Wie weit KI in Bildung und Training gehen kann, hängt im Kern davon ab, wie weit inländische Modelle gehen können.

Bildungs- und Trainingsunternehmen scheinen alle ihre eigenen KI-Fähigkeiten aufzubauen, aber was wirklich bestimmt, wie weit diese Anwendungen gehen können, ist das zugrundeliegende Modell. Aufgrund von Sicherheit, Stabilität und Kosten sind inländische Bildungs- und Trainingsunternehmen tatsächlich stärker von inländischen Modellen abhängig. Genau hier liegt die Bedeutung von Kimi K3: Jeder Fortschritt der inländischen Modelle kann mehr Bildungs-KI-Szenarien aus dem Experiment in die praktische Umsetzung überführen.

Kürzlich hat Moonshot AI das neue Modell Kimi K3 vorgestellt.

Wie bei früheren Veröffentlichungen großer Modelle richtet sich die Aufmerksamkeit der Öffentlichkeit zuerst auf Parameter, Benchmark-Ergebnisse und technische Fähigkeiten: Welches Niveau es in Programmierung, Wissensarbeit und Ausführung komplexer Aufgaben erreicht hat und wie groß die Lücke zu den weltweit fortschrittlichsten Modellen noch ist. Nach der Veröffentlichung stellte Kimi vorübergehend die Anmeldung neuer Nutzer ein, um den Druck auf die Rechenleistung zu verringern.

Aber für die Bildungs- und Trainingsbranche ist es wichtiger als technische Ranglisten, welche Veränderungen die Verbesserung der Fähigkeiten inländischer Modelle, die durch Kimi K3 repräsentiert werden, der Bildungs-KI bringen kann.

1. Die KI-Fähigkeiten von Bildungs- und Trainingsunternehmen liegen nicht vollständig in ihrer eigenen Hand

In den letzten Jahren haben viele Bildungs- und Trainingsunternehmen KI-Teams aufgebaut.

Einige führende Unternehmen verfügen über eigene Algorithmus-, Daten-, Produkt- und Ingenieurmitarbeiter und haben eine große Menge an Daten zu Aufgaben, Kursen, Schülerverhalten und Interaktionen zwischen Lehrern und Schülern gesammelt. Sie können kleine Modelle für Bildungsszenarien trainieren, allgemeine Modelle feinabstimmen und durch Wissensdatenbanken, Prompts und Workflows die Leistung der KI bei bestimmten Aufgaben verbessern.

Aber diese Arbeiten und das Training eines fortschrittlichen Grundmodells sind zwei völlig unterschiedliche Dinge.

Der Wettbewerb um Grundmodelle erfordert enorme Finanzmittel und Spitzenkräfte. Selbst für große Internetunternehmen ist die Teilnahme am Wettbewerb um Grundmodelle eine langfristige, kapitalintensive und risikoreiche Investition. Für Bildungs- und Trainingsunternehmen, die Branchenanpassungen durchlaufen haben und gleichzeitig Einnahmen, Gewinne und Cashflow berücksichtigen müssen, ist es nicht realistisch, diese Investition unabhängig zu tragen. Daher ist für Bildungs- und Trainingsunternehmen die praktischere Wahl, Anwendungen auf externen Grundmodellen aufzubauen.

Was Bildungs- und Trainingsunternehmen wirklich gut können, ist das Verständnis des Bildungsgeschäfts: Welche Erklärungen für Schüler unterschiedlicher Altersgruppen geeignet sind, welches Feedback den Schülern hilft, Probleme zu entdecken, wie KI in Kurse, Aufgabendatenbanken und Lehrprozesse integriert werden kann und wie man beurteilt, ob eine KI-Nachhilfe wirklich wirksam ist.

Aber diese Fähigkeiten bestimmen, wo und in welcher Form KI eingesetzt wird, können aber nicht vollständig festlegen, was die KI selbst leisten kann.

Wenn die Schlussfolgerungsfähigkeit des Grundmodells unzureichend ist, können Bildungs- und Trainingsunternehmen Wissensdatenbanken und Standardantworten hinzufügen, aber es ist schwierig, sie zu einem KI-Lehrer zu machen, der komplexe Probleme stabil bearbeiten kann. Wenn das Grundmodell Bilder, Sprache und lange Dialoge nicht genau verstehen kann, können selbst ausgefeilte Designs auf der Anwendungsebene die Lücken in den zugrundeliegenden Fähigkeiten kaum vollständig schließen.

Daher spiegeln sich die KI-Fähigkeiten von Bildungs- und Trainingsunternehmen scheinbar auf der Produktebene wider, aber ihre Grundlage basiert auf den gemeinsamen Fähigkeiten, die von Modellanbietern bereitgestellt werden. Bildungs- und Trainingsunternehmen können entscheiden, wo KI eingesetzt wird, aber sie können kaum bestimmen, wie weit sich die grundlegenden Fähigkeiten der KI entwickeln können.

2. Im Vergleich zu den weltweit stärksten Modellen sind Bildungs- und Trainingsunternehmen stärker von inländischen Modellen abhängig

Da die KI-Fähigkeiten von Bildungs- und Trainingsunternehmen von externen Grundmodellen abhängen, stellt sich die nächste Frage: Auf welche Modelle sind sie stärker angewiesen – die weltweit stärksten oder inländische Modelle?

Die stärksten ausländischen Modelle sind natürlich wichtig.

Sie erweitern ständig die Obergrenzen der Fähigkeiten in Schlussfolgerung, Programmierung, Multimodalität und Ausführung komplexer Aufgaben und lassen inländische Bildungs- und Trainingsunternehmen erkennen, welche Produkte in der Zukunft möglich sein könnten. Viele Formen von KI-Produkten wurden zuerst an fortschrittlichen Modellen im Ausland validiert.

Aber dass eine Fähigkeit in der Welt bereits existiert, bedeutet nicht, dass inländische Unternehmen sie stabil erhalten und nutzen können.

Für Bildungs- und Trainingsunternehmen reicht es bei der Wahl eines Modells als Geschäftsgrundlage nicht aus, nur darauf zu achten, ob es das intelligenteste ist. Sie müssen drei realere Probleme berücksichtigen: Sicherheit, Stabilität und Kosten.

Zuerst die Sicherheit. Bildung ist kein gewöhnlicher Informationsdienst. Sie beinhaltet sowohl Wissensvermittlung als auch Werteorientierung, Schutz von Minderjährigen und ideologische Sicherheit.

Die KI-Systeme von Bildungs- und Trainingsunternehmen können personenbezogene Daten von Schülern, Lernaufzeichnungen, Dialoge zwischen Lehrern und Schülern sowie familiäre Situationen verarbeiten. KI-Produkte für Schüler beantworten auch direkt Fragen zu Geschichte, Kultur, Gesellschaft und Werteurteilen. Sobald ein Modell in Bildungsprodukte integriert wird, ist es nicht mehr nur ein Werkzeug zur Effizienzsteigerung für Mitarbeiter, sondern kann auch zu einem Informationszugang werden, über den Schüler Wissen erwerben und die Welt verstehen.

Daher muss für Bildungs- und Trainingsunternehmen ein Modell zuerst sicher und kontrollierbar sein, bevor man davon sprechen kann, ob es intelligent genug ist. Dies ist keine zusätzliche Bedingung, sondern eine Voraussetzung dafür, dass ein Modell in das Kerngeschäft integriert werden kann.

Zweitens die Stabilität. Selbst wenn ein ausländisches Modell leistungsfähiger ist, ist es schwierig, die zentrale Produktionsgrundlage für inländische Bildungs- und Trainingsunternehmen zu werden, wenn Unsicherheiten bei den Zugangskanälen, der Kontinuität der Dienste und den Nutzungsrichtlinien bestehen.

Die KI-Anwendungen von Bildungs- und Trainingsunternehmen werden nicht nur gelegentlich aufgerufen. Sobald ein Modell in Aufgabenkorrektur, Schülerfragenbeantwortung, Vertriebsprüfung, Kundenservice oder Kursprodukte integriert wird, bedeutet dies, dass eine große Menge an Geschäftsvorgängen täglich davon abhängig ist. Unterbrechungen der Schnittstelle, eingeschränkte Aufrufe oder Änderungen der Dienstregeln können das Nutzererlebnis beeinträchtigen und sogar zum Stillstand von Geschäftsprozessen führen. Unternehmen können ein nicht ausreichend stabiles Modell für Forschung und Tests verwenden, aber es ist schwierig, das Kerngeschäft auf einem System aufzubauen, dessen langfristige Verfügbarkeit nicht kontrolliert werden kann.

Drittens die Kosten. Viele KI-Anwendungen in der Bildungs- und Trainingsbranche zeichnen sich durch häufige und massenhafte Aufrufe aus. Die Kosten der stärksten ausländischen Modelle liegen ungefähr beim 5- bis 10-fachen der inländischen Modelle. Jeder eingereichte Aufgabe eines Schülers erfordert möglicherweise einen Modellaufruf; eine KI-Fragenbeantwortung umfasst oft mehrere Dialogrunden; Vertriebs-, Kundenservice- und Nachhilfelehrer erzeugen täglich eine große Menge an Aufnahmen und Texten; die Generierung von Lehrforschungsinhalten, die Extraktion von Nutzeretiketten und die Dienstprüfung erfordern ebenfalls fortlaufende Massenverarbeitung.

Ein Unterschied von wenigen Cent pro einzelnem Aufruf scheint nicht viel zu sein, aber wenn die Anzahl der Aufrufe Hunderttausende oder Millionen erreicht, wirkt sich der Kostenunterschied direkt darauf aus, ob das Geschäftsmodell eines Produkts tragfähig ist.

Daher benötigen Bildungs- und Trainingsunternehmen nicht unbedingt das leistungsstärkste Modell der Welt, sondern ein ausreichend leistungsfähiges Modell, das unter der Voraussetzung von Sicherheit und Stabilität zu vertretbaren Kosten in großem Umfang genutzt werden kann.

Genau hier liegt die besondere Bedeutung inländischer Modelle. Das weltweit stärkste Modell bestimmt, was sich die Bildungs- und Trainingsbranche vorstellen kann, während inländische Modelle bestimmen, was inländische Bildungs- und Trainingsunternehmen tatsächlich einsetzen können. Selbst wenn Unternehmen gleichzeitig auf mehrere Modelle zugreifen, werden inländische Modelle aufgrund von Überlegungen zu Sicherheit, Stabilität und Kosten mit größerer Wahrscheinlichkeit zu der grundlegenden Grundlage mit der breitesten Abdeckung und der höchsten Aufrufhäufigkeit.

3. Erst wenn inländische Modelle die Schwelle überschreiten, kommt es zu einer konzentrierten Umsetzung von KI-Szenarien

Anfang 2025 führte die Veröffentlichung von DeepSeek-R1 zu einer Welle inländischer KI-Anwendungen.

Nach der Veröffentlichung von DeepSeek kündigten zahlreiche Unternehmen, Regierungsbehörden und Produkte schnell die Integration an. In Szenarien wie Regierungsdienstleistungen, Politikfragenbeantwortung, Unternehmenswissensdatenbanken, intelligenter Kundenservice, Dokumentenverarbeitung, Codeentwicklung und Datenanalyse entstanden in kurzer Zeit zahlreiche Anwendungen.

Diese Anwendungsszenarien tauchten nicht plötzlich erst nach der Veröffentlichung von DeepSeek auf.

Unternehmen wussten schon lange, dass KI für Kundenservice, Büroarbeit, Wissenssuche und Datenanalyse eingesetzt werden kann, und viele Institutionen haben dies zuvor getestet. Die tatsächliche Veränderung durch DeepSeek bestand darin, eine Modelloption bereitzustellen, die leistungsstark, kostengünstig, hochgradig offen und von inländischen Unternehmen stabil eingesetzt werden kann.

Es hat diese Szenarien nicht erfunden, sondern sie freigesetzt.

Bevor ein Modell die Schwelle überschreitet, läuft ein KI-Projekt möglicherweise technisch bereits, ist aber wirtschaftlich nicht tragfähig. Zum Beispiel kann KI Lehrforschungsinhalte generieren, aber ein großer Teil der Inhalte muss noch von Menschen Wort für Wort überprüft werden; es kann Vertriebsdialoge analysieren, aber die Erkennungsergebnisse lassen oft wichtige Informationen aus; es kann Fragen von Schülern beantworten, aber bei komplexen Aufgaben ist die Leistung nicht stabil.

Die KI scheint den größten Teil der Arbeit erledigt zu haben, aber die Mitarbeiter müssen trotzdem hinterher prüfen, korrigieren und nacharbeiten. Unternehmen müssen nicht nur die Kosten für das Modell tragen, sondern auch den ursprünglichen Personalaufwand nicht reduzieren und manchmal sogar einen zusätzlichen Prüfprozess einführen. Was wirklich bestimmt, ob ein KI-Projekt skaliert werden kann, ist oft nicht, dass das Modell eine Aufgabe zum ersten Mal „beherrscht“, sondern ob das Modell die Kosten für die menschliche Absicherung auf ein für Unternehmen akzeptables Niveau senken kann.

Früher musste jedes Ergebnis manuell geprüft werden, später reicht eine Stichprobenprüfung aus; früher mussten Mitarbeiter umfangreiche Korrekturen vornehmen, später müssen sie nur noch wenige Ausnahmefälle bearbeiten; früher konnte KI nur als Referenz dienen, später kann sie einen standardisierten Schritt unabhängig abschließen. Wenn inländische Modelle eine solche Schwelle überschreiten, treten Veränderungen nicht nur in einem einzelnen Projekt auf, sondern können gleichzeitig in einer Reihe von Szenarien stattfinden.

Das gilt auch für die Bildungs- und Trainingsbranche.

Szenarien wie die KI-gestützte Generierung von Aufgaben, Erstellung von Lehrplänen, Korrektur von Hausaufgaben, Beantwortung von Fragen und Erklärung von Aufgaben, Analyse von Vertriebsdialogen, Extraktion von Nutzeretiketten und Durchführung von Dienstprüfungen wurden nicht erst heute entdeckt. In der Vergangenheit blieben einige davon in der Phase der Konzeptvalidierung stecken; einige konnten nur als Hilfswerkzeuge für Mitarbeiter dienen; andere waren zwar bereits online, konnten aber aufgrund zu hoher Kosten für die manuelle Prüfung kaum tatsächlich zu Kostenreduzierung und Effizienzsteigerung führen.

Mit der kontinuierlichen Verbesserung der Fähigkeiten inländischer Modelle in Bereichen wie Schlussfolgerung, Einhaltung von Anweisungen, Multimodalität, Langtextverarbeitung und Aufgabenausführung werden eine Reihe von ehemals instabilen Aufgaben stabiler, die Ergebnisse, die früher umfangreiche Korrekturen erforderten, werden zunehmend direkt nutzbar, und ehemals nicht tragbare häufige Aufrufe können aufgrund sinkender Kosten realisierbar werden.

Daher können diese Szenarien erst dann aus Konzepten und Experimenten in echte Projekte und Produkte übergehen, wenn inländische Modelle die Schwelle der produktiven Nutzbarkeit überschreiten.

4. Der Fortschritt der Bildungs-KI hängt davon ab, wie weit inländische Modelle entwickelt sind

Kehren wir zu Kimi K3 zurück.

Seine Bedeutung für die Bildungs- und Trainingsbranche liegt nicht unbedingt darin, dass ein Bildungs- und Trainingsunternehmen sofort die Integration ankündigt, noch dass sofort ein völlig neues Bildungsprodukt entsteht.

Wichtiger ist, dass es zeigt, dass die Fähigkeitsgrenzen inländischer Modelle weiter voranschreiten. Jede Verbesserung inländischer Modelle in Schlussfolgerung, Multimodalität, Langtextverarbeitung und Ausführung komplexer Aufgaben kann die Kosten für Bildungs- und Trainingsunternehmen senken, manuelle Prüfungen und Nacharbeiten reduzieren und den Aufgabenbereich erweitern, den die KI übernehmen kann.

Oberflächlich betrachtet stammen die Fortschritte der KI in der Bildungs- und Trainingsbranche aus Produktveröffentlichungen, Systemupgrades und Geschäftsumbauten verschiedener Unternehmen. Aber auf einer tieferen Ebene basieren diese Veränderungen alle auf den ständig verbesserten gemeinsamen Fähigkeiten inländischer Modelle.

Bildungs- und Trainingsunternehmen können entscheiden, zuerst KI-Korrektur, KI-Lehrforschung, KI-Prüfung oder KI-Lehrer einzuführen. Aber in welchem Umfang diese Produkte funktionieren, wie viele Nutzer sie abdecken können und ob sie letztendlich ein wirtschaftlich tragfähiges Ergebnis erzielen, hängt weitgehend davon ab, wie weit inländische Modelle bereits entwickelt sind.

Die weltweit stärksten Modelle zeigen der Bildungs- und Trainingsbranche, was die KI in Zukunft leisten kann. Inländische Modelle bestimmen hingegen, wann diese Fähigkeiten tatsächlich in großem Umfang, stabil und sicher in die Produkte, Unterrichtsräume und Geschäftsprozesse chinesischer Bildungs- und Trainingsunternehmen integriert werden können.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Duozhiwang“ (ID: duozhiwang), Autor: Tcoh, und wird mit Genehmigung von 36Kr veröffentlicht.