GPT-4 led in ECI far longer than any other model
Zusammenfassung
Kurz
Laut Epoch AI führte GPT‑4 ungefähr ein Jahr im ECI; bis Juni 2026 gab es demnach 17 Spitzenmodelle mit einer medianen Führungszeit von rund sieben Wochen. Der zweite Teil ist ein Tabellenausschnitt ohne Kopfzeile für die letzten drei Zahlenfelder, mit vielen Unsicherheitsmarkierungen, Lücken und einzelnen widersprüchlichen Angaben; diese Zahlen lassen sich deshalb keiner bestimmten Metrik sicher zuordnen.
Mittel
Der Bericht fasst Epoch AIs ECI-Auswertung und einen Ausschnitt aus einer Modelltabelle zusammen. Laut Epoch AI führte GPT‑4 nach seiner Veröffentlichung am 14. März 2023 ungefähr ein Jahr lang. OpenAI o1s hielt den zweithöchsten Führungszeitraum mit etwas mehr als drei Monaten; Claude 3 Opus überholte GPT‑4 im Februar 2024. Bis Juni 2026 habe es 17 führende Modelle gegeben, mit einer medianen Führungszeit von etwa sieben Wochen. Leichte ECI-Schwankungen änderten laut Quelle die Rangfolge selten wesentlich; spätere Anpassungen der Schätzungen wurden in der Rückschau nicht berücksichtigt.
Der Tabellenausschnitt enthält Modell-, Zugangs-, Datums-, Vertrauens- und Zahlenfelder, doch der fehlende Tabellenkopf lässt die letzten drei Zahlenwerte und ihre Metrik offen. Wiederholte Werte über verschiedene Reasoning-Tokenlimits oder -Stufen belegen keinen Einfluss dieser Stufen. GPT-5.5 Pro weist unter den Einträgen die höchsten drei Werte auf, doch einige hohe oder spätere Angaben sind unsicher markiert. Die Tabelle enthält zudem leere Felder und erkennbare Unstimmigkeiten bei Beschreibungen und Daten. Fehlende Informationen können aus diesem Ausschnitt nicht abgeleitet werden.
Ausführlich lesen
Der Bericht behandelt zwei unterschiedliche Quellenbereiche: eine Auswertung des Epoch Capabilities Index (ECI) und einen Ausschnitt aus einer umfangreichen Tabelle zu Sprach-, Code- und multimodalen Modellen.
Epoch AI verwendet den aggregierten ECI, um Sprachmodell-Fähigkeiten zu messen. Laut der zitierten Auswertung lag GPT‑4 nach seiner Veröffentlichung am 14. März 2023 ungefähr ein Jahr lang an der Spitze. Kein späteres Modell habe diese Führungsposition länger gehalten. Der zweitlängste Zeitraum entfiel demnach auf OpenAI o1s mit etwas mehr als drei Monaten – weniger als einem Drittel von GPT‑4s Dauer. Claude 3 Opus überholte GPT‑4 im Februar 2024. Die Grafik verfolgt jeweils das Modell mit dem höchsten ECI-Wert und die Zeit bis zu seiner Ablösung. Zwischen GPT‑4s Start und Juni 2026 habe es insgesamt 17 führende Modelle gegeben; ihre Führungszeit lag im Median bei ungefähr sieben Wochen.
Epoch AI weist dabei auf Einschränkungen hin: ECI-Werte können leicht schwanken, was nach Einschätzung der Quelle die Rangfolge nur selten wesentlich verändert. Die rückblickende Auswertung berücksichtigt außerdem keine Änderungen an ECI-Schätzungen, die nach den Veröffentlichungszeitpunkten der Modelle vorgenommen wurden.
Der zweite Quellenbereich ist ausdrücklich nur ein Ausschnitt einer umfangreichen Modelltabelle. Da der Tabellenkopf fehlt, sind deren letzte drei Zahlenfelder und die zugehörige Metrik nicht benannt. Sie lassen sich daher nicht verlässlich als bestimmte Benchmarks deuten. Die Zeilen enthalten je nach Modell unter anderem Kennung, Anbieter, Herkunft, Veröffentlichungs- und API-Datum, Zugangsform, geschätzten Trainingsaufwand, Vertrauensstufe, Beschreibung, Alias und drei Zahlenwerte; viele Felder sind leer. Die Tabelle unterscheidet verschiedene Zugangs- und Veröffentlichungsformen, darunter API-Zugang, gehosteten Zugang ohne API, unveröffentlichte Modelle und offene Gewichte mit unterschiedlichen Nutzungsbedingungen. Als Beispiele nennt der Bericht Qwen3-235B-A22B mit uneingeschränkten Gewichten, Llama 4 Maverick mit eingeschränkter Nutzung und Mistral Large 2 mit nicht-kommerziellen Gewichten.
Mehrere Einträge führen Varianten desselben Modells mit verschiedenen Reasoning-Tokenlimits auf. Bei Claude Sonnet 4 reichen die genannten Limits etwa von 1K bis 59K, bei Claude Opus 4 von 1K bis 32K; innerhalb dieser Varianten bleiben die drei Zahlenwerte jeweils gleich. Gleichartige Werte erscheinen auch bei verschiedenen Reasoning-Stufen von o1, o3-mini und GPT-5.4. Die Tabelle belegt daher nicht, dass die jeweilige Stufe diese Werte verändert. Unter den aufgeführten Zeilen hat GPT-5.5 Pro die höchsten drei Zahlenwerte, gefolgt von Claude Fable 5. Diese Angaben sind auf 2026 datiert und teils mit Vertrauensstufen versehen; andere hohe Werte, etwa für Claude Opus 4.8, sind als „Unverified“ markiert.
Die Tabelle enthält zahlreiche Unsicherheiten und sichtbare Unstimmigkeiten. Vertrauensangaben reichen von „Confident“ und „Likely“ bis „Speculative“, „Unknown“ und „Unverified“. Manche Beschreibungen widersprechen Bezeichnungen; bei OPT-175B wird etwa eine Beschreibung als Facebooks 66B-Modell genannt. Veröffentlichungs- und API-Daten weichen teils voneinander ab, und bei Gemini Flash Lite steht für ein API-Datum teilweise 2024-02-05, obwohl der Eintrag auf 2025 datiert ist. Viele Zeilen bestehen nur aus Namen oder Kennungen, teilweise mit Datum und Status, ohne Anbieter, Zugang oder Messwerte. Fehlende Angaben lassen sich aus dem Ausschnitt nicht ergänzen und sollten laut Bericht nur zeilenweise und unter Beachtung der jeweiligen Unsicherheitsmarkierungen wiedergegeben werden.
Gegengeprüft von Claude Haiku 5.5: falsch
Beide Zusammenfassungen von Luna geben den Epoch-Teil über die Führungszeiten korrekt wieder (14. März 2023, ungefähr ein Jahr, 17 Modelle bis Juni 2026, Median etwa sieben Wochen). Fehler stecken im Tabellenteil: Die Spaltenköpfe werden übersehen, die Metrik wird als unklar dargestellt und die Rangfolge der höchsten Werte wird falsch wiedergegeben. Die Aussage, wiederholte Werte über Reasoning-Stufen belegten keinen Einfluss, ist eine Deutung, die der Bericht nicht stützt. Für die Einordnung gab Luna keine Teilfragen an, daher gibt es dort nichts zu prüfen.
Im Bericht, aber nicht in der Zusammenfassung
- Die kurze Fassung nennt weder o1 als zweitlängste Führung (gut drei Monate) noch Claude 3 Opus als Ablöser von GPT-4 im Februar 2024 oder das Startdatum 14. März 2023.
- Die kurze Fassung erwähnt nicht, dass es sich um eine Rückschau handelt, die spätere Änderungen an den ECI-Schätzungen nicht berücksichtigt.
In der Zusammenfassung, laut Prüfung nicht im Bericht belegt
- Die Behauptung, der Tabellenausschnitt habe keinen Tabellenkopf, ist falsch. Der Bericht enthält Kopfzeilen mit ECI, ECI CI low und ECI CI high.
- Die Behauptung, die letzten Zahlenwerte seien keiner Metrik sicher zuordenbar, ist falsch, weil die Spalten im Bericht eindeutig benannt sind.
- Die Behauptung, GPT-5.5 Pro habe die höchsten drei Werte, ist falsch. Nach GPT-5.5 Pro (161.29) folgt Claude Fable 5 (161.00), dann GPT-5.5 (158.63).
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 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 30 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 46 %gleiches Oberthema, hilft nicht
- d3-ultra
- 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
- amos 28 %Hintergrund, keine Belege
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- 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 33 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 49 %gleiches Oberthema, hilft nicht
- d3-ultra
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 39 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 39 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 29 %einzelne zitierbare Belege
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- 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 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
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
- amos 33 %Hintergrund, keine Belege
- SubQ 100 %kein Bezug
- drex 43 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV
- amos 31 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 39 %gleiches Oberthema, hilft nicht
- d3-ultra
- 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
- amos 32 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 55 %gleiches Oberthema, hilft nicht
- d3-ultra
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 100 %kein Bezug
- JEV
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- 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 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- 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 37 %Hintergrund, keine Belege
- JEV
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- Haiku-Prüfung kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 41 %gleiches Oberthema, hilft nicht
- JEV
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 51 %gleiches Oberthema, hilft nicht
- d3-ultra
- Haiku-Prüfung gleiches Oberthema, hilft nicht
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
- amos 35 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 37 %gleiches Oberthema, hilft nicht
- d3-ultra
- 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
- amos 27 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra
- 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 31 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
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 51 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 40 %gleiches Oberthema, hilft nicht
- d3-ultra
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
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 56 %Hintergrund, keine Belege
- JEV
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 41 %gleiches Oberthema, hilft nicht
- d3-ultra
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- 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
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Weitere Berichte zu diesen Fragen
- 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?
- Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Alle Berichte im Archiv