HVM und Interaction Calculus: eine verlässliche Basis für KI-Code

Was Victor Taelin baut

Für mich liegt der Kern von HVM nicht in einer weiteren ungewöhnlichen Programmiersprache, sondern im Versuch, generiertem Code eine kleine und strenge rechnerische Grundlage zu geben. Der HVM2-Artikel beschreibt das System als parallelen Evaluator für erweiterte Interaction Combinators mit Ausführung auf CPU und CUDA/GPU.

Zum Zeitpunkt dieser Betrachtung im September 2026 habe ich diese Kombination noch nicht selbst praktisch getestet und werde daher kein fertiges Urteil vorspielen. Die Arbeit von Victor Taelin verfolge ich jedoch schon lange: Hier zeigt sich eine konsequente technische Linie und kein plötzliches Projekt, das um einen modischen Begriff herum gebaut wurde.

Die Grundlage ist Interaction Calculus, eine kompakte Termsprache, die dem Lambda-Kalkül geistig nahe steht. Berechnung wird über eine kleine Menge von Knoten und lokalen Interaktionsregeln ausgedrückt. Das eröffnet einen Weg zur parallelen Graphreduktion.

Der HVM2-Artikel beansprucht eine nahezu ideale Beschleunigung mit zusätzlichen Kernen für Programme ohne sequenzielle Engpässe. Eine separate CUDA-Implementierung reduzierte laut der Arbeit über einen lock-free Evaluator große Graphen auf GPUs mit Tausenden gleichzeitig arbeitenden Threads. Das sind Aussagen der Autoren und veröffentlichte Resultate, keine eigenen Messungen.

Die HVM4-Materialien beschreiben den nächsten Schritt: Funktionen des Interaction Calculus, einschließlich Superpositionen, direkt und ohne Overhead in Maschinencode zu kompilieren. Wenn dieser Ansatz bei realen Programmen stabil bleibt, wird das Zwischenmodell von einer schönen Theorie zu einer vollwertigen Laufzeitumgebung.

Der Vergleich mit Lean ist nur als grobe Analogie hilfreich. Es geht nicht darum, ein Modell zu bitten, keine Fehler zu machen, sondern sein Ergebnis durch ein formales System zu begrenzen, dessen Ausführung präzisen Regeln folgt. HVM ist jedoch vor allem auf die Berechnung von Code ausgerichtet, nicht auf mathematische Beweise.

Warum das spannender ist als gewöhnliches Prompting

Eine strenge Laufzeit könnte die Zuverlässigkeit von KI-Coding stärker verbessern als eine weitere Anweisung im System-Prompt. Das Modell kann weiterhin ein falsches Programm erzeugen, doch zwischen Generierung und Ausführung liegt dann eine kompakte Schicht mit eindeutiger Semantik.

Praktische Vorteile sind an mehreren Stellen denkbar: überprüfbare Absenkung von Code in einen kleinen Kern, expliziter Umgang mit Duplizierung und Superpositionen sowie parallele Ausführung, die nicht nur an CPUs gebunden ist. Besonders interessant ist das für Agenten, die Programmtext nicht nur schreiben, sondern sicher ausführen und transformieren müssen.

Probleme erwarte ich bei der bequemen Kompilierung gewöhnlichen Codes in dieses Modell, beim Debugging, bei der Vorhersagbarkeit des Ressourcenverbrauchs und bei der Lücke zwischen eindrucksvollen Parallelbeispielen und alltäglichen sequenziellen Aufgaben. HVM wirkt nicht wie ein Ersatz für den gesunden Menschenverstand des Modells, sondern wie ein Weg, dessen Fehler lokaler und beobachtbarer zu machen. Über das Schicksal der Idee entscheidet der Übergang von schöner Reduktion zum nüchternen Betrieb.

Wir haben zuvor den Claude-Compiler untersucht: was er erstellen kann und wo sein Ansatz bei Aufgaben der Systemprogrammierung scheitert. Diese Analyse verdeutlicht die Idee eines Lean-Compilers, bei dem Korrektheit durch Code und formale Prüfungen entsteht.