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
epoch15. Januar 2025 · Q006278

Frontier open models may surpass 1e26 FLOP of training compute before 2026

epoch.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Epoch AI projiziert anhand historischer Daten, dass ein offenes Modell die Trainingsschwelle von 10²⁶ FLOP wahrscheinlich um November 2025 erreichen könnte; das angegebene 90-Prozent-Intervall reicht bis November 2026. Die mögliche Veröffentlichung von Llama 4 im Jahr 2025 auf Basis eines sehr großen GPU-Clusters wird als zusätzlicher Hinweis genannt, ist aber nicht Teil der Berechnung.

Mittel

Epoch AI schätzt, dass ein offenes Modell erstmals mehr als 10²⁶ FLOP Trainingsaufwand erreichen könnte. Grundlage ist eine Extrapolation historischer Daten zu offenen Modellen: Demnach wächst ihr Trainingsaufwand im Schnitt um den Faktor 4,7 pro Jahr (90-Prozent-Konfidenzintervall: 3,6 bis 6,1). Die zentrale Prognose datiert das Überschreiten der Schwelle auf November 2025; das Intervall reicht von August 2025 bis November 2026. In der Datentabelle steigt der Aufwand des größten aufgeführten Spitzenmodells von 8,2 × 10²² FLOP im Jahr 2020 auf 3,8 × 10²⁵ FLOP bei Llama 3.1-405B im Jahr 2024.

Als zusätzlichen Hinweis nennt der Bericht Mark Zuckerbergs Aussage, Llama 4 werde auf einem Cluster mit mehr als 100.000 H100-GPUs trainiert. Der Artikel hält es für sehr wahrscheinlich, dass Modelle dieser Größe die Schwelle überschreiten und 2025 mit offenen Gewichten erscheinen. Diese konkreten Erwartungen fließen jedoch nicht in die historische Berechnung ein. Der Bericht beschreibt daher eine unsichere Projektion, keine bestätigte Veröffentlichung. Die Schwelle ist auch für den erwähnten US-Regulierungsrahmen relevant, der Beschränkungen für bestimmte Modelle mit geschlossenen Gewichten vorsieht.

Ausführlich lesen

Der Bericht schätzt, wann ein Modell mit offenen Gewichten erstmals mit mehr als 10²⁶ FLOP Trainingsaufwand trainiert werden könnte. Das Thema ist auch für die US-Regulierung relevant: Laut Artikel sieht der Diffusionsrahmen der Biden-Regierung Beschränkungen für Modelle mit geschlossenen Gewichten vor, wenn ihr Trainingsaufwand entweder 10²⁶ FLOP oder den Aufwand des größten offenen Modells übersteigt.

Epoch AI leitet seine Prognose aus historischen Daten zum Trainingsaufwand veröffentlichter offener Modelle ab. Die beigefügte Datentabelle reicht von Modellen aus den Jahren 2020 bis 2024. Unter den dort aufgeführten Spitzenmodellen steigt der Wert von rund 8,2 × 10²² FLOP bei mT5-XXL (2020) auf 3,8 × 10²⁵ FLOP bei Llama 3.1-405B (2024). Aus dem historischen Trend schätzt Epoch AI ein jährliches Wachstum des Rechenaufwands um den Faktor 4,7. Das angegebene 90-Prozent-Konfidenzintervall liegt bei Faktor 3,6 bis 6,1. Daraus ergibt sich als mittlere Projektion, dass die Schwelle von 10²⁶ FLOP im November 2025 überschritten wird; das 90-Prozent-Intervall reicht von August 2025 bis November 2026.

Als zusätzlichen Hinweis auf eine mögliche frühere Entwicklung verweist der Bericht auf eine Aussage Mark Zuckerbergs aus dem Oktober 2024: Llama-4-Modelle würden auf einem Cluster mit mehr als 100.000 H100-GPUs trainiert. Nach Einschätzung des Artikels legt seine Aussage nahe, dass diese Modelle weiterhin mit offenen Gewichten veröffentlicht werden sollen. Epoch AI hält es für sehr wahrscheinlich, dass Modelle dieser Größenordnung die Schwelle von 10²⁶ FLOP überschreiten, und schreibt, ihre Veröffentlichung sei für 2025 geplant.

Die Prognose ist keine Gewissheit. Das Konfidenzintervall umfasst auch einen Zeitpunkt nach 2025. Außerdem berücksichtigt die historische Extrapolation ausdrücklich keine konkreten Informationen zum Veröffentlichungszeitpunkt erwarteter Großmodelle wie Llama 4. Die Llama-4-Einschätzung wird im Bericht separat als zusätzlicher Hinweis angeführt, nicht als Bestandteil der Berechnung. Insgesamt lautet die Kernaussage: Der historische Trend deutet auf ein Überschreiten der Schwelle vor Ende 2026 hin, möglicherweise bereits 2025; Zeitpunkt und tatsächliche Veröffentlichung bleiben unsicher.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassung ist im Kern treu. Der Bericht passt thematisch nur teilweise zu den Fragen, weil er eine Rechenschwelle und Trends beschreibt, aber keine Governance-Mechanismen.

Im Bericht, aber nicht in der Zusammenfassung

  • Die jährliche Wachstumsrate von etwa dem Faktor 4,7 wird in der Kurzfassung nicht genannt.
  • Der US-Regulierungsrahmen greift auch dann, wenn die Trainingsrechenleistung das größte offene Modell überschreitet, nicht nur bei 10^26 FLOP.

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
  1. 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 21 %Hintergrund, keine Belege
    • Luna 45 %Hintergrund, keine Belege
    • JEV 38 %umfangreiche Belege
    • amos 26 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 28 %gleiches Oberthema, hilft nicht
    • d3-ultra 32 %gleiches Oberthema, hilft nicht

    • 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 · 31 % · Hintergrund, keine Belege
  2. 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 33 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 22 %nur am Rande erwähnt
    • amos 24 %Hintergrund, keine Belege
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra 48 %gleiches Oberthema, hilft nicht

    • 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 3 · 36 % · 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 30 %Hintergrund, keine Belege
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 54 %gleiches Oberthema, hilft nicht
  2. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 23 %Hintergrund, keine Belege
    • Luna 79 %Hintergrund, keine Belege
    • JEV 39 %gleiches Oberthema, hilft nicht
    • amos 27 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 28 %einzelne zitierbare Belege
    • d3-ultra 40 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine 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 · 42 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 28 %Hintergrund, keine Belege
    • Luna 60 %einzelne zitierbare Belege
    • JEV 44 %beantwortet teilweise oder widerspricht
    • amos 33 %einzelne zitierbare Belege
    • SubQ 30 %gleiches Oberthema, hilft nicht
    • drex 31 %einzelne zitierbare Belege
    • d3-ultra 36 %einzelne zitierbare Belege
    • Haiku-Prüfung einzelne zitierbare Belege

    • 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 · 49 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
    • SF-T1-T06 Welcher öffentliche Beleg zeigt, ob vereinbarte Grenzen eingehalten werden? Luna: Stufe 3 · 38 % · Hintergrund, keine Belege
  2. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 30 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 65 %gleiches Oberthema, hilft nicht
  3. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 31 %einzelne zitierbare Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 66 %gleiches Oberthema, hilft nicht
    • d3-ultra 56 %gleiches Oberthema, hilft nicht

Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 34 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 63 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 26 %Hintergrund, keine Belege
    • Luna 59 %einzelne zitierbare Belege
    • JEV 44 %einzelne zitierbare Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 30 %gleiches Oberthema, hilft nicht
    • d3-ultra 48 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • 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 · 32 % · Hintergrund, keine Belege
  2. SF-H5 Wann sind Chip- und Exportkontrollen eine Sicherheitsmaßnahme, und wann ein dauerhafter Vorteil?
    • clef 26 %Hintergrund, keine Belege
    • Luna 50 %Hintergrund, keine Belege
    • JEV 44 %einzelne zitierbare Belege
    • amos 25 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra 56 %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 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 58 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 50 %Hintergrund, keine Belege
    • JEV 42 %gleiches Oberthema, hilft nicht
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 59 %gleiches Oberthema, hilft nicht

  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 24 %Hintergrund, keine Belege
    • Luna 29 %Hintergrund, keine Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 24 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 40 %gleiches Oberthema, hilft nicht
  3. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 63 %Hintergrund, keine Belege
    • JEV 43 %einzelne zitierbare Belege
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 64 %gleiches Oberthema, hilft nicht

    • SF-E4-T03 Wie können gemeinsame Sicherheitsregeln verhindern, dass hohe Kosten der Einhaltung den Markt auf wenige reiche Labore verengen, und trotzdem kleine Entwickler und Open-Source-Entwickler auf dieselbe Mindestschwelle für Sicherheit verpflichten? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
  4. 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 28 %Hintergrund, keine Belege
    • JEV 30 %einzelne zitierbare Belege
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 62 %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 · 40 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · 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 →