Modellkandidaten erzeugen
01
Generative KI
Die Modelle selbst weiterentwickeln — Expertenmodelle zusammenführen, die Generierung optimieren und neue Architekturen suchen.
EvoGM · Evolutionäres Model MergingDie Infrastruktur für evolutionäre KI-Systeme
Intelligenz, die sich in digitalen und physischen Welten anpasst, erschafft und weiterentwickelt.
Neueste Nachrichten
Alle Neuigkeiten ansehenGenesis Assistant: Laufende Arbeit verstehen und steuern
Aufgaben prüfen, Systemkapazität verstehen und in einem Gespräch handeln. Änderungen im main-Zweig vereinfachen zudem Remote-Dienste, Hintergrundaufträge und Modellzugangsdaten.
Genesis: Softwarefortschritt über Modellwechsel hinweg bewahren
Eine Compiler-Übergabe untersucht, wie akzeptierter Code, Projektstruktur und Prüfprotokolle die Entwicklung bei einem Modellwechsel fortsetzen lassen.
EvoX v1.4.1 Release Notes
Korrekturen an CMA-ES, DE-Varianten, PSO, Evolutionsstrategien, Turnierselektion und Hypervolumenberechnung.
01Warum Evolution
Die Kraft der Evolution
Evolution ist der bewährteste Weg der Natur, Intelligenz hervorzubringen. EvoX überträgt diesen Kreislauf auf KI: viele Kandidaten erzeugen, sie unter realen Bedingungen testen, behalten, was funktioniert, und darauf aufbauen — so wachsen Fähigkeiten durch Experimente statt durch manuelles Feintuning.
Vielfältige Kandidaten erzeugen; in späteren Runden bewahrte Lösungen übernehmen und leicht verändern.
02Anwendungen
Evolution über alle KI-Paradigmen hinweg
Von Modellen über Agenten und Roboter bis hin zur wissenschaftlichen Entdeckung — ein evolutionärer Kreislauf, angewendet überall dort, wo Intelligenz sich anpassen muss.
02Im Fokus
Mehrere Codevarianten erzeugen
Agentische KI
Rekursive Agenten, die ganze Codebasen zerlegen, aufbauen und weiterentwickeln — vom leeren Repository bis zur ausgelieferten Software.
Genesis · Rekursives agentisches System03
Schrittweite, Hub, Balance und Takt steuern
Physische KI
Robotersteuerungen durch massiv parallele Interaktion mit simulierten Umgebungen weiterentwickeln.
EvoRL · Evolutionäres Reinforcement Learning04
Profile mit unterschiedlicher Wölbung und Dicke erzeugen
KI für die Wissenschaft
Datengetriebene Black-Box-Optimierung für wissenschaftliches und technisches Design, validiert an superkritischen Tragflügelprofilen.
EvoGO · Design superkritischer Tragflügelprofile03Hardware
Rechnen ohne Grenzen
Komplexe Aufgaben gebündelt als Tensoren berechnen.
01Komplexe Aufgabenbündel
02EvoX · Tensorisierung
03Heterogenes Rechnen
CPUGPUBeschleuniger
- NVIDIA-GPUUnterstützt
- AMD-GPUUnterstützt über ROCm
- VulkanUnterstützt über EvoX Compiler
- Apple SiliconUnterstützt über MPS
- Huawei AscendValidierung auf Projektebene
- CPUUnterstützt
- VerteiltExperimentell