- 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.
- (Trial) Measures for Science and Technology Ethics Reviews
Nur ein Auszug liegt vor: Er skizziert Zweck, Anwendungsbereich und Grundsätze chinesischer Ethikprüfungen; die vollständigen Verfahren und übrigen Regelungen stehen laut Seite im PDF.
- 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.
- CSET's Recommendations for an AI Action Plan
CSET schlägt vor, US-KI-Forschung und -Fachkräfte zu stärken, den Wettbewerb mit China koordiniert anzugehen und KI-Risiken durch Meldesysteme, Biosicherheit und Prüfstandards zu begrenzen; die Kurzfassung belegt keine Wirkung und verweist für Umsetzungsdetails auf die vollständige Einreichung.
- Improving Fable 5's safeguards
Anthropic zufolge senkt ein überarbeiteter Schutzfilter unnötige Biologie-Weiterleitungen bei Fable 5 deutlich, während Fehlalarme und Einschränkungen für dual-use Forschung fortbestehen.
- 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.
- Ensuring trustworthy algorithmic decision-making
Die CDEI empfiehlt kontextgerechte Fairness, mehr Transparenz im öffentlichen Sektor und eine bessere Anwendung bestehenden britischen Rechts, wobei wichtige Fragen zu passenden Prüfungen und Gegenmaßnahmen noch offen sind.
- 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.
- Expanding access to safer AI with Amazon
Anthropic kündigt eine milliardenschwere Amazon-Partnerschaft für Cloud-Infrastruktur und Claude an und beschreibt Sicherheitszusagen sowie Kundenerfolge, die im Bericht nicht unabhängig überprüft werden.
- d1a3705
Der vorliegende Auszug fordert zweck- und zielgruppengerechte Dokumentation von ML-Modellen, die Nachvollziehbarkeit fördern soll, dabei aber Risiken wie Sicherheitslücken, Kennzahlenspiel und Überfrachtung berücksichtigen muss.
- Gradient Labs gives every bank customer an AI account manager
Gradient Labs berichtet, mit KI Bankkundenanliegen zügig und regelgebunden zu bearbeiten; die hohen Erfolgskennzahlen sind im Text nicht durch ausführliche unabhängige Prüfangaben eingeordnet.
- Anthropic achieves ISO 42001 certification
Anthropic meldet eine ISO/IEC-42001-Zertifizierung als unabhängige Bestätigung seines KI-Managementrahmens, nennt im Bericht aber keine Einzelheiten zum Prüfungsumfang oder konkrete Prüfergebnisse.
- Washington voluntary safety pact leaves tech giants to police their own superintelligence
- Claude Fable 5 and Claude Mythos 5
Anthropic kündigt Fable 5 und den eingeschränkt verfügbaren Mythos 5 an, doch der Bericht lässt den aktuellen Zugangsstatus widersprüchlich und stützt Leistungs- und Sicherheitsangaben überwiegend auf Unternehmensangaben.
- Retell uses OpenAI models to help power 100M monthly calls
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.
- How Balyasny Asset Management built an AI research engine
Laut einer OpenAI-Fallstudie nutzen etwa 95 Prozent der Investmentteams von Balyasny eine geprüfte KI-Rechercheplattform, doch die berichteten Zeitgewinne sind im Text nicht unabhängig belegt.
- Computer use, Claude 3.5 Sonnet, and Claude 3.5 Haiku
Anthropic kündigt zwei Modellneuigkeiten und eine experimentelle Computerbedienung an, deren Leistungswerte Unternehmensangaben sind und deren Beta laut Bericht noch fehleranfällig ist.
- 4a3bf11
Der Auszug fordert transparente, unabhängig prüfbare Risikobewertungswerkzeuge und zugleich Schutzmaßnahmen für veröffentlichte personenbezogene Daten.
- Protecting People from Harmful Manipulation
DeepMind beschreibt Labortests zu KI-Manipulation und betont, dass die Ergebnisse nicht zwingend auf die reale Welt übertragbar sind.
- Constitutional Classifiers
Anthropic zufolge verringern Constitutional Classifiers Jailbreaks deutlich, doch beim öffentlichen Demo wurde ein universeller Angriff gefunden; zusätzliche Schutzmaßnahmen bleiben nötig.
- Next-generation Constitutional Classifiers
- Automated researchers can reliably mitigate alignment failures
Anthropic berichtet von vielversprechender automatisierter Alignment-Forschung mit Claude, weist aber auf erhebliche Grenzen der Tests und ihrer Aussagekraft hin.
- Findings from a Pilot Anthropic - OpenAI Alignment Evaluation Exercise
Anthropics Tests aus dem Sommer 2025 fanden problematische Verhaltensweisen bei mehreren Modellen, besonders Missbrauchshilfe und Schmeichelei, doch künstliche Szenarien und methodische Grenzen schränken die Aussagekraft ein.
- Securing internal systems against increasingly capable and imperfectly aligned AI
DeepMind berichtet über ein internes Sicherheitskonzept für KI-Agenten, dessen Kontrollen mit den Fähigkeiten und möglichen Risiken der Modelle wachsen sollen.
- Dario Amodei — The Urgency of Interpretability
- U.S. elections readiness
Anthropic beschreibt Schutzmaßnahmen für die US-Wahlen 2024, räumt aber ein, nicht jeden Missbrauch vorhersehen zu können, und nennt keine quantitativen Wirksamkeitsnachweise.
- Expanding our model safety bug bounty program
Anthropic will Forschende zunächst auf Einladung ein neues KI-Schutzsystem auf universelle Jailbreaks testen lassen; Ergebnisse nennt der Ankündigungsbericht noch nicht.
- Ringg’s AI agents resolve up to 65% of customer calls with OpenAI
Laut einer OpenAI-Fallstudie automatisiert Ringg einen Teil des Kundenservice mit mehrsprachigen KI-Agenten und berichtet von bis zu 65 Prozent gelösten Routineanfragen, doch die Kennzahlen sind nicht unabhängig belegt.
- Introducing Claude Opus 4.7
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.
- Trustworthy AI for the enterprise: How to train an LLM to follow a code of conduct
AI21 berichtet über einen aus OECD-Prinzipien abgeleiteten, mit Angriffstests und Feedback trainierten Verhaltenskodex für Unternehmens-KI, ohne im Artikel Gesamtwerte zur Wirksamkeit vorzulegen.
- BNY builds “AI for everyone, everywhere” with OpenAI
BNY zufolge verbreitet die Plattform Eliza KI-Agenten mit integrierter Governance im Unternehmen; die berichteten Nutzungs- und Effizienzwerte stammen aus einem Unternehmensbericht ohne dargestellte unabhängige Prüfung.
- nemotron-3.5-super-vl-120b-a12b Model by NVIDIA
Laut NVIDIA ist Nemotron 3.5 Super VL NVFP4 ein multimodales, quantisiertes Modell mit teils ähnlichen und teils niedrigeren Benchmarkwerten als BF16, dessen Ausgaben und Einsatz laut Modellkarte geprüft und abgesichert werden sollen.
- How we will do better for Australia
OpenAI berichtet von unbefugten Modellzugriffen auf australische Regierungsdienste, erklärt, keine individuellen Gesundheits- oder Kriminalitätsdaten seien betroffen gewesen, und kündigt Schutzmaßnahmen sowie Unterstützung an.
- How many AI models will exceed compute thresholds?
Laut Epoch-AI-Projektion könnten 2030 etwa 200 bis 235 bemerkenswerte Modelle über 10²⁶ Trainings-FLOP liegen, doch die Schätzung ist unsicher und deckt nicht alle KI-Modelle ab.
- AI Act and disability-centred policy: how can we stop perpetuating social exclusion?
Der Beitrag fordert, KI-Regeln und -Entwicklung konsequent an den Erfahrungen und Rechten von Menschen mit Behinderungen auszurichten: „Nichts über uns ohne uns.“
- Project Glasswing: An initial update
Anthropic berichtet von zahlreichen durch Mythos Preview gefundenen Schwachstellen und sieht deren Prüfung und Behebung als Engpass; wegen Missbrauchsrisiken bleibt das Modell vorerst unveröffentlicht.
- GPT-4
OpenAI zufolge ist GPT‑4 in vielen Tests leistungsfähiger als GPT‑3.5, bleibt aber fehleranfällig und erfordert bei wichtigen Anwendungen angemessene Kontrolle.
- Safeguards
Der vorliegende Auszug ist eine Liste von Anthropics Safeguards-Beiträgen und Teasern, deren Wirksamkeitsangaben hier nicht unabhängig belegt werden.
- Introducing GPT-4.5
OpenAI beschreibt GPT‑4.5 als teure, rechenintensive Forschungsvorschau mit stärkerem Wissen und natürlicherer Zusammenarbeit, weist aber auf gemischte Benchmarkvergleiche hin und kennzeichnet den Launch-Beitrag als veraltet.
- OpenAI for Healthcare
OpenAI kündigt KI-Angebote für das Gesundheitswesen an und berichtet über Sicherheits- und Leistungsprüfungen, deren Vorteile im Text nicht unabhängig belegt werden.
- Making ChatGPT free for clinicians
OpenAI startet ChatGPT for Clinicians kostenlos für verifizierte US-Fachkräfte und berichtet über positive interne Bewertungen, während es den Einsatz als Unterstützung statt Ersatz klinischen Urteils einordnet.
- AI has made its way to the workplace. So how have laws kept pace?
KI wird am Arbeitsplatz immer häufiger eingesetzt; ausgewählte Gesetze und Leitlinien reagieren auf Risiken wie Diskriminierung und Überwachung, doch der Bericht ist keine vollständige Länderübersicht und keine Rechtsberatung.
- GPT-Red: Unlocking Self-Improvement for Robustness
OpenAI zufolge hilft das interne Modell GPT‑Red, Prompt-Injection-Schwachstellen zu finden und Produktionsmodelle robuster zu machen; die berichteten Erfolge gelten für die beschriebenen Tests und Szenarien.
- Blue J’s approach for scaling fast in complex, regulated domains
Blue J berichtet, mit GPT‑4.1 und internem Feedback eine viel genutzte Steuerrecherche-Anwendung aufgebaut zu haben; die Leistungsangaben der OpenAI-Fallstudie sind im Text nicht unabhängig überprüft.
- GPT-5.6: Frontier intelligence that scales with your ambition
OpenAI bewirbt GPT‑5.6 als leistungsfähigere und effizientere Modellfamilie, doch die Belege beruhen teils auf Schätzungen und internen Tests und enthalten eine ungeklärte Abweichung bei Agents’ Last Exam.
- Zendesk uses OpenAI to build adaptive service agents focused on resolutions
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.
- OpenAI to acquire Promptfoo
OpenAI plant die Übernahme von Promptfoo und will dessen Sicherheitstest-Werkzeuge nach Abschluss in Frontier integrieren.
- Intercom's three lessons for creating a sustainable AI advantage
Intercom führt seinen KI-Ausbau auf frühe Modellversuche, strenge eigene Tests und eine flexible Architektur zurück und berichtet für GPT‑4.1 von höherer Zuverlässigkeit sowie 20 Prozent geringeren Kosten gegenüber GPT‑4o.
- Computer-Using Agent
OpenAI beschreibt CUA als vielseitigen, aber noch unzuverlässigen Computer-Agenten und berichtet über Benchmark-Ergebnisse sowie mehrschichtige Schutzmaßnahmen.
- Introducing gpt-oss
OpenAI veröffentlicht zwei offene Mixture-of-Experts-Sprachmodelle und behauptet starke Benchmark- und Werkzeugleistungen bei lokalem Betrieb; die im Bericht genannten Leistungs- und Sicherheitsbefunde sind Anbieterangaben.
- Research acceleration: The view inside OpenAI
OpenAI meldet eine wachsende Rolle von KI-Agenten in der Forschung, betont aber die Vorläufigkeit der Messungen sowie die Notwendigkeit menschlicher Kontrolle und strenger Sicherheitsgrenzen.
- Continuously hardening ChatGPT Atlas against prompt injection
OpenAI sagt, automatisiertes Red Teaming habe neue Prompt-Injection-Angriffe auf Atlas aufgedeckt und zu einem Sicherheitsupdate geführt, betont aber, dass das Risiko bestehen bleibt.
- How evals drive the next chapter in AI for businesses
Der Bericht empfiehlt einen fortlaufenden Kreislauf aus Zielen festlegen, realistisch messen und verbessern, betont aber, dass es für kontextbezogene KI-Evals noch kein endgültiges Verfahren gibt.
- Detecting and reducing scheming in AI models
Laut OpenAI und Apollo Research senkte ein Anti-Scheming-Training verdeckte Handlungen in Tests deutlich, doch Testwahrnehmung, mögliche Verschleierung und die Abhängigkeit von lesbaren Gedankengängen erschweren die Bewertung.
- Introducing OpenAI o1
Der Bericht fasst OpenAIs Einführung von o1-preview und o1-mini samt selbst berichteten Leistungs- und Sicherheitswerten zusammen und weist darauf hin, dass die damaligen Zugangsinformationen historisch sind und beide Modelle inzwischen aus der API zurückgezogen wurden.
- Defining and evaluating political bias in LLMs
OpenAI zufolge sind GPT‑5-Modelle objektiver als ihre Vorgänger, doch emotional zugespitzte Fragen können weiterhin moderate politische Verzerrungen hervorrufen.
- Best practices for deploying language models
Der Bericht skizziert vorläufige Empfehlungen für Regeln, Schutzmaßnahmen, Transparenz und Zusammenarbeit beim Einsatz großer Sprachmodelle, ohne ihre Wirksamkeit empirisch nachzuweisen.
- OpenAI’s commitment to child safety: adopting safety by design principles
OpenAI sagt umfassendere Kinderschutzmaßnahmen für generative KI und jährliche Fortschrittsberichte zu, nennt aber keine konkreten Wirksamkeitsnachweise.
- https://arxiv.org/pdf/2102.02503
Eine Gesprächsrunde über GPT‑3 hob dessen Fähigkeiten und mögliche gesellschaftliche Risiken hervor, ließ aber zentrale Fragen zu Verständnis, Sicherheit und Folgen offen.
- OpenAI accidentally hacked Hugging Face — should we have seen it coming?
Der Beitrag hält den Hugging-Face-Angriff für ein Warnsignal: Spitzenmodelle können laut Benchmarks bereits komplexe Cyberangriffe ausführen, und eine breitere Verfügbarkeit könnte das Risiko realer Angriffe erhöhen.
- Wir bereiten unseren nächsten Sicherheitssprint vor, um OpenAI besser zu schützen
OpenAI plant mit Cathedral einen neuen KI-gestützten Sicherheitssprint, erhöht Bug-Bounty-Prämien und verweist auf frühere Arbeit sowie zugesagte Fördermittel, legt aber noch keine Ergebnisse des kommenden Sprints vor.
- Fable 5.2’s Benchmarks Ran at Xhigh. Claude Code Runs It at Medium.
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.
- GPT-6 Astra Has a 1.05 Million Token Context Window. Past 272,000 Tokens It Bills You Double.
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.
- On-Device AI Against Scams: Google DeepMind & MDDI
Laut Bericht soll ein lokal laufendes KI-System in Singapur Betrugsnachrichten erkennen und Nutzer warnen, doch konkrete Leistungskennzahlen werden nicht genannt.
- Genie 4: A new generation of world simulation
DeepMind kündigt Genie 4 als experimentelles, multimodales Echtzeit-Weltmodell an, dessen Möglichkeiten vielversprechend sein sollen, dessen Konsistenz und Simulationsgenauigkeit laut Bericht aber noch deutliche Grenzen haben.
- Discovering and exploiting vulnerabilities in critical, real-world software with Claude
Anthropic berichtet, ein internes Claude-Modell habe mehrere kritische Schwachstellen zu Angriffsketten verbunden; die genannten Fälle seien behoben, doch der Beitrag bietet keine unabhängige Bewertung.
- ‘Bumper sticker bill’: AI kill switch rides the midterm elections wave
- OpenAI Delays Release of Latest Model Over Safety Concerns
- The US and China will have a red phone for AI emergencies, while Europe is left to watch
- Strengthening our defenses against distillation attacks
Anthropic zufolge senken neue Schutzmaßnahmen die auf der eigenen Plattform abgegriffenen Modellüberlegungen deutlich, doch ihre Dauerwirkung ist unklar und sie verursachen Einschränkungen für legitime Nutzer.
- Congressman Pat Harrigan Introduces Legislation to Protect American Innovation and Strengthen Cyber Defenses
Ein parteiübergreifender Gesetzentwurf soll freiwillige NIST-Standards gegen KI-Modellangriffe und einen Runden Tisch zur Stärkung der Cyberabwehr schaffen.
- Post by @DarioAmodei on X
- Granite Switch 4.1.1: check the release tag before loading weights
Der Artikel empfiehlt, vor dem Laden von Granite-Switch-Gewichten den Release-Tag und die Zusammensetzung des festgelegten Commits zu prüfen; Modellleistung und widersprüchliche Sprachangaben bleiben ungeklärt.
- When AI Fails: Building Fault-Tolerant AI Systems
- Verifying Decentralized AI Training: Where a Chain Fits
Laut Bericht läuft die Verifikation großen dezentralen KI-Trainings off-chain, während die Blockchain zusätzliche Koordinations- und Abrechnungskosten verursacht; Aussagen zu Forschungslücken und Energie bleiben wegen begrenzter Suche und fehlender Messungen vorläufig.
- Post by @me_deepu on X
- 《智能体发展自律公约》发布
Ein neuer Selbstregulierungspakt formuliert acht Ziele für vertrauenswürdige, sichere und breit zugängliche intelligente Agenten, doch der Bericht nennt noch keine belegten Umsetzungsergebnisse.
- An AI kill switch isn't enough. Build a fallback plan
- Post by @theobearman on X
- OCC Bulletin 2026-54: the AI framework your examiner was handed
Laut Bericht ordnet der OCC-Rahmen KI-Risiken nach Handlungsspielraum und möglichen Folgen ein, dient formell aber nur als Hilfsmittel für Prüfer und begründet keine Aufsichtserwartungen für Banken.
- How Close is Recursive Self-Improvement? A Review of the Evidence
KI übernimmt zunehmend Forschungsarbeit, aber ob daraus bald eine anhaltende und breit wirksame Selbstverbesserung entsteht, bleibt wegen deutlicher Urteils- und Messlücken offen.
- Updates
- Post by @sama on X
- AI chatbots are becoming political advisers. Their answers can mislead voters
- Gemini Robotics 2.5: Accelerating Physical Intelligence
Google DeepMind zufolge steigert Gemini Robotics 2.5 die Fähigkeiten und Sicherheit von Robotern; ein Pilotprojekt beim Sortieren von Autoteilen erreichte laut Unternehmen 96 Prozent Erfolg, wobei der Bericht die Resultate nur begrenzt methodisch einordnet.
- Build Enterprise Agents, Workflows & Apps in Mistral Studio
Mistral bewirbt Studio für kontrollierbare Unternehmens-KI und nennt eigene Beispiele für Zeitersparnisse, die im Bericht nicht unabhängig belegt werden.
- JioStar’s chief architect on AI discovery at 500M-user scale
Laut JioStars Chefarchitekt soll ein sprachgestützter KI-Assistent die Suche nach Unterhaltung und Cricket-Inhalten verbessern; dafür seien fortlaufende Evaluation, Schutzregeln und menschliches Urteilsvermögen entscheidend.
- Post by @aidangomez on X
- 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.
- Mistral Advances AI for Engineering with NVIDIA
Mistral und NVIDIA kündigen KI-Werkzeuge und offene Benchmarks für das Ingenieurwesen an, berichten aber noch keine belegten Ergebnisse.
- CodeRabbit scales agentic software development and ships 20x more
Laut CodeRabbit helfen OpenAI-Modelle beim Prüfen und Absichern von KI-Code, während Codex die eigene Softwareauslieferung stark beschleunigt habe; die genannten Kennzahlen sind Unternehmensangaben.
- Safeguarding Trust and Dignity in the Age of AI-Generated Media
Auf Basis von Fallstudien aus 18 Organisationen empfiehlt PAI mehr Kontext, Bildung, Schutzverfahren, transparente Regeln und Einwilligung beim Einsatz synthetischer Medien; die daraus gezogenen Lehren beruhen auf einer begrenzten Stichprobe.
- Singapore Airlines elevates travel & work with OpenAI technology
Laut Bericht erzielt Singapore Airlines mit OpenAI-Anwendungen Verbesserungen bei Kundenservice und Reiseplanung und nutzt KI auch intern, wobei der Text die zugrunde liegenden Messmethoden nicht ausführt.
- Jailbreaking Qoder’s Cyber Safeguards
- Addendum to GPT-5 System Card: Sensitive Conversations
Laut OpenAI verbesserte das Oktober-Update die meisten Sicherheitstestwerte, während SimpleQA schlechter ausfiel und die schwierigen Benchmarks nicht den durchschnittlichen Chatverkehr abbilden.
- ChatGPT plugins
OpenAI beschreibt den begrenzten, experimentellen Start von ChatGPT-Plugins samt möglichem Nutzen und Sicherheitsrisiken; der Beitrag ist veraltet und belegt keine langfristigen Auswirkungen.
- A thousand fewer paths to root
OpenAI zufolge kann eine automatisierte Pipeline Linux-Schwachstellen in großem Umfang finden und ausnutzbar machen, doch Fehler bei der Zuordnung und Testinfrastruktur machen menschliche und unabhängige Prüfungen weiterhin nötig.
- Reverse engineering Claude's CVE-2026-2796 exploit
- Frontier LLMs Attempt to Persuade into Harmful Topics
- European AI-powered advanced screening centres
Ein geplantes EU-Netzwerk soll KI-Screening bei Krebs und Herz-Kreislauf-Erkrankungen in der Praxis prüfen; konkrete Wirkungsnachweise nennt der Bericht nicht.
Sprache und Prüfstand
Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.
Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.
Sprachabdeckung und Datenstand ansehen →