
Zwei KI-Modelle bekommen exakt dieselben Trainingsdaten, dieselbe Rechenzeit, dieselben Aufgaben. Das große lernt eine seltene Fähigkeit, das kleine nie. Obwohl beide genau dasselbe gesehen haben.
Kleine KI-Modelle scheitern ausgerechnet an den Fragen, bei denen es darauf ankommt. Nicht weil ihnen das Wissen fehlt, sondern weil in ihrem Inneren ein Verdrängungswettbewerb läuft, der das Seltene wieder löscht, bevor es sich festsetzen kann. Ein Forscherteam aus Stanford, Harvard, MIT und Anthropic hat im Mai 2026 zum ersten Mal sauber gemessen, wie das passiert.






