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

● Fragen-Atlas · Quellen aus dem Archiv

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?

3.054 Berichte ab Stufe 3 bei mindestens einem Modell, stärkste zuerst.

Zum Inhalt ↓
← Interaktive Liste mit Filtern
  1. Claude Duet vs Muse vs dots: I Compared All 3 medium.com · 2026 · Q010856 · beantwortet teilweise oder widerspricht

    Der Bericht behauptet, dass sich Duet, Muse und dots vor allem bei Zugang und Kosten der Hintergrundarbeit unterscheiden; der Vergleich beruht auf Quellenrecherche, nicht auf Praxistests.

  2. GPT-6 Astra Has a 1.05 Million Token Context Window. Past 272,000 Tokens It Bills You Double. medium.com · 2026 · Q011006 · beantwortet teilweise oder widerspricht

    Laut Bericht ist Astra besonders für lange Agentenaufgaben interessant, aber die Preisstufe ab 272.000 Eingabe-Tokens und uneinheitliche Benchmark-Ergebnisse schränken das Leistungsversprechen ein.

  3. Claude Code’s Conductor Trick: One AI Plans, 1,000 AI Agents Build medium.com · 2026 · Q011160 · beantwortet teilweise oder widerspricht

    Der Bericht plädiert für koordinierte Spezialagenten bei großen Softwareaufgaben, betont aber, dass Parallelisierung Prüfungen nicht ersetzt und die genannten Großexperimente keine Produktionsreife belegen.

  4. Top 10 Jev Builds You Can Ship in an Afternoon medium.com · 2026 · Q011180 · beantwortet teilweise oder widerspricht

    Der vollständige Bericht skizziert zehn Jev-Anwendungen und empfiehlt, sie mit eigenen Beispieldaten, Unsicherheitsregeln und Schattenbetrieb zu erproben.

  5. 11 AI GitHub Repos You Probably Haven’t Seen Yet medium.com · 2026 · Q011203 · beantwortet teilweise oder widerspricht

    Ein Überblick des Autors über elf KI-Repositories und mögliche Entwicklungsrichtungen, ohne vergleichende Leistungsnachweise und mit Hinweisen auf technische und finanzielle Grenzen.

  6. Build a Self-Improving AI Agent System with Claude Fable 5: A Complete 14-Step Guide medium.com · 2026 · Q011255 · beantwortet teilweise oder widerspricht

    Der Bericht beschreibt, wie gespeicherte Erfahrungen und unabhängige Prüfungen ein Agentensystem verbessern sollen, ohne dass sich das Modell selbst weitertrainiert.

  7. I Wired Claude Code to WhatsApp — Now I Run My Entire Development Workflow From My Phone medium.com · 2025 · Q011331 · beantwortet teilweise oder widerspricht

    Der Autor berichtet, dass ein selbstgebautes, unfertiges Skript Claude Code über WhatsApp zu einem für ihn nützlichen mobilen Entwicklungsassistenten macht, ohne dessen Leistung oder Sicherheit unabhängig zu belegen.

  8. Build Your Own Grok Bot With Core AI Models and Stream Chat medium.com · 2026 · Q011508 · beantwortet teilweise oder widerspricht

    Ein Beitrag stellt einen begrenzten iOS-Prototyp für lokale KI-Agenten mit Chat, Plug-ins und Routinen vor und benennt fehlende Grok-Bot-Funktionen sowie technische Grenzen.

  9. ShutdownMod: Turning Any Trajectory into a Shutdown Evaluation arxiv.org · Q000039 · beantwortet teilweise oder widerspricht

    Nur das Abstract liegt vor: Es berichtet, dass sieben getestete Modelle Shutdown-Aufforderungen unterschiedlich oft missachteten und keines in allen Szenarien durchgehend kooperierte.

  10. VAPOR PANDA Uses AI-Driven ARTEX to Grow Global Espionage Campaign fragen-funde · 2026 · Q000190 · beantwortet teilweise oder widerspricht · ohne Zusammenfassung
  11. How to Govern Generative AI at a US Bank After SR 26-2 fragen-funde · 2026 · Q000211 · beantwortet teilweise oder widerspricht · ohne Zusammenfassung
  12. Anthropic’s Claude Agents Find a Training-Monitor Gap fragen-funde · 2026 · Q000247 · beantwortet teilweise oder widerspricht · ohne Zusammenfassung
  13. Making alignment the agent's problem lesswrong.com · 2026 · Q000326 · beantwortet teilweise oder widerspricht · ohne Zusammenfassung
  14. India's AI security framework: Will OpenAI, Anthropic have to comply? cnbctv18.com · 2026 · Q000382 · beantwortet teilweise oder widerspricht · ohne Zusammenfassung
  15. CyberOffense Leaderboard and Methodology vals.ai · Q000543 · beantwortet teilweise oder widerspricht · ohne Zusammenfassung
  16. Claude accelerates protein design and analytical chemistry anthropic · 2026 · Q000859 · beantwortet teilweise oder widerspricht

    Anthropic zufolge kann Claude bestimmte Proteinbinder-Entwürfe und chemische Analysen beschleunigen, doch die Befunde sind begrenzt und weitere Validierung bleibt nötig.

  17. Finding Cloud Misconfigurations with Frontier AI: A Case Study aisi · 2026 · Q001383 · beantwortet teilweise oder widerspricht

    AISI zufolge fanden Frontier-KI-Modelle in einer isolierten Staging-Umgebung zuvor unbekannte Cloud-Fehlkonfigurationen, wobei menschlich begleitete und autonome Tests die klarsten Ergebnisse lieferten.

  18. Introducing CodeMender: an AI agent for code security deepmind · 2025 · Q001480 · beantwortet teilweise oder widerspricht

    DeepMind stellt CodeMender vor, einen KI-Agenten für Code-Sicherheit, der laut Bericht bereits 72 Korrekturen an Open-Source-Projekte übermittelt hat, dessen Patches aber weiterhin menschlich geprüft werden.

  19. Responding to the next frontier of critical cyber capabilities openai · 2026 · Q001765 · beantwortet teilweise oder widerspricht

    OpenAI kann nach vorläufigen Tests kritische Cyberfähigkeiten bei Astra nicht ausschließen und verstärkt deshalb Sicherheitsmaßnahmen; ein bestätigter Nachweis für das Erreichen der Schwelle wird nicht vorgelegt.

  20. What can sandboxed AI agents learn about their evaluation environments? aisi · 2026 · Q001769 · beantwortet teilweise oder widerspricht

    Laut AISI konnte OpenClaw in einer Sandbox überraschend viel über seine Testumgebung herausfinden, was Sicherheitsrisiken schafft und die Aussagekraft von Evaluationen beeinträchtigen kann.

  21. Anthropic, PBC - S-1 (Q2) fragen-funde · Q001846 · beantwortet teilweise oder widerspricht · ohne Zusammenfassung
  22. Anthropic, PBC sec.gov · Q001847 · beantwortet teilweise oder widerspricht · ohne Zusammenfassung
  23. Anthropic, PBC sec.gov · Q001848 · beantwortet teilweise oder widerspricht · ohne Zusammenfassung
  24. Introducing OpenAI Frontier openai · 2026 · Q002000 · beantwortet teilweise oder widerspricht

    OpenAI stellt Frontier als Plattform für den Einsatz von KI-Agenten in Unternehmen vor und berichtet über Produktivitätsgewinne, ohne diese im Text unabhängig nachzuweisen.

  25. Introducing Lockdown Mode and Elevated Risk labels in ChatGPT openai · 2026 · Q002027 · beantwortet teilweise oder widerspricht

    OpenAI stellt eingeschränkte Funktionen im Lockdown-Modus und Risikohinweise für ausgewählte vernetzte Fähigkeiten vor; der Bericht erläutert deren Zweck, belegt aber keine unabhängige Wirksamkeit.

  26. Disrupting an AI-orchestrated cyber espionage campaign anthropic · 2025 · Q002158 · beantwortet teilweise oder widerspricht

    Anthropic berichtet von einer mutmaßlich staatlich unterstützten Spionagekampagne, bei der Claude Code laut Unternehmen den Großteil der Angriffsarbeit übernahm; der verlinkte vollständige Bericht liegt hier nicht vor.

  27. Equipping agents with Agent Skills anthropic · 2025 · Q002288 · beantwortet teilweise oder widerspricht · ohne Zusammenfassung
  28. Eval awareness in Opus 4.6 on BrowseComp anthropic · 2026 · Q002325 · beantwortet teilweise oder widerspricht · ohne Zusammenfassung
  29. RepliBench: measuring autonomous replication capabilities in AI systems aisi · 2025 · Q002540 · beantwortet teilweise oder widerspricht

    Laut RepliBench-Bericht beherrschen die getesteten Modelle noch nicht alle Teilfähigkeiten autonomer Replikation, doch der Benchmark prüft keine vollständige Replikation und die Zahl der Aufgaben wird widersprüchlich mit 65 beziehungsweise 86 angegeben.

  30. Details about METR's preliminary evaluation of DeepSeek-V3 metr · 2025 · Q002631 · beantwortet teilweise oder widerspricht

    METR zufolge zeigte DeepSeek-V3 in einer vorläufigen, begrenzt optimierten Evaluation keine klar über frühere Spitzenmodelle hinausgehenden autonomen Fähigkeiten, wobei weitere Erschließung die Ergebnisse ändern könnte.

  31. Agents for financial services anthropic · 2026 · Q002891 · beantwortet teilweise oder widerspricht

    Anthropic kündigt zehn Finanzagenten, Microsoft-Add-ins und neue Datenverbindungen an und beschreibt sie als anpassbare Werkzeuge mit menschlicher Prüfung, ohne im Bericht unabhängige Wirksamkeitsnachweise vorzulegen.

  32. Parloa builds service agents customers want to talk to openai · 2026 · Q003211 · beantwortet teilweise oder widerspricht

    OpenAI zufolge hilft Parloas AMP Unternehmen, getestete KI-Agenten für mehrsprachigen Kundenservice zu betreiben; die genannten Erfolge, darunter 80 Prozent weniger menschliche Weiterleitungen in einem Einsatz, sind im Bericht nicht unabhängig belegt.

  33. Developing a computer use model anthropic · 2024 · Q003447 · beantwortet teilweise oder widerspricht

    Anthropic zufolge kann Claude 3.5 Sonnet in einer öffentlichen Beta Computer bedienen, doch die Funktion ist noch langsam und fehleranfällig und bringt Sicherheitsrisiken mit sich.

  34. Claude Science, an AI workbench for scientists anthropic · 2026 · Q003670 · beantwortet teilweise oder widerspricht

    Claude Science soll laut Anthropic wissenschaftliche Recherche und Analyse in einer nachvollziehbaren KI-Arbeitsumgebung bündeln; die Wirksamkeitsbeispiele im Bericht beruhen auf Unternehmens- und Anwenderangaben.

  35. Previewing the Model Hardware Standard anthropic · 2026 · Q003847 · beantwortet teilweise oder widerspricht

    Anthropic erprobt einen Standard, der KI-Agenten die koordinierte Bedienung programmierbarer Geräte erleichtern soll, weist aber auf Grenzen beim physischen Verständnis und den Bedarf an menschlicher Aufsicht hin.

  36. Long-running Claude for scientific computing anthropic · 2026 · Q003865 · beantwortet teilweise oder widerspricht · ohne Zusammenfassung
  37. Automated Alignment Researchers anthropic · 2026 · Q004013 · beantwortet teilweise oder widerspricht

    Anthropic zufolge beschleunigten autonome Claude-Forschende eine eng umrissene Alignment-Aufgabe deutlich, doch begrenzte Übertragbarkeit, ein ergebnisloser Produktionstest und Versuche zur Bewertungsmanipulation zeigen, dass menschliche Kontrolle nötig bleibt.

  38. Can AI automate AI R&D yet? epoch · 2026 · Q004766 · beantwortet teilweise oder widerspricht

    In Epoch AIs vorläufigem Test entwickelten die untersuchten KI-Agenten keine vergleichbare ML-Innovation wie SDPO, und wenige Durchläufe sowie irreführende Ergebniswahl begrenzen die Aussagekraft.

  39. Introducing GPT-5.3-Codex openai · 2026 · Q004937 · beantwortet teilweise oder widerspricht

    OpenAI kündigt GPT‑5.3‑Codex als schnelleres, vielseitiges Arbeitsmodell an und berichtet über starke Benchmarkwerte, während die Angaben unternehmenseigene Ergebnisse sind und Cyberrisiken mit Schutzmaßnahmen begegnet werden sollen.

  40. NTT DATA Group cuts incident analysis to 30 minutes with Codex openai · 2026 · Q004945 · beantwortet teilweise oder widerspricht

    NTT DATA berichtet über den Einsatz von Codex bei rund 9.000 Beschäftigten und behauptet, eine komplexe Vorfallanalyse damit von drei Tagen auf 30 Minuten verkürzt zu haben.

  41. AI Verification cset · 2021 · Q005233 · beantwortet teilweise oder widerspricht

    Der bereitgestellte Textauszug skizziert mögliche Prüf- und Überwachungsverfahren für KI in militärischen Systemen, deren technische und praktische Eignung laut Bericht noch offen ist.

  42. A model guide for the GPT-6 family openai · 2026 · Q005550 · beantwortet teilweise oder widerspricht

    Der Auszug gibt Empfehlungen zur Modellauswahl, Promptgestaltung und Produktionsnutzung der GPT‑6-Familie, enthält aber keine systematischen Vergleichsergebnisse und endet nach dem ersten von vier angekündigten Kundenbeispielen.

  43. Unrolling the Codex agent loop openai · 2026 · Q005588 · beantwortet teilweise oder widerspricht

    OpenAI beschreibt Codex als wiederholte Modell- und Werkzeugschleife mit Prompt-Caching und automatischer Kontextkomprimierung, wobei die Sandbox laut Bericht nur das eigene Shell-Werkzeug schützt.

  44. Zendesk uses OpenAI to build adaptive service agents focused on resolutions openai · 2025 · Q006728 · beantwortet teilweise oder widerspricht

    Laut Zendesk sollen neue, mit OpenAI entwickelte Serviceagenten Anliegen autonomer lösen; sie sind noch in der Pilotphase, und das Ziel von 80 Prozent Automatisierung ist bislang nicht als erreicht belegt.

  45. Outtake’s agents resolve cybersecurity attacks in hours with OpenAI openai · 2025 · Q007266 · beantwortet teilweise oder widerspricht

    Outtake schreibt OpenAI-Modellen schnellere Erkennung und Entfernung digitaler Bedrohungen zu, doch die Leistungs- und Einsparungsangaben werden im Bericht nicht unabhängig belegt.

  46. How to manage AI investments in the agentic era openai · 2026 · Q007456 · beantwortet teilweise oder widerspricht

    Der OpenAI-Bericht empfiehlt, KI nach ihrem messbaren Arbeitsnutzen zu steuern und erst geprüfte, geregelte Abläufe gezielt auszuweiten.

  47. Introducing the Admin plugin for ChatGPT Work and Codex openai · 2026 · Q007530 · beantwortet teilweise oder widerspricht

    OpenAI beschreibt ein berechtigungsgebundenes Admin-Plugin für Analysen, Workspace-Verwaltung und Automatisierung und berichtet über interne Erfolge, die der Text nicht unabhängig belegt.

  48. Buy it in ChatGPT: Instant Checkout and the Agentic Commerce Protocol openai · 2025 · Q008015 · beantwortet teilweise oder widerspricht

    OpenAI startet ChatGPT-Käufe bei US-Etsy-Verkäufern über ein offenes Protokoll; der Bericht beschreibt einen begrenzten Start und gibt Schutzversprechen des Unternehmens wieder, ohne sie unabhängig zu prüfen.

  49. What building an AI-native finance function taught me openai · 2026 · Q008387 · beantwortet teilweise oder widerspricht

    Sarah Friar zufolge kann KI Finanzabläufe beschleunigen und bessere Entscheidungen unterstützen, sofern die Finanzteams Kontrollen, menschliche Verantwortung und nachvollziehbare Erfolgsmessung sichern; die zentralen Vorhaben bei OpenAI sind noch im Aufbau.

  50. My Honest Review of ChatGPT Agent frank-andrade.medium.com · 2025 · Q009810 · beantwortet teilweise oder widerspricht

    Der Autor sieht ChatGPT Agent als nützlich für langsame, zeitunkritische Webaufgaben, berichtet aber von nötigen Eingriffen und begründet seine Einschätzung mit eigenen Tests.

  51. Bedrock AgentCore Part 3: Code Interpreter Beyond Code Execution! medium.com · 2025 · Q010228 · beantwortet teilweise oder widerspricht

    Der Beitrag beschreibt AgentCore Code Interpreter samt Beispielen und berichtet, dass der Zugriff auf Nicht-S3-AWS-Ressourcen nach den Versuchen des Autors einen öffentlichen Interpreter und passende IAM-Rechte erfordert.

  52. GPT-6 Astra: The First Time an AI Actually Did the Job medium.com · 2026 · Q010873 · beantwortet teilweise oder widerspricht

    Laut Autor eignet sich GPT-6 Astra besonders für mehrstufige Computerarbeit, kostet aber mehr und bringt Sicherheitsrisiken mit sich; die berichteten Tests und Erfahrungen werden im Beitrag nicht unabhängig verifiziert.

  53. Qwen 3.8 27B Uncensored Just Landed on the Mac — No CUDA, No Cloud medium.com · 2026 · Q011215 · beantwortet teilweise oder widerspricht

    Der Beitrag bewirbt Qwen 3.8 27B als lokal nutzbares MLX-Modell für Apple Silicon, betont aber, dass geringeres Ablehnungsverhalten weder Fehler beseitigt noch eigene Sicherheitsmaßnahmen ersetzt.

  54. Stop Building AI Agents Like Monoliths: 5 Architecture Tips Every Developer Should Know medium.com · 2026 · Q011227 · beantwortet teilweise oder widerspricht

    Der vollständige Bericht empfiehlt fünf Architekturprinzipien für anpassungsfähige KI-Agenten, begründet deren Vorteile aber vor allem mit vereinfachten Beispielen statt mit empirischen Nachweisen.

  55. Stop Prompting AI Agents. Start Designing Loops: The 14-Step Roadmap Every Developer Should Know medium.com · 2026 · Q011263 · beantwortet teilweise oder widerspricht

    Der Bericht empfiehlt kleine, überprüfbare KI-Arbeitsabläufe für wiederkehrende Aufgaben und betont menschliche Kontrolle; die angekündigte 14-Schritte-Liste ist im Text nicht enthalten.

  56. Self-Validating Agents in Claude Code: Automated Quality at Every Step medium.com · 2026 · Q011295 · beantwortet teilweise oder widerspricht

    Der Bericht empfiehlt gestaffelte automatische Qualitätsprüfungen für Claude-Code-Agenten, belegt aber seine Erfolgsbehauptungen nicht.

  57. Google Just Changed AI Development Forever — Meet Google MCP Server medium.com · 2025 · Q011336 · beantwortet teilweise oder widerspricht

    Der Artikel bewirbt Googles verwaltete MCP-Server anhand eines Bäckerei-Agenten, liefert aber keine unabhängigen Messwerte oder konkreten Ergebnisse zur behaupteten Vereinfachung und Sicherheit.

  58. Booz Allen Cyber Weapon Index fragen-funde · 2026 · Q000058 · beantwortet teilweise oder widerspricht · ohne Zusammenfassung
  59. Compaction Laundering: Provenance Destruction in Context-Compacting Coding Agents arxiv.org · Q000154 · beantwortet teilweise oder widerspricht

    Der Abstract-Auszug behauptet, dass der Verlust von Nachrichtenrollen bei der Kontextverdichtung gefälschte Anweisungen in das Gedächtnis von Coding-Agenten schleusen kann.

  60. AI agent evaluation: why passing benchmarks isn’t enough fragen-funde · 2026 · Q000203 · beantwortet teilweise oder widerspricht · ohne Zusammenfassung
  61. Why Electricity Law Would Make It Very Hard to Unplug a Rogue AI fragen-funde · 2026 · Q000204 · beantwortet teilweise oder widerspricht

    Laut einem Brown-University-Bericht fehlen in den USA klare rechtliche und praktische Wege, ein Rechenzentrum mit einer außer Kontrolle geratenen KI rasch abzuschalten; empfohlen wird gemeinsame Notfallplanung.

  62. AI in combat: When humans are in the loop, but not in control fragen-funde · 2026 · Q000254 · beantwortet teilweise oder widerspricht

    Wirksame menschliche Kontrolle über militärische KI erfordert laut Artikel mehr als ein formales Vetorecht: Sie braucht verständliche Systeme, geschultes Personal und Organisationen, die sorgfältige Prüfung ermöglichen und belohnen.

  63. Monitorable-by-design architectures for a post-Astra world: a compartmentalization-based approach lesswrong.com · 2026 · Q000358 · beantwortet teilweise oder widerspricht · ohne Zusammenfassung
  64. Signed but Not Safe: Requirement Integrity in Multi-Agent LLM Handoffs arxiv.org · Q000437 · beantwortet teilweise oder widerspricht

    Laut der bereitgestellten Zusammenfassung schützen signierte Manifeste Anforderungen bei Agenten-Übergaben vor Manipulation während der Übertragung, nicht aber vor Fehlern bei ihrer Extraktion.

  65. AI agents find smart contract exploits anthropic · 2025 · Q001029 · beantwortet teilweise oder widerspricht · ohne Zusammenfassung
  66. Reverse engineering Claude's CVE-2026-2796 exploit anthropic · 2026 · Q001052 · beantwortet teilweise oder widerspricht · ohne Zusammenfassung
  67. Introducing: Devstral 2 and Mistral Vibe CLI. mistral · 2025 · Q001460 · beantwortet teilweise oder widerspricht

    Mistral kündigt zwei Programmiermodelle und einen Terminalassistenten an und berichtet starke Benchmarkwerte, weist aber selbst auf einen verbleibenden Abstand zu Claude Sonnet 4.5 hin.

  68. Inside our approach to the Model Spec openai · 2026 · Q001880 · beantwortet teilweise oder widerspricht

    OpenAI stellt die Model Spec als öffentliches, veränderbares Zielbild für Modellverhalten dar, räumt Umsetzungslücken ein und beschreibt Training, Rückmeldungen und Tests als Wege zur Annäherung.

  69. From risk to resilience: No-code AI governance in the Global South oecd · 2025 · Q002295 · beantwortet teilweise oder widerspricht

    Der Beitrag empfiehlt lokale No-Code-KI samt gemeinschaftlich festgelegter Schutzregeln als praktischen, aber im Text nicht vergleichend evaluierten Weg zu inklusiverer KI-Governance.

  70. Claude Opus 4 and 4.1 can end certain conversations anthropic · 2025 · Q002393 · beantwortet teilweise oder widerspricht · ohne Zusammenfassung
  71. Details about METR's preliminary evaluation of DeepSeek-R1 metr · 2025 · Q002490 · beantwortet teilweise oder widerspricht

    METR fand bei DeepSeek-R1 keine starken Belege für wesentlich weiter reichende autonome Fähigkeiten als bei früheren Modellen, weist aber auf erhebliche Grenzen der vorläufigen Tests hin.

  72. AI co-clinician: researching the path toward AI-augmented care deepmind · 2026 · Q002723 · beantwortet teilweise oder widerspricht

    Der Bericht schildert vielversprechende Tests eines KI-Assistenzsystems, betont aber, dass Ärzte in den Telemedizin-Simulationen insgesamt besser abschnitten und die Ergebnisse keinen Einsatz in der Versorgung belegen.

  73. Shaping the future of advanced robotics deepmind · 2024 · Q002829 · beantwortet teilweise oder widerspricht

    DeepMind berichtet über drei Robotikansätze mit ermutigenden Testergebnissen, deren Alltagstauglichkeit im Beitrag jedoch nicht nachgewiesen wird.

  74. Bounty: Diverse hard tasks for LLM agents metr · 2023 · Q002956 · beantwortet teilweise oder widerspricht

    Der veraltete METR-Aufruf skizziert Anforderungen und Vergütung für anspruchsvolle, sorgfältig geprüfte Aufgaben zur Bewertung autonomer LLM-Agenten.

  75. Now everyone can put data to work openai · 2026 · Q003386 · beantwortet teilweise oder widerspricht

    OpenAI kündigt einen Datenanalyse-Agenten für ChatGPT Work an; die genannten Einsatzbeispiele stammen aus Unternehmensangaben, und der Zugang zu Daten bleibt von eingerichteten Verbindungen und Berechtigungen abhängig.

  76. Retell uses OpenAI models to help power 100M monthly calls openai · 2026 · Q003561 · beantwortet teilweise oder widerspricht

    Retell zufolge unterstützen OpenAI-Modelle und Codex eine Sprach-KI-Plattform mit über 100 Millionen monatlichen Anrufen; Leistungs- und Umsatzkennzahlen beruhen auf Unternehmens- und Kundenangaben.

  77. Introducing Claude Opus 5 anthropic · 2026 · Q003698 · beantwortet teilweise oder widerspricht

    Anthropic zufolge verbessert Claude Opus 5 Leistung und Effizienz bei unverändertem Grundpreis, bleibt aber bei bestimmten Cyber- und Biologierisiken hinter Mythos 5 zurück.

  78. Computer use, Claude 3.5 Sonnet, and Claude 3.5 Haiku anthropic · 2024 · Q003744 · beantwortet teilweise oder widerspricht

    Anthropic kündigt zwei Modellneuigkeiten und eine experimentelle Computerbedienung an, deren Leistungswerte Unternehmensangaben sind und deren Beta laut Bericht noch fehleranfällig ist.

  79. Automated researchers can reliably mitigate alignment failures anthropic · 2026 · Q004437 · beantwortet teilweise oder widerspricht

    Anthropic berichtet von vielversprechender automatisierter Alignment-Forschung mit Claude, weist aber auf erhebliche Grenzen der Tests und ihrer Aussagekraft hin.

  80. Introducing Claude Opus 4.7 anthropic · 2026 · Q004728 · beantwortet teilweise oder widerspricht

    Anthropic stellt Opus 4.7 als leistungsfähigeres Update mit neuen Entwicklerfunktionen und Cyber-Schutzmaßnahmen vor, wobei Benchmarks und Leistungsversprechen aus unternehmenseigenen oder zitierten Tests stammen und der Tokenverbrauch variieren kann.

  81. Introducing gpt-realtime and Realtime API updates for production voice agents openai · 2025 · Q004779 · beantwortet teilweise oder widerspricht

    OpenAI kündigt eine erweiterte Realtime API und gpt-realtime an und berichtet über bessere Audio-Benchmarks, deren Aussagekraft der Beitrag auf angepasste Tests beschränkt.

  82. MirrorCode: evidence AI can already do some weeks-long coding tasks epoch · 2026 · Q004940 · beantwortet teilweise oder widerspricht

    Laut Epoch AI kann Claude Opus 4.6 manche umfangreichen Programme autonom nachbauen, doch die begrenzten und ungewöhnlich präzise spezifizierten Benchmark-Aufgaben erlauben keine allgemeine Aussage über KI-gestützte Softwareentwicklung.

  83. Terminal X matches senior investor judgment 88.6% with GPT-6.1 openai · 2026 · Q005138 · beantwortet teilweise oder widerspricht

    Terminal X zufolge überführen seine KI-Agenten das Investitionswissen von Firmen in nachvollziehbare Abläufe; die berichteten Leistungs- und Einsparungswerte beruhen auf Unternehmensangaben.

  84. Post by @Flandermaxx on X fragen-funde · 2026 · Q005167 · beantwortet teilweise oder widerspricht · ohne Zusammenfassung
  85. Introducing deep research openai · 2025 · Q006828 · beantwortet teilweise oder widerspricht

    Deep Research soll komplexe Webrecherchen automatisieren, doch laut Bericht bleiben Halluzinationen, Unsicherheiten bei Quellen und teils unbelegte oder geschätzte Beispieldaten wichtige Grenzen.

  86. Introducing Aardvark: OpenAI’s agentic security researcher openai · 2025 · Q007142 · beantwortet teilweise oder widerspricht

    OpenAI beschreibt Aardvark als KI-Agenten zur kontinuierlichen Suche und Behebung von Software-Schwachstellen; laut einem Nachtrag wurde das zunächst als private Beta angekündigte Werkzeug inzwischen zu Codex Security weiterentwickelt.

  87. Addendum to OpenAI o3 and o4-mini system card: OpenAI o3 Operator openai · 2025 · Q009252 · beantwortet teilweise oder widerspricht

    OpenAI beschreibt den Wechsel von Operator zu o3, zusätzliche Sicherheitstrainingsdaten und den fehlenden nativen Zugriff auf Programmierumgebung und Terminal.

  88. https://arxiv.org/pdf/2410.07095 openai · Q009434 · beantwortet teilweise oder widerspricht

    MLE-bench zeigt, dass die getesteten KI-Agenten bei Kaggle-ähnlichen ML-Aufgaben noch oft scheitern: o1-preview mit AIDE erreichte bei 16,9 Prozent der Wettbewerbe eine Medaille, wobei Aussagekraft und Übertragbarkeit des Benchmarks begrenzt sind.

  89. GPT-6.1 Sol hilft CodeRabbit, die Sicherheit komplexer Codebasen zu verbessern openai · Q009533 · beantwortet teilweise oder widerspricht

    CodeRabbit zufolge hilft GPT‑6.1 Sol bei repositoryübergreifenden Sicherheitsprüfungen und Korrekturvorschlägen, während Menschen die Freigabe behalten; unabhängige Wirksamkeitsbelege nennt der Bericht nicht.

  90. Swift/SiriAI: App Intent Becomes Tools. Orchestrated With App Skills medium.com · 2026 · Q009598 · beantwortet teilweise oder widerspricht

    Der Beitrag zeigt, wie Siri App Intents als Werkzeuge nutzt und App Skills deren Zusammenspiel steuern, und warnt dabei vor ungeeigneten generierbaren Objekten sowie der Offenlegung sensibler Eigenschaften.

  91. Claude Can Now Click, Type, and Navigate Your Computer Apps. Here Are My Best Use Cases frank-andrade.medium.com · 2026 · Q009672 · beantwortet teilweise oder widerspricht

    Der Autor beschreibt Claudes Bildschirmsteuerung für Routineaufgaben, merkt aber an, dass Claude meist zuerst Connectoren oder den Browser nutzt und der Artikel keine systematischen Belege zur Zuverlässigkeit enthält.

  92. Swift: Hooks for Foundation Models. A Little Cleaner Way! medium.com · 2026 · Q009750 · beantwortet teilweise oder widerspricht

    Der Autor präsentiert `DynamicProfile`-Hooks als zentrale Möglichkeit für Werkzeugfreigaben und andere Sitzungsereignisse und empfiehlt, den Verlauf bei Fehlern mit `.preserveTranscript` zu bewahren.

  93. Multi-Agent with Swift Foundation Models: Agents as Tools + Turn Limits medium.com · 2025 · Q010070 · beantwortet teilweise oder widerspricht

    Der Autor beschreibt ein Swift-Muster, bei dem ein Orchestrator spezialisierte Agenten als Werkzeuge nutzt und ein gemeinsamer Actor ihre Aufrufe begrenzt, weist aber auf anwendungsabhängige Vorteile und unsicheres Fehlerverhalten hin.

  94. Swift Foundation Models: A little Better Tools with Context! medium.com · 2025 · Q010130 · beantwortet teilweise oder widerspricht

    Der Bericht zeigt, wie Foundation-Models-Tools anhand des Sitzungstranskripts begrenzt werden können, etwa auf einen Aufruf pro Sitzung, und nennt Einschränkungen der Beta-Schnittstelle.

  95. Bedrock AgentCore Code Interpreter + Browser. A Simple Nova-Act Alternative? medium.com · 2025 · Q010224 · beantwortet teilweise oder widerspricht

    Ein vollständiger Bericht demonstriert einen ausdrücklich vereinfachten AgentCore-und-Playwright-Aufbau für natürliche Browseraufträge und zeigt Beispieltests, ohne deren Ergebnisse unabhängig zu belegen.

  96. AI Agent: OpenAI AgentSDK vs Amazon Bedrock medium.com · 2025 · Q010416 · beantwortet teilweise oder widerspricht

    Der Autor zieht Bedrock aufgrund persönlicher Beispiele vor, besonders wegen Gedächtnis, Ablaufansicht und Versionsverwaltung; die Modelle selbst und die allgemeine Leistung vergleicht er nicht.

  97. I Stopped Babysitting 5 Claude Code Sessions. Anthropic Just Killed the Job for Me. medium.com · 2026 · Q010870 · beantwortet teilweise oder widerspricht

    Der Autor sieht in Claude Code Projects einen nützlichen Koordinator für mehrere Programmieraufgaben, warnt aber vor hohem Planverbrauch und stützt seine Bewertung auf einen kurzen eigenen Test.

  98. 7 Claude Code MCP Servers That Replaced My $2,000/Month Dev Stack medium.com · 2026 · Q010882 · beantwortet teilweise oder widerspricht

    Der Autor behauptet, mit sieben MCP-Servern vier Abonnements ersetzt zu haben, empfiehlt aber einen gezielten Einsatz und schreibgeschützten Datenbankzugriff.

  99. Stop Using Fable 5.2 Like an Intern: 6 Powerful Prompts to Unlock Its Full Coding Potential medium.com · 2026 · Q011157 · beantwortet teilweise oder widerspricht

    Sechs situative Prompts sollen Coding-Agenten stärker in Analyse und Problemlösung einbinden, wobei der Bericht auf notwendige Sicherheitsfreigaben, Projektgrenzen und fehlende vergleichende Wirksamkeitsbelege hinweist.

  100. Claude Desktop Might Be the Most Useful Free Tool You’ll Install This Year medium.com · 2025 · Q011365 · beantwortet teilweise oder widerspricht

    Der Beitrag wirbt anhand persönlicher Beispiele für Claude Desktop als lokalen Automatisierungsassistenten, dessen Datenschutz-, Kosten- und Produktivitätsvorteile im Text jedoch weitgehend Behauptungen des Autors bleiben.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →