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
frank-andrade.medium.com1. September 2025 · Q009787

GPT-5 May Be Proof That Scaling Alone Can’t Save AI

frank-andrade.medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Autor sieht GPT-5 als Hinweis darauf, dass mehr Parameter, Daten und Rechenleistung nur noch begrenzte Leistungszuwächse bringen und zugleich Kosten, Energiebedarf sowie Fehleranfälligkeit erhöhen können. Hochwertige Trainingsdaten könnten knapp werden; synthetische Daten seien eine mögliche Teilhilfe, aber mit Risiken verbunden. Viele Zahlen und Ursachen im Bericht beruhen auf Schätzungen, Berichten oder als möglich dargestellten Erklärungen.

Mittel

Der Bericht argumentiert, GPT-5 zeige die Grenzen eines KI-Fortschritts, der vor allem auf mehr Modellparameter, Daten und Rechenleistung setzt. Zwar habe Skalierung frühere Sprünge von GPT-2 bis GPT-4 ermöglicht, doch die zusätzlichen Gewinne würden kleiner, während Trainings- und Betriebskosten, Energiebedarf und Infrastrukturansprüche stark stiegen. Der Autor nennt GPT-4.5 als Beispiel für begrenzte Verbesserungen trotz angeblich sehr großer Modellgröße; die genannten Zahlen beruhen teils auf Schätzungen und Berichten.

Auch GPT-5 habe laut Text trotz starker Benchmark-Werte nur schrittweise zugelegt und reagiere empfindlicher auf Formulierungen. Als mögliche Gründe führt der Bericht die Komplexität der Routing-Architektur sowie Forschung an, nach der Modelle bei ungewohnten Aufgaben gelernte Muster wiederholen können, statt zuverlässig neu zu schlussfolgern.

Eine weitere Grenze sei der Mangel an hochwertigen Trainingsdaten. Mehr Material könne Rauschen und falsche Zusammenhänge einbringen. Synthetische Daten könnten in Spezialbereichen helfen, aber wiederholtes Training darauf berge das Risiko eines Qualitäts- und Vielfaltverlusts. Insgesamt sieht der Autor Skalierung als zunehmend kostspielig und weniger ergiebig; die angeführten Beobachtungen belegen jedoch nicht, dass größere Modelle generell schlechter werden.

Ausführlich lesen

Der Bericht vertritt die These, GPT-5 mache die Grenzen eines KI-Fortschritts sichtbar, der vor allem auf immer größere Modelle, mehr Trainingsdaten und mehr Rechenleistung setzt. Zwar sei GPT-5 als deutlicher Fortschritt bei Schlussfolgern und allgemeinen Fähigkeiten vorgestellt worden, doch Nutzer hätten kurz nach der Veröffentlichung auch gravierende Fehler bei Aufgaben bemerkt, auf die das Modell nicht ausdrücklich trainiert worden sei. Der Autor wertet solche Beobachtungen als Hinweis darauf, dass bloße Skalierung zunehmend weniger bringt.

Rückblickend beschreibt der Text, wie größere Modelle und Datensätze zusammen mit mehr Rechenleistung die Entwicklung von GPT-2 über GPT-3 bis GPT-4 vorangetrieben hätten. Für GPT-5 nennt er eine Architektur mit Experten-Teilmodellen und eine angebliche Größenordnung von Billionen Parametern. Die Angaben zu Modellgrößen, Kosten und Infrastruktur stützen sich im Bericht auf Schätzungen und Berichte: GPT-4.5 habe demnach fünf bis zehn Billionen Parameter umfasst und pro API-Aufruf 15- bis 30-mal so viel gekostet wie GPT-4. Größere Trainingsläufe und der Betrieb im Alltag erforderten dem Text zufolge erhebliche Mengen an Rechenleistung, Strom und Geld. Als Folgen beschreibt er wachsenden Druck auf Hardware und Energieversorgung sowie die Gefahr, dass die Entwicklung auf wenige finanzstarke Unternehmen konzentriert wird.

Der Bericht hält zugleich die Leistungszuwächse für abnehmend: GPT-4.5 habe GPT-4 in vielen Bereichen nur moderat übertroffen, während Verbesserungen bei messbaren Fähigkeiten wie Mathematik und wissenschaftlichem Denken begrenzt gewesen seien. Auch bei GPT-5 seien die Fortschritte trotz starker Benchmark-Ergebnisse laut Autor meist schrittweise. Er führt als mögliche Erklärung die komplexe Routing-Architektur an, die Anfragen mitunter an ein unpassendes Teilmodell weiterleiten und so inkonsistente Antworten begünstigen könne. Eine von ihm angeführte Studie zu Chain-of-Thought-Prompting lege außerdem nahe, dass Modelle bei ungewohnten Aufgaben oft gelernte Muster reproduzieren, statt verlässlich neu zu schlussfolgern.

Als weitere Grenze nennt der Text den Vorrat an hochwertigen Trainingsdaten. Der Autor berichtet, große KI-Labore hätten Ende 2024 Schwierigkeiten gehabt, genügend sauberes Material für neue Modelle zu finden. Zusätzliche Webdaten könnten Wiederholungen, Widersprüche und zufällige Korrelationen einbringen; der Bericht vermutet, dass minderwertigere Daten zu GPT-5s Empfindlichkeit gegenüber Formulierungen beitragen könnten. Diese Verbindung wird als mögliche Erklärung dargestellt, nicht als nachgewiesene Ursache. Synthetische Daten könnten den Mangel in einzelnen Bereichen teilweise ausgleichen, doch wiederholtes Training auf KI-generierten Inhalten berge laut angeführter Forschung das Risiko eines Qualitäts- und Vielfaltverlusts, bekannt als Modellkollaps.

Insgesamt argumentiert der Autor, weiteres Skalieren werde durch Kosten, Energiebedarf und Datenqualität begrenzt und liefere zunehmend kleinere Zugewinne. Die genannten Beispiele und Zahlen sind im Text teils ausdrücklich Gerüchte, Schätzungen oder Forschungsbefunde; der Bericht belegt nicht, dass Skalierung bereits generell zu schlechteren Modellen führt. Er plädiert sinngemäß dafür, die Grenzen des Ansatzes ernst zu nehmen, statt Modellgröße allein als Maß für Fortschritt zu behandeln.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Einordnung stützt sich nur auf den Berichtstext; Lunas Stufen und Anteilswerte wurden bewusst nicht übernommen. Alle drei Sammelfragen liegen am gleichen Oberthema (Skalierung und Rechenaufwand), werden aber nicht beantwortet.

Im Bericht, aber nicht in der Zusammenfassung

  • Das Beispiel von Metas angeblich rund 2 Billionen Parameter großem Modell 'Behemoth', dessen Leistung nicht proportional zur Größe war
  • Die Studie 'The Wall Confronting Large Language Models' zu den Grenzen der Zuverlässigkeit durch Skalierungsgesetze
  • Die Aussagen von Calude und Longo zu einer 'deluge of spurious correlations' bei wachsenden Datensätzen
  • Die Angaben zu Energieinfrastruktur, etwa Pläne für Kernreaktoren neben Rechenzentren, und zum Anteil der Rechenzentren an den Treibhausgasemissionen
  • Die Kostenangabe, dass die API-Nutzung von GPT-5 um ein Vielfaches teurer ist als die von GPT-4

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Die Schlussfolgerung, die angeführten Beobachtungen belegten nicht, dass größere Modelle generell schlechter werden, steht so nicht im Bericht; der Bericht spricht nur vorsichtig davon, dass der Wendepunkt möglicherweise noch nicht erreicht sei.

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 45 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 61 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht
  2. 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 41 %Hintergrund, keine Belege
    • JEV 29 %Hintergrund, keine Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 43 %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 30 %gleiches Oberthema, hilft nicht
    • Luna 55 %Hintergrund, keine Belege
    • JEV 30 %gleiches Oberthema, hilft nicht
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra 58 %gleiches Oberthema, hilft nicht
  2. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 29 %gleiches Oberthema, hilft nicht
    • Luna 79 %Hintergrund, keine Belege
    • JEV 50 %gleiches Oberthema, hilft nicht
    • amos 31 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 62 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 79 %Hintergrund, keine Belege
    • JEV 52 %Hintergrund, keine Belege
    • amos 31 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
  2. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 100 %kein Bezug
    • Luna 64 %Hintergrund, keine Belege
    • JEV 43 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 46 %gleiches Oberthema, hilft nicht
    • drex 64 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
  3. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 28 %Hintergrund, keine Belege
    • Luna 55 %Hintergrund, keine Belege
    • JEV 46 %einzelne zitierbare Belege
    • amos 31 %nur am Rande erwähnt
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %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 30 %gleiches Oberthema, hilft nicht
    • JEV 100 %kein Bezug
    • amos 31 %Hintergrund, keine Belege
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 62 %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 58 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 29 %Hintergrund, keine Belege
    • SubQ 43 %gleiches Oberthema, hilft nicht
    • drex 61 %gleiches Oberthema, hilft nicht
    • d3-ultra 61 %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 40 %Hintergrund, keine Belege
    • JEV 54 %einzelne zitierbare Belege
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 46 %Hintergrund, keine Belege
    • JEV 54 %einzelne zitierbare Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 63 %gleiches Oberthema, hilft nicht
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 53 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 69 %gleiches Oberthema, hilft nicht
    • d3-ultra 58 %gleiches Oberthema, hilft nicht
  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 31 %Hintergrund, keine Belege
    • Luna 67 %Hintergrund, keine Belege
    • JEV 42 %gleiches Oberthema, hilft nicht
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 61 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %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 67 %Hintergrund, keine Belege
    • JEV 39 %nur am Rande erwähnt
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 62 %Hintergrund, keine Belege
    • JEV 41 %Hintergrund, keine Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 39 %gleiches Oberthema, hilft nicht
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht
  3. SF-H5 Wann sind Chip- und Exportkontrollen eine Sicherheitsmaßnahme, und wann ein dauerhafter Vorteil?
    • clef 100 %kein Bezug
    • Luna 68 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 44 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
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 41 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 52 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 67 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 66 %gleiches Oberthema, hilft nicht
    • d3-ultra 53 %gleiches Oberthema, hilft nicht
  2. 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 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 32 %Hintergrund, keine Belege
    • Luna 55 %Hintergrund, keine Belege
    • JEV 65 %einzelne zitierbare Belege
    • amos 26 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht
  4. 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 54 %Hintergrund, keine Belege
    • JEV 51 %Hintergrund, keine Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 70 %gleiches Oberthema, hilft nicht
    • d3-ultra 72 %gleiches Oberthema, hilft nicht
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 →