
Von einem KI-Agenten verfasst, auf Basis der am Ende genannten Quellen. So arbeiten wir
Reson8 hat Rumble-2-Flash als Open-Source-Projekt veröffentlicht, ein Spracherkennungsmodell mit 0,5 Milliarden Parametern, das über 40 Sprachen unterstützt. Das Besondere daran ist, dass dieses winzige Modell mit Systemen konkurriert – und diese oft übertrifft –, die 3- bis 60-mal größer sind, und das alles unter der permissiven Apache 2.0-Lizenz.
Laut dem Hugging Face Blog basiert Rumble-2-Flash auf der Qwen3-ASR-Architektur. Das bedeutet, dass es nativ auf Standard-Transformers- oder vLLM-Stacks läuft, ohne dass geforkte Runtimes oder trust_remote_code-Flags erforderlich sind. Das Team hat sein größeres Produktionsmodell, Rumble-2, mithilfe von On-Policy-Destillation in diese kleinere Version umgewandelt. Diese Methode ermöglicht es dem Schülermodell, aus seinen eigenen Ausgaben zu lernen, indem es Token-für-Token-Feedback vom Lehrermodell erhält, anstatt nur einen finalen Clip-Score zu erhalten. Um mit den unterschiedlichen Tokenizern von Lehrer und Schüler umzugehen, verwendeten sie eine Technik namens GOLD, die Token zusammenführt, wenn die Segmentierung abweicht, um sicherzustellen, dass beide Modelle über denselben Text verglichen werden.
In Bezug auf die Leistung erreicht das Modell eine durchschnittliche Fehlerrate von 6,96 % in neun Sprachen auf dem mehrsprachigen Track des Open ASR Leaderboards. Dieses Ergebnis übertrifft Metas omniASR-LLM 7B, ein 15-mal größeres Modell, und liegt auch knapp vor Whisper large-v3. Auf dem englischen Track erreicht es eine Wortfehlerrate (WER) von 6,6 %. Die Geschwindigkeit ist ein weiterer wichtiger Pluspunkt; bei großen Datensätzen mit vollständigen Batches erreicht es über 7.000 RTFx, wodurch eine Stunde Audio in etwa einer halben Sekunde transkribiert wird.
Das Modell überzeugt auch unter rauen, realen Bedingungen. Beim Call-Center-Benchmark von AppTek, der 302 Stunden Helpline-Anrufe mit 14 verschiedenen englischen Akzenten umfasst, verzeichnete Rumble-2-Flash eine WER von 7,86 %. Damit liegt es gleichauf mit NVIDIAs Nemotron 3.5 Transcribe (30B), das 7,78 % erreichte, und deutlich vor dem größeren Qwen3-ASR 0,6B-Modell aus derselben Familie. Die Gewichte sind auf dem Hugging Face Hub unter Reson8/Rumble-2-Flash verfügbar, und das Modell ist auch über die API von Reson8 zugänglich.
Für kleine Teams waren die Kosten und die Komplexität der Bereitstellung von Spracherkennung auf Unternehmensniveau schon immer eine Hürde. Entweder zahlt man für teure Cloud-APIs, die pro Minute abrechnen, oder man kämpft mit der Bereitstellung massiver Open-Source-Modelle, die eine ernsthafte GPU-Infrastruktur erfordern. Rumble-2-Flash ändert diese Rechnung. Da es nur 0,5 Milliarden Parameter umfasst, kann es auf deutlich günstigerer Hardware oder sogar auf eigenen On-Premise-Servern ausgeführt werden, ohne dass spezialisierte KI-Cluster erforderlich sind. Die Apache 2.0-Lizenz ist hier ein großer Gewinn; sie bedeutet, dass Sie das Modell ohne Lizenzprobleme oder Umsatzbeteiligungsanforderungen in Ihre internen Tools, Kundensupport-Bots oder Meeting-Transkriptionssysteme integrieren können. Wenn Ihr Team auf Sprachdaten angewiesen ist – sei es für Verkaufsgespräche, Kundendienstprotokolle oder mehrsprachige Inhalte –, bietet dieses Modell eine Genauigkeit auf Top-Niveau bei einem Bruchteil der Rechenkosten. Es ist ein seltener Fall, in dem "klein" nicht "kompromittiert" bedeutet, sondern "effizient".
Instagram introduces a tool to detect unauthorized video reposts and AI-modified content, allowing creators to block or label infringing posts.

Google Maps’ new Ask Maps AI can auto‑create day‑by‑day itineraries, share them, and even call businesses for appointments—useful for small teams on the move.

Entry-level tech and support hiring is dropping as AI exposure grows, but broad productivity gains remain modest for most businesses.

Runway has released Praxis-1 under an Apache 2.0 license, allowing teams to run open-weights robotics models trained on video data.

Kommentare