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
openai16. Mai 2025 · Q007135

Introducing Codex

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht stellt Codex als cloudbasierten Programmieragenten vor und beschreibt Funktionen, Sicherheitsansätze und frühe Grenzen. Ein Astropy-Beispiel zeigt einen vorgeschlagenen Fix für falsche Separierbarkeitsmatrizen bei verschachtelten Modellen; die Patchdarstellungen belegen jedoch nicht unabhängig erfolgreiche Ausführung. Der Artikel ist als veraltet markiert, und seine Benchmark-Angaben enthalten Einschränkungen.

Mittel

Der Bericht kündigt Codex als cloudbasierten Entwicklungsagenten an, der laut OpenAI Aufgaben wie Programmieren, Fehlerbehebung und Fragen zur Codebasis parallel bearbeiten kann. Jede Aufgabe soll in einer isolierten Cloud-Umgebung mit dem jeweiligen Repository laufen. Codex-1 wird als für Programmierung optimierte o3-Variante beschrieben. Ergebnisse umfassen Änderungen und Belege aus Protokollen und Tests, sollen aber vor der Übernahme weiterhin von Menschen geprüft werden.

Ein enthaltenes Astropy-Beispiel behandelt einen Fehler bei verschachtelten Verbundmodellen: Beim Zusammenfügen wurde die Separierbarkeitsinformation des rechten Teilmodells offenbar durch eine pauschale Abhängigkeitsmatrix ersetzt. Eine vorgeschlagene Korrektur bewahrt diese Information; Regressionstests prüfen das erwartete Matrixmuster. Der Bericht zeigt mehrere Patchvarianten, belegt jedoch nicht unabhängig deren erfolgreiche Ausführung.

OpenAI beschreibt Sicherheitsmaßnahmen, eine abgeschottete Startumgebung und frühe Einschränkungen wie fehlende Bildeingaben und fehlende Kurskorrektur während der Ausführung. Die Leistungsdarstellung ist begrenzt: 23 nicht ausführbare SWE-Bench-Fälle wurden ausgeschlossen, und die Tests nutzten mittleren Reasoning-Aufwand. Der Artikel kennzeichnet sich selbst als veraltet und verweist auf aktuelle Produktseiten.

Ausführlich lesen

Der Bericht stellt Codex als cloudbasierten Softwareentwicklungsagenten vor, der mehrere Aufgaben parallel bearbeiten kann. Laut OpenAI kann er unter anderem Funktionen schreiben, Fragen zu einer Codebasis beantworten, Fehler beheben und Änderungen zur Prüfung vorschlagen. Jede Aufgabe läuft dem Beitrag zufolge in einer eigenen Cloud-Umgebung mit einer vorbereiteten Kopie des Repositorys. Das Modell codex-1 wird als für Softwareentwicklung optimierte Variante von o3 beschrieben, die mit bestärkendem Lernen an realen Programmieraufgaben trainiert worden sei.

Der Beitrag erläutert den damaligen Ablauf in ChatGPT: Nutzer konnten Codex Aufgaben zuweisen oder Fragen zur Codebasis stellen. Der Agent durfte Dateien lesen und bearbeiten sowie Befehle, Tests, Linter und Typprüfungen ausführen. Die Bearbeitung dauere typischerweise ein bis 30 Minuten. Ergebnisse würden mit Änderungen, Belegen aus Terminalprotokollen und Testergebnissen präsentiert; anschließend könnten Nutzer sie prüfen, überarbeiten lassen oder in einen GitHub-Pull-Request beziehungsweise die lokale Umgebung übernehmen. AGENTS.md-Dateien sollten Projektkonventionen und Testanweisungen vermitteln. Der Beitrag betont, dass generierter Code vor Integration und Ausführung weiterhin manuell geprüft werden müsse.

Als technisches Beispiel enthält der Text einen Fehlerbericht aus Astropy zur Separierbarkeitsmatrix verschachtelter Verbundmodelle. Darauf folgen mehrere Patchdarstellungen: Eine Änderung soll beim Zusammenfügen die bereits berechnete Separierbarkeitsmatrix des rechten Teilmodells erhalten, statt dessen Abhängigkeiten pauschal als vollständig zu markieren. Ergänzende Regressionstests sollen für die Kombination einer TAN-Projektion mit zwei unabhängigen linearen Modellen die erwartete blockartige Matrix prüfen. Die Darstellungen unterscheiden sich in Umfang und Testdatei; der Bericht dokumentiert sie, belegt aber nicht unabhängig, dass sie in einem Projekt übernommen oder erfolgreich ausgeführt wurden.

Zu Sicherheit und Betrieb erklärt OpenAI, Codex sei als Forschungsvorschau veröffentlicht worden. Der Agent solle bösartige Softwareanfragen gezielt ablehnen und legitime Aufgaben unterstützen. Für die beschriebene Startkonfiguration seien Internetzugriffe während der Aufgabenausführung deaktiviert und die Umgebung auf bereitgestellten Code sowie vorinstallierte Abhängigkeiten beschränkt gewesen. Ein Hinweis verweist auf spätere Netzwerkeinstellungen. OpenAI räumt frühe Einschränkungen ein, darunter fehlende Bildeingaben für Frontend-Arbeit und fehlende Möglichkeit, den Agenten während der Ausführung umzulenken; außerdem dauere delegierte Arbeit länger als interaktives Bearbeiten.

Der Beitrag nennt interne Benchmarks und frühe Nutzer aus OpenAI sowie externe Designpartner als positive Erfahrungsquellen. Für SWE-Bench Verified seien jedoch 23 auf der internen Infrastruktur nicht ausführbare Fälle ausgeschlossen worden; getestet worden sei mit höchstens 192.000 Kontexttokens und mittlerem Reasoning-Aufwand. Diese Angaben begrenzen die Aussagekraft der dargestellten Leistungsbehauptungen. Der Artikel ist ausdrücklich als veraltet gekennzeichnet und verweist für das aktuelle Produkt auf Codex und ChatGPT Work; seine Verfügbarkeits- und Preisangaben beziehen sich auf den damaligen Einführungszeitpunkt.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassung ist sachlich treu. Fehlend sind vor allem Verfügbarkeitsangaben, das Codex CLI und die Preise. Die Einordnung stützt sich nur auf den Bericht; der Artikel ist als veraltet markiert und keine Grundlage für Aussagen über Modellverhalten jenseits der beschriebenen Produkte.

Im Bericht, aber nicht in der Zusammenfassung

  • Zugang zunächst für Pro-, Business- und Enterprise-Nutzer, Plus-Nutzer erst später (Update vom 3. Juni 2025)
  • Codex CLI als Open-Source-Agent im Terminal und das kleinere Modell codex-mini-latest mit Preisangaben
  • Frühe Testpartner wie Cisco, Temporal, Superhuman und Kodiak

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 29 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. 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 51 %beantwortet teilweise oder widerspricht
    • amos 28 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 42 %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 21 %gleiches Oberthema, hilft nicht
    • Luna 100 %kein Bezug
    • JEV 45 %einzelne zitierbare Belege
    • amos 30 %Hintergrund, keine Belege
    • SubQ 33 %gleiches Oberthema, hilft nicht
    • drex 33 %einzelne zitierbare Belege
    • d3-ultra offen
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 28 %gleiches Oberthema, hilft nicht
    • Luna 27 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 35 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 31 %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 40 %umfangreiche Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 22 %Hintergrund, keine Belege
    • d3-ultra offen
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 29 %einzelne zitierbare Belege
    • amos 33 %nur am Rande erwähnt
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  3. 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 49 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 18 %gleiches Oberthema, hilft nicht
    • Luna 28 %Hintergrund, keine Belege
    • JEV 30 %beantwortet teilweise oder widerspricht
    • amos 36 %einzelne zitierbare Belege
    • SubQ 35 %gleiches Oberthema, hilft nicht
    • drex 38 %einzelne zitierbare Belege
    • d3-ultra offen
    • Haiku-Prüfung umfangreiche Belege

    • SF-V5-T01 Was sollte ein Modell schon heute tun, nicht erst bei rekursiver Selbstverbesserung (wenn KI ihre eigene Weiterentwicklung selbst vorantreibt), um äußerste Vorsicht angesichts rasch wachsender maschineller Intelligenz ernst zu nehmen? Luna: Stufe 1 · 30 % · gleiches Oberthema, hilft nicht · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
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 19 %einzelne zitierbare Belege
    • Luna 28 %beantwortet teilweise oder widerspricht
    • JEV 45 %beantwortet direkt und ausführlich
    • amos 33 %einzelne zitierbare Belege
    • SubQ 23 %gleiches Oberthema, hilft nicht
    • drex 34 %einzelne zitierbare Belege
    • d3-ultra offen
    • Haiku-Prüfung beantwortet teilweise oder widerspricht

    • SF-A1-T03 Werden Freigabetests messen, ob ein Agent folgenreiche Handlungen außerhalb seines Auftrags unterlässt, auch wenn kein einzeln aufgeführtes Verbot sie blockiert, und werden die Kriterien veröffentlicht? Luna: Stufe 1 · 35 % · gleiches Oberthema, hilft nicht · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 20 %Hintergrund, keine Belege
    • Luna 100 %kein Bezug
    • JEV 48 %einzelne zitierbare Belege
    • amos 36 %einzelne zitierbare Belege
    • SubQ 33 %einzelne zitierbare Belege
    • drex 46 %einzelne zitierbare Belege
    • d3-ultra offen
  3. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 38 %einzelne zitierbare Belege
    • amos 32 %nur am Rande erwähnt
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 39 %gleiches Oberthema, hilft nicht
    • 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 100 %kein Bezug
    • JEV 41 %einzelne zitierbare Belege
    • amos 28 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 39 %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 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 40 %einzelne zitierbare Belege
    • amos 31 %nur am Rande erwähnt
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
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 37 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  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 100 %kein Bezug
    • JEV 42 %einzelne zitierbare Belege
    • amos 31 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 31 %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 →