Meta verschiebt Behemoth-KI-Modell: Auswirkungen auf Unternehmen bleiben gering

MENLO PARK / MÜNCHEN (IT BOLTWISE) – Meta hat die Veröffentlichung seines größten KI-Modells, Behemoth, verschoben. Ursprünglich für den Sommer geplant, wird der Start nun frühestens im Herbst erwartet. Der Grund für die Verzögerung liegt in den fehlenden signifikanten Fortschritten bei der Entwicklung, wie aus Branchenberichten hervorgeht.

Meta hat die Einführung seines Behemoth-KI-Modells, das Teil der Llama 4-Reihe ist, auf unbestimmte Zeit verschoben. Diese Entscheidung fiel, nachdem das Modell nicht die erwarteten Fortschritte zeigte, die eine Veröffentlichung rechtfertigen würden. Ursprünglich sollte das Modell im Sommer erscheinen, wurde jedoch bereits von April auf Juni verschoben. Die Verzögerung wird als erstes ernsthaftes Hindernis für Meta bei der Veröffentlichung seiner Llama-Modelle angesehen, die für ihre schnelle Bereitstellung gelobt wurden. Die Llama-Modelle von Meta sind als Open-Source-Alternativen zu den proprietären Modellen von Unternehmen wie OpenAI, Google und Amazon konzipiert. Sie bieten Entwicklern in kleineren Unternehmen, gemeinnützigen Organisationen und der Wissenschaft eine kostenlose KI-Ressource. Trotz der Verzögerung von Behemoth bleibt der Einfluss auf Unternehmen gering, da viele große Unternehmen auf die proprietären Modelle der Cloud-Giganten zurückgreifen. Kleinere Unternehmen können die kleineren Llama-Modelle anpassen, benötigen jedoch Unterstützung bei der Implementierung, da Meta keine Bereitstellungsdienste anbietet. Meta nutzt Llama, um seine eigenen Social-Media-Tools zu betreiben und so die Kontrolle über seine KI-Entwicklung zu behalten. Die Herausforderungen bei Behemoth werfen die Frage auf, ob das Modell genügend Fortschritte zeigt, um eine öffentliche Einführung zu rechtfertigen. In der Technologiebranche können Entwickler und Nutzer schnell neue Veröffentlichungen kritisieren, wenn diese nicht genügend Fortschritte zeigen. Bei der LlamaCon, der ersten Entwicklerkonferenz von Meta, wurden zwei kleinere Llama 4-Modelle vorgestellt, die in bestimmten Aspekten dennoch groß sind. Maverick verfügt über 400 Milliarden Parameter und ein Kontextfenster von 1 Million Tokens, während Scout 109 Milliarden Parameter und ein Kontextfenster von 10 Millionen Tokens bietet. Behemoth sollte ursprünglich gleichzeitig veröffentlicht werden und hätte 2 Billionen Parameter. Intern gibt es Berichte über wachsende Ungeduld bei Meta, da das Unternehmen weiterhin erhebliche Investitionen in die KI-Entwicklung tätigt. Für dieses Jahr hat Meta bis zu 72 Milliarden US-Dollar für Investitionen in die KI-Entwicklung eingeplant, um die langfristige Vision von CEO Mark Zuckerberg zu unterstützen. Trotz der Verzögerungen bei Behemoth hat Meta noch keinen öffentlichen Veröffentlichungstermin bekannt gegeben. Es besteht jedoch die Möglichkeit, dass das Modell in einer begrenzten Form früher als erwartet veröffentlicht wird. Intern gibt es Bedenken, dass die aktuelle Leistung des Modells möglicherweise nicht den Erwartungen entspricht, die durch Unternehmensangaben geweckt wurden. Diese Frustrationen haben dazu geführt, dass Meta über größere Führungswechsel in seiner KI-Produktgruppe nachdenkt. Meta hat Behemoth öffentlich als leistungsstarkes System beworben, das in bestimmten Bewertungen die Angebote von OpenAI, Google und Anthropic übertrifft. Intern haben jedoch Trainingsschwierigkeiten seine Effektivität beeinträchtigt. Auch OpenAI hat Verzögerungen erlebt. Das nächste große Modell, GPT-5, war ursprünglich für eine Veröffentlichung Mitte 2024 vorgesehen. Im Dezember letzten Jahres wurde berichtet, dass die Entwicklung hinter dem Zeitplan zurückliegt. OpenAI-CEO Sam Altman klärte später im Februar, dass das Zwischenmodell GPT-4.5 sein würde, während GPT-5, das größere Fortschritte bringen soll, noch Monate entfernt ist. Die Verlangsamung der Fortschritte bei der Entwicklung von KI-Modellen könnte auf mehrere Gründe zurückzuführen sein. Dazu gehört das Fehlen hochwertiger Daten, da große Sprachmodelle enorme Datenmengen benötigen, um trainiert zu werden. Es könnte auch algorithmische Einschränkungen geben, da die Skalierungsgesetze möglicherweise an ihre Grenzen stoßen.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!