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
openai22. August 2023 · Q009169

GPT-3.5 Turbo fine-tuning and API updates

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Beitrag stellt Fine-Tuning für GPT‑3.5 Turbo vor und nennt als mögliche Vorteile besser steuerbare Antworten, verlässlichere Formate und kürzere Prompts. OpenAI berichtet von positiven frühen Tests, beschreibt Sicherheitsprüfungen und Preise und kündigt neue GPT‑3-Modelle sowie einen aktualisierten Fine-Tuning-Endpunkt an; die Leistungsangaben beruhen teilweise auf Beta-Erfahrungen.

Mittel

Der Bericht kündigt Fine-Tuning für GPT‑3.5 Turbo an, damit Entwickler das Modell an konkrete Anwendungsfälle anpassen können. OpenAI zufolge zeigten frühe Tests bei manchen eng umrissenen Aufgaben Leistungen auf GPT‑4-Niveau oder darüber. Als mögliche Vorteile nennt der Text bessere Befolgung von Anweisungen, zuverlässigere Formate wie JSON, anpassbaren Ton und kürzere Prompts. In einer privaten Beta hätten frühe Tester ihre Prompts um bis zu 90 Prozent reduziert. Das Modell unterstütze bis zu 4.000 Tokens beim Fine-Tuning. OpenAI empfiehlt, die Anpassung mit Prompt Engineering, Informationsabruf und Funktionsaufrufen zu kombinieren; Unterstützung für Function Calling und GPT‑3.5‑Turbo‑16k sei später geplant.

Der beschriebene Ablauf umfasst Datenvorbereitung, Upload, Erstellung eines Fine-Tuning-Auftrags und Nutzung des fertigen Modells. Trainingsdaten würden laut OpenAI mit Moderationssystemen geprüft. Der Beitrag nennt Preise für Training sowie Eingabe- und Ausgabe-Tokens und beziffert ein Beispiel mit 100.000 Tokens über drei Epochen auf 2,40 US-Dollar. Außerdem stellt er `babbage-002` und `davinci-002` als Nachfolger älterer GPT‑3-Modelle sowie einen neuen Fine-Tuning-Endpunkt vor; die alten Modelle und der bisherige Endpunkt sollten am 4. Januar 2024 abgeschaltet werden. Leistungs- und Einsparungsangaben beruhen teilweise auf frühen Tests und Beta-Erfahrungen und sind keine belegte Garantie für alle Anwendungen.

Ausführlich lesen

Der Bericht kündigt an, dass GPT‑3.5 Turbo für Entwicklerinnen und Entwickler durch überwachtes Fine-Tuning angepasst werden kann. OpenAI erklärt, die Anpassung solle Modelle für bestimmte Anwendungsfälle verbessern und ihren Einsatz in großem Maßstab ermöglichen. Fine-Tuning für GPT‑4 werde im Herbst folgen. Laut frühen Tests könne eine angepasste GPT‑3.5-Turbo-Version bei manchen eng umrissenen Aufgaben Fähigkeiten auf GPT‑4-Niveau erreichen oder übertreffen. Der Bericht betont außerdem, dass Kundinnen und Kunden Eigentümer der über die Fine-Tuning-API gesendeten Daten bleiben und OpenAI diese nicht zum Training anderer Modelle verwende.

Als typische Einsatzbereiche nennt der Text eine bessere Befolgung von Vorgaben, verlässlichere Ausgabeformate und einen anpassbaren Ton. So könne ein Modell etwa knapper antworten, bei entsprechender Aufforderung stets Deutsch verwenden, Prompts zuverlässiger in JSON umwandeln oder die Markenstimme eines Unternehmens treffen. Diese Verbesserungen werden als Erfahrungen aus einer privaten Beta beschrieben, nicht als allgemeine Garantie. OpenAI zufolge könne Fine-Tuning außerdem längere Anweisungen im Modell verankern und so kürzere Prompts ermöglichen. Das damalige Modell unterstütze bis zu 4.000 Tokens beim Fine-Tuning, doppelt so viele wie frühere Fine-Tuning-Modelle. Frühe Tester hätten ihre Prompts um bis zu 90 Prozent verkleinert; der Bericht verbindet dies mit schnelleren API-Aufrufen und niedrigeren Kosten.

Der Text empfiehlt, Fine-Tuning mit Prompt Engineering, Informationsabruf und Funktionsaufrufen zu kombinieren. Unterstützung für Fine-Tuning mit Function Calling und GPT‑3.5‑Turbo‑16k werde später im Herbst erwartet. Der beschriebene Ablauf besteht aus vier Schritten: Daten vorbereiten, Dateien hochladen, einen Fine-Tuning-Auftrag erstellen und das angepasste Modell nutzen. Nach Abschluss stehe das Modell für den Produktionseinsatz bereit und teile die Ratenlimits des zugrunde liegenden Modells. Eine Benutzeroberfläche für Fine-Tuning-Aufträge und Modellversionen sei für die nahe Zukunft angekündigt.

Zur Sicherheit erklärt OpenAI, die Trainingsdaten würden durch die Moderation-API und ein GPT‑4-gestütztes Moderationssystem geprüft, um unsichere Daten zu erkennen, die den Sicherheitsstandards widersprechen. Für GPT‑3.5-Turbo-Fine-Tuning nennt der Bericht Preise von 0,008 US-Dollar je 1.000 Trainings-Tokens, 0,012 US-Dollar je 1.000 Eingabe-Tokens und 0,016 US-Dollar je 1.000 Ausgabe-Tokens. Als Beispiel werden für 100.000 Trainings-Tokens über drei Epochen erwartete Kosten von 2,40 US-Dollar angegeben.

Zusätzlich stellt OpenAI `babbage-002` und `davinci-002` als Basis- oder Fine-Tuning-Nachfolger der älteren GPT‑3-Modelle `ada`, `babbage`, `curie` und `davinci` vor, deren Abschaltung für den 4. Januar 2024 angekündigt war. Die neuen Modelle seien über die Completions API verfügbar und könnten mit dem Endpunkt `/v1/fine_tuning/jobs` angepasst werden. Dieser ersetze den älteren Endpunkt `/v1/fine-tunes`, dessen Abschaltung ebenfalls für den 4. Januar 2024 vorgesehen war. Der Beitrag nennt getrennte Tokenpreise für Basis- und angepasste Modelle. Seine Aussagen zu Leistungsgewinnen, Prompt-Einsparungen und Kosten beruhen teilweise auf frühen Tests oder Beta-Erfahrungen; der Text belegt keine unabhängigen Prüfungen oder Ergebnisse für alle Aufgaben und Nutzer.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Beide Zusammenfassungen (kurz und mittel) wurden gemeinsam geprüft; die Mängel betreffen vor allem die mittlere Fassung. Die drei Sammelfragen wurden je einzeln bewertet, da die Teilfrageliste leer ist.

Im Bericht, aber nicht in der Zusammenfassung

  • Kundendaten gehören dem Kunden und werden von OpenAI nicht zum Training anderer Modelle genutzt
  • Fine-Tuning für GPT-4 ist für den Herbst angekündigt
  • Ein Fine-Tuning-UI für Jobs und Modell-Snapshots ist in naher Zukunft geplant
  • Die Preise der GPT-3-Modelle für Base- und Fine-Tuning-Nutzung fehlen in der Zusammenfassung

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Die Aussage, Leistungsangaben seien keine belegte Garantie für alle Anwendungen, ist eine Bewertung, die der Bericht so nicht trifft
  • Die Reduktion der Prompts um bis zu 90 Prozent wird der privaten Beta zugeordnet, der Bericht nennt dafür nur early testers

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
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
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 52 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 63 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %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 100 %kein Bezug
    • JEV 23 %einzelne zitierbare Belege
    • amos 28 %nur am Rande erwähnt
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 63 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht
  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 33 %einzelne zitierbare Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 42 %einzelne zitierbare Belege
    • JEV 36 %beantwortet teilweise oder widerspricht
    • amos 25 %Hintergrund, keine Belege
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra 48 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege
Agenten und vernetzte Systeme
  1. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 30 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 45 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
  1. 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 29 %Hintergrund, keine Belege
    • JEV 31 %gleiches Oberthema, hilft nicht
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 47 %einzelne zitierbare Belege
    • JEV 39 %einzelne zitierbare Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra 61 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt
  3. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 34 %einzelne zitierbare Belege
    • JEV 33 %nur am Rande erwähnt
    • amos 27 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
Offenlegung und Rechenschaft
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 22 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 49 %einzelne zitierbare Belege
    • JEV 46 %einzelne zitierbare Belege
    • amos 46 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
  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 100 %kein Bezug
    • JEV 25 %einzelne zitierbare Belege
    • amos 52 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
Information und Öffentlichkeit

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 →