Introducing 100K context windows
Zusammenfassung
Kurz
Anthropic kündigte an, Claude könne 100.000 Tokens beziehungsweise etwa 75.000 Wörter auf einmal verarbeiten, und veranschaulichte dies mit einem Erkennungstest in „The Great Gatsby“. Als mögliche Anwendungen nennt das Unternehmen die Analyse langer Dokumente, mehrerer Quellen und ganzer Codebasen; die Funktion war laut Beitrag über die API verfügbar. Die Leistungsangaben stammen von Anthropic und werden nicht durch systematische Vergleichstests im Bericht belegt.
Mittel
Anthropic berichtet, Claude könne nun 100.000 statt 9.000 Tokens als Kontext verarbeiten, ungefähr 75.000 Wörter. Damit ließen sich laut Unternehmen Hunderte Seiten auf einmal analysieren und lange Gespräche führen. Zur Demonstration veränderte Anthropic eine Zeile in „The Great Gatsby“ (72.000 Tokens); Claude-Instant habe die Änderung in 22 Sekunden erkannt. Das Unternehmen nennt außerdem die Zusammenführung von Informationen aus mehreren Dokumenten als möglichen Vorteil gegenüber Vektorsuche, räumt mit der Formulierung jedoch keine umfassende Vergleichsevidenz ein.
Als Einsatzfelder führt der Beitrag unter anderem Finanz- und Forschungsdokumente, Geschäftsberichte, Gesetzestexte, Rechtsunterlagen, technische Dokumentation und Codebasen auf. Ein Beispiel des Partners AssemblyAI nutzte ein Podcast-Transkript mit 58.000 Wörtern für Zusammenfassung und Fragen. Anthropic setzt 100.000 Tokens mit etwa sechs Stunden Audio gleich. Die Funktion war laut Bericht über die API verfügbar. Die Leistungsangaben beruhen auf den von Anthropic dargestellten Beispielen; systematische Tests oder ausführliche Grenzen der Genauigkeit nennt der Beitrag nicht.
Ausführlich lesen
Anthropic berichtet, Claude könne seit einer Erweiterung des Kontextfensters von 9.000 auf 100.000 Tokens deutlich längere Texte auf einmal verarbeiten. Das entspreche ungefähr 75.000 Wörtern und ermögliche laut Unternehmen, Hunderte Seiten einzureichen sowie Gespräche über Stunden oder Tage fortzuführen.
Zur Veranschaulichung vergleicht Anthropic die Verarbeitungsgeschwindigkeit mit der eines Menschen: Das Lesen von 100.000 Tokens dauere durchschnittlich mehr als fünf Stunden; Claude könne die Informationen laut Beitrag in weniger als einer Minute verarbeiten. Als Beispiel nennt Anthropic einen Versuch mit „The Great Gatsby“: Der Text umfasste 72.000 Tokens, und eine Zeile wurde so geändert, dass Mr. Carraway als Softwareingenieur für Machine-Learning-Werkzeuge bei Anthropic beschrieben wurde. Auf die Frage nach der Änderung habe Claude-Instant die richtige Antwort in 22 Sekunden gegeben.
Anthropic sieht den Nutzen nicht nur im Lesen langer Texte, sondern auch darin, Informationen aus mehreren Dokumenten zusammenzuführen und gezielte Fragen dazu zu beantworten. Bei komplexen Fragen könne dies vermutlich deutlich besser funktionieren als Ansätze auf Basis von Vektorsuche. Das ist eine Einschätzung des Unternehmens; der Beitrag führt dazu keinen systematischen Vergleich oder weitere Messwerte an.
Als Anwendungsbeispiele nennt der Bericht das Zusammenfassen und Erklären dichter Dokumente, etwa Finanzberichte und Forschungsarbeiten, die Analyse strategischer Risiken anhand von Geschäftsberichten, die Abwägung von Gesetzgebung sowie das Erkennen von Risiken, Themen und Argumentationsformen in Rechtsdokumenten. Auch technische Dokumentation und ganze Codebasen könnten laut Anthropic als Kontext dienen. Ein Partnerbeispiel von AssemblyAI betrifft ein langes Podcast-Transkript mit 58.000 Wörtern, das Claude zusammenfasste und zu dem es Fragen beantwortete. Anthropic beziffert 100.000 Tokens außerdem auf ungefähr sechs Stunden Audio.
Das erweiterte Kontextfenster war laut Beitrag zum Veröffentlichungszeitpunkt über die API verfügbar. Der Text verweist auf Dokumentation zu den aufzurufenden Modellversionen und auf eine Möglichkeit, Zugang zu Claude anzufragen. Die dargestellten Leistungsangaben und Einsatzmöglichkeiten stammen von Anthropic. Der Beitrag beschreibt einzelne Beispiele, enthält aber keine umfassende Prüfung der Genauigkeit, keine systematischen Vergleichsergebnisse und keine näheren Angaben zu Einschränkungen bei den genannten Anwendungen.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Beide Fassungen von Luna (kurz und mittel) sind inhaltlich korrekt und enthalten keine erfundenen Angaben; bewertet wurde die ausführlichere mittlere Fassung. Die kurze Fassung lässt zusätzlich die Erweiterung von 9.000 auf 100.000 Tokens, die 22 Sekunden und das AssemblyAI-Beispiel aus. Die Sammelfragen SF-E4, SF-H3 und SF-V5 sind im Auftrag nur als Kennungen ohne Wortlaut angegeben; ihre Einordnung stützt sich deshalb auf die Kennung und den Berichtsinhalt, und Lunas Stufen und Anteile wurden nicht übernommen.
Im Bericht, aber nicht in der Zusammenfassung
- Der Vergleich, dass ein Mensch für 100.000 Tokens über 5 Stunden braucht, Claude dagegen unter einer Minute
- Der Hinweis, dass die Modellversionen in der API-Dokumentation nachzulesen sind
- Dass Claude laut Bericht Anweisungen befolgt und Ergebnisse wie ein menschlicher Assistent liefert
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Fähigkeiten messen
- 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 28 %einzelne zitierbare Belege
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Unabhängig prüfen
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 57 %gleiches Oberthema, hilft nicht
- d3-ultra
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 51 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 69 %gleiches Oberthema, hilft nicht
- d3-ultra
Vertrauen in Modelle
- SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 63 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 71 %gleiches Oberthema, hilft nicht
- d3-ultra
- 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 100 %kein Bezug
- JEV 56 %einzelne zitierbare Belege
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 46 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 35 %Hintergrund, keine Belege
- JEV 31 %Hintergrund, keine Belege
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 61 %gleiches Oberthema, hilft nicht
- d3-ultra
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Modelle teilen und schützen
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 36 %Hintergrund, keine Belege
- JEV 36 %gleiches Oberthema, hilft nicht
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 53 %Hintergrund, keine Belege
- JEV 36 %gleiches Oberthema, hilft nicht
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- Haiku-Prüfung kein Bezug
- 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 100 %kein Bezug
- JEV 35 %gleiches Oberthema, hilft nicht
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 46 %gleiches Oberthema, hilft nicht
- d3-ultra
Information und Öffentlichkeit
- SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 46 %gleiches Oberthema, hilft nicht
- d3-ultra
Weitere Berichte zu diesen Fragen
- 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?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Alle Berichte im Archiv