KI heute: UltraQuant AMD und Liquid AI LFM2.5-VL

Wissensstand zum 26.09.2026. Das Quellmaterial wurde im Zeitraum vom 25.09.2026 bis zum 26.09.2026 gesammelt.

Die heutige Übersicht umfasst Neuheiten aus den Bereichen Sprachmodell-Optimierung und Cloud-Dienste. Wir stellen Ergebnisse von OpenAI-Tool-Implementierungen im Flottenmanagement vor, beleuchten die Aktualisierung des GeForce NOW-Angebots sowie technische Verbesserungen in Architekturen von Vision-Language-Modellen. Wir analysieren die UltraQuant-Technik zur Beschleunigung von Prozessen auf AMD Instinct-Prozessoren sowie ein neues Framework zur Beziehungsverwaltung in Multitask-Modellen, die in Empfehlungssystemen eingesetzt werden.

Das Wichtigste in Kürze (TL;DR)

• Proaction: Der Einsatz von Codex, GPT-Live-1 und GPT-6 Astra steigerte den Umsatz im Flottenmanagement um 60%.
• GeForce NOW: Die Plattform stellte das Spiel Control Resonant bereit und kündigte Unterstützung für Laptops mit Gemini Intelligence an.
• Liquid AI: Das Modell LFM2.5-VL-DSpark nutzt spekulatives Dekodieren und erhöht die Token-Generierungsgeschwindigkeit um mehr als das Dreifache.
• UltraQuant: Die Optimierungsmethode auf AMD Instinct-Prozessoren steigert die Tokens pro Sekunde um 29% bei einer Komprimierung des KV-Cache auf 4 Bit.
• Framework für Beziehungs-Lernen: Eine neue Methode zur Approximierung der Label-Verteilung in Multitask-Systemen verbesserte die Empfehlungsgenauigkeit auf YouTube.

Proaction setzt OpenAI-Tools im Flottenmanagement ein

Das Unternehmen Proaction teilte am 25. September mit, dass es Codex, GPT-Live-1 und GPT-6 Astra für den Aufbau, den Betrieb und den Vertrieb moderner Flottenmanagementsysteme nutzt. Dank der Integration dieser Lösungen steigerte das Unternehmen den Umsatz um 60% und sparze über 75 Arbeitsstunden ein.

Für KI-Entwickler: Unternehmen, die spezialisierte Betriebssysteme für Unternehmen anbieten, können prüfen, wie Sprachmodelle die Automatisierung von Vertriebsprozessen unterstützen. Die Ankündigung präzisiert weder die Lizenzkosten dieser Lösungen noch die Frage, ob sie eine Anpassung der technischen Infrastruktur auf Kundenseite erfordern – diese Daten sollten vor der Implementierung überprüft werden.

GeForce NOW unterstützt das Spiel Control Resonant

Die Plattform GeForce NOW gab am 24. September die Bereitstellung des Spiels Control Resonant in der Cloud bekannt. Die Produktion des Studios Remedy Entertainment lässt Spieler in die Rolle von Dylan Faden schlüpfen, der übernatürliche Fähigkeiten einsetzt, um Bedrohungen in einer alternativen Version von Manhattan zu bekämpfen.

Nutzer des Ultimate-Abonnements können den Titel mit einer Leistung der GeForce RTX 5080-Klasse ausführen und dabei NVIDIA DLSS 4, Raytracing, NVIDIA Reflex sowie cineastisches Streaming in bis zu 5K mit HDR-Unterstützung nutzen. Die Lösung macht eine lokale Installation des Spiels, dessen Größe 100 GB beträgt, überflüssig. Bis zum 27. September ist ein Abonnementpaket erhältlich, bei dem der Kauf einer 12-monatigen Mitgliedschaft das Spiel Control Resonant ohne zusätzliche Kosten beinhaltet.

Das Unternehmen kündigte zudem die Einführung der Dienstunterstützung auf Googlebooks an, einer neuen Kategorie von Laptops, die für Gemini Intelligence entwickelt wurden. Diese Geräte sind mit dem Titan C-Chip und integrierten Systemsicherheitsfunktionen ausgestattet. Die Integration mit GeForce NOW soll noch in diesem Jahr das Streaming von Spielen mit GeForce RTX-Leistung auf dieser Hardware ermöglichen.

Darüber hinaus wurden der GeForce NOW-Bibliothek weitere Titel hinzugefügt, darunter DragonSword: Awakening, das ein Gameplay in einer offenen Welt im Anime-Stil bietet. Dieses Spiel unterstützt Geräte wie das Steam Deck, den Browser Firefox sowie Amazon Fire TV. Zu den weiteren Neuheiten gehören unter anderem Dune: Awakening, Stick It to the Stickman und LEGO Batman: Legacy of the Dark Knight. Erstnutzer der Plattform können den Cloud-Zugriff mit einem Tagespass testen, dessen Kosten von der Gebühr für den ersten Abonnementmonat abgezogen werden können.

Für KI-Entwickler: Ein Architekt von Cloud-Verarbeitungssystemen kann die Mechanismen des hochauflösenden Streamings unter Verwendung der DLSS 4-Technologie analysieren, um die Netzwerkauslastung beim Remote-Rendering von Grafiken zu optimieren. In der Mitteilung wurden keine technischen Spezifikationen bezüglich der Übertragungsverzögerungen unter verschiedenen Netzwerkbedingungen und der Verfügbarkeit der Cloud-Infrastruktur in bestimmten geografischen Regionen genannt, was vor einer eventuellen Implementierung eigener auf GeForce NOW basierender Lösungen überprüft werden muss.

Liquid AI beschleunigt Vision-Language-Modelle mit dem System LFM2.5-VL-DSpark

Das Unternehmen Liquid AI hat am 24. September ein experimentelles Drafter-Modell veröffentlicht, das der Inferenz-Optimierung für das Vision-Language-Modell LFM2.5-VL-3B dient. Die Lösung nutzt die Technik des spekulativen Dekodierens, die die Token-Generierungsgeschwindigkeit bei minimalem Anstieg des Speicherbedarfs und ohne Beeinträchtigung der Ergebnisqualität erhöht.

Die zusätzliche Komponente fügt 280 Millionen Parameter hinzu, was einem Anstieg von 8,9% im Vergleich zum Basismodell 3B entspricht. Im Inferenzprozess verwendet sie eine Architektur mit 4 Attention-Schichten und Blöcken der Größe 8 oder 9, abhängig von der verwendeten Hardware.

Die Testergebnisse zeigen eine signifikante Beschleunigung des Dekodierens im Vergleich zum Standardmodell. Auf Geräten mit Apple-Chips (z. B. M5 Max) stieg die Dekodiergeschwindigkeit je nach Aufgabe um das 2,30- bis 3,13-Fache, bei einer Verbesserung der End-to-End-Latenz um das 1,56- bis 2,62-Fache. Bei H100-Einheiten wurde eine Beschleunigung des Dekodierens im Bereich von dem 2,4- bis 2,66-Fachen verzeichnet, bei einer End-to-End-Verbesserung um das 1,64- bis 2,27-Fache.

Die Autoren weisen darauf hin, dass das spekulative Dekodieren ausschließlich die Dekodierphase beschleunigt, nicht jedoch den Prozess der Bildkodierung oder die Prefill-Phase. In Situationen, in denen diese Phasen die Gesamtantwortzeit dominieren, ist der Gewinn durch den Einsatz von DSpark geringer. Das System bietet Unterstützung für llama.cpp, MLX-VLM und SGLang. Die Modelle sind auf der Plattform Hugging Face in den Formaten Safetensors und GGUF verfügbar.

Für KI-Entwickler: Ein Programmierer, der Vision-Systeme auf Edge-Geräten implementiert, kann das Modell mit Bibliotheken wie SGLang unter Verwendung der von den Entwicklern angegebenen Laufzeitparameter integrieren. Aus der Dokumentation geht nicht hervor, ob die Lösung alle natürlichen Sprachen gleichermaßen unterstützt oder welche Lizenzbeschränkungen bei kommerziellen Anwendungen gelten – dies sollte vor dem Einsatz in einer Produktionsumgebung überprüft werden.

UltraQuant auf AMD Instinct-Prozessoren

Das Unternehmen AMD hat am 25. September Details zur UltraQuant-Technik veröffentlicht, die den Dekodierdurchsatz erhöht und die Latenzen bei der Handhabung agentischer Sprachmodelle auf AMD Instinct-Grafikprozessoren senkt. Diese Lösung ist für Modelle gedacht, die in Umgebungen mit langem Kontext arbeiten, wie etwa Qwen3.8-2.4T mit MXFP4-Gewichten.

Die UltraQuant-Technik komprimiert den Key-Value-Cache (KV-Cache) auf 4 Bit und nutzt dabei die native Unterstützung des FP4-Formats durch CDNA4-Einheiten in MI355X-Chips. Im Gegensatz zur herkömmlichen Komprimierung erfordert diese Methode kein Entpacken der Daten vor Matrixmultiplikationsoperationen, da die Skalierung direkt in die MFMA-Instruktionen integriert wird. In Tests, die unter Verwendung der Bibliotheken vLLM (Version 0.19.2rc0), AITER (0.1.16.post3) und FlyDSL (0.2.0) bei einer Auslastung von C=32 durchgeführt wurden, ermöglichte UltraQuant eine um 29% höhere Anzahl von Tokens pro Sekunde und eine um 24% geringere Latenz im Vergleich zum schnellsten 8-Bit-Backend.

Bei Konfigurationen mit geringer Auslastung ähnelt die Leistung den standardmäßigen 8-Bit-Methoden, jedoch wächst der Vorteil von UltraQuant mit steigender Anzahl gleichzeitiger Anfragen. Die Autoren verweisen zudem auf den optionalen Einsatz des Multi-Token Prediction (MTP)-Kopfs, der bei moderater Auslastung (bis C=16) die Latenzen zwischen den Tokens zusätzlich um 12–22% reduziert, während bei hoher Auslastung empfohlen wird, ihn zu deaktivieren. Untersuchungen an den Datensätzen GPQA-Diamond und SWE-bench Lite bestätigten, dass der Einsatz von UltraQuant keinen Einfluss auf die messbare Schlussfolgerungsgenauigkeit des Modells hat.

Für KI-Entwickler: Ingenieursteams, die agentische Systeme mit langen Konversationssitzungen betreiben, können diese Methode auf der AMD Instinct-Infrastruktur testen. Im Material wurden keine Anforderungen bezüglich spezifischer Software-Lizenzen oder Informationen zur Verfügbarkeit von UltraQuant in anderen Hardware-Umgebungen außer der CDNA4-Architektur genannt – diese Aspekte erfordern vor dem Produktionseinsatz eine Überprüfung.

Neues Framework zum Beziehungs-Lernen in Multitask-Modellen

Laut einer Veröffentlichung vom 25. September hat ein Forschungsteam eine Methode zum Lernen von Beziehungen zwischen mehreren Aufgaben in Multitask-Modellen vorgeschlagen. Diese Lösung basiert auf der Approximierung der gemeinsamen Label-Verteilung durch gezielte paarweise Beziehungen, wodurch die Komplexität der Modellierung des gesamten gemeinsamen Raums vermieden wird. Die Autoren testeten die Wirksamkeit der Methode in YouTube-Empfehlungssystemen und setzten sie in Benachrichtigungs-, Startseiten- und "Weiter ansehen"-Modulen ein. Die Ergebnisse zeigen einen Anstieg der Genauigkeit und der Nutzerzufriedenheit. Das Framework ermöglicht den Einsatz von Transferlernen und verbessert die Informationsextraktion. Die Dokumentation enthält zudem eine Workflow-Vorlage, die zukünftige Implementierungen in anderen Multitask-Systemen erleichtern soll.

Für KI-Entwickler: Ein Team, das Multitask-basierte Empfehlungssysteme betreut, kann prüfen, ob der auf paarweisen Beziehungen basierende Ansatz die Wirksamkeitsmetriken ihrer Modelle beeinflusst. In der Publikation wurden weder die für den Betrieb dieses Frameworks notwendigen Hardware-Anforderungen festgelegt noch Informationen zu Lizenzen für die Nutzung der vorgeschlagenen Workflow-Vorlage bereitgestellt.

Häufig gestellte Fragen (FAQ)

Um wie viel stieg die Dekodierleistung im Liquid AI-Modell auf Apple M5 Max-Chips?

Bei Geräten mit Apple-Chips wie dem M5 Max stieg die Dekodiergeschwindigkeit nach dem Einsatz des Modells LFM2.5-VL-DSpark je nach ausgeführter Aufgabe um das 2,30- bis 3,13-Fache. Die Verbesserung der End-to-End-Latenz betrug hingegen das 1,56- bis 2,62-Fache.

Welche Vorteile bringt der Einsatz der UltraQuant-Technik auf AMD Instinct-Prozessoren?

Die UltraQuant-Technik komprimiert den KV-Cache auf 4 Bit, was eine um 29% höhere Anzahl von Tokens pro Sekunde und eine um 24% geringere Latenz im Vergleich zum schnellsten 8-Bit-Backend ermöglicht. Diese Methode erfordert kein Entpacken der Daten vor Matrixmultiplikationsoperationen.

Quellen

• Proaction boosts sales 60% and saves 75+ hours with Codex — 2026-09-25
• Contain the Chaos: ‘CONTROL Resonant’ Launches on GeForce NOW — 2026-09-24
• Accelerating vision-language models with LFM2.5-VL-DSpark — 2026-09-24
• UltraQuant on AMD Instinct: More Efficient Agentic Serving for Qwen3.8-MXFP4 — 2026-09-25
• Learned Cross-Task Relationships in Multi-Task Models — 2026-09-25

--- Text automatisch erstellt vom Labor aipoc-lab (KI) auf Basis der oben genannten öffentlich zugänglichen Quellen. Eigene Zusammenfassungen, keine Kopien. Version vor der menschlichen Redaktion.