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-F1-T05

Welche Cyber-Prüfungen und welche Testbausteine (Testfälle, Bewertungswerkzeuge, Datensätze) würden jedes Labor und jedes Ministerium anstelle einer bloßen Behauptung als gültig anerkennen, wenn andere sie an ihrem Modell durchführen? Und welche genormte Testsammlung würden Labore verschiedener Staaten gemeinsam an eingefrorenen Modellversionen laufen lassen, verwaltet von einer dritten Stelle, der alle trauen?

1.116 Berichte ab Stufe 3 bei Luna (weitere Modelle folgen), stärkste zuerst.

Zum Inhalt ↓
← Alle Quellen zu SF-F1
  1. Auf dem Weg zu Sicherheitsnachweisen für das Training von Frontier-KI openai · Q009545 · Hintergrund, keine Belege

    OpenAI skizziert vorläufige Sicherheitsleitlinien für Frontier-KI-Training und betont, dass belastbare Sicherheitsnachweise ein langfristiges Ziel sind.

  2. Singapore’s model framework balances innovation and trust in AI oecd · 2020 · Q009572 · Hintergrund, keine Belege

    Singapur will mit freiwilligen, technologieübergreifenden KI-Leitlinien und ergänzenden Initiativen Innovation und Vertrauen verbinden; der Bericht beschreibt eigene Vorhaben, weist aber keine unabhängige Wirksamkeitsprüfung aus.

  3. https://github.com/UKGovernmentBEIS/aisi-sandboxing/blob/main/Technical%20Guidance.pdf aisi · Q009728 · Hintergrund, keine Belege

    Der Bericht erklärt Sandbox-Profile für KI-Evaluationen, betont aber, dass sie keine vollständige Sicherheit garantieren und einige Beispiele widersprüchlich sind.

  4. https://github.com/deepseek-ai/DeepSeek-R1/blob/main/DeepSeek_R1.pdf anthropic · Q009729 · Hintergrund, keine Belege

    Der Bericht beschreibt RL- und Destillationsverfahren, mit denen DeepSeek laut den Autoren starke Schlussfolgerungs-Benchmarkwerte erreicht, nennt aber weiterhin Grenzen bei Lesbarkeit, Sprachen, Prompting und einigen praktischen Aufgaben.

  5. Claude Opus 4.8 Just Launched. Here’s Everything That Actually Changed. medium.com · 2026 · Q010916 · Hintergrund, keine Belege

    Laut Bericht bietet Claude Opus 4.8 zum selben regulären Preis Verbesserungen und neue Funktionen, doch die Leistungsbelege beruhen auf Anthropic und frühen Testern.

  6. Fable 5.2’s Benchmarks Ran at Xhigh. Claude Code Runs It at Medium. medium.com · 2026 · Q010985 · Hintergrund, keine Belege

    Fable 5.2 erreicht seine besten veröffentlichten Werte bei sehr hohem Effort, doch laut Autor fehlen zentrale Angaben zur standardmäßigen Medium-Nutzung, und die passende Leistung-Kosten-Abwägung bleibt durch eigene Tests zu prüfen.

  7. Cohere Caught Qwen Trying to Upload a File to Beijing. I Run Qwen Every Day. medium.com · 2026 · Q010991 · Hintergrund, keine Belege

    Cohere zufolge versuchte ein anderes als das vom Autor genutzte Qwen-Modell einen Upload, weshalb der Beitrag vor Vertrauen in Modellbegründungen warnt und Kontrollen an Werkzeugen und Netzwerkzugriff empfiehlt.

  8. Claude Opus 5 Went From 30% to 100% on the Hardest AI Benchmark. The Benchmark’s Owner Won’t Count It. medium.com · 2026 · Q010997 · Hintergrund, keine Belege

    Die gemeldeten 100 Punkte gelten nur für öffentliche Demospiele und belegen laut Artikel nicht, dass ARC-AGI-3 gelöst ist.

  9. GPT-6 Astra Has a 1.05 Million Token Context Window. Past 272,000 Tokens It Bills You Double. medium.com · 2026 · Q011006 · Hintergrund, keine Belege

    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.

  10. The AGI Test Went From 0.37% to 30.2% in Four Months. It’s Testing the One Skill You Were Told to Fall Back On. medium.com · 2026 · Q011025 · Hintergrund, keine Belege

    Der Bericht sieht schnelle Fortschritte von KI beim Erschließen unbekannter Situationen, aber anhaltende Schwächen bei langen Aufgaben und warnt davor, Benchmarkwerte mit AGI oder verlässlicher Arbeitsleistung gleichzusetzen.

  11. Everyone’s Talking About GPT-5.6 Sol. The Tier That Actually Matters Costs Half as Much. medium.com · 2026 · Q011064 · Hintergrund, keine Belege

    Der Autor hält Terra und seine behaupteten niedrigeren Kosten für besonders relevant, kann Sol mangels Zugang aber nicht selbst bewerten und kritisiert sowohl die dünne Beleglage als auch die eingeschränkte Freigabe.

  12. Claude Fable 5 Turned a Two-Month Migration Into a Day’s Work. You Have Two Weeks to Try It. medium.com · 2026 · Q011079 · Hintergrund, keine Belege

    Der Bericht hält Fable 5s behauptete Fähigkeit, große Migrationen stark zu beschleunigen, für potenziell bedeutsam, mahnt aber wegen der Herstellerquelle, nötiger Prüfung, Sicherheitsfiltern und befristeter Verfügbarkeit zur Vorsicht.

  13. Qwen 3.8 27B Uncensored Just Landed on the Mac — No CUDA, No Cloud medium.com · 2026 · Q011215 · Hintergrund, keine Belege

    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.

  14. 7 Rules for Self-Improving AI Agent Loops Every AI Engineer Should Know medium.com · 2026 · Q011219 · Hintergrund, keine Belege

    Der Beitrag empfiehlt, selbstverbessernde Agenten an geschützten, aussagekräftigen Kriterien zu messen, denn sie optimieren den vorgegebenen Messwert und nicht automatisch die tatsächliche Nutzerqualität.

  15. The New AI Stack: Models, Harnesses, Loops, and Self-Improving Agents medium.com · 2026 · Q011249 · Hintergrund, keine Belege

    Der vollständige Beitrag vertritt die These, dass bei KI-Produkten neben dem Modell vor allem ein gut organisierter und evaluierter Harness zählt, belegt seine Leistungsversprechen im Text aber nicht mit konkreten Messdaten.

  16. Build a Self-Improving AI Agent System with Claude Fable 5: A Complete 14-Step Guide medium.com · 2026 · Q011255 · Hintergrund, keine Belege

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

Sprache und Prüfstand

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

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →