FORSCHUNG
Klar dokumentiert, Artefakt für Artefakt.
Ein quellenverknüpftes Evidenzregister für die veröffentlichten Quantum-Piloten und die aktuelle Echelon-Pipeline – einschließlich Erkenntnissen, negativen Ergebnissen, Reproduzierbarkeitsstatus und sichtbaren Veröffentlichungslücken.
EVIDENZREGISTER
Aussagen, öffentlichen Artefakten zugeordnet.
Fixierter Implementierungs-Snapshot
f7eda1fb0ae153f0f9cc3477ead997cbdb462b39
Echelon-Aussagen auf dieser Seite sind mit einem unveränderlichen lumen-quantum-Commit verknüpft, damit spätere Repository-Änderungen die zitierte Evidenz nicht unbemerkt verändern.
Fixierten Snapshot prüfenEin öffentliches Artefakt stützt die Aussage direkt.
Ein Konfigurations-, Preflight- oder Smoke-Artefakt existiert, belegt jedoch nicht den Abschluss des vollständigen Experiments.
Das Ergebnis kann privat existieren, wird jedoch durch kein öffentliches Artefakt gestützt.
Es ist keine eingecheckte Messung verfügbar.
Der relevante Lauf oder das Artefakt ist ausdrücklich nicht abgeschlossen.
Eine Veröffentlichungsentscheidung oder ein verifiziertes Projektdetail ist weiterhin erforderlich.
| Artefakt | Umfang | Status | Öffentliche Evidenz | Aussagegrenze |
|---|---|---|---|---|
| Veröffentlichung von quantum-1-pilot | Veröffentlichtes Modellartefakt | Veröffentlicht | Öffentliches F16-GGUF, Modellkarte, Veröffentlichungsmanifest und SHA-256-Prüfsumme. | Keine standardisierten Benchmark-Ergebnisse und keine angegebene Modelllizenz. |
| Veröffentlichung von quantum-1.6-pilot | Veröffentlichtes Continued-Pretraining-Artefakt | Veröffentlicht | Öffentliches F16-GGUF, Modellkarte, Manifest, Prüfsumme und Hold-out-Validierungsmetriken. | Kein standardisierter Downstream-Benchmark und keine öffentliche Dokumentation roher Generierungen. |
| Echelon-Base-Architektur | Konfigurations-Preflight | Teilweise Evidenz | Der eingecheckte Preflight berechnet 506.333.440 Parameter für die vorgeschlagene Konfiguration. | Dies ist ein Konfigurationsergebnis, kein trainiertes Modell, Checkpoint oder Fähigkeitsergebnis. |
| Echelon-Tokenizer | Tokenizer-Artefakt | Veröffentlicht | Eingecheckte Konfiguration, Prüfsummen, Qualitätszusammenfassung und Round-Trip-Validierung mit 23 Fällen und 0 Fehlern. | Die Tokenizer-Validierung belegt keine Modellqualität. |
| Echelon-Garden-Pipeline | Smoke- und Resilienztests der Datenpipeline | Teilweise Evidenz | Der Phase-3-Bericht verzeichnet im abschließenden Smoke-Test 5.001 gesehene Dokumente, 1.559 akzeptierte Dokumente und 1.380.886 erzeugte Token. | Derselbe Bericht hält fest, dass der vollständige Produktionslauf nicht gestartet war. |
| Echelon-Produktionsdatensatz | Produktionsmanifest und endgültige Split-Gesamtwerte | Noch nicht verfügbar | Eine Produktionskonfiguration und Zielwerte sind eingecheckt. | Es sind weder ein abgeschlossenes Produktionsmanifest noch endgültige Gesamtwerte des Datensatzes veröffentlicht. |
| Echelon-Modelltraining | Trainingslauf, Checkpoints und Gewichte | Noch nicht verfügbar | In den öffentlichen Quellen ist kein abgeschlossenes Trainingsartefakt vorhanden. | Es werden keine Echelon-Verlustkurve, kein Checkpoint, keine Gewichtsdatei, kein GGUF und keine Modellausgabe beansprucht. |
AKTUELLE MODELLLINIE
Was für quantum-1-echelon existiert – und was nicht.
quantum-1-echelon ist die aktuelle strategische Modelllinie. Echelon Base ist die geplante Basistrainingsphase und Echelon Chat eine spätere Phase oder Variante innerhalb derselben Linie. Sie sind keine getrennten Modellfamilien.
Architektur-Preflight
VeröffentlichtDie vorgeschlagene Echelon-Base-Konfiguration wurde maschinell mit 506.333.440 Parametern innerhalb ihres konfigurierten Zielbereichs geprüft.
Grenze · Nur Konfiguration · keine trainierten Gewichte
Evidenz prüfenTokenizer
VeröffentlichtEine SentencePiece-BPE-Konfiguration mit 32.768 Token, eine Prüfsummenliste, eine Qualitätszusammenfassung und ein Round-Trip-Validierungsbericht sind eingecheckt.
Grenze · Tokenizer-Artefakt · keine Modellevaluation
Evidenz prüfenGarden-Datenpipeline
Teilweise EvidenzSmoke-, Integritäts-, Unterbrechungs-, Fortsetzungs- und Beendigungsverhalten sind dokumentiert. Der abschließende Smoke-Test erzeugte 1.380.886 Token.
Grenze · Produktionsdatenlauf nicht gestartet
Evidenz prüfenEchelon-Base-Training
Noch nicht verfügbarEs existieren kein öffentliches Trainingsprotokoll, kein Checkpoint, keine Gewichte, keine Evaluationsdokumentation und keine Modellausgabe.
Grenze · Keine Abschluss- oder Fähigkeitsaussage
Evidenz prüfenEchelon-Chat-Phase
Noch nicht verfügbarDas Repository reserviert innerhalb der Echelon-Familie einen Pfad für die Chat-Phase, es ist jedoch kein trainiertes Chat-Artefakt veröffentlicht.
Grenze · Phase innerhalb von Echelon · keine separate Familie
Evidenz prüfenGEPLANT, NICHT ERREICHT
Konfigurierte Produktionsziele
Die Garden-Produktionskonfiguration zielt auf 8.000.000.000 Trainings-Token sowie 10.000.000 Validierungs- und 10.000.000 Test-Token bei einer Kontextlänge von 2.048 Token.
Dies sind Konfigurationsziele, keine abgeschlossenen Gesamtwerte des Datensatzes. Die Website stellt sie erst dann als erreicht dar, wenn ein abschließendes öffentliches Manifest existiert.
Produktionskonfiguration prüfenERGEBNISSE UND ERKENNTNISSE
Positive Prüfungen und negative Ergebnisse mit klaren Grenzen.
Negative result
Zusätzliches Pilottraining stellte keine zuverlässige Generierung her.
quantum-1.6-pilot durchlief den dokumentierten Trainings-, Evaluations- und GGUF-Weg, während die öffentliche Diagnose weiterhin faktische Unzuverlässigkeit und häufige Wiederholungen dokumentiert.
Hold-out-Verlust und Perplexität sind kein Nachweis faktischer Genauigkeit oder Downstream-Fähigkeit.
Quelle prüfenPipeline finding
Der abschließende Garden-Smoke-Test akzeptierte 31,17 % der gesehenen Dokumente.
Der eingecheckte Phase-3-Bericht verzeichnet 5.001 gesehene und 1.559 unter den konfigurierten Sprach-, Qualitäts- und Strukturfiltern akzeptierte Dokumente.
Dies ist die Akzeptanzrate eines Smoke-Tests, nicht der Ertrag des nicht gestarteten Produktionslaufs.
Quelle prüfenEngineering lesson
Das Wiederherstellungsverhalten wurde vor dem Produktionsmaßstab validiert.
Die Garden-Implementierung dokumentiert atomare Checkpoints, den sicheren Umgang mit partiellen Shards, die Fortsetzung des Datensatzstatus, einen deterministischen Skip-Fallback und kontrolliertes Beendigungsverhalten.
Dies belegt Resilienztests der Pipeline, nicht den erfolgreichen Abschluss der Produktionsdaten.
Quelle prüfenValidation result
Der Echelon-Tokenizer bestand seine eingecheckte Round-Trip-Testsuite.
Der öffentliche Tokenizer-Bericht enthält 23 vorgegebene Fälle und verzeichnet 0 fehlgeschlagene exakte Round Trips, darunter deutsche Umlaute, Unicode, Code, JSON und Chat-Control-Token.
Die Suite ist eine Integritätsprüfung des Tokenizers, kein Sprachmodell-Benchmark.
Quelle prüfenABGESCHLOSSENE PILOTSTUDIE
Zwei veröffentlichte Piloten. Eine untrainierte Linie.
Die folgenden Abschnitte dokumentieren das veröffentlichte Experiment mit quantum-1-pilot und quantum-1.6-pilot getrennt von der untrainierten Echelon-Linie.
- Veröffentlichte Parameter
- 49.3MVeröffentlichte ParameterGemessen
- Konfiguriertes Echelon-Ziel
- 506MKonfiguriertes Echelon-ZielKonfiguriert, nicht trainiert
- Kontextfenster
- 512KontextfensterGemessen
FORSCHUNGSFRAGEN
Fragen hinter den Experimenten.
- 01
Wie stark kann sich ein deutsches Basismodell mit 49,3 Mio. Parametern durch Continued Pretraining verbessern, wenn Architektur und Tokenizer unverändert bleiben?
- 02
Welche Einschränkungen entstehen durch die Modellgröße, und welche könnten aus Export, Prompting oder Inferenzkonfiguration resultieren?
- 03
Können öffentliche GGUF-Prüfsummen und feste Completion-Prompts wiederholbare lokale llama.cpp-Vergleiche unterstützen?
Dies sind Forschungsfragen. Sie definieren die Untersuchung und sind keine Behauptung, dass die Experimente jede Frage bereits beantwortet hätten.
Primärquellen:Modellkarte zu quantum-1-pilot ·Modellkarte zu quantum-1.6-pilot ·Generierungsdiagnose
EXPERIMENTDESIGN
Ein kontrolliertes Continued-Pretraining-Experiment.
Die öffentliche Konfiguration von quantum-1.6-pilot beschreibt fortgesetztes Training ausgehend von quantum-1-pilot unter Beibehaltung der Architektur mit 49.295.872 Parametern, des Kontexts von 512 Token und des eingefrorenen quantum-1-Tokenizers. Sie legt einen neuen Optimierer, Scheduler und Schrittzähler fest, doch kein abschließendes öffentliches Run-Protokoll bestätigt jedes konfigurierte Detail.
Primärquellen:Trainingsdokumentation ·Trainingskonfiguration ·Öffentliche Modellkarte
Gleiche Architektur
Konstant gehalten
Gleiche Parameterzahl
49,295,872
Gleiche Kontextlänge
512 Token
Eingefrorener Tokenizer
quantum-1
Neuer Optimierer und Scheduler
Konfigurierter Run-Status
500 Mio. zusätzliche deutsche Trainings-Token
Berichteter Veröffentlichungsumfang
HYPOTHESE UND BEOBACHTUNG
Was als Hypothese formuliert und was öffentlich berichtet wurde.
Hypothese · Forschungserwartung
Continued Pretraining mit 500 Mio. zusätzlichen deutschen Token sollte die Konsistenz sprachlicher Muster verbessern, ohne Modellarchitektur oder Tokenizer zu verändern.
Beobachtung · öffentliche Veröffentlichungsdokumentation
Die öffentliche Hugging-Face-Veröffentlichung stellt ein F16-GGUF bereit und berichtet einen Validierungsverlust von 3,348852 sowie eine Perplexität von 28,4700. Die Modellkarten warnen, dass generierter Text faktisch unzuverlässig bleibt und unvollständig oder inkohärent sein kann; vollständige Run-Protokolle und rohe Evaluationsausgaben sind nicht verlinkt.
Diese Metriken beschreiben die Next-Token-Vorhersage auf zurückgehaltenen Daten. Sie belegen weder faktische Genauigkeit noch Instruction Following oder Downstream-Aufgabenleistung.
Primärquellen:Modellkarte zu quantum-1.6-pilot ·Generierungsdiagnose
MODELLVERGLEICH
Eine Architektur, zwei Trainingsphasen.
| Eigenschaft | quantum-1-pilot | quantum-1.6-pilot |
|---|---|---|
| Parameter | 49,295,872 | 49,295,872 |
| Kontext | 512 Token | 512 Token |
| Modelltyp | Base Completion | Base Completion |
| Trainingsumfang | Laut HF ungefähr 100 Mio. Token | Laut HF 500 Mio. zusätzliche Token |
| Tokenizer | quantum-1-Tokenizer | Derselbe eingefrorene Tokenizer |
| Veröffentlichungsformat | F16 GGUF | F16 GGUF |
| Status | Öffentliches Experiment | Öffentliche Veröffentlichung; Continued Pretraining berichtet |
Der Vergleich dokumentiert die Entwicklung der Trainingspipeline. Er ist kein Nachweis der Wettbewerbsfähigkeit gegenüber größeren Modellen.
Primärquellen:Modellkarte zu quantum-1-pilot ·Modellkarte zu quantum-1.6-pilot
DATENPIPELINE
Wie die zusätzlichen Trainingsdaten aufbereitet wurden.
Die öffentliche Continued-Pretraining-Konfiguration legt deutschsprachige Daten aus der FineWeb2-HQ-Teilmenge `deu_Latn` fest. Der Code ist dafür ausgelegt, Dokumente zu bereinigen, exakt zu deduplizieren, bekannte Dokumente aus dem früheren Datensatz zu filtern und stabile Trainings-, Validierungs- und Test-Splits zu erzeugen.
Korpusgröße in deutschen Tokens
quantum-1-pilot
100M tokens
Berichteter Vortrainings-Korpus des Basismodells.
quantum-1.6-pilot
600M tokens
Berichteter kumulierter Umfang: ungefähr 100 Mio. Basis-Token plus 500 Mio. zusätzliche deutsche Token.
quantum-1-echelon
8.000M tokens
Konfiguriertes Ziel von 8 Mrd. Trainings-Token. Der Produktionslauf wurde nicht gestartet und kein Echelon-Modell wurde trainiert.
Dokumentierte Einschränkung
Der Abgleich exakter Fingerabdrücke garantiert nicht die Entfernung von Beinahe-Duplikaten, leicht veränderten Kopien oder semantisch überlappenden Dokumenten.
Das öffentliche Repository stellt Pipeline-Konfiguration und Methode bereit. Es enthält kein abschließendes quantum-1.6-Datenmanifest mit Dokumentzahlen; daher werden hier keine Gesamtzahlen genannt.
Primärquellen:Trainingsdokumentation ·Datenkonfiguration
EVALUATIONSMETHODE
Wie der öffentliche Ablauf die Evaluation definiert.
Hold-out-Metriken
Validierungsverlust und Perplexität messen die Next-Token-Vorhersage auf reservierten Daten.
Feste Prompts
Wiederholte deutsche Completion-Prompts ermöglichen qualitative Vergleiche zwischen Checkpoints und Inferenzwegen.
Kontrollierte Decodierung
Deterministische und kontrollierte Sampling-Einstellungen helfen, Modellverhalten von Sampling-Variation zu trennen.
Fehlerdokumentation
Wiederholungen, faktische Inkonsistenz und inkohärente Fortsetzungen werden als Ergebnisse behandelt und nicht verborgen.
Es wurden kein versionierter abschließender Evaluationsbericht, keine Dokumentation roher Generierungen und kein standardisierter Downstream-Aufgaben-Benchmark veröffentlicht. Die Website suggeriert keine Benchmark-Wettbewerbsfähigkeit.
Primärquellen:Öffentliche Modellkarte ·Evaluations-Prompts ·Diagnosekonfiguration
BEOBACHTETES VERHALTEN
Öffentliche Evidenz vor Beispielen.
Evidenzstatus
Reproduzierbare Beispielausgaben wurden noch nicht beigefügt. Dieser Abschnitt bleibt auf dokumentierte Fehlerkategorien beschränkt, bis öffentliche Evaluationsartefakte verfügbar sind.
Das öffentliche Diagnosedokument definiert eine Vergleichsmethode für PyTorch-, GGUF- und Android-Pfade, enthält jedoch weder eine abgeschlossene Android-Aufzeichnung noch rohe Ausgabedaten. Die Website stellt diese geplanten Vergleiche daher nicht als abgeschlossene Evidenz dar.
Primärquellen:Generierungsdiagnose ·Evaluations-Prompts
FEHLERMODI
Bekannte Fehlermodi.
Faktische Inkonsistenz
Vervollständigungen können grammatikalisch strukturiert sein und dennoch falsche Aussagen enthalten.
Repetitive Fortsetzung
Generierter Text kann Muster wiederholen, statt eine kohärente Fortsetzung zu entwickeln.
Unvollständige oder inkohärente Fortsetzungen
Ausgaben können abrupt enden oder ihre semantische Kontinuität verlieren.
Kein Instruction Following
Die Piloten wurden als Base-Completion-Modelle veröffentlicht, nicht als instruction-getunte Assistenten.
Kein Chat-Alignment
Es werden weder ein Chat-Template noch Conversational Alignment zugesagt.
Begrenzter Kontext von 512 Token
Die Architektur begrenzt das verfügbare Kontextfenster auf 512 Token.
Diese Verhaltensweisen machen die Pilotmodelle für produktive Assistenz und Hochrisikoentscheidungen ungeeignet.
Primärquellen:Modellkarte zu quantum-1-pilot ·Modellkarte zu quantum-1.6-pilot ·Generierungsdiagnose
INTERPRETATION
Was geschlossen werden kann – und was nicht.
Durch die veröffentlichten Artefakte belegt
Die öffentlichen Quellen stellen veröffentlichte GGUF-Artefakte, Prüfsummen, berichtete Hold-out-Metriken und Code für den vorgesehenen Ablauf von fortgesetztem Training und Evaluation bereit. Ohne abschließende Manifeste und Protokolle bestätigen sie nicht unabhängig jeden Run-Schritt.
Dies belegt weder allgemeine Sprachkompetenz noch faktische Zuverlässigkeit, Instruction-Following-Fähigkeit oder Produktreife.
Es zeigt nicht, dass kleine Modelle generell größeren Modellen vorzuziehen sind. Es dokumentiert Verhalten und Grenzen dieses konkreten experimentellen Aufbaus.
Primärquellen:Modellkarte zu quantum-1.6-pilot ·Trainingsdokumentation ·Generierungsdiagnose
REPRODUZIERBARKEIT
Artefakte zur Prüfung.
Die öffentlichen Veröffentlichungen stellen Modellkarten, GGUF-Dateien, Manifeste, Prüfsummen und die Repository-Dokumentation bereit, die zur Prüfung der veröffentlichten Artefakte und des konfigurierten Forschungsablaufs erforderlich sind.
| Bereich | Status | Verfügbare Evidenz | Weiterhin fehlend |
|---|---|---|---|
| Integrität der Pilotveröffentlichungen | Veröffentlicht | GGUF-Dateien, Manifeste und SHA-256-Prüfsummen sind öffentlich. | Modelllizenzen bleiben ungenannt. |
| Methode und Konfiguration der Piloten | Teilweise Evidenz | Trainings-, Daten- und Diagnosekonfigurationen sind öffentlich. | Vollständige rohe Run-Protokolle und zitierte Generierungsnachweise sind nicht öffentlich. |
| Echelon-Architektur | Teilweise Evidenz | Konfiguration und Preflight der Parameterzahl sind öffentlich. | Es existiert kein trainierter Checkpoint und keine empirische Modellmessung. |
| Echelon-Tokenizer | Veröffentlicht | Konfiguration, Prüfsummen, Qualitätszusammenfassung und Validierungsbericht sind öffentlich. | Über die eingecheckte Validierungssuite hinaus wird keine Aussage getroffen. |
| Echelon-Produktionsdaten | Noch nicht verfügbar | Smoke-Evidenz und Produktionskonfiguration sind öffentlich. | Abschließendes Manifest, tatsächlich erreichte Split-Gesamtwerte und Produktions-Hashes sind nicht veröffentlicht. |
| Echelon-Training und -Evaluation | Noch nicht verfügbar | Es ist keine Evidenz eines abgeschlossenen Trainings öffentlich. | Gewichte, Protokolle, Verlustkurven, Ausgaben und Benchmarks sind nicht verfügbar. |
| Ressourcenmessungen | Nicht gemessen | Es ist kein eingecheckter Messbericht öffentlich. | Hardwareeinsatz, Laufzeit, Kosten, Energieverbrauch und tatsächlicher Speicherbedarf bleiben unberichtet. |
| Lizenzierung von Veröffentlichung und Datensatz | Angaben des Maintainers erforderlich | Quell- und Revisionsfelder sind in der Garden-Konfiguration vorhanden. | Es existiert keine Echelon-Modelllizenz, da kein Modell veröffentlicht ist; endgültige Veröffentlichungsbedingungen für den Datensatz sind nicht dokumentiert. |
Fehlende Punkte werden als Veröffentlichungslücken ausgewiesen. Ein Konfigurationsziel, Smoke-Ergebnis oder Preflight macht einen Forschungsbereich nicht zu vollständig reproduzierbarer Forschung.
Öffentliche Dokumentation
Trainingsdokumentation
Continued-Pretraining-Methode und -Konfiguration
Quelle prüfenÖffentliche Dokumentation
Generierungsdiagnose
Vergleichsmethode für PyTorch, GGUF und Android
Quelle prüfenÖFFENTLICHES F16-GGUF
quantum-1-pilot
- Datei
- quantum-1-base-v1.0.0-f16.gguf
- SHA-256
- aeab97e50a5789772b69cf1554ba74eb915b5621835d80d40785b473b62fd1a5
ÖFFENTLICHES F16-GGUF
quantum-1.6-pilot
- Datei
- quantum-1.6-pilot-v1.6.0-f16.gguf
- SHA-256
- 6bda15fcd51286e55174d5876fe44aa9518fb18b75fb5aa4f7402ebd039bd994
LLAMA.CPP-REFERENZ
llama-cli -m quantum-1.6-pilot-v1.6.0-f16.gguf -p "Berlin ist" -n 64 --seed 20260705 --temp 0 --top-p 1 --top-k 0 --no-cnvDieser Befehl entspricht der fixierten öffentlichen Diagnosekonfiguration und dem Command Builder; er wurde nicht von der Website-Testsuite ausgeführt. Ein lokaler llama.cpp-Build ist erforderlich, und --no-cnv hält llama-cli im Vervollständigungsmodus.
OFFENE FRAGEN
Fragen für die nächste Forschungsphase.
- 01
Wie wird sich die im Preflight geprüfte quantum-1-echelon-Basisarchitektur mit 506,3 Mio. Parametern verhalten, falls die vollständigen Daten- und Trainingsläufe abgeschlossen werden?
- 02
Welche Quantisierungsstufen erhalten nützliches Completion-Verhalten und verringern zugleich den Speicherbedarf?
- 03
Welche Evaluationsaufgaben eignen sich für kleine deutsche Base-Completion-Modelle, ohne ihre Fähigkeiten zu übertreiben?
- 04
Wie viel Verbesserung entsteht durch zusätzliche Trainingsdaten im Vergleich zu Änderungen an Architektur, Tokenizer oder Datensatzqualität?
Diese Fragen definieren mögliche zukünftige Untersuchungen. Sie sind keine Veröffentlichungszusagen, Meilensteine oder Leistungsversprechen.
DETAILLIERTE DOKUMENTATION
Weiter im Ressourcenbereich.
Prüfen Sie die Publikation, den Reproduzierbarkeitsnachweis, die Datenherkunft, Hinweise zur verantwortungsvollen Nutzung, Lizenzgrenzen und den aktuellen Evidenzstatus.