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
openai1. Oktober 2024 · Q009236

Introducing vision to the fine-tuning API

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht stellt GPT‑4o-Feintraining mit Bildern und Text vor und nennt Verbesserungen, die Grab, Automat und Coframe in eigenen Anwendungen berichten. Die Zahlen sind nicht unabhängig belegt; ein späterer Hinweis besagt, dass OpenAI die Feintrainingsplattform zurückfährt und neue Nutzer keinen Zugang mehr erhalten.

Mittel

Der Bericht beschreibt GPT‑4o-Feintraining mit Bild- und Textdaten. OpenAI zufolge soll es die Leistung bei visuellen Aufgaben verbessern und bereits mit mindestens 100 Bildern möglich sein. Drei Partnerunternehmen berichten von Verbesserungen: Grab nennt nach dem Training mit 100 Beispielen 20 Prozent höhere Fahrspur-Zählgenauigkeit und 13 Prozent bessere Erkennung von Tempolimitschildern. Automat gibt an, die Erfolgsrate eines Desktop-Automatisierungsagenten sei von 16,60 auf 61,67 Prozent gestiegen; bei Versicherungsdokumenten habe ein Training mit 200 Bildern den F1-Wert um 7 Prozent erhöht. Coframe berichtet von einer Verbesserung um 26 Prozent beim Erzeugen stilistisch und gestalterisch passender Website-Abschnitte.

Die Zahlen stammen laut Text von den beteiligten Unternehmen. Angaben zu unabhängiger Prüfung, Versuchsaufbau oder statistischer Unsicherheit fehlen, daher lassen sich die Resultate nicht ohne Weiteres verallgemeinern. OpenAI sagt, Modelle auf Sicherheit zu prüfen und Kundendaten ohne ausdrückliche Zustimmung nicht zum Training eigener Modelle zu verwenden.

Ein nachträglicher Hinweis vom 8. Mai 2026 ergänzt, dass die Feintrainingsplattform zurückgefahren wird: Neue Nutzer haben keinen Zugang mehr; bestehende Nutzer können noch für einige Monate Trainingsaufträge erstellen. Bereits feintrainierte Modelle sollen bis zur Abkündigung ihrer Basismodelle für Inferenz verfügbar bleiben.

Ausführlich lesen

Der Bericht stellt eine Erweiterung des GPT‑4o-Feintrainings vor: Entwickler können das Modell mit Bild- und Textdaten anpassen, um seine Leistung bei visuellen Aufgaben zu verbessern. OpenAI zufolge hatten zuvor bereits viele Entwickler Text-Feintraining genutzt; bei manchen Aufgaben reichten Textdaten allein jedoch nicht für den erhofften Leistungsschub. Laut Bericht soll das visuelle Feintraining mit mindestens 100 Bildern möglich sein, während größere Mengen an Bild- und Textdaten weitere Verbesserungen ermöglichen können. Die Trainingsbeispiele werden in einem vorgegebenen Format hochgeladen.

Zur Veranschaulichung nennt der Bericht drei Anwendungen von Partnerunternehmen. Grab habe GPT‑4o anhand von 100 Beispielen darauf trainiert, Verkehrsschilder zu lokalisieren und Fahrbahnmarkierungen zu zählen. Das Unternehmen berichtet von 20 Prozent höherer Genauigkeit bei der Zahl der Fahrspuren und 13 Prozent besserer Lokalisierung von Tempolimitschildern gegenüber dem Basismodell. Automat habe das Modell mit Bildschirmfotos trainiert, damit es Benutzeroberflächenelemente anhand von Beschreibungen findet. Das Unternehmen gibt an, die Erfolgsrate seines RPA-Agenten sei von 16,60 auf 61,67 Prozent gestiegen. Zusätzlich habe ein Training mit 200 Bildern unstrukturierter Versicherungsdokumente den F1-Wert bei der Informationsextraktion um 7 Prozent verbessert. Coframe zufolge erhöhte das Training mit Bildern und Code die Fähigkeit, Website-Abschnitte im passenden visuellen Stil und Layout zu erzeugen, um 26 Prozent gegenüber GPT‑4o ohne dieses Feintraining.

Diese Zahlen sind im Bericht als Ergebnisse der jeweiligen Unternehmen wiedergegeben; Angaben zu Versuchsaufbau, Datensätzen, statistischer Unsicherheit oder unabhängiger Prüfung enthält der vorliegende Text nicht. Die Beispiele belegen daher zunächst die berichteten Resultate in diesen konkreten Anwendungen und erlauben keine pauschale Aussage über andere Aufgaben.

OpenAI erklärt, feintrainierte Modelle automatisiert auf Sicherheit zu prüfen und ihre Nutzung zu überwachen. Der Bericht verweist außerdem auf die Enterprise-Datenschutzverpflichtungen und sagt, dass Geschäftsdaten unter der Kontrolle der Kunden blieben und ohne ausdrückliche Erlaubnis nicht zum Training der OpenAI-Modelle verwendet würden.

Laut den ursprünglichen Verfügbarkeitsangaben war die Funktion für Entwickler in bezahlten Nutzungsstufen mit dem Modellstand `gpt-4o-2024-08-06` verfügbar. Der Text nennt zunächst ein kostenloses Tageskontingent von einer Million Trainingstoken bis zum 31. Oktober 2024 und danach Preise für Training und Inferenz. Ein später eingefügter Hinweis vom 8. Mai 2026 besagt jedoch, OpenAI fahre die Feintrainingsplattform zurück: Neue Nutzer könnten sie nicht mehr verwenden, bestehende Nutzer sollten noch einige Monate Trainingsaufträge erstellen können, und bereits feintrainierte Modelle blieben bis zur Abkündigung ihrer Basismodelle für Inferenz verfügbar. Der Bericht verweist für den vollständigen Zeitplan auf eine externe Seite, gibt ihn selbst aber nicht wieder.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Luna hat zwei Zusammenfassungen geliefert, kurz und mittel. Bewertet wurde die Fassung insgesamt: Die mittlere ist sachlich treu und nennt die Zahlen korrekt, die kurze enthält eine nicht belegte Wertung. Die Einordnung stützt sich nur auf den Bericht; Lunas Stufen wurden nicht übernommen.

Im Bericht, aber nicht in der Zusammenfassung

  • Preise: 1 Mio. Trainings-Tokens pro Tag kostenlos bis 31. Oktober 2024, danach 25 $ je 1 Mio. Trainings-Tokens und 3,75 $ bzw. 15 $ je 1 Mio. Input- bzw. Output-Tokens für die Inferenz
  • Verfügbarkeit für alle Entwickler auf bezahlten Nutzungsstufen sowie das Basismodell gpt-4o-2024-08-06
  • Die 272-Prozent-Steigerung bei Automat gegenüber dem Basismodell
  • Beispielanwendungen wie verbesserte Objekterkennung für autonome Fahrzeuge und medizinische Bildanalyse
  • Die Aussage, dass Feintuning-Modelle unter Kontrolle des Kunden bleiben und Kundendaten nicht ohne ausdrückliche Zustimmung zum Training verwendet werden

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Die kurze Fassung behauptet, die Zahlen seien nicht unabhängig belegt. Der Bericht sagt dazu nichts, das ist eine eigene Bewertung von Luna.

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
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 41 %nur am Rande erwähnt
    • amos 29 %nur am Rande erwähnt
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 32 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

    • SF-T1-T06 Welcher öffentliche Beleg zeigt, ob vereinbarte Grenzen eingehalten werden? Luna: Stufe 1 · 41 % · gleiches Oberthema, hilft nicht · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
  2. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 35 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  3. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 37 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 70 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
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 34 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • 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 42 %einzelne zitierbare Belege
    • JEV 29 %einzelne zitierbare Belege
    • amos 24 %Hintergrund, keine Belege
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 30 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung umfangreiche 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 33 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 39 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
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 30 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 25 %nur am Rande erwähnt
    • SubQ 34 %gleiches Oberthema, hilft nicht
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 58 %einzelne zitierbare Belege
    • JEV 30 %einzelne zitierbare Belege
    • amos 26 %gleiches Oberthema, hilft nicht
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • 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 50 %einzelne zitierbare Belege
    • JEV 34 %einzelne zitierbare Belege
    • amos 28 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 25 %nur am Rande erwähnt
    • d3-ultra offen
    • Haiku-Prüfung einzelne zitierbare Belege

Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 58 %Hintergrund, keine Belege
    • JEV 37 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen

  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 100 %kein Bezug
    • JEV 29 %einzelne zitierbare Belege
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
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 →