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.com19. August 2025 · Q009795

Why GPT-5 Feels Like a Step Forward and a Step Back

frank-andrade.medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Artikel berichtet von gemischten Reaktionen auf GPT‑5: Einige lobten das automatische Routing, das größere Kontextfenster und den praktischen Einsatz, andere kritisierten begrenzte Fortschritte, Fehler, den als nüchtern empfundenen Ton und Änderungen bei Modellwahl und Nutzungslimits. Der Autor deutet die schnelle Rückkehr älterer Modelle als Zeichen dafür, dass Nutzer Kontrolle und vertraute Eigenschaften schätzen; seine Einschätzung beruht auf ausgewählten Stimmen und Beispielen, nicht auf einer umfassenden unabhängigen Studie.

Mittel

Der Bericht schildert die geteilte Reaktion auf GPT‑5 nach dem Start im August 2025. Hohe Erwartungen an einen großen Sprung hätten laut Artikel bei manchen Nutzern zu Enttäuschung geführt. Kritiker bemängelten begrenzte Fortschritte bei Denkaufgaben, fortbestehende Halluzinationen und einen trockeneren, knapperen Gesprächsstil als bei GPT‑4o. Als einen Beleg für Kritik nennt der Text 56,7 Prozent bei SimpleBench; eine eigene systematische Prüfung beschreibt er nicht.

Auch die anfängliche Vereinheitlichung des ChatGPT-Zugangs und strengere Nutzungslimits hätten Nutzer verärgert. OpenAI habe daraufhin die Modellauswahl mit Antwortmodi wieder eingeführt und zahlenden Nutzern ältere Modelle zugänglich gemacht. Befürworter lobten dagegen die automatische Auswahl zwischen schnellen und gründlicheren Antworten, das größere Kontextfenster sowie den Einsatz in Unternehmen. Positive Unternehmensbewertungen werden im Artikel wiedergegeben, aber nicht unabhängig überprüft.

Der Autor sieht in der Debatte einen Hinweis auf eine reifere KI-Phase, in der praktische Verlässlichkeit und Integration wichtiger werden könnten als spektakuläre Sprünge. Die Darstellung stützt sich auf ausgewählte Nutzerstimmen, Benchmarks und Unternehmensbeispiele; eine umfassende Vergleichsstudie enthält sie nicht.

Ausführlich lesen

Der Bericht beschreibt die gemischte Aufnahme von GPT‑5 nach seiner Veröffentlichung am 7. August 2025. OpenAI-Chef Sam Altman habe hohe Erwartungen geweckt, indem er das Modell als bedeutenden Fortschritt und als Gesprächspartner mit fachlicher Tiefe darstellte. Zugleich habe er eingeräumt, dass Fähigkeiten wie kontinuierliches Lernen weiterhin fehlten. Der Artikel stellt enttäuschte Nutzer und Befürworter gegenüber und kommt zu dem Schluss, dass GPT‑5 sowohl Verbesserungen als auch spürbare Rückschritte in der Nutzererfahrung verkörpere.

Kritiker, darunter Gary Marcus, hätten die Veröffentlichung als überbewertet und nur geringfügig verbessert beurteilt. Als Hinweis auf Schwächen führt der Bericht ein Ergebnis von 56,7 Prozent bei SimpleBench an, das GPT‑5 auf Rang fünf und hinter einigen kleineren Modellen eingeordnet habe. Bei einfachen Denk-, Mathematik- und Logikaufgaben seien nur geringe Fortschritte gegenüber GPT‑4 erkennbar gewesen. Auch Halluzinationen und Fehler wie falsches Buchstabenzählen würden weiterhin vorkommen. Diese Angaben stellt der Artikel als berichtete Bewertungen und Testergebnisse dar; eine eigene systematische Prüfung beschreibt er nicht.

Ein weiterer Schwerpunkt ist die Kritik an Ton und Produktänderungen. Manche langjährige Nutzer hätten GPT‑5 als trocken, knapp und mechanisch empfunden und die wärmere, kreativere Art von GPT‑4o vermisst. Der zunächst vereinheitlichte Zugang ohne Modellwahl sowie strengere Nutzungslimits hätten Unmut ausgelöst. Laut Artikel reagierte OpenAI nach Kritik: Die Modellauswahl kehrte zurück, GPT‑5 erhielt Optionen für automatische, schnelle oder stärker überlegte Antworten, und zahlende Nutzer bekamen wieder Zugriff auf ältere Modelle. GPT‑4o sei zudem erneut als Standard gesetzt worden. Der Bericht deutet dies als Eingeständnis, dass Nutzer Flexibilität und vertraute Modellcharakteristika schätzen.

Befürworter sähen Vorteile in GPT‑5s Architektur, die mehrere Modelle mit einem Routing-System verbindet und je nach Aufgabe schnelle oder gründlichere Antworten auswählt. Der Artikel nennt außerdem ein erweitertes Kontextfenster und positive Stimmen zu Schreibfähigkeiten und Alltagstauglichkeit. Unternehmen hätten GPT‑5 laut den angeführten Aussagen für Arbeitsabläufe eingeführt; ein Amgen-Verantwortlicher habe interne Ergebnisse bei wissenschaftlichen Fragen gelobt. Diese Unternehmensbewertungen sind wiedergegebene Aussagen, keine unabhängigen Vergleichsdaten im Bericht.

Insgesamt interpretiert der Autor die Reaktionen als Zeichen einer reiferen KI-Phase: Fortschritte könnten zunehmend schrittweise statt spektakulär ausfallen und sich stärker an Zuverlässigkeit, Integration und praktischem Nutzen messen lassen. Als Grenzen diskutiert der Text unterschiedliche Nutzerpräferenzen, anekdotische Rückmeldungen, einzelne Benchmark- und Unternehmensbeispiele sowie die rasche Entwicklung und Konkurrenz in der Branche. Eine umfassende, unabhängige Leistungsbewertung oder ein dokumentiertes Untersuchungsverfahren legt er nicht vor.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassung ist im Kern treu, lässt aber mehrere zentrale Aussagen des Berichts aus und enthält eine eigene Wertung zur Quellenlage. Die Einordnungen fallen niedrig aus, weil der Bericht die Governance-Fragen nur am Rande berührt. Lunas Stufen für SF-H4 und SF-P3-T02 liegen teils höher bzw. niedriger als die hier begründete Einschätzung.

Im Bericht, aber nicht in der Zusammenfassung

  • Altmans Einordnung von GPT-5 als bedeutsamer Schritt Richtung AGI und seine Behauptung, das Modell wirke wie ein Experte mit Doktorgrad
  • Marcus' Urteil, GPT-5 sei nur ein kleines, eilig veröffentlichtes Update
  • Die Deutung, dass der Übergang zu einem einheitlichen Modell an Nutzervertrauen und bestehenden Arbeitsabläufen scheiterte
  • Altmans Reddit-Frage-und-Antwort-Runde zu den Routing-Problemen
  • Die Spekulation, OpenAI habe Skalierbarkeit und Profitabilität über Leistungssteigerung gestellt
  • Die Abflachung des Fortschritts zwischen GPT-3, GPT-4 und GPT-5 und Marcus' These von den Grenzen heutiger Sprachmodell-Architekturen
  • Die Veröffentlichungen von Google und Anthropic kurz nach GPT-5 als Teil des Wettbewerbsdrucks
  • Das Scheinbegräbnis für ein eingestelltes Modell als Zeichen emotionaler Bindung

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Die Angabe, die Einschätzung beruhe auf ausgewählten Stimmen statt auf einer umfassenden unabhängigen Studie, ist eine Einordnung, die der Bericht so nicht vornimmt.

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
  1. 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 34 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 63 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
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 100 %kein Bezug
    • JEV 48 %gleiches Oberthema, hilft nicht
    • amos 29 %einzelne zitierbare Belege
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 28 %gleiches Oberthema, hilft nicht
    • Luna 38 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 26 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %gleiches Oberthema, hilft nicht

    • 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? Luna: Stufe 3 · 33 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
    • clef 100 %kein Bezug
    • Luna 55 %Hintergrund, keine Belege
    • JEV 35 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 36 %gleiches Oberthema, hilft nicht
    • Luna 63 %Hintergrund, keine Belege
    • JEV 53 %gleiches Oberthema, hilft nicht
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 49 %gleiches Oberthema, hilft nicht
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 69 %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 32 %gleiches Oberthema, hilft nicht
    • JEV 31 %einzelne zitierbare Belege
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht
  2. 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 41 %Hintergrund, keine Belege
    • JEV 60 %einzelne zitierbare Belege
    • amos 35 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht

  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 28 %gleiches Oberthema, hilft nicht
    • Luna 46 %einzelne zitierbare Belege
    • JEV 39 %umfangreiche Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 68 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar? Luna: Stufe 3 · 42 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
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 27 %gleiches Oberthema, hilft nicht
    • JEV 42 %einzelne zitierbare Belege
    • amos 26 %nur am Rande erwähnt
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 64 %gleiches Oberthema, hilft nicht
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 32 %Hintergrund, keine Belege
    • JEV 33 %nur am Rande erwähnt
    • amos 53 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 39 %einzelne zitierbare Belege
    • JEV 36 %nur am Rande erwähnt
    • amos 33 %nur am Rande erwähnt
    • SubQ 41 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 45 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung Hintergrund, keine Belege
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 34 %gleiches Oberthema, hilft nicht
    • JEV 50 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 60 %Hintergrund, keine Belege
    • JEV 48 %einzelne zitierbare Belege
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 62 %gleiches Oberthema, hilft nicht
    • d3-ultra 63 %gleiches Oberthema, hilft nicht

  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 21 %nur am Rande erwähnt
    • Luna 52 %einzelne zitierbare Belege
    • JEV 43 %beantwortet teilweise oder widerspricht
    • amos 27 %einzelne zitierbare Belege
    • SubQ 42 %gleiches Oberthema, hilft nicht
    • drex 36 %gleiches Oberthema, hilft nicht
    • d3-ultra 51 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege

    • SF-E5-T01 Wer soll das Tempo der KI-Entwicklung bestimmen: die Labore, die Regierungen oder die Menschen, die diese Systeme jeden Tag nutzen? Luna: Stufe 4 · 42 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
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 →