- A New Tool Gives Researchers Evidence to Back Their AI Training Claims
Witnesses soll Trainingsabläufe von KI-Modellen mit überprüfbaren Zertifikaten nachvollziehbar machen, kann jedoch weder die wissenschaftliche Aussagekraft bestätigen noch zusätzlichen Rechenaufwand vermeiden.
- Issue Brief: Measuring Training Compute
- AViD Workshop 2026
- Frontier language models have become much smaller
Der Autor schätzt, dass Spitzenmodelle seit GPT‑4 deutlich kleiner wurden, erwartet aber wahrscheinlich eine Rückkehr zu mindestens GPT‑4-Größe und betont, dass die Parameterzahlen geschlossener Modelle unsicher sind.
- How an assessor could investigate evidence of acceleration from the automation of AI R&D
METR skizziert einen datenintensiven Prüfplan für eine mögliche KI-bedingte Beschleunigung der KI-Forschung, liefert aber selbst keinen Nachweis, dass sie eingetreten ist.
- Five Recommendations in Response to the Call for Control of Frontier AI Models
Der Beitrag fordert überprüfbare gemeinsame Regeln und internationale Zusammenarbeit für Frontier-KI, räumt aber eine Verifizierungslücke und offene Fragen zur globalen Kooperation ein.
- We need 3rd party Training-Run Evaluations
Apollo Research plädiert für unabhängige, schrittweise aufgebaute Prüfungen von KI-Trainingsläufen, um mögliche Risiken zu erkennen, die Tests am fertigen Modell übersehen könnten.
- Measurements for understanding the pace of AI development inside frontier labs
Anthropic berichtet vorläufige Kennzahlen zu KI-Forschung, Agentenaufsicht und Sicherheits-Rechenleistung und fordert vergleichbare Messungen sowie unabhängige Prüfungen.
- 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.
- L_202401689DE.000101.fmx.xml
Die Vorlage enthält Notizen, keinen vollständigen Verordnungstext, und beschreibt den risikobasierten EU-KI-Rechtsrahmen mit Verboten, Hochrisiko-Anforderungen, Transparenzpflichten und schrittweisem Anwendungsbeginn ab 2025.
- Progress on provable inference for large language models
- What should companies share about risks from frontier AI models?
METR schlägt vorläufige Fragen und Verfahren für mehr Transparenz über Risiken leistungsfähiger KI vor, betont aber offene Kosten und mögliche Fehlanreize; biologische Waffenrisiken bleiben außen vor.
- Governance of superintelligence
OpenAI fordert für mögliche Superintelligenz internationale Koordination, Aufsicht, Sicherheitsforschung und öffentliche Mitsprache, legt aber weder ein fertiges Regelwerk noch Belege für seine Zukunftsprognosen vor.
- Does Codex Train on Your Code? OpenAI Answered That Four Different Ways in Three Days.
Der Artikel sagt, OpenAIs Antworten ließen offen, ob Codex-Daten zum Training beitragen, und mahnt, die separate Trainingseinstellung für Codex-Vollumgebungen zu prüfen.
- Let The People Set The Pace Of Frontier AI
- US orders federal agencies to remove China’s DeepSeek AI from their systems
Der bereitgestellte Text schildert mögliche Zugänge chinesischer KI-Firmen zu Nvidia-Chips und damit verbundene Vorwürfe, lässt aber sowohl einen Rechtsverstoß als auch die im Titel genannte Anordnung offen.
- Canada and Europe Need a Way to See the AI They Cannot Access
Bello fordert gemeinsame staatliche Mess- und Meldeverfahren, damit Kanada und Europa auch Fähigkeiten unveröffentlichter KI-Systeme beurteilen können.
- SI Registry™: One Signed, Append-Only Record that Both Governs Certified AI Systems and Informs the Public, in which Each System's Runtime Limits Bind Only When Recorded, Role-Scoped Writers Sign in Separate Lanes, Certification Status Is Derived Live from the Records It Depends On, Typed Cross-References Link Compute, Model, Data, Skill, Machine, Site and Credential so that a Change Propagates to Every Dependent Record, Physical Events Are Anchored by Signed Device Evidence, Independent Witnesses Prevent Split Views, Linking Is Limited to Protect Privacy, and No Stop or Restore Ever Depends on the Registry
- Theories of Change for AI Auditing
Apollo hält KI-Prüfungen für einen möglichen Beitrag zur Sicherheit, betont aber, dass sie ohne bessere Verfahren und regulatorische Durchsetzung keine verlässlichen Sicherheitsgarantien bieten.
- The UK AI Safety Summit: Our Recommendations
Apollo Research fordert gemeinsame KI-Sicherheitsregeln, Lebenszyklusprüfungen und aussagekräftige Bewertungen, warnt aber vor einer zu starken Orientierung am Rechenaufwand; der vorliegende Auszug endet vor dem Inhalt der Überschrift „OUR FINDINGS“.
- General-Purpose AI Models in the AI Act – Questions & Answers
Der Bericht erklärt Pflichten und Ausnahmen des EU-KI-Gesetzes für allgemein verwendbare KI-Modelle und betont, dass seine Antworten unverbindliche Orientierung der Kommission sind.
- Compute trends across three eras of machine learning
Epoch AI berichtet von stark wachsendem Trainingsaufwand und schlägt drei Entwicklungsphasen vor, weist aber auf erhebliche Datenlücken und unsichere Abgrenzungen hin.
- Article 53: Obligations for Providers of General-Purpose AI Models | EU Artificial Intelligence Act
Artikel 53 sieht Dokumentations-, Informations-, Urheberrechts- und Kooperationspflichten für Anbieter allgemeiner KI-Modelle vor, mit einer begrenzten Ausnahme für bestimmte quelloffene Modelle ohne systemische Risiken.
- Bill Text - SB-53 Artificial intelligence models: large developers.
Kaliforniens SB 53 führt Transparenz-, Sicherheitsmelde- und Beschäftigtenschutzpflichten für Entwickler besonders leistungsfähiger KI ein und sieht CalCompute nur vorbehaltlich einer Mittelbewilligung vor.
- Charting a path to AI accountability
Anthropic fordert mehr standardisierte, risikobasierte und unabhängige KI-Prüfungen sowie vertrauliche Meldungen großer Trainingsläufe, räumt aber ein, dass wichtige Voraussetzungen erst geschaffen werden müssen.
- Tracking large-scale AI models | 81 models across 18 countries
Epoch AI dokumentiert 81 bestätigte KI-Modelle oberhalb von 10²³ Trainings-FLOP, weist aber darauf hin, dass fehlende Angaben und nicht auffindbare Systeme den Datensatz unvollständig machen.
- Will businesses or laws and regulations ever prioritise environmental sustainability for AI systems?
Der Beitrag plädiert für mehr Regulierung und Transparenz zu den Umweltfolgen von KI, weist aber auf erhebliche Messlücken und unvollständige Daten hin.
- Today’s largest data center can do more than 20 GPT-4-scale training runs each month
Epoch AI schätzt die monatliche Kapazität für GPT-4-große Trainingsläufe auf rund 23 bei Fairwater Atlanta und prognostiziert mehr als 225 bei Fairwater Wisconsin bis Ende 2027.
- Over 30 AI models have been trained at the scale of GPT-4
Epoch AI zählt für Juni 2025 über 30 Modelle oberhalb von 10²⁵ FLOP, weist aber auf teils unsichere Schätzungen hin; das Metadatum Januar 2025 widerspricht den späteren Einträgen.
- Three challenges facing compute-based AI policies
Der bereitgestellte Auszug zufolge erfassen gängige Rechenmetriken wichtige Fähigkeitsquellen nur unvollständig; die Autoren plädieren für regelmäßige Überprüfung und ergänzende Bewertungen.
- What went into training DeepSeek-R1?
Der Autor schätzt R1s zusätzliche GPU-Trainingskosten auf rund eine Million Dollar und sieht das Modell bei ungefähr o1-Leistung zu deutlich geringerem API-Preis.
- Improving verifiability in AI development
Der Text stellt zehn Empfehlungen für besser überprüfbare KI-Entwicklung vor, ist aber nur eine Zusammenfassung und erläutert weder deren Wirksamkeit noch die Einschränkungen des vollständigen Berichts.
- Independent Assessment of AI R&D Acceleration at Anthropic in October 2026
METR schätzt eine etwa verdoppelte Fortschrittsrate bei Anthropic und einen großen, aber unsicheren KI-Anteil; umfangreiche Schwärzungen und die begrenzte Aussagekraft von Benchmarks schränken die öffentliche Prüfung ein.
- Introducing Inkling 2 Small
Der Hersteller stellt Inkling 2 Small vor und berichtet über breite Fähigkeiten und Sicherheitsverbesserungen, während Benchmarks ein gemischtes Bild und der Text verbleibende Grenzen zeigt.
- New York’s RAISE Act 2.0 would expand AI oversight, according to safety expert
New York schlägt schärfere Aufsicht über große KI-Entwickler vor, darunter unabhängige Prüfungen und mögliche Begrenzungen ihrer Rechenressourcen; der Entwurf war laut Bericht noch nicht verabschiedet.
- 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.
- 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.
- Who’s who: who decides how AI is governed in 2027
- Navigating the AI Act
Die Kommissions-FAQ fasst den risikobasierten EU-KI-Rechtsrahmen und seine gestaffelte Umsetzung zusammen, wobei wichtige Standards und Leitlinien laut Bericht noch ausstehen.
- Post by @agounardes on X
- Post by @Sam_McCandlish on X
- Template for general-purpose AI model providers to summarise their training content
Laut EU-FAQ müssen Anbieter allgemeiner KI-Modelle auf dem Unionsmarkt ihre Trainingsinhalte nach einer verbindlichen Vorlage öffentlich zusammenfassen, mit begrenzten und zu begründenden Informationslücken.
- Guidelines on obligations for General-Purpose AI providers
Die Kommission legt unverbindlich aus, welche Dokumentations-, Urheberrechts-, Transparenz- und Risikopflichten Anbieter allgemeiner KI-Modelle nach dem EU-KI-Gesetz erfüllen sollen.
- General-purpose AI obligations under the AI Act | Shaping Europe’s digital future
Die Seite überblickt GPAI-Pflichten nach dem KI-Gesetz, darunter zusätzliche Vorgaben für systemische Risiken, deren Schwellenwert laut Bericht überprüft wird.
- 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.
- Comment on BIS Request for Information
Die CSET-Autoren befürworten zunächst IaaS-Kundenprüfungen und empfehlen, KI-Überwachung klarer zu begründen und international abzustimmen.
- Biological sequence models in the context of the AI directives
Der Bericht sieht stark wachsende Rechen- und Datenbestände bei biologischen Sequenzmodellen und diskutiert eine mögliche, rechtlich nicht abschließend geklärte Lücke bei Modellen, die zwar viele biologische Daten nutzen, aber nicht überwiegend damit trainiert werden.
- Estimating training compute of deep learning models
Der Bericht vergleicht zwei annähernde Verfahren zur Schätzung des Trainingsaufwands von KI-Modellen und empfiehlt, Architektur- und GPU-basierte Schätzungen nach Möglichkeit gegenzuprüfen.
- Article 51: Classification of General-Purpose AI Models as General-Purpose AI Models with Systemic Risk | EU Artificial Intelligence Act
Artikel 51 knüpft die Einstufung eines allgemeinen KI-Modells als systemisches Risiko an leistungsstarke oder vergleichbar wirkungsvolle Fähigkeiten und sieht dafür unter anderem eine Trainingsschwelle von mehr als 10²⁵ Gleitkommaoperationen vor.
- Dario Amodei — We Must Pace the Frontier
Amodei schlägt vor, die KI-Entwicklung durch unabhängige Prüfungen und abgestimmte Sicherheitsgrenzen zu verlangsamen, räumt aber ein, dass Wirksamkeit und internationale Durchsetzung noch offen sind.
- 生成式人工智能服务管理暂行办法_中央网络安全和信息化委员会办公室
- 生成式人工智能服务管理暂行办法_国务院部门文件_中国政府网
- Deadline extended to 1 October: Public consultation on risk thresholds for advanced AI systems
Der Bericht stellt eine OECD-Konsultation zu noch umstrittenen Risikoschwellen für fortgeschrittene KI vor, deren Beiträge bis zum 1. Oktober 2024 weitere Forschung und politische Arbeit unterstützen sollten.
- Who is leading in AI? An analysis of industry AI research
Laut Bericht prägen vor allem Google, Microsoft, OpenAI, Meta und DeepMind die untersuchte industrielle KI-Forschung, wobei die Ergebnisse auf bestimmten Publikations-, Rechenleistungs- und Innovationsdaten beruhen.
- Accuracy increases with estimated training compute
Laut Epoch AI steigt Benchmark-Genauigkeit meist mit geschätztem Trainingscompute, doch verrauschte Ergebnisse, algorithmischer Fortschritt und fehlende Compute-Angaben schränken den Vergleich ein.
- A law for foundation models: the EU AI Act can improve regulation for fairer competition
Der Beitrag plädiert für einen gezielten EU AI Act, der besonders leistungsfähige foundation models reguliert und Risiken begrenzt, ohne kleinere Anbieter zu benachteiligen.
- BigCode: toward open AI governance processes in LLMs for coding
BigCode verbindet laut Bericht offene Entwicklung von Code-Sprachmodellen mit Opt-out, Datenschutz, Herkunftssuche, Emissionsangaben und einer Lizenz mit Nutzungsauflagen.
- Models with downloadable weights currently lag behind the top-performing models
Der vorliegende Auszug beschreibt einen zunächst deutlichen, später laut Beitrag stark geschrumpften Leistungsvorsprung nicht herunterladbarer Modelle in ausgewählten Benchmarks.
- US models currently outperform non-US models
Laut Bericht führen US-Modelle bei zwei Benchmarks, doch DeepSeek-R1 verringert den Abstand; Umfang und Vergleichbarkeit der Daten sind begrenzt.
- How far can decentralized training over the internet scale?
Dezentrales KI-Training könnte deutlich wachsen und größere offene Modelle ermöglichen, wird laut Bericht aber voraussichtlich noch in diesem Jahrzehnt nicht den Rechenumfang der Spitzenmodelle erreichen.
- How far can reasoning models scale?
Reasoning-Modelle können laut Autor wohl noch deutlich besser werden, doch unvollständige Daten und mögliche Grenzen bei Aufgaben, Transfer und Entwicklungskosten machen offen, wie weit ihre Skalierung trägt.
- Final training runs account for a minority of R&D compute spending
Der Beitrag schätzt, dass abschließende Trainingsläufe bei drei untersuchten KI-Unternehmen nur einen Minderheitsanteil der F&E-Rechenausgaben ausmachen, wobei Datenlage und Vergleichbarkeit begrenzt sind.
- What Huawei’s Horinger data center reveals about China’s compute gap
Laut Epoch AI erreicht Huawei Horinger geschätzt rund sieben Prozent der Rechenleistung von Colossus 2, wobei die satelliten- und annahmebasierte Schätzung erhebliche Unsicherheiten aufweist.
- 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.
- AI and compute
Laut Bericht wuchs der Compute großer KI-Trainingsläufe seit 2012 außergewöhnlich schnell, doch Dauer und Folgen dieses Trends bleiben unsicher.
- Anthropic update on independent evaluators
Anthropic gibt sechs METR-Prüfern begrenzten internen Zugang und beschreibt abgestufte externe Prüfpartnerschaften, bei denen Veröffentlichung möglich ist, aber bestimmte Informationen geschwärzt werden können.
- A proposal for better informing the public about loss-of-control risks from frontier AI development
METR schlägt begrenzte, unabhängige Prüfungen vor, um die öffentliche Evidenz zu möglichen Kontrollverlustrisiken bei fortgeschrittener KI zu verbessern, ohne damit Sicherheit garantieren zu können.
- Frontier AI safety on both sides of the Atlantic: the White House Accord and the EU AI Act
- How Black-Box Distillation Works
Black-Box-Destillation kann Fähigkeiten über Modellantworten übertragen; laut Beitrag gibt es Vorwürfe umfangreicher Kampagnen, doch deren tatsächliche Nutzung und Nutzen sind öffentlich nicht geklärt.
- China AI Export Controls: 2T Models and Agents Listed
China plant laut dem Bericht Exportkontrollen für bestimmte KI-Technologien; der Katalog ist noch ein Entwurf, und die Nutzung über APIs soll davon grundsätzlich nicht erfasst sein.
- Post by @EmmieHine on X
- Paul Christiano: Governing Transformative AI | The Hinton Lectures 2026 (Night 3)
- Information for Frontier Developers
- AI Development Freeze Lawsuit: Nonprofits Sue 5 Labs, Say Real Freeze Needs Government Inspections
- Towards embedded evaluations for scheming propensities
Apollo Research argumentiert, dass Subversionsrisiken nur mit vier überprüfbaren Sicherheitsbehauptungen und dauerhaftem, tiefem Zugang unabhängiger Prüfer angemessen bewertet werden können.
- Chris Painter's testimony to the U.S. Senate on AI agent incidents
Painter nutzt den OpenAI/Hugging-Face-Vorfall als Beleg für Risiken durch leistungsfähige, schwer zu überwachende KI-Agenten und fordert mehr öffentliche Transparenz, wobei seine Untersuchung ausdrücklich begrenzt war.
- Technical Innovations for AI Policy 2025
- Priorities and principles for effective third party assessments
OpenAI skizziert Grundsätze und vier Schwerpunkte für unabhängige KI-Sicherheitsprüfungen, deren Reichweite durch Zugang, Vertraulichkeit und den noch entstehenden Standardrahmen begrenzt sein kann.
- 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.
- Open vs. closed AI: How behind are open models?
Der bereitgestellte Quelltext enthält den Hauptteil, aber nicht die Anhänge vollständig; der Bericht schätzt den Rückstand offener KI-Modelle auf etwa ein Jahr, während Effizienz und künftige Entwicklung unsicher bleiben.
- A framework for AI development transparency
Anthropic fordert flexible, gesetzliche Transparenzpflichten zu Sicherheitspraktiken für die größten KI-Entwickler und stellt sie als ersten Schritt zu mehr Rechenschaft dar.
- Post by @Sam_McCandlish on X
- 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.
- Trends in the dollar training cost of machine learning systems
Der Bericht schätzt ein historisches Wachstum der Kosten abschließender ML-Trainingsläufe, betont aber große Unsicherheit und den engen Umfang der erfassten Kosten; die Anhänge liegen nur als Überschriften vor.
- Frontier open models may surpass 1e26 FLOP of training compute before 2026
Epoch AI erwartet aufgrund historischer Trends, dass offene Modelle die Schwelle von 10²⁶ Trainings-FLOP möglicherweise 2025, spätestens laut Prognoseintervall im November 2026, überschreiten.
- Most of OpenAI’s 2024 compute went to experiments
Epoch AI zufolge floss der Großteil von OpenAIs geschätzten 5 Milliarden Dollar F&E-Rechenkosten 2024 wahrscheinlich in Forschung, Experimente und unveröffentlichte Modelle statt in finale Trainingsläufe veröffentlichter Modelle.
- AI training cluster sizes increased by more than 20x since 2016
Epoch AI berichtet von mehr als zwanzigmal so vielen Prozessoren für KI-Trainings zwischen 2016 und 2024, weist aber auf fehlende genaue Angaben und eine lückenhafte Datentabelle hin.
- Training compute growth is driven by larger clusters, longer training, and better hardware
Laut Epoch AI wächst das Trainings-Computing führender KI-Modelle vor allem durch mehr Hardware, längere Trainingsläufe und bessere Hardware, mit einem geschätzten medianen Jahresfaktor von 4,17.
- OpenAI Five Benchmark: Results
OpenAI berichtet, dass OpenAI Five 2018 zwei Spiele gegen ein Spitzenteam gewann, selbst Heldenaufstellungen auswählte und für sein jüngstes Modell geschätzt 35 Petaflop/s-Tage Trainingsaufwand benötigte.
- You Are Evaluating Sovereign AI Wrong
Der Beitrag empfiehlt, KI-Souveränität anhand von Kontrolle über Rechenleistung, Daten, Modelle und Wechselmöglichkeiten zu prüfen, statt sie allein am Serverstandort oder an offenen Modellgewichten festzumachen.
- White House Accord on Super Intelligence: Legal Guide for AI Firms
Der Beitrag beschreibt einen unverbindlichen Accord mit vier empfohlenen KI-Kontrollen, dessen praktische Bedeutung laut Autor vor allem aus bestehenden Regeln und möglichen Anforderungen von Geschäftspartnern entsteht.
- China plans to tighten export controls on open-weight models and 23 key AI technologies
Ein chinesischer Regelungsentwurf soll Exporte bestimmter KI-Technologien begrenzen, während offene Veröffentlichungen und einige Nutzungsformen Sonderregeln erhalten; mögliche Folgen bleiben laut Bericht Prognosen.
- OpenAI Expands Monitoring to Detect Frontier Model Misalignment
- Why a new report on Anthropic automating AI development is alarming researchers
- Implementing and Evaluating a Basic Per-Action Monitor for Safer Evals
METRs Aktionsmonitor zeigt in begrenzten Tests gute Erkennung, doch Abdeckungslücken, Umgehungsmöglichkeiten und schwache Belege verhindern bislang eine belastbare Wirksamkeitsbehauptung.
- Post by @DavidDuvenaud on X
- A Primer on the EU AI Act: What It Means for AI Providers and Deployers
OpenAI erläutert Verbote, Risikoklassen, Pflichten und Fristen des EU AI Act und berichtet über eigene Compliance-Schritte, wobei der Überblick zeitgebunden ist und Umsetzungsdetails offenließ.
- Introducing Mistral 3 | Mistral AI
Mistral stellt die offene Modellfamilie Mistral 3 vor und behauptet starke Leistung von Edge-Geräten bis Large 3, wobei die im Bericht genannten Vergleiche Anbieterangaben sind.
- Questions and answers on the code of practice for General-Purpose AI
Der Auszug erklärt Zweck, Themen und Zeitplan des freiwilligen EU-Kodex für GPAI-Anbieter und endet mit einer unbeantworteten Frage nach weiteren Informationen.
- Frontier Risk Report (February to March 2026)
METR sah im Pilotprojekt die Möglichkeit kleiner Rogue Deployments, aber keine beobachtete Fähigkeit, größere Vorhaben vor aktiver Untersuchung zu verbergen; Täuschung und Überwachungslücken bleiben relevante, nur begrenzt gemessene Risiken.
Sprache und Prüfstand
Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.
Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.
Sprachabdeckung und Datenstand ansehen →