Surge AI

Das wichtigste Kapital von Surge sind die Menschen, die bewerten. Das Unternehmen nennt über 200.000 Promovierte im Netzwerk und führt berufstätige Ökonomen, Prozessanwälte, NASA-Ingenieure, IMO-Medaillengewinner und Kliniker als Beitragende auf. Bei heiklen Aufgaben zählt das mehr als Masse. Ein Anwalt, der einen Vertrag liest, findet Fehler, über die ein Standardannotator hinwegscrollt, und dieser Unterschied landet in den Präferenzdaten, aus denen das Modell lernt. Der Zugang läuft über Fachdisziplinen, stark spezialisierte Bereiche brauchen also länger als allgemeine. Es ist zuerst ein Expertenannotationsdienst und erst danach eine Massenannotationsplattform, also das Gegenteil der üblichen Crowd-Tools.

Dieser Teil des Katalogs richtet sich an Agenten. Surge baut mehrstufige Umgebungen mit Tools, internen Systemen und MCP-Servern und schreibt anschließend Verifier, die bewerten, ob der Agent die Aufgabe wirklich abgeschlossen hat. Ein veröffentlichter Aufbau simuliert einen Kundenservice-Betrieb und trainiert Modelle an realistischen Tickets, ein anderer bildet die Befolgung interner Richtlinien über ein hundertseitiges Handbuch ab. Der Vorteil liegt im billigen Scheitern: Ein Agent darf sich in der Simulation tausendmal irren, bevor er ein echtes System berührt.

Eine Rubrik macht aus einem subjektiven Urteil einen Score, und sie ist der Motor hinter einem großen Teil der RLHF-Daten, die Surge sammelt. Bei einer Präferenzaufgabe wählt die Person die bessere von zwei Antworten, bei einer rubrikbewerteten Aufgabe zerlegt sie Qualität in gewichtete Kriterien. So bekommt eine Biografie Punkte für eine getreue Lebenslinie und verliert sie für das fehlende Geheimnis. Diese Struktur erlaubt Bewertung in großem Umfang ohne vollständige Nachlektüre und trennt solide Arbeit von herausragender, was ein bloßes Bestanden oder Durchgefallen verdeckt.

Der Katalog verkauft dieselben Daten, die Surge in der Laborarbeit einsetzt, ohne individuelles Projekt. Die Kategorien decken Coding-Agenten, Enterprise-Agenten, multimodales und fachliches Reasoning ab, darunter benannte Datensätze wie GDP.pdf, Chartography und ComplexConstraints. Zu den veröffentlichten Ergebnissen gehört Kimi K2.7 mit 20 Punkten Zugewinn beim SWE-Marathon nach dem Training auf dem Coding-Satz. Partner im Trusted-Programm trainieren zuerst und zahlen, wenn es funktioniert, was das Risiko senkt, Daten zu kaufen, bevor sich eine Zahl bewegt hat.

Surge veröffentlicht eigene Ranglisten, bewertet von Fachleuten und nicht von einem weiteren Modell. Antidote ordnet Alltagsantworten nach langfristigem Nutzen, Hemingway-bench bewertet Schreiben nach Geschmack und emotionaler Intelligenz, die DAYJOB-Reihe prüft Agenten in Finanz- und Gesundheitsaufgaben. Riemann-bench bezieht fortgeschrittene Mathematikaufgaben von berufstätigen Mathematikern. Diese KI-Benchmarks geben Käufern einen gemeinsamen Bezugspunkt und liefern zugleich das öffentliche Argument, warum Expertenbewertung automatische Scores schlägt.

Surge arbeitet in über 70 Sprachen mit Linguisten, die Daten an Grammatik, Redewendungen und lokalen Gebrauch anpassen, statt englische Prompts zu übersetzen. Multimodal geht es um Bild, Audio, Video, Dokumente und Oberflächen. Eine juristische Zusammenfassung auf Koreanisch oder eine brasilianische Schlagzeile schreibt jemand, der sie muttersprachlich liest, was zählt, sobald ein Modell außerhalb englischsprachiger Märkte eingesetzt wird.