Introducing vision to the fine-tuning API
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.
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.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Vorfälle melden
- SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 48 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 44 %gleiches Oberthema, hilft nicht
- d3-ultra
Fähigkeiten messen
- 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 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 40 %gleiches Oberthema, hilft nicht
- SubQ 52 %gleiches Oberthema, hilft nicht
- drex 51 %gleiches Oberthema, hilft nicht
- d3-ultra
- 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 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 61 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra
- 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 27 %nur am Rande erwähnt
- amos 28 %nur am Rande erwähnt
- SubQ 48 %gleiches Oberthema, hilft nicht
- drex 33 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-F5 Wie gehen Staaten gemeinsam gegen KI-gestützte Cyberangriffe vor und verhindern Eskalation zwischen autonomen Systemen, ohne die Verteidigung zu behindern?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 55 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra
Unabhängig prüfen
- SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 51 %gleiches Oberthema, hilft nicht
- drex 63 %gleiches Oberthema, hilft nicht
- d3-ultra
- 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
- 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?
- SF-P3-T05 Welches Mindestpaket (Datenverzeichnisse, Code, Zufallsstartwerte, Abbilder der Rechenumgebung, Prüferversionen, Fehlerprotokolle und Annahmen über die Hardware) muss ein Labor sichern oder kontrolliert hinterlegen, damit ein Prüfer ein sicherheitskritisches Trainings- oder Prüfergebnis auch nach Ende seines Zugangs nachrechnen kann, und welche Geheimnisse bleiben unzugänglich?
- 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?
- SF-P3-T08 Welche gemeinsame Bezugsgröße für den Umfang der Nutzung, welcher Beobachtungszeitraum, welcher Stichprobenplan, welche Definition von Beinahe-Vorfall und welche statistische Obergrenze (obere Konfidenzgrenze) würden es jedem erlauben zu sagen: „keine erkennbare systemische Fehlausrichtung (Verhalten gegen die vorgesehenen Ziele oder Werte) im Einsatzmaßstab“? Und wie muss dargestellt werden, dass die Erkennung lückenhaft ist?
- SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 44 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-P5 Wie überprüft man, ob Zusagen zwischen Staaten eingehalten werden, auch über Jahre und Regierungswechsel hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 62 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Tempo und Grenzen
- 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
- SF-T1-T02 Welche messbaren Schwellen halten die weitere Skalierung von KI-Modellen automatisch an, wer prüft sie, und wie bleiben diese Auslöser bindend, wenn der Wettbewerb drückt?
- 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?
- SF-T1-T06 Welcher öffentliche Beleg zeigt, ob vereinbarte Grenzen eingehalten werden?
- 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
- 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
Vertrauen in Modelle
- 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 100 %kein Bezug
- amos 38 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 56 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 70 %gleiches Oberthema, hilft nicht
- d3-ultra
- 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
- 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
- Haiku-Prüfung umfangreiche Belege
Agenten und vernetzte Systeme
- 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 100 %kein Bezug
- JEV 24 %nur am Rande erwähnt
- amos 30 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- 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
Modelle teilen und schützen
- 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
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 40 %gleiches Oberthema, hilft nicht
- SubQ 55 %gleiches Oberthema, hilft nicht
- drex 58 %gleiches Oberthema, hilft nicht
- d3-ultra
- 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
- Haiku-Prüfung nur am Rande erwähnt
- SF-H3-T06 Welcher unabhängig prüfbare Mindestbeleg zeigt, dass eine bestimmte Person, Organisation oder ein geschützter Datensatz aus einem veröffentlichten Modell und seinen Adaptern (Zusatzmodulen) verlernt wurde, und welches Restrisiko einer Extraktion lässt sich womöglich nie auf null senken?
- 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
- Haiku-Prüfung einzelne zitierbare Belege
- SF-H4-T02 Welches prüfbare Verfahren (Gewichte vernichten, Zugang über die Programmierschnittstelle sperren, Eintrag in ein öffentliches Register) stellt sicher, dass ein stillgelegtes Modell und seine durch weiteres Training angepassten Ableger nicht mehr einsetzbar sind, und wer prüft das in jedem Staat unabhängig vom Labor?
Offenlegung und Rechenschaft
- 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 100 %kein Bezug
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 77 %gleiches Oberthema, hilft nicht
- drex 56 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-O3 Welcher Text gilt, und wie beweist man, dass ein Dokument nicht verändert wurde?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Beteiligung und Gemeinwohl
- SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 64 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra
- SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 59 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra
- 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
- SF-E4-T01 Was hieße die Formel von KI als „gemeinsamem Gut der ganzen Menschheit“ praktisch (Zugang, Teilen des Nutzens, gestaffelte Preise, Technologietransfer), so dass jeder Staat sie tatsächlich unterschreiben und prüfen könnte?
- SF-E4-T03 Wie können gemeinsame Sicherheitsregeln verhindern, dass hohe Kosten der Einhaltung den Markt auf wenige reiche Labore verengen, und trotzdem kleine Entwickler und Open-Source-Entwickler auf dieselbe Mindestschwelle für Sicherheit verpflichten?
- 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
Information und Öffentlichkeit
- SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 47 %gleiches Oberthema, hilft nicht
- drex 47 %gleiches Oberthema, hilft nicht
- d3-ultra
Weitere Berichte zu diesen Fragen
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- Woran erkennen andere, dass ein Labor wirklich bremst?
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- Alle Berichte im Archiv