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.com13. September 2024 · Q009932

OpenAI Releases GPT o1 “Strawberry”: First Model With Advanced Reasoning

frank-andrade.medium.com · Originalbericht öffnen ↗

Zusammenfassung

Für diesen Bericht lag nur ein Auszug oder keine vollständige Fassung vor. Die Zusammenfassung sagt das selbst.

Kurz

Der Autor stellt o1 als auf schrittweises Schlussfolgern ausgelegtes OpenAI-Modell vor und berichtet anhand ausgewählter Beispiele und Benchmarks von Vorteilen gegenüber GPT-4o bei Programmierung, Mathematik und räumlichem Alltagsverständnis. Er schränkt ein, dass diese Ergebnisse keine allgemeine Überlegenheit gegenüber Fachleuten belegen und die vollständige Modellversion zum Veröffentlichungszeitpunkt noch nicht verfügbar war.

Mittel

Der Beitrag beschreibt OpenAIs o1 als neue Modellreihe, die Antworten durch schrittweises Schlussfolgern verbessern soll. Zum Veröffentlichungszeitpunkt waren laut Autor o1-preview und o1-mini verfügbar, während die vollständige o1-Version und o1-ioi noch ausstanden. Anhand von Videobeispielen behauptet der Autor, o1 berücksichtige lange Programmieranforderungen sorgfältiger, ziehe bessere Schlüsse über Gegenstände in ihrer Umgebung und löse ein mittelschweres Logikrätsel, das GPT-4o Schwierigkeiten bereite.

Auch Benchmark- und Präferenzvergleiche werden als Belege angeführt: o1 liege bei Mathematik- und Programmieraufgaben vor GPT-4o; o1-ioi erreiche bei einem Programmierwettbewerb laut Beitrag die besten sieben Prozent, und o1-preview werde bei Programmierung, Datenanalyse und Mathematik bevorzugt. Der Autor betont, dass solche Resultate keine allgemeine Überlegenheit gegenüber promovierten Fachleuten belegten. Die Aussagen beruhen auf ausgewählten Beispielen und dargestellten Kennzahlen; Methoden und unabhängige Bestätigungen werden im Text nicht ausführlich erläutert.

Ausführlich lesen

Der Beitrag stellt OpenAIs im September 2024 vorgestelltes Modell o1 als neue, auf schrittweises Schlussfolgern ausgerichtete Modellreihe vor. Zum Zeitpunkt des Artikels seien für ChatGPT-Plus-Nutzer nur o1-preview und o1-mini verfügbar gewesen; die vollständige o1-Version und o1-ioi sollten später folgen. Der Autor beschreibt o1 als eigenständigen neuen Ansatz und ordnet ihn einer zweiten Entwicklungsphase OpenAIs zu, in der Reasoning stärker im Mittelpunkt stehe als reine Sprachverarbeitung. Er erwartet davon unter anderem weniger Halluzinationen als bei GPT-4, besonders bei Mathematik, Programmierung und Wissenschaft.

Zur Veranschaulichung führt der Autor Beispiele aus einem Video an. Bei einer umfangreichen Programmieraufgabe soll o1 die einzelnen Anforderungen sorgfältiger berücksichtigen als GPT-4o, das laut Autor einzelne Vorgaben eher übersehen könne. Ein weiteres Beispiel betrifft Schlussfolgerungen über Gegenstände und ihre physische Umgebung: Die Antwort von o1 erscheine nachvollziehbar, während GPT-4o solche Situationen häufiger falsch deute. Außerdem soll o1 ein mittelschweres mathematisches Logikrätsel korrekt lösen, das für frühere Modelle oft schwierig gewesen sei. Das sind im Beitrag gezeigte Einzelbeispiele; konkrete vollständige Prompts und Ergebnisse lassen sich aus dem Text allein nicht prüfen.

Der Artikel verweist auch auf Benchmark-Vergleiche. Laut seiner Darstellung schneidet o1 bei Mathematiktests wie AIME 2024 und bei Programmieraufgaben wie Codeforces besser als GPT-4o ab. Ergebnisse in GPQA Diamond deuteten dem Autor zufolge auf Fähigkeiten bei naturwissenschaftlichen Fragen hin. Er schränkt den Vergleich ausdrücklich ein: Gute Leistungen bei ausgewählten Aufgaben bedeuteten nicht, dass o1 insgesamt oder in jeder Hinsicht einer promovierten Fachperson überlegen sei. Für die Sehfähigkeit nennt der Beitrag 78,1 Prozent und beschreibt dies als konkurrenzfähig mit Menschen; Details zum Test sind im Fließtext nicht ausgeführt.

Für Programmierwettbewerbe wird GPT-4o im 11. Perzentil menschlicher Teilnehmender verortet, während o1-ioi mit einem Wert von 1807 laut Beitrag zu den besten sieben Prozent gehört und 93 Prozent der Konkurrenten übertrifft. In einer Präferenzbewertung hätten Teilnehmende o1-preview bei Programmierung, Datenanalyse und Mathematik häufiger GPT-4o vorgezogen. Der Autor hebt hervor, dass o1-preview auch bei Aufgaben mit natürlicher Sprache gut abschneide.

Die Aussagen sind als Darstellung und Einschätzung des Autors zu lesen. Der Beitrag stützt sich auf ausgewählte Videobeispiele, abgebildete Benchmark- und Präferenzvergleiche sowie Kennzahlen, erläutert aber im Text weder deren vollständige Methodik noch unabhängige Replikationen. Zudem war das vollständige o1 laut Artikel noch nicht verfügbar; die angeführten Resultate erlauben daher keine umfassende Aussage über sämtliche Fähigkeiten oder den praktischen Einsatz des Modells.

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

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 7 von 7
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 44 %Hintergrund, keine Belege
    • JEV 33 %gleiches Oberthema, hilft nicht
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 67 %gleiches Oberthema, hilft nicht
    • d3-ultra 61 %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 42 %gleiches Oberthema, hilft nicht
    • JEV 28 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 52 %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 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 33 %einzelne zitierbare Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 32 %gleiches Oberthema, hilft nicht
    • Luna 51 %Hintergrund, keine Belege
    • JEV 41 %gleiches Oberthema, hilft nicht
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 68 %gleiches Oberthema, hilft nicht
    • d3-ultra 79 %gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 54 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 75 %gleiches Oberthema, hilft nicht
    • d3-ultra 63 %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 25 %gleiches Oberthema, hilft nicht
    • JEV 61 %einzelne zitierbare Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 63 %gleiches Oberthema, hilft nicht
    • d3-ultra 61 %gleiches Oberthema, hilft nicht
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 65 %Hintergrund, keine Belege
    • JEV 48 %einzelne zitierbare Belege
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 65 %gleiches Oberthema, hilft nicht
    • d3-ultra 69 %gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 39 %einzelne zitierbare Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 61 %gleiches Oberthema, hilft nicht
    • drex 64 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %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 56 %Hintergrund, keine Belege
    • JEV 31 %Hintergrund, keine Belege
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra 54 %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 64 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 51 %gleiches Oberthema, hilft nicht
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 62 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
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 →