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
metr14. August 2026 · Q001199

Funding update

metr.org · Originalbericht öffnen ↗

Zusammenfassung

Kurz

METR berichtet von rund 71 Millionen US-Dollar an Förderzusagen in sechs Monaten, die unter anderem Forschung zu KI-Fähigkeiten, Risiken und Vorfällen ermöglichen sollen. Die Organisation sagt, sie nehme keine Mittel führender KI-Unternehmen oder von deren Beschäftigten an, erhalte von den Unternehmen aber erhebliche kostenlose Token-Kontingente für ihre Arbeit.

Mittel

METR zufolge erhielt die Organisation in den sechs Monaten vor der Veröffentlichung Förderzusagen von rund 71 Millionen US-Dollar. Damit sollen unter anderem Projekte zu autonomen KI-Fähigkeiten, rekursiver Selbstverbesserung, Überwachungssystemen, Risikobewertungen und KI-Vorfällen finanziert werden. Einzelne Projektbudgets, Zeitpläne oder Ergebnisse nennt der Beitrag nicht.

Als Unterstützer führt METR The Audacious Project, Personen von Jane Street, mehrere Stiftungen sowie David Farhi, Geoff Ralston, Dylan Field und Steve Newman an. Die Organisation wirbt um weitere Spenden und kündigt einen Ausbau des Teams an.

METR erklärt, unabhängig von führenden KI-Unternehmen bleiben zu wollen. Es habe keine Finanzierung von diesen Firmen angenommen und lehne auch Spenden ab, die von deren Beschäftigten stammen oder veranlasst werden. Zugleich stellten die Unternehmen laut Beitrag erhebliche Mengen kostenloser Tokens für Evaluationen, Forschung und technische Arbeit bereit. Deren Umfang und die Bedingungen dieser Unterstützung werden nicht näher beschrieben.

Ausführlich lesen

METR berichtet, in den sechs Monaten vor der Veröffentlichung Zusagen in Höhe von rund 71 Millionen US-Dollar erhalten zu haben. Nach Darstellung der Organisation sollen die Mittel ihre gemeinnützige Arbeit und mehrere neue Vorhaben finanzieren. Dazu zählt METR Studien zu autonomen Fähigkeiten und rekursiver Selbstverbesserung, die Überprüfung von Überwachungssystemen, Risikobewertungen sowie Untersuchungen zu KI-Vorfällen. Der Beitrag nennt keine Budgets oder Zeitpläne für die einzelnen Projekte und berichtet noch nicht über Ergebnisse dieser Arbeit.

METR dankt früheren und jüngeren Unterstützern. Genannt werden The Audacious Project, über das die Organisation nach eigener Aussage erstmals institutionelle Förderung in größerem Umfang erhielt, Personen von Jane Street sowie die Sijbrandij Foundation, The Pew Charitable Trusts, Schmidt Sciences und die Packard Foundation. Außerdem führt METR David Farhi, Geoff Ralston, Dylan Field und Steve Newman als Beispiele weiterer Unterstützer an. Der Beitrag lädt zu Spenden ein und erklärt, das Team auszubauen und neue Projekte zu beginnen.

Zur Finanzierung sagt METR, seine Unabhängigkeit von führenden KI-Unternehmen wahren zu wollen, besonders weil die eigenen Risikobewertungen an Bedeutung gewännen. Die Organisation habe keine Mittel von diesen Unternehmen angenommen und nehme auch keine Spenden an, die von deren Beschäftigten stammen oder auf deren Veranlassung erfolgen. Zugleich würden diese Unternehmen derzeit in erheblichem Umfang kostenlose Rechen- beziehungsweise Token-Kontingente für METRs Evaluationen, Forschung und technische Arbeit bereitstellen. Der Bericht beziffert diesen Beitrag nicht und erläutert nicht, wie die kostenlose Bereitstellung organisiert oder von der finanziellen Förderung abgegrenzt wird.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Einordnung stützt sich ausschließlich auf den Bericht. Lunas Anteilswerte wurden nicht bewertet, nur die Stufen. Der Canary-Block ist ein Tracking-Hinweis und kein Sachinhalt.

Im Bericht, aber nicht in der Zusammenfassung

  • Der eingebettete Canary-Hinweis mit Trainingsverbot und Tracking-Kennung wird in keiner der Zusammenfassungen erwähnt
  • Die Begründung, warum Unabhängigkeit mit wachsender Tragweite der Risikobewertungen wichtiger wird, fehlt in der Kurzfassung und im Mittelteil
  • The Audacious Project als erste institutionelle Förderung im großen Maßstab wird nicht genannt

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
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 100 %kein Bezug
    • Luna 31 %Hintergrund, keine Belege
    • JEV 34 %Hintergrund, keine Belege
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Unabhängig prüfen
  1. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 18 %gleiches Oberthema, hilft nicht
    • Luna 66 %einzelne zitierbare Belege
    • JEV 47 %einzelne zitierbare Belege
    • amos 32 %einzelne zitierbare Belege
    • SubQ 40 %einzelne zitierbare Belege
    • drex 36 %einzelne zitierbare Belege
    • d3-ultra 25 %einzelne zitierbare Belege
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-P2-T01 Wer wählt die Prüfer aus, wer bezahlt sie, wer darf sie entlassen, und wird dieser Vertrag vor dem ersten Befund veröffentlicht? Welchen Mindestvertrag, der ihre Unabhängigkeit wahrt, könnten Labore jetzt unterschreiben, ohne auf ein Gesetz zu warten, einschließlich der Frage, wie Berichte veröffentlicht werden? Und wie bleiben die Prüfer unabhängig, wenn Geld oder Infrastruktur vom geprüften Labor kommen? Luna: Stufe 3 · 29 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 23 %Hintergrund, keine Belege
    • Luna 38 %einzelne zitierbare Belege
    • JEV 48 %einzelne zitierbare Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 37 %gleiches Oberthema, hilft nicht
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung 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 35 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 57 %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 28 %nur am Rande erwähnt
    • Luna 33 %Hintergrund, keine Belege
    • JEV 41 %nur am Rande erwähnt
    • amos 40 %nur am Rande erwähnt
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 49 %nur am Rande erwähnt
    • d3-ultra 37 %nur am Rande erwähnt

    • SF-T3-T01 Welches messbare Zeichen, also welche beobachtbare Änderung in der Fähigkeit eines Modells, die Abläufe zu verbessern, mit denen seine eigenen Fähigkeiten entwickelt werden, würden Labore und Staaten gemeinsam als Beginn der Selbstverbesserung anerkennen, und wer darf im Labor danach suchen? Welche beobachtbare Änderung markiert den Schritt von beaufsichtigter automatisierter Forschung zu voll selbstständiger Selbstverbesserung, und welche öffentliche Stelle darf diesen Schritt nach Prüfung der Belege für menschliche Kontrolle erlauben oder ablehnen? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Vertrauen in Modelle
Agenten und vernetzte Systeme
Modelle teilen und schützen
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 41 %einzelne zitierbare Belege
    • JEV 57 %einzelne zitierbare Belege
    • amos 24 %nur am Rande erwähnt
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung Hintergrund, keine Belege
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 33 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 46 %Hintergrund, keine Belege
    • JEV 51 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  3. 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 38 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

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 →