AI capabilities progress has sped up
Zusammenfassung
Kurz
Epoch AI zufolge beschleunigte sich der gemessene KI-Fähigkeitsfortschritt: Der ECI-Spitzenwert sei zuletzt fast doppelt so schnell gestiegen, und beim METR-Zeithorizont habe es ebenfalls eine Beschleunigung gegeben. Der Bericht stellt einen zeitlichen Zusammenhang mit Reasoning-Modellen und Reinforcement Learning her, weist aber keine Ursache nach; außerdem ist diese Auswertung laut Hinweis überholt.
Mittel
Epoch AI berichtet, dass der Spitzenwert im Epoch Capabilities Index in den zwei Jahren vor der Auswertung fast doppelt so schnell gewachsen sei wie in den beiden Jahren zuvor. Eine Beschleunigung von 90 Prozent verortet der Bericht im April 2024. Als ähnlichen Befund nennt er den METR-Time-Horizon-Benchmark, dessen Entwicklung sich im Oktober 2024 laut Bericht um 40 Prozent beschleunigt habe; eine Bildunterschrift spricht von einem fast 50 Prozent schnelleren Verdoppeln der Zeithorizonte.
Zeitlich falle dies ungefähr mit dem Aufkommen von Reasoning-Modellen und einer stärkeren Betonung von Reinforcement Learning bei führenden Laboren zusammen. Der Text weist jedoch keine Ursache-Wirkungs-Beziehung nach. Die Tabellen umfassen ECI- und METR-Werte, Unsicherheitsintervalle sowie teilweise geschätzte Trainingsrechenleistung. Epoch AI ergänzt Modelle vor 2023, obwohl deren Benchmarkdaten spärlicher sind, und erklärt, dass deren Ausschluss die Schlussfolgerungen nicht wesentlich ändere.
Der Bericht ist ausdrücklich überholt. Epoch AI verweist auf eine Aktualisierung des ECI-Trends vom September 2026 und eine methodisch überarbeitete Analyse vom April 2026.
Ausführlich lesen
Der Bericht von Epoch AI untersucht, ob sich der Fortschritt bei KI-Fähigkeiten beschleunigt hat. Seine zentrale Aussage lautet: Der Spitzenwert im Epoch Capabilities Index (ECI) sei in den zwei Jahren vor Veröffentlichung fast doppelt so schnell gestiegen wie in den beiden Jahren davor. Epoch AI verortet eine Beschleunigung von 90 Prozent im April 2024. Als vergleichbaren Hinweis nennt der Bericht den METR-Time-Horizon-Benchmark: Dort habe sich die Entwicklung im Oktober 2024 um 40 Prozent beschleunigt. Eine Bildunterschrift fasst dies als nahezu 50 Prozent schnelleres Verdoppeln der METR-Zeithorizonte seit Oktober 2024 zusammen.
Der Bericht stellt diese Beschleunigungen in zeitlichen Zusammenhang mit dem Aufkommen von Reasoning-Modellen und der stärkeren Ausrichtung führender Labore auf Reinforcement Learning. Er sagt damit eine ungefähre zeitliche Übereinstimmung aus, belegt aber in dem vorliegenden Text nicht, dass diese Entwicklungen die Beschleunigung verursacht haben.
Als Datengrundlage enthält der Bericht Tabellen mit ECI-Werten für zahlreiche Modelle und Angaben zu Unsicherheitsintervallen, Veröffentlichungsdaten, Organisationen und Zugänglichkeit. Eine weitere Tabelle führt METR-Zeithorizonte, Benchmarkwerte und teils geschätzte Trainingsrechenleistung auf. Die enthaltenen Hinweise zeigen, dass manche Compute-Angaben aus öffentlichen Informationen und Annahmen abgeleitet sind; bei einzelnen Modellen werden grobe Schätzungen oder breite Konfidenzintervalle ausdrücklich ausgewiesen. Die Tabellen erlauben damit einen Einblick in die Vergleiche, ersetzen aber keine ausführliche Beschreibung der Messmethodik.
Epoch AI nimmt auch Modelle aus der Zeit vor 2023 auf, obwohl sie wegen der damals vergleichsweise spärlichen Benchmarkwerte im Benchmarking Hub ausgefiltert würden. Laut Bericht ändern sich die Schlussfolgerungen nicht wesentlich, wenn diese älteren Daten ausgeschlossen werden. Das ist eine Einschränkung und Robustheitsangabe des Berichts, keine unabhängige Prüfung.
Der vorliegende Text weist ausdrücklich darauf hin, dass diese Datenauswertung überholt ist. Für eine aktualisierte Sicht auf den ECI-Trend verweist Epoch AI auf eine Datenauswertung vom September 2026; für eine überarbeitete Methode zur Erkennung von Beschleunigungen auf einen Bericht vom April 2026. Die dargestellten Beschleunigungswerte sollten daher als Ergebnisse der früheren Auswertung verstanden werden, nicht als aktueller Stand.
Gegengeprüft von Claude Haiku 5.5: ok
Beide Versionen von Lunas Zusammenfassung (kurz und mittel) wurden gemeinsam geprüft; Zahlen wie 90 Prozent im April 2024, 40 Prozent im Oktober 2024 und der Hinweis auf die Überholung stimmen mit dem Bericht überein. Die Einordnung betrifft nur die drei Sammelfragen, da für Teilfragen keine Einträge vorliegen.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
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 33 %Hintergrund, keine Belege
- Luna 60 %Hintergrund, keine Belege
- JEV
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra 51 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung Hintergrund, keine Belege
- 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 36 %Hintergrund, keine Belege
- JEV
- amos 28 %Hintergrund, keine Belege
- SubQ 100 %kein Bezug
- drex 41 %gleiches Oberthema, hilft nicht
- d3-ultra 48 %gleiches Oberthema, hilft nicht
- 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
- amos 35 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 50 %gleiches Oberthema, hilft nicht
- d3-ultra 49 %gleiches Oberthema, hilft nicht
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
- amos 36 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- 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
- amos 50 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 23 %Hintergrund, keine Belege
- Luna 42 %Hintergrund, keine Belege
- JEV
- amos 33 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 41 %gleiches Oberthema, hilft nicht
- d3-ultra 51 %gleiches Oberthema, hilft nicht
- SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- clef 24 %Hintergrund, keine Belege
- Luna 47 %Hintergrund, keine Belege
- JEV
- amos 33 %einzelne zitierbare Belege
- SubQ 100 %kein Bezug
- drex 29 %gleiches Oberthema, hilft nicht
- d3-ultra 41 %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
- amos 49 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 28 %Hintergrund, keine Belege
- Luna 52 %Hintergrund, keine Belege
- JEV
- amos 33 %Hintergrund, keine Belege
- SubQ 100 %kein Bezug
- drex 50 %gleiches Oberthema, hilft nicht
- d3-ultra 49 %gleiches Oberthema, hilft nicht
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 55 %Hintergrund, keine Belege
- JEV
- amos 30 %Hintergrund, keine Belege
- SubQ 100 %kein Bezug
- drex 46 %gleiches Oberthema, hilft nicht
- d3-ultra 53 %gleiches Oberthema, hilft nicht
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 29 %Hintergrund, keine Belege
- Luna 74 %Hintergrund, keine Belege
- JEV
- amos 33 %Hintergrund, keine Belege
- SubQ 39 %gleiches Oberthema, hilft nicht
- drex 60 %gleiches Oberthema, hilft nicht
- d3-ultra 60 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 50 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- 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 43 %Hintergrund, keine Belege
- JEV
- amos 100 %kein Bezug
- 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 69 %Hintergrund, keine Belege
- JEV
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 58 %gleiches Oberthema, hilft nicht
- d3-ultra 62 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Modelle teilen und schützen
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 52 %Hintergrund, keine Belege
- JEV
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 52 %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
- amos 37 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-H5 Wann sind Chip- und Exportkontrollen eine Sicherheitsmaßnahme, und wann ein dauerhafter Vorteil?
- clef 100 %kein Bezug
- Luna 40 %Hintergrund, keine Belege
- JEV
- amos 35 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 39 %gleiches Oberthema, hilft nicht
- 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
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 50 %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
- amos 49 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 43 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 50 %gleiches Oberthema, hilft nicht
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 36 %gleiches Oberthema, hilft nicht
- JEV
- amos 44 %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 42 %Hintergrund, keine Belege
- JEV
- amos 55 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 54 %gleiches Oberthema, hilft nicht
Wirtschaft und Haftung
- SF-W2 Wie wirken sich Wettbewerbsrecht und öffentliche Beschaffung auf die KI-Sicherheit aus?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 44 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Weitere Berichte zu diesen Fragen
- Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
- 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?
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- Woran erkennen andere, dass ein Labor wirklich bremst?
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- 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?
- Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- Wann sind Chip- und Exportkontrollen eine Sicherheitsmaßnahme, und wann ein dauerhafter Vorteil?
- Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- Alle Berichte im Archiv