Alibabas neuestes Produktmodell klassifiziert ein Kleidungsstück um 28,9 Punkte genauer, wenn sein Reasoning-Schritt aktiviert ist. Auf Fashion200K, dem öffentlichen Datensatz mit Bekleidungsbildern und ihren Beschreibungen, verbesserte sich die Trefferquote bei der korrekten Kategoriezuordnung gegenüber dem Vorgänger MOON2.0 nur um 1,2 Punkte. Das Kategorielabel liefert kaum noch zusätzliche Information; was es auslässt, dagegen umso mehr. MOON3.0, am 1. April auf arXiv veröffentlicht und am 5. August überarbeitet, firmiert als Paper über Genauigkeit. Liest man die Tabellen, ist es ein Paper darüber, wer ein Ranking übersteuern darf.

MOON3.0 notiert sich, was es in einem Produkt zu erkennen glaubt, bevor es dieses kodiert. Aus Bild und Titel erzeugt das Modell zunächst eine strukturierte Begründung: Attributdimensionen samt ihrer Werte, “Color: Beige, Brown”, “Design Elements: Dog Motif”. Erst danach gibt das Modell den 256-dimensionalen Vektor aus, den das Retrieval-System nutzt. Entfernt man diesen Reasoning-Schritt, fällt die Klassifikationsgenauigkeit auf Alibabas eigenem Benchmark MBE3.0 von 86,40 % auf 57,52 %. Die Leistung steckt im Reasoning, nicht im darunterliegenden Encoder.

Die Taxonomie war nicht falsch, nur dünn — und Dünnheit lässt sich aushalten, bis etwas auftaucht, das lesen kann, was sie ausgelassen hat.

Die MOON-Reihe läuft bereits in einem produktiven Werbegeschäft, weshalb sich ihre Benchmark-Tabellen eher wie eine Roadmap lesen als wie eine Kuriosität. MOON Embedding, das Deployment-Paper, das dieselbe Gruppe im November veröffentlichte, hält fest, dass MOON “vollständig in allen Stufen des Taobao-Suchwerbesystems eingesetzt ist, einschließlich Retrieval, Relevanz, Ranking und weiterer”. Es berichtet über fünf vollständige Iterationen hinweg eine Online-CTR-Verbesserung von +20,00 % — der größte Zugewinn, den die Gruppe bei der Klickratenvorhersage verzeichnet. MOON3.0 weist noch kein eigenes Online-Ergebnis vor und wird ausschließlich offline gemessen, die übliche Ausgangslage für eine Version, die noch nicht ausgeliefert wurde. Retrieval, Relevanz und Ranking sind in den meisten westlichen Retail-Stacks drei getrennte Systeme, jedes mit eigenem Verantwortlichen, Anbieter und eigener Override-Möglichkeit; bei Taobao greifen sie auf eine gemeinsame Repräsentation zurück, und MOON2.0 sowie MOON3.0 teilen genug Autoren und Namenskonvention, um als aufeinanderfolgende Versionen davon zu gelten, auch wenn keines der beiden Papers das ausdrücklich so sagt. Eine solche Konsolidierung kündigt sich nicht als Governance-Veränderung an.

Der praktische Unterschied zwischen einer Kategorieregel und einem Embedding liegt im Schreibpfad. Ein Merchandiser kann eine Boost-Regel öffnen, “Strickwaren in diesem Zeitfenster bevorzugen” lesen, das Zeitfenster ändern und wissen, was das Grid daraufhin tun wird. Ein Embedding bietet keine vergleichbare Handhabe: Man kann beobachten, wie ein Artikel rankt, aber man kann den Grund dafür nicht bearbeiten. Händler verpflichten sich darauf schneller, als sie es einpreisen. Im sechsten jährlichen E-Commerce-Suchbericht von Algolia, durchgeführt von Coleman Parkes Research unter Retail- und E-Commerce-Verantwortlichen, gaben 61 % an, innerhalb von zwölf Monaten agentische KI einführen zu wollen — eine Mehrheit, aber noch kein Konsens. Die Sicherstellung der Händlerkontrolle über die Technologie rangierte mit 37 % auf Platz drei der treibenden Faktoren für diese Einführung, hinter Systemintegration und Return on Investment.

Das stärkste Gegenargument zu dieser Lesart lautet, dass MOON3.0 nachvollziehbarer sei als das, was es ersetzt, nicht weniger. Das Paper beansprucht, seine Repräsentationen seien interpretierbar, und der Anspruch hat Substanz: Das Modell gibt vor dem Einbetten eine lesbare Attributliste aus, was ein einfacher Bild-Encoder nie geleistet hat. Damit das hier vorgetragene Argument nicht trägt, müsste diese Begründung den Weg in die Produktion überstehen, beschreiben, was den Vektor bewegt hat, und für einen Merchandiser mit vorhersehbarer Wirkung auf das Ranking bearbeitbar sein. Ob überhaupt gespeichert wird, hat noch niemand entschieden, und das eigentliche Verkaufsargument des Papers ist der 256-Float-Vektor, nicht der Text, der ihn erzeugt hat. Ob die Begründung tatsächlich beschreibt, was den Vektor bewegt hat, entscheidet die Belohnungsfunktion: Jede erzeugte Begründung wird gegen ein zusammengesetztes Maß bewertet, das den Retrieval-Rang des richtigen Artikels einschließt — die Erklärung wird also danach ausgewählt, was den Recall hebt. Für die dritte Bedingung existiert überhaupt kein Mechanismus.

Auch das Belohnungsdesign begrenzt, wie viel dem Modell dafür gezahlt wird, etwas zu bemerken. Attributqualität wird auf faktische Konsistenz mit Bild und vorhandenem Label des Artikels geprüft, mit einem Bonus für zusätzliche Attributwerte, der bei vier endet. Eine separate Längenbelohnung zahlt nichts mehr, sobald die Begründung eine Token-Schwelle überschreitet — eine Grenze, die die Autoren einziehen, um die Latenz niedrig zu halten. Die Erklärung ist also budgetiert und an das Katalog-Label gebunden, über das sie eigentlich hinaussehen sollte. Nichts davon ist unredlich; es ist schlicht nicht für irgendjemanden außerhalb des Rankers gebaut.

Was die Kategorieregel ersetzt, ist der eine Hebel, der noch vorhersehbar funktioniert — der bezahlte. Kroger hat Werbung von Tag eins an in seinen KI-Shopping-Assistenten integriert, wie wir heute bereits berichtet haben, und dieses Design breitet sich aus, weil ein Merchandiser, der einen Stil nicht mehr durch das Bearbeiten einer Regel nach oben bringen kann, als verbleibenden Weg den Kauf des Slots hat. Wenn reasoning-basierte Repräsentationen Retrieval, Relevanz und Ranking weiter in einen einzigen Vektor zusammenfalten, schrumpft die inspizierbare Oberfläche eines Sortiments auf das, was der Händler bewusst behalten hat. Diese Entscheidung wird in diesem Jahr im Einkauf getroffen, von Menschen, die noch fragen können, ob die Begründung aufbewahrt wird, ob sie gegen das Ranking protokolliert wird, das sie erzeugt hat, und was ein Käufer damit tun darf. Die Taxonomie wird nicht abgeschafft. Sie wird vom Entscheider zum Berichterstatter degradiert.