Technik & Digitales – Fr, 23.10.2026 Morgens

Google Cloud-Ausfall trifft UK-Banken und NHS

Ein weit verbreiteter Ausfall der Google Cloud-Dienste hat UK-Banken wie HSBC, Revolut, Bank of Scotland, Lloyds und das NHS erheblich beeinträchtigt. Die Ursache wurde auf einen Stromausfall in einem Google-Datenzentrum in London zurückgeführt. Dies zeigt, wie abhängig kritische Infrastrukturen von Cloud-Diensten sind und wie schnell diese abhängig gemacht werden können.

Für Selfhoster und Homelab-Betreiber bedeutet dies, dass die Redundanz und die Unabhängigkeit von Cloud-Diensten kritisch überprüft werden sollten. Lokale Infrastrukturen können in solchen Fällen eine wichtige Alternative sein.

● hoch · Mehrfachsignal · cloud

TorchTPU als Open-Source-Projekt veröffentlicht

Google hat TorchTPU als Open-Source-Projekt veröffentlicht, ein nativer PyTorch-Backend für TPUs. Dies ermöglicht die effizientere Nutzung von TPUs für maschinelles Lernen und kann die Leistung von ML-Modellen erheblich verbessern. Dies ist besonders relevant für Entwickler und Forscher, die mit PyTorch arbeiten und TPUs nutzen möchten.

Für Selfhoster und Homelab-Betreiber, die sich mit maschinellem Lernen befassen, bietet TorchTPU eine interessante Option, um die Leistung ihrer Modelle zu steigern. Wer TPUs im Einsatz hat, sollte sich mit TorchTPU vertraut machen.

● mittel · Einzelsignal · open_source

Qwen3.8-Flash-Next läuft stabil mit weniger als 36 GB Speicher

Das quantisierte Modell Qwen3.8-Flash-Next läuft stabil mit weniger als 36 GB Speicher auf einer GPU. Es bietet eine glatte Inferenz mit 200-300 Token pro Sekunde, was es für lokale Ausführungen auf leistungsfähigen Rechnern sehr attraktiv macht. Dies reduziert die Hardwareanforderungen und macht das Modell für breitere Anwendungen zugänglich.

Für Homelab-Betreiber und Selfhoster, die sich mit maschinellem Lernen und NLP-Modellen beschäftigen, ist dies eine wichtige Neuigkeit. Es ermöglicht die Ausführung komplexer Modelle auf lokalen Systemen, was die Abhängigkeit von Cloud-Diensten reduziert.

● hoch · Einzelsignal · model_optimization

Massive B70 Spekulationsdecodierungsspezifikation-Verbesserung

Ein Pull Request verbessert die Spekulationsdecodierungsgeschwindigkeit auf Intel XMX-Matrix-Engines erheblich. Dies führt zu einer signifikanten Steigerung der Token-Verarbeitungsgeschwindigkeit, was die Leistung von ML-Modellen auf Intel-Hardware erheblich steigern kann.

Für Selfhoster und Homelab-Betreiber, die Intel-Hardware im Einsatz haben, ist dies eine wichtige Verbesserung. Wer sich mit maschinellem Lernen beschäftigt, sollte diesen Pull Request in seine Systeme integrieren, um die Leistung zu optimieren.

● mittel · Einzelsignal · performance_improvement

OvisOCR3: OCR-Modell mit strukturierten Ausgaben

OvisOCR3 ist ein 0.8B OCR-Modell, das strukturierte JSON-Ausgaben, Layout-Modi, Schlüsselinformationsextraktion und die Rekonstruktion von Tabellen über mehrere Seiten hinweg unterstützt. Dies macht es besonders nützlich für die Verarbeitung komplexer Dokumente und die Extraktion von relevanten Informationen.

Für Selfhoster und Homelab-Betreiber, die mit OCR-Technologien arbeiten, bietet OvisOCR3 eine leistungsstarke Alternative, die die Verarbeitung von Dokumenten erheblich vereinfacht. Wer OCR-Modelle im Einsatz hat, sollte OvisOCR3 in Betracht ziehen.

● mittel · Einzelsignal · local_ai