Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
openai9. November 2026 · Q000892

CodeRabbit scales agentic software development and ships 20x more

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

CodeRabbit sagt, OpenAI-Modelle und Codex würden die Prüfung KI-generierten Codes unterstützen und die Softwareauslieferung des Unternehmens stark beschleunigen. CEO Harjot Gill berichtet außerdem von Sicherheitsfunden durch Daybreak und nennt hohe Scan- und Produktivitätszahlen; diese Angaben stammen vom Unternehmen, und der verwendete Fehlerbenchmark ist unternehmenseigen und verändert sich fortlaufend.

Mittel

Der Bericht beschreibt CodeRabbit als Plattform zur Prüfung und Absicherung von KI-generiertem Code. Laut dem Porträt nutzen sie mehr als 20.000 Organisationen und über 150.000 Open-Source-Projekte. CEO Harjot Gill bezeichnet Code-Reviews als Engpass beim Einsatz von Programmieragenten. Das Team vergleicht Modelle mit einem eigenen Datensatz bekannter Fehler. Zum Zeitpunkt des Interviews schätzte Gill, GPT‑6 Astra erkenne darin 50 Prozent der Probleme; der Datensatz werde jedoch fortlaufend verändert und sei kein allgemeiner Leistungsnachweis.

Gill zufolge ermöglichten bessere Preis-Leistung und Caching den Einsatz zusätzlicher Agenten. Mit Codex habe CodeRabbit in den sechs Monaten vor dem Interview ungefähr zwanzigmal mehr Software mit demselben Entwicklerteam ausgeliefert. Dafür seien Anpassungen an Tests, Infrastruktur und Freigabeprozessen nötig gewesen. Das Unternehmen nutzt Codex laut Bericht auch für Aufgaben in Marketing und Betrieb.

Bei internen Sicherheitstests mit Daybreak habe CodeRabbit nach eigener Aussage mehrere unerwartete Schwachstellen gefunden. Eine zweiwöchige Werbeaktion für CodeRabbit Secure habe laut Unternehmen über 43.000 Schwachstellen in 13.000 Scans aufgedeckt; Tausende seien bereits behoben. Die Produktivitäts- und Sicherheitszahlen sind Unternehmensangaben und werden im Bericht nicht unabhängig überprüft.

Ausführlich lesen

Der Bericht stellt CodeRabbit als Unternehmen vor, das OpenAI-Modelle zur Prüfung und Absicherung KI-generierten Codes einsetzt und nach Aussage seines CEO mit Codex deutlich mehr Software entwickelt. Das Unternehmen bietet eine Plattform, die Änderungen von KI-Agenten analysieren, erklären und auf Sicherheitsprobleme prüfen soll. CodeRabbit zufolge wird sie von mehr als 20.000 Organisationen und über 150.000 Open-Source-Projekten genutzt. Die Angaben stammen aus einem OpenAI-Unternehmensporträt und beruhen überwiegend auf Aussagen CodeRabbits.

Mitgründer und CEO Harjot Gill beschreibt Code-Reviews als ersten Engpass, der beim Einsatz von Programmieragenten entstehe. CodeRabbit begann mit GPT‑3.5 Turbo und setzte später GPT‑4 sowie früh die Modelle o1 und o3 ein. Da Prüfungen in der Cloud asynchron laufen, konnte das Unternehmen laut Gill auch Modelle nutzen, die länger über Aufgaben nachdenken. Neue Modelle vergleicht das Team anhand eines eigenen Datensatzes bekannter Fehler. Zum Zeitpunkt des Interviews schätzte Gill, GPT‑6 Astra finde darin 50 Prozent der Probleme und liege damit in diesem Vergleich vor anderen Modellen. Der Datensatz werde fortlaufend angepasst, weil sich Fehlerarten verändern und spätere Korrekturen zuvor übersehene Probleme sichtbar machen. Das Ergebnis ist daher eine unternehmenseigene, veränderliche Messung und kein allgemeiner Nachweis für alle Codeprüfungen.

CodeRabbit führt Verbesserungen bei Preis und Leistung sowie Caching darauf zurück, dass es mehr Agenten und Unteragenten in sein Produkt integrieren könne. Günstigere Modelle wie GPT‑6 Luna übernähmen mehr Aufgaben; GPT‑6 Astra werde etwa für Planung und Koordination eingesetzt. Gill sagt, mit Codex habe das Unternehmen in den sechs Monaten vor dem Interview ungefähr zwanzigmal so viel Software mit demselben Entwicklerteam ausgeliefert. Er selbst schätzt, in den 30 Tagen davor 2.500 bis 3.000 Pull Requests erstellt zu haben. Diese Produktivitätszahlen sind seine Angaben. Der Bericht beschreibt auch nötige Veränderungen: Der parallele Agenteneinsatz machte laut Gill Anpassungen bei Rechnerressourcen, Tests, Build- und Paketierungswerkzeugen, Abhängigkeiten, Freigaben und Veröffentlichungen erforderlich. CodeRabbit lasse risikoarme Änderungen automatisiert ausliefern. Ein Codex-gestützter Slack-Bot sortiere Vorfälle und Supportanfragen und könne einen Pull Request zur Prüfung bereitstellen.

Der Einsatz reiche laut Gill über die Softwareentwicklung hinaus. Das Team verwalte etwa Google-Anzeigen über Pull Requests und nutze ein Repository, in dem Codex Präsentationen und Kundendokumente erstellt.

Für Sicherheitsprüfungen nutzte CodeRabbit nach eigener Darstellung OpenAIs Cyber-Modell über Daybreak, zunächst für interne Angriffstests. Gill berichtet, dabei seien mehrere zuvor nicht erwartete Schwachstellen entdeckt worden. Mit CodeRabbit Secure bietet das Unternehmen diese Funktionen Kunden an. Während einer zweiwöchigen Werbeaktion habe es kostenlose Tiefenscans im Wert von einer Million US-Dollar bereitgestellt und bei 13.000 Scans über 43.000 Schwachstellen gefunden. Tausende davon hätten Kunden bereits behoben. Der Bericht nennt keine unabhängige Prüfung dieser Zahlen. Abschließend beschreibt Gill das Ziel, Teams beim Bewerten, Priorisieren, Erklären, Absichern und Überprüfen agentenerzeugter Änderungen zu unterstützen, damit Entwickler die Kontrolle behalten, während Agenten mehr Aufgaben übernehmen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Bewertung gilt für beide Fassungen von Luna (kurz und mittel) gemeinsam. Die Einordnung stützt sich nur auf den Bericht, der eine Unternehmensdarstellung mit Eigenangaben ist.

Im Bericht, aber nicht in der Zusammenfassung

  • Modellaufteilung: GPT-6 Luna für mehr Subagenten, GPT-6 Astra für Planung und Orchestrierung
  • Codex-Slack-Bot, der Produktionsvorfälle und Support-Tickets triagiert und Pull Requests erzeugt
  • Wert der kostenlosen Tiefenscans (1 Mio. $) im Rahmen der Werbeaktion

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • „kein allgemeiner Leistungsnachweis“ ist eine Schlussfolgerung von Luna und steht so nicht im Bericht
  • „im Bericht nicht unabhängig überprüft“ ist eine Ableitung aus der Formulierung „according to CodeRabbit“, keine ausdrückliche Aussage

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M3 Wie stellt man fest, ob ein Vorfall gewollt oder versehentlich war, und ob KI oder herkömmliche Mittel dahinterstecken?
    • clef 100 %kein Bezug
    • Luna 42 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-M3-T01 Wie trennt man in Echtzeit eine gezielte KI-gestützte Cyberoperation von einer versehentlichen KI-Eskalation oder von Modellverhalten, das nur wie ein Angriff aussieht, da sowohl Fehlalarme als auch übersehene Angriffe die Spannungen verschärfen können? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
  2. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 41 %gleiches Oberthema, hilft nicht
    • Luna 29 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 73 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-M4-T07 Wenn KI-Labore verschiedener Staaten sich selbst überwachen und Angaben zu Cyberangriffen mit KI austauschen sollen: Welche überprüfbaren Mindestzusagen machen sie dafür, ohne Kundendaten oder ihre eigenen Modelle herauszugeben? Zum Beispiel feste Arten von Vorfällen, eine Frist für Meldungen und das Offenlegen der Ergebnisse von Angriffstests. Luna: Stufe 3 · 28 % · Hintergrund, keine Belege
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 23 %gleiches Oberthema, hilft nicht
    • Luna 44 %einzelne zitierbare Belege
    • JEV 34 %einzelne zitierbare Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 33 %gleiches Oberthema, hilft nicht
    • drex 25 %Hintergrund, keine Belege
    • d3-ultra 42 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-F1-T01 Welche Belege zu Cyberfähigkeiten soll ein Labor vor der Freigabe eines Modells veröffentlichen (Methoden, Aufgabenfamilien, Fehlerraten, getestete Version, reproduzierbare Cyber-Tests in abgeschirmter Umgebung für unabhängige Prüfer), damit jedes Ministerium sie nachstellen kann, statt ihnen vertrauen zu müssen? Und führt es für dieselbe Modellversion abgestimmte Cyber-Tests durch, die sowohl den durch Schutzmaßnahmen verhinderten Missbrauch als auch die legitimen Abwehraufgaben messen, die dieselben Schutzmaßnahmen blockieren, und weist es beide Ergebnisse aus? Luna: Stufe 4 · 37 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
  2. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 26 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  3. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 31 %nur am Rande erwähnt
    • JEV 39 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • SF-F4-T03 Welche neue Prüfung braucht jeder Einsatz, wenn Fähigkeiten zunehmend im Nachdenken des Modells während der Nutzung stecken statt in einem einmal trainierten Modell, und würden die für ein festes Modell gebauten Freigabetests das noch erfassen? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 37 %einzelne zitierbare Belege
    • JEV 28 %einzelne zitierbare Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 31 %gleiches Oberthema, hilft nicht
    • drex 26 %einzelne zitierbare Belege
    • d3-ultra 51 %gleiches Oberthema, hilft nicht

    • SF-P3-T01 Welcher gemeinsame Rahmen für Labore macht Selbstüberwachung überprüfbar, ohne geschütztes geistiges Eigentum offenzulegen, und welche unabhängigen Verfahren Dritter, falls es sie gibt, bestätigen, dass die Selbstüberwachung riskantes Verhalten vor der Freigabe wirklich findet und nicht nur Schein ist? Luna: Stufe 3 · 23 % · Hintergrund, keine Belege
    • SF-P3-T06 Wenn getrennte Sicherheitsprüfungen Repositorien, Zwischenspeicher oder andere beschreibbare Dienste teilen: Wie zeigt man, dass Modellinstanzen zwischen den Läufen keine Informationen austauschen und dadurch das gemeldete Ergebnis ungültig machen können? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege
    • SF-P3-T07 Wird jede öffentliche Aussage, ein führendes KI-Modell sei „besser ausgerichtet“ als ein anderes (folge also seinen vorgesehenen Zielen und Werten besser), reproduzierbare Kriterien, externe Prüfungen und widersprechende Ergebnisse enthalten? Luna: Stufe 4 · 32 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 32 %Hintergrund, keine Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 26 %gleiches Oberthema, hilft nicht
    • Luna 48 %einzelne zitierbare Belege
    • JEV 23 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 24 %nur am Rande erwähnt
    • d3-ultra 50 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Vertrauen in Modelle
  1. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 68 %gleiches Oberthema, hilft nicht
    • drex 80 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 25 %nur am Rande erwähnt
    • JEV 55 %einzelne zitierbare Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 27 %gleiches Oberthema, hilft nicht
    • Luna 37 %Hintergrund, keine Belege
    • JEV 51 %einzelne zitierbare Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 38 %gleiches Oberthema, hilft nicht
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 22 %gleiches Oberthema, hilft nicht
    • Luna 38 %einzelne zitierbare Belege
    • JEV 36 %beantwortet teilweise oder widerspricht
    • amos 31 %einzelne zitierbare Belege
    • SubQ 26 %Hintergrund, keine Belege
    • drex 30 %einzelne zitierbare Belege
    • d3-ultra 37 %Hintergrund, keine Belege

    • SF-A1-T03 Werden Freigabetests messen, ob ein Agent folgenreiche Handlungen außerhalb seines Auftrags unterlässt, auch wenn kein einzeln aufgeführtes Verbot sie blockiert, und werden die Kriterien veröffentlicht? Luna: Stufe 3 · 34 % · Hintergrund, keine Belege
  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 30 %gleiches Oberthema, hilft nicht
    • Luna 56 %Hintergrund, keine Belege
    • JEV 24 %nur am Rande erwähnt
    • amos 27 %Hintergrund, keine Belege
    • SubQ 25 %nur am Rande erwähnt
    • drex 26 %Hintergrund, keine Belege
    • d3-ultra 57 %gleiches Oberthema, hilft nicht

  3. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 29 %gleiches Oberthema, hilft nicht
    • Luna 48 %Hintergrund, keine Belege
    • JEV 48 %einzelne zitierbare Belege
    • amos 30 %nur am Rande erwähnt
    • SubQ 34 %gleiches Oberthema, hilft nicht
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht

    • SF-A3-T01 Welche Beobachtungen oder gemeinsamen Tests erkennen entstehende Abstimmung, Absprachen oder Kettenfehler zwischen Modellen in Arbeitsabläufen, Lieferketten und Gruppen vieler Agenten (Schwärmen), die kein einzelnes Labor steuert oder vorhersieht? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege
Modelle teilen und schützen
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 53 %Hintergrund, keine Belege
    • JEV 45 %einzelne zitierbare Belege
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

    • SF-E4-T03 Wie können gemeinsame Sicherheitsregeln verhindern, dass hohe Kosten der Einhaltung den Markt auf wenige reiche Labore verengen, und trotzdem kleine Entwickler und Open-Source-Entwickler auf dieselbe Mindestschwelle für Sicherheit verpflichten? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 68 %einzelne zitierbare Belege
    • JEV 38 %beantwortet teilweise oder widerspricht
    • amos 28 %nur am Rande erwähnt
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat? Luna: Stufe 3 · 43 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
Wirtschaft und Haftung
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →