Eine Stadtverwaltung präsentiert ein angeblich eigenes 397-Milliarden-Modell, und der Code verrät etwas anderes. Das KI-Labor Nex-AGI wirft der Prefeitura Rio de Janeiro vor, ihr „Rio-3.5″ sei in Wahrheit eine Mischung fremder Modelle. Der Fall zeigt, wie leicht sich KI-Herkunft frisieren lässt.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Das umstrittene KI-Modell Rio-3.5-Open-397B wird als originäre Entwicklung vermarktet, soll laut Nex-AGI aber ein elementweiser Merge aus dem eigenen Nex-Modell und Alibabas Qwen-Basis sein. Eine Stadt-KI als Marketing, technisch betrachtet eher ein Remix.
Das Wichtigste in Kürze
- Nex-AGI sieht in Rio-3.5 einen Merge aus rund 60 % Nex und 40 % Qwen3.5-Basis.
- Ohne hartkodierten System-Prompt nennt sich das Modell zu 79 % „Nex, from Nex-AGI“ und zu 0 % „Rio“.
- Jeder Gewichtstensor folgt über alle 60 Layer demselben 0,6/0,4-Mischverhältnis.
- Parallel kursiert die Behauptung, Rio-3.5 schlage Qwen3.7 in Benchmarks.
Wie entlarvt man ein gemergtes Modell?
Zwei Spuren verraten den Merge: das Modell identifiziert sich selbst als fremdes Produkt, und seine Gewichte sind eine mathematisch eindeutige Mischung zweier Basismodelle. Ein echtes Eigentraining hinterlässt solche Muster nicht.
Selbstauskunft. Entfernt man den vorgeschalteten System-Prompt, gibt das Modell zu 79 Prozent Nex-AGIs Hintergrundgeschichte wieder und nie die einer Rio-Eigenentwicklung. Ein Finetuning verschiebt Verhalten, ersetzt aber keine komplette Identität.
Gewichtsanalyse. Über alle 60 Netzwerklagen liegt jeder Tensor um tausende Standardabweichungen genau auf der 0,6/0,4-Mischung von Nex und Qwen. Dieses gleichmäßige Muster kann ein nachträgliches Training nicht erzeugen, es ist die Signatur eines direkten Merges.
Was lernen deutsche Beschaffer daraus?
Verlangen Sie bei jedem KI-Modell einen Herkunftsnachweis, bevor Geld fließt. Aufgeblähte Souveränitäts-Versprechen lassen sich mit Modellkarte, Trainingsdaten-Dokumentation und unabhängiger Prüfung schnell auf den Boden holen.
Beschaffungsrisiko. Öffentliche Stellen im DACH-Raum kaufen zunehmend KI ein, oft mit dem Etikett „eigene, souveräne Lösung“. Der EU AI Act verlangt für solche Systeme eine Dokumentation der Trainingsdaten, und genau hier trennt sich Eigenleistung von Etikettenschwindel. Wie viel Gewicht ein KI-Ranking wirklich hat, lohnt eine kritische Prüfung.
Benchmark-Vorsicht. Spektakuläre Benchmark-Siege sind ohne nachvollziehbare Methode wenig wert. Der LLM-Ratgeber hilft, Versprechen und Substanz auseinanderzuhalten, bevor ein Modell in den Betrieb geht.
Ein Modell wird nicht dadurch souverän, dass eine Stadtverwaltung ihren Namen draufschreibt. Provenienz ist die neue Compliance-Frage, und sie gehört in jeden KI-Beschaffungsvertrag.
— Markus Seyfferth, Chefredakteur Dr. Web
Fordern Sie vor dem Kauf eine prüfbare Modellkarte mit Basismodellen, Trainingsdaten und Lizenzkette. Eine kurze unabhängige Gegenprüfung kostet weniger als ein Reputationsschaden nach dem Vertragsschluss.
