TRUST CENTER · DETERMINISMUS

Reproduzierbar heißt bei uns: die Entscheidung, nicht der Wortlaut.

Die Hardware, auf der wir unsere Modelle für EU-Kunden betreiben, liefert bei temperature=0 keine bitgleichen Antworten. Wir haben gemessen, wo das kippt, und die Entscheidungen dorthin verlegt, wo das Rauschen sie nicht erreicht.

Zwanzig identische Aufrufe auf einem leeren Server, siebzehn verschiedene Texte. Das ist der Befund vom 19. September 2026. Er steht hier, weil ein Kunde ihn irgendwann selbst gemessen hätte.

20 Läufe je Zelle
5.478 Positionen über 2 nats, 0 gekippt
dichtes Modell 60 von 60 bitstabil

Messung: 19. und 20. September 2026
Hardware: NVIDIA GB10 · vLLM 0.24.0 (NGC 26.07)
Modell: Qwen3.6-35B-A3B in NVFP4
Whitepaper: PDF, 14 Seiten, deutsch
Whitepaper: PDF, 14 Seiten, englisch

ZUERST DIE GRENZENWir versprechen keine bitgleiche Antwort bei gleicher Eingabe. Nach dem Umbau waren die strukturellen Entscheidungen in allen geprüften Fällen stabil (Rückfrage, Frage, Sprache, die Kanten für Belege), und wir messen die Vollständigkeit der Extraktion bei jedem Release, statt sie zu versprechen. Gemessen ist eine Hardware, ein Container, eine Modellfamilie.

VIER ZAHLEN

Was gemessen ist.

Jede Zahl hat eine Rohdatei. Die Tabellen entstehen aus Skripten, nicht von Hand.

LEITER17 von 20verschiedene Texte in 20 identischen Aufrufen auf leerem Server, Produktionsrezept. Kein Serving-Schalter ändert das: ohne Prefix-Cache, ohne Spekulation, mit bf16-Cache, alles zusammen – 15 bis 18 von 20.

KIPPGRENZE0 von 5.478Positionen mit mehr als zwei nats Abstand zwischen bestem und zweitbestem Token, an denen ein Lauf gekippt ist. Gekippt wird nur an Beinahe-Gleichständen.

QUELLE60 von 60bitidentische Läufe des dichten Schwestermodells im selben Format und Container. Das Rauschen sitzt im NVFP4-Kernel, der die Experten mischt: in situ nachgewiesen in der ersten Schicht, und mit fp8-Gewichten über einen anderen Kernel ist dasselbe Modell bitstabil.

NACH DEM UMBAU8 von 8Betriebsfälle mit stabiler Entscheidung über je drei Läufe, seit die Entscheidung in einem kurzen eigenen Aufruf fällt.

DREI STUFEN

Drei Stufen von Reproduzierbarkeit.

Wer „reproduzierbar“ sagt, sollte sagen, welche Stufe gemeint ist. Wir sagen es für jede.

BITGLEICH01Dieselbe ZeichenfolgeWas temperature=0 verspricht. Auf unserer Hardware zu haben: mit fp8-Gewichten über einen anderen Kernel für 30 bis 45 Prozent Durchsatz, oder mit dem dichten Modell für das Fünf- bis Achtfache an Rechenzeit. So betreiben wir es heute nicht; die Abwägung steht im Whitepaper.
ENTSCHEIDUNGSGLEICH02Dieselben EntscheidungenRückfrage oder nicht, Frage oder Wissen, welche Kanten. Das ist die Stufe, die für eine Wissensverwaltung zählt. Nach dem Umbau messen wir sie in allen geprüften Fällen.
BEDEUTUNGSGLEICH03Dasselbe mit anderen WortenNicht messbar genug, um ein Tor darauf zu bauen. Deshalb bauen wir keines darauf.

WAS WIR GEBAUT HABEN

Die Entscheidung dorthin, wo das Rauschen sie nicht erreicht.

MUSTEREntscheidung kurz, Extraktion langEin Aufruf mit etwa vierzig Ausgabe-Token entscheidet: Rückfrage, Frage, Sprache. Ein zweiter, langer Aufruf extrahiert Knoten und Kanten. Eine kurze Ausgabe hat wenige Stellen, an denen ein Gleichstand entstehen kann.

VERTRAGEin Vertrag verlangt nur, was es gibtDrei der vier Ursachen des Falls lagen in unseren eigenen Prompt-Verträgen: ein unbeschriftetes Datum wurde zur Seitenzahl, ein Etikett zur Klammer, eine Zitierregel zitierte, wo nichts zu zitieren war. Behoben, mit einer Wand davor.

RELEASEVollständigkeit wird gemessen, nicht gesperrtDie Extraktion flattert weiterhin; ein Tor, das daran rot würde, wäre auf diesem Kernel immer rot. Die Sonde zählt die Abweichung und schreibt sie in jedes Modell-Release.

REGELZwei BauregelnEin Entscheidungs-Aufruf darf nicht auf einer Vertragsgrenze sitzen. Und wo ein Prompt dreimal dieselbe Sache falsch macht, ist das Format schuld, nicht die Formulierung.

NACHLESEN

Wo es steht.

WHITEPAPERReproduzierbare Entscheidungen auf nicht bitstabiler Hardware14 Seiten: Methode, Ergebnisse, Umbau, Lesart für Audits und die KI-Verordnung, Grenzen. Deutsch und Englisch.

MESSBERICHTDie Leiter, Schritt für SchrittDer vollständige Bericht mit allen Zellen, den Fehlschlägen und dem Vorfall, den die Messung selbst verursacht hat, liegt im Plattform-Repository unter docs/messungen/determinism.

WERKZEUGESonde, Leiter, Logprob-Sonde, HarnessVier Werkzeuge ohne Abhängigkeiten, Rohdaten je Lauf, ein öffentlicher Prompt-Satz aus zwanzig synthetischen Notizen. Ein öffentliches Repository dafür ist in Vorbereitung.

FRAGEN DAZU

Wer das nachrechnen will, bekommt die Rohdaten.

Auditoren, Kunden mit eigener Messung und Hochschulen, die den invarianten Kernel bauen wollen, bekommen Rohdaten, Werkzeuge und die Aufgabenstellung auf Anfrage.

Rohdaten anfragen Zurück zum Trust Center