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
openai11. September 2026 · Q004601

Cognition helps Devin test its own work with GPT‑6 Astra

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Cognition zufolge hilft GPT‑6 Astra Devin, Software zu testen und Ergebnisse etwa als Simulatoraufzeichnung, Prüfbericht oder Fehlerbehebungsbild zu zeigen. Das Unternehmen erwartet dadurch weniger manuelle Codeprüfung und schnellere Kundenreaktionen; unabhängige Messwerte zur Wirkung nennt der Bericht nicht.

Mittel

Der Bericht beschreibt Cognitions Einsatz von GPT‑6 Astra in Devin und weiteren Produkten. Das Unternehmen sagt, Astra verbessere Devin darin, Änderungen zu testen und Ergebnisse nachvollziehbar zu zeigen. Als Beispiel testet Devin das iPhone-Spiel „Otter Run“ in einem Simulator und liefert eine Aufzeichnung sowie einen Bericht über bestandene Prüfungen und noch ungetestete Bereiche. Bei Kundenmeldungen mit einem Fehlerbildschirmfoto könne Devin laut Cognition den Fehler beheben und ein Bild des Ergebnisses zurückgeben, wodurch das Team schneller reagieren könne.

Cognition erwartet, dass solche Tests und Belege die manuelle Codeprüfung verringern und Ingenieuren helfen, Änderungen effizienter einzuschätzen. Mitgründer Walden Yan verbindet damit die Hoffnung, künftig weniger Code selbst prüfen und mehr ausliefern zu können. Der Artikel präsentiert Beispiele und Unternehmensangaben, jedoch keine unabhängigen Messwerte zu Zeitersparnis, Qualität oder Fehlerquote. Zudem macht das Spielbeispiel sichtbar, dass Teile der Anwendung ungeprüft bleiben können.

Ausführlich lesen

Der Bericht schildert, wie Cognition GPT‑6 Astra in Devin, den als autonomen Softwareentwickler beschriebenen Dienst des Unternehmens, einsetzt. Nach Darstellung von Cognition soll Astra Devin dabei verbessern, Änderungen nicht nur umzusetzen, sondern auch zu testen und Ergebnisse als überprüfbare Hinweise bereitzustellen. Das Unternehmen verbindet dies mit dem Ziel, die manuelle Codeprüfung zu verringern und mehr Software auszuliefern.

Cognition zufolge kommt Astra in mehreren Produkten zum Einsatz: im Devin-Cloud-Agenten sowie in CLI- und Desktop-Produkten. Als Beispiel nennt der Bericht den iPhone-Spieletitel „Otter Run“: Devin testet das Spiel in einem Simulator und liefert eine Aufzeichnung des Ablaufs sowie einen Bericht. Darin werden laut Artikel bestandene Prüfungen und Bereiche aufgeführt, die noch nicht getestet wurden. Die Aufzeichnung soll zeigen, wie sich die Anwendung verhält; der Bericht soll den Umfang der Prüfung und offene Punkte sichtbar machen. Damit können Entwickler die Ergebnisse begutachten und erkennen, wo weitere Aufmerksamkeit nötig ist.

Ein weiterer geschilderter Einsatz betrifft Kundenmeldungen zu Fehlern. Wenn ein Kunde einen Fehler per Bildschirmfoto meldet, kann das Team dieses Bild laut Mitgründer Walden Yan an Devin übergeben. Devin behebt demnach das Problem und sendet ein neues Bildschirmfoto zurück, das das Ergebnis zeigt. Yan sagt, dies helfe dem Team, schneller auf Kunden zu reagieren.

Die erwartete Wirkung auf den Prüfprozess ist im Bericht als Ziel beziehungsweise Einschätzung von Cognition formuliert: Wenn Devin seine Arbeit testet und Belege dazu liefert, könnten Ingenieure Änderungen mit weniger manueller Durchsicht des Codes beurteilen. Yan äußert die Erwartung, dass das Team im Laufe der Zeit weniger Code selbst ansehen müsse und letztlich mehr ausliefern könne.

Der Text beschreibt somit Beispiele und die Einschätzungen des Unternehmens, berichtet aber keine unabhängige Evaluation oder Messwerte zu Zeitersparnis, Fehlerquote oder Umfang der tatsächlich automatisierten Prüfung. Im Spielbeispiel werden ausdrücklich auch ungetestete Bereiche erwähnt. Die angeführten Ergebnisse und Erwartungen sind daher als Aussagen von Cognition beziehungsweise seines Mitgründers zu verstehen, nicht als im Bericht unabhängig bestätigte Wirkungsnachweise.

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

Gegengeprüft von Claude Haiku 5.5: ok

Lunas Zusammenfassungen (kurz und mittel) wurden beide geprüft und sind inhaltlich treu, weshalb das Urteil für beide gleich ausfällt; das Schema erlaubt nur eine Bewertung, daher gilt sie für beide. Die Einordnung erfolgte unabhängig von Lunas Stufen und Anteilen. Der Bericht ist eine Kundengeschichte von OpenAI mit Eigenangaben von Cognition, die für keine der sechs Fragen zentrale Belege liefert.

Im Bericht, aber nicht in der Zusammenfassung

  • Kundenkreis von Devin (von großen Banken bis zu Tech-Startups), nur als Nebenaussage

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-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 22 %einzelne zitierbare Belege
    • JEV 49 %einzelne zitierbare Belege
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 48 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
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 55 %einzelne zitierbare Belege
    • JEV 30 %einzelne zitierbare Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 31 %gleiches Oberthema, hilft nicht
    • drex 31 %gleiches Oberthema, hilft nicht
    • d3-ultra 63 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 58 %einzelne zitierbare Belege
    • JEV 31 %gleiches Oberthema, hilft nicht
    • amos 30 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra 41 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. 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 42 %einzelne zitierbare Belege
    • amos 51 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 26 %einzelne zitierbare Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 69 %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 25 %gleiches Oberthema, hilft nicht
    • Luna 29 %Hintergrund, keine Belege
    • JEV 53 %einzelne zitierbare Belege
    • amos 28 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. 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 36 %einzelne zitierbare Belege
    • amos 53 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 52 %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 →