GPT-6 Astra soll Gewichte eines anderen KI-Modells ohne Nachtraining geändert haben
GPT-6 Astra soll nur 0,016 % der Gewichte von Qwen3.5-0.8B ohne Gradienten oder Nachtraining verändert haben, um Reasoning-Schleifen, Mathematikergebnisse und Instruction Following zu verbessern.
GPT-6 Astra soll Gewichte eines anderen KI-Modells ohne Nachtraining geändert haben
Berichten zufolge konnte GPT-6 Astra interne Parameter einer anderen neuronalen Netzwerks direkt verändern, ohne Gradienten zu berechnen oder zusätzliches Training durchzuführen.
Durch die Änderung von nur 0,016 % der Gewichte von Qwen3.5-0.8B soll Astra:
- Schleifen im Reasoning beseitigt haben;
- mathematische Ergebnisse um bis zu das Sechsfache verbessert haben;
- die Fähigkeit, Anweisungen zu befolgen, verdreifacht haben.
Dies deutet darauf hin, dass KI andere KI-Modelle von innen heraus selbst korrigieren könnte.
Warum das wichtig ist
AnalyseFalls bestätigt, könnte Weight-Space-Programming die Abhängigkeit vom Fine-Tuning senken und autonome Selbstkorrektur von KI-Modellen ermöglichen.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
OpenAI testet offenbar heimlich GPT-6.2 Astra, während bei Anthropic Mythos 5.5 auftaucht
In der Codex-Nutzungsstatistik erschien für einige Nutzer ein separater Eintrag `gpt-6.2-astra`, obwohl die öffentliche Modellliste weiterhin GPT-6 Astra anzeigt; parallel wurde auf der Anthropic-Website eine Erwähnung von Mythos 5.5 bemerkt.
OpenAI testet offenbar verdeckt GPT-6.2 Astra
In den Nutzungsstatistiken von Codex ist bei einigen Nutzern ein separater Eintrag gpt-6.2-astra aufgetaucht, obwohl in der Liste der verfügbaren Modelle weiterhin GPT-6 Astra steht.
Teil I. Architektur von KI-Agenten: Grundlegende Bausteine
Zehn grundlegende Bausteine eines modernen Agenten: Modell-Taxonomie, Runtime-Loop, Prompting-Techniken, Distillation, Skills, Memory, Function Calling und Unit Economics.
Teil II. Architektur von KI-Agenten: Vom Modell zu Gedächtnis und Tools
Tiefes technisches Eintauchen: Tokenisierung, KV-Cache, Determinismus beim Sampling, Trainings-Stack, Quantisierung, Kontext-Engineering, Security-Stack, produktives RAG, ReAct sowie Multi-Agenten-Swarm-Systeme.