Samsungs TRM: 5–7 Mio. Parameter, 87,4 % auf Sudoku-Extreme, schlägt DeepSeek-R1
Samsungs Tiny Recursive Model erreicht 87,4 % auf Sudoku-Extreme mit lediglich 5–7 Millionen Parametern – verglichen mit 55 % beim HRM und 0 % bei DeepSeek-R1 auf demselben Benchmark. Auf ARC-AGI-1 erzielt das Modell 45 %. TRM reduziert das Hierarchical Reasoning Model auf ein gewichtsgeteiltes Zwei-Schichten-Netz und beweist damit, dass die rekursive Schleife selbst – nicht biologische Hierarchie – der entscheidende Treiber deterministischer Schlussfolgerungsgewinne ist.
Einordnung
Damit sind rekursive Architekturen als kosteneffizienter Pfad zu deterministischem Schlussfolgern validiert – mit einem potenziellen 100-fachen Geschwindigkeitsvorteil gegenüber vergleichbaren LLM-Ansätzen. Embodied AI und latenzkritische wissenschaftliche Berechnungen werden bei diesen Parametergrößen deutlich praktikabler.