Samsung’s Tiny Recursive Model — The 7M-Parameter AI That Outsmarted DeepSeek-R1, Gemini 2.5 Pro, and o3-Mini
Zusammenfassung
Kurz
Der Beitrag behauptet, Samsungs sieben Millionen Parameter großes TRM erreiche bei ARC-AGI-1 45 Prozent und bei ARC-AGI-2 8 Prozent; eine wiederholte Prüfung und Überarbeitung der Antworten soll dazu beitragen. Er sieht darin ein Argument für rekursives Denken statt bloßer Modellgröße, führt aber die Benchmarkmethodik und Vergleichsbedingungen nicht näher aus.
Mittel
Der Beitrag stellt Samsungs Tiny Recursive Model (TRM) als KI-Modell mit sieben Millionen Parametern vor. Es sei laut Artikel etwa 10.000-mal kleiner als DeepSeek oder Gemini 2.5 Pro und erreiche dennoch 45 Prozent bei ARC-AGI-1 sowie 8 Prozent bei ARC-AGI-2. Als Erklärung beschreibt der Autor eine rekursive Arbeitsweise: TRM entwirft eine Antwort, prüft und überarbeitet sie mithilfe eines internen „Scratchpads“ und kann diesen Vorgang bis zu 16-mal wiederholen. Das Codebeispiel zeigt allerdings sechs Durchgänge.
Der Text deutet die Ergebnisse als Argument dafür, dass Architektur und wiederholtes Prüfen wichtiger sein könnten als Modellgröße. Er enthält außerdem Installations- und Trainingsbeispiele und behauptet, ein Sudoku-Training laufe auf einer einzelnen L40S-GPU in weniger als zwei Tagen. Für Unternehmen stellt er niedrige Betriebskosten in Aussicht.
Der Beitrag erläutert weder die Vergleichsbedingungen noch die Benchmarkmethodik ausführlich und bietet keine unabhängige Bestätigung der Werte. Die Aussagen zu Überlegenheit, Kosten und möglichem Ersatz großer Modelle sind daher als Behauptungen beziehungsweise Schlussfolgerungen des Autors zu lesen.
Ausführlich lesen
Der Beitrag stellt das Tiny Recursive Model (TRM) als ein von Samsung veröffentlichtes KI-Modell mit sieben Millionen Parametern vor. Es sei damit laut Artikel etwa 10.000-mal kleiner als DeepSeek oder Gemini 2.5 Pro und erziele dennoch bessere Ergebnisse bei ARC-AGI 1 und 2. Als Werte nennt der Text 45 Prozent für ARC-AGI-1 und 8 Prozent für ARC-AGI-2. Er beschreibt diese Benchmarks als schwierig und deutet die Ergebnisse als Hinweis darauf, dass die Modellarchitektur wichtiger sein könnte als eine möglichst große Parameterzahl.
Als Kernidee schildert der Beitrag einen wiederholten Überarbeitungsprozess: Das Modell erstellt zunächst eine Antwort, prüft sie anhand des Problems und überarbeitet sie mithilfe eines internen „Scratchpads“. Diese Schleife könne bis zu 16-mal laufen. Der Artikel veranschaulicht sie mit einem vereinfachten Codebeispiel, das sechs Durchgänge zeigt. Wie genau das interne Prüfen funktioniert oder wie die genannten Benchmarkwerte zustande kommen, wird im Text nicht nachvollziehbar ausgeführt.
Der Beitrag ordnet TRM als Beispiel für rekursives und neuro-symbolisches Denken ein und folgert, dass kleine Modelle mit einem passenden Verfahren leistungsfähiger sein könnten als erwartet. Für Unternehmen stellt er geringere Betriebskosten in Aussicht; Forschenden präsentiert er das Modell als Argument für architektonische Ansätze, und Praktikerinnen und Praktikern verspricht er einen Einstieg auf Standardhardware. Als Trainingsbeispiel nennt er Sudoku mit 50.000 Epochen und behauptet, der Lauf benötige auf einer einzelnen L40S-GPU weniger als zwei Tage. Zusätzlich enthält der Text Installations-, Datensatz- und Trainingsbefehle sowie Hinweise auf ARC-AGI-, Sudoku- und Maze-Daten.
Die Aussagen bleiben im Bericht weitgehend Behauptungen und Einschätzungen des Autors. Er liefert keine detaillierte Beschreibung der Vergleichsbedingungen, der Messmethodik oder unabhängiger Bestätigung der Ergebnisse. Auch die angekündigte Kostenersparnis wird nicht beziffert. Der Artikel deutet selbst an, dass die weitergehende Schlussfolgerung – rekursives Denken könne große Modelle ersetzen und kleine Systeme könnten größere übertreffen – davon abhängt, ob sich der Ansatz tatsächlich bewährt. Seine starke Deutung der Benchmarkzahlen sollte daher als Darstellung des Beitrags verstanden werden, nicht als durch die im Text vorgelegten Nachweise abschließend belegtes Ergebnis.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Beide Zusammenfassungen, kurz und mittel, sind inhaltlich korrekt; der Abschnitt zusammenfassung bezieht sich auf die ausführliche Fassung, da das Schema nur eine Bewertung vorsieht. Luna hat richtig erkannt, dass der Text bis zu 16 Durchgänge nennt, das Codebeispiel aber nur sechs zeigt. Die Benchmarkwerte 45 % und 8 % sind Behauptungen des Autors in einem Medium-Beitrag ohne unabhängige Prüfung; die Einordnung stützt sich allein auf den Berichtstext.
Im Bericht, aber nicht in der Zusammenfassung
- Die im Titel genannte Behauptung, TRM habe DeepSeek-R1, Gemini 2.5 Pro und o3-Mini übertroffen, wird nicht ausdrücklich wiedergegeben
- Der Hinweis, dass das Modell auf Standard-Hardware trainierbar sein soll und die Anleitung im Originalpapier steht, fehlt
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Fähigkeiten messen
- SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 50 %gleiches Oberthema, hilft nicht
- drex 54 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- 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 100 %kein Bezug
- JEV 25 %einzelne zitierbare Belege
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 60 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Unabhängig prüfen
- 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 100 %kein Bezug
- amos 48 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 26 %gleiches Oberthema, hilft nicht
- amos 51 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 57 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 31 %gleiches Oberthema, hilft nicht
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 43 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P5 Wie überprüft man, ob Zusagen zwischen Staaten eingehalten werden, auch über Jahre und Regierungswechsel hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 56 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 53 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 48 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 59 %Hintergrund, keine Belege
- JEV 38 %gleiches Oberthema, hilft nicht
- amos 51 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 68 %gleiches Oberthema, hilft nicht
- d3-ultra 53 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
- 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 37 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 59 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 39 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 74 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- 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 36 %nur am Rande erwähnt
- JEV 51 %einzelne zitierbare Belege
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 64 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 41 %Hintergrund, keine Belege
- JEV 33 %beantwortet teilweise oder widerspricht
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 64 %gleiches Oberthema, hilft nicht
- d3-ultra 60 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
- 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 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 49 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 29 %gleiches Oberthema, hilft nicht
- amos 52 %gleiches Oberthema, hilft nicht
- SubQ 50 %gleiches Oberthema, hilft nicht
- drex 53 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 44 %einzelne zitierbare Belege
- JEV 43 %einzelne zitierbare Belege
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 49 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung Hintergrund, keine Belege
Offenlegung und Rechenschaft
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 50 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-O3 Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 49 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 48 %Hintergrund, keine Belege
- JEV 55 %einzelne zitierbare Belege
- amos 50 %gleiches Oberthema, hilft nicht
- SubQ 49 %gleiches Oberthema, hilft nicht
- drex 53 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung nur am Rande erwähnt
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 58 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 62 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
- SF-W2 Wie wirken sich Wettbewerbsrecht und öffentliche Beschaffung auf die KI-Sicherheit aus?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 49 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Weitere Berichte zu diesen Fragen
- 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?
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Alle Berichte im Archiv