KI-Chat mit offenen Gewichten · NVIDIA
NVIDIA Nemotron Labs Dory1.0: Die Taschen-KI, die zweimal nachdenkt
Die meisten kleinen KI-Modelle antworten schnell und hören dann auf zu denken. NVIDIA Nemotron Labs Dory1.0 macht es anders: Bevor es antwortet, kann es sein zentrales „Gehirn“ immer wieder durchlaufen – wie eine Autorin, die ihren Entwurf noch einmal liest und feinschleift. Du bestimmst, wie viele Durchläufe es macht. Ein Durchlauf ist schnell und locker, zwei sind der ideale Mittelweg, und vier holen bei kniffligem Code oder langen Berichten das Beste heraus. Das ganze Modell ist etwa so groß wie ein Spielfilm und passt damit auf einen Laptop, einen Mac oder sogar ein Handy.
- 4B-Loop-Modell
- 256K Kontext
- Offene Gewichte

Unzensierte Alternative: KI-Chat-Generator
Lust auf lange, ungefilterte Rollenspiele und Erwachsenen-Storys, ohne ein lokales Modell einzurichten? Öffne den unzensierten Chat und leg in Sekunden los.
Unzensierten Chat öffnen →Ein 4B-Modell, das seine eigenen Gedanken noch einmal liest
NVIDIA hat das Modell am 16. Oktober 2026 im Rahmen seiner experimentellen Nemotron-Labs-Reihe veröffentlicht. Es hat nur 4 Milliarden Parameter und verarbeitet ausschließlich Text, kann aber bis zu 256K Tokens im Blick behalten – ungefähr einen ganzen Roman oder ein mittelgroßes Codeprojekt in einem einzigen Chat. Der Trick: ein gemeinsamer Block aus 20 Schichten in der Mitte des Netzes, der bei jeder Schleife wiederverwendet wird. Mehr Nachdenken kostet also Zeit statt zusätzlicher Dateigröße. Laut NVIDIA wurde es für allgemeines Schlussfolgern in kompakter Form gebaut; offiziell unterstützt wird Englisch, trainiert wurde es mit 43 Programmiersprachen. Die Gewichte sind offen auf Hugging Face in mehreren Größen verfügbar, von voller Präzision bis zu einer kompakten 3,67-GB-Datei.
Ein Regler, vier Stufen: 1, 2 oder 4 Schleifen wählen
Stell dir die Schleifen-Einstellung wie ein Getriebe vor. Jede zusätzliche Schleife macht die Antwort etwas klüger und etwas langsamer – die Datei auf deiner Festplatte bleibt dabei gleich. NVIDIA empfiehlt standardmäßig zwei Schleifen, und die eigene Testtabelle zeigt warum: Der Sprung von einer auf zwei Schleifen ist groß, der Schritt von zwei auf vier bringt nur noch den letzten Feinschliff.
In der Praxis nutzt man eine Schleife für Brainstorming, Titel und lockeren Chat, wo Tempo wichtiger ist als Tiefe. Zwei Schleifen sind die Alltagseinstellung für Texte, Zusammenfassungen und Rollenspiel. Vier Schleifen lohnen das Warten bei Bugfixes, mehrstufigen Agent-Aufgaben und dem gründlichen Lesen sehr langer Dokumente. Fragen im Stil eines Wissenschaftsquiz werden nach zwei Schleifen nicht mehr besser – für Trivia musst du den Regler also nicht voll aufdrehen.
| NVIDIA-Test | 1 Schleife | 2 Schleifen | 4 Schleifen |
|---|---|---|---|
| SWE-bench Verified (echte Code-Probleme beheben) | 50.3 | 59.5 | 61.8 |
| IFBench (Anweisungen befolgen) | 74.29 | 77.94 | 79 |
| AA-LCR (Schlussfolgern in langen Dokumenten) | 63 | 71 | 73 |
| GDPval-AA Elo (nützliche Arbeitsaufgaben) | 815 | 946 | 967 |
Die Werte stammen von NVIDIA aus der Model Card, nicht von einem unabhängigen Labor.
Warum ein winziges Denkmodell eine große Sache ist
Kleine Modelle bedeuten meist kleine Gehirne. Dieses dreht den Spieß um: Du bekommst einen kompakten Download, der trotzdem planen, detaillierte Anweisungen befolgen und Tools nutzen kann. Das bringt echte Vorteile – nicht nur für Entwickler, sondern auch für ganz normale Nutzer.
- Privat von Haus aus: Lass es auf deinem eigenen Rechner laufen – Notizen, Entwürfe und Chats verlassen nie dein Gerät.
- Funktioniert offline: Schreib im Flugzeug, in der Berghütte oder überall, wo das WLAN schwächelt.
- Riesiges Gedächtnis für seine Größe: Füge ein ganzes Manuskript, ein Meeting-Transkript oder ein Vertragspaket ein und stelle Fragen zum gesamten Inhalt.
- Hält sich an die Vorgaben: Starkes Befolgen von Anweisungen heißt weniger Nachbessern, wenn du ein bestimmtes Format, einen Ton oder eine Wortzahl willst.
- Tempo, wenn du es brauchst: Für schnelles Hin und Her auf eine Schleife runter, bei schweren Aufgaben wieder hoch.

Echte Einsatzszenarien: vom Code-Helfer bis zur Kurzserien-Autorin
Weil es ein langes Gedächtnis mit schrittweisem Denken verbindet, eignet sich das Modell für Aufgaben, für die man früher einen deutlich größeren Assistenten brauchte. Über diese Szenarien sprechen frühe Nutzer am häufigsten:
- Coding-Partner: eine Repo-Zusammenfassung lesen, die zu ändernden Dateien benennen und einen Patch entwerfen. Beim Coding meldet NVIDIA die größten Zugewinne.
- Helfer für lange Dokumente: einen 100-seitigen Bericht oder stundenlange Meeting-Notizen in Entscheidungen, offene Fragen und To-dos verwandeln.
- Roman- und Serienplanung: eine komplette Gliederung, Figurenbibel und frühere Kapitel im Kontext behalten, während die nächste Szene entsteht.
- Kurzserien- und Videoskripte: vertikale Episoden skizzieren, Hooks und Cliffhanger schreiben und dann Shot-für-Shot-Prompts für ein Bild- oder Videomodell erzeugen.
- Assistent mit Tools: Daten über Tools prüfen und anschließend eine Antwort entwerfen – praktisch für Support-Teams und persönliche Automatisierungen.
- Erwachsenen-Fiction und Rollenspiel: lange, stimmige Figurenstimmen für fiktive Erwachsene, wobei der lange Kontext verhindert, dass die Geschichte abdriftet.

Prompt-Vorlagen, mit denen sich die Schleifen auszahlen
Klare Rollen und ein festes Ausgabeformat holen das Meiste aus dem zusätzlichen Nachdenken heraus. Ersetze die Teile in Klammern und passe die Schleifenzahl an die Aufgabe an. NVIDIA empfiehlt als Ausgangspunkt temperature 1.0 und top_p 0.95.
- Code-Fix (4 Schleifen): Du bist ein Senior Engineer. Lies die Repo-Zusammenfassung unten, nenne die 3 zu ändernden Dateien und gib dann einen Unified Diff aus. Denke Schritt für Schritt. [Zusammenfassung]
- Langes Dokument (2 Schleifen): Fasse das folgende Dokument in wichtige Entscheidungen, offene Fragen und To-dos mit Verantwortlichen zusammen. Nenne Seitenzahlen. [Dokument]
- Kurzserie (2 Schleifen): Skizziere eine vertikale Kurzserie mit 10 Folgen über [Prämisse]. Gib für jede Folge einen 3-Sekunden-Hook, einen Cliffhanger und 3 Shot-Prompts für ein Videomodell an.
- Rollenspiel (2 Schleifen, nur fiktive Erwachsene): Du bist [Figur, erwachsen, fiktiv]. Bleib in der Rolle, beschreibe Szenen lebendig und durchbrich nie die vierte Wand.
- Tool-Aufruf (2 Schleifen): Nutze die Tools, um den Kontostand zu prüfen, und entwirf dann eine Antwort. Gib JSON {action, args} zurück.
- Brainstorming (1 Schleife): Gib mir 15 knackige Titel zu [Thema], jeweils unter 8 Wörtern, in drei verschiedenen Stimmungen.
So schlägt sich Dory 4B gegen Qwen3.5 und Gemma 4
In NVIDIAs Vergleichstabelle ist NVIDIA Nemotron Labs Dory1.0 am stärksten, wenn es ums Erledigen geht: Anweisungen befolgen, Arbeitsaufgaben abschließen und programmieren. Bei reinem Faktenwissen ist es schwächer – logisch für ein 4B-Modell mit wenig Platz zum Auswendiglernen. Der praktische Tipp: Kombiniere es mit Websuche oder deinen eigenen Dokumenten und lass es das Denken übernehmen.
| NVIDIA-Test | Dory 4B (4 Schleifen) | Qwen3.5-4B |
|---|---|---|
| IFBench (Anweisungen) | 79 | 53.83 |
| GDPval-AA Elo (Arbeitsaufgaben) | 967 | 424 |
| GPQA (Wissenschaftswissen) | 72 | 77.71 |
| AA-Omniscience (Fakten) | etwa 10 | etwa 15 |
NVIDIAs Tabelle listet außerdem Qwen3.5-9B und Gemma 4 26B A4B; bei Agent- und Anweisungsaufgaben hält Dory mit ihnen mit, bei Wissensfragen liegt es zurück. Alle Zahlen stammen vom Hersteller.
Auf Handy, Mac oder einer einzelnen GPU ausführen
Die offizielle GGUF-Datei in Q5_K_M ist rund 3,67 GB groß – klein genug für die meisten modernen Laptops. Die Community hat bereits Mac-Versionen für MLX in 4, 6 und 8 Bit, CoreML-Builds und einen LiteRT-Build für Handys erstellt. NVIDIA selbst hat auf seiner Rechenzentrums- und DGX-Spark-Hardware getestet; die Unterstützung für Handy und Mac kommt also aus der Community.
- Ollama und llama.cpp: Die Model Card zeigt das Tag hf.co/nvidia/NVIDIA-Nemotron-Labs-Dory1.0-4B-GGUF:Q5_K_M, doch die llama.cpp-Unterstützung für diese neue Architektur steckt noch in einem Pull Request – ältere Builds laden es eventuell nicht.
- vLLM: Die Unterstützung wird gerade in einem Pull Request geprüft; mit transformers funktioniert es schon heute direkt.
- Der Denkmodus ist in vLLM standardmäßig aktiv; in llama.cpp schaltest du ihn mit --reasoning on ein.
- Auf NVIDIAs neuesten GPUs läuft der NVFP4-Build laut NVIDIAs DGX-Spark-Werten etwa 2,2- bis 2,4-mal schneller.
Abliterated- und Heretic-Builds von Dory
Das offizielle Release von NVIDIA Nemotron Labs Dory1.0 ist auf Sicherheit getrimmt, und die Model Card bittet darum, die Schutzmechanismen nicht zu umgehen. Weil die Gewichte offen sind, haben Community-Mitglieder bereits modifizierte Versionen auf Hugging Face veröffentlicht, etwa einen abliterated NVFP4-Build (mit MLX-Varianten) und ein Heretic-GGUF mit einigen tausend Downloads. Sie werden nicht von NVIDIA geprüft und ihr Verhalten wurde hier nicht verifiziert – lies also vor dem Download jede Model Card.
- Suche auf Hugging Face nach „Dory1.0 abliterated“ oder „heretic GGUF“ und prüfe Downloadzahlen und Hinweise in der Model Card.
- Rollenspiel und Erwachsenen-Fiction nur mit fiktiven Figuren ab 18 – niemals mit realen Personen.
- Wenn du nichts einrichten möchtest, bietet ein unzensierter Online-Chat ein ähnlich ungefiltertes Erlebnis direkt im Browser.
Für spicy Geschichten und Videos auf Spicy AI nutzen
NVIDIA Nemotron Labs Dory1.0 passt zu einem einfachen kreativen Ablauf: Mit einem schnellen, leichten Durchlauf Prämissen und Figurennamen sammeln, dann mit einem tieferen Durchlauf die Plotlogik prüfen und eine Shotliste schreiben. Gib diese Shot-Prompts in den Bildeditor oder das Image-to-Video-Tool ein, um das Skript in Bilder zu verwandeln – zum Beispiel eine flirtende Szene am Pool oder eine stimmungsvolle Begegnung zweier Erwachsener an einer Hotelbar. Für ungefiltertes Rollenspiel und Erwachsenen-Storys ganz ohne Installation ist der unzensierte Chat der schnellste Einstieg.
Entwirf Erwachsenen-Rollenspiele, Story-Skripte und Video-Prompts in einem ungefilterten Chat.
Unzensierten Chat öffnen →Dory 4B selbst hosten vs. online chatten auf Spicy AI
| Lokale Installation (offizielle Gewichte) | Spicy AI online | |
|---|---|---|
| Inhaltsfilter | Offizielles Modell mit Sicherheits-Tuning | Keine Inhaltsfilter |
| Offene Gewichte | Ja | Nicht nötig – läuft im Browser |
| Modell | Offizielle Gewichte (BF16, MXFP8, NVFP4 oder GGUF) | Ähnliches unzensiertes Chatmodell, online gehostet |
| Einstiegskosten | Kostenloser Download, eigenes Gerät | Kostenlose Stufe verfügbar |
Häufige Fragen
Was ist NVIDIA Nemotron Labs Dory1.0?
Ein 4B-Textmodell mit offenen Gewichten, das NVIDIA am 16. Oktober 2026 veröffentlicht hat. Es nutzt einen gemeinsamen Schichtblock in Schleifen, lässt dich zur Laufzeit 1 bis 4 Schleifen wählen und liest bis zu 256K Tokens.
Wie viele Schleifen sollte ich verwenden?
NVIDIA empfiehlt standardmäßig 2. Eine Schleife ist am schnellsten; vier Schleifen erzielten in NVIDIAs Tests die besten Werte bei Coding- und Agent-Aufgaben, etwa 61.8 bei SWE-bench Verified.
Läuft es auf einem Handy oder Mac?
Das offizielle Q5_K_M-GGUF ist etwa 3,67 GB groß, und die Community bietet MLX-, CoreML- und LiteRT-Konvertierungen an. NVIDIA selbst hat auf seinen Rechenzentrums-GPUs und DGX Spark getestet; andere Geräte sind also auf Community-Builds angewiesen.
Funktioniert es mit Ollama?
Die Model Card zeigt einen Befehl für Ollama und llama.cpp, aber die llama.cpp-Unterstützung steckt noch in einem Pull Request. Du brauchst einen Build, der diese Architektur unterstützt; ältere Versionen laden es möglicherweise nicht.
Gibt es ein unzensiertes Dory-Modell?
Nicht von NVIDIA. Auf Hugging Face gibt es abliterated- und Heretic-Versionen aus der Community; sie sind inoffiziell und ihre Qualität ist nicht geprüft.
Versteht es Chinesisch oder andere Sprachen?
NVIDIA nennt nur Englisch als unterstützt. Andere Sprachen funktionieren eventuell teilweise, die Qualität ist aber nicht bestätigt.