AstaBrief 8B ist das Modell zur Erstellung wissenschaftlicher Berichte, das Ai2 (Allen Institute for AI) am 2. Oktober 2026 als Open Source veröffentlicht hat: Man gibt ihm eine Forschungsfrage und abgerufene Literaturauszüge, und es erstellt daraus einen Bericht mit Zitaten. Das Modell ist bereits als Fast mode in der Funktion „Generate a report“ von Asta, Ai2s Plattform für wissenschaftliches Arbeiten, im Einsatz; Gewichte und Trainingsdaten sind offen verfügbar, gehostet wird das Modell im Repository AstaBrief_8B der Organisation allenai auf Hugging Face.
Warum wissenschaftliche Berichte ein eigens trainiertes kleines Modell brauchen
Die besonderen Anforderungen wissenschaftlicher Texte liegen nicht im Stil: Antworten müssen eng an der Evidenz bleiben, die Schlussfolgerungen einer Studie dürfen nicht stillschweigend verallgemeinert werden, und Forschende müssen prüfen können, ob jedes Zitat die damit verknüpfte Aussage tatsächlich stützt. Ai2 wollte testen, ob ein offenes 8B-Modell auf Basis von Qwen3-8B, das ausschließlich für Berichtserstellung nachtrainiert wurde, die Qualität der bisher genutzten proprietären Pipelines erreichen kann — bei kürzerer Generierungszeit und geringeren Betriebskosten. Es schreibt den vollständigen Bericht in einem Durchgang und überspringt die Stufen Auszugszusammenfassung und Clustering der alten Pipeline.
Der Schlüssel war nicht der Algorithmus, sondern die Datenfilterung
AstaBrief nutzt das übliche Rezept aus überwachtem Fine-Tuning und direkter Präferenzoptimierung (SFT + DPO); der Aufwand steckte in den Daten. Die SFT-Beispiele stammten aus Anfragen echter Forschender: Rund 90.000 Kandidatenanfragen wurden nach Qualität, Relevanz und Datenschutz gefiltert und dann über die ScholarQA-Pipeline in vollständige Berichte als Zielausgaben überführt; übrig blieben etwa 47.000 verwendbare Beispiele, erzeugt von einer Mischung aus Claude 3.5 Sonnet, Claude 3.7 Sonnet, o3, o4-mini und GPT-4.1. Die DPO-Phase erzeugte rund 6.000 Präferenzpaare; behalten wurden nur Paare, bei denen die beiden Bewertungsmodelle GPT-4.1 und DeepSeek-R1 übereinstimmten — ihre Übereinstimmung mit menschlichen Präferenzen lag bei 95 Prozent. Von vier getesteten statistischen Filtern wirkte der einfachste am stärksten: die Zitationsdichte, also ob ein synthetischer Bericht seine Aussagen durchgehend mit Zitaten versah; komplexere Filterkombinationen brachten keinen zusätzlichen Gewinn. In der vollständigen Asta-Pipeline braucht der Fast mode im Mittel 51,1 Sekunden pro Bericht gegenüber 178,5 Sekunden im Thinking mode, also etwa 3,5-mal schneller; in Auswertungen wie SQABench-CS2 und DeepScholarBench sowie einer kleinen menschlichen Studie lagen Antwort- und Zitationsqualität auf dem Niveau der Claude-basierten Pipeline.
Wo es einsetzbar ist — und wo die Grenzen liegen
Offene Gewichte bedeuten: Institutionen können AstaBrief auf eigener Infrastruktur betreiben — sensible Fragen zu unveröffentlichter Forschung müssen das Haus nicht verlassen. Ai2 stellt außerdem einen anpassbaren Beispiel-Workflow bereit, mit dem Forschende Berichte aus eigenen PDFs erstellen können. Die Grenzen werden offen benannt: Trainingsdaten und Vergleichsbaselines spiegeln den Stand der Frontier-Modelle von 2025 wider, und Ai2 sagt ausdrücklich, dass die vollständige Evaluation nicht mit den heutigen Frontier-Modellen wiederholt wurde. Zudem kann ein Zitat auf die richtige Arbeit verweisen, während die Aussage dennoch über das hinausgeht, was diese Arbeit gezeigt hat; solche subtilen Ausweitungen des Geltungsbereichs erfassen gängige Metriken weiterhin schlecht. Für Entwickler von Forschungswerkzeugen steckt darin eine weitergehende Lehre: Ein Modell wird nicht zwingend dadurch professionell, dass man Domänentext ins Pretraining schüttet — die Zusammensetzung der Nachtrainingsdaten und die Frage, ob diese Daten Zitierverhalten demonstrieren, das tatsächlich an der Evidenz landet, können die Ausgabequalität wesentlich verändern.
