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
epoch10. Oktober 2025 · Q006303

Most of OpenAI’s 2024 compute went to experiments

epoch.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Epoch AI schätzt, dass OpenAI 2024 rund 5 Milliarden US-Dollar für F&E-Rechenleistung ausgab, wovon der größte Teil wahrscheinlich in Forschung, experimentelle Trainingsläufe und unveröffentlichte Modelle floss. Die Schätzungen für finale Trainingsläufe veröffentlichter Modelle sind deutlich kleiner, weisen aber breite Unsicherheitsintervalle auf; vorbereitende Experimente sind dabei ausdrücklich nicht eingerechnet.

Mittel

Epoch AI schätzt OpenAIs Cloud-Rechenkosten 2024 auf 5 Milliarden US-Dollar für Forschung und Entwicklung und rund 2 Milliarden für Inferenz; die Tabelle nennt für Inferenz 1,8 Milliarden. Die zentrale Schlussfolgerung des Berichts: Der Großteil der F&E-Rechenleistung dürfte in Forschung, experimentelle Trainingsläufe und unveröffentlichte Modelle gegangen sein, nicht in die finalen Trainingsläufe veröffentlichter Modelle.

Für den finalen GPT‑4.5-Trainingslauf schätzt Epoch AI 400 Millionen Dollar (Tabellenwert: 386 Millionen; 90-Prozent-Intervall: 170 bis 890 Millionen). Andere erfasste veröffentlichte Modelle veranschlagen sie mit 80 Millionen (Tabellenwert: 83 Millionen; Intervall: 24 bis 435 Millionen). Die übrigen F&E-Kosten werden mit 4,5 Milliarden angegeben und umfassen laut Tabelle Grundlagenforschung, vorbereitende experimentelle Läufe und unveröffentlichte Modelle.

Die Schätzungen verbinden Berichte zu den Gesamtkosten mit eigenen Kostenschätzungen für Veröffentlichungen von Q2 2024 bis Q1 2025. Erfasst werden finale Trainingsläufe, keine vorbereitenden Experimente. Die Beträge sind unsicher; die Intervalle sind breit, und die einzelnen sonstigen Forschungsprojekte werden nicht aufgeschlüsselt.

Ausführlich lesen

Der Bericht von Epoch AI schätzt, wie OpenAIs Ausgaben für Cloud-Rechenleistung im Jahr 2024 auf Forschung und Entwicklung (F&E) sowie Inferenz entfielen. Seine zentrale Aussage lautet: Der größte Teil der F&E-Rechenleistung dürfte nicht in die abschließenden Trainingsläufe der veröffentlichten Modelle geflossen sein, sondern in Forschung, experimentelle Vorläufe oder Modelle, die noch nicht veröffentlicht waren.

Laut Bericht beliefen sich die gesamten F&E-Ausgaben für Rechenleistung auf geschätzt 5 Milliarden US-Dollar. Für Inferenz nennt der Text rund 2 Milliarden Dollar; die nachgeholte Tabelle weist dafür 1,8 Milliarden aus. Die Beträge sind Schätzungen der Cloud-Rechenkosten. Epoch AI veranschlagt den abschließenden Trainingslauf von GPT‑4.5 auf 400 Millionen Dollar; als tatsächlichen Betrag führt die Tabelle 386 Millionen auf. Das angegebene 90-Prozent-Konfidenzintervall reicht von 170 bis 890 Millionen Dollar. Für die abschließenden Trainingsläufe anderer veröffentlichter Modelle setzt die Schätzung 80 Millionen Dollar an, bei einem Tabellenwert von 83 Millionen und einem 90-Prozent-Intervall von 24 bis 435 Millionen Dollar. Dazu zählt der Bericht Modelle und Arbeiten aus dem Zeitraum Q2 2024 bis Q1 2025, darunter GPT‑4o, GPT‑4o mini, Sora Turbo sowie Nachtrainings für GPT‑4o-Aktualisierungen und die o‑Serie.

Die übrigen F&E-Kosten werden auf 4,5 Milliarden Dollar geschätzt. Diese Kategorie umfasst laut Tabellenbeschreibung Grundlagenforschung, experimentelle beziehungsweise der Risikominderung dienende Trainingsläufe zur Vorbereitung späterer finaler Trainingsläufe sowie unveröffentlichte Modelle. Zusammengenommen legt die Aufstellung nahe, dass die finalen Trainingsläufe der erfassten veröffentlichten Modelle nur einen kleinen Teil der gesamten F&E-Rechenkosten ausmachten.

Methodisch kombiniert Epoch AI veröffentlichte Berichte zur Gesamthöhe von OpenAIs Rechenkosten mit eigenen Schätzungen der Trainingskosten für Modelle, die OpenAI von Q2 2024 bis Ende Q1 2025 veröffentlichte oder herausbrachte. Für jedes dieser Modelle wird nur der finale Lauf berücksichtigt, der die veröffentlichte Version erzeugte; vorbereitende experimentelle Läufe sind darin nicht enthalten. Epoch AI erklärt außerdem, OpenAI habe 2024 keine nennenswerten eigenen KI-Rechenkapazitäten besessen, weshalb die Cloud-Ausgaben nach Einschätzung des Berichts sämtliche damaligen Rechenressourcen abbilden. Die Zahlen bleiben Schätzungen mit teils breiten Unsicherheitsintervallen; der Bericht weist keine vollständige Aufschlüsselung der einzelnen experimentellen oder unveröffentlichten Projekte aus.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Einordnung stützt sich nur auf den Bericht. Zu den Sammelfragen liegen keine Teilfragen vor.

Im Bericht, aber nicht in der Zusammenfassung

  • Inferenz-Rechenkosten von etwa 2 Mrd. US-Dollar fehlen in der Kurzfassung
  • Der Bericht erwähnt, dass OpenAI 2024 kaum eigene Rechenkapazität besaß und alle Ausgaben Cloud-Miete bei Microsoft waren

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
Fähigkeiten messen
Unabhängig prüfen
  1. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 100 %kein Bezug
    • Luna 63 %Hintergrund, keine Belege
    • JEV 28 %einzelne zitierbare Belege
    • amos 32 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 24 %einzelne zitierbare Belege
    • d3-ultra 36 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege
Tempo und Grenzen
  1. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 28 %gleiches Oberthema, hilft nicht
    • amos 29 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung kein Bezug
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
Modelle teilen und schützen
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 32 %Hintergrund, keine Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 56 %gleiches Oberthema, hilft nicht
Wirtschaft und Haftung

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 →