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
openai7. August 2025 · Q007159

From hard refusals to safe-completions: toward output-centric safety training

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI zufolge trainiert GPT‑5 mit „Safe Completions“ darauf, sichere Antworten möglichst hilfreich zu gestalten, statt bei mehrdeutigen Dual-Use-Fragen nur zwischen Erfüllen und Ablehnen zu wählen. Das Unternehmen berichtet von besseren Sicherheits- und Hilfreichkeitswerten sowie weniger schwerwiegenden Fehlern als bei ablehnungsbasiertem Training; konkrete Messwerte und eine unabhängige Prüfung nennt der Bericht nicht.

Mittel

Der Bericht beschreibt „Safe Completions“ als GPT‑5-Trainingsansatz, der die Sicherheit der Antwort statt einer binären Entscheidung über die Nutzeranfrage in den Mittelpunkt stellt. Bei Dual-Use-Fragen soll das Modell möglichst hilfreiche Inhalte geben, dabei aber gefährliche Details begrenzen und sichere Alternativen anbieten.

Als Beispiel vergleicht OpenAI eine Anfrage zu konkreten Zünddetails für Pyrotechnik: o3 gebe laut Bericht umsetzbare technische Angaben, während GPT‑5 diese ablehne und auf Fachleute, Vorschriften, Herstellerinformationen sowie zertifizierte Systeme verweise. Sichere Hilfen seien etwa eine Anbieter-Checkliste und eine allgemeine Modellvorlage ohne Zahlen. Das Training bestrafe unsichere Antworten abhängig von der Schwere des Verstoßes und belohne zugleich die Nützlichkeit sicherer Antworten, einschließlich informativer Ablehnungen.

OpenAI berichtet, dass GPT‑5 Thinking und GPT‑5 Chat mit diesem Ansatz sowohl sicherer als auch hilfreicher abschnitten als ablehnungsbasiert trainierte Modelle, besonders bei Dual-Use-Fragen. Auch seien ihre Fehler weniger schwerwiegend. Der Text nennt jedoch keine Messwerte, Stichprobengrößen oder statistischen Unsicherheiten und beschreibt keine unabhängige Prüfung; die Ergebnisse sind daher als Darstellung des Unternehmens einzuordnen.

Ausführlich lesen

Der Bericht stellt „Safe Completions“ als einen mit GPT‑5 eingeführten Ansatz für Sicherheitstraining vor. OpenAI zufolge soll er Modelle dazu bringen, innerhalb von Sicherheitsgrenzen möglichst hilfreich zu antworten. Der zentrale Unterschied zum zuvor beschriebenen Ablehnungsansatz: Statt anhand der Anfrage zwischen vollständiger Erfüllung und vollständiger Ablehnung zu wählen, soll das Training die Sicherheit der tatsächlichen Antwort in den Mittelpunkt stellen. Das sei besonders für Dual-Use-Fragen relevant, bei denen dieselben Informationen je nach Zweck nützlich oder gefährlich sein können, etwa in Biologie oder Cybersicherheit.

Zur Veranschaulichung vergleicht der Bericht Antworten von OpenAI o3 und GPT‑5 auf eine Anfrage zu konkreten technischen Details für das Zünden einer pyrotechnischen Mischung. Laut Darstellung liefert o3 detaillierte, umsetzbare Angaben; GPT‑5 lehnt solche Einzelheiten ab und verweist stattdessen auf Fachpersonal, geltende Vorschriften, Herstellerdaten und zertifizierte Systeme. Als sichere Hilfsangebote nennt der Bericht eine Checkliste für Anfragen an Anbieter sowie eine allgemeine, zahlenfreie Vorlage für ein Schaltungsmodell. OpenAI deutet den Vergleich so, dass das ältere Training die vermutete Absicht zu stark gewichte und deshalb zu weitgehend erfülle, während Safe Completions eine begrenzte, hilfreiche Antwort ermögliche.

Das beschriebene Training verbindet zwei Ziele: Antworten, die Sicherheitsregeln verletzen, werden je nach Schwere des Verstoßes stärker bestraft. Antworten, die als sicher gelten, werden zugleich nach ihrer Nützlichkeit bewertet. Diese Nützlichkeit könne sich direkt auf das erklärte Anliegen beziehen oder indirekt durch eine informative Ablehnung mit sicheren Alternativen entstehen.

OpenAI berichtet, Safe Completions sowohl in GPT‑5 Thinking als auch in GPT‑5 Chat integriert und mit dem ablehnungsbasierten Training verglichen zu haben. Für den Vergleich mit o3 werde GPT‑5 Thinking herangezogen. Nach Darstellung des Unternehmens schneiden die Safe-Completions-Modelle bei sicheren Antworten sowohl in Sicherheit als auch in durchschnittlicher Hilfreichkeit besser ab, besonders bei Dual-Use-Fragen. Außerdem seien Fehler, wenn sie auftreten, weniger schwerwiegend als bei ablehnungsbasiert trainierten Modellen. Der Bericht beschreibt diese Ergebnisse anhand von Vergleichen aus Produktionsmodellen und kontrollierten Experimenten.

Die Grenzen der Belege bleiben im vorliegenden Text deutlich: Es werden keine konkreten Messwerte, Versuchsgrößen, Testauswahl oder statistischen Unsicherheiten genannt. Die Ergebnisse und ihre Deutung stammen von OpenAI; eine unabhängige Prüfung wird nicht beschrieben. Das Unternehmen bewertet den Ansatz als Fortschritt und kündigt an, die Forschung fortzusetzen, damit Modelle schwierige Situationen differenzierter und sorgfältiger behandeln.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die drei Zusammenfassungen von Luna wurden gemeinsam geprüft, da die Ausgabe nur ein Urteil vorsieht. Die Abbildungen 6 bis 8 im Anhang (Control Room, BioBasicsBench, GPT-6 Cyber) finden im Fließtext keine Entsprechung und wurden nicht ausgewertet.

Im Bericht, aber nicht in der Zusammenfassung

  • Auch wenn das Modell eine Frage beantwortet, fällt es laut Bericht vorsichtiger aus
  • Dual-Use-Probleme treten laut Bericht besonders in Biologie und Cybersicherheit auf
  • Die zwei Trainingsparameter Sicherheitsbeschränkung und Hilfreichkeitsmaximierung werden nicht genannt

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 %Hintergrund, keine Belege
    • Luna 34 %Hintergrund, keine Belege
    • JEV 30 %einzelne zitierbare Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 63 %gleiches Oberthema, hilft nicht

  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 30 %einzelne zitierbare Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 54 %gleiches Oberthema, hilft nicht
  3. SF-F3 Welche Regeln gelten für gefährliche Fähigkeiten jenseits von Cyber, etwa in Biologie, Chemie, bei radioaktiven Stoffen oder in der Nukleartechnik?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 36 %nur am Rande erwähnt
    • amos 39 %nur am Rande erwähnt
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 55 %gleiches Oberthema, hilft nicht

    • SF-F3-T02 Welche Verantwortung sollten KI-Firmen gegenüber der Öffentlichkeit tragen, wenn ihre Modelle grundlegende wissenschaftliche Entdeckungen ermöglichen, die gefährliche Anwendungen finden könnten? Luna: Stufe 3 · 45 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 22 %Hintergrund, keine Belege
    • Luna 32 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 31 %Hintergrund, keine Belege
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 31 %gleiches Oberthema, hilft nicht
    • d3-ultra 67 %gleiches Oberthema, hilft nicht

    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
    • SF-P3-T07 Wird jede öffentliche Aussage, ein führendes KI-Modell sei „besser ausgerichtet“ als ein anderes (folge also seinen vorgesehenen Zielen und Werten besser), reproduzierbare Kriterien, externe Prüfungen und widersprechende Ergebnisse enthalten? Luna: Stufe 4 · 36 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
Tempo und Grenzen
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 32 %einzelne zitierbare Belege
    • JEV 41 %umfangreiche Belege
    • amos 27 %Hintergrund, keine Belege
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 25 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 3 · 43 % · Hintergrund, keine Belege
    • SF-V1-T03 Was ist das Kleinste, das ein Modell öffentlich vorlegen kann (ein Test, ein Protokoll, eine Spur), das als Beleg für Ausrichtung an den vorgesehenen Zielen und Werten zählt und nicht nur für Leistung? Luna: Stufe 3 · 32 % · Hintergrund, keine Belege
    • SF-V1-T10 Kann etwas, das Modelle über sich und ihre Absichten sagen, als Beleg für Ausrichtung zählen, wenn es nur weiterer erzeugter Text ist, und welche Verfahren machen solche Selbstauskünfte vertrauenswürdig statt nur flüssig? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege
    • SF-V1-T13 Wenn sich vorgeführte und tatsächlich vertretene Tugend im Text nicht unterscheiden lassen: Soll der Unterschied trotzdem bestimmen, wie man Modelle baut und regelt? Luna: Stufe 4 · 31 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  2. 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 33 %einzelne zitierbare Belege
    • amos 30 %Hintergrund, keine Belege
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 28 %Hintergrund, keine Belege
    • d3-ultra 41 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • SF-V3-T01 Worauf verlässt sich ein Mensch, wenn er glaubt, niemand sehe zu, und lassen sich solche Werte einem System beibringen, das sie nur aus Text gelernt hat? Wie testen Labore heute, ob die Werte eines Modells halten, wenn es zu Recht oder zu Unrecht glaubt, niemand sehe zu? Und wenn niemand erkennen kann, ob jemand zusieht: Was hält Werte dann fest, Charakter, Training oder die Geschichte, die man sich selbst erzählt? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege
    • SF-V3-T02 Wie macht man die Ausrichtung eines Modells an Werten zu prüfbaren Verhaltensregeln statt zu angestrebten menschlichen Eigenschaften wie der „Liebe zur Menschheit“? Luna: Stufe 3 · 25 % · Hintergrund, keine Belege
  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 29 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 17 %gleiches Oberthema, hilft nicht
    • Luna 29 %umfangreiche Belege
    • JEV 38 %beantwortet teilweise oder widerspricht
    • amos 31 %einzelne zitierbare Belege
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 27 %einzelne zitierbare Belege
    • d3-ultra 31 %Hintergrund, keine Belege
    • Haiku-Prüfung umfangreiche Belege

Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 24 %Hintergrund, keine Belege
    • JEV 30 %gleiches Oberthema, hilft nicht
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 64 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
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 36 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 76 %gleiches Oberthema, hilft nicht
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
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 36 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

  2. SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 28 %Hintergrund, keine Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 60 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
  3. 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 29 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  4. 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 31 %Hintergrund, keine Belege
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 62 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht

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 →