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
openai13. November 2025 · Q007638

Introducing GPT-5.1 for developers

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI beschreibt GPT‑5.1 als schnelleres, aufgabenadaptives API-Modell mit längerem Prompt-Caching und neuen Werkzeugen für Dateiänderungen und Shell-Befehle. Die berichteten Benchmarks zeigen Vorteile in mehreren Bereichen, aber auch gemischte Ergebnisse; Firmenlob und Leistungsangaben werden im Text zitiert, ohne unabhängige Gesamtprüfung.

Mittel

Der Bericht stellt GPT‑5.1 als neues API-Modell für agentische und Programmieraufgaben vor. OpenAI zufolge passt es seinen Denkaufwand an die Schwierigkeit an: Einfache Aufgaben sollen schneller und mit weniger Tokens erledigt werden, während das Modell bei komplexen Aufgaben länger arbeitet. Ein Modus ohne Schlussfolgern zielt auf geringe Latenz. Prompt-Caching kann laut Bericht bis zu 24 Stunden erhalten bleiben; zwischengespeicherte Eingabetokens kosten weiterhin 90 Prozent weniger als uncached Tokens.

Für Coding nennt OpenAI bessere Steuerbarkeit, Codequalität und Statusmeldungen. Bei SWE-bench Verified erreicht GPT‑5.1 laut Tabelle 76,3 Prozent gegenüber 72,8 Prozent für GPT‑5. Andere Vergleiche fallen gemischt aus: GPT‑5.1 liegt bei mehreren Benchmarks vorn, GPT‑5 bei AIME 2025 und zwei Tau‑2-Bereichen; BrowseComp ist gleichauf. Neu sind außerdem `apply_patch` für strukturierte Dateiänderungen sowie ein Shell-Werkzeug, bei dem eine Entwicklerintegration vorgeschlagene Befehle ausführt. Die zitierten Firmenrückmeldungen und Leistungsangaben sind im Bericht wiedergegeben, aber nicht unabhängig umfassend überprüft. GPT‑5.1 ist für kostenpflichtige API-Stufen verfügbar; Preise und Ratenlimits entsprechen denen von GPT‑5.

Ausführlich lesen

Der Bericht kündigt GPT‑5.1 für die OpenAI-API an und beschreibt es als Modell für agentische Abläufe und Programmieraufgaben, das Geschwindigkeit und Leistungsfähigkeit verbinden soll. OpenAI zufolge passt GPT‑5.1 den Aufwand fürs Schlussfolgern stärker an die Aufgabe an: Bei einfachen Anfragen soll es weniger Tokens verbrauchen und schneller antworten, bei schwierigen Aufgaben länger arbeiten und seine Ergebnisse überprüfen. Als Beispiel nennt der Bericht eine npm-Abfrage, die GPT‑5.1 laut OpenAI in etwa zwei statt zehn Sekunden beantwortet. Ein neuer Modus mit `reasoning_effort: none` soll besonders geringe Latenz ermöglichen; für anspruchsvollere Aufgaben empfiehlt OpenAI höhere Stufen.

Außerdem führt OpenAI Prompt-Caching mit einer möglichen Aufbewahrung von bis zu 24 Stunden ein. Laut Bericht bleiben die Preise für das Caching unverändert; zwischengespeicherte Eingabetokens kosteten weiterhin 90 Prozent weniger als nicht zwischengespeicherte. Für den Einsatz sei der Parameter `prompt_cache_retention='24h'` erforderlich. Kunden mit Priority Processing sollen GPT‑5.1 ebenfalls schneller erleben.

Für Programmieraufgaben hebt OpenAI eine besser steuerbare und weniger umständliche Arbeitsweise, höhere Codequalität, verständlichere Statusmeldungen während Werkzeugaufrufen und funktionalere Frontend-Entwürfe hervor. Als Kennzahl nennt der Bericht 76,3 Prozent bei SWE-bench Verified für GPT‑5.1 gegenüber 72,8 Prozent für GPT‑5. Die Vergleichstabelle zeigt jedoch kein einheitliches Bild: GPT‑5.1 liegt etwa bei GPQA Diamond, MMMU und den Airline-Aufgaben von Tau 2 vorn, während GPT‑5 bei AIME 2025 sowie Tau 2 Telecom und Retail höhere Werte erreicht; BrowseComp Long Context ist gleichauf. Für Telecom weist der Bericht auf einen zusätzlich verwendeten, allgemein hilfreichen Prompt für GPT‑5.1 hin.

Zwei neue Werkzeuge ergänzen die API: `apply_patch` übermittelt strukturierte Änderungen zum Erstellen, Ändern oder Löschen von Dateien, die eine Integration anwenden und zurückmelden kann. Das Shell-Werkzeug lässt das Modell Befehle vorschlagen, die eine Entwicklerintegration in einer kontrollierten Kommandozeilenumgebung ausführt und deren Ausgaben zurückgibt. Der Bericht schildert außerdem positive Rückmeldungen und Testergebnisse von mehreren Unternehmen. Diese Aussagen stammen von OpenAI beziehungsweise den zitierten Firmen; der Text legt keine unabhängige Gesamtprüfung dieser Angaben vor.

GPT‑5.1 und `gpt-5.1-chat-latest` seien für alle kostenpflichtigen API-Stufen verfügbar, zu Preisen und Ratenlimits wie GPT‑5. Zusätzlich werden `gpt-5.1-codex` und `gpt-5.1-codex-mini` für länger laufende agentische Programmieraufgaben genannt. Eine Abkündigung von GPT‑5 sei derzeit nicht geplant; OpenAI kündigt für einen möglichen späteren Schritt Vorlauf an. Der Bericht beschreibt Produktmerkmale und ausgewählte Benchmarks, belegt aber keine Ergebnisse für alle Einsatzbereiche oder unabhängige Langzeiterfahrungen.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die mittlere Zusammenfassung ist im Kern treu und enthält keine erfundenen Angaben. Die kurze Fassung ist zutreffend, aber allgemeiner. Luna überschätzt die Einordnung deutlich: Der Bericht ist eine Produktankündigung ohne Sicherheits-, Governance- oder Offenlegungsinhalte, daher liegen die Stufen für SF-O2, SF-T1-T05 und SF-E4-T01 deutlich zu hoch.

Im Bericht, aber nicht in der Zusammenfassung

  • GPT-5 bleibt laut Bericht vorerst in der API verfügbar und wird nicht abgekündigt
  • reasoning_effort 'none' ist der Standardwert für GPT-5.1
  • gpt-5.1-codex und gpt-5.1-codex-mini werden zusätzlich veröffentlicht

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 100 %kein Bezug
    • Luna 31 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 100 %kein Bezug
    • JEV 47 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

    • 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? Luna: Stufe 3 · 34 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  2. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 28 %Hintergrund, keine Belege
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 71 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  3. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 31 %gleiches Oberthema, hilft nicht
    • Luna 30 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 29 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 66 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %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 32 %einzelne zitierbare Belege
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  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 25 %Hintergrund, keine Belege
    • JEV 47 %einzelne zitierbare Belege
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 27 %gleiches Oberthema, hilft nicht
    • Luna 43 %einzelne zitierbare Belege
    • JEV 35 %beantwortet direkt und ausführlich
    • amos 27 %nur am Rande erwähnt
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

    • 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 · 45 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 3 · 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 100 %kein Bezug
    • Luna 33 %einzelne zitierbare Belege
    • JEV 49 %einzelne zitierbare Belege
    • amos 28 %einzelne zitierbare Belege
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 23 %gleiches Oberthema, hilft nicht
    • d3-ultra 31 %einzelne zitierbare Belege
    • Haiku-Prüfung einzelne zitierbare Belege

Modelle teilen und schützen
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 31 %einzelne zitierbare Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 51 %gleiches Oberthema, hilft nicht
    • SubQ 66 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 28 %gleiches Oberthema, hilft nicht
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  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 24 %Hintergrund, keine Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
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 →