Forschende in Samsungs KI-Labor im kanadischen Montreal erzielten mit einem vergleichsweise winzigen KI-Modell bessere Resultate als die marktführenden Anbieter. Wie die Institutsleiterin Alexia Jolicoeur-Martineau in einem wissenschaftlichen Artikel schreibt, benötigt ihr Modell weniger als 0,01% der Parameter, um Wettbewerber wie Google oder OpenAI zu übertreffen.

Der Ansatz ist ein "Tiny Recursive Model" (TRM) mit 7 Millionen Parametern. Die Samsung-KI ist so programmiert, dass sie jedes gelieferte Resultat selbstständig hinterfragt und sich so den Weg zur optimalen Lösung bahnt. Ihr TRM habe in den 800 Puzzleaufgaben des ARC-AGI-1-Tests eine Quote von 45% erreicht und schaffe immerhin 8% bei ARC-AGI-2, bei dem es unter anderem um die Anwendung kontextbezogener Regeln, die Interpretation von Symbolen und kompositorisches Schliessen geht. Diese Ergebnisse liegen über denjenigen von Large Language Models wie Deepseek R1, Google Gemini 2.5 Pro oder OpenAI o3-mini, konstatiert Jolicoeur-Martineau.

Die aktuellen Milliardeninvestitionen in KI-Infrastrukturen sehen die Forschenden kritisch. "Die Vorstellung, man müsse sich zur Lösung komplexer Aufgaben auf grosse Modelle verlassen, die von grossen Konzernen für Millionen von Dollar trainiert wurden, ist falsch", so Jolicoeur-Martineau via dem sozialen Netzwerk X. Die KI-Entwickler sollten vielmehr neue Wege gehen und Modelle entwerfen, die nicht unbedingt grosse Ressourcen voraussetzen.