Zhipu hat eine künstliche Intelligenz das eigene Inferenzsystem umbauen lassen und den Durchsatz in weniger als zwei Wochen auf das 3,2-Fache gehoben. Chefwissenschaftler Tang Jie präsentierte den Umbau als ersten Beleg für Zhipus Programm zur rekursiven Selbstverbesserung, intern „vollautomatisches Selbsttraining“ genannt.[1] Der ganze Lauf lief auf über 100.000 heimischen KI-Chips, ohne eine einzige Grafikkarte von Nvidia.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Für die deutschsprachige KI-Wirtschaft zählt daran weniger die Vision als die Rechnung dahinter. Ein Modell, das seine eigene Auslieferung optimiert, senkt die Kosten je Anfrage genau dort, wo europäische Anbieter noch teuer Rechenzeit einkaufen.
Das Wichtigste in Kürze
- Ein KI-Agent baute das Inferenzsystem von GLM-5.3-Flash neu und steigerte den Durchsatz auf das 3,2-Fache.
- Der Umbau lief auf über 100.000 chinesischen KI-Chips, ganz ohne Nvidia-Hardware.
- Tang Jie nennt das den ersten Beleg für Zhipus „vollautomatisches Selbsttraining“, also gelebte rekursive Selbstverbesserung.
- Vollständig autonome Selbstverbesserung bleibt Zukunftsmusik: Menschen steckten den Rahmen ab.
Was hat Zhipus KI genau gebaut?
Der KI-Agent trainierte das Modell nicht neu, sondern schrieb die Software, die GLM-5.3-Flash ausliefert. Er kombinierte bekannte Techniken wie Tensor-Parallelität, W8A8-Quantisierung, gemischte Präzision und eine getrennte Encode-Prefill-Decode-Architektur und stimmte sie aufeinander ab.
Zwei Engpässe löste der Agent selbst. Eine Übertragungsbremse im KV-Cache, verursacht durch Pythons globale Sperre, fiel von über 20 auf unter 1 Prozent Leistungsverlust, und ein Decode-Pfad lief nach dem Umbau 1,71-mal schneller. Dass ausgerechnet dieses Modell schon zuvor unbemerkt auf 100.000 heimischen Chips lief, zeigt, wie stark sich Chinas KI-Ausbau vom Training zur Inferenz verschiebt.
Ist das schon rekursive Selbstverbesserung?
Vollständig autonom war der Vorgang nicht. Eine KI, die ihre eigenen Gewichte ohne Aufsicht umschreibt, bleibt Zukunftsmusik. Geschehen ist ein nüchternerer, aber bemerkenswerter Schritt: Ein Agent half messbar mit, ein Nachfolgesystem zu bauen, unter menschlicher Aufsicht.
Als Muster ist der Schritt bekannt. Forscher von ByteDance, der Tsinghua-Universität und dem Shanghai AI Lab beschrieben rekursive Selbstverbesserung als fünfstufigen Weg, und Zhipus Ergebnis sitzt am unteren Ende. Wie eng die Grenzen bleiben, zeigte ein Test des Princeton-Informatikers Arvind Narayanan: Ein vergleichbarer Agent richtete in sechs Tagen die Technik ein, kam bei der eigentlichen Forschungsfrage aber nicht voran. Zhipu, das jüngst Milliarden für den KI-Ausbau aufnahm, steckt einen Großteil davon ins Selbsttraining, und warum Kontrolle über solche Systeme früh zum Thema wird, treibt auch die KI-Sicherheitsdebatte.
Eine KI, die ihr eigenes Rechensystem umbaut, klingt nach Science-Fiction, ist aber vor allem ein Kostenhebel. Zhipu drückt den Preis je Token, ohne eine einzige Nvidia-Karte zu kaufen.
— Markus Seyfferth, Chefredakteur Dr. Web
Was bedeutet das für europäische Entscheider?
Der EU AI Act benennt den Kontrollverlust über ein Modell, also den Punkt, an dem Menschen ein System nicht mehr steuern, ändern oder abschalten, in seinem Verhaltenskodex für universelle KI. Die autonome Selbstverbesserung von Fähigkeiten regelt das Gesetz selbst aber nicht, und diese Lücke wächst mit jedem Schritt wie dem von Zhipu.
Praktisch näher liegt der Preis. Zhipu drückt die Inferenzkosten je Token seit Jahresanfang um rund 80 Prozent, komplett auf heimischer Hardware ohne Nvidia, und setzt europäische wie US-Anbieter unter Druck. Drei Schritte lohnen sich jetzt:
- Chinesische Open-Weight-Modelle vor der nächsten Vertragsverlängerung auf Preis und Qualität testen.
- Für sensible Daten klären, wo das Modell rechnet und ob die DSGVO dort greift.
- Den Fortschritt beim Selbsttraining beobachten, weil er die Rechenkosten strukturell senkt.
Zhipus Umbau ist noch kein Beweis für eine sich selbst hochziehende KI. Als Kostenhebel auf eigener Hardware bleibt er trotzdem ein Signal, das die Tarifverhandlung mit jedem KI-Anbieter verschiebt.
FAQ: Zhipus KI und die rekursive Selbstverbesserung
Was ist rekursive Selbstverbesserung (RSI) bei KI?
Rekursive Selbstverbesserung meint eine KI, die an der Entwicklung ihrer eigenen Nachfolgesysteme mitarbeitet. Bei Zhipu optimierte ein KI-Agent das Auslieferungssystem des Modells GLM-5.3-Flash. Vollständig autonome Selbstverbesserung ohne Menschen gilt bislang als Zukunftsmusik.
Hat sich Zhipus KI wirklich selbst verbessert?
Teilweise. Ein KI-Agent baute das Inferenzsystem von GLM-5.3-Flash um und steigerte den Durchsatz auf das 3,2-Fache. Die Gewichte des Modells blieben unangetastet, und Menschen steckten den Rahmen ab. Von einer sich eigenständig hochziehenden KI ist das weit entfernt.
Läuft GLM-5.3-Flash ohne Nvidia-Chips?
Ja. Zhipu betreibt GLM-5.3-Flash auf einem Cluster aus über 100.000 heimischen KI-Chips, ohne Nvidia-Hardware. Die Inferenzkosten je Token sanken seit Anfang 2026 um rund 80 Prozent.
Warum ist RSI für europäische Unternehmen relevant?
RSI senkt die Rechenkosten strukturell und verschärft den Preisdruck durch chinesische KI-Anbieter. Zugleich benennt der EU AI Act den Kontrollverlust über Modelle, regelt die autonome Selbstverbesserung von Fähigkeiten aber nicht ausdrücklich.
Quelle
[1] QbitAI (量子位): „Tang Jie stellt Zhipus ersten RSI-Erfolg vor“
Mehr Newshunger?
- GLM-5.3-Flash: Zhipus KI-Topmodell lief unerkannt auf 100.000 heimischen Chips
- 4,35 Milliarden Euro für Zhipu: zinslose Wandelanleihe finanziert den KI-Ausbau
- Chinas KI-Ausbau verschiebt sich vom Training zur Inferenz
- 160.000 Huawei-Chips: DeepSeek baut sein Rechenzentrum ohne Nvidia
- KI-Kontrolle bis 2040: Was hinter dem ‚Plan A‘ der AI-2027-Macher steckt
- KI-Tempolimit reicht nicht: Chinas 360 setzt auf unabhängige Angriffstests
