AntwortenVeröffentlicht20 Quellen
StartLuxs 27B-Modell fordert die Giganten heraus
StartLux V1.0 27B Preview erreichte im MCP Spezialtest der CAICT mit 39,25 Punkten den zweiten Platz – nur 1,30 Punkte hinter dem 1,6 Billionen Parameter Modell DeepSeek V4 Pro. Das 27B Modell übertraf DeepSeek V4 Flash 0731 mit 284 Milliarden Parametern und Step 3.7 Flash mit 198 Milliarden Parametern.
Veröffentlicht vonBearbeitet mit GPT-5.6 LunaBilder erstellt mit GPT Image 1.5
Forschungsantwort
Wichtige Erkenntnisse
- StartLux V1.0 27B Preview erreichte im MCP Spezialtest der CAICT mit 39,25 Punkten den zweiten Platz – nur 1,30 Punkte hinter dem 1,6 Billionen Parameter Modell DeepSeek V4 Pro.
- Das 27B Modell übertraf DeepSeek V4 Flash 0731 mit 284 Milliarden Parametern und Step 3.7 Flash mit 198 Milliarden Parametern.
- Der Test rückt eine praktischere Frage in den Mittelpunkt: Welches Modell erledigt einen konkreten Arbeitsablauf zuverlässig, sicher und kosteneffizient – unabhängig von seiner Parameterzahl?
KI-Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How did Shanghai-based StartLux’s StartLux-V1.0-27B-Preview, a 27-billion-parameter model built on Qwen3.6-27B with targeted post-training a. Article summary: StartLux-V1.0-27B-Preview was a notable outlier in CAICT’s MCP special test: it placed second overall with a 39.25 score despite having 27 billion parameters. It trailed the 1.6-trillion-parameter DeepSeek-V4-Pro by 1.30. Topic tags: general, general web, user generated, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
Das Wettrennen um immer größere Sprachmodelle bekommt eine neue Wendung. StartLux-V1.0-27B-Preview aus Shanghai erreichte im MCP-Spezialtest der China Academy of Information and Communications Technology (CAICT, chinesische Akademie für Informations- und Kommunikationstechnologie) mit 39,25 Punkten den zweiten Platz. Das Modell verfügt über 27 Milliarden Parameter und lag damit nur 1,30 Punkte hinter DeepSeek-V4-Pro mit 1,6 Billionen Parametern. 10
3
Das ist kein Beweis dafür, dass ein 27B-Modell große Systeme generell überholt hat. Der Befund ist deutlich spezifischer – aber gerade deshalb für Unternehmen interessant: Ein kompaktes Modell, das gezielt für Tool-Aufrufe, Planung und mehrstufige Arbeitsabläufe optimiert wurde, kann bei praxisnahen Agentenaufgaben sehr nahe an wesentlich größeren Modellen liegen.
Was der CAICT-MCP-Test prüft
Der Test umfasst sechs spezialisierte Aufgabenbereiche:
- Standortnavigation
- Websuche
- Browser-Automatisierung
- Finanzanalyse
- Verwaltung von Code-Repositories
- 3D-Design
Zusammen mit einer Gesamtbewertung ergeben sich sieben gemeldete Prüfkategorien. Im Mittelpunkt stehen die Zusammenarbeit mehrerer Werkzeuge, die Ausführung komplexer Aufgaben und die Interaktion mit realen Umgebungen. Laut den Berichten wurde der Durchschnitt aus drei vollständigen Testläufen gebildet. 10
7
Damit misst der MCP-Test etwas anderes als eine klassische Rangliste für Sprachmodelle. Ein Modell muss nicht nur eine Frage beantworten, sondern ein Ziel verstehen, mehrere Schritte planen, passende Werkzeuge aufrufen und eine Aufgabe tatsächlich abschließen. Für Unternehmen, die KI-Agenten einsetzen wollen, kann das aussagekräftiger sein als isolierte Tests zu Wissen oder logischem Schlussfolgern.
Wie sich StartLux gegen größere Modelle behauptete
Die gemeldete Gesamtwertung sieht wie folgt aus:
- StartLux-V1.0-27B-Preview: 27 Milliarden Parameter, 39,25 Punkte
- DeepSeek-V4-Pro: 1,6 Billionen Parameter, Platz eins; 1,30 Punkte vor StartLux
- DeepSeek-V4-Flash-0731: 284 Milliarden Parameter, 38,24 Punkte
- Step-3.7-Flash: 198 Milliarden Parameter, hinter StartLux platziert
Im Vergleich mit dem gleich großen Qwen-3.6-27B soll StartLux einen Vorsprung von 5,34 Punkten erzielt haben. Zum Testfeld gehörten außerdem Qwen-3.6-27B und AgentCPM-Explore. Für diese beiden Modelle liegen in den verfügbaren Quellen jedoch keine verlässlich belegten Gesamtwerte vor. 2
3
10
Besonders stark war StartLux bei praktischen Agentenaufgaben. Bei der Standortnavigation belegte das Modell den ersten Platz. Bei der Browser-Automatisierung und der Finanzanalyse wurde es Berichten zufolge entweder gleichauf mit DeepSeek-V4-Pro oder sogar vor dem größeren Modell gesehen. 4
6
7
Ein Erfolg der Effizienz – aber kein Ende großer Modelle
Die Schlagzeile lautet nicht, dass Parameterzahlen bedeutungslos geworden sind. Große Modelle können weiterhin breitere Fähigkeiten, bessere Leistungen bei schwierigen Aufgaben und mehr Spielraum für anspruchsvolles Schlussfolgern bieten.
Der CAICT-Test liefert vielmehr ein Argument für gezielte Spezialisierung. Wenn ein Benchmark zuverlässige Tool-Nutzung und Aufgabenausführung belohnt, können Nachtraining und eine genaue Ausrichtung auf bestimmte Arbeitsabläufe einen besonders großen Unterschied machen.
StartLux bezeichnet sein Modell als lokal einsetzbares Agentenmodell und verweist auf einen „AI trains AI“-Ansatz namens Auto Research. Das sind Erklärungen des Unternehmens dafür, wie das Ergebnis zustande gekommen sein soll. Der Benchmark belegt die gemessene Leistung, beweist aber nicht, welche Trainingsmethode dafür ursächlich war. Die belastbarere Schlussfolgerung ist daher enger gefasst: Eine gezielte Optimierung auf Tool-Nutzung, Planung und Workflow-Abschluss kann den Abstand zu sehr großen Modellen bei ausgewählten Unternehmensaufgaben deutlich verkleinern.
Was lokale Bereitstellung verändern kann
Ein Modell mit 27 Milliarden Parametern ist grundsätzlich deutlich realistischer auf privater Infrastruktur zu betreiben als ein Modell mit 1,6 Billionen Parametern – insbesondere in quantisierter Form und mit geeigneter Hardware. Für Unternehmen mit häufigen, wiederholbaren Agentenaufgaben können daraus mehrere Vorteile entstehen:
- Mehr Datenkontrolle: Sensible Eingaben und Ergebnisse von Tool-Aufrufen können innerhalb der eigenen Umgebung bleiben, statt an eine externe API übertragen zu werden.
- Bessere Kostenplanbarkeit: Bei hoher Auslastung können wiederkehrende API-Kosten sinken. Hardware, Strom, Betrieb und technische Betreuung müssen jedoch in die Gesamtkosten einfließen.
- Weniger Abhängigkeit von Netz und Anbieter: Eine lokale Installation kann die Abhängigkeit von Internetverbindung und externen Kapazitäten reduzieren.
- Mehr Anpassungsmöglichkeiten: Unternehmen können Werkzeuge, Zugriffsregeln und Testverfahren auf einen konkreten Prozess zuschneiden.
Das sind mögliche Vorteile, keine automatischen Garantien. Mit lokaler KI wandern auch Verantwortlichkeiten zum Betreiber: Beschaffung und Wartung der Hardware, Modell-Updates, Berechtigungen, Protokollierung, Überwachung und IT-Sicherheit müssen selbst organisiert werden. Ein kleineres Modell ist möglicherweise leichter zu betreiben, aber nicht zwangsläufig leichter zu kontrollieren.
Der Markt bewegt sich in Richtung kompakter Agentenmodelle
StartLux steht mit diesem Ansatz nicht allein. NVIDIA beschreibt Nemotron 3.5 Lightning als offenes Mixture-of-Experts-Modell mit insgesamt 30 Milliarden und nur 3 Milliarden aktiv genutzten Parametern. Es soll für dauerhaft laufende Agenten und umfangreiche Ausführungsaufgaben geeignet sein. In NVIDIAs Dokumentation zu unterstützten Modellen finden sich außerdem Gemma-4-Varianten mit 12 beziehungsweise 31 Milliarden Parametern. 25
26
Auch Modellkataloge und sekundäre Quellen ordnen Metas Muse Glimmer dem Bereich lokaler Agentenmodelle zu. Die ursprüngliche Veröffentlichungsdokumentation von Meta lässt sich anhand der hier verfügbaren Belege jedoch nicht unabhängig verifizieren. 27
33
Der übergreifende Trend ist dennoch erkennbar: Entwickler optimieren nicht mehr nur auf die Gesamtzahl der Parameter, sondern auch auf aktive Parameter, Durchsatz, Quantisierung, zuverlässige Tool-Aufrufe und den Betrieb auf eigener Hardware.
Was Unternehmen bei der Auswahl künftig messen sollten
Das Ergebnis von StartLux könnte zu einer stärker aufgeteilten Beschaffungsstrategie führen:
- Kompakte lokale oder privat betriebene Modelle für sensible, häufige und klar definierte Prozesse einsetzen.
- Leistungsstarke Cloud-Modelle für besonders schwierige, breit gefasste oder seltene Aufgaben reservieren, bei denen maximale Fähigkeiten wichtiger sind als einfache Bereitstellung.
- Den kompletten Arbeitsablauf testen – einschließlich Genauigkeit bei Tool-Aufrufen, Fehlerbehandlung, Abschlussquote, Chinesisch- und Domänenkompetenz, Latenz und Betriebskosten.
- Governance vor dem Roll-out prüfen: Berechtigungen, Datenaufbewahrung, Nachvollziehbarkeit, Modell-Updates und die Übergabe an Menschen müssen geklärt sein.
Damit verschiebt sich die entscheidende Frage von „Welches Modell hat die meisten Parameter?“ zu: „Welches Modell erledigt diese Aufgabe zuverlässig, zu vertretbaren Kosten und mit akzeptablem Risiko?“
Aus dem Parameter-Wettlauf wird ein Workflow-Wettlauf
StartLux-V1.0-27B-Preview beendet den Wettbewerb zwischen kleinen und großen Modellen nicht. Das Ergebnis macht jedoch einen Zielkonflikt sichtbar, den Unternehmen immer schwerer ignorieren können. Wenn Datenschutz, kalkulierbare Kosten, geringe Latenz und private Bereitstellung entscheidend sind, kann ein kompaktes Modell für einen konkreten Prozess die bessere Anschaffung sein als das größte verfügbare System.
Die nächste Phase der KI-Beschaffung dürfte deshalb weniger von einem universellen Sieger und stärker von der passenden Kombination aus Modellgröße, Aufgabe und Betriebsart geprägt sein. Die 39,25 Punkte von StartLux sind nicht deshalb relevant, weil sie die Parameterzahl entwerten. Sie zeigen vielmehr, wie viel nutzbare Agentenleistung sich in einem Modell bündeln lässt, das für lokale Szenarien deutlich realistischer erscheint.
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „StartLuxs 27B-Modell fordert die Giganten heraus“?
StartLux V1.0 27B Preview erreichte im MCP Spezialtest der CAICT mit 39,25 Punkten den zweiten Platz – nur 1,30 Punkte hinter dem 1,6 Billionen Parameter Modell DeepSeek V4 Pro.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
StartLux V1.0 27B Preview erreichte im MCP Spezialtest der CAICT mit 39,25 Punkten den zweiten Platz – nur 1,30 Punkte hinter dem 1,6 Billionen Parameter Modell DeepSeek V4 Pro. Das 27B Modell übertraf DeepSeek V4 Flash 0731 mit 284 Milliarden Parametern und Step 3.7 Flash mit 198 Milliarden Parametern.
Was soll ich als nächstes in der Praxis tun?
Der Test rückt eine praktischere Frage in den Mittelpunkt: Welches Modell erledigt einen konkreten Arbeitsablauf zuverlässig, sicher und kosteneffizient – unabhängig von seiner Parameterzahl?