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
openai2. Februar 2025 · Q006828

Introducing deep research

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI beschreibt Deep Research als Agenten, der mehrstufig im Web recherchiert und daraus belegte Berichte erstellt; Beispiele und Benchmarkwerte sollen den Nutzen veranschaulichen. Der Bericht räumt mögliche Fehler, unsichere Quellenbewertung und ungenaue Unsicherheitsangaben ein; die konkreten Marktwerte im Beispiel sind teils Schätzungen und werden nicht einzeln belegt.

Mittel

Der Bericht präsentiert Deep Research als ChatGPT-Agenten für mehrstufige Webrecherchen. Laut OpenAI durchsucht und verknüpft das System eigenständig zahlreiche Onlinequellen und hochgeladene Dateien und erstellt in etwa fünf bis dreißig Minuten einen Bericht mit Belegen. Es soll vor allem komplexe Aufgaben in Wissensarbeit und sorgfältige Kaufrecherchen unterstützen; Nutzer können den Recherchefortschritt und die verwendeten Quellen verfolgen.

Beispiele zeigen eine Marktanalyse für eine Übersetzungs-App und eine Erklärung zur Sorption in Polymeren. Die Marktempfehlungen und Länderwerte sind jedoch Inhalte einer vorgeführten Antwort; der Bericht belegt sie nicht einzeln, und manche Werte sind Schätzungen. OpenAI berichtet außerdem über 26,6 Prozent bei „Humanity’s Last Exam“ sowie GAIA-Mittelwerte von 67,36 Prozent bei einem Versuch und 72,57 Prozent bei 64 Durchläufen. Das sind vom Bericht wiedergegebene Evaluationsergebnisse, keine Garantie für einzelne Rechercheaufgaben.

Als Schwächen nennt OpenAI Halluzinationen, falsche Schlussfolgerungen, Probleme bei der Bewertung von Quellen und ungenaue Unsicherheitsangaben. Auch Formatierungsfehler, Zitiermängel und längere Startzeiten seien möglich. Spätere Aktualisierungen beschreiben Änderungen bei Verfügbarkeit und Kontingenten sowie neue Funktionen wie MCP-Anbindungen und einen visuellen Browser.

Ausführlich lesen

Der Bericht stellt „Deep Research“ als ChatGPT-Funktion für umfangreiche, mehrstufige Internetrecherchen vor. OpenAI zufolge kann sie in etwa fünf bis dreißig Minuten Aufgaben erledigen, für die Menschen sonst viele Stunden benötigen könnten. Das System soll zahlreiche Onlinequellen sowie hochgeladene Dateien durchsuchen, Informationen aus Texten, Bildern und PDFs auswerten und daraus einen dokumentierten Bericht mit Quellenangaben erstellen. Als technische Grundlage nennt OpenAI eine fürs Browsen und Datenanalyse angepasste Version von o3 sowie Training mit bestärkendem Lernen auf Rechercheaufgaben, die Browser- und Python-Werkzeuge erfordern.

Gedacht sei die Funktion für intensive Wissensarbeit etwa in Wissenschaft, Finanzen, Politik und Technik, aber auch für sorgfältige Kaufentscheidungen. Nutzer geben eine Frage ein, können Dateien ergänzen und während der Recherche eine Übersicht der Arbeitsschritte und Quellen sehen. Die Ergebnisse erscheinen im Chat. Der Bericht beschreibt die Recherchefunktion als besonders nützlich für schwer auffindbare, spezialisierte Informationen und grenzt sie von GPT‑4o ab, das OpenAI eher für unmittelbare multimodale Gespräche empfiehlt.

Zur Veranschaulichung enthält die Seite eine Marktanalyse für eine mögliche Übersetzungs-App und eine ausführliche Erklärung zur Gasaufnahme in glasigen Polymeren. Im ersten Beispiel empfiehlt die dargestellte Analyse unter anderem Japan, die USA, Großbritannien, Kanada und Australien als vorrangige iOS-Märkte sowie Mexiko und Brasilien als weitere Optionen. Die dortigen Länderwerte und Schlussfolgerungen sind Beispiele aus der vorgeführten Antwort. Der Bericht belegt sie nicht einzeln nach, und einige Angaben sind ausdrücklich Schätzungen oder beruhen auf uneinheitlichen Kennzahlen. Das Polymerbeispiel erläutert das Dual-Mode-Sorptionsmodell, seine Annahmen zu Henry- und Langmuir-Anteilen und Grenzen bei Mischgasen, etwa Parameterunsicherheit und nicht berücksichtigte Quellung. Die eingeblendeten Recherche-Notizen zeigen zugleich einen langen Suchprozess mit Umwegen; bei einer Benchmark-Aufgabe ist die endgültige Antwort zum Schutz der Lösung verborgen.

OpenAI berichtet von hohen Benchmarkwerten: 26,6 Prozent Genauigkeit bei „Humanity’s Last Exam“ und beim GAIA-Benchmark im Mittel 67,36 Prozent bei einem einzelnen Versuch sowie 72,57 Prozent bei einer Konsens-Auswertung mit 64 Durchläufen. Laut Bericht stammen diese Resultate aus den genannten Evaluationen; der HLE-Wert wird mit anderen Modellen verglichen, und die Fußnote beschränkt bestimmte Vergleichswerte auf einen textbasierten Teiltest. Zusätzlich behauptet OpenAI, Fachleute hätten bei Aufgaben auf Expertenniveau mehrere Stunden manueller Arbeit automatisieren können.

Als Grenzen nennt der Bericht mögliche Halluzinationen und falsche Schlussfolgerungen, Schwierigkeiten bei der Bewertung der Verlässlichkeit von Quellen und eine oft ungenaue Vermittlung von Unsicherheit. Zum Start seien außerdem kleinere Formatierungs- und Zitierfehler sowie Verzögerungen beim Beginn einer Recherche möglich. Die Funktion sei rechenintensiv; Zugriff und monatliche Kontingente änderten sich laut den im Bericht aufgeführten späteren Aktualisierungen. Diese nennen unter anderem gestaffelte Verfügbarkeit, zusätzliche Nutzung über eine leichtere Modellversion, einen visuellen Browser im Agentenmodus und ab Februar 2026 die Anbindung von MCP oder Apps sowie Beschränkungen auf vertrauenswürdige Websites. OpenAI beschreibt diese Erweiterungen als Weiterentwicklung und sagt, die Qualität und Zuverlässigkeit weiter überwachen und verbessern zu wollen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Einordnung der Teilfragen war leer, daher wurden nur die drei Sammelfragen bewertet. Die beiden Zusammenfassungen (kurz und mittel) wurden gemeinsam geprüft; sie enthalten keine erfundenen Angaben. Luna hat die Stufen bei SF-T3 und SF-E3 zu hoch und bei SF-A1 zu niedrig angesetzt.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Einstufung des frühen o3-Modells als Risiko „Medium“ im Preparedness Framework sowie die zusätzlichen Sicherheitstests zum Webzugriff aus dem Nachtrag vom 3. Februar 2025
  • Die Zugangsstaffelung (zuerst Pro, dann Plus, Team und Enterprise) und die später genannten Kontingente von 25, 5 und 250 Anfragen pro Monat

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-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 24 %gleiches Oberthema, hilft nicht
    • Luna 32 %Hintergrund, keine Belege
    • JEV 37 %einzelne zitierbare Belege
    • amos 29 %nur am Rande erwähnt
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. 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 34 %einzelne zitierbare Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 78 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  3. 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 44 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 64 %gleiches Oberthema, hilft nicht
    • drex 31 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 22 %gleiches Oberthema, hilft nicht
    • Luna 100 %kein Bezug
    • JEV 41 %einzelne zitierbare Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 32 %einzelne zitierbare Belege
    • d3-ultra offen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 26 %Hintergrund, keine Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 30 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 27 %Hintergrund, keine Belege
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 35 %nur am Rande erwähnt
    • SubQ 72 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  3. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 29 %gleiches Oberthema, hilft nicht
    • Luna 45 %einzelne zitierbare Belege
    • JEV 24 %einzelne zitierbare Belege
    • amos 34 %nur am Rande erwähnt
    • SubQ 61 %gleiches Oberthema, hilft nicht
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. 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 37 %einzelne zitierbare Belege
    • amos 32 %Hintergrund, keine Belege
    • SubQ 63 %gleiches Oberthema, hilft nicht
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  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 100 %kein Bezug
    • JEV 53 %einzelne zitierbare Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 24 %gleiches Oberthema, hilft nicht
    • Luna 55 %Hintergrund, keine Belege
    • JEV 36 %umfangreiche Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 24 %Hintergrund, keine Belege
    • d3-ultra offen
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 23 %gleiches Oberthema, hilft nicht
    • Luna 56 %Hintergrund, keine Belege
    • JEV 39 %beantwortet teilweise oder widerspricht
    • amos 33 %einzelne zitierbare Belege
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 26 %einzelne zitierbare Belege
    • d3-ultra offen
    • Haiku-Prüfung beantwortet teilweise oder widerspricht
  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 28 %gleiches Oberthema, hilft nicht
    • Luna 25 %Hintergrund, keine Belege
    • JEV 30 %nur am Rande erwähnt
    • amos 27 %einzelne zitierbare Belege
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 30 %nur am Rande erwähnt
    • d3-ultra offen
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 31 %einzelne zitierbare Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 24 %gleiches Oberthema, hilft nicht
    • Luna 100 %kein Bezug
    • JEV 40 %einzelne zitierbare Belege
    • amos 31 %nur am Rande erwähnt
    • SubQ 68 %gleiches Oberthema, hilft nicht
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Beteiligung und Gemeinwohl
  1. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 43 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 75 %gleiches Oberthema, hilft nicht
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  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 40 %Hintergrund, keine Belege
    • JEV 27 %einzelne zitierbare Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 78 %gleiches Oberthema, hilft nicht
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
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 →