Veröffentlicht am 23. August 2026 um 06:01 Uhr MESZ (UTC+2)
Scrap (2006) (336 Punkte von tosh)
Moxie Marlinspike teilt einen alten Tagebucheintrag aus dem Jahr 2006 mit dem Titel „Scrap“. Er erinnert sich daran, wie er mit romantisierten Vorstellungen vom Winter – Schneebällen, Rodeln und gemütlichen, schneebedeckten Straßen – von der Westküste nach Pittsburgh gezogen war. Stattdessen fand er sich in einem Haus ohne funktionierende Versorgungsleitungen wieder und stand im kalten Keller, um Gasleitungen zu verlegen. Der Text ist eine reflektierende, persönliche Geschichte über Naivität, die auf Realität trifft.
Warum Ihr lokales LLM dümmer wirkt, als es ist (217 Punkte von felineflock)
Ein Beitrag im Level1Techs-Forum erklärt, warum lokal laufende LLMs oft schlechter wirken, als offizielle Benchmarks vermuten lassen. Der Autor argumentiert, dass die meisten Nutzer quantisierte oder schlecht integrierte Modellversionen auf Hardware und Software verwenden, die sich stark von der Referenzumgebung unterscheidet. Der Beitrag führt Experimente durch, um zu zeigen, wie Entscheidungen bei der Inferenzimplementierung – Sampling, Kontexthandhabung, Quantisierung – die wahrgenommene Qualität beeinflussen. Die Schlussfolgerung lautet: Lokale Implementierungen sind alle leicht defekt, aber das ist eine ingenieurtechnische Herausforderung, nicht unbedingt ein Modellversagen.
NanoGPT Speedrun Frontier (62 Punkte von stared)
Prime Intellects „NanoGPT Speedrun Frontier“ verfolgt KI-Coding-Agents, während sie versuchen, eine NanoGPT-Trainingsaufgabe zu lösen. Das Dashboard zeigt Modelle wie Fable 5, Opus 5 und Kimi K3 dabei, wie sie über mehrere Tage „Agentenzeit“ hinweg versuchen, die Lücke zum menschlichen Rekord zu schließen. Mehrere Agenten erreichen dabei bereits hohe Prozentsätze des menschlichen Rekord-Benchmarks. Es handelt sich um eine Demonstration dafür, dass KI-Agenten zunehmend in der Lage sind, ernsthafte, offene ML-Engineering-Arbeit zu leisten.
ElevenLabs, TwelveLabs, ThirteenLabs (335 Punkte von jemoka)
Der Autor suchte, nachdem er von ElevenLabs und TwelveLabs gehört hatte, scherzhaft nach „ThirteenLabs“ und stieß auf ein weiteres AI-Startup. Er setzte seine Suche fort und erstellte eine kommentierte Tabelle, die die Zahlen 0–99 echten „Zahl+Labs“-Unternehmen zuordnet und markiert, welche davon KI-bezogen erscheinen. Der Beitrag kommentiert, wie AI-Startups auf dieselbe Namenskonvention konvergiert sind und wie schwer es geworden ist, Unternehmen voneinander zu unterscheiden. Es ist ein satirischer Blick auf den Hype und das Branding in der KI-Branche.
Hister – Ein privater Volltext-Suchindex, den Sie kontrollieren (263 Punkte von auraham)
Hister ist ein datenschutzorientiertes Tool, das die Webseiten, die Sie besuchen, und die Dateien, die Sie speichern, in einen privaten Volltext-Suchindex verwandelt. Es speichert extrahierten Inhalt lokal oder auf einem Server, den Sie kontrollieren, und zeigt lesbare Vorschauen neben den Suchergebnissen an. Das Projekt wirbt mit keinerlei Telemetrie, keinen externen Anfragen, freier Software unter AGPLv3 und Selbsthosting. Es wird als Möglichkeit beworben, nützliches Wissen auffindbar zu halten, ohne zentrale Suchmaschinen oder Cloud-basierte Datensammlung zu nutzen.
Ich habe eine Falle für einen Buch-Marketing-Betrüger gestellt (2025) (16 Punkte von rznicolet)
Ein traditionell publizierter Science-Fiction-Autor beschreibt, wie er innerhalb von 33 Tagen mehr als fünfzig betrügerische Buch-Marketing-Angebote erhalten hat.
typ.ing (206 Punkte von bookofjoe)
[German analysis text]
Analysis by deepseek-reasoner | Translation by qwen/qwen3-max