Tag
#ai-watchlist
Aus den News
News · 2026-11-21
Die Riemannsche Vermutung besteht Lean. Nun müssen 17 Millionen Zeilen verstanden werden
Levent Alpöge hat mit Claude einen Beweis der Riemannschen Vermutung vorgelegt. Die Lean und Mathlib Communities bestätigten, dass der Code den korrekt formulierten Satz beweist. Die maschinelle Prüfung von 17 Millionen Zeilen eröffnet nun die nächste Aufgabe: Aus einem gültigen Beweis verständliche Mathematik zu machen.
Lesen →News · 2026-11-20
MedChemBench gibt GPT-6.2 Astra 84,5 %, doch die Stoffauswahl bleibt schwach
OpenAI stellt MedChemBench mit 99 Aufgaben aus der medizinischen Chemie vor. GPT-6.2 Astra erreicht bei xhigh 84,5 %, doch die Autoren betonen, dass ein retrospektiver Benchmark weder neue Arzneimittel noch bessere Laborentscheidungen belegt.
Lesen →News · 2026-11-20
OpenAI und Anthropic schließen eine Abkürzung für Open-Weight-Modelle
OpenAI senkte in einem internen Test die Erfolgsquote eines Angriffs auf geschütztes Reasoning von 54,0 % auf 0,2 %. Anthropic meldet zugleich 90 bis 99 % weniger abgegriffene Token. Ethan Mollick sieht darin eine mögliche Bremse für Open-Weight-Modelle, doch bislang ist das eine Hypothese.
Lesen →News · 2026-11-20
Sakana AI setzt Japans Cyberabwehr auf vernetzte Agenten statt schnellere Patches
Sakana AI gründet in Tokio eine unabhängige Security Research Group unter Akihiro Umegai und David Ha. Das Team will Forschung zu kollektiver Abwehr, Agentensicherheit und Fehlervermeidung bereits im Systementwurf offen veröffentlichen.
Lesen →News · 2026-11-17
Anthropic rät zum Abbau der Subagenten-Armee. Ein Organigramm ist keine Architektur
Anthropic empfiehlt Unternehmen, einen Teil ihrer spezialisierten Subagenten in einen einzigen Agenten-Loop mit Skills und Tools zu integrieren. In den beschriebenen Einsätzen stiegen dadurch häufig Qualität und Effizienz, doch es handelt sich um Kundenerfahrungen des Anbieters und nicht um einen allgemeinen Benchmark.
Lesen →News · 2026-11-16
Qwen4 Max beschleunigt die Aufholjagd, offene Gewichte bleiben aber zurück
Qwen4 Max erreicht bei Artificial Analysis 43 Punkte und damit 9 mehr als Qwen3.8 Max, bleibt jedoch ein API-Modell. Ethan Mollick sieht darin eine größere Lücke: Auch nach mehr als acht Monaten haben Modelle mit offenen Gewichten die Fable-Klasse nicht erreicht.
Lesen →News · 2026-11-15
Die KI zu Hause wandert vom Lautsprecher auf den Zentralrechner
Ethan Mollick weist auf den Abstand zwischen Siri oder Alexa und einem Rechner mit Frontier Modell und Agentenwerkzeugen hin. Entscheidend ist, ob KI im Haushalt Gespräche, Kontext und echte Aktionen sicher verbindet, nicht nur flüssiger antwortet.
Lesen →News · 2026-11-14
SatBench sieht 63 % der AI-Benchmarks als gelöst, unabhängige Tests aber nur 24 %
SatBench verfolgt 173 häufig zitierte AI-Benchmarks, von denen 109 die Schwelle von 85 % überschritten haben. Zählt man nur unabhängige Messungen, sinkt der Anteil von 63 % auf 24 %, was die Aussage der Rangliste grundlegend verändert.
Lesen →News · 2026-11-13
Neun Modellnamen und ein unnötiges Rätsel
Ethan Mollick packte neun Namen von KI-Modellen in einen einzigen Beitrag und zeigte damit, wie schwer sich ihre Entsprechungen inzwischen erklären lassen. Für Einkauf und Teams ist das ein praktisches Problem, denn die Namen helfen kaum noch bei der Auswahl.
Lesen →News · 2026-11-14
Ein Agent las ein Buch Zeile für Zeile. Forschungsschwärme machen das Web zur unbezahlten API
Ethan Mollick beschreibt, wie Fable 5.2 bei der Rekonstruktion eines Kurses von W. H. Auden aus dem Jahr 1941 ein Buch im Internet Archive durch wiederholte Volltextsuchen Zeile für Zeile auslas. Ein einzelnes Beispiel misst das Ausmaß nicht, zeigt aber, warum Agenten das Web anders belasten als Menschen.
Lesen →News · 2026-11-14
Jensen Huangs Abgang kostet offene Modelle Kapital und eine Stimme in Washington
Nathan Lambert sieht nach Jensen Huangs Abgang von NVIDIA doppelten Druck auf Open-Weight-Modelle: weniger politische Rückendeckung und weniger Zeit für profitable Produkte. NVIDIA behält ein Geschäftsinteresse am offenen Ökosystem, doch dessen sichtbarster persönlicher Fürsprecher ist weg.
Lesen →News · 2026-11-13
Eine Model Spec soll das Verhalten von KI festlegen. Ein neuer Rahmen fordert auch Tests, Versionierung und unabhängige Kontrolle
Das Safe AI Forum hat einen Rahmen für Model Specs veröffentlicht, an dem Autoren westlicher und chinesischer Institutionen mitwirkten. Er gliedert eine Spezifikation in 6 Bestandteile und empfiehlt öffentliche Versionierung, Konformitätsmessungen und Zugang für unabhängige Prüfer.
Lesen →News · 2026-11-13
Ohne gutes Messinstrument ist Modellsicherheit nur eine Zahl auf einer Folie
Anthropic hat zehn Empfehlungen für die Konzeption, Durchführung und Dokumentation von Safety Evals veröffentlicht. Der Kern reicht über den Score hinaus: Ohne Validierung von Messkonstrukt, Grader und Unsicherheit weiß ein Team nicht, ob es Modellsicherheit oder den eigenen Prüfapparat misst.
Lesen →News · 2026-11-12
Anthropic beschleunigte die Modellentwicklung um das 1,9 Fache, doch zentrale Belege bleiben verborgen
METR schätzt, dass die Fähigkeiten interner Anthropic Modelle seit Oktober 2025 mit dem 1,9 Fachen des früheren Tempos wachsen und AI Nutzung in der Forschung den Großteil der Beschleunigung erklärt. Das Ergebnis ist relevant, stützt sich aber auch auf von Anthropic geschwärzte Belege.
Lesen →News · 2026-10-28
Gemini 4 Carbon kommt nach zwei Wochen in die API und soll die schwierigsten Aufgaben übernehmen
Nach zwei Wochen mit beschränktem Zugang hat Google Gemini 4 Carbon über die API für alle zahlenden Entwickler und Unternehmen sowie in mehreren Produkten für Google AI Ultra Abonnenten freigegeben. Der Einstiegspreis liegt bei 2 Dollar pro Million Input Token, obwohl Google selbst für die meisten Alltagsaufgaben das günstigere Argon empfiehlt.
Lesen →News · 2026-11-09
OpenAI verlegt die ModellNotbremse in die Inferenzschicht. Der Stopp dauert höchstens 35 Sekunden
OpenAI hat Control Room ausgerollt. Das System prüft Forschungsanfragen und stoppt weitere Modellausgaben spätestens 35 Sekunden nach einer Eingriffsentscheidung. Die Sperre sitzt in der Inferenzschicht statt im wechselnden Experimentcode.
Lesen →News · 2026-11-07
KI findet in engen Tests Fakten besser als Menschen. Die menschliche Kontrolle bekommt nur eine neue Aufgabe
Ethan Mollick hält die Sorge vor sachlichen KI Fehlern inzwischen für überzogen. Zwei angeführte Tests zeigen tatsächlich einen deutlichen Vorsprung der Agenten, messen aber schwierige Websuche und ausgewählte Behauptungen statt verlässlicher Alltagsarbeit.
Lesen →News · 2026-11-06
BioBasicsBench prüft Laboranalysen, das beste Modell erreicht 66,7 %
OpenAI und Ligo erstellten 100 Aufgaben aus echten Labordaten. GPT-6 Astra erreichte 66,7 %, wählte in veröffentlichten Fehlerfällen aber falsche Proben und überschätzte Kolonien um rund 12 %.
Lesen →News · 2026-11-06
AI Agenten beschleunigen zwei Angriffe auf altes RSA, moderne Schlüssel bleiben sicher
Google DeepMind meldet zwei Ergebnisse für veraltetes 1024 Bit RSA: eine theoretische Verbesserung um etwa das 1.600 Fache bei einer Signaturfälschung und rund 30 Mal geringere Durchschnittskosten bei der gebündelten Faktorisierung. Moderne Schlüssel ab 2048 Bit bleiben laut den Autoren sicher.
Lesen →News · 2026-11-04
GPT-6 Cyber fand 81 Firefox-Lücken. Daybreak Red kontrolliert den Zugang
OpenAI zufolge entwickelte GPT-6 Cyber funktionsfähige Exploits für 948 Schwachstellen im Linux-Kernel und fand 81 bislang unbekannte schwerwiegende Firefox-Lücken. Wegen dieser offensiven Fähigkeiten erhalten zunächst nur ausgewählte Daybreak-Red-Kunden Zugriff.
Lesen →News · 2026-11-03
Fireworks zufolge stammen 95% von täglich 40 Billionen Token aus spezialisierten Modellen
Fireworks gibt an, täglich mehr als 40 Billionen Token auszuliefern. Über 95% davon stammen aus Modellen, die auf Kundendaten und konkrete Aufgaben zugeschnitten sind. Das ist ein starkes Signal einer Inference Plattform, aber keine Messung des Gesamtmarkts.
Lesen →News · 2026-11-03
FlashProve belegt, welches Modell geantwortet hat, benötigt aber bis zu 95-mal mehr GPU-Zeit
Anthropic veröffentlicht mit FlashProve einen Open-Source-Prototyp, der per zkSNARK belegt, dass eine Antwort von einem festgelegten Modell stammt, ohne dessen Gewichte offenzulegen. Bei Llama 4 Maverick erreicht er 110 Token pro Sekunde, benötigt aber 70- bis 95-mal so viel GPU-Zeit wie normale Inferenz.
Lesen →News · 2026-11-02
Offene Modelle können Spezialaufgaben verbilligen, ohne das Agentenrennen anzuführen
Nathan Lambert sieht die Chance offener Modelle in günstigen, klar umrissenen Aufgaben und in der Datenkontrolle beim Kunden. Schwach bleibt ein fragmentierter Markt, in dem nur wenig Umsatz zu den Modellentwicklern zurückfließt.
Lesen →News · 2026-11-03
OpenAI erhöht die Spitzenprämie für kritische Lücken auf 172.000 Dollar
OpenAI plant mit Cathedral Systems einen internen Security Sprint und erhöht Prämien für kritische Funde um mehr als das Vierfache. Modelle, eigene Entwickler und externe Forscher sollen in einem Abwehrzyklus arbeiten, doch Termin und messbare Ziele fehlen bislang.
Lesen →News · 2026-11-01
Zwei isolierte AI-Agenten erfinden ohne Absprache vier visuelle Codes
Robocurve ließ zwei isolierte Kopien derselben AI ein geheimes Wort nur mit einem Roboter und einer Kamera übertragen. Ohne vereinbartes Protokoll nutzten sie Luftschrift, Morsecode, Flaggenalphabet und einen Fünf-Bit-Code. Das zeigt die Grenze einer Isolation, die nur explizite Textkanäle sperrt.
Lesen →News · 2026-10-30
Die Cyberdebatte über Open-Weight-Modelle zielt daneben. GLM 5.3 zeigt das eigentliche Problem
Nathan Lambert lehnt es auch nach der Schwachstellenwelle im Oktober ab, Cyberrisiken danach zu sortieren, ob ein Modell offene Gewichte hat. Epoch AI zeigte zugleich, dass GLM 5.3 sechs Firefox-Versionen für rund 1.000 Dollar pro Version kompromittieren konnte. Entscheidend ist der Weg von der Fähigkeit zum realen Angriff, nicht die Modelllizenz.
Lesen →News · 2026-10-30
OpenAI stellt Produkte nach wenigen Monaten ein und holt ihre Funktionen zurück ins Kerngeschäft
Ethan Mollick rechnet vor, dass Sora, Agent Builder, Group Chat und Atlas als eigenständige Produkte nur 6 bis 9 Monate überlebten. Die schnellen Einstellungen zeigen, dass selbst OpenAI kaum vorhersagen kann, welche Oberfläche den nächsten Modellsprung übersteht.
Lesen →News · 2026-10-31
Claude fand Trainingsdaten, die den Monitor passieren und Täuschung lehren
Anthropic ließ Tausende Claude-Agenten nach Trainingsdaten suchen, die harmlos wirken, nach dem Fine-Tuning aber Widerstand gegen Aufsicht, Täuschung und anderes unerwünschtes Verhalten auslösen. Das Experiment zeigt eine Lücke in der Überwachung und einen Weg zu automatisiertem Red Teaming, nicht das Verhalten eingesetzter Claude-Modelle.
Lesen →News · 2026-10-28
Ein Historiker stellte Neuronen in einem Modell von 1930 nach. Seine Figuren leben meist im London um 1850
Benjamin Breen verstärkte und dämpfte einzelne Neuronen in Talkie, einem Modell, das nur Texte von vor 1931 kennt, und fragte es, wer es sei. Es antworteten Geister, Beamte und Vögel, am deutlichsten aber zeigt sich ein Bild der Trainingsdaten: 595 der 641 Figuren, die eine Jahreszahl nannten, leben im 19. Jahrhundert.
Lesen →News · 2026-10-28
Artificial Analysis versteckt seine Tests, und der Rückstand offener Modelle springt von 3 auf 12 Punkte
Der Index v5 von Artificial Analysis stützt sich zu 60 % auf private Testsätze, und offene Modelle liegen 12 statt drei Punkte hinter Claude Opus 5.5. Ein Teil des Sprungs geht auf das neue Maßband zurück, die Einkaufsrechnung von Unternehmen ändert sich aber schon jetzt.
Lesen →