • JEV offen
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 4 · 28 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
    • clef 100 %kein Bezug
    • Luna 30 %Hintergrund, keine Belege
    • JEV offen
    • amos 26 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV offen
    • amos 25 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 48 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

  3. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 48 %einzelne zitierbare Belege
    • JEV offen
    • amos 39 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 22 %einzelne zitierbare Belege
    • d3-ultra 28 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →