Open models lag state-of-the-art closed models by 4 months
Zusammenfassung
Für diesen Bericht lag nur ein Auszug oder keine vollständige Fassung vor. Die Zusammenfassung sagt das selbst.
Kurz
Epoch AI berichtet, dass Open-Weight-Modelle seit Januar 2026 im ECI im Mittel vier Monate beziehungsweise acht Punkte hinter führenden geschlossenen Modellen lagen; zuvor waren für 2023 bis 2025 drei Monate geschätzt worden. Die Tabellen enthalten Unsicherheiten, fehlende oder nicht verifizierte Angaben und widersprüchliche Metadaten; zudem bleibt die Bedeutung dreier Zahlenwerte in einem Ausschnitt ungeklärt.
Mittel
Epoch AI zufolge lagen die leistungsstärksten Open-Weight-Modelle seit Januar 2026 im Epoch Capability Index (ECI) durchschnittlich vier Monate hinter führenden geschlossenen Modellen. Der Abstand wird mit acht ECI-Punkten beziffert und mit dem Abstand zwischen GPT-5 und GPT-5.5 verglichen. Eine frühere Auswertung für Januar 2023 bis Oktober 2025 hatte einen durchschnittlichen Rückstand von drei Monaten ergeben. Der ECI bündelt mehrere Benchmarks; laut Bericht schätzt die Methode die Zeit, bis Open-Weight-Modelle die aktuelle Spitzenleistung erreichen. Die konkrete Berechnung wird in den vorliegenden Notizen nicht näher erläutert.
Beispiele der Tabelle sind GPT-5.5 Pro mit 159,35 ECI-Punkten, GPT-5.5 mit 158,22 und Kimi K2.6 mit 151,60; jeweils werden Konfidenzintervalle angegeben. Ein weiterer Modellausschnitt enthält drei Zahlen je Eintrag, aber keine zugehörigen Spaltenüberschriften, sodass ihre Bedeutung offenbleibt. Die Listen weisen verschiedene Zugangs- und Nutzungsformen sowie Vertrauensstufen auf. Fehlende Werte, „Unverified“-Einträge, Dubletten und widersprüchliche Modellmetadaten schränken Vergleiche ein. Auch Datumsdefinition und Herkunft der Leistungswerte werden nicht erklärt.
Ausführlich lesen
Der Bericht von Epoch AI mit dem Titel „Open models lag state-of-the-art closed models by 4 months“ trägt im Quelltext den Hinweis, zuletzt am 29. Mai 2026 geändert worden zu sein. Seine zentrale Aussage lautet: Seit Januar 2026 hätten die leistungsstärksten Open-Weight-Modelle im Epoch Capability Index (ECI) durchschnittlich vier Monate hinter den führenden geschlossenen Modellen gelegen. Der durchschnittliche Abstand wird mit acht ECI-Punkten angegeben und als vergleichbar mit dem Abstand zwischen GPT-5 und GPT-5.5 beschrieben. Eine frühere Auswertung für Januar 2023 bis Oktober 2025 hatte demnach einen mittleren Rückstand von drei Monaten ergeben; die neue Schätzung fällt also etwas höher aus.
Für die Einordnung der Leistungsfähigkeit verwendet Epoch AI laut Bericht den ECI, einen zusammengesetzten Index, der mehrere Benchmarks zusammenführt. Die Berechnung soll die durchschnittliche Zeit bis zu dem Punkt abbilden, an dem die besten Open-Weight-Modelle die aktuelle Spitzenleistung erreichen. Die Notizen erläutern die konkrete Berechnung des zeitlichen Rückstands jedoch nicht im Detail. Sie verweisen auf das interne ECI-Maß.
Als Beispiele aus der Modelltabelle werden ECI-Werte von 158,22 für GPT-5.5, 159,35 für GPT-5.5 Pro und 151,60 für Kimi K2.6 genannt. Zu den Werten gehören Konfidenzintervalle; in der Tabelle werden außerdem verschiedene Vertrauensangaben wie „Likely“, „Confident“ und „Unverified“ verwendet. Ein weiterer Ausschnitt listet Sprach- und Visionmodelle mit Metadaten wie Anbieter, Land, Datum, Zugangsart, teils geschätztem Trainingsrechenaufwand und Vertrauensstufe. Die drei dort aufgeführten Zahlen je Modell haben im Ausschnitt keine Spaltenüberschriften. Ihre Bedeutung lässt sich daher anhand der vorliegenden Angaben nicht feststellen. Manche Varianten derselben Modellfamilie weisen identische Zahlen auf. GPT-5.5 Pro hat unter den aufgelisteten Einträgen mit Zahlenwerten die höchsten genannten Werte; daraus lässt sich ohne Erklärung der Zahlen aber keine eigenständige Aussage über ihre Bedeutung ableiten.
Die Daten umfassen unterschiedliche Zugangsformen: API-Zugang, gehostete Angebote ohne API, unveröffentlichte Modelle und offene Gewichte mit verschiedenen Nutzungsbeschränkungen. Die Vertrauensstufen reichen von „Confident“ bis „Unverified“; viele Einträge ohne Anbieter oder Beschreibung sind als „Unverified“ gekennzeichnet. Die Notizen weisen außerdem auf fehlende Felder, Dubletten und widersprüchliche Metadaten hin, darunter unstimmige Modellzuordnungen bei Llama-Einträgen. Datumsangaben reichen von Modellen aus dem Jahr 2019 bis zu Einträgen aus 2026, doch ihre Definition und die Herkunft beziehungsweise Berechnung der Leistungswerte werden im Ausschnitt nicht erklärt. Insgesamt sind die angegebenen Abstände und ECI-Werte als Berichtsaussagen zu verstehen; fehlende Erläuterungen, Unsicherheitsintervalle und nicht verifizierte Datensätze begrenzen die Vergleichbarkeit.
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 28 %Hintergrund, keine Belege
- Luna 100 %kein Bezug
- JEV
- amos 31 %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 29 %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 47 %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 37 %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 36 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 43 %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 27 %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 32 %Hintergrund, keine Belege
- SubQ 100 %kein Bezug
- drex 40 %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 29 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 42 %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 28 %Hintergrund, keine Belege
- JEV
- amos 36 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 57 %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 44 %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 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 39 %Hintergrund, keine Belege
- JEV
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 44 %gleiches Oberthema, hilft nicht
- d3-ultra
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 55 %Hintergrund, keine Belege
- JEV
- amos 27 %nur am Rande erwähnt
- SubQ 100 %kein Bezug
- drex 39 %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 28 %Hintergrund, keine Belege
- Luna 36 %Hintergrund, keine Belege
- JEV
- amos 26 %Hintergrund, keine Belege
- SubQ 100 %kein Bezug
- drex 40 %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 34 %Hintergrund, keine Belege
- JEV
- amos 32 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-H5 Wann sind Chip- und Exportkontrollen eine Sicherheitsmaßnahme, und wann ein dauerhafter Vorteil?
- 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
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 100 %kein Bezug
- d3-ultra
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 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- 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 43 %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 44 %Hintergrund, keine Belege
- JEV
- amos 37 %gleiches Oberthema, hilft nicht
- SubQ 45 %gleiches Oberthema, hilft nicht
- drex 39 %gleiches Oberthema, hilft nicht
- d3-ultra
- 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 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
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 40 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
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?
- Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Alle Berichte im Archiv