Es gibt ein Terminal, das so ganz gewöhnlich aussieht wie nur irgend möglich: Es nimmt ls, cd und mkdir entgegen, kann sogar Dateien in Vim bearbeiten, Python ausführen und tmux mit mehreren Fenstern starten – alles unterscheidet sich in nichts von einer echten Umgebung. Doch die Wahrheit dahinter ist ziemlich absurd: Es gibt weder ein Linux noch ein Dateisystem, und es wurde niemals ein einziger Befehl wirklich ausgeführt – alles, was auf dem Bildschirm erscheint, erfindet die KI vor Ort. Dieses Projekt namens WorldTUI hat vor allem eine einzige Kernaufgabe: dem Modell das „Schauspielern“ beizubringen.
Der Entwickler Simon Edwardsson hat auf Basis von Qwen2.5-Coder-0.5B ein kleines Modell mit rund 3.6×10^8 Parametern (also etwa 360 Millionen) und einer Größe von 716 MB trainiert, das nach int4-Quantisierung auf 208 MB komprimiert wurde und sich mühelos lokal ausführen lässt. Seine Funktionsweise ist denkbar schlicht: Die KI führt keinerlei Programme aus, sondern sagt auf Grundlage der von dir eingetippten Befehle nur voraus, welche Ausgabe das Terminal als Nächstes anzeigen wird. Lässt du es eine Datei anlegen, tut es so, als hätte sie sie angelegt; lässt du es eine Datei lesen, erinnert es sich angestrengt daran, was es gerade hineingeschrieben hat; öffnest du Vim, schlüpft es in die Rolle von Vim und spielt weiter; selbst den Python-Interpreter und tmux mit mehreren Fenstern spielt es überzeugend. Kurz gesagt: Solange es nur gut genug schauspielert, fällt es schwer, den Schwindel zu entlarven.
Noch erstaunlicher: Dieses „Schauspielertalent“ hat auch ein Gedächtnis. Was du mit Vim in eine Datei geschrieben hast, siehst du auch später beim erneuten Öffnen wieder, denn es speichert die Informationen im Kontext. Sobald du allerdings ein neues Terminal-Gespräch beginnst, ist das Gedächtnis auf null zurückgesetzt – schließlich gab es von Anfang an keine echte Datei auf der Festplatte.
Dieses schauspielerische Können kam nicht aus dem Nichts, sondern wurde gezielt trainiert. Der Entwickler richtete zunächst ein echtes Linux-Terminal ein, ließ in einem Docker-Container Bash, Vim, Python und tmux laufen und erzeugte zufällig Benutzernamen, Verzeichnisse, Dateien und Aufgaben; anschließend simulierten Skripte menschliche Bedienung, tippten Befehle Zeichen für Zeichen ein und streuten dabei absichtlich 1.2 % Tippfehler ein, während sie gleichzeitig die echte Bildschirmveränderung nach jedem Tastendruck aufzeichneten. Mit dieser Methode sammelte er insgesamt 33.6×10,000 (also 336.000) Betriebsaufzeichnungen mit rund 20×10^8 (2 Milliarden) Token an Daten, um das 0.5B-Kleinmodell feinzustimmen, sodass es lernt, aus Tasteneingaben und Bildschirmhistorie abzuleiten, was als Nächstes angezeigt werden soll. Wenn das Modell falsch vorhersagte, nutzte er die Ergebnisse des echten Terminals, um Korrekturbeispiele zu konstruieren und ihm beizubringen, seine Lügen selbst zu glätten und die Fehlerquote bei zusammenhängenden Aktionen zu senken. Schließlich wurde das Modell durch parallele Vorhersage verschiedener Terminalzeilen, Verkleinerung des Vokabulars und 4-Bit-Quantisierung auf etwa 208 MB verkleinert; das gesamte Training dauerte 75 Stunden und lief auf einer NVIDIA RTX4090.
Natürlich fliegt das Modell irgendwann auf. Komplexe Befehle werden oft chaotisch „ausgeführt“, Dateiinhalte können sich plötzlich verändern, und Rechenergebnisse sind nicht unbedingt verlässlich – schließlich hat es jene Programme nie wirklich laufen lassen. Für normale Nutzer hat das Ding zwar wenig praktischen Nutzen, ist aber ein hervorragender Bezugspunkt: Mit demselben Ansatz kann man ein Modell den Bedienablauf echter Software beobachten lassen und es dann trainieren, das Verhalten der Software nachzuahmen. Der Entwickler kündigt an, die Modellgewichte bald zu veröffentlichen und zum Download bereitzustellen; für die Online-Nutzung muss derzeit ein Modell von etwa 208MB heruntergeladen werden, empfohlen wird das Öffnen mit einem Desktop-Browser. Vergiss nur nicht: Dieses Ding ist von Anfang bis Ende gefälscht – verliebe dich nicht zu sehr in die Rolle.