• Samsung-Forscher stellen Mini-KI vor
• Fokus auf Effizienz
• Was das für NVIDIA, Microsoft & Co. bedeuten könnte

Samsung-Forscher präsentieren Mini-KI

Forschende des Samsung AI Lab in Montreal haben mit dem Tiny Recursive Model (TRM) ein ultrakompaktes KI-System vorgestellt, das selbst größere Modelle wie OpenAIs o3-mini oder Googles Gemini 2.5 Pro bei logischen Aufgaben übertrifft - und das mit nur sieben Millionen Parametern, wie The Decoder erklärt. Zum Vergleich: selbst kleine Sprachmodelle arbeiten meist mit drei bis sieben Milliarden Parametern.

Laut der Studie "Weniger ist mehr: Rekursives Denken mit winzigen Netzwerken" erzielt TRM herausragende Ergebnisse in verschiedenen Benchmarks - etwa 45 Prozent bei ARC-AGI-1 und 8 Prozent bei ARC-AGI-2, womit es deutlich vor etablierten Modellen liegt. Auch in Tests wie "Sudoku-Extreme" (87,4 Prozent Genauigkeit) und "Maze-Hard" (85,3 Prozent) zeige das Mini-Netzwerk, dass präzises, rekursives Denken auch ohne massive Rechenleistung möglich ist.

Effizienz statt Größe - was TRM leisten kann

Das TRM-Modell basiert auf einem rekursiven Schleifensystem: Es speichert eine aktuelle Lösung und einen "Notizblock" für Zwischenschritte, die es in mehreren Durchläufen laufend verbessert. Dadurch korrigiert es frühere Fehler selbstständig - ohne auf komplexe Argumentationsketten oder riesige Datensätze angewiesen zu sein. Mit dieser Methode kann ein kleines Netzwerk erstaunlich komplexe Denkprozesse durchführen und lernt gleichzeitig, unnötige Rechenschleifen zu vermeiden.

Trotz seiner Effizienz ist TRM kein Ersatz für große Sprachmodelle wie GPT oder Gemini, so The Decoder weiter. Es eignet sich vor allem für strukturierte Logik- und Gitteraufgaben, nicht aber für offene Textverarbeitung oder multimodale Anwendungen.
Die Forscher betonen zudem, dass noch Skalierungsgesetze und theoretische Grundlagen fehlen, um die Effizienz von Rekursion gegenüber tieferen Netzwerken vollständig zu erklären. Zudem ist TRM bislang kein generatives Modell, sondern liefert nur eine einzige deterministische Antwort pro Eingabe - eine Erweiterung auf kreative oder mehrdeutige Aufgaben gilt als spannender nächster Schritt.

Dennoch gilt es als potenzieller Baustein für spezialisierte Denk-KIs und könnte langfristig die Entwicklung energieeffizienter, fokussierter Modelle vorantreiben. Eine unabhängige Überprüfung der Ergebnisse und Tests mit weiteren Datensätzen stehen noch aus.

KI-Wettbewerb neu definieren?

Die Auswirkungen der Forschungsergebnisse könnten enorm sein: Während Unternehmen wie NVIDIA, OpenAI, Google und Microsoft Milliarden in energieintensive Supercomputer investieren, deutet Samsungs Ansatz auf eine mögliche Revolution der Effizienz hin, so die Frankfurter Rundschau. Sollte sich die Technologie durchsetzen, könnten viele dieser Investitionen an Bedeutung verlieren. Jolicoeur-Martineau kritisierte auf X, die Abhängigkeit von riesigen, teuren Basismodellen sei "eine Falle".

The idea that one must rely on massive foundational models trained for millions of dollars by some big corporation in order to solve hard tasks is a trap. Currently, there is too much focus on exploiting LLMs rather than devising and expanding new lines of direction.

- Alexia Jolicoeur-Martineau (@jm_alexia) October 7, 2025

Experten sehen darin eine potenzielle Zäsur für die Branche - und ein Risiko für den KI-Boom an der Wall Street. "Um die angekündigten Investitionen zu rechtfertigen, müssten zehn neue KI-Giganten von der Größe Googles entstehen", warnt KI-Forscher Damian Borth von der Universität St. Gallen. Samsungs Mini-KI könnte somit nicht nur den Wettbewerb neu definieren, sondern auch die milliardenschweren Geschäftsmodelle von Chip- und Cloudkonzernen ins Wanken bringen.

Redaktion finanzen.net

Dieser Text dient ausschließlich zu Informationszwecken und stellt keine Anlageempfehlung dar. Die finanzen.net GmbH schließt jegliche Regressansprüche aus.