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
epoch7. April 2026 · Q006748

Keeping up with the GPTs

epoch.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Anson Ho argumentiert, dass Rechenleistung wahrscheinlich der wichtigste Wettbewerbsvorteil an der KI-Spitze bleibt. Distillation könne rechenarme Labore deutlich effizienter machen, werde einen zehnfachen Abstand nach seiner vorsichtigen Einschätzung aber meist nicht vollständig schließen; die Belege dafür seien begrenzt und unsicher. Wie sich chinesische und offene Modelle entwickeln, hängt zudem von künftiger Rechenleistung und den Entscheidungen über offene Modellgewichte ab.

Mittel

Anson Ho untersucht in einem ausdrücklich als persönliche Einschätzung gekennzeichneten Beitrag, ob KI-Labore mit etwa zehnmal weniger Rechenleistung an der Spitze mithalten können. Er vergleicht drei mögliche Wege: eigene algorithmische Innovationen, das Nachbilden von Entwicklungen führender Labore und das Übertragen ihrer Fähigkeiten auf kleinere Modelle durch synthetische Trainingsdaten beziehungsweise Distillation.

Ho sieht bei eigener Forschung und beim Kopieren keinen klaren, dauerhaften Vorteil für rechenarme Labore. Innovationen benötigen häufig selbst viele Experimente, und Wissensübertragung funktioniert in beide Richtungen. Distillation erscheint ihm als stärkster Hebel: Einzelne Beispiele deuten auf mehrfach weniger benötigte Rechenleistung hin. Die Belege seien jedoch lückenhaft und zwischen Benchmarks schwer vergleichbar. Kleinere Modelle verlieren teils an Leistung; außerdem können Benchmark-Spezialisierung, begrenzter Zugang zu Spitzenmodellen und der Bedarf an eigenständigem Reinforcement Learning die Einsparungen begrenzen. Ho vermutet deshalb, dass Distillation den Abstand verringern, aber einen zehnfachen Nachteil meist nicht vollständig ausgleichen kann.

Für chinesische und offene Modelle hängt die Zukunft laut Ho auch davon ab, wie sich der Zugang zu Rechenleistung entwickelt und welche Labore ihre besten Modelle offenlegen. Seine Einschätzungen zu diesen Entwicklungen bleiben unsicher; er betont die begrenzte Datenlage und räumt ein, dass ein großer algorithmischer Durchbruch seine Schlussfolgerung verändern könnte.

Ausführlich lesen

Der Beitrag „Keeping up with the GPTs“ von Anson Ho untersucht, ob KI-Labore mit deutlich weniger Rechenleistung mit den führenden Unternehmen konkurrieren können. Ho beschreibt den Text als persönliche, vorläufige Einschätzung, nicht als Position von Epoch AI. Als Ausgangspunkt nennt er einen großen Ausgabenabstand: Anthropic habe 2025 mehr als zehnmal so viel für Rechenleistung ausgegeben wie MiniMax und Zhipu AI zusammen; bei OpenAI sei der Abstand noch größer. Der Beitrag fragt, ob Effizienzgewinne diesen Nachteil ausgleichen können.

Ho betrachtet drei Wege. Erstens könnten kleinere Labore neue Algorithmen oder bessere Daten schneller entwickeln. Er hält das für möglich, sieht aber keinen klaren Vorteil für sie: Experimente brauchen selbst viel Rechenleistung, große Trainingsläufe machen riskante Versuche für finanzstarke Labore zwar teuer, doch diese verfügen nach seiner Einschätzung ebenfalls über viel Forschungstalent und können hohe Gehälter zahlen. Als wichtige Innovationen nennt er unter anderem Transformer, Skalierungsgesetze und Reasoning-Modelle, die aus großen Laboren hervorgegangen seien. Seine Einschätzung lautet daher, dass neue Softwareideen die Rechenstarken eher nicht systematisch benachteiligen.

Zweitens könnten kleinere Labore Innovationen der Vorreiter nachbilden. Beispiele im Beitrag sind die Annäherung von RoseTTAFold an AlphaFold 2 sowie die rasche Verbreitung von Reasoning-Modellen nach OpenAIs o1. Ho räumt solche Wissensübertragung ein, bezweifelt aber, dass sie einen zehnfachen Rechenunterschied schließt: Nachbau kostet Zeit, erfordert eigene Experimente und kann in beide Richtungen funktionieren. Als Größenordnung verweist er darauf, dass ein erneuter Trainingslauf Monate dauern könne.

Drittens könnten kleinere Modelle von Ausgaben leistungsfähiger Modelle lernen. Diesen Ansatz, im Beitrag meist „Distillation“ genannt, hält Ho für den stärksten möglichen Effizienzhebel. Einzelne Vergleiche deuteten auf mehrfach geringeren Rechenbedarf hin; bei bestimmten Benchmarks seien die Einsparungen sogar sehr groß. Über mehrere Fähigkeiten und Benchmarks hinweg sei die Beleglage jedoch lückenhaft und die Vergleiche seien nicht ohne Weiteres gleichzusetzen. Zudem sinke die Leistung in angeführten Beispielen mit kleinerer Modellgröße. Ho nennt weitere Grenzen: Verzerrung auf ausgewählte Benchmarks, möglicher eingeschränkter Zugang zu den besten Modellen und der Bedarf an eigenständigem Reinforcement Learning samt geeigneter Umgebungen. Seine vorsichtige Schätzung ist, dass Distillation den Abstand um ein Mehrfaches verringern, aber wahrscheinlich keinen zehnfachen Nachteil vollständig beseitigen kann.

Im weiteren Verlauf überträgt Ho diese Überlegungen auf chinesische und offene Modelllabore. Er meint, dass deren Fähigkeitsabstand zur Spitze bislang nicht stark gewachsen sei, deutet dies aber nur vorsichtig und weist auf Unsicherheiten bei Messgrößen und verfügbaren Daten hin. Kurzfristig könnten Exportbeschränkungen und Schwierigkeiten beim Aufbau eigener Chipproduktion den US-chinesischen Rechenabstand vergrößern; langfristig sei die Entwicklung offen. Bei offenen Modellen hänge die Nähe zur Spitze außerdem davon ab, welche Unternehmen ihre leistungsfähigsten Modelle tatsächlich mit offenen Gewichten veröffentlichen. Ho betont schließlich, dass Spitzenleistung nicht das einzige Ziel sein müsse: Kosten und andere Positionen im Verhältnis von Leistungsfähigkeit zu Preis könnten ebenfalls zählen.

Die Schlussfolgerung bleibt ausdrücklich unsicher: Ho hält Rechenleistung für den wichtigsten Faktor im Wettbewerb an der Fähigkeitsgrenze und glaubt, dass Effizienzgewinne meist keinen zehnfachen Abstand ausgleichen. Große algorithmische Durchbrüche könnten seine Einschätzung ändern. Er stützt sich nach eigener Aussage auf begrenzte Evidenz; die angeführten Beispiele und Zahlen belegen daher keine abschließende Prognose.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Beide Zusammenfassungen von Luna wurden gemeinsam bewertet, da das Schema nur ein Objekt vorsieht. Sie sind inhaltlich treu und erfinden nichts, lassen aber mehrere Kernpunkte aus, vor allem zu den Grenzen der Distillation, zur Rechenlücke zwischen USA und China und zur Frage offener Modelle. Die Einordnung der Sammelfragen beruht darauf, dass der Bericht ein Text über Rechenleistung und Wettbewerb ist und sicherheitspolitische Fragen nur am Rande streift.

Im Bericht, aber nicht in der Zusammenfassung

  • Die drei Wege zur Effizienz werden nur allgemein genannt, ihre Einzelbewertung fehlt, etwa dass eigene Innovationen eher den Rechenreichen nutzen und Kopieren in beide Richtungen wirkt
  • Die Aussage, dass Distillation mit etwa 4 Milliarden Token und Daten aus Claude-Interaktionen möglich ist, fehlt
  • Die Grenzen der Distillation (Leistungsverlust bei kleineren Modellen, Benchmark-Optimierung, Zugangsbeschränkungen, Bedarf an eigenem RL) werden nur angedeutet
  • Die Einschätzung, dass die Rechenlücke zwischen USA und China kaum gewachsen ist, aber sich in Zukunft durch Exportkontrollen vergrößern könnte, fehlt
  • Die Entwicklung offener Modelle (Meta, Alibaba, Baidu) und die Abhängigkeit vom Offenlegungsverhalten der Labore fehlen weitgehend

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 65 %Hintergrund, keine Belege
    • JEV 24 %gleiches Oberthema, hilft nicht
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %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 · 35 % · 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 100 %kein Bezug
    • Luna 53 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 53 %gleiches Oberthema, hilft nicht

    • SF-P1-T06 Kann ein Staat gemeinsame Prüfverfahren überhaupt anwenden, wenn ein anderer die nötige Hardware durch Exportkontrollen beschränkt, und hat ein Beteiligter gesagt, ob die Prüfung von genau den Chipkontrollen abhängen darf, die der betroffene Staat „Monopol und Technologiebeschränkung“ nennt? Luna: Stufe 3 · 28 % · Hintergrund, keine Belege
  2. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 23 %gleiches Oberthema, hilft nicht
    • Luna 60 %Hintergrund, keine Belege
    • JEV 32 %gleiches Oberthema, hilft nicht
    • amos 30 %Hintergrund, keine Belege
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra 64 %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 · 41 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
Tempo und Grenzen
  1. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 100 %kein Bezug
    • Luna 80 %Hintergrund, keine Belege
    • JEV 33 %gleiches Oberthema, hilft nicht
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra 58 %gleiches Oberthema, hilft nicht

    • 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 · 40 % · Hintergrund, keine Belege
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 25 %nur am Rande erwähnt
    • Luna 62 %einzelne zitierbare Belege
    • JEV 46 %einzelne zitierbare Belege
    • amos 29 %einzelne zitierbare Belege
    • SubQ 30 %gleiches Oberthema, hilft nicht
    • drex 40 %einzelne zitierbare Belege
    • d3-ultra 67 %nur am Rande erwähnt
    • Haiku-Prüfung nur am Rande erwähnt

Vertrauen in Modelle
  1. 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 43 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 34 %gleiches Oberthema, hilft nicht
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
    • clef 23 %einzelne zitierbare Belege
    • Luna 50 %Hintergrund, keine Belege
    • JEV 51 %einzelne zitierbare Belege
    • amos 36 %einzelne zitierbare Belege
    • SubQ 25 %einzelne zitierbare Belege
    • drex 35 %umfangreiche Belege
    • d3-ultra 64 %einzelne zitierbare Belege

    • SF-H1-T05 Wie können Staaten zusammenarbeiten, um die Ausbreitung von Fähigkeiten zu beobachten, die durch Destillation aus großen, auf Sicherheit ausgerichteten Modellen in kleinere, weniger geregelte Modelle gelangen? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
  2. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 27 %Hintergrund, keine Belege
    • Luna 60 %Hintergrund, keine Belege
    • JEV 33 %nur am Rande erwähnt
    • amos 29 %nur am Rande erwähnt
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 30 %nur am Rande erwähnt
    • d3-ultra 58 %gleiches Oberthema, hilft nicht

    • 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 · 36 % · 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 · 30 % · Hintergrund, keine Belege
  3. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 22 %nur am Rande erwähnt
    • Luna 42 %einzelne zitierbare Belege
    • JEV 46 %einzelne zitierbare Belege
    • amos 31 %einzelne zitierbare Belege
    • SubQ 32 %gleiches Oberthema, hilft nicht
    • drex 45 %einzelne zitierbare Belege
    • d3-ultra 57 %nur am Rande erwähnt
    • Haiku-Prüfung einzelne zitierbare Belege

  4. SF-H5 Wann sind Chip- und Exportkontrollen eine Sicherheitsmaßnahme, und wann ein dauerhafter Vorteil?
    • clef 26 %Hintergrund, keine Belege
    • Luna 63 %einzelne zitierbare Belege
    • JEV 64 %einzelne zitierbare Belege
    • amos 40 %einzelne zitierbare Belege
    • SubQ 30 %einzelne zitierbare Belege
    • drex 43 %einzelne zitierbare Belege
    • d3-ultra 66 %einzelne zitierbare Belege
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-H5-T02 Beziehen sich die Technologiemaßnahmen eines Staates und die Einwände des betroffenen Staates auf dieselben Listen, etwa Listen beschränkter Unternehmen und Personen (Entity Lists) und Exportkontrollen? Gefragt wurde das zu Chinas Einwänden gegen Monopol und Vorherrschaft und zu den US-Maßnahmen, die Dario Amodei (Anthropic) in seinem Essay „We Must Pace the Frontier“ befürwortet: Verbote für Chips und Anlagen, Vorgehen gegen unerlaubte Destillation (das Trainieren eines eigenen Modells mit den Ausgaben fremder Modelle) und Schutz der Modellgewichte (der gelernten Parameter). Luna: Stufe 3 · 36 % · Hintergrund, keine Belege
    • SF-H5-T03 Welche beobachtbare Reaktion würde zeigen, dass Technologiebeschränkungen ein überprüfbares Sicherheitsabkommen unwahrscheinlicher machen, während sie den Fähigkeitsvorsprung vergrößern, und wie würde sich die Strategie dann ändern? Luna: Stufe 3 · 34 % · Hintergrund, keine Belege
Frieden und Sicherheit
Offenlegung und Rechenschaft
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 51 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht

  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 24 %Hintergrund, keine Belege
    • Luna 59 %Hintergrund, keine Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra 33 %Hintergrund, keine Belege

    • SF-E4-T02 Welche konkreten Mechanismen (bezahlbarer Zugang zu Modellen, Rechenleistung im öffentlichen Interesse, Technologietransfer) sollen Sicherheitsregeln begleiten, damit sie Monopole nicht vertiefen und Länder mit wenig Mitteln nicht abhängig zurücklassen? Luna: Stufe 3 · 45 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
  3. 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 38 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 51 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 56 %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 · 42 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Wirtschaft und Haftung
Information und Öffentlichkeit

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 →