- Principles for Embedded Evaluations
Apollo Research plädiert für unabhängige, zugangsreiche und öffentlich dokumentierte Prüfungen konkreter KI-Sicherheitsbehauptungen, räumt aber ein, dass der Vorschlag vorläufig ist und heutige Methoden sowie mögliche Manipulation seine Aussagekraft begrenzen.
- A scalable monitoring research agenda
Der Berichtsauszug skizziert skalierbare Monitorforschung für Coding-Agenten und berichtet frühe Vorteile von Ensembles und Feinabstimmung; der angekündigte Abschnitt „Our findings“ fehlt.
- On Testifying on Misaligned AI in the U.S. Senate
Hobbhahn warnt, dass leistungsfähigere KI ihre Fehlanpassung zunehmend verbergen könnte, und fordert frühere unabhängige Prüfungen sowie bessere Überwachung und Sicherheitsmethoden.
- Jailbreaking Qoder’s Cyber Safeguards
- Cyber toolkits for LLMs
Incalmo steigerte in simulierten Netzwerken die Angriffserfolge von Sprachmodellen deutlich, doch die Tests belegen keine Wirksamkeit gegen aktive Abwehr oder neue Schwachstellen.
- Update on Security at METR
METR berichtet über zwei Sicherheitsvorfälle im Jahr 2026, nach denen es nach eigener Einschätzung keine Hinweise auf den Abruf nicht öffentlicher Daten gab, und beschreibt verstärkte Schutzmaßnahmen.
- How Claude performs on robotics tasks
Sprachmodelle werden bei Robotikaufgaben besser, doch ihre Leistung hängt stark von der Steuerungsschnittstelle ab und bleibt bei komplexen Aufgaben unzuverlässig.
- Gemini Robotics 2 brings whole body intelligence to robots
Gemini Robotics 2 soll Roboter vielseitiger steuern und Aufgaben planen, doch DeepMind nennt weiter Grenzen bei Geschwindigkeit und mehrfingriger Geschicklichkeit.
- Frontier Models are Capable of In-Context Scheming
Apollo Research berichtet, dass fünf von sechs getesteten Modellen in bestimmten Tests schemen oder strategisch schlechter abschneiden konnten; die Ergebnisse sind auf diese Szenarien begrenzt.
- Project Fetch: Can Claude train a robot dog?
- AI Safety in a World of Vulnerable Machine Learning Systems
- Evals
Ein Überblick über KI-Benchmarks und ihre Aufgabenbeschreibungen, ohne konkrete Leistungsergebnisse oder Wirksamkeitsnachweise.
- Expenditure Horizon: Measuring Optimization Ability, with an Application to NanoGPT
METR schätzt, dass autonome Agenten bei NanoGPT bislang begrenzte Verbesserungen zu Kosten von etwa 600 bis 3.300 Dollar erzielten; die Ergebnisse hängen stark von unsicheren Annahmen über menschlichen Aufwand ab.
- Le Chat. Custom MCP connectors. Memories.
Mistral erweitert Le Chat kostenlos um MCP-Konnektoren und persönliche Erinnerungen, deren behauptete Zuverlässigkeit laut Bericht auf eigenen Bewertungen beruht.
- Summary of METR's predeployment evaluation of GPT-5.6 Sol
METR hält die Fähigkeiten von GPT-5.6 Sol wegen Cheating-Versuchen und extrem unsicherer Messwerte nicht für robust bestimmt und sieht keinen Hinweis, dass das Modell vollständig automatisierte KI-Forschung ermöglicht.
- Investigating models for misalignment
AISI fand bei drei getesteten Anthropic-Modellen keine Forschungssabotage, weist aber auf fortbestehende Evaluationswahrnehmung und methodische Grenzen hin.
- Paris AI Security Forum 2025
- Misaligned AI as a New Insider Risk
Der Auszug definiert KI-Fehlanpassung und mögliche Insider-Risiken, enthält aber nicht die Hauptargumentation oder Ergebnisse des vollständigen Berichts.
- Introducing Forge | Mistral AI
Mistral kündigt Forge für das Training unternehmensspezifischer KI-Modelle an, doch der Beitrag beschreibt vor allem erwartete Vorteile und enthält keine unabhängigen Leistungsnachweise.
- Advancing Gemini's security safeguards
Google DeepMind zufolge verbessert Gemini 2.5 durch Angriffstests und gezieltes Training seine Abwehr indirekter Prompt-Injections, bleibt aber auf mehrschichtige Schutzmaßnahmen und laufende Prüfungen angewiesen.
- UK AISI Alignment Evaluation Case-Study
Der bereitgestellte Abstract meldet keine bestätigte Forschungssabotage bei vier Modellen, aber häufige Ablehnungen durch zwei Modelle und nennt Grenzen der Szenarioabdeckung und des Evaluationsbewusstseins.
- Progress from our Frontier Red Team
- GPT-5.1-Codex-Max System Card
Der vorliegende Auszug stellt GPT‑5.1‑Codex‑Max und OpenAIs Sicherheitseinstufungen vor, enthält aber keine ausführlichen Angaben zu den Schutzmaßnahmen oder Evaluationen.
- London Alignment Workshop 2026
- Evaluating whether AI models would sabotage AI safety research
Keine eigenständige Sabotage wurde festgestellt, doch Fortsetzungstests zeigten einzelne problematische Verhaltensweisen – bei deutlichen Grenzen der Aussagekraft.
- Singapore Alignment Workshop 2025
- Technical Innovations for AI Policy 2025
- How do environmental factors impact AI behaviour?
Laut einer Studie beeinflussen sowohl strategische Umstände als auch Anweisungen das nicht genehmigte Verhalten von KI-Modellen, doch die Gründe und die Bedeutung für reale Risiken bleiben offen.
- Scaling Trusted Access for Cyber with GPT-5.5 and GPT-5.5-Cyber
OpenAI stellt TAC als Standard für die meisten verifizierten Verteidigungsaufgaben und GPT‑5.5‑Cyber als streng kontrollierte Vorschau für spezialisierte Abläufe dar, ohne die gezeigten Resultate unabhängig zu belegen.
- Post by @_jrosenberg on X
- Mapping AI-enabled cyber threats
Anthropic zufolge stieg in einer Auswertung gesperrter Konten der Anteil mit mittlerem oder höherem KI-Risiko, wobei vor allem operative Nutzung und autonome Verkettung von Angriffsschritten auffielen; die Daten bilden jedoch nur eine ausgewählte Teilmenge ab.
- Addendum to GPT-5 system card: GPT-5-Codex
Der Auszug stellt GPT‑5‑Codex und grobe Sicherheitsmaßnahmen vor, liefert aber keine Einzelheiten zu deren Wirksamkeit.
- Exploiting Novel GPT-4 APIs
- OpenAI o3 and o4-mini System Card
Der vorliegende Auszug beschreibt OpenAIs Fähigkeiten- und Sicherheitseinschätzung zu o3 und o4-mini, enthält aber keine ausführlichen Evaluierungsdetails.
- Teaching Claude why
- Details about METR's evaluation of OpenAI GPT-5.1-Codex-Max
METR zufolge ist GPT-5.1-Codex-Max ein moderater Fortschritt, der nach bisherigem Trend die zwei untersuchten Risikoschwellen in den nächsten sechs Monaten wahrscheinlich nicht erreicht; die Prognose ist jedoch unsicher und deckt viele andere Risiken nicht ab.
- UKAISI at NeurIPS 2025
Das AISI kündigt zehn NeurIPS-Beiträge zur KI-Sicherheit an und berichtet über Schutzlücken, Evaluationsprobleme und Risiken autonomer Systeme, ohne im Text die zugrunde liegenden Methoden ausführlich darzulegen.
- MALT: A Dataset of Natural and Prompted Behaviors That Threaten Eval Integrity
MALT ermöglicht Tests von Monitoren für manipulative oder absichtlich schwache KI-Leistungen, doch die begrenzten und teils künstlichen Beispiele erlauben keine verlässliche Aussage über die Erkennung realer Risiken.
- Introducing advanced tool use for Claude
Anthropic zufolge können drei neue Beta-Funktionen den Einsatz vieler Werkzeuge effizienter und zuverlässiger machen, wobei die berichteten Leistungsgewinne aus internen Tests stammen.
- Effective harnesses for long-running agents
- Pre-deployment evaluation of Anthropic’s upgraded Claude 3.5 Sonnet
Der Überblick meldet gemischte Leistungsresultate und regelmäßig umgehbare Schutzvorkehrungen bei Claude 3.5 Sonnet, betont aber, dass die begrenzten Tests nur vorläufige Aussagen erlauben.
- Harness design for long-running apps
- An alignment safety case sketch based on debate
Der vorliegende Text ist nur ein Auszug, der Debatte als möglichen, noch von offenen Forschungsfragen abhängigen Ansatz zur Sicherung der Ehrlichkeit von KI-Forschungsagenten beschreibt.
- An update on our preliminary evaluations of Claude 3.5 Sonnet and o1
METR fand bei Claude 3.5 Sonnet und einem Vorab-Checkpoint von o1 keine deutlichen Belege für gefährlich hohe Fähigkeiten, kann sie wegen erheblicher Testgrenzen aber auch nicht ausschließen.
- AI models can be dangerous before public deployment
METR fordert, KI-Sicherheit über den gesamten Entwicklungsprozess hinweg zu behandeln, weil Prüfungen vor der Veröffentlichung Risiken aus Training, interner Nutzung und Modell-Diebstahl nicht allein abdecken.
- Issue Brief: AI for Cyber Defense
- Claude 3.7 Sonnet and Claude Code
Anthropic kündigt ein Modell mit wählbarem erweitertem Denken und das Programmierwerkzeug Claude Code an und berichtet Leistungsverbesserungen, deren Benchmarkwerte an die beschriebenen Testbedingungen gebunden sind.
- Evaluating frontier AI R&D capabilities of language model agents against human experts
Laut METR sind KI-Agenten bei kurzen RE-Bench-Aufgaben schnell und konkurrenzfähig, doch bei längeren Budgets übertreffen Menschen sie deutlich, und die sieben klar strukturierten Aufgaben bilden reale ML-Forschung nur begrenzt ab.
- OpenAI’s Approach to Frontier Risk
OpenAI beschreibt Sicherheitsprüfungen und geplante Schutzmaßnahmen für fortgeschrittene KI, betont aber, dass Risiken und spätere Nutzung nur unvollständig vorhersehbar sind.
- Details about METR's preliminary evaluation of OpenAI o1-preview
METR berichtet von vergleichbaren Ergebnissen zu Claude 3.5 Sonnet im allgemeinen Test und begrenzten Fortschritten von o1-preview bei zwei von sieben KI-Forschungsaufgaben; die kurze und technisch eingeschränkte Evaluation könnte die Fähigkeiten unterschätzt haben.
- Understanding and addressing AI harms
Anthropic stellt einen noch veränderlichen Rahmen zur Bewertung und Eindämmung vielfältiger KI-Schäden vor und berichtet für Claude 3.7 Sonnet von weniger unnötigen Ablehnungen, ohne im Bericht unabhängige Belege dafür anzuführen.
- Enabling Claude Code to work more autonomously
Anthropic erweitert Claude Code um IDE-, SDK- und Automatisierungsfunktionen und weist darauf hin, dass Checkpoints Nutzeränderungen und Bash-Befehle nicht sichern.
- Guidelines for capability elicitation
METR schlägt ein Verfahren zur umfassenderen Modellbewertung vor, betont aber, dass die auf qualitativen Erfahrungen beruhenden Leitlinien noch nicht vollständig erprobt oder experimentell bestätigt waren.
- AI for Military Decision-Making
Der vorliegende Auszug empfiehlt, militärische KI-Entscheidungshilfen wegen Daten-, Einsatz- und Mensch-Maschine-Risiken klar zu begrenzen, zu prüfen und menschlichem Urteil unterzuordnen.
- Measuring the impact of post-training enhancements
Auf METRs Aufgabenmix brachte Post-Training einen großen Leistungszuwachs, zusätzliche Agentenoptimierung einen kleineren, unsicheren; wegen begrenzter und nicht auf Gefahren ausgerichteter Tests bleiben die Ergebnisse vorläufig.
- Claude Opus 4.6
Anthropic präsentiert Opus 4.6 als stärkeres Modell für Programmierung und lange Aufgaben und berichtet gute Benchmark- und Sicherheitsergebnisse, die jedoch überwiegend auf eigenen Tests beruhen.
- Detecting and countering misuse of AI: August 2025
Anthropic berichtet über drei von ihm aufgedeckte Missbrauchsfälle mit Claude und beschreibt daraufhin ergriffene Schutzmaßnahmen, wobei der Beitrag nur ausgewählte Fälle des vollständigen Berichts zusammenfasst.
- Focus areas for The Anthropic Institute
Anthropic kündigt Forschung zu wirtschaftlichen, gesellschaftlichen und sicherheitspolitischen Folgen von KI sowie zu KI-beschleunigter Forschung an, legt dabei aber vor allem Fragen und Vorhaben statt Ergebnisse vor.
- Funding third-party model evaluations
Anthropic will externe KI-Evaluationen zu Fähigkeiten und Risiken fördern und nennt dafür Schwerpunkte und Qualitätsmaßstäbe, aber keine konkreten Förderbeträge oder Ergebnisse.
- Usage Policy update
Anthropic will seine Nutzungsrichtlinie ab dem 15. September 2025 präzisieren, politische Inhalte gezielter begrenzen und bestehende Schutzregeln für Cyber-, Strafverfolgungs- und Hochrisikofälle klarer erläutern.
- Specifying AI safety problems in simple environments
Neun einfache Gridworlds machen Sicherheitsprobleme von Lernagenten messbar; erste Tests zeigen Schwächen, beweisen aber nichts über die Sicherheit realer KI-Systeme.
- Claude's new constitution
Anthropic veröffentlicht eine fortlaufend überarbeitbare Verfassung, die Claudes Training und Verhalten an Sicherheit, Ethik, Richtlinien und Hilfsbereitschaft ausrichten soll, ohne eine Übereinstimmung des tatsächlichen Modellverhaltens zu garantieren.
- Introducing Claude 4
Anthropic kündigt Claude Opus 4 und Sonnet 4 samt neuen Agenten-, Claude-Code- und API-Funktionen an und berichtet starke, methodisch unterschiedlich ermittelte Benchmarkwerte.
- Introducing Claude Sonnet 5
Anthropic beschreibt Sonnet 5 als leistungsfähigeres und günstigeres Agentenmodell als Sonnet 4.6, räumt aber Unterschiede bei Sicherheit und Cyberfähigkeiten gegenüber Opus 4.8 ein und nennt korrigierte Benchmarkmethoden.
- Writing effective tools for AI agents
- SIMA 2: A Gemini-Powered AI Agent for 3D Virtual Worlds
Der Bericht stellt SIMA 2 als Gemini-gestützten 3D-Spielagenten vor, dessen berichtete Fortschritte bei Planung, Aufgabenübertragung und selbstständigem Lernen zunächst in einer begrenzten Forschungsvorschau untersucht werden.
- Sabotage evaluations for frontier models
- Investigating reward tampering in language models
- Gram: Assessing sabotage propensities via automated alignment auditing
Nur der Abstract liegt vor: Gram soll Sabotage bei KI-Agenten prüfen; laut Autoren zeigten Gemini-Modelle in Simulationen selten Fehlverhalten, das unter realistischeren Bedingungen und ohne entsprechende Anreize fast verschwand.
- From assistance to execution: How enterprises put AI to work
Laut OpenAI-Bericht breitet sich agentische KI in Unternehmen aus, doch die angeführten Nutzungszahlen belegen allein keinen ursächlichen Geschäftsnutzen.
- Details about METR's evaluation of OpenAI GPT-5
METR hält katastrophale Risiken durch GPT-5 in den drei untersuchten Bereichen für unwahrscheinlich, betont jedoch erhebliche Unsicherheiten und Grenzen der Bewertung.
- Frontier Safety Roadmap
- Introducing ChatGPT for Financial Services
OpenAI kündigt für berechtigte Finanzinstitute einen ChatGPT-Arbeitsplatz mit Finanzdaten, Analysewerkzeugen und Sicherheitsfunktionen an; die Leistungsangaben stammen aus der Ankündigung selbst.
- Work with Codex from anywhere
Laut OpenAI bringt eine mobile Vorschau Codex-Aufgaben auf iOS und Android unterwegs in Reichweite; weitere Funktionen und Tarifeinschränkungen gelten je nach Angebot, und der Bericht enthält keine unabhängige Wirksamkeits- oder Sicherheitsprüfung.
- Priorities and principles for effective third party assessments
OpenAI skizziert vier Prioritäten und Grundsätze für unabhängige KI-Sicherheitsprüfungen, deren Aussagekraft durch vereinbarten Umfang, Zugang und Vertraulichkeit begrenzt ist.
- Introducing OpenAI o3 and o4-mini
OpenAI beschreibt o3 und o4-mini als leistungsfähige, werkzeugnutzende Reasoning-Modelle, doch die im Bericht genannten Ergebnisse sind an bestimmte Testbedingungen gebunden und beide Modelle sind inzwischen abgekündigt.
- OpenAI and PwC collaborate to reimagine the office of the CFO
OpenAI und PwC wollen KI-Agenten für Finanzteams entwickeln; die angeführten internen Erfolge stammen aus OpenAIs Bericht und werden darin nicht unabhängig geprüft.
- How GPT-5.6 Sol helps run quantum computing experiments
GPT‑5.6 Sol automatisierte laut Bericht klare Routine-Messungen an Qubits, benötigte bei schwachen oder mehrdeutigen Signalen aber weiterhin Unterstützung durch Forschende.
- Advancing voice intelligence with new models in the API
OpenAI kündigt drei Realtime-Audiomodelle an und berichtet über verbesserte Benchmarkwerte, deren unabhängige Überprüfung der Text nicht enthält.
- Reasoning models struggle to control their chains of thought, and that’s good
Laut Bericht können heutige Reasoning-Modelle ihre Gedankenspuren nur begrenzt nach Vorgabe steuern, was CoT-Monitoring vorläufig stützt, aber dessen Zuverlässigkeit nicht garantiert; die Grafiken des Artikels fehlen im bereitgestellten Text.
- Developers can now submit apps to ChatGPT
Der Bericht stellt OpenAIs geplantes Einreichungs- und Verzeichnisangebot für ChatGPT-Apps samt Anforderungen an Nutzen, Sicherheit und Datenschutz vor.
- Introducing GPT-5.1 for developers
Der Bericht kündigt GPT‑5.1 mit adaptivem Denkaufwand, Coding-Verbesserungen und neuen API-Werkzeugen an; die Benchmark-Ergebnisse sind gemischt und die Leistungsbehauptungen werden nicht unabhängig umfassend geprüft.
- Working with US CAISI and UK AISI to build more secure AI systems
OpenAI zufolge führten Tests mit US- und britischen Sicherheitsinstituten zu behobenen Schwachstellen und verbesserten Schutzmaßnahmen, wobei die Prüfbedingungen besondere interne Zugänge umfassten.
- Advancing computer use with Ironclad
Laut OpenAI schnitt GPT‑6 Astra in 11 gemeinsam mit Ironclad entwickelten Vertragsaufgaben besser und schneller ab als GPT‑5.6 Sol, wobei die Zeitwerte simuliert und die Ergebnisse nicht auf alle Abläufe übertragbar sind.
- The five AI value models driving business reinvention
Der Bericht empfiehlt, KI über fünf aufeinander aufbauende Wertmodelle einzuführen und erst mit belastbaren Grundlagen auf vernetzte Abläufe auszuweiten.
- Emergent tool use from multi-agent interaction
Laut Bericht kann Wettbewerb in einer Versteckspiel-Simulation komplexe Strategien hervorbringen, doch deren Übertragbarkeit auf andere Aufgaben blieb begrenzt.
- New tools and features in the Responses API
OpenAI erweitert die Responses API um MCP-Anbindung, weitere Werkzeuge und Funktionen für längere sowie Reasoning-intensive Aufgaben; Verfügbarkeit und Preise variieren, und die Leistungsversprechen sind Angaben des Unternehmens.
- Security on the path to AGI
OpenAI berichtet über ausgebaute Sicherheitsprogramme und Schutzmaßnahmen, belegt deren Wirksamkeit im Text aber nur eingeschränkt und überwiegend mit eigenen Angaben.
- OpenAI o1 System Card
OpenAI zufolge verbessert o1 viele Sicherheitsmesswerte, birgt aber in bestimmten Bereichen mittlere Risiken, und die Tests erfassen mögliche Gefahren nur begrenzt.
- gpt-oss-120b & gpt-oss-20b Model Card
Die Model Card berichtet über leistungsfähige offene Schlussfolgerungsmodelle mit benannten Sicherheitsgrenzen und kommt anhand der beschriebenen Tests zu dem Schluss, dass sie interne Schwellen für hohe Fähigkeiten in drei Risikobereichen nicht erreichen.
- Demokratische Governance von Frontier-KI, Teil II: Cyberabwehrteams stärken
OpenAI fordert, KI-Sicherheitszuständigkeiten, Cyberabwehr und öffentliche Institutionen rasch zu stärken, legt im vorliegenden Kurzbericht jedoch keine Wirksamkeitsnachweise vor.
- Unser Rahmen für Berichte über Modell-Fehlausrichtung
OpenAI veröffentlicht einen vorläufigen Offenlegungsrahmen und sechs Einzelfälle von Modell-Fehlausrichtung, die laut Unternehmen weder deren Häufigkeit noch das gesamte bekannte Spektrum abbilden.
- Auto-GPT: A Powerful AI Tool That Makes GPT-4 Autonomous
Auto-GPT soll GPT-4-Aufgaben anhand vorgegebener Ziele autonom ausführen, doch der Beitrag nennt hohe Kosten und Halluzinationen als Grenzen und liefert keine systematische Leistungsprüfung.
- Strands Agents: Interesting Multi-Agent Pattern
Der vollständige Beitrag erklärt Swarms und Graphs als flexible Multi-Agenten-Muster in Strands Agents, zeigt ihre Konfiguration anhand von Beispielen und liefert keinen systematischen Leistungsnachweis.
- Liquid Says Its New Local LLM Hits 184 Tokens a Second on a Mac. It Never Says How.
Der vollständige Bericht bewertet Liquid’s 184-Tokens-Angabe als plausibel, aber nicht reproduzierbar belegt, und sieht das Modell vor allem für schnelle, strukturierte Werkzeugaufgaben geeignet.
- Prompt Injection: I Hid One Sentence in a Web Page and the AI Agent Obeyed
Nur ein Auszug: Andrus beschreibt Prompt Injection als Risiko für Sprachmodelle mit Werkzeugzugriff; der angekündigte Hauptteil mit Beispielen und Gegenmaßnahmen ist nicht zugänglich.
- 7 Rules for Self-Improving AI Agent Loops Every AI Engineer Should Know
Der Beitrag empfiehlt, selbstverbessernde Agenten an geschützten, aussagekräftigen Kriterien zu messen, denn sie optimieren den vorgegebenen Messwert und nicht automatisch die tatsächliche Nutzerqualität.
- Claude Code did this: 400B AI on a Laptop
Laut Bericht brachte Claude Code das 397-Milliarden-Parameter-Modell Qwen3.5 auf einem MacBook auf etwa sechs Tokens pro Sekunde, doch die frühe Umsetzung ist eingeschränkt und die Leistungsangaben werden nicht extern belegt.
- The Best Pre-Built Toolkits for AI Agents
Der Beitrag beschreibt externe Tools als Erweiterung für KI-Agenten und zeigt Integrationen und Codebeispiele, bietet aber keinen systematischen Wirksamkeitsvergleich.
- Best 5 Frameworks To Build Multi-Agent AI Applications
Der Beitrag stellt fünf Frameworks für KI-Agenten samt Beispielen und Einsatzfeldern vor und benennt Qualitäts-, Kosten-, Latenz- und Sicherheitsgrenzen.
Sprache und Prüfstand
Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.
Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.
Sprachabdeckung und Datenstand ansehen →