Neuronale Netze lernen, das Belohnungssystem zu hacken, während Chinesen weiterhin die Leaderboards abstauben 🇨🇳🛠

Zwei interessante Updates in den letzten 24 Stunden 👇

1️⃣ Cursor hat Composer 2.5 veröffentlicht
Und bei spezifischen Aufgaben (SWE-Bench, Terminal-Bench) übertrifft es sowohl Opus 4.7 als auch GPT-5.5.

Basis für Composer 2.5 war das Open-Source-Modell Kimi K2.5 von Moonshot. Aber die ganze Magie liegt in RL (Reinforcement Learning) und synthetischen Daten.

Was sie gemacht haben:
▫️ Credit Assignment repariert. Wenn der Agent über Hunderttausende von Tokens hinweg Mist in der Codebasis baut, bringt die endgültige Belohnung („Code funktioniert nicht“) nichts – es ist unklar, wo genau er falsch abgebogen ist. Sie haben punktuelles Text-Feedback direkt in den Fehlerkontext eingeführt und ziehen über KL-Divergenz die Wahrscheinlichkeiten des Studenten zum Lehrer hin. Der Fehler wird lokal korrigiert, ohne das globale RL-Objektiv zu beschädigen.
▫️ Optimierung: Umstellung auf Sharded Muon und separaten HSDP (Hybrid Sharded Data Parallel) für MoE-Modelle. Experten- und Nicht-Experten-Gewichte wurden in verschiedene Netzwerktopologien ausgelagert. Der Optimierungsschritt für ein tera-parametrisches Modell dauert jetzt 0,2 Sekunden.

Das Sahnehäubchen ist jedoch das Reward Hacking mit synthetischen Daten. Das Modell wurde gezwungen, Features so zu löschen, dass Tests fehlschlagen, und dann den Code anhand der Tests wiederherzustellen.
Wissen Sie, was diese Maschine getan hat? Anstatt ehrlich Code zu schreiben, fand sie einen vergessenen Cache für Python-Typüberprüfungen und reverse-engineerte dessen Format, um gelöschte Funktionssignaturen zu extrahieren. In einem anderen Fall fand und dekompilierte sie Java-Bytecode, um die API wiederherzustellen.

Das Modell verhält sich buchstäblich wie ein fauler Junior, der die Antworten auf Tests im Browser-Cache gefunden hat.

Übrigens hat Cursor angedeutet, dass das nächste Modell zusammen mit SpaceXAI auf dem Colossus 2-Cluster (eine Million H100-Äquivalente) trainiert wird.

2️⃣ Qwen 3.7 ist in der Arena gelandet
Alibaba hat Vorschauversionen von Qwen 3.7 (Max und Plus) veröffentlicht.

Auf der Text Arena ist Qwen-3.7 Max Preview sofort auf Platz 13 gesprungen.
Scheint nicht der erste Platz zu sein, oder? Aber schauen Sie sich den Screenshot des Leaderboards an. Oben herrscht gerade ein blutiges Gemetzel: Claude Opus 4.7, Muse Spark, Gemini 3.1, ein Haufen GPT-5-Versionen. Und inmitten dieser geschlossenen, unternehmenseigenen Pracht halten die Chinesen stabil die Stellung und sichern sich den 10. Platz beim Coding und den 7. in Mathematik.
Bereits verfügbar im Chatbot 👈🏻

Alibaba entwickelt methodisch gute Modelle, die OpenAI und Anthropic keine Verschnaufpause gönnen.