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
anthropic21. November 2023 · Q002787

Introducing Claude 2.1

anthropic.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Anthropic beschreibt Claude 2.1 mit einem 200.000-Token-Kontextfenster, verbesserten Genauigkeitswerten laut unternehmenseigenen Tests und einer neuen Werkzeugnutzung in der Beta. Außerdem stellt das Unternehmen Entwicklerfunktionen wie Workbench und System-Prompts vor; das große Kontextfenster ist Pro-Konten vorbehalten und seine Verarbeitung kann einige Minuten dauern.

Mittel

Anthropic kündigt Claude 2.1 für die API und als Modell für Claude.ai an. Zentrale Neuerung ist ein Kontextfenster von 200.000 Tokens, das laut Unternehmen ungefähr 150.000 Wörtern oder über 500 Seiten entspricht. Damit sollen Nutzer große Dokumente oder Codebasen zusammenfassen, abfragen und vergleichen können. Anthropic weist darauf hin, dass die Verarbeitung solcher Eingaben einige Minuten dauern kann; das große Kontextfenster ist Pro-Nutzern vorbehalten.

Im Vergleich zu Claude 2.0 habe Claude 2.1 nach internen Auswertungen halb so viele falsche Aussagen gemacht. Anthropic berichtet außerdem von 30 Prozent weniger falschen Antworten bei komplexen Dokumenten und einer drei- bis vierfach geringeren Neigung, fälschlich anzunehmen, ein Dokument stütze eine Behauptung. Getestet wurde mit schwierigen Sachfragen und einer Bewertungsregel, die falsche Aussagen von eingeräumter Unsicherheit unterschied. Der Bericht enthält keine detaillierten Testdaten oder unabhängige Bestätigung; Anthropic sagt, Genauigkeit und Verlässlichkeit weiter verbessern zu wollen.

Neu ist auch eine Werkzeugnutzung in der Beta, mit der Claude vorgegebene Funktionen und APIs auswählen kann. Für Entwickler gibt es zudem Workbench zum Verwalten und Testen von Prompts sowie System-Prompts für anpassbares Verhalten. Die Werkzeugfunktion wird als frühe Entwicklung beschrieben.

Ausführlich lesen

Anthropic stellt Claude 2.1 als neues Modell für die API und als Grundlage des Chatangebots Claude.ai vor. Der Bericht hebt vier Neuerungen hervor: ein Kontextfenster mit bis zu 200.000 Tokens, nach Unternehmensangaben geringere Halluzinationsraten, eine experimentelle Werkzeugnutzung sowie Verbesserungen für Entwickler. Zugleich kündigt Anthropic aktualisierte Preise an, nennt im Text aber keine konkreten Preisbeträge.

Das Kontextfenster soll laut Anthropic ungefähr 150.000 Wörtern oder mehr als 500 Seiten entsprechen. Nutzer könnten damit umfangreiche Unterlagen wie Codebasen, Finanzberichte oder literarische Werke einreichen und zusammenfassen, dazu Fragen stellen, Trends abschätzen oder Dokumente vergleichen. Der Bericht bezeichnet die Verarbeitung einer Nachricht dieser Länge als technisch anspruchsvoll und als Branchenneuheit. Aufgaben, die Menschen sonst Stunden kosten könnten, dauerten mit Claude möglicherweise einige Minuten; Anthropic erwartet, dass sich die Verzögerung mit technischer Weiterentwicklung verringert. Das 200.000-Token-Fenster ist laut Artikel Claude-Pro-Nutzern vorbehalten.

Anthropic zufolge macht Claude 2.1 im Vergleich zu Claude 2.0 nur halb so viele falsche Aussagen. Zur Prüfung habe das Unternehmen eine große Sammlung schwieriger Sachfragen zusammengestellt, die bekannte Schwächen von Modellen aufgreift. Bewertet wurde unter anderem, ob das Modell eine falsche Behauptung aufstellt oder Unsicherheit zugibt. Bei komplexen Dokumenten, etwa aus Recht, Finanzen und Technik, berichtet Anthropic außerdem von 30 Prozent weniger falschen Antworten und einer drei- bis vierfach geringeren Rate, irrtümlich zu folgern, ein Dokument stütze eine bestimmte Behauptung. Der Beitrag stellt diese Resultate als eigene Evaluationen des Unternehmens dar; genaue Versuchsdetails und unabhängige Bestätigungen enthält der vorliegende Text nicht. Anthropic räumt ein, dass Präzision und Zuverlässigkeit weiter verbessert werden müssten.

Die neue Werkzeugnutzung ist als Beta und in einer frühen Entwicklungsphase beschrieben. Entwickler können Claude Funktionen oder APIs vorgeben; das Modell soll je nach Anfrage passende Werkzeuge auswählen und ausführen. Genannte Beispiele sind Berechnungen, strukturierte API-Aufrufe, Datenbank- oder Websuche, einfache Aktionen in Software und Empfehlungen auf Basis von Produktdaten. Anthropic sagt, dass es noch an Entwicklerfunktionen und Integrationshinweisen arbeitet und bittet um Rückmeldungen.

Für API-Entwickler führt Anthropic außerdem Workbench ein: eine Umgebung zum Erstellen und Überarbeiten mehrerer Prompts, zum Speichern des Verlaufs, zum Anpassen von Modelleinstellungen und zum Erzeugen von SDK-Code. System-Prompts sollen eigene Anweisungen und Rollen ermöglichen sowie Antworten anpassbarer und einheitlicher machen. Claude 2.1 war laut Bericht zum Veröffentlichungszeitpunkt über die API und auf Claude.ai für kostenlose und Pro-Konten verfügbar; nur Pro-Konten erhielten Zugang zum größten Kontextfenster.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Einordnung stützt sich allein auf den Bericht, der eine Firmenankündigung ohne unabhängige Prüfung ist. Lunas Stufen wurden unabhängig neu bewertet; bei der Zusammenfassung wurden nur Angaben geprüft, die im Bericht stehen oder fehlen.

Im Bericht, aber nicht in der Zusammenfassung

  • Preisanpassung für mehr Kosteneffizienz über alle Modelle
  • Claude 2.1 ist auch im kostenlosen Tarif von claude.ai verfügbar
  • In der Kurzfassung fehlt die konkrete Angabe, dass falsche Aussagen um die Hälfte sinken

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-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 30 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 62 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 24 %nur am Rande erwähnt
    • Luna 45 %einzelne zitierbare Belege
    • JEV 45 %einzelne zitierbare Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung 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 · 39 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 35 %gleiches Oberthema, hilft nicht
    • Luna 37 %einzelne zitierbare Belege
    • JEV 44 %gleiches Oberthema, hilft nicht
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 86 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Vertrauen in Modelle
  1. 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 39 %Hintergrund, keine Belege
    • JEV 47 %einzelne zitierbare Belege
    • amos 26 %einzelne zitierbare Belege
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 4 · 41 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
    • SF-V1-T10 Kann etwas, das Modelle über sich und ihre Absichten sagen, als Beleg für Ausrichtung zählen, wenn es nur weiterer erzeugter Text ist, und welche Verfahren machen solche Selbstauskünfte vertrauenswürdig statt nur flüssig? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • SF-V1-T15 Welches messbare Maß für Überwachbarkeit könnte neben Fähigkeitstests stehen, und würden Labore es tatsächlich über weitere Skalierung entscheiden lassen? Welcher gemessene Verlust an Überwachung würde Einschränkungen der Selbstständigkeit eines Modells auslösen, und wie erkennt man Fehler, die im sichtbaren Denken nicht auftauchen? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 41 %einzelne zitierbare Belege
    • amos 32 %Hintergrund, keine Belege
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  3. 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 26 %gleiches Oberthema, hilft nicht
    • JEV 52 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 24 %gleiches Oberthema, hilft nicht
    • Luna 39 %einzelne zitierbare Belege
    • JEV 36 %umfangreiche Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

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 28 %nur am Rande erwähnt
    • Luna 40 %einzelne zitierbare Belege
    • JEV 58 %einzelne zitierbare Belege
    • amos 30 %einzelne zitierbare Belege
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 23 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 26 %Hintergrund, keine Belege
    • JEV 45 %gleiches Oberthema, hilft nicht
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
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 100 %kein Bezug
    • JEV 37 %einzelne zitierbare Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 68 %gleiches Oberthema, hilft nicht
    • drex 62 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 34 %gleiches Oberthema, hilft nicht
    • Luna 55 %Hintergrund, keine Belege
    • JEV 29 %einzelne zitierbare Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 60 %gleiches Oberthema, hilft nicht
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 35 %gleiches Oberthema, hilft nicht
    • Luna 26 %Hintergrund, keine Belege
    • JEV 36 %einzelne zitierbare Belege
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 63 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

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 →