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
openai12. Mai 2026 · Q005307

How NVIDIA engineers and researchers build with Codex

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der OpenAI-Bericht beschreibt Codex mit GPT‑5.5 als Werkzeug für Softwareentwicklung und maschinelle Lernforschung bei NVIDIA; laut Seite haben 40.000 Mitarbeitende Zugang. NVIDIA-Beschäftigte berichten unter anderem von autonomer App-Entwicklung und einer zehnfachen Beschleunigung von Forschungsabläufen. Die Fallstudie nennt keine unabhängigen Prüfungen oder Messmethoden für diese Leistungsangaben.

Mittel

Der OpenAI-Bericht schildert den Einsatz von Codex mit GPT‑5.5 bei NVIDIA. Demnach haben 40.000 Beschäftigte Zugang; das System läuft laut Seite produktiv auf NVIDIA-GB200- und GB300-Infrastruktur und wird für komplexe Entwicklungsaufgaben sowie maschinelle Lernforschung verwendet.

Softwareentwickler Dennis Hannusch berichtet, Codex arbeite über längere Sitzungen hinweg selbstständiger und habe geholfen, eine interne Plattform produktionsreif zu machen. Das Team habe außerdem in wenigen Stunden eine interne Podcast-App gebaut und deren Aufnahmefunktionen autonom getestet. In der Forschung soll Codex Facharbeiten auswerten, Ideen verknüpfen, Hypothesen und Skripte entwickeln und Experimente auf entfernten Rechnern starten. Forscher Shaunak Joshi beziffert die Beschleunigung des Forschungsablaufs auf das Zehnfache. Er berichtet auch von Python-zu-Rust-Übertragungen mit bis zu zwanzigfacher Effizienz.

Die Angaben stammen aus einer OpenAI-Fallstudie mit Aussagen von NVIDIA-Mitarbeitenden. Der Text nennt keine Messmethoden oder unabhängigen Prüfungen; die Leistungswerte sind daher als berichtete Behauptungen zu verstehen.

Ausführlich lesen

Der OpenAI-Bericht beschreibt, wie NVIDIA Codex mit GPT‑5.5 für anspruchsvolle Entwicklungs- und Forschungsaufgaben einsetzt. Laut Bericht haben 40.000 NVIDIA-Mitarbeitende Zugang zu Codex. Das System laufe produktiv auf NVIDIA-GB200- und GB300-Infrastruktur und ermögliche längere, autonomere Arbeitssitzungen. Dabei könne es laut OpenAI über die direkte Ausführung eines Auftrags hinaus Probleme und Ideen aufzeigen, die nicht ausdrücklich vorgegeben waren.

Im Bereich Softwareentwicklung schildert der Bericht Codex als bevorzugtes Werkzeug des NVIDIA-Teams für Coding-Agenten. Der Softwareentwickler Dennis Hannusch berichtet, das Modell benötige weniger Anleitung, halte bei langen Sitzungen den Arbeitskontext aufrecht und wähle passende Werkzeuge und Fähigkeiten. Er gibt an, Codex zur Weiterentwicklung einer internen Plattform von einem ersten Prototyp zu einem produktionsreifen, skalierbareren und zuverlässigeren System genutzt zu haben. Außerdem habe das Team mit Codex innerhalb weniger Stunden eine interne Podcast-Aufnahme-App erstellt. Wegen Datenschutzanforderungen hätte die Beschaffung entsprechender Software seiner Einschätzung nach Wochen gedauert. Die Desktop-App habe die Audio- und Videoaufnahmefunktionen während der Entwicklung selbstständig getestet.

Für die Forschung beschreibt der Bericht eine weitgehend automatisierte Abfolge: Codex soll Themenfelder anhand eines umfangreichen Korpus von Facharbeiten erschließen, Hinweise und Ideen verknüpfen, Hypothesen entwickeln, Skripte für maschinelle Lernexperimente schreiben und diese auf entfernten Rechnern ausführen. Der Forscher Shaunak Joshi sagt, Codex helfe ihm, Belege über mehrere Arbeiten hinweg nachzuverfolgen und Zusammenhänge als Wissensgraph darzustellen. Die SSH-Unterstützung der App erleichtere ihm zufolge das Starten umfangreicher Rechenläufe von einem Laptop aus.

Als Ergebnis nennt die Seite eine zehnfache Beschleunigung bei Forschungsabläufen. Joshi bezieht diese Angabe insbesondere auf das Ausführen von Experimenten und die Abdeckung des gesamten Forschungsprozesses. Er behauptet außerdem, Codex könne ältere, langsame Python-Codebasen nach Rust übertragen und dadurch eine etwa zwanzigfache Effizienzsteigerung erzielen. Das ist ein berichtetes Beispiel, keine im Text unabhängig geprüfte Messung.

Die Darstellung ist eine OpenAI-Kundenfallstudie und stützt sich auf Kennzahlen sowie Aussagen der zitierten NVIDIA-Mitarbeitenden. Sie erläutert weder Messmethoden und Vergleichsgrundlagen für die Geschwindigkeitsangaben noch unabhängige Prüfungen oder mögliche Fehlschläge. Daher belegen die Angaben, was OpenAI und die interviewten Mitarbeitenden berichten, nicht eine allgemeingültige Leistung für andere Teams oder Aufgaben.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Geprüft wurde vor allem die mittlere Zusammenfassung; die kurze ist ebenfalls treu, nennt aber nur wenige Kernaussagen. Die Zusammenfassung behauptet Ausbildung und Mess-Hinweise korrekt, der Text enthält jedoch keine unabhängigen Prüfungen, was Luna richtig vermerkt. Die Einordnung stützt sich nur auf den Bericht, nicht auf Lunas Stufen oder Anteile.

Im Bericht, aber nicht in der Zusammenfassung

  • Codex erkennt laut Bericht Fehler und Lücken, die nicht Teil des ursprünglichen Auftrags waren
  • Codex unterstützt SSH, sodass Forschende große ML-Workloads vom Laptop auf entfernten Hosts starten können
  • Die Aussage über das Python-zu-Rust-Beispiel stammt aus einer allgemeinen Beobachtung („a lot of folks“), nicht aus eigener Erfahrung Joshis

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
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 29 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 67 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • 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 36 %einzelne zitierbare Belege
    • JEV 28 %gleiches Oberthema, hilft nicht
    • amos 28 %Hintergrund, keine Belege
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 31 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt
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 49 %einzelne zitierbare Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 30 %gleiches Oberthema, hilft nicht
    • Luna 35 %einzelne zitierbare Belege
    • JEV 38 %einzelne zitierbare Belege
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung 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 100 %kein Bezug
    • Luna 32 %nur am Rande erwähnt
    • JEV 62 %einzelne zitierbare Belege
    • amos 26 %nur am Rande erwähnt
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
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 30 %gleiches Oberthema, hilft nicht
    • JEV 30 %einzelne zitierbare Belege
    • amos 53 %gleiches Oberthema, hilft nicht
    • SubQ 70 %gleiches Oberthema, hilft nicht
    • drex 52 %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 →