Introducing improvements to the fine-tuning API and expanding our custom models program
Zusammenfassung
Kurz
Der Bericht beschreibt neue Steuerungs- und Auswertungsfunktionen für Fine-Tuning sowie OpenAIs betreute und vollständig maßgeschneiderte Modellangebote. Kundenresultate werden als Angaben von OpenAI wiedergegeben; Testdetails fehlen teilweise. Ein Nachtrag von Mai 2026 besagt, dass die Fine-Tuning-Plattform ausläuft und für neue Nutzer bereits nicht mehr zugänglich ist.
Mittel
Der Bericht kündigt Verbesserungen an OpenAIs Fine-Tuning-API sowie erweiterte Angebote für maßgeschneiderte Modelle an. Fine-Tuning soll Modelle für konkrete Aufgaben anpassen; neue Funktionen sollten unter anderem Trainingsstände je Epoche, Modellvergleiche im Playground, Drittanbieter-Integrationen, umfassendere Validierungskennzahlen und Hyperparameter-Einstellungen im Dashboard ermöglichen.
OpenAI veranschaulicht die Angebote anhand von Kundenbeispielen. Laut Bericht reduzierte Indeed mit GPT‑3.5 Turbo die Prompt-Tokens um 80 Prozent und skalierte auf etwa 20 Millionen Nachrichten pro Monat. Bei SK Telecom habe eine Anpassung von GPT‑4 die Gesprächszusammenfassung um 35 Prozent und die Absichtserkennung um 33 Prozent verbessert; Zufriedenheitswerte stiegen demnach von 3,6 auf 4,5 von 5. Harvey habe mit OpenAI ein Rechtsmodell aufgebaut, dessen Antworten laut Unternehmen um 83 Prozent häufiger faktisch korrekt waren und von Anwälten in 97 Prozent der Vergleiche gegenüber GPT‑4 bevorzugt wurden. Der Bericht legt die Testmethoden dieser Zahlen nicht näher offen.
Ein Nachtrag vom Mai 2026 stellt klar, dass OpenAI die Fine-Tuning-Plattform auslaufen lässt: Neue Nutzer haben keinen Zugang mehr; bestehende Nutzer können noch für einige Monate Trainingsjobs erstellen. Feinabgestimmte Modelle sollen bis zur Abkündigung ihrer Basismodelle für Inferenz verfügbar bleiben.
Ausführlich lesen
Der Bericht stellt OpenAIs damalige Erweiterungen für die Fine-Tuning-API und das Custom-Models-Programm vor. Ein vorangestellter Nachtrag vom 8. Mai 2026 ergänzt jedoch, dass OpenAI die Fine-Tuning-Plattform auslaufen lässt: Neue Nutzer können sie nicht mehr verwenden. Bestehende Nutzer sollen noch einige Monate Trainingsjobs erstellen können; bereits feinabgestimmte Modelle sollen für Inferenz verfügbar bleiben, bis ihre Basismodelle abgekündigt werden. Ein genauer Zeitplan wird im Bericht nicht ausgeführt, sondern über einen Link angekündigt.
Im Hauptteil beschreibt OpenAI Fine-Tuning als eine Möglichkeit, Modelle für bestimmte Aufgaben anzupassen. Der Bericht nennt als Beispiele bessere Codeerzeugung für eine bestimmte Programmiersprache, Zusammenfassungen in vorgegebenem Format und personalisierte Inhalte. OpenAI zufolge kann die Methode umfangreichere Beispieldaten nutzen, als in eine einzelne Eingabe passen, und dadurch Qualität verbessern sowie Kosten und Latenz senken. Das sind allgemeine Aussagen des Unternehmens, keine im Bericht systematisch verglichenen Ergebnisse.
Als Fallbeispiel berichtet Indeed, GPT‑3.5 Turbo für personalisierte Jobempfehlungen angepasst zu haben. Laut OpenAI sank dadurch die Zahl der Prompt-Tokens um 80 Prozent, was Kosten und Latenz verbessert habe. Indeed habe so das Nachrichtenvolumen von weniger als einer Million auf ungefähr 20 Millionen pro Monat steigern können. Der Bericht nennt keine näheren Angaben zu Messverfahren oder Vergleichsbedingungen.
Die angekündigten API- und Dashboard-Funktionen sollten Trainingsjobs besser steuerbar und Ergebnisse leichter vergleichbar machen. Dazu zählten automatische Modellstände nach jeder Trainingsrunde, ein Playground für den direkten Vergleich mehrerer Modelle oder Checkpoints anhand derselben Eingabe, Integrationen mit Drittanbietern – zunächst Weights & Biases –, Kennzahlen wie Verlust und Genauigkeit über den gesamten Validierungsdatensatz sowie Einstellungen für Hyperparameter im Dashboard. Außerdem sollten dort detailliertere Trainingswerte angezeigt und Jobs aus früheren Konfigurationen erneut gestartet werden können.
Das Custom-Models-Programm beschreibt zwei weitergehende Formen der Zusammenarbeit. Beim „Assisted Fine-Tuning“ unterstützen OpenAIs technische Teams unter anderem mit zusätzlichen Hyperparametern, PEFT-Verfahren, Datenpipelines und Evaluierungssystemen. Für SK Telecom berichtet der Text von einer mehrwöchigen Anpassung von GPT‑4 für koreanische Telekommunikationsgespräche. Im Vergleich zu GPT‑4 seien die Qualität von Gesprächszusammenfassungen um 35 Prozent und die Genauigkeit der Absichtserkennung um 33 Prozent gestiegen; Zufriedenheitswerte hätten sich von 3,6 auf 4,5 von 5 erhöht. Der Bericht liefert keine unabhängige Prüfung dieser Unternehmensangaben.
Für Organisationen mit großen Mengen proprietärer Daten beschreibt OpenAI außerdem vollständig maßgeschneiderte Modelle, die von Grund auf beziehungsweise durch Veränderungen während des Zwischen- und Nachtrainings entstehen. Als Beispiel nennt der Bericht Harvey: Das Unternehmen habe mit OpenAI ein Rechtsmodell entwickelt, dem Kontext im Umfang von zehn Milliarden Tokens hinzugefügt worden sei. OpenAI zufolge stieg der Anteil faktisch korrekter Antworten um 83 Prozent; Anwälte hätten die Ausgaben des angepassten Modells in 97 Prozent der Vergleiche gegenüber GPT‑4 bevorzugt. Auch hier fehlen im Text Einzelheiten zu Testaufbau und Stichprobe.
OpenAI vertritt abschließend die Einschätzung, dass künftig viele Organisationen branchenspezifische Modelle entwickeln werden. Der Artikel empfiehlt, Anwendungsfall und Evaluation sorgfältig festzulegen und die Anpassung iterativ zu verbessern. Seine Produktankündigungen sind angesichts des Nachtrags zum Auslaufen der Plattform als historischer Stand zu lesen; der Nachtrag begrenzt die Verfügbarkeit der beschriebenen Fine-Tuning-Plattform.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Es liegen zwei Fassungen von Lunas Zusammenfassung vor. Bewertet wurde die mittlere, weil sie den Bericht vollständiger wiedergibt. Die kurze Fassung ist sachlich korrekt, nennt aber weder Kundenbeispiele noch die Feature-Liste und ist deshalb deutlich knapper.
Im Bericht, aber nicht in der Zusammenfassung
- Das Assisted-Fine-Tuning wird als formales Angebot innerhalb des Custom-Model-Programms beschrieben, mit Verbesserung über die API hinaus (zusätzliche Hyperparameter, PEFT-Methoden).
- Das Custom-trained-Model wird als eigener Ansatz mit Mid-Training und Post-Training beschrieben, und Harvey hat dafür rund 10 Milliarden Tokens an Daten eingesetzt.
- Die Verbreitung des Fine-Tunings wird genannt: seit August 2023 für GPT-3.5 haben tausende Organisationen hunderttausende Modelle trainiert.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Fähigkeiten messen
- 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 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
- 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 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 42 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-F4-T03 Welche neue Prüfung braucht jeder Einsatz, wenn Fähigkeiten zunehmend im Nachdenken des Modells während der Nutzung stecken statt in einem einmal trainierten Modell, und würden die für ein festes Modell gebauten Freigabetests das noch erfassen?
Unabhängig prüfen
- 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 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 46 %einzelne zitierbare Belege
- JEV 100 %kein Bezug
- amos 34 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 40 %gleiches Oberthema, hilft nicht
- d3-ultra
- Haiku-Prüfung nur am Rande erwähnt
- 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?
- 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?
- SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- clef 100 %kein Bezug
- Luna 37 %Hintergrund, keine Belege
- JEV 48 %gleiches Oberthema, hilft nicht
- amos 35 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 39 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-P5 Wie überprüft man, ob Zusagen zwischen Staaten eingehalten werden, auch über Jahre und Regierungswechsel hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 57 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-T1-T02 Welche messbaren Schwellen halten die weitere Skalierung von KI-Modellen automatisch an, wer prüft sie, und wie bleiben diese Auslöser bindend, wenn der Wettbewerb drückt?
- SF-T1-T05 Welche messbaren Vergleichswerte würden zeigen, dass die Ausrichtung der Modelle eines Labors an den vorgesehenen Zielen und Werten schneller vorankommt, als ihre Fähigkeiten wachsen, über das Fehlen öffentlicher Fehlschläge hinaus?
- SF-T1-T06 Welcher öffentliche Beleg zeigt, ob vereinbarte Grenzen eingehalten werden?
- SF-T1-T08 Wenn ein Sicherheitsprojekt mit KI-Hilfe zugleich die allgemeine Fähigkeit des Modells oder die für sein Training genutzte Rechenleistung steigert: Wie hält man beide Wirkungen fest, und wie entscheidet man, ob der daraus entstehende Fähigkeitszuwachs eine neue Sicherheitsprüfung braucht, bevor die Arbeit weitergeht?
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 46 %einzelne zitierbare Belege
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 35 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 49 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 65 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-T3-T07 Wenn mehrere Anbieter je verschiedene Stufen von Forschung, Training und Prüfung automatisieren und erst ihre ausgetauschten Ergebnisse zusammen einen Kreislauf der Selbstverbesserung schließen, ohne dass eine Firma den ganzen Ablauf betreibt: Welche Regel stellt diesen gemeinsamen Kreislauf unter Aufsicht?
- SF-T3-T08 Welche kontrollierten Versuche können Labore heute machen, um Selbstverbesserung nachzubilden, ohne eine unbeabsichtigte Beschleunigung zu riskieren?
Vertrauen in Modelle
- 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 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 58 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 36 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 48 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 69 %gleiches Oberthema, hilft nicht
- d3-ultra
- 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 23 %Hintergrund, keine Belege
- JEV 29 %einzelne zitierbare Belege
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 44 %Hintergrund, keine Belege
- JEV 32 %einzelne zitierbare Belege
- amos 38 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 49 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-V5-T02 Würde man lieber einem großen, überwachten Modell vertrauen oder vielen kleinen, nicht überwachten?
- SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar?
Modelle teilen und schützen
- SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- clef 100 %kein Bezug
- Luna 36 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 45 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 60 %einzelne zitierbare Belege
- JEV 33 %Hintergrund, keine Belege
- amos 27 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 40 %gleiches Oberthema, hilft nicht
- d3-ultra
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-H3-T06 Welcher unabhängig prüfbare Mindestbeleg zeigt, dass eine bestimmte Person, Organisation oder ein geschützter Datensatz aus einem veröffentlichten Modell und seinen Adaptern (Zusatzmodulen) verlernt wurde, und welches Restrisiko einer Extraktion lässt sich womöglich nie auf null senken?
- SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
- clef 100 %kein Bezug
- Luna 37 %einzelne zitierbare Belege
- JEV 39 %einzelne zitierbare Belege
- amos 25 %einzelne zitierbare Belege
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- Haiku-Prüfung einzelne zitierbare Belege
- SF-H4-T02 Welches prüfbare Verfahren (Gewichte vernichten, Zugang über die Programmierschnittstelle sperren, Eintrag in ein öffentliches Register) stellt sicher, dass ein stillgelegtes Modell und seine durch weiteres Training angepassten Ableger nicht mehr einsetzbar sind, und wer prüft das in jedem Staat unabhängig vom Labor?
Offenlegung und Rechenschaft
- 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 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 45 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-O3 Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 54 %Hintergrund, keine Belege
- JEV 51 %einzelne zitierbare Belege
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-E4-T01 Was hieße die Formel von KI als „gemeinsamem Gut der ganzen Menschheit“ praktisch (Zugang, Teilen des Nutzens, gestaffelte Preise, Technologietransfer), so dass jeder Staat sie tatsächlich unterschreiben und prüfen könnte?
- SF-E4-T03 Wie können gemeinsame Sicherheitsregeln verhindern, dass hohe Kosten der Einhaltung den Markt auf wenige reiche Labore verengen, und trotzdem kleine Entwickler und Open-Source-Entwickler auf dieselbe Mindestschwelle für Sicherheit verpflichten?
- 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 100 %kein Bezug
- amos 50 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Weitere Berichte zu diesen Fragen
- Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- Woran erkennen andere, dass ein Labor wirklich bremst?
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Alle Berichte im Archiv