KI News: Kurz und klar.

In der Welt der kontinuierlichen Black‑Box‑Optimierung stoßen Forscher seit langem an die Grenzen herkömmlicher Test-Suiten wie BBOB, die nur begrenzte strukturelle Vielfalt bieten. Ein neues Projekt nutzt große Sprachmodelle (LLMs) in einem evolutionären Loop, um Optimierungsaufgaben mit exakt definierten Landschaftsmerkmalen zu generieren. Durch die Kombination von natürlicher Sprachbeschreibung und LLM‑Code‑Generierung entstehen Funktionen, die gezielt Eigenschaften wie Multimodalität, Trennbarkeit, Homogenität der Basins, Homogenität des Suchraums sowie den Kontrast zwischen globalen und lokalen Optima aufweisen.

Google hat heute das neue Gemini 3 Flash KI-Modell vorgestellt, das kostenfrei genutzt werden kann – sogar direkt im AI‑Modus der Google‑Suche. Das Modell kombiniert blitzschnelle Reaktionszeiten mit hoher Leistungsfähigkeit und sorgt damit für einen deutlichen Mehrwert bei allen KI‑Funktionen, die Nutzer bereits von Gemini gewohnt sind. Besonders hervorzuheben sind die verbesserten Vibe‑Coding‑Fähigkeiten und die erweiterte Multimodalität, die es ermöglichen, Text, Bild und Ton nahtlos zu verarbeiten.

Ein neues Forschungsprojekt präsentiert ein innovatives Modell zur Vorhersage von Empathie, das mehrere Modalitäten – Video, Audio und Text – gleichzeitig nutzt. Durch die Kombination vortrainierter Netzwerke und einer Cross‑Modal‑Fusion entsteht ein reichhaltiges Feature‑Set, das die Empathie‑Labels präziser bestimmt als bisherige, ein‑Modale Ansätze.

Nach drei Jahren, in denen Google vor ChatGPT gewarnt hat, hat sich das Blatt gewendet: Das neue KI-Modell Gemini von Google hat in nur drei Monaten beeindruckende 200 Millionen Nutzer gewonnen. Diese rasante Wachstumsrate hat den CEO von OpenAI, Sam Altman, dazu veranlasst, ein „Code‑Red“ auszugeben und die Dringlichkeit zu betonen, mit der das Unternehmen seine eigenen Systeme weiterentwickeln muss.

Die Erwartungen wurden erfüllt, doch die Realität ist noch erstaunlicher. Nach der beeindruckenden Performance von Gemini 3, das komplette Anwendungen in Sekunden bauen, echte Multimodalität liefert und die KI-Fähigkeiten auf ein neues Level hebt, hat Google die lang erwartete Nano Banana Pro vorgestellt.

Die Erkennung von Emotionen aus Elektroenzephalogrammen (EEG) ist wegen der begrenzten Verfügbarkeit hochwertiger Labels, der Anfälligkeit für Artefakte und der subjektiven Natur der emotionalen Beurteilungen besonders schwierig. Traditionelle Deep‑Learning‑Modelle benötigen große Mengen sauber annotierter Daten, was in der Praxis kaum realisierbar ist.

Eine kürzlich veröffentlichte Arbeit auf arXiv präsentiert einen bedeutenden Fortschritt bei Vision‑Language‑Action (VLA) Modellen, die in der Robotik eingesetzt werden. Diese Modelle nutzen multimodale Eingaben, wobei sprachliche Anweisungen eine zentrale Rolle spielen – nicht nur bei der Vorhersage von Aktionen, sondern auch bei der robusten Interpretation der Nutzerabsicht, selbst wenn die Anforderung unmöglich umzusetzen ist.

OpenAI hat kürzlich die neueste Generation seiner Sprachmodelle, GPT‑5, veröffentlicht. Der Launch wurde von vielen als Meilenstein gefeiert, doch die Realität zeigt, dass das Modell nicht alle Erwartungen erfüllt, die in den Medien und der Community geweckt wurden.