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
openai18. Juli 2018 · Q008833

OpenAI Five Benchmark

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht kündigt ein OpenAI-Five-Dota-Benchmarkspiel gegen sehr hoch eingestufte menschliche Spieler für den 5. August an und beschreibt Fortschritte bei Spielmechaniken, Heldenauswahl und Reaktionszeit. Die überlieferte Regelliste widerspricht teilweise der Aussage, Einschränkungen bei Wards, Roshan und Spiegelpartien seien aufgehoben; außerdem enthält der Text keine Ergebnisse des angekündigten Spiels.

Mittel

Der Bericht kündigt für den 5. August in San Francisco ein OpenAI-Five-Benchmarkspiel gegen ein menschliches Dota-2-Team an. Geplant ist eine Best-of-three-Serie gegen Spieler im 99,95. Perzentil, begleitet von einer Twitch-Übertragung; zuvor sollen Aufwärmrunden mit Zuschauern stattfinden. OpenAI beschreibt dies als nächsten Schritt, nachdem ein früheres System Profis in Dota eins gegen eins besiegt und OpenAI Five zuletzt Amateurteams im vollständigen Spiel geschlagen habe. Das Ereignis solle zeigen, ob das System bis Ende August das Niveau der Spitzenprofis erreichen könne.

Als Fortschritte nennt der Text Wards, Roshan, einen Heldenpool von 18 Figuren und eine auf 200 Millisekunden erhöhte Reaktionszeit. Das Unternehmen führt Teamarbeit und Koordination als wichtigere Stärken als Reflexe an und berichtet, keine spielerischen Änderungen durch die längere Reaktionszeit beobachtet zu haben. Die Regelliste enthält Einschränkungen zu Gegenständen, Beschwörungen, Illusionen, Kurieren, Scan und Unsichtbarkeit. Bei Wards, Roshan und Spiegelpartien widerspricht die sichtbare Liste teilweise der Einleitung, die deren Einschränkungen als aufgehoben bezeichnet. Da die angekündigten Durchstreichungen in der bereitgestellten Fassung nicht sichtbar sind, bleibt der genaue Regelstand unklar. Der Text kündigt das Ereignis an, berichtet aber nicht über dessen Ausgang.

Ausführlich lesen

Der Bericht kündigt für den 5. August in San Francisco ein öffentliches OpenAI Five-Benchmarkspiel gegen ein menschliches Dota-2-Team an. Das Team soll aus Blitz, Cap, Fogged und Merlini bestehen, teils ehemaligen Profis. Geplant ist eine Liveübertragung auf Twitch mit den Kommentatoren Purge und ODPixel. Vor dem Hauptspiel sind Aufwärmrunden mit Zuschauern vorgesehen. Der Zeitplan nennt geöffnete Türen ab 12 Uhr pazifischer Zeit, den Beginn des Streams um 12:30 Uhr und den Start des Hauptprogramms um 13:15 Uhr. Dieses soll aus einer Einführung und einer Best-of-three-Serie gegen Spieler im 99,95. Perzentil bestehen.

OpenAI stellt das Ereignis als nächsten Schritt nach früheren Erfolgen dar: Ein vorläufiges System habe im Vorjahr die besten Profis in der Eins-gegen-eins-Version von Dota besiegt; im Monat vor dem angekündigten Benchmark habe OpenAI Five begonnen, Amateurteams im vollständigen Spiel zu schlagen. Der Bericht sagt, die neuen Spiele sollten zeigen, ob das System eine Chance habe, bis zum Ende August das Niveau der Spitzenprofis zu erreichen. Er berichtet jedoch nicht, wie das Benchmarkspiel tatsächlich ausging.

Als Fortschritte nennt der Text die Integration von Wards und Roshan sowie eine Erweiterung des Heldenpools auf 18 Charaktere. Der einleitende Abschnitt erklärt außerdem, dass Einschränkungen bei Wards, Roshan und Spiegelpartien mit festgelegten Helden aufgehoben worden seien. Die anschließend überlieferte Regelliste führt Warding und Roshan jedoch weiterhin unter den Einschränkungen auf und nennt auch eine Spiegelpartie mit fünf bestimmten Helden. Zwar erklärt der Bericht, durchgestrichene Punkte seien aufgehoben worden, aber in der bereitgestellten Fassung sind solche Durchstreichungen nicht erkennbar. Daher lässt sich aus dem Auszug nicht eindeutig bestimmen, welche dieser Listeneinträge noch gelten.

Weitere in der Regelliste aufgeführte Grenzen betreffen bestimmte Gegenstände, Beschwörungen und Illusionen, fünf unverwundbare Kuriere ohne Ausnutzung zum Aufklären oder Abfangen von Angriffen, den Verzicht auf Scan sowie Unsichtbarkeit durch Verbrauchsgegenstände und passende Gegenstände. OpenAI gibt an, die Reaktionszeit des Systems von 80 auf 200 Millisekunden erhöht zu haben. Das sei näher am menschlichen Niveau; Änderungen im Spielverhalten habe man dadurch nicht beobachtet. Nach Einschätzung des Unternehmens beruhe die Stärke eher auf Teamarbeit und Koordination als auf Reflexen.

Der Bericht beschreibt außerdem Rapid als ein allgemeines Trainingssystem, mit dem seit Juni durch neue Funktionen und Zufallsvariationen komplexe Fähigkeiten vermittelt worden seien. Interessierte konnten ein persönliches Teilnahmegesuch einreichen; der Veranstaltungsort war laut Text auf 300 Personen begrenzt, und Einladungen sollten nach den Antworten auf das Formular ausgewählt werden. Insgesamt ist der Text eine Ankündigung mit Angaben zu Spielregeln, Ablauf und damaligem Entwicklungsstand, kein Ergebnisbericht zum angekündigten Wettbewerb.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die mittlere Zusammenfassung gibt den Bericht im Kern treu wieder, auch die Widersprüche bei Wards, Roshan und Spiegelpartien. Die kurze Fassung ist ebenfalls sinngemäß korrekt, lässt aber dieselben Details aus. Die Einordnung von Luna überschätzt die Belegdichte deutlich, weil der Bericht keine Aussagen zu den Sicherheitsfragen enthält.

Im Bericht, aber nicht in der Zusammenfassung

  • Zeitplan des Ereignisses (Livestream 12:30 PT, Hauptereignis 13:15 PT)
  • Zusammensetzung des menschlichen Teams (Blitz, Cap, Fogged, Merlini, teils ehemalige Profis)
  • Einladungsverfahren und Begrenzung auf 300 Plätze für Zuschauer vor Ort
  • Casting durch Purge und ODPixel

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
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 31 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • 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 28 %beantwortet teilweise oder widerspricht
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • 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 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 49 %umfangreiche Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 26 %Hintergrund, keine Belege
    • JEV 29 %gleiches Oberthema, hilft nicht
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 62 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung kein Bezug
Vertrauen in Modelle
  1. 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 54 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 22 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 53 %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 38 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
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 46 %einzelne zitierbare Belege
    • amos 51 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Beteiligung und Gemeinwohl
  1. 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 26 %einzelne zitierbare Belege
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

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 →