White Circle veröffentlicht Halo als Open Source – ein schnellerer Hugging-Face-Trainer

White Circle, ein in Paris ansässiges Startup für KI-Sicherheit, hat Halo am 21. September 2026 als Open Source veröffentlicht – ein verteiltes Trainings-Framework, das das Post-Training von Hugging-Face-Modellen beschleunigen soll, während die Modelle in dem Standardformat bleiben, das der Rest des Ökosystems erwartet. Das Unternehmen entwickelte Halo zunächst intern; die Historie des Repositorys zeigt eine erste Veröffentlichung einen Monat zuvor, am 20. August 2026.

Was Halo am Post-Training ändert

Halo umschließt bestehende Hugging-Face-Modelldefinitionen, statt sie zu ersetzen: Checkpoints werden weiterhin über den vertrauten from_pretrained-Aufruf geladen und bleiben Standard-SafeTensors-Dateien. Laut White Circle erfordert die Unterstützung einer neuen Modellfamilie in der Regel deutlich weniger als 150 Zeilen Integrationscode. Unter der Haube ergänzt das Framework Experten-, Kontext-, Tensor- sowie kombinierte Experten-Tensor-Parallelität, außerdem LoRA-/QLoRA-Feinabstimmung und asynchrones Multi-Turn-Reinforcement-Learning.

Der Benchmark – und was er nicht aussagt

White Circle gibt an, dass Halo in eigenen Tests mit OpenAIs Modell gpt-oss-20b den 2,3- bis 2,8-fachen Durchsatz des unveränderten Hugging-Face-TRL erreicht; dabei kommen in beiden Systemen dieselben Attention- und Kernel-Optimierungen zum Einsatz, sodass der Vergleich Trainer und Optimierer isoliert. Es handelt sich um unternehmenseigene Benchmarks und nicht um ein unabhängig reproduziertes Ergebnis; außerdem wurde von anderer Seite angemerkt, dass der Vorteil bei sehr langen Kontextlängen schrumpft. Teams, die Halo evaluieren, sollten den prominenten Multiplikator als Ausgangspunkt betrachten, der an ein Modell und ein Hardware-Setup gebunden ist – nicht als Garantie für eine andere Workload.

Ein Lizenzdetail, das vor dem Einsatz lesenswert ist

Halo erscheint unter einer modifizierten Apache-Lizenz, die für größere Organisationen oder Nutzer mit höheren Umsätzen kommerzielle Bedingungen ergänzt, statt unter der einfachen Apache 2.0. Teams, die einen Produktiveinsatz planen – insbesondere in großem Maßstab –, sollten den Lizenztext direkt lesen, statt uneingeschränkte Open-Source-Bedingungen anzunehmen.

Für MSPs und Produktteams, die bereits Hugging-Face-basierte Trainingspipelines betreiben, ist Halo einen Pilottest auf einer repräsentativen Workload wert, bevor Durchsatzangaben für bare Münze genommen werden.

Quellen: GitHub — whitecircle/halo, RuntimeWire — White Circle veröffentlicht Halo.