KI SpotlightNewsNachstellung des MIT-Agentenexperiments auf vier Gaming-GPUs: Bestätigung nur teilweise
Ein Team aus dem Umfeld der Stiftung Apex Fusion meldet, das SwarmWorld-Muster „Gruppe schlägt Einzelagent“ mit einem offenen 4-Bit-Modell reproduziert zu haben. Es handelt sich um einen Selbstbericht des Anbieters mit Produktinteresse. Eine unabhängige Bestätigung liegt nicht vor.
Mit KI erstelltInhalt
◆ Fakten auf einen Blick
- Das MIT-Experiment SwarmWorld setzte 50 oder mehr Sprachmodell-Agenten ohne zugewiesene Rollen in eine simulierte Welt.
- Die Gesellschaften bauten breitere und robustere Technologieportfolios als die besten gleich vielen Einzelagenten.
- Das MIT-Team veröffentlichte Code, Prompts und vollständige Traces, was externe Replikation ermöglichte.
- Ein mit Apex Fusion kooperierendes Team reproduzierte das Experiment in rund 26 Stunden auf vier RTX-3090-GPUs.
- Die Replikation ist ein Selbstbericht, ein Peer-Review ist nicht erwähnt.
MIT-Agentenexperiment auf vier Gaming-GPUs nachgestellt
Ein Forschungsteam aus dem Umfeld der Schweizer Stiftung Apex Fusion hat das SwarmWorld-Experiment des MIT (Pal, Wang, Buehler) auf vier RTX-3090-GPUs nachgestellt. Laut den Berichten übernahm das Team den MIT-Code und die MIT-Befehle unverändert. Der Lauf dauerte nach Angaben rund 26 Stunden.
Im Original setzten die MIT-Forscher 50 oder mehr Sprachmodell-Agenten ohne zugewiesene Rollen und Rezepte in eine gemeinsame simulierte Welt. Die Agenten erkundeten die Umgebung, sammelten Material, testeten und bauten dauerhafte Technologien. Die Gruppen entwickelten breitere und robustere Technologieportfolios als gleich viele Einzelagenten. Ohne Vorgabe teilten sie sich selbstständig in Builder und Explorer auf. Das Original lief auf einem gehosteten Frontier-Modell. Das MIT-Team veröffentlichte Code, Prompts und vollständige Traces. Erst dadurch war eine externe Nachstellung möglich.
Die Nachstellung verwendete stattdessen Qwen3.8 27B, ein Modell mit öffentlichen Gewichten und 4-Bit-Kompression. Der Lauf umfasste laut Bericht 12.800 Modellaufrufe. Allein erreichte das Modell 6 von 16 Forschungsmeilensteinen, in der Gruppe alle 16. Das MIT-Frontier-Modell kam in der Gruppe auf 14. Diese Zahlen stammen aus dem Bericht des beteiligten Teams.
Nur neun von zwölf Effekten zeigen in dieselbe Richtung
Die Überschrift, das Ergebnis halte auf Consumer-Hardware, ist nur teilweise gedeckt. Laut aimatter.in stimmten 9 von 12 gepaarten Effekten in der Richtung mit dem MIT-Ergebnis überein. Die übrigen drei lagen im Rauschbereich.
Die Replikation beruht auf einem einzigen Test mit nur einer Agentenzahl. Die größeren Gruppen der MIT-Studie wurden nicht geprüft. Hinzu kommt das kleinere, quantisierte Modell. Besonders heikel: Laut Bericht veränderte die KV-Cache-Präzision die Ergebnisse stärker als der Unterschied zwischen einem 27B- und einem 235B-Modell. Das Ergebnis hängt also stark an einer Servereinstellung.
thenextweb.com schreibt dagegen, das Team habe das zentrale Experiment mit unverändertem Code und unveränderten Befehlen reproduziert, was eine volle Bestätigung nahelegt. Auflösen lässt sich der Widerspruch so: „Unverändert“ betrifft das Setup, nicht Modell und Präzision, und die wichen ab. Die Schlagzeile fasst das qualitative Muster zusammen. Die Detailzahlen zeigen nur eine teilweise Übereinstimmung. Das MIT-Originalpaper lag der Redaktion nicht vor, ein Abgleich der Zahlen war deshalb nicht möglich.
Selbstbericht eines Anbieters: Apex Fusion verkauft Vector, ohne Peer-Review
Die Replikation ist ein Selbstbericht des beteiligten Teams. Ein Peer-Review wird in den Berichten nicht erwähnt. Beide Berichte stützen sich offenbar auf dieselbe Apex-Veröffentlichung. Sie sind damit keine zwei unabhängigen Bestätigungen.
Apex Fusion baut Infrastruktur für KI-Agenten und verkauft Vector. Das System ist eine Abrechnungs- und Nachweisschicht, die per Blockchain festhält, welcher Agent welche Arbeit geleistet hat. Ein Pilotlauf lief mit 32 Aufrufen über Vector. Die Stiftung hat also ein eigenes Interesse am Thema.
Paper und Trace-Daten liegen öffentlich auf GitHub, die Angaben lassen sich somit prüfen. Wer das Experiment wiederholt, muss KV-Cache-Präzision und Quantisierung kontrollieren. Dass Hochschulen oder Hobbyisten von günstigen Nachläufen profitieren könnten, liegt nahe. Belegt ist es nicht.
