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
epoch5. April 2024 · Q005389

Tracking large-scale AI models | 81 models across 18 countries

epoch.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Epoch AI erfasst 81 KI-Modelle mit bestätigtem Trainingsaufwand von mindestens 10²³ FLOP; weitere 86 gelten als mögliche, aber unbestätigte Kandidaten. Sprachmodelle dominieren den Bestand, und die Zahl der Veröffentlichungen stieg laut Datensatz stark an. Wegen fehlender Offenlegung, Schätzungen und möglicher nicht auffindbarer Systeme ist die Erhebung unvollständig.

Mittel

Epoch AI stellt einen Datensatz zu KI-Modellen mit mindestens 10²³ geschätzten Trainings-FLOP vor. Er umfasst 81 Modelle mit bestätigten Angaben; 86 weitere könnten die Schwelle erreichen, haben aber keine bestätigten Trainingswerte. Zur Suche wertete das Team Benchmarks und Modellverzeichnisse aus, schätzte fehlende Rechenkosten und suchte in 15 Sprachen nach Modellankündigungen.

Laut Datensatz stieg die Zahl der Veröffentlichungen stark: von zwei bestätigten Modellen über der Schwelle im Jahr 2020 auf mehr als 40 im Jahr 2023. Sprachmodelle stellten 69 der 81 erfassten Systeme. 43 Modelle wurden US-Organisationen, 19 chinesischen und sechs britischen zugeordnet. Bei 38 waren die Gewichte herunterladbar; die meisten dieser Modelle lagen beim Trainingsaufwand unter 10²⁴ FLOP.

Die Autoren weisen auf erhebliche Lücken hin: Viele Unternehmen legen Trainingsaufwand und technische Einzelheiten nicht offen. Modelle können daher fehlen oder unbestätigt bleiben; außerdem beruhen manche Einträge auf Schätzungen. Die Daten bilden somit den recherchierten Bestand ab, nicht notwendigerweise alle tatsächlich trainierten Modelle. Die mögliche weitere Beschleunigung der Rechenfrontier wird teilweise als bedingte Projektion dargestellt, nicht als gesichertes Ergebnis.

Ausführlich lesen

Epoch AI beschreibt einen Datensatz zu KI-Modellen, deren geschätzter Trainingsaufwand mindestens 10²³ Gleitkommaoperationen (FLOP) beträgt. Diese Schwelle entspreche nach Angaben des Berichts Trainingskosten von mehreren hunderttausend US-Dollar oder mehr. Erfasst wurden 81 Modelle mit bestätigten Trainingsangaben; weitere 86 könnten die Schwelle überschreiten, doch ihre Rechenkosten sind nicht bestätigt. Der Bericht stellt den Datensatz vor und erläutert seine Erhebung sowie die Grenzen der verfügbaren Informationen.

Für die Suche sichtete das Team Benchmark-Ranglisten und Modellverzeichnisse, darunter Papers With Code, Stanford CRFM und Hugging Face. Es untersuchte leistungsstarke Modelle und Modelle mit mindestens einer Milliarde Parametern und schätzte den Trainingsaufwand, wenn Entwickler ihn nicht veröffentlicht hatten. Zusätzlich suchte das Team in 15 Sprachen nach Ankündigungen und prüfte unter anderem chinesische Medien und Benchmarks. Weitere Kandidaten kamen aus Mitteilungen großer Labore und der laufenden Beobachtung von Forschung und Produktveröffentlichungen. Modelle ohne ausreichende Trainingsdaten wurden gesondert als unbestätigte Kandidaten geführt.

Laut Datensatz nahm die Zahl der Veröffentlichungen rasch zu: 2020 gab es zwei bestätigte Modelle oberhalb der Schwelle, 2023 mehr als 40. Zugleich waren Modelle an der äußersten Rechenspitze – laut Bericht 10²⁵ FLOP oder mehr – weiterhin selten. Die Autoren halten eine weitere Verschiebung der Rechenfrontier für möglich und führen als bedingte Projektion an, dass bei einer jährlichen Vervierfachung des Trainingsaufwands Spitzenmodelle 2024 10²⁶ FLOP überschreiten könnten. Das ist eine Annahme, keine im Datensatz bestätigte Entwicklung.

Die meisten erfassten Modelle waren Sprachmodelle: 69 von 81. Fünf weitere waren Vision-Sprach-Modelle; sieben nutzten laut Bericht keine Sprach- oder Textdaten. Die ersten zwei Modelle über der Schwelle waren 2017 die Spielsysteme AlphaGo Master und AlphaGo Zero. Ab 2020 dominierten Sprachmodelle die erfassten Veröffentlichungen. Die größten im Datensatz genannten Modelle, GPT-4 und Gemini Ultra, waren multimodal; für neu angekündigte Modelle wie Gemini 1.5 Pro und Claude 3 lagen den Autoren jedoch noch keine Rechenschätzungen vor.

43 der 81 Modelle ordnet der Bericht Organisationen in den USA zu, 19 China und sechs dem Vereinigten Königreich; zehn stammen aus weiteren einzelnen Ländern und drei aus multinationaler Zusammenarbeit. Die Zuordnung folgt einer im Bericht erläuterten Regel für DeepMind vor und nach der Fusion mit Google. 71 Modelle wurden der Industrie, zwei der Wissenschaft, sechs Kooperationen und zwei staatlichen Einrichtungen zugerechnet. Bei 38 Modellen waren Gewichte herunterladbar. Diese Modelle hatten meist einen geringeren Trainingsaufwand als die Spitze: 86 Prozent lagen zwischen 10²³ und 10²⁴ FLOP.

Die Autoren betonen, dass die Erhebung nicht vollständig sein kann. Viele Firmen veröffentlichen weder Trainingsdaten noch Hardware- oder Rechenangaben; dadurch können Modelle fehlen oder nur als unbestätigte Kandidaten erscheinen. Manche geheime oder proprietäre Systeme lassen sich womöglich gar nicht identifizieren. Schätzungen und manuelle Auswahl können ebenfalls Unsicherheit enthalten. Die Ergebnisse beschreiben deshalb den recherchierten und dokumentierten Bestand, nicht zwingend alle tatsächlich trainierten Modelle.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas kurze und mittlere Zusammenfassung wurden gemeinsam geprüft. Zahlen wie 81, 86, 69, 43, 19, 6 und 38 stimmen mit dem Bericht überein. Die Einordnung der Sammelfragen und Teilfragen ist eine Bewertung nach der Skala und beruht ausschließlich auf dem Berichtstext.

Im Bericht, aber nicht in der Zusammenfassung

  • Die ersten Modelle über 10^23 FLOP waren Spielemodelle (AlphaGo Master und AlphaGo Zero, 2017), danach gab es keine mehr
  • Die Rahmung des Modellwachstums als bedingte Projektion mit 4x pro Jahr wird nur allgemein erwähnt; die konkrete Prognose für 2024 und 2026 fehlt
  • Der Anteil chinesischer Labore von etwa einem Viertel und die Industriedominanz (71 von 81 Modellen) fehlen
  • Der Hinweis auf Open-Weight-Modelle von Meta und die chinesischen Open-Modelle fehlen

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
  1. SF-M1 Ab wann ist ein KI-Vorfall so ernst, dass Staaten ihn einander melden müssen?
    • clef 100 %kein Bezug
    • Luna 64 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

    • SF-M1-T05 Wie oft und in wessen Zuständigkeit sollten Staaten die Definitionen und Meldeschwellen überprüfen, wenn sich die Fähigkeiten der Modelle ändern? Luna: Stufe 4 · 32 % · einzelne zitierbare Belege
  2. 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 58 %Hintergrund, keine Belege
    • JEV 36 %Hintergrund, keine Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht

Fähigkeiten messen
  1. 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 29 %Hintergrund, keine Belege
    • Luna 49 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 64 %gleiches Oberthema, hilft nicht

    • SF-F1-T04 Welcher gemeinsame, neutrale und offene Maßstab (Aufgaben, Erfolgsrate, abgeschirmte Testumgebung, Belege) zeigt, dass eine Cyber-Schwelle überschritten ist? Würden ein Ministerium und ein Labor in verschiedenen Staaten ihn annehmen, bevor das nächste Modell als Überschreitung eingestuft wird, damit Schwellen gemessen und nicht behauptet werden? Und dient derselbe Maßstab dann sowohl dazu, ein Modell einzustufen, als auch dazu, das Tempo seiner Entwicklung zu steuern? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
  2. 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 28 %Hintergrund, keine Belege
    • Luna 51 %einzelne zitierbare Belege
    • JEV 39 %beantwortet teilweise oder widerspricht
    • amos 35 %einzelne zitierbare Belege
    • SubQ 38 %gleiches Oberthema, hilft nicht
    • drex 34 %einzelne zitierbare Belege
    • d3-ultra 37 %einzelne zitierbare Belege

    • SF-F2-T03 Ein Minister beschreibt Risiken durch Spionage und Datenabfluss, etwa über quelloffene KI-Agentenwerkzeuge, und durch ein Ungleichgewicht in der technologischen Entwicklung, das Monopole und Technologiebeschränkungen verschärfen. Welche veröffentlichten Belege würden diese Risiken an der Fähigkeit eines Modells statt an seiner Herkunft festmachen? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege
  3. SF-F3 Welche Regeln gelten für gefährliche Fähigkeiten jenseits von Cyber, etwa in Biologie, Chemie, bei radioaktiven Stoffen oder in der Nukleartechnik?
    • clef 100 %kein Bezug
    • Luna 62 %Hintergrund, keine Belege
    • JEV 34 %nur am Rande erwähnt
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht

  4. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 28 %Hintergrund, keine Belege
    • Luna 44 %Hintergrund, keine Belege
    • JEV 41 %Hintergrund, keine Belege
    • amos 32 %einzelne zitierbare Belege
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 28 %einzelne zitierbare Belege
    • d3-ultra 42 %Hintergrund, keine Belege

    • SF-F4-T01 Einigen sich Staaten auf eine Definition von „Frontier-Modell“ (Modell an der vordersten Grenze der Entwicklung), nach Rechenaufwand, Fähigkeit oder Einsatz, und veröffentlicht jeder, welche Modelle seiner eigenen Firmen darunter fallen, damit alle über dieselben Modelle sprechen und keine Firma sich das passende Kriterium aussucht? Luna: Stufe 4 · 35 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 6 · beantwortet teilweise oder widerspricht
    • SF-F4-T06 Wenn ein Prüfrahmen davon ausgeht, dass der Entwickler ein kommerzielles Frontier-Labor ist: Was gilt für ein Modell, das in einem Militärkommando, einem Geheimdienst oder bei einem Cloud-Anbieter entwickelt wird, der nach keiner bisher verwendeten Bezeichnung ein „Labor“ ist, und wer ist dann das Gegenüber für die Prüfung? Luna: Stufe 3 · 29 % · Hintergrund, keine Belege
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 37 %Hintergrund, keine Belege
    • Luna 30 %Hintergrund, keine Belege
    • JEV 39 %Hintergrund, keine Belege
    • amos 30 %Hintergrund, keine Belege
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 48 %gleiches Oberthema, hilft nicht

  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 25 %Hintergrund, keine Belege
    • Luna 40 %Hintergrund, keine Belege
    • JEV 23 %einzelne zitierbare Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 30 %gleiches Oberthema, hilft nicht
    • d3-ultra 63 %gleiches Oberthema, hilft nicht

    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 4 · 39 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
  3. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 29 %Hintergrund, keine Belege
    • Luna 54 %einzelne zitierbare Belege
    • JEV 40 %Hintergrund, keine Belege
    • amos 33 %einzelne zitierbare Belege
    • SubQ 30 %gleiches Oberthema, hilft nicht
    • drex 28 %einzelne zitierbare Belege
    • d3-ultra 36 %einzelne zitierbare Belege

    • SF-P4-T01 Würden Regierungen Messdaten aus der Lieferkette von Chips (Telemetrie), den Stromverbrauch, gemeldete Verzeichnisse von Trainingsläufen und eine unabhängig überwachte Abrechnung von Strom, Hardware und Rechenaufwand als vertragstauglichen Nachweis für die Größe der Trainingsläufe eines anderen Staates anerkennen, ohne Modellgewichte (die gelernten Parameter) oder Code anzurühren? Und wie sähe eine Prüfordnung für Rechenschwellen aus, die nichts über das Innere der Modelle verrät? Luna: Stufe 3 · 46 % · Hintergrund, keine Belege
    • SF-P4-T02 Verpflichten sich Staaten jeweils, ein Register der Trainingsläufe über einer festgelegten Rechenschwelle zu veröffentlichen, damit kein Staat heimlich über vereinbarte Grenzen hinaus wachsen kann? Luna: Stufe 4 · 35 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 33 %Hintergrund, keine Belege
    • Luna 56 %einzelne zitierbare Belege
    • JEV 45 %einzelne zitierbare Belege
    • amos 32 %einzelne zitierbare Belege
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 26 %Hintergrund, keine Belege
    • d3-ultra 39 %Hintergrund, keine Belege
    • Haiku-Prüfung beantwortet teilweise oder widerspricht

    • SF-T1-T02 Welche messbaren Schwellen halten die weitere Skalierung von KI-Modellen automatisch an, wer prüft sie, und wie bleiben diese Auslöser bindend, wenn der Wettbewerb drückt? Luna: Stufe 4 · 34 % · einzelne zitierbare Belege
    • SF-T1-T08 Wenn ein Sicherheitsprojekt mit KI-Hilfe zugleich die allgemeine Fähigkeit des Modells oder die für sein Training genutzte Rechenleistung steigert: Wie hält man beide Wirkungen fest, und wie entscheidet man, ob der daraus entstehende Fähigkeitszuwachs eine neue Sicherheitsprüfung braucht, bevor die Arbeit weitergeht? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
  2. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 39 %Hintergrund, keine Belege
    • Luna 47 %Hintergrund, keine Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 35 %Hintergrund, keine Belege
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 25 %Hintergrund, keine Belege
    • d3-ultra 50 %gleiches Oberthema, hilft nicht

    • SF-T2-T03 Wenn eine Vereinbarung Fähigkeitsschwellen, rote Linien oder Prüfungen vor der Freigabe festlegt: Binden diese Grenzen auch Modelle, die am Tag der Unterzeichnung schon im Einsatz oder schon frei im Umlauf sind, oder nur künftige Modelle und Freigaben? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
  3. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 30 %gleiches Oberthema, hilft nicht
    • Luna 52 %Hintergrund, keine Belege
    • JEV 43 %Hintergrund, keine Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 73 %gleiches Oberthema, hilft nicht
    • drex 68 %gleiches Oberthema, hilft nicht
    • d3-ultra 72 %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 62 %Hintergrund, keine Belege
    • JEV 31 %gleiches Oberthema, hilft nicht
    • amos 100 %kein Bezug
    • 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 30 %Hintergrund, keine Belege
    • Luna 62 %Hintergrund, keine Belege
    • JEV 52 %Hintergrund, keine Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 56 %gleiches Oberthema, hilft nicht

Agenten und vernetzte Systeme
  1. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 54 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 61 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
  1. 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 36 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht
  2. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 36 %Hintergrund, keine Belege
    • Luna 55 %einzelne zitierbare Belege
    • JEV 47 %einzelne zitierbare Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 31 %gleiches Oberthema, hilft nicht
    • d3-ultra 32 %gleiches Oberthema, hilft nicht

    • SF-H2-T01 Was unterscheidet das Veröffentlichen von Modellgewichten (den gelernten Parametern) oder von Agentenwerkzeugen mit offenem Quellcode vom Freisetzen einer Waffe: die Absicht des Akteurs, die Selbstständigkeit des Modells, seine Verwendung oder der Schaden, den es von sich aus anrichten kann? Und können Staaten diese Grenze gemeinsam festschreiben, bevor ein offenes Modell im Mittelpunkt eines schweren Vorfalls steht? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
    • SF-H2-T02 Wenn ein Staat Agentenwerkzeuge mit offenem Quellcode als Risiko für Spionage und Datenabfluss einstuft und sich offen veröffentlichte Modellgewichte nicht zurückholen lassen: Welche konkreten, für die beteiligten Regierungen annehmbaren Regeln sollen die Veröffentlichung von Modellen mit offenen Gewichten und selbstständigen Agentenfähigkeiten bestimmen, und wie vermeiden diese Regeln, die offene Forschung abzuwürgen? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege
    • SF-H2-T04 Wie sollen Staaten mit Open-Source-Modellen aus einem Land umgehen, die in einem anderen schädlich genutzt werden könnten, ohne legitime Forschungszusammenarbeit zu verhindern? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege
  3. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 28 %Hintergrund, keine Belege
    • Luna 65 %einzelne zitierbare Belege
    • JEV 31 %einzelne zitierbare Belege
    • amos 33 %Hintergrund, keine Belege
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-H3-T03 Welche verbindliche Meldepflicht hat ein Labor, wenn ein Modell, das zum Teil mit synthetischen Daten eines fremden Spitzenmodells trainiert wurde, eine schlechtere Ausrichtung zeigt, die grenzüberschreitend Schaden verursacht, und welches Recht hat die Regierung des Landes, aus dem die Daten stammen, den betroffenen Trainingsablauf zu prüfen, ohne an die Modellgewichte (die gelernten Parameter) zu kommen? Luna: Stufe 3 · 24 % · Hintergrund, keine Belege
  4. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 61 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  5. SF-H5 Wann sind Chip- und Exportkontrollen eine Sicherheitsmaßnahme, und wann ein dauerhafter Vorteil?
    • clef 100 %kein Bezug
    • Luna 65 %Hintergrund, keine Belege
    • JEV 39 %Hintergrund, keine Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht

Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 26 %Hintergrund, keine Belege
    • Luna 54 %einzelne zitierbare Belege
    • JEV 25 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 28 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 27 %Hintergrund, keine Belege
    • Luna 45 %Hintergrund, keine Belege
    • JEV 27 %gleiches Oberthema, hilft nicht
    • amos 28 %nur am Rande erwähnt
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 67 %gleiches Oberthema, hilft nicht

    • SF-E1-T04 Wie bekommen Staaten, in denen kein Spitzenlabor sitzt, einen echten Platz beim Setzen internationaler technischer KI-Normen, damit KI in der Praxis ein gemeinsames Gut bleibt und nicht nur wenige Regierungen und Firmen die Regeln schreiben? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
    • SF-E1-T05 Welche Mechanismen könnten geschaffen werden, damit Standards und Praktiken der KI-Sicherheit in Ländern des Globalen Südens berücksichtigt und nicht allein von wenigen Staaten bestimmt werden? Luna: Stufe 3 · 39 % · Hintergrund, keine Belege
  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 30 %Hintergrund, keine Belege
    • Luna 62 %Hintergrund, keine Belege
    • JEV 56 %einzelne zitierbare Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 39 %gleiches Oberthema, hilft nicht

  3. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 64 %Hintergrund, keine Belege
    • JEV 40 %nur am Rande erwähnt
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 64 %gleiches Oberthema, hilft nicht
  4. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 29 %Hintergrund, keine Belege
    • Luna 59 %einzelne zitierbare Belege
    • JEV 57 %einzelne zitierbare Belege
    • amos 30 %Hintergrund, keine Belege
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 38 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege

  5. 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 41 %Hintergrund, keine Belege
    • JEV 46 %Hintergrund, keine Belege
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 71 %gleiches Oberthema, hilft nicht

    • SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen? Luna: Stufe 3 · 44 % · Hintergrund, keine Belege
Wirtschaft und Haftung
  1. SF-W2 Wie wirken sich Wettbewerbsrecht und öffentliche Beschaffung auf die KI-Sicherheit aus?
    • clef 100 %kein Bezug
    • Luna 71 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht

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 →