Basis completes a tax workbook 2x faster with GPT-6 Astra
Zusammenfassung
Kurz
Basis berichtet, GPT‑6 Astra habe eine Steuerarbeitsmappe mit 50 Tabellenblättern im Vergleich zu GPT‑5.6 Sol halb so schnell bearbeitet und in internen Bewertungen ungefähr 20 Prozent besser abgeschnitten. Das Unternehmen führt dies auf besseres Aufgabenverständnis und anpassbaren Rechenaufwand zurück; der Bericht legt keine detaillierte Methodik oder unabhängige Prüfung der Ergebnisse vor.
Mittel
Der Bericht schildert die Erfahrungen des Buchhaltungsautomatisierungsunternehmens Basis mit GPT‑6 Astra. In einem Vergleich an einer komplexen Steuerarbeitsmappe mit 50 Tabellenblättern habe Astra die Aufgabe in der Hälfte der Zeit von GPT‑5.6 Sol erledigt. Basis führt dies unter anderem auf bessere Entscheidungen zu Beginn und weniger nachträgliche Fehlerkorrekturen zurück.
Das Unternehmen lässt Astra außerdem den Rechenaufwand je nach Schwierigkeit eines Arbeitsschritts anpassen, ohne den Cache zu verwerfen. Das soll Kosten und Antwortzeiten verringern. In internen Bewertungen habe Basis eine Verbesserung von ungefähr 20 Prozent festgestellt. Genannt werden ein besseres Verständnis der Nutzerabsicht sowie passendere Rückfragen, der Umgang mit Annahmen und die Befolgung von Anweisungen. Auch Vorlagentreue, Nutzung von Primärquellen und Selbstkontrolle würden bewertet.
Die Zahlen sind Angaben von Basis in einer OpenAI-Kundengeschichte. Detaillierte Testmethoden, Umfang der Bewertungen und unabhängige Bestätigungen nennt der Bericht nicht; die Resultate lassen sich daher nicht ohne Weiteres verallgemeinern.
Ausführlich lesen
Der Bericht beschreibt, wie Basis, ein Technologie-Startup aus Nordamerika, GPT‑6 Astra für KI-Agenten einsetzt, die Aufgaben aus der Buchhaltung automatisieren. Im Mittelpunkt stehen lange, mehrstufige Arbeitsabläufe und die Frage, ob das Modell die Absicht hinter einer Aufgabe erfassen und sie zuverlässig bearbeiten kann. Die Aussagen stammen aus einer OpenAI-Kundengeschichte und geben die Einschätzungen sowie internen Ergebnisse von Basis wieder.
Als konkreten Vergleich nennt Basis einen Test mit einer komplexen Steuererklärung in einer Arbeitsmappe mit 50 Tabellenblättern. GPT‑6 Astra habe diese Aufgabe halb so schnell abgeschlossen wie GPT‑5.6 Sol. Basis schreibt den Zeitgewinn auch besseren Entscheidungen zu Beginn der Bearbeitung zu: Dadurch müssten Agenten weniger Fehler nachträglich korrigieren und könnten direkter vorgehen. Laut Mitgründer Mitch Troyanovsky nutzt Astra außerdem Tokens effizienter.
Ein weiterer Schwerpunkt ist die Anpassung des Rechenaufwands an den jeweiligen Arbeitsschritt. Basis lässt das Modell nach eigener Darstellung bei schwierigen Schritten mehr und bei einfachen weniger Schlussfolgerungsaufwand einsetzen. Diese Anpassungen seien möglich, ohne den Cache zu verwerfen. Das solle Antwortzeiten und Kosten senken und längere Aufgaben wirtschaftlicher machen.
Für interne Bewertungen berichtet Basis von einer ungefähren Verbesserung um 20 Prozent. Als Gründe nennt das Unternehmen ein besseres Verständnis der Nutzerabsicht und den angemesseneren Umgang mit Rückfragen, Annahmen und Anweisungen. Bewertet würden sowohl die Arbeitsweise der Agenten als auch ihre Endergebnisse, darunter die Einhaltung von Vorlagen, die Nutzung von Primärquellen bei Steuerfragen und die Prüfung der eigenen Arbeit. Astra könne solche Erwartungen laut Basis häufiger aus dem weiteren Kontext erschließen, sodass weniger Regeln für einzelne Situationen nötig seien. Das stärke das Vertrauen, auch Fälle außerhalb der internen Tests bearbeiten zu können.
Die berichteten Zahlen beruhen auf einem von Basis beschriebenen Einzeltest und internen Bewertungen. Der Bericht nennt keine detaillierte Testmethodik, keine Zahl oder Zusammensetzung der bewerteten Aufgaben und keine unabhängige Überprüfung. Die Ergebnisse sind daher als Angaben des Unternehmens zu verstehen; sie belegen für sich genommen nicht, dass sich dieselben Verbesserungen allgemein oder bei anderen Kunden einstellen.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Lunas kurze Zusammenfassung schreibt, Astra habe die Arbeitsmappe halb so schnell bearbeitet. Der Bericht sagt das Gegenteil: Astra brauchte nur die Hälfte der Zeit. Diese Umkehrung ist ein sachlicher Fehler. Die mittlere Zusammenfassung ist dagegen inhaltlich treu. Alle Zahlen (50 % und ca. 20 %) sind Angaben von Basis und nicht unabhängig geprüft. Die Prozentwerte der Sammelfragen (49 %, 46 %, 42 %) sind in der Liste angegeben und im Bericht nicht überprüfbar.
Im Bericht, aber nicht in der Zusammenfassung
- Der Bericht nennt auch, dass Astra laut Troyanovsky token-effizienter arbeitet.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Vorfälle melden
- SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 48 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 60 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Fähigkeiten messen
- 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 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 38 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 54 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- 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 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 25 %gleiches Oberthema, hilft nicht
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 55 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Unabhängig prüfen
- SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 49 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 51 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 54 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 46 %einzelne zitierbare Belege
- JEV 51 %einzelne zitierbare Belege
- amos 29 %Hintergrund, keine Belege
- SubQ 100 %kein Bezug
- drex 35 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-P5 Wie überprüft man, ob Zusagen zwischen Staaten eingehalten werden, auch über Jahre und Regierungswechsel hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 62 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
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 45 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- 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 69 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- 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 49 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 78 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
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 35 %Hintergrund, keine Belege
- JEV 35 %einzelne zitierbare Belege
- amos 28 %Hintergrund, keine Belege
- SubQ 100 %kein Bezug
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 49 %einzelne zitierbare Belege
- JEV 100 %kein Bezug
- amos 30 %Hintergrund, keine Belege
- SubQ 100 %kein Bezug
- drex 46 %gleiches Oberthema, hilft nicht
- d3-ultra 50 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- 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 43 %einzelne zitierbare Belege
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 42 %einzelne zitierbare Belege
- JEV 47 %einzelne zitierbare Belege
- amos 26 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 56 %gleiches Oberthema, hilft nicht
- d3-ultra 53 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
- 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 100 %kein Bezug
- Luna 29 %Hintergrund, keine Belege
- JEV 29 %Hintergrund, keine Belege
- amos 26 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 46 %gleiches Oberthema, hilft nicht
- d3-ultra 57 %gleiches Oberthema, hilft nicht
- SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 34 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 44 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Modelle teilen und schützen
- SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 60 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Frieden und Sicherheit
- SF-K2 Wie weit gelten KI-Abkommen für Verbündete und Geheimdienste, und wie verhalten sie sich zu bestehenden Rüstungskontrollverträgen und -regimen?
- 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 100 %kein Bezug
Offenlegung und Rechenschaft
- 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 100 %kein Bezug
- amos 48 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 45 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-O3 Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %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 100 %kein Bezug
- amos 52 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 53 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Weitere Berichte zu diesen Fragen
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- 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?
- 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?
- Alle Berichte im Archiv