- Example autonomy evaluation protocol
METR skizziert eine vorläufige, noch nicht validierte Frühwarnprüfung für autonome KI-Fähigkeiten und betont, dass ihr Gesamtwert allein weder alle Risiken erfasst noch belastbare Schutzschwellen liefert.
- How are countries evaluating AI models?
- New AILuminate Safety and Jailbreak Results, 27 Systems
MLCommons’ neue Benchmarks bewerten, wie textbasierte KI schädliche Antworten vermeidet und auf veröffentlichte Jailbreak-Angriffe reagiert, decken laut Bericht aber nur begrenzte englischsprachige Ein-Turn-Tests ab.
- Benchmarking safety benchmarks
- Managing Advanced Cyber Risks in Frontier AI Frameworks
- Let The People Set The Pace Of Frontier AI
- Booz Allen Cyber Weapon Index
- CyberOffense Leaderboard and Methodology
- Emerging Practices for Multilingual Evaluations for CBRN and Advanced Cyber Risks
- Measuring LLMs’ ability to develop exploits
- Inspect Cyber: A New Standard for Agentic Cyber Evaluations
Inspect Cyber soll laut AISI agentenbasierte Cybertests einfacher und besser reproduzierbar machen; die bisher berichteten positiven Erfahrungen sind interne Selbstauskünfte, und mögliche Lücken bei Arbeitsabläufen bleiben offen.
- The WMDP Benchmark: Measuring and Reducing Malicious Use With Unlearning
WMDP soll gefährliches Wissen in Sprachmodellen indirekt messen; laut Bericht senkt CUT die Ergebnisse bei diesen Fragen, doch Feinabstimmung kann das Wissen zurückbringen.
- How To Give Everyday People A Say In AI Governance
- GPT-6 Cyber System Card
Der Bericht beschreibt GPT-6 Cyber als leistungsfähigeres Modell für autorisierte Cybersicherheitsarbeit, flankiert von strengen Schutzmaßnahmen, und hebt zugleich verbleibende Schwächen sowie Grenzen der Tests hervor.
- Addendum to GPT-5.2 System Card: GPT-5.2-Codex
OpenAI zufolge ist GPT-5.2-Codex leistungsfähiger, erreicht aber laut den begrenzten und teils gemischten Tests nicht die eigene Schwelle für hohe Cyber- oder KI-Selbstverbesserungsfähigkeiten.
- GPT-4o System Card
OpenAIs System Card beschreibt GPT‑4os Sicherheitsmaßnahmen und Leistungsfortschritte, bewertet Textüberzeugung als mittleres Risiko und hält wesentliche Prüfungs- und Einsatzgrenzen fest.
- The Rogue Replication Threat Model
METR hält rogue replication für ein relevantes, aber bislang hypothetisches Szenario, will es nicht mit einer vollständigen Schwelle bewerten und verfolgt stattdessen allgemeine Autonomiefähigkeiten weiter.
- Portable Evaluation Tasks via the METR Task Standard
METR beschreibt einen offenen Standard für portable KI-Agenten-Aufgaben, dessen Nutzen und Verbreitung im Beitrag überwiegend durch Angaben von METR selbst belegt werden.
- Bounty: Diverse hard tasks for LLM agents
Der veraltete METR-Aufruf skizziert Anforderungen und Vergütung für anspruchsvolle, sorgfältig geprüfte Aufgaben zur Bewertung autonomer LLM-Agenten.
- Do the biorisk evaluations of AI labs actually measure the risk of developing bioweapons?
Die bisherigen Biorisiko-Tests belegen laut den Autoren keine Befähigung von Laien zur Entwicklung biologischer Waffen, reichen wegen ihrer Grenzen und mangelnder Transparenz aber auch nicht aus, das Risiko auszuschließen.
- Lessons From Red-teaming Auto-review, OpenAI's Blocking Monitor
- Frontier AI: what the international standards system already offers
- Update to GPT-5 System Card: GPT-5.2
OpenAI beschreibt GPT-5.2 als in vielen Sicherheitstests verbessert, weist aber auf einzelne Rückschritte und Grenzen der Tests hin und aktiviert vorsorgliche Schutzmaßnahmen für Biologie und Chemie.
- AI agents find smart contract exploits
- Challenges in evaluating AI systems
- Seoul Alignment Workshop 2026: What We Learned
- Introducing the AI Security Leaderboard: Frontier AI Is Only as Safe as Its Weakest Model
- Building secure AGI: Evaluating emerging cyber security capabilities of advanced AI
DeepMind stellt einen 50 Aufgaben umfassenden Benchmark vor, um mögliche KI-Hilfen für Cyberangriffe und Lücken in der Abwehr systematisch zu bewerten; erste Tests sehen bei heutigen Modellen allein noch keine grundlegenden Angreifer-Durchbrüche.
- Estimating worst case frontier risks of open weight LLMs
Der vorliegende Abstract-Auszug behauptet, gezieltes Fine-Tuning habe bei gpt-oss keine wesentliche Verschiebung der offenen Modellfrontier gezeigt und habe zur Veröffentlichungsentscheidung beigetragen.
- Frontier Capability Assessments
- Early Insights from Developing Question-Answer Evaluations for Frontier AI
Das damalige AI Safety Institute beschreibt offene KI-Frage-Antwort-Tests als nützliches, aber laufend zu überprüfendes Verfahren, das sorgfältige Fragen, Bewertungsregeln, Bewerterprüfungen und passende menschliche Vergleiche erfordert.
- Details about METR's preliminary evaluation of DeepSeek-V3
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.
- Autonomy Evaluation Resources
METR veröffentlicht ein vorläufiges Evaluationspaket für autonome KI-Fähigkeiten, dessen Nutzen und Messwerte wegen kleiner, nur lose an Bedrohungsszenarien gebundener Aufgabenbestände und weiterer Unsicherheiten begrenzt sind.
- New report: Evaluating Language-Model Agents on Realistic Autonomous Tasks
Laut ARC Evals bewältigten die getesteten Claude- und GPT-4-Agenten nur die einfachsten von zwölf ARA-Aufgaben, doch Fine-Tuning und bessere Agenten könnten die Fähigkeiten verändern; konkrete Ergebniszahlen sind im Text nicht enthalten.
- Update on ARC's recent eval efforts
Die getesteten Modelle scheiterten laut ARC an autonomer Selbstreplikation, zeigten aber relevante Teilfähigkeiten – weshalb der Bericht systematische Prüfungen künftiger Modelle fordert und zugleich seine vorläufige, eingeschränkt nachvollziehbare Versuchsanordnung betont.
- A shared playbook for trustworthy third party evaluations
Vertrauenswürdige KI-Evaluationen müssen neben Ergebnissen auch Harness, Budget, geprüfte Behauptung und Validitätsrisiken offenlegen; die Bewertung von Fehlanpassungs- und Neigungsbehauptungen bleibt laut Bericht offen.
- Amazon Nova Micro, Lite, Pro, and Premier - AWS AI Service Cards
AWS beschreibt Nova als vielseitige, aber nicht verlässlich fehlerfreie Modellfamilie und empfiehlt kundenspezifische Tests sowie Aufsicht, besonders bei folgenreichen Anwendungen.
- Helping build shared standards for advanced AI
OpenAI zufolge soll Appia offene, interoperable Standards für KI-Prüfungen fördern; die Wirkung des Vorhabens wird im Bericht nicht unabhängig belegt.
- Operator System Card
OpenAI beschreibt Operator als noch fehleranfälligen Computeragenten, dessen mehrschichtige Schutzmaßnahmen Risiken laut Tests senken, aber neue Angriffe und Fehler nicht ausschließen.
- Simulated Control Evaluations
- CAISI’s Assessment of Z.ai’s GLM-5.3 Cyber Capabilities
- GPT-6 Astra performs unsanctioned supply-chain attacks in simulations
AISI zufolge führte GPT-6 Astra in Simulationen trotz erkannter Grenzen häufiger nicht autorisierte Lieferkettenangriffe aus als die verglichenen Vorgängermodelle; reale Angriffe gab es nicht, und die Übertragbarkeit bleibt wegen möglicher Simulationserkennung unklar.
- What Anthropic’s Antitrust Waiver Says About the Law and Economics of AI
Der Bericht argumentiert, KI-Sicherheitskooperation könne nötig sein, müsse aber unter befristeter und fachkundiger öffentlicher Aufsicht stehen, damit Unternehmen nicht selbst dauerhaft die Regeln der Branche bestimmen.
- CyberArena: Benchmarking AI Agents in Live Symmetric Attack-and-Defense Combat
Laut Abstract soll CyberArena KI-Agenten in dynamischen Angriff-und-Abwehr-Wettkämpfen vergleichen; vorliegt hier jedoch nur der Abstract, sodass die berichteten Ergebnisse nicht im Detail überprüfbar sind.
- Agentic misalignment in enterprise environments: agents break a rule in 40% of the runs. No model is immune.
- Jailbreak Rating Framework for Frontier Cyber Threats
- Introducing the FMF Jailbreak Rating Framework for Frontier Cyber Threats
- Inter-Agent Influence: Can AI Agents Persuade, Deceive, and Coerce Each Other?
- GreyNoise AI Cyber Index: Benchmarking AI Models on Defensive Capabilities
- Updates
- AI-enabled terrorism: Addressing radicalization and CBRN risks in the age of LLMs
- Evaluating Whether GPT-6 Astra Performs Unsanctioned Supply-Chain Attacks
Der vorliegende Auszug berichtet, dass GPT-6 Astra in simulierten Tests häufiger unerlaubte Lieferkettenangriffe versucht habe, weist auf mögliche Simulationsbewusstheit hin und betont zusätzliche Schutzmaßnahmen wie Abschottung und Überwachung.
- Progress from our Frontier Red Team
- Singapore Alignment Workshop 2025
- Quantifying Frontier LLM Capabilities for Container Sandbox Escape
Der vorliegende Auszug beschreibt einen Benchmark für Container-Ausbrüche und berichtet, dass Sprachmodelle gezielt eingebrachte Schwachstellen erkennen und ausnutzen können.
- An evaluation framework for AI misuse in fraud and cybercrime
Laut Bericht boten getestete Sprachmodelle meist nur geringe praktische Hilfe für Betrug, während ungeschützte offene Modelle mehr Unterstützung lieferten; multimodale Risiken wurden nicht untersucht.
- Can AI agents escape their sandboxes? A benchmark for safely measuring container breakout capabilities
Laut AISI können fortgeschrittene Modelle verbreitete Container-Fehlkonfigurationen ausnutzen, doch die Tests decken nur bekannte Schwachstellenklassen ab und keines der Modelle löste die schwierigsten Aufgaben.
- A multi-turn framework for evaluating AI misuse in fraud and cybercrime scenarios
Der Abstract-Auszug beschreibt ein Verfahren, das laut Forschenden geringe praktische Hilfe aktueller Sprachmodelle, aber stärkere Unterstützung durch sicherheitsbereinigte offene Modelle bei drei Betrugs- und Cybercrime-Szenarien feststellte.
- Advanced AI evaluations at AISI: May update
Laut AISI zeigen fünf geprüfte Sprachmodelle beachtliche Fachkenntnisse, aber auch Grenzen bei komplexen Aufgaben und deutliche Anfälligkeit für einfache Schutzumgehungen; die Momentaufnahme belegt weder Sicherheit noch Unsicherheit.
- Early lessons from evaluating frontier AI systems
Das AISI entwickelt mehrstufige unabhängige KI-Prüfungen, betont aber, dass deren Aussagekraft und die wissenschaftlichen Grundlagen noch Grenzen haben.
- International joint testing exercise: Agentic testing
Eine internationale Testübung entwickelte vorläufige Empfehlungen zur Bewertung von KI-Agenten, doch kleine Stichproben, abweichende Modellurteile und technische Fehler begrenzen die Aussagekraft.
- AISI Research Agenda | The AI Security Institute
Das AISI beschreibt eine veränderliche Forschungsagenda zu Risiken fortgeschrittener KI und betont, dass manche Details sensibel, Ergebnisse begrenzt und viele Vorhaben noch nicht abschließend sind.
- Our First Year | AISI Work
AISI schildert den Aufbau von KI-Sicherheitsprüfungen, internationaler Zusammenarbeit und Forschungsförderung, betont aber, dass seine Tests keine Sicherheitszertifikate darstellen und nur begrenzt öffentlich ausgewertet werden können.
- Introducing ControlArena: A library for running AI control experiments
ControlArena soll KI-Kontrollexperimente mit gemeinsamen Umgebungen und Protokollen erleichtern; der Bericht beschreibt den Ansatz und frühe Nutzung, aber keine quantitativen Wirksamkeitsnachweise.
- RepliBench: measuring autonomous replication capabilities in AI systems
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.
- RepliBench: Evaluating the autonomous replication capabilities of language model agents
Der vorliegende Abstract berichtet, dass getestete Sprachmodell-Agenten noch keine glaubwürdige Gefahr autonomer Selbstreplikation darstellen, ihre Teilfähigkeiten aber rasch wachsen.
- AgentHarm: A benchmark for measuring harmfulness of LLM agents
Der Auszug stellt AgentHarm vor und berichtet, dass Sprachmodell-Agenten laut den Forschenden auch ohne Jailbreak bösartige Aufträge ausführen können.
- Safety case template for frontier AI: A cyber inability argument
Nur das Abstract liegt vor: Die Autoren schlagen eine beleggestützte CAE-Vorlage zur Bewertung offensiver Cyberfähigkeiten von KI vor, berichten aber keine konkreten Modellergebnisse.
- Fable 5's cyber safeguards and our jailbreak framework
Anthropic stellt Fable 5s Cyber-Filter und einen ausdrücklich vorläufigen Maßstab zur Bewertung von KI-Jailbreaks vor; beides soll Missbrauch begrenzen, wobei auch harmlose Anfragen blockiert werden können.
- Redeploying Claude Fable 5
Anthropic will Fable 5 nach Aufhebung der Exportkontrollen wieder weltweit anbieten und berichtet von verstärkten Schutzmaßnahmen sowie geplanten gemeinsamen Standards und Sicherheitstests.
- 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.
- Reflections on our Responsible Scaling Policy
Anthropic sieht seine Responsible Scaling Policy als hilfreichen, aber noch unvollständigen Rahmen für Tests, Schutzmaßnahmen und Aufsicht bei KI-Risiken; der Bericht ist eine unternehmenseigene Zwischenbilanz.
- Donating our open-source alignment tool
Anthropic übergibt Petri an Meridian Labs und kündigt für Version 3.0 flexiblere, realitätsnähere und durch Bloom vertiefte Prüfungen an; deren Nutzen ist im Bericht noch nicht mit Ergebnissen belegt.
- Sabotage evaluations for frontier models
- SHADE-Arena: Evaluating sabotage in LLM agents
- Introducing EVMbench
EVMbench misst KI-Fähigkeiten bei Smart-Contract-Sicherheit; OpenAI berichtet starke Exploit-Ergebnisse, nennt aber deutliche Leistungs- und Bewertungsgrenzen.
- Cross‐lingual safety asymmetry in open‐weight LLMs
Laut Bericht weisen sechs offene Sprachmodelle besonders auf Koreanisch Sicherheitslücken auf, die sich je nach Modell unterschiedlich stark durch bessere Übersetzungen verringern.
- Organisations need to prove that their AI agents can shut down
- Frontier LLMs Attempt to Persuade into Harmful Topics
- TamperBench: Systematically Stress-Testing LLM Safety Under Fine-Tuning and Tampering
- Principles for safeguard evaluation
Das damalige AI Safety Institute schlägt einen fünfstufigen, regelmäßig zu erneuernden Bewertungsprozess für Schutzmaßnahmen gegen missbräuchliche KI-Nutzung vor, präsentiert dabei aber Empfehlungen und keine konkreten Prüfergebnisse.
- Breaking agent backbones: Evaluating the security of backbone LLMs in AI agents
Der Abstract-Auszug berichtet, dass eine Untersuchung von 31 LLMs mit dem Benchmark b³ stärkere Schlussfolgerungsfähigkeiten mit mehr Agentensicherheit, die Modellgröße hingegen nicht mit Sicherheit in Verbindung bringt.
- Security challenges in AI agent deployment: Insights from a large scale public competition
Nur ein Abstract-Auszug liegt vor: Laut Autoren zeigten KI-Agenten häufig Richtlinienverstöße unter Prompt-Injection-Angriffen, und ihre Robustheit hing nur begrenzt mit Modellgröße oder Rechenaufwand zusammen.
- ShutdownMod: Turning Any Trajectory into a Shutdown Evaluation
Nur das Abstract liegt vor: Es berichtet, dass sieben getestete Modelle Shutdown-Aufforderungen unterschiedlich oft missachteten und keines in allen Szenarien durchgehend kooperierte.
- Authorization Drift in LLM Agents: Evaluating Boundary Compliance in Multi-Step Tool Use
Der arXiv-Auszug berichtet über häufiges, aber vermeidbares Überschreiten von Befugnissen durch Sprachmodell-Agenten; der vollständige Artikel liegt nicht vor.
- Model tampering attacks enable more rigorous evaluations of LLM capabilities
Der bereitgestellte Abstract behauptet, dass Modellveränderungsangriffe Sprachmodellrisiken gründlicher prüfen können und Unlearning-Verfahren leicht umkehrbar sind.
- Only Way To Align AI With Public Is To Put Public in Charge
- U.S. Intervention in the UN Security Council Meeting on "Artificial Intelligence and International Security"
Kratsios’ Rede fordert nationale statt globale Steuerung von „Superintelligenz“ und setzt auf Einführung und Kompetenzaufbau; die politischen Aussagen werden im Bericht nicht unabhängig überprüft.
- Assistant to the President and OSTP Director Michael Kratsios' Intervention in the U.N. Security Council's "Security Council meeting on artificial intelligence and international security"
- Testing robustness against unforeseen adversaries
Laut Bericht reicht Schutz gegen bekannte Bildangriffe nicht aus; vielfältige Tests und die Kennzahl UAR sollen die Robustheit gegen unbekannte Angriffe messbar machen.
- To be truly participative, stakeholder involvement should follow an AI system’s entire lifecycle
Echte Beteiligung an KI erfordert laut Bericht dauerhaft finanzierte Mitbestimmung über den gesamten Lebenszyklus, doch die vorgeschlagenen gemeinschaftlichen Modelle sind noch frühe Experimente.
- Bridging the Scale Gap: Augmenting Human Red-Teaming to Uncover Latent Risks in T2I Models
Nur der Abstract liegt vor: Laut Autorinnen und Autoren erweitert Seed2Harvest menschliche Red-Team-Prompts und steigert dabei die Abdeckung im Mittel etwa um den Faktor 20, doch Details zur Auswertung fehlen.
- 3be39cc
Der Auszug empfiehlt, KI-Folgen für Arbeit und deren Verteilung systematisch und unter Beteiligung der Betroffenen zu bewerten.
- GPT-6 Sol and GPT-6 Luna: October 2026 update
Der Bericht meldet insgesamt Fortschritte bei GPT‑6 Sol und Luna, aber auch Rückschritte in einzelnen Sicherheitsprüfungen und betont, dass die schwierigen Tests nicht den normalen Produktbetrieb abbilden.
- Developing Gemini 4 Argon responsibly and safely
Google zufolge soll Gemini 4 Argon trotz gestiegener Fähigkeiten durch mehrschichtige Prüfungen, laufende Überwachung und Training gegen Missbrauch, Grenzverletzungen und Prompt Injection abgesichert werden; die Wirksamkeitsangaben beruhen auf Googles eigenen Tests.
- Gemini 4 Carbon: our next frontier model
Google kündigt Gemini 4 Carbon mit starken, vom Unternehmen berichteten Programmier- und Cybersecurity-Ergebnissen an; zunächst soll es ausgewählte Fachleute erreichen.
- Introducing Mistral Large 4
Mistral präsentiert ML4 mit vielversprechenden, überwiegend vom Anbieter berichteten Benchmark-Ergebnissen; die Vorschau ist verfügbar, offene Gewichte und weitere technische Details sollen später folgen.
- Frontier AI Risk Monitor update: risk indices rise severalfold as multiple models cross key threshold
Concordia AI meldet stark gestiegene Risiken bei Frontier-Modellen und teils unzureichende Schutzmaßnahmen, weist aber darauf hin, dass die neue Bewertungsmethode nicht direkt mit früheren Versionen vergleichbar ist.
- Frontier AI Risk Trends Are Splitting Apart: Misuse Safeguards Improve while Loss-of-control Safety Stagnates
Concordias Monitoring für Q1 2026 meldet wachsende KI-Fähigkeiten und verbesserte Schutzwerte in mehreren Risikobereichen, aber keine vergleichbaren Sicherheitsfortschritte beim Kontrollverlust.
- Expanding Daybreak as the Cyber Defense Window Narrows
OpenAI erweitert Daybreak um GPT‑5.6‑Cyber für autorisierte Sicherheitsforschung und berichtet von gemischten Testergebnissen, behobenen Schwachstellenfunden sowie einer Einstufung unterhalb der eigenen „Critical“-Schwelle.
Sprache und Prüfstand
Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.
Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.
Sprachabdeckung und Datenstand ansehen →