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
medium.com22. November 2025 · Q011350

Olmo 3: The Fully-Open 7B & 32B AI Model Taking On Qwen and DeepSeek

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Artikel präsentiert Olmo 3 als offene Modellfamilie mit 7B- und 32B-Modellen sowie den Varianten Base, Instruct, Think und RL Zero. Er beschreibt deren Training und mögliche Forschung zu RL und Schlussfolgern, doch Leistungs- und Vergleichsaussagen sind Behauptungen des Textes; die Codebeispiele sind nur konzeptionell.

Mittel

Der Bericht beschreibt Olmo 3 als Allen-AI-Modellfamilie mit 7B- und 32B-Varianten, deren Offenheit laut Artikel neben den Gewichten auch Trainingsdatenrezept, Code, Protokolle und Zwischenstände umfasst. Er unterscheidet Base, Instruct, Think und RL Zero: vom weitertrainierbaren Basismodell über kurze Assistenzantworten und längeres Schlussfolgern bis zu Reinforcement Learning direkt auf dem Basismodell.

Für Think schildert der Text drei Trainingsphasen: überwachtes Feintuning mit Dolci-Think-SFT, DPO anhand bevorzugter und schlechterer Antworten sowie RLVR mit überprüfbaren Belohnungen. Eine Methode namens „Active Refilling“ soll beim RL-Training im großen Maßstab genügend Beispiele mit Lernsignal sammeln und Leerlauf vermeiden. Die bereitgestellten Codebeispiele sind ausdrücklich konzeptionell.

Die offene Dokumentation soll Untersuchungen zu Benchmark-Kontamination, Belohnungstricks und Auswendiglernen ermöglichen. Für den Einsatz empfiehlt der Artikel, Instruct bei knappen, schnellen Antworten und Think bei komplexeren Aufgaben zu wählen und dabei Tokenbudget und Latenz abzuwägen. Leistungs- und Vergleichsaussagen bleiben Behauptungen des Artikels; konkrete Messwerte oder unabhängige Prüfungen werden hier nicht ausführlich vorgelegt.

Ausführlich lesen

Der Bericht stellt Olmo 3 als Modellfamilie von Allen AI mit Varianten in 7B und 32B Parametern vor. Sein Hauptargument lautet, dass Olmo 3 über frei verfügbare Gewichte hinaus offen sei: Laut Artikel seien auch Angaben zum Trainingsdatenrezept, Trainingscode, Protokolle, Zwischenstände und ein technischer Bericht zugänglich. Diese Transparenz soll Forschung und Prüfung erleichtern, etwa zu Trainingsdaten, Modellverhalten und Governance.

Der Text unterscheidet vier Varianten: Base als Ausgangspunkt zum Weitertrainieren, Instruct für kurze Assistenzaufgaben, Think für längeres Schlussfolgern und RL Zero für Reinforcement Learning direkt auf dem Basismodell. Die Größen- und Leistungsbeschreibungen sind Wertungen des Artikels: Er bezeichnet das 32B-Basismodell als besonders stark und die 7B-Instruct- und Think-Modelle als konkurrenzfähig. Für Think wird ein Abstand von ein bis zwei Punkten zu Qwen3 8B beziehungsweise 32B behauptet; der Bericht nennt dazu hier jedoch weder konkrete Benchmarkwerte noch eine Auswertung.

Ein Schwerpunkt ist das Training der Think-Variante. Der Artikel beschreibt eine Abfolge aus überwachtem Feintuning mit dem Datensatz Dolci-Think-SFT, DPO anhand bevorzugter und weniger guter Antworten sowie RLVR mit überprüfbaren Belohnungen, zum Beispiel für Mathematik oder Code. Für RL im 32B-Maßstab hebt er „Active Refilling“ hervor: Es sollen so lange Generierungen gesammelt werden, bis eine Trainingsgruppe genügend Beispiele mit nicht null Lernsignal enthält. Die Codebeispiele dazu sind ausdrücklich konzeptionell oder pseudo-Python; der Text erklärt, dass das reale Training umfangreicher und komplexer sei.

RL Zero soll untersuchen lassen, wie direktes oder während des Trainings eingemischtes RL das Basismodell verändert. Der Artikel verweist auf vier Datensätze sowie 7B-Zwischenstände für Mathematik, Code, Instruktionen und gemischte Aufgaben. Damit ließen sich laut Darstellung unter anderem Kontamination bei Benchmarks, Belohnungstricks, Überanpassung und das Verhältnis von Schlussfolgern zu Auswendiglernen untersuchen.

Für die Anwendung empfiehlt der Bericht eine Abwägung zwischen Antwortqualität, Tokenbudget, Latenz und Kosten: Instruct für schnelle, knappe Antworten und Think für komplexere Aufgaben. Ein einfacher Router könne zwischen beiden wählen. Als mögliche nächste Schritte nennt der Artikel Mixture-of-Experts-Modelle, beständigere Stilsteuerung, ausgewogenere Instruct-Think-Modelle und größere Modelle. Außerdem skizziert er Einsatzideen für transparente Assistenten und eigene RL-Experimente.

Die Aussagen zur Überlegenheit, Wettbewerbsfähigkeit und zu Trainingsgewinnen werden im Bericht überwiegend als Einschätzungen oder Behauptungen formuliert; ausführliche Messwerte oder unabhängige Prüfungen liefert dieser Text nicht. Auch die gezeigten API-Aufrufe und Trainingsabläufe dienen der Veranschaulichung und sind keine vollständigen Implementierungsanleitungen. Insgesamt präsentiert der Artikel Olmo 3 vor allem als offen dokumentierte Forschungsplattform und als Modellfamilie, bei der Nutzer zwischen knapper Assistenz und längerem Schlussfolgern wählen können.

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

Gegengeprüft von Claude Haiku 5.5: ok

Die Prüfung bezieht sich auf die ausführlichere Zusammenfassung „mittel“, die treu ist. Die knappe Fassung „kurz“ lässt die Offenheitsdetails, Active Refilling und die Forschungsfragen zu Kontamination und Belohnungstricks aus und ist deshalb unvollständiger.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Herkunft der DPO-Paare aus stärkeren und schwächeren Qwen3-Modellen wird nicht genannt

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 29 %Hintergrund, keine Belege
    • JEV 25 %Hintergrund, keine Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 25 %einzelne zitierbare Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 23 %Hintergrund, keine Belege
    • Luna 47 %Hintergrund, keine Belege
    • JEV 51 %einzelne zitierbare Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 26 %gleiches Oberthema, hilft nicht
    • drex 26 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht

    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 4 · 31 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
    • SF-P3-T07 Wird jede öffentliche Aussage, ein führendes KI-Modell sei „besser ausgerichtet“ als ein anderes (folge also seinen vorgesehenen Zielen und Werten besser), reproduzierbare Kriterien, externe Prüfungen und widersprechende Ergebnisse enthalten? Luna: Stufe 3 · 25 % · Hintergrund, keine Belege
  3. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 100 %kein Bezug
    • Luna 36 %Hintergrund, keine Belege
    • JEV 30 %gleiches Oberthema, hilft nicht
    • amos 29 %Hintergrund, keine Belege
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 30 %gleiches Oberthema, hilft nicht
    • d3-ultra 56 %gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 34 %gleiches Oberthema, hilft nicht
    • Luna 43 %einzelne zitierbare Belege
    • JEV 26 %gleiches Oberthema, hilft nicht
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 72 %gleiches Oberthema, hilft nicht
    • d3-ultra 66 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • SF-T3-T08 Welche kontrollierten Versuche können Labore heute machen, um Selbstverbesserung nachzubilden, ohne eine unbeabsichtigte Beschleunigung zu riskieren? Luna: Stufe 3 · 42 % · Hintergrund, keine Belege
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 52 %Hintergrund, keine Belege
    • JEV 25 %Hintergrund, keine Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht

    • SF-V1-T01 Welche beobachtbaren Belege zeigen die Ziele und Werte eines Modells und ob es noch ausgerichtet ist, wenn seine sichtbaren Gedankengänge kein verlässlicher Hinweis mehr darauf sind oder ihre Überwachung nachlässt? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 4 · 51 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
    • SF-V1-T03 Was ist das Kleinste, das ein Modell öffentlich vorlegen kann (ein Test, ein Protokoll, eine Spur), das als Beleg für Ausrichtung an den vorgesehenen Zielen und Werten zählt und nicht nur für Leistung? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege
    • SF-V1-T04 Wie misst man die Überwachbarkeit des Denkens mit einem gemeinsamen, reproduzierbaren Maßstab, bevor sie versagt, und wie prüft man verlässlich, ob das sichtbare Denken das tatsächliche Vorgehen des Modells treu wiedergibt, auch wenn Modelle lernen, ihre Denkschritte zu optimieren? Und wenn Überwachungsergebnisse beeinflussen, welche Trainingsdaten oder Zwischenstände behalten werden: Wie prüft man, ob diese Auswahl weniger erkennbares Fehlverhalten statt weniger Fehlverhalten begünstigt, auch wenn der Denktext nie direkt bewertet wird? Luna: Stufe 3 · 42 % · Hintergrund, keine Belege
    • SF-V1-T07 Lieber ein Modell, das immer seinen Lösungsweg zeigen muss, oder eines, das im Stillen mehr kann: Welches Risiko nimmt man in Kauf? Luna: Stufe 4 · 39 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
    • SF-V1-T10 Kann etwas, das Modelle über sich und ihre Absichten sagen, als Beleg für Ausrichtung zählen, wenn es nur weiterer erzeugter Text ist, und welche Verfahren machen solche Selbstauskünfte vertrauenswürdig statt nur flüssig? Luna: Stufe 3 · 49 % · Hintergrund, keine Belege
    • SF-V1-T15 Welches messbare Maß für Überwachbarkeit könnte neben Fähigkeitstests stehen, und würden Labore es tatsächlich über weitere Skalierung entscheiden lassen? Welcher gemessene Verlust an Überwachung würde Einschränkungen der Selbstständigkeit eines Modells auslösen, und wie erkennt man Fehler, die im sichtbaren Denken nicht auftauchen? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 70 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 72 %gleiches Oberthema, hilft nicht
    • d3-ultra 58 %gleiches Oberthema, hilft nicht

  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 34 %Hintergrund, keine Belege
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 27 %Hintergrund, keine Belege
    • Luna 55 %Hintergrund, keine Belege
    • JEV 45 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht

    • SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege
    • SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar? Luna: Stufe 3 · 52 % · Hintergrund, keine Belege
Agenten und vernetzte Systeme
  1. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 51 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

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 38 %Hintergrund, keine Belege
    • JEV 33 %nur am Rande erwähnt
    • amos 32 %nur am Rande erwähnt
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht

  2. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 30 %Hintergrund, keine Belege
    • Luna 44 %Hintergrund, keine Belege
    • JEV 47 %einzelne zitierbare Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 35 %gleiches Oberthema, hilft nicht
    • drex 21 %einzelne zitierbare Belege
    • d3-ultra 37 %gleiches Oberthema, hilft nicht

    • SF-H2-T01 Was unterscheidet das Veröffentlichen von Modellgewichten (den gelernten Parametern) oder von Agentenwerkzeugen mit offenem Quellcode vom Freisetzen einer Waffe: die Absicht des Akteurs, die Selbstständigkeit des Modells, seine Verwendung oder der Schaden, den es von sich aus anrichten kann? Und können Staaten diese Grenze gemeinsam festschreiben, bevor ein offenes Modell im Mittelpunkt eines schweren Vorfalls steht? Luna: Stufe 3 · 44 % · Hintergrund, keine Belege
  3. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 20 %einzelne zitierbare Belege
    • Luna 55 %umfangreiche Belege
    • JEV 48 %beantwortet direkt und ausführlich
    • amos 33 %einzelne zitierbare Belege
    • SubQ 35 %einzelne zitierbare Belege
    • drex 34 %einzelne zitierbare Belege
    • d3-ultra 59 %einzelne zitierbare Belege
    • Haiku-Prüfung beantwortet direkt und ausführlich

    • SF-H3-T02 Welche gemeinsamen Prüfstandards und Verfahren zum Herkunftsnachweis erkennen versteckte Verhaltensauslöser und eine systemweite Verschlechterung der Ausrichtung an den vorgesehenen Zielen und Werten, wenn Training immer mehr auf synthetischen Daten anderer Spitzenmodelle beruht? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege
  4. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 35 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 23 %Hintergrund, keine Belege
    • Luna 56 %einzelne zitierbare Belege
    • JEV 38 %beantwortet teilweise oder widerspricht
    • amos 25 %Hintergrund, keine Belege
    • SubQ 37 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 47 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

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 →