Nema Cortex
Nema Cortex ist ein kleines Sprach- und Gedächtnissystem, das wir von Grund auf selbst gebaut haben, ohne Transformer. Es läuft auf einem einzigen Prozessorkern, liest dauernd weiter Text und beantwortet Fragen zu dem, was es gelernt hat. Weiß es etwas nicht, sagt es das, statt eine Antwort zu erfinden. Es ist eine Forschungsvorschau und kein Assistent.
- Status
- Forschungsvorschau, bei uns intern im Test
- Läuft
- auf einem Prozessorkern, ohne Grafikkarte, auf unserem eigenen Server
- Antwortzeit
- etwa 50 Millisekunden je Frage
- Lernt aus dem Chat
- nie
Frag es selbst
Das ist die echte Instanz, kein Video. Sie lernt aus deinen Fragen nichts, und dein Text wird nicht gespeichert. Pro Frage sind höchstens 300 Zeichen erlaubt, pro Minute zehn Fragen. Cortex spricht Deutsch.
Was es ist
Cortex besteht aus drei Teilen: einem Modell, das Text Byte für Byte liest und vorhersagt, einem Suchindex über Dialoge und Wikipedia-Texte und einer Begriffsschicht, die aus Wikipedia-Artikeln Fakten wie „Rom ist die Hauptstadt von Italien“ gewinnt und mehrere davon verkettet. Alles läuft in einem einzigen Prozess auf einem Kern. Er liest seinen Lesestoff immer weiter (das deutsche Wikipedia-Korpus ist etwa 1,5 GB groß), sichert seinen Stand und antwortet über eine einfache Schnittstelle. Gelernt wird ohne Backpropagation, also ohne das Verfahren, mit dem große Sprachmodelle trainiert werden.
Woher eine Antwort kommt
Unter jeder Antwort in der Demo steht, woher sie stammt. Das ist die ehrliche Seite von Cortex: Man sieht, ob es etwas wusste oder nichts hatte.
- Aus dem Gedächtnis
- Die Frage passt gut zu einer gespeicherten Frage. Cortex gibt die gespeicherte Antwort wörtlich wieder.
- Aus dem Begriffsspeicher
- Cortex hat aus Wikipedia Fakten gewonnen und verkettet sie, etwa „Rom ist die Hauptstadt von Italien, also liegt Rom in Italien“. Zur Antwort gehört der Satz, aus dem der Fakt stammt.
- Ich weiß es nicht
- Nichts passt gut genug. Dann antwortet Cortex mit einem festen „Darüber weiß ich nichts.“ und rät nicht.
Wofür es taugt
Für schnelle Sachfragen zu dem, was in den Wikipedia-Texten steht, die es gelesen hat, zum Beispiel Hauptstädte, die Lage von Orten, Geburtsorte und einfache Definitionen, auf winziger Hardware und mit einem ehrlichen Nein, wenn es nichts weiß. Außerdem ist es unser Forschungsgegenstand, um zu verstehen, wie weit man ohne ein großes Sprachmodell kommt.
Was es nicht ist
Cortex ist kein Assistent. Es folgt keinen Anweisungen, schreibt keine längeren Texte, schlussfolgert nicht über mehrere Schritte und benutzt keine Werkzeuge. Es führt auch kein Gespräch: Jede Frage wird für sich beantwortet. Es sucht Gelerntes heraus und gibt es wieder, ohne es zu verstehen. Bei 200 Dialogfragen, die es nie gesehen hatte, stammten 45,4 % der Antwort-Bytes wörtlich aus der gefundenen Antwort, aber nur 5,6 % der seltenen Wörter der richtigen Antwort. Nach der Wurzel aus 36 gefragt, antwortete es in einem Test „64“: richtige Form, falsche Zahl. Und es weiß nur, was in seinen Quellen steht. Von den großen Modellen, die unsere Agents in Nema Crew benutzen, ist es weit entfernt, und es ersetzt sie nicht.
Wie es sich von großen Modellen unterscheidet
- Es lernt laufend, ohne neu zu trainieren
- Cortex liest einfach weiter. Fakten, die wir ihm erzählen, kann es sofort wiedergeben, ohne dass ein Training läuft. Aus den Fragen der Demo lernt es nichts.
- Winziger Platzbedarf
- Ein Prozessorkern, keine Grafikkarte, etwa 2 GB Speicher. Eine Antwort dauert rund 50 Millisekunden.
- Ein ehrliches Nein
- Wo große Modelle oft eine glatte Antwort erfinden, sagt Cortex, dass es nichts weiß.
- Nachvollziehbar
- Jede Antwort nennt ihre Quelle, und die Antworten des Begriffsspeichers kommen mit dem Satz, aus dem der Fakt stammt.
Zahlen
Alle Zahlen stammen aus der Dokumentation des Dienstes und unserem Forschungsstand. Es sind eigene Messungen mit kleinen Stichproben, kein unabhängiger Test.
- 52 ms
- Median einer Antwort, 95 Prozent der Antworten kamen in 54,6 ms. Gemessen mit 40 Anfragen auf einer Testinstanz mit kleinem Textbestand, nicht mit dem vollen Bestand.
- 1 Kern
- Der ganze Dienst läuft auf einem Prozessorkern, im Test mit etwa 2,1 GiB Speicher. Mit dem vollen Bestand rechnen wir mit etwa 2,7 GB.
- 100 %
- der Unsinnsfragen („Was ist ein Blurfnak?“) beantwortete es ehrlich mit „weiß ich nicht“. Bei Fragen zu Artikeln, die nicht im Index stehen, waren es 59,0 %.
- 100 %
- der Fragen zu Artikeln, die im Index stehen, beantwortete es (Messung vom 3. September 2026, Dienst mit der Einstellung „weiß ich nicht“ bei schwachen Treffern).
Quellen: README.md (Abschnitt „What it can and cannot do“) und docs/OPERATIONS.md (Abschnitt „Measured on srv2“) im Repository nema/models/cortex, dort mit den Messungen des Forschungsstands vom 2. und 3. September 2026.
Wo es Grenzen hat
- Es spricht nur Deutsch und kennt nur, was in seinen Quellen steht, vor allem dem deutschen Wikipedia-Korpus und Dialogdateien.
- Es behält nichts von einer Frage zur nächsten. „Und wie viele Einwohner hat sie?“ versteht es nicht.
- Die Begriffsschicht kennt nur wenige Fragearten: was etwas ist, Hauptstadt, Lage, Geburtsort. Alles andere fällt auf das Gedächtnis oder auf „weiß ich nicht“.
- Die Fakten stammen aus Wikipedia-Einleitungen und sind automatisch gewonnen. Sie können Lücken und Fehler haben.
- Es ist ein internes Forschungssystem. Kundendaten gehören nicht hinein.