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
epoch21. Februar 2025 · Q006459

AI progress is about to speed up

epoch.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Ege Erdil erwartet, dass größere Trainingsläufe und weitere algorithmische Fortschritte die KI-Leistung 2025 beschleunigen, besonders bei Programmierung und Mathematik. Eigenständiges Handeln, lange kohärente Aufgaben und komplexe praktische Tätigkeiten dürften seiner Prognose nach schwieriger bleiben; der Beitrag ist eine persönliche Einschätzung, keine gesicherte Vorhersage.

Mittel

Ege Erdil argumentiert, dass sich der KI-Fortschritt 2025 beschleunigen könnte: Seit GPT‑4 seien Trainingsrechenleistung und damit verbundene Skalierung zunächst begrenzt gewesen; nun erwartete größere Trainingsläufe könnten zusammen mit algorithmischen Verbesserungen deutliche Leistungssprünge bringen. Er prognostiziert starke Fortschritte bei Programmierung, Mathematik und komplexem Schlussfolgern, aber weniger bei eigenständigem Handeln, langen zusammenhängenden Aufgaben und zuverlässiger Planung. Modelle könnten etwa viele klar begrenzte Programmieraufgaben bewältigen und Menschen in der Mathematik unterstützen, jedoch weiterhin an großen Softwareprojekten oder originärer Forschung scheitern. Bei Agenten erwartet er praktische Erfolge wie Online-Recherchen und Reservierungen, aber weiterhin Probleme mit Videospielen, technischer Fehlerbehebung und anspruchsvoller Medienbearbeitung.

Grok 3 wertet Erdil insgesamt als positives Signal, betont aber, dass Unterschiede in der algorithmischen Effizienz den Vergleich zwischen Laboren erschweren. Die bisher langsameren Ausgaben für Trainingsrechenleistung erklärt er mit technischen, finanziellen und infrastrukturellen Hürden, nicht zwingend mit nachlassendem Skalierungspotenzial. Als Prognose hält er fest, dass wirtschaftlicher Nutzen eher aus alltäglichen Fähigkeiten wie Planung und Anpassung als aus auffälligen Benchmark-Leistungen kommen könnte. Die Aussagen sind die persönliche Einschätzung des Autors, keine gesicherten Ergebnisse oder notwendigerweise die Position von Epoch AI.

Ausführlich lesen

Der Beitrag von Ege Erdil vertritt die Einschätzung, dass der Fortschritt bei KI-Modellen 2025 deutlich schneller werden könnte. Der Autor erklärt den seit GPT‑4 wahrgenommenen langsameren Fortschritt vor allem damit, dass die Trainingsrechenleistung bislang kaum stark gestiegen sei. Verbesserungen seien daher überwiegend aus effizienteren Verfahren und besseren Daten entstanden. GPT‑4 habe gegenüber früheren Modellen eine etwa zehnfache Rechenleistung markiert; die meisten danach verfügbaren Spitzenmodelle hätten ein ähnliches oder kleineres Trainingsbudget gehabt. Mit Grok 3 und weiteren erwarteten Modellen stehe laut Erdil nun eine neue Größenordnung bevor.

Für die nächste Modellgeneration prognostiziert er ungefähr 100.000 H100-GPUs und rund 3 × 10²⁶ FLOP Trainingsaufwand. Die Modelle könnten anfangs deutlich größer und deshalb teurer im API-Betrieb sowie langsamer bei der Ausgabe sein. Zusammen mit weiterer algorithmischer Verbesserung entspreche der erwartete Fortschritt bis Ende 2025 nach seiner Rechnung mehr als zwei Jahren algorithmischer Entwicklung. Das sind Vorhersagen des Autors, keine im Beitrag bereits bestätigten Ergebnisse.

Besonders große Leistungszuwächse erwartet Erdil bei Fähigkeiten, in denen heutige Modelle bereits Ansätze zeigen: Programmierung, Mathematik, komplexes Schlussfolgern und kurze kreative Texte. Er schätzt etwa, dass führende Systeme bei SWE-bench Verified bis Jahresende 90 Prozent erreichen und bei FrontierMath rund 75 Prozent. Bei Programmieraufgaben erwartet er Fortschritte bis hin zu übermenschlichem Niveau in Wettbewerbsprogrammierung, aber keine Fähigkeit, eigenständig große Softwareprojekte wie einen Rust-Compiler zu entwickeln. In der Mathematik sollen Modelle Forschende sinnvoll unterstützen können, jedoch wegen begrenzter Kontextverarbeitung und Eigenständigkeit keine originäre Forschung leisten.

Bei KI-Agenten erwartet er ebenfalls große Zuwächse, aber deutliche Grenzen. Alltagsaufgaben wie eine Restaurantreservierung oder bestimmte Online-Recherchen könnten autonom gelingen. Komplexe Videospiele, die selbstständige Fehlerbehebung auf einem Computer sowie anspruchsvolle Foto- oder Videobearbeitung sieht er Ende 2025 weiterhin außerhalb ihrer Reichweite. Als zentrale Engpässe nennt er visuelle Verarbeitung bei niedriger Verzögerung, lange kohärente Arbeitsabläufe und ein zuverlässiges internes Modell für Planung und Handlungen. Diese Fähigkeiten könnten laut seiner Argumentation wegen Moravecs Paradox schwieriger zu erreichen sein als manche Denkaufgaben.

Grok 3 deutet Erdil überwiegend als Argument für weiteren Fortschritt: Innerhalb von xAI sei es gegenüber Grok 2 stark besser, obwohl der Vergleich mit anderen Spitzenmodellen wegen unterschiedlicher algorithmischer Effizienz weniger eindeutig ausfalle. Zugleich räumt der Autor ein, dass xAI möglicherweise hinter anderen Laboren zurückliegt und Grok 3s Vorsprung daher nicht allein den Effekt größerer Rechenleistung zeigt. Auch bei zusätzlichem Rechenaufwand für Schlussfolgern sieht er noch Entwicklungsspielraum.

Dass die Ausgaben für Trainingsrechenleistung nach GPT‑4 zunächst nicht stärker gestiegen seien, wertet Erdil nicht als überzeugenden Beleg für eine Grenze des Skalierens. Er führt die Pause unter anderem auf den Nutzen späterer Trainingsläufe nach weiteren Softwareverbesserungen, den technischen Aufwand großer Läufe, mögliche Fehlschläge, hohe Investitionskosten und den zeitaufwendigen Aufbau von Rechenzentren zurück. Abschließend vermutet er, dass wirtschaftlicher Nutzen eher aus alltagsnahen Fähigkeiten wie Planung und Anpassung entstehen werde als aus den besonders sichtbaren Benchmark-Erfolgen. Der Text ist ausdrücklich eine persönliche, teils spekulative Einschätzung und weist darauf hin, dass sie nicht zwingend die Gesamtposition von Epoch AI wiedergibt.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna lieferte zwei Zusammenfassungen; geprüft wurde die mittlere, die kurze ist ebenfalls im Wesentlichen treu, lässt aber mehr Kernaussagen aus. Die Einordnungen beziehen sich nur auf den Bericht, nicht auf die Anteilsangaben von Luna.

Im Bericht, aber nicht in der Zusammenfassung

  • Die zentrale Prognose, dass die kommende Generation mit rund 3e26 FLOP und über einer Größenordnung mehr Rechenleistung als GPT-4 einen Sprung mindestens in der Größe von GPT-3.5 auf GPT-4 bringen dürfte
  • Die quantitativen Erwartungen, etwa rund 90 % SWEBench Verified, rund 75 % FrontierMath und ein OpenAI-Umsatz von etwa 12 Mrd. Dollar für 2025
  • Das Argument, dass Moravecs Paradoxon erklärt, warum Agentik und Kohärenz über lange Kontexte schwerer fallen als komplexes Schlussfolgern
  • Der Vergleich Grok 2 zu Grok 3 als Skalierungsbeleg und die Einschätzung, dass xAI algorithmisch zurückliegt
  • Die Begründung der Pause bei der Skalierung durch Anreize zum Abwarten, Ingenieursaufwand, Kapitalbedarf und Abhängigkeit von Hyperscalern, die Erdil als Erklärung statt eines Skalierungswalls sieht
  • Die Aussage, dass die meisten wirtschaftlichen Erträge 2025 eher aus unscheinbaren Fähigkeiten stammen dürften, dies aber vom Autor als klar formulierte Überzeugung und nicht nur als mögliches Szenario gemeint ist

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 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 26 %einzelne zitierbare Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 61 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 100 %kein Bezug
    • Luna 54 %Hintergrund, keine Belege
    • JEV 34 %Hintergrund, keine Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 28 %gleiches Oberthema, hilft nicht
    • d3-ultra 62 %gleiches Oberthema, hilft nicht

    • 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 · 47 % · 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 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
  2. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 100 %kein Bezug
    • Luna 69 %einzelne zitierbare Belege
    • JEV 39 %einzelne zitierbare Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 32 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-T2-T01 Welche öffentliche, nachprüfbare Handlung würde als Verzicht auf weitere Skalierung zählen, nicht nur eine Ankündigung? Was müsste ein Labor veröffentlichen, damit eine rivalisierende Regierung bestätigen kann, dass wirklich pausiert wurde, und welche nachträglichen Belege würden zeigen, dass keine Fähigkeitszuwächse zurückgehalten wurden, etwa durch nicht offengelegte Änderungen an Rechenleistung beim Einsatz oder Werkzeugzugang oder durch einen nicht offengelegten Austausch von Modellen? Luna: Stufe 3 · 45 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
    • SF-T2-T08 Wird ein Labor vor einer Tempozusage prüfen, ob es eine unabhängig begründete Pause einhalten könnte, ohne Finanzierungs- oder Abnahmepflichten für Rechenleistung zu verletzen, und welche Vertragsänderungen nötig wären, wo diese Pflichten es sonst zum Neustart drängen würden? Luna: Stufe 3 · 52 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
  3. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 27 %gleiches Oberthema, hilft nicht
    • Luna 85 %Hintergrund, keine Belege
    • JEV 41 %gleiches Oberthema, hilft nicht
    • amos 31 %nur am Rande erwähnt
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 68 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Vertrauen in Modelle
  1. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 51 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 81 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. 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 55 %gleiches Oberthema, hilft nicht
    • JEV 52 %einzelne zitierbare Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 26 %Hintergrund, keine Belege
    • Luna 39 %Hintergrund, keine Belege
    • JEV 34 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 67 %gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 29 %Hintergrund, keine Belege
    • amos 28 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra 66 %gleiches Oberthema, hilft nicht

Modelle teilen und schützen
  1. SF-H5 Wann sind Chip- und Exportkontrollen eine Sicherheitsmaßnahme, und wann ein dauerhafter Vorteil?
    • clef 100 %kein Bezug
    • Luna 36 %Hintergrund, keine Belege
    • JEV 61 %nur am Rande erwähnt
    • amos 37 %nur am Rande erwähnt
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
Frieden und Sicherheit
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 85 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

  2. 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 36 %Hintergrund, keine Belege
    • JEV 43 %gleiches Oberthema, hilft nicht
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 70 %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 →