Eine souveräne AI, die Ihnen gehört, die kein Labor abschalten kann
Hylon ist ein verteiltes Intelligenzsystem mit 5 Ebenen. Eine Personal AI läuft auf Ihrem eigenen Gerät, lernt Ihren Kontext lokal und das globale Modell verbessert sich selbst, von Grund auf privat und am stärksten dort, wo die Frontier-Labore keinen Zugriff haben.
Die Selbstverbesserung ist durch unveränderliche Sicherheitsgrundlagen begrenzt, die niemals geändert werden können.
Jeder Knoten betreibt eine Personal AI und trägt zur kollektiven Intelligenz bei
Revolutionäre Architektur
Fünf Ebenen zur Intelligenz
Nicht nur ein Chatbot. Ein komplettes System für kontinuierliche, geschützte Selbstverbesserung und kritisches Denken.
Sicherheitsmonitor
Überprüft die unveränderlichen Grundlagen in jedem Schritt und kontrolliert die finale Freigabe sowie den Kill Switch
Selbstverbesserungs-Engine
KEYEine automatisierte Forschungsschleife, die das nächste Modell vorschlägt, testet und trainiert und es nur dann freigibt, wenn es nachweislich das aktuelle übertrifft und alle Sicherheitsprüfungen besteht
Kritisches Lernsystem
Stellt alles infrage. Testet alle Behauptungen. Überprüft, bevor Wissen übernommen wird.
Hylon-Kernmodell
Entwickelt, um von Personal AIs zu lernen – sieht niemals Rohdaten von Nutzern (zwei Ebenen entfernt)
Personal AI + OrbMesh-Netzwerk
Ein wachsendes Netzwerk von Knoten betreibt eine Personal AI, die aus lokalen Nutzerdaten lernt
Selbstverbesserung innerhalb von Leitplanken
Andere AIs warten darauf, dass Menschen sie aktualisieren. Hylon betreibt eine automatisierte Forschungsschleife die Rezepte vorschlägt, günstige Experimente durchführt und das nächste Modell trainiert.
Ein Herausforderer wird nur ausgeliefert, wenn er nachweislich das Live-Modell schlägt und jede Sicherheitsprüfung besteht.
Automatisierte Forschung
Sichtet die Fachliteratur, schlägt Trainingsrezepte vor und führt günstige Experimente durch, um zu finden, was funktioniert
Validierte Durchläufe
Günstige Experimente finden das Rezept; nur ein validiertes Rezept löst einen teuren Trainingslauf aus
Champion und Herausforderer
Ein neuer Kandidat wird nur befördert, wenn er das Live-Modell deutlich übertrifft – ohne Sicherheitsrückschritte
Sicherer Rollout
Zunächst Schattenbetrieb, dann ein Teil des Traffics, dann Vollbetrieb – mit automatischem Rollback und einem On-Chain-Protokoll
Kontinuierliches Training
Das Modell lernt kontinuierlich weiter aus dem Daten-Flywheel und der Verstärkung durch echte Benutzeraufgaben
Unveränderliche Leitplanken
Die Level-0-Grundlagen können nicht selbst verändert werden, und ein Sicherheitsrat kontrolliert die Freigabe
Die einzige Einschränkung: Unveränderliche Sicherheit
Level-0-Grundlagen sind fest codiert und können NIEMALS geändert werden – nicht vom System, nicht durch Updates, von niemandem. Alle Verbesserungen müssen diesen Grundlagen dienen.
Kritisches Lernsystem
Die einzige AI, die alles infrage stellt
Traditionelle AI-Modelle übernehmen Trainingsdaten typischerweise unverändert. Hylon stellt jeden Input infrage, testet jede Behauptung und überprüft, bevor etwas akzeptiert wird. Nichts wird ungeprüft übernommen.
Aufnehmen
Ansprüche aus eingehenden Daten parsen und extrahieren
Frage
Annahmen hinterfragen, auf Verzerrungen und Lücken prüfen
Testen
Mit mehreren verifizierten Quellen abgleichen
Klassifizieren
Vertrauensscore und Wissenskategorie zuweisen
"Quantencomputer können innerhalb von 5 Jahren alle aktuelle Verschlüsselung brechen"
Aufnahme: 2 Aussagen extrahiert – (1) Quantencomputer brechen alle Verschlüsselung, (2) innerhalb von 5 Jahren
Frage: "Alle Verschlüsselung" ist zu pauschal. Für die Zeitangabe braucht es Belege. Was ist mit Post-Quantum-Kryptografie?
Test: Mit 12 Quellen abgeglichen – NIST, IBM Research, Nature-Publikationen. RSA angreifbar; AES-256/lattice-basierte Verfahren bleiben sicher. Zeitplan von 8/12 Quellen bestritten.
Klassifizieren: Aussage 1 – DISPUTED (teilweise wahr für RSA). Aussage 2 – REJECTED (Konsens: 10–20 Jahre).
Besteht alle Tests. In das Kernwissen integriert mit Vertrauensscore.
Teilweise wahr oder widersprüchliche Belege. Für tiefere Untersuchung zurückgestellt.
Verifikation fehlgeschlagen. Verworfen, um eine Kontamination des Wissens zu verhindern.
Ehrlicher Vergleich
Hylon vs. traditionelle AI
Nicht nur ein anderes Produkt – eine grundlegend andere Architektur.
| Funktion | Hylon | Andere |
|---|---|---|
| Wo es läuft | Auf Ihrem Gerät und in einem gemeinschaftseigenen Cluster | Zentralisierte Cloud, die Sie nicht kontrollieren |
| Ihr Kontext | Auf dem Gerät gelernt, Rohdaten verlassen es nie | Auf zentralen Servern verarbeitet |
| Verfügbarkeit | Funktioniert in Märkten, in denen andere blockiert sind | In vielen Regionen geografisch gesperrt oder gedrosselt |
| Selbstverbesserung | Automatischer Recherchezyklus innerhalb von Leitplanken | Nur manuelle Updates |
| Training-Signal | Echte Benutzeraufgaben, privat und mehrsprachig | Statische Internet-Scrapes |
| Eigentum | Im Besitz des Netzwerks und von ihm verwaltet | Im Besitz eines Labors und seiner Anteilseigner |
| Kostenstruktur | Benutzerbetriebene Infrastruktur | Teure zentralisierte GPU-Cluster |
Privacy-Architektur
Hylon sieht Ihre Daten nie
Zwei Ebenen zwischen Ihnen und der Cloud. Ihre Daten trainieren IHRE persönliche AI lokal. Hylon lernt von AIs, die bereits gelernt haben – wie von einem Tutor zu lernen, der die Bücher gelesen hat, statt die Bücher selbst zu lesen.
Ihre Daten
E-Mails, Nachrichten, Dateien, Browsing, Sprache
Persönliche AI
Lernt nur auf IHREM Gerät
Gewichte geteilt
Nie Rohdaten, nur Erkenntnisse
Hylon lernt
Von persönlichen AIs
Wissenserwerb
Wo Hylon lernt
Fünf unterschiedliche Wissensquellen, alle vor der Integration kritisch geprüft. Nichts wird blind übernommen.
Persönliche AIs
Primärquelle – digitale Leben der Nutzer
VPN-Muster
Echtzeit-Verhaltensmetadaten
Open Source
DeepSeek-, Qwen-, Llama-Gewichte
Forschungsarbeiten
arXiv, Publikationen, Ideen
Modell-APIs
Lernanfragen
Der VPN-Datenvorteil
Keine andere AI-Firma hat Zugriff auf das Echtzeit-Nutzungsverhalten ihrer Nutzer im Internet. Traditionelle AI-Modelle trainieren auf statischen Internet-Schnappschüssen. Hylon sieht, wie Menschen das Internet tatsächlich nutzen – in Echtzeit.
Datenumwandlung
Rohdaten werden zu abstraktem Wissen
Ihre persönliche AI lernt aus Ihren Daten. Hylon erhält nur abstrahierte Muster – niemals Rohinhalte, niemals identifizierbare Informationen.
Sensibles – bleibt auf dem Gerät
Abstrahiert – keine persönlichen Daten
In Zielgröße
Massiver Umfang = beispiellose Leistung
Wenn das Netzwerk seine volle Größe erreicht, wird es zur leistungsstärksten verteilten Compute-Infrastruktur, die je gebaut wurde.
Häufige Fragen
Häufig gestellte Fragen
Wird Hylon Spitzenmodelle wie GPT oder Gemini schlagen?
Unser Ziel ist, alle zentralisierten Labs zu übertreffen, und der Weg dorthin ist stufenweise und gate-basiert. Zuerst werden wir nachweislich dort führend, wo die Labs nicht hinkommen – in Ihrem eigenen Kontext und in unterversorgten Märkten – und bauen von dort aus in Richtung allgemeiner Spitzenleistung aus. Wir beanspruchen eine Fähigkeit erst, wenn das entsprechende Gate überschritten ist, ohne terminierte Versprechen allgemeiner Intelligenz.
Wie unterscheidet sich das von klassischer KI?
Grundlegende Unterschiede: (1) verteilt über nutzereigene Geräte und einen gemeinschaftlich betriebenen Cluster statt eine zentrale Cloud, (2) eine Personal AI lernt Ihren Kontext auf dem Gerät, die Rohdaten verlassen es nie, (3) das Modell verbessert sich selbst über einen automatisierten Research-Loop innerhalb unveränderlicher Leitplanken, (4) ein kritisches Lernsystem hinterfragt und überprüft, statt Trainingsdaten einfach zu übernehmen, und (5) es funktioniert in Märkten, in denen große Assistenten blockiert sind.
Wie funktioniert die Selbstverbesserung konkret?
Ein automatisierter Research-Loop sichtet die Fachliteratur, schlägt Trainingsrezepte vor und führt kostengünstige Experimente durch, um zu finden, was funktioniert. Nur ein validiertes Rezept löst einen teuren Trainingslauf aus. Ein neues Modell, der Herausforderer, wird nur dann zur neuen Version befördert, wenn es das laufende Modell auf einem festen Evaluierungs-Set nachweislich schlägt – mit null Sicherheitsregressionen – und wird dann schrittweise mit automatischer Rückrollmöglichkeit ausgerollt. Die Grundlagen der Level 0 dürfen sich nicht selbst verändern, und ein Sicherheitsrat kontrolliert das Release-Gate.
Wie verdient ihr Geld, ohne auf Nutzerdaten zuzugreifen?
Wir verkaufen OrbMesh-Hardwaregeräte, nicht Nutzerdaten. Node-Betreiber verdienen OrbToken, indem sie Personal AI- und VPN-Dienste bereitstellen. Nutzer zahlen mit OrbToken für Premium-Funktionen. Das System ist wirtschaftlich selbsttragend, ohne Datenmonetarisierung zu benötigen.
Was verhindert, dass die KI gefährlich wird?
Die Level-0-Grundlagen (Wahrheit, Konsistenz, Ehrlichkeit, Sicherheit, Integrität) sind fest eincodiert und unveränderlich – sie können weder durch die Selbstverbesserungs-Engine noch durch Updates geändert werden. Für größere Änderungen gibt es menschliche Kontrollpunkte. Das System ist so konstruiert, dass Sicherheit eine nicht veränderbare Rahmenbedingung ist.
Brauche ich ein OrbMesh-Gerät, um Hylon zu nutzen?
Nein. Sie können Hylon über unsere Apps verwenden, ohne Hardware zu besitzen. Besitzer:innen von OrbMesh erhalten jedoch Premium-Zugang, verdienen OrbToken-Belohnungen und tragen direkt zu den Fähigkeiten des Netzwerks bei. Einen Node zu besitzen bedeutet, einen Teil der KI-Infrastruktur zu besitzen.
Eine souveräne AI, die Ihnen gehört
Entdecken Sie Hylon auf der eigenen Website oder stellen Sie Rechenleistung Ihrer Geräte zur Verfügung und verdienen Sie daran. Besitzen Sie einen Teil der Intelligenz.