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
openai12. Februar 2026 · Q007331

Introducing GPT-5.3-Codex-Spark

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI stellt Codex-Spark als schnelle, textbasierte Forschungsvorschau für interaktive Programmierarbeit vor und berichtet von hoher Benchmarkleistung bei deutlich geringerer Bearbeitungszeit als GPT‑5.3‑Codex. Der Bericht nennt keine konkreten Benchmarkwerte; die Diagramme sind nur als Bildverweise enthalten, und Zugang sowie Nutzung unterliegen vorläufigen, nachfrageabhängigen Beschränkungen.

Mittel

Der Bericht beschreibt GPT‑5.3‑Codex‑Spark als Forschungsvorschau eines kleineren, auf schnelle Programmierarbeit ausgelegten Codex-Modells. OpenAI zufolge erreicht es auf Cerebras-Hardware mehr als 1.000 Tokens pro Sekunde. Es soll gezielte Änderungen und rasche Rückmeldungen ermöglichen; standardmäßig nimmt es nur begrenzte Änderungen vor und führt keine Tests aus, solange man diese nicht anfordert.

Zum Start ist Spark textbasiert, hat ein Kontextfenster von 128.000 Tokens und wird ChatGPT-Pro-Nutzenden in der Codex-App, CLI und VS-Code-Erweiterung angeboten. Es gelten eigene, nachfrageabhängige Nutzungslimits; bei hoher Auslastung kann es zu Warteschlangen kommen. Eine API-Vorschau ist einer kleinen Gruppe von Designpartnern zugänglich. OpenAI berichtet von starken Ergebnissen auf SWE-Bench Pro und Terminal-Bench 2.0 bei deutlich kürzerer Bearbeitungszeit als GPT‑5.3‑Codex, nennt im Text aber keine konkreten Werte. Auch die Diagramme liegen hier nur als Beschriftungen und Bildverweise vor. Weitere Angaben betreffen Verbesserungen der Antwortlatenz und Sicherheitsbewertungen, die laut OpenAI keine plausible Schwelle für hohe Cyber- oder Biologiefähigkeiten ergeben hätten.

Ausführlich lesen

Der Bericht stellt GPT‑5.3‑Codex‑Spark als Forschungsvorschau eines kleineren GPT‑5.3‑Codex-Modells vor, das für schnelle, interaktive Programmierarbeit in Codex entwickelt wurde. OpenAI zufolge erreicht es auf Cerebras-Hardware mehr als 1.000 Tokens pro Sekunde. Es soll gezielte Codeänderungen, Anpassungen an Logik und Oberflächen sowie unmittelbare Rückmeldungen ermöglichen. Damit ergänze es Codex’ bisherige Ausrichtung auf lang laufende, selbstständige Aufgaben um eine direkte Zusammenarbeit, bei der Nutzende das Modell während der Arbeit unterbrechen oder umlenken können.

Für diese schnelle Arbeitsweise sei das Modell bewusst auf leichte, begrenzte Änderungen ausgerichtet. Es führe standardmäßig keine Tests aus, sofern man es nicht dazu auffordere. Zum Start sei es textbasiert und verfüge über ein Kontextfenster von 128.000 Tokens. Die Vorschau richte sich an ChatGPT-Pro-Nutzende in den aktuellen Versionen der Codex-App, der Kommandozeilenschnittstelle und der VS-Code-Erweiterung. Für Spark gelte ein eigenes Nutzungslimit, das sich je nach Nachfrage ändern könne; bei hoher Auslastung seien Warteschlangen oder zeitweise eingeschränkter Zugang möglich. Eine API-Vorschau stehe einer kleinen Gruppe von Designpartnern offen. Der Zugang solle in den folgenden Wochen erweitert werden.

OpenAI berichtet, Codex-Spark zeige auf SWE-Bench Pro und Terminal-Bench 2.0 starke Ergebnisse und erledige die Aufgaben deutlich schneller als GPT‑5.3‑Codex. Konkrete Benchmarkwerte sind im vorliegenden Text nicht angegeben. Die beschriebene Dauerberechnung berücksichtigt Ausgabeerzeugung, Vorverarbeitung, Werkzeugausführung und Netzwerkaufwand. Die Abbildungen sind lediglich durch Beschriftungen und Dateiverweise vertreten; ihre Diagrammdaten lassen sich aus dem Text nicht entnehmen.

Die Entwicklung habe laut Bericht auch Verbesserungen an der gesamten Anfrage-Antwort-Kette angestoßen. Eine dauerhafte WebSocket-Verbindung sowie Änderungen an Übertragung, Inferenz und Sitzungsstart hätten den Aufwand pro Client-Server-Rundlauf um 80 Prozent, den Aufwand pro Token um 30 Prozent und die Zeit bis zum ersten Token um 50 Prozent reduziert. Diese Verbindung sei für Spark standardmäßig aktiviert und solle bald auch bei anderen Modellen zum Standard werden.

Das Modell laufe auf Cerebras’ Wafer Scale Engine 3. OpenAI beschreibt Cerebras als Ergänzung zur GPU-Infrastruktur, insbesondere für Anwendungen mit hohen Anforderungen an geringe Verzögerung. Laut Bericht durchlief Spark die üblichen Sicherheitsbewertungen und erreiche nach Einschätzung von OpenAI nicht plausibel die Schwelle des Preparedness Frameworks für hohe Fähigkeiten in Cybersicherheit oder Biologie. Für spätere Ausbaustufen kündigt OpenAI größere Modelle, längere Kontextfenster und multimodale Eingaben an. Langfristig sollen Echtzeitinteraktion und längere Hintergrundaufgaben ineinandergreifen können.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die beiden Zusammenfassungen (kurz und mittel) wurden gemeinsam bewertet. Die Einordnung stützt sich nur auf den Textinhalt des Berichts; die Diagramme enthalten keine auswertbaren Werte.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Partnerschaft mit Cerebras als Hintergrund des Modells sowie die Hardware Wafer Scale Engine 3 werden in keiner der beiden Zusammenfassungen genannt.
  • Die konkreten Latenzverbesserungen (80 % weniger Overhead pro Roundtrip, 30 % pro Token, 50 % kürzere Zeit bis zum ersten Token) fehlen; nur allgemein von besserer Latenz die Rede.
  • Die Zukunftsperspektive eines Codex mit zwei Modi (langer Horizont und Echtzeit-Zusammenarbeit) und einer Familie ultraschneller Modelle fehlt.

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 28 %nur am Rande erwähnt
    • Luna 60 %einzelne zitierbare Belege
    • JEV 48 %einzelne zitierbare Belege
    • amos 28 %nur am Rande erwähnt
    • SubQ 33 %nur am Rande erwähnt
    • drex 29 %nur am Rande erwähnt
    • d3-ultra offen
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-F1-T01 Welche Belege zu Cyberfähigkeiten soll ein Labor vor der Freigabe eines Modells veröffentlichen (Methoden, Aufgabenfamilien, Fehlerraten, getestete Version, reproduzierbare Cyber-Tests in abgeschirmter Umgebung für unabhängige Prüfer), damit jedes Ministerium sie nachstellen kann, statt ihnen vertrauen zu müssen? Und führt es für dieselbe Modellversion abgestimmte Cyber-Tests durch, die sowohl den durch Schutzmaßnahmen verhinderten Missbrauch als auch die legitimen Abwehraufgaben messen, die dieselben Schutzmaßnahmen blockieren, und weist es beide Ergebnisse aus? Luna: Stufe 4 · 33 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
    • SF-F1-T02 Veröffentlichen Labore abgestimmte Cyber-Tests, die zeigen, was jedes Modell mehr leistet als ein Mensch ohne KI-Hilfe? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
    • SF-F1-T04 Welcher gemeinsame, neutrale und offene Maßstab (Aufgaben, Erfolgsrate, abgeschirmte Testumgebung, Belege) zeigt, dass eine Cyber-Schwelle überschritten ist? Würden ein Ministerium und ein Labor in verschiedenen Staaten ihn annehmen, bevor das nächste Modell als Überschreitung eingestuft wird, damit Schwellen gemessen und nicht behauptet werden? Und dient derselbe Maßstab dann sowohl dazu, ein Modell einzustufen, als auch dazu, das Tempo seiner Entwicklung zu steuern? Luna: Stufe 3 · 26 % · Hintergrund, keine Belege
    • SF-F1-T05 Welche Cyber-Prüfungen und welche Testbausteine (Testfälle, Bewertungswerkzeuge, Datensätze) würden jedes Labor und jedes Ministerium anstelle einer bloßen Behauptung als gültig anerkennen, wenn andere sie an ihrem Modell durchführen? Und welche genormte Testsammlung würden Labore verschiedener Staaten gemeinsam an eingefrorenen Modellversionen laufen lassen, verwaltet von einer dritten Stelle, der alle trauen? Luna: Stufe 3 · 30 % · Hintergrund, keine Belege
  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 46 %Hintergrund, keine Belege
    • JEV 43 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 35 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-F2-T01 Wenn ein Ministerium ein Modell als Beleg nennt, dass eine Schwelle überschritten ist: Veröffentlicht das Ministerium die Tests, die Modellversion und was es gemessen hat, und veröffentlicht das Labor die Cyber-Prüfung dieser Version auch in der Sprache des Ministeriums? Und welches Ergebnis würde das Ministerium dazu bringen, seine Behauptung zurückzunehmen? Luna: Stufe 3 · 26 % · Hintergrund, keine Belege
  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 45 %nur am Rande erwähnt
    • JEV 45 %nur am Rande erwähnt
    • amos 33 %nur am Rande erwähnt
    • SubQ 33 %gleiches Oberthema, hilft nicht
    • drex 40 %nur am Rande erwähnt
    • d3-ultra offen

    • 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 · 36 % · Hintergrund, keine Belege
  4. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 40 %einzelne zitierbare Belege
    • JEV 36 %nur am Rande erwähnt
    • amos 26 %einzelne zitierbare Belege
    • SubQ 35 %gleiches Oberthema, hilft nicht
    • drex 27 %nur am Rande erwähnt
    • d3-ultra offen

    • 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? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege
    • SF-F4-T04 Wie wird ein Modell als sicher bescheinigt, bevor es von einem harmlosen Bereich wie Chat in einen folgenreichen Einsatzbereich wie Angriff, Führung und Kontrolle oder Cyber wechselt, in dem seine Entwickler es nie eingesetzt haben, und welches gemeinsame Verfahren erkennt gefährliches, neu auftretendes Verhalten vor dem Wechsel? Luna: Stufe 4 · 34 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 23 %nur am Rande erwähnt
    • Luna 42 %einzelne zitierbare Belege
    • JEV 63 %einzelne zitierbare Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 34 %gleiches Oberthema, hilft nicht
    • drex 28 %einzelne zitierbare Belege
    • d3-ultra offen

    • SF-P3-T01 Welcher gemeinsame Rahmen für Labore macht Selbstüberwachung überprüfbar, ohne geschütztes geistiges Eigentum offenzulegen, und welche unabhängigen Verfahren Dritter, falls es sie gibt, bestätigen, dass die Selbstüberwachung riskantes Verhalten vor der Freigabe wirklich findet und nicht nur Schein ist? Luna: Stufe 3 · 25 % · Hintergrund, keine Belege
    • 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 4 · 41 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • 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 · 31 % · einzelne zitierbare Belege
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 44 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 26 %Hintergrund, keine Belege
    • SubQ 33 %gleiches Oberthema, hilft nicht
    • drex 29 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • 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? Luna: Stufe 3 · 30 % · Hintergrund, keine Belege
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 33 %gleiches Oberthema, hilft nicht
    • Luna 44 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 62 %gleiches Oberthema, hilft nicht
    • drex 62 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
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 28 %gleiches Oberthema, hilft nicht
    • JEV 46 %einzelne zitierbare Belege
    • amos 27 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 56 %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 48 %einzelne zitierbare Belege
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 48 %einzelne zitierbare Belege
    • JEV 39 %umfangreiche Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 25 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

    • 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? Luna: Stufe 3 · 32 % · Hintergrund, keine 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 25 %gleiches Oberthema, hilft nicht
    • Luna 43 %Hintergrund, keine Belege
    • JEV 38 %einzelne zitierbare Belege
    • amos 31 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 27 %nur am Rande erwähnt
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • 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 51 %einzelne zitierbare Belege
    • JEV 53 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
    • Haiku-Prüfung 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 32 %einzelne zitierbare Belege
    • JEV 48 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 70 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-O2-T05 Welche öffentlichen Zusagen eines Spitzenlabors macht die juristische Person, die bei einem Bruch verklagt würde, und welche nur das Forschungsteam, und veröffentlichen die Labore das für jede Zusage? Luna: Stufe 3 · 28 % · Hintergrund, keine Belege
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 34 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 36 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 62 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • 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 28 %Hintergrund, keine Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 61 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • 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 · 31 % · Hintergrund, keine Belege
    • SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege
Wirtschaft und Haftung

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 →