- AlphaZero and MuZero
Laut Bericht zeigen AlphaZero und MuZero, wie selbstlernende KI Spiele meistern und ausgewählte Anwendungen unterstützen kann; der Einsatz in komplexen realen Umgebungen bleibt eine Perspektive.
- 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.
- https://raw.githubusercontent.com/xai-org/grok-prompts/main/grok4p1_thinking_system_turn_prompt_v2.j2
Eine Jinja-Vorlage beschreibt Groks Antwortregeln und bedingte Fähigkeiten; ihre Aussagen werden im Bericht nicht unabhängig überprüft.
- https://docs.x.ai/developers/models.md
xAIs Dokumentation listet Modellpreise und Einschränkungen auf, empfiehlt Grok 4.7 für allgemeine Aufgaben und erklärt, dass Echtzeitinformationen Suchwerkzeuge erfordern.
- Article 2: Scope | EU Artificial Intelligence Act
Artikel 2 legt den Anwendungsbereich des EU-KI-Gesetzes samt Sonderregeln und Ausnahmen fest.
- https://raw.githubusercontent.com/xai-org/grok-prompts/main/grok4p1_non_thinking_system_turn_prompt.j2
Eine Jinja-Vorlage beschreibt Regeln und Antwortvorgaben für Grok, deren konkrete Aktivierung im Quelltext nicht feststeht.
- https://docs.x.ai/developers/grok-4-7.md
Der Bericht ist eine API- und Produktübersicht zu Grok 4.7 mit Angaben zu Funktionen, Preisen und Einsatzorten, aber ohne eigene Leistungsnachweise.
- 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.
- Supporting the blind community with ChatGPT
Der Bericht beschreibt anhand der Erfahrungen der Brüder Manning, wie ChatGPT ihnen im Alltag und bei ihrer Arbeit helfen soll, belegt die Wirkung aber nicht unabhängig.
- https://raw.githubusercontent.com/xai-org/grok-prompts/main/ask_grok_system_prompt.j2
Ein Grok-Systemprompt verlangt quellengeprüfte, ausgewogene und knappe Antworten und beschreibt Ton- und Formatregeln, ohne deren Umsetzung zu belegen.
- 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.
- NIST IR 8547 initial public draft, Transition to Post-Quantum Cryptography Standards
Der bereitgestellte Text ist ein 2024er NIST-Entwurf zur PQC-Migration, der laut Hinweis 2026 zurückgezogen wurde; er empfiehlt einen frühzeitigen, schrittweisen Wechsel und nennt 2035 als staatliches US-Ziel.
- Article 55: Obligations of Providers of General-Purpose AI Models with Systemic Risk | EU Artificial Intelligence Act
Artikel 55 verpflichtet laut Bericht Anbieter von KI-Modellen mit systemischen Risiken zu Risikoprüfung, Vorfallsmeldung und Cybersicherheit und regelt mögliche Konformitätsnachweise sowie Vertraulichkeit.
- Identity Management for Agentic AI
Das Whitepaper fordert gemeinsame Standards für identifizierbare, kontrolliert delegierende KI-Agenten, da heutige Verfahren vor allem einfache, organisationsinterne Fälle abdecken.
- Building AI-powered apps for business
Retool AI soll Unternehmen mit GPT-4 und visuellen Bausteinen beim Bau von Geschäftsanwendungen helfen; die behaupteten Vorteile werden im Bericht nicht quantitativ belegt.
- 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
- 关于印发《人工智能生成合成内容标识办法》的通知_中央网络安全和信息化委员会办公室
- https://www.edpb.europa.eu/system/files/documents/2024-12/edpb_opinion_202428_ai-models_en.pdf
- https://www.ecfr.gov/api/versioner/v1/full/2026-09-01/title-17.xml?part=240§ion=240.10b5-1
- Article 34, the Digital Services Act (DSA)
- China and the United States Reach Eight Deliverables and Understandings
- 关键信息基础设施安全保护条例_信息产业(含电信)_中国政府网
- Provisional Rules of Procedure
- Global AI Governance Action Plan
- 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
- https://www.whitehouse.gov/wp-content/uploads/2025/02/M-25-22-Driving-Efficient-Acquisition-of-Artificial-Intelligence-in-Government.pdf
- GLM-5.3
Der Bericht beschreibt GLM-5.3 als laut Z.ai leistungsfähigeres Modell für Programmierung und Cybersicherheit, dessen Benchmarkergebnisse Anbieterangaben sind und dessen Schlussfolgern stets aktiviert bleibt.
- Hugging Face
Laut Z.ai verbessert GLM-5.3 viele Benchmark-Ergebnisse gegenüber GLM-5.2, doch seine Platzierung variiert nach Aufgabe und Testbedingungen.
- Hugging Face
Der vorliegende Auszug stellt GLM-5.3-Flash vor und gibt Anbieterbehauptungen zu Leistung und Effizienz sowie Benchmarkwerte unter unterschiedlichen Testbedingungen wieder.
- GLM-5.3-Flash/FlashX
Der Anbieter bewirbt GLM-5.3-Flash als schnelles, kostengünstiges multimodales Modell und nennt starke Benchmarkwerte, die im Bericht nicht unabhängig bestätigt werden.
- Hugging Face
Der Bericht beschreibt MiniMax-M3.1-Flash als effizienzorientiertes multimodales Modell mit gemischten Benchmark-Ergebnissen, deren Vergleichbarkeit durch unterschiedliche Testbedingungen begrenzt ist.
- Models
Der Bericht fasst Anbieterangaben zu sechs Mercury-Modellen, ihren Preisen und Einsatzbereichen zusammen, ohne unabhängige Leistungsnachweise vorzulegen.
- Models
TypeSafes Dokumentation beschreibt Jev-Modelle, API-Nutzung und Einschränkungen; lange Kontexte sind möglich, laut Anbieter jedoch langsamer und weniger genau.
- Hugging Face
Die Seite beschreibt MiniMax-M3, seine behaupteten Effizienz- und Leistungsmerkmale sowie Nutzungswege, liefert im Auszug aber keine ausreichenden Details zur unabhängigen Einordnung der Benchmarkwerte.
- System One
TypeSafe beschreibt System One als Modellklasse für strukturierte Entscheidungen in Software; Kalibrierung soll Unsicherheit abbilden, garantiert aber keine einzelne richtige Vorhersage.
- Hugging Face
Kimi K3.1 Pro wird als großes multimodales Agentenmodell vorgestellt, dessen gemischte Benchmarkresultate wegen unterschiedlicher Testbedingungen nur eingeschränkt vergleichbar sind.
- clef
Clef wird als multimodales Entscheidungsmodell für typisierte Fragen beschrieben, doch der Quelltext lässt Parameter, API-Schemas und Details zur Medienabrechnung offen.
- Hugging Face
Kimi K3 wird als großes offenes multimodales Agentenmodell vorgestellt; die Benchmarkresultate sind gemischt und wegen uneinheitlicher Testbedingungen nur begrenzt direkt vergleichbar.
- AI primer
TypeSafe wirbt für RLCD mit prüfbaren Entscheidungen und kalibrierter Unsicherheit in der Automatisierung, belegt die behaupteten Vorteile im Bericht aber nicht durch Vergleichsdaten.
- Confidence
`Confidence` fasst die Verteilung einer Antwort zusammen, muss aber passend zum Fragetyp und Risiko interpretiert werden, weil es nicht direkt die Wahrscheinlichkeit einer richtigen Antwort misst.
- Hugging Face
Die Hugging-Face-Seite präsentiert MiMo-V2.6-Flash-RL als multimodales, gemeinsam per RL trainiertes Modell und berichtet gemischte Benchmarkergebnisse, deren Methoden nicht näher erläutert werden.
- Hugging Face
Xiaomi beschreibt MiMo-V2.6-Pro-RL als großes multimodales Modell mit bereichsübergreifendem RL-Training, doch die präsentierten Benchmarkwerte sind Anbieterangaben und im Bericht nur begrenzt methodisch eingeordnet.
- Noul
Noul liefert für Ja-Nein-Fragen einen Wahrscheinlichkeitswert von 0 bis 1, dessen Auswertung laut Bericht passende Schwellen und gegebenenfalls menschliche Prüfung erfordert.
- Score
TypeSafes „Score“ bildet geordnete Bewertungen als Wahrscheinlichkeitsverteilung und gewichteten Mittelwert ab; laut Bericht sollten Stufen konkret und anhand eigener Daten geprüft sein, denn Konfidenz garantiert keine Richtigkeit.
- Hugging Face
Der Bericht präsentiert DeepSeek-V4.1-Flash als cache-effizientes multimodales Modell mit gemischten Benchmarkresultaten, die der Anbieter unter eigenen Testbedingungen ausweist.
- Choice
TypeSafe „Choice“ klassifiziert Inhalte anhand beschriebener Optionen und liefert Auswahl, Wahrscheinlichkeiten und Konfidenz; der Bericht erklärt Einsatzmuster anhand von Beispielen, ohne allgemeine Genauigkeit zu belegen.
- Hugging Face
DeepSeek-V4-Pro-0813 übertrifft laut Bericht die Vorschauversion in den aufgeführten Benchmarks, doch andere Modellvergleiche sind gemischt und die Resultate werden nicht unabhängig belegt.
- Box
Der bereitgestellte Auszug beschreibt eine experimentelle Bildlokalisierung per Begrenzungsbox, die stets Koordinaten liefert und deren Genauigkeit sowie Grenzen laut Anbieter noch veränderlich sind.
- Hugging Face
Die Modellkarte stellt Gemma 4 12B Unified als multimodales Modell mit langem Kontext und guten Benchmarkwerten dar, nennt aber auch mögliche Verzerrungen, Fehler und Grenzen bei komplexen Aufgaben.
- State
„State“ ist laut Bericht der Inhalt, den ein System-One-Modell bewertet; er kann Text, strukturierte JSON-Daten und Bilder enthalten, während Audio und Video nicht nativ unterstützt werden.
- Hugging Face
Laut Hugging-Face-Seite ist Bespoke-Nimble-9B-v3 ein nicht kommerziell nutzbarer Qwen-Adapter für Fragen mit Wahrscheinlichkeitsausgaben, für den ein Decision-Index-Wert von 56,88 genannt wird.
- Auto-review
Auto-review prüft geeignete Genehmigungsanfragen durch einen separaten Agenten, bietet laut Bericht aber keine Sicherheitsgarantie und ergänzt statt ersetzt Sandbox und Überwachung.
- Hugging Face
Laut Modellseite übertrifft Nimble-v4-max v4.1 im öffentlichen Decision Index 0.3 die Vorgängerversion, benötigt spezielle Inferenz und leistungsstarke GPU-Hardware und darf nach CC BY-NC 4.0 nicht kommerziell genutzt werden.
- Hugging Face
Clef ist laut Bericht ein multimodales Entscheidungsmodell, dessen gemischte Benchmark-Ergebnisse je nach Aufgabe unterschiedliche Spitzenmodelle zeigen.
- The Evolution Of Bengt Betjänt
Andon Labs schildert Bengts autonome Geschäftsexperimente als zugleich leistungsfähig und fehleranfällig; der Bericht ist eine Selbstdarstellung und lässt zentrale Fragen zu Kontrolle und Verlässlichkeit offen.
- Surging developer productivity with custom GPTs
Paf zufolge steigern ChatGPT Enterprise und spezialisierte GPTs die Produktivität und unterstützen die Entwicklerausbildung; die genannten Effekte, einschließlich einer Schätzung von zwölf Vollzeitstellen, sind jedoch nicht unabhängig belegt.
- Model Cards and Prompt formats
- Hugging Face
Clef-Flash ist ein multimodales Modell für strukturierte Entscheidungen, dessen berichtete Benchmarkleistung je nach Aufgabe variiert.
- Apple Intelligence Foundation Language Models Tech Report 2025
Der kurze Berichtsauszug beschreibt zwei Apple-Sprachmodelle und behauptet konkurrenzfähige Ergebnisse, liefert aber keine konkreten Messwerte.
- Hugging Face
Clef-Omni ist laut Bericht ein multimodales Modell für Entscheidungen mit festgelegten Antwortoptionen; seine berichteten Testergebnisse variieren stark nach Aufgabe und sind nicht als unabhängig geprüft ausgewiesen.
- Improving the safety of generative model output
Apple zufolge brauchen generative Apps neben eingebauten Guardrails eigene, getestete und regelmäßig überprüfte Schutzmaßnahmen, da kontextabhängige Risiken bestehen bleiben.
- Apple Intelligence Foundation Language Models
Der Auszug stellt Apples Geräte- und Servermodelle für Apple Intelligence vor, enthält aber keine konkreten Evaluationsergebnisse oder den vollständigen Bericht.
- Command R and Command R+ Model Card
Laut Cohere sind Command R und R+ vielseitige Textmodelle mit Schutzmaßnahmen, doch Bias, toxische Ausgaben und unzuverlässige Leistungen in weniger geprüften Sprachen bleiben möglich; für folgenreiche Entscheidungen über Menschen sollen sie nicht allein eingesetzt werden.
- 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.
- Hugging Face
Tev1-4B-experimental ist laut Bericht ein experimentelles Qwen-basiertes Modell für Auswahlaufgaben; die guten Entwicklungswerte sind eingeschränkt belegt, und die Gewichts-Lizenz sowie mehrere Robustheitsfragen bleiben offen.
- Cohere's Command A+ Model
Cohere stellt Command A+ als effizientes, mehrsprachiges Text- und Bildmodell vor, doch der Bericht enthält keine unabhängigen Belege für die behaupteten Leistungswerte.
- MavenAGI launches automated customer support agents powered by OpenAI
MavenAGI verspricht mit einem GPT‑4-gestützten Kundendienst-Agenten schnelleren und günstigeren Support; die im Bericht genannten Leistungswerte sind Unternehmensangaben, deren Messgrundlage nicht näher erläutert wird.
- Hugging Face
Tev1-0.8B-experimental soll strukturierte Auswahlaufgaben lösen, ist laut Bericht aber experimentell, nur begrenzt evaluiert und noch ohne abschließend festgelegte Lizenz für die feinabgestimmten Gewichte.
- ByteDance Seed
ByteDance berichtet über vielseitige Verbesserungen der Seed2.0-Modelle, doch die aufgeführten Benchmarks zeigen je nach Aufgabe unterschiedliche Ergebnisse und erlauben keine pauschale Überlegenheitsbehauptung.
- Baidu ERNIE
Der vorliegende Auszug bewirbt ERNIE 5.5 Flash Preview mit kreativen und technischen Fähigkeiten, liefert dafür aber keine näheren Belege.
- Seed News - ByteDance Seed Team
ByteDance zufolge erzielt das multimodale Agentenmodell Seed1.8 starke Ergebnisse in mehreren Benchmarks; die Angaben sind jedoch überwiegend anbieterseitig und im Text nicht vollständig überprüfbar.
- Hugging Face
Der Bericht zufolge ist „Laya Multilingual“ für viele nichtenglische Entscheidungsaufgaben nützlich, doch Wahrscheinlichkeiten und Ergebnisse müssen wegen deutlicher Einschränkungen auf eigenen Daten geprüft werden.
- Personalizing education with ChatGPT
Die ASU schildert vielfältige ChatGPT-Projekte und erste Vorteile, doch der OpenAI-Bericht belegt ihre allgemeine Wirkung auf das Lernen nicht unabhängig.
- Hugging Face
Laut Bericht erzielt Laya Typed-Decisions auf vier synthetischen Abläufen gute Testgenauigkeit, ist aber spezialisiert und seine Wahrscheinlichkeiten sind bis zur Neukalibrierung als unzuverlässig zu behandeln.
- NY State Senate Bill 2025-S10731
- AI Safety Assessment < \n Our Work AISI AI Safety Institute
Das Institut will nationale Risiken fortgeschrittener KI erkennen und Bewertungsrahmen sowie Infrastruktur für deren Prüfung entwickeln; konkrete Ergebnisse nennt der Bericht nicht.
- Daybreak
Daybreak verbindet Identitätsprüfung und erweiterte Kontosicherheit mit autorisierten Cybersicherheitsfunktionen; laut Bericht können dabei Interaktionsinhalte zur Modellverbesserung genutzt werden, selbst wenn die allgemeine Einstellung dafür ausgeschaltet ist.
- Hugging Face
Laut Anbieter ist d3-ultra stark bei Textentscheidungen und Diagramm-Boxen, während d3-turbo im privaten SR-Box-Test insgesamt besser abschneidet.
- The Front Page of AI
Der Auszug listet zwölf KI-Meldungen mit teils weitreichenden Titelbehauptungen auf, enthält aber keine Artikeltexte oder Belege zu deren Überprüfung.
- Volts, amps & ohms — Basics, lesson 3
Der kurze Auszug einer interaktiven Elektroniklektion vergleicht Spannung mit antreibendem Druck, Strom mit dem Durchfluss und Widerstand mit einer Einengung und nennt 14 mA bei 3 V, ohne dies näher herzuleiten.
- Genmab launches “AI Everywhere”
Genmab berichtet über den unternehmensweiten Ausbau von ChatGPT und behauptete Zeitersparnisse, liefert dafür aber keine unabhängigen Nachweise oder Details zur Umfrage.
- Estée Lauder Uses ChatGPT Enterprise for Consumer Insights
ELC zufolge beschleunigen ChatGPT Enterprise und eigene GPTs Datenanalysen und Arbeitsabläufe; die berichteten Zeitersparnisse sind im Text nicht unabhängig belegt.
- Using ChatGPT to detect wildfires early
Laut Bericht verbindet SensoRy AI frühe Waldbrand-Sensoren mit ChatGPT-gestützten Warnungen, doch unabhängige Leistungsnachweise werden nicht genannt.
- Frontier Safety Roadmap Updates
- Announcements
Der vorliegende Auszug listet Anthropics Meldungen zu Börsengang, Claude-Modellen, Forschung und Partnerschaften auf, bietet aber nur kurze Unternehmensbeschreibungen statt vollständiger Berichte oder unabhängiger Belege.
- Features
Der Auszug listet drei Anthropic-Beiträge zu Claude in Gesundheit, Programmierung und Marsforschung, bietet dazu aber nur kurze, nicht näher belegte Teaser.
- Models
Der vorliegende Auszug listet Claude-Modellankündigungen von 2024 bis 2026 und gibt Anthropics eigene, hier nicht unabhängig belegte Leistungsbeschreibungen wieder.
- Partnerships
Der Auszug fasst Anthropic-Ankündigungen zu zahlreichen Claude-Partnerschaften zusammen, liefert aber keine unabhängigen Belege für deren Umsetzung oder Wirkung.
- Product
Der Auszug listet Anthropic-Produktankündigungen für 2025 und 2026 auf, darunter die geplante Übergabe von Agent Skills an eine Stiftung und neue Claude-Angebote für diverse Branchen; die Kurzbeschreibungen sind nicht unabhängig belegt.
- Safeguards
Der vorliegende Auszug ist eine Liste von Anthropics Safeguards-Beiträgen und Teasern, deren Wirksamkeitsangaben hier nicht unabhängig belegt werden.
- Security
Der Auszug listet Anthropics Sicherheitsbeiträge und deren Kurzbehauptungen auf, enthält aber nicht die vollständigen Berichte oder Belege.
- Boosting the customer retail experience with GPT-4o mini
Laut Zalando-Bericht gingen der Ausbau des Assistenten auf GPT‑4o mini und eine verbesserte Evaluation mit mehr Engagement einher; die Kennzahlen sind nicht unabhängig belegt.
- 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.
- Introducing GPT-6 Sol and Luna
Der Bericht kündigt Sol und Luna als günstigere GPT‑6-Modelle an und meldet Benchmark-Verbesserungen, deren Aussagekraft durch verschiedene Test- und Vergleichseinschränkungen begrenzt ist.
- When AI builds itself
Anthropic zufolge beschleunigt KI bereits die KI-Entwicklung; vollständige Selbstverbesserung bleibt eine unsichere Möglichkeit mit großen Chancen, Risiken und erheblichen Mess- und Koordinationsproblemen.
- Improving India’s critical care infrastructure
10BedICU setzt laut Bericht OpenAI-gestützte Werkzeuge zur Unterstützung der Intensivversorgung in Indien ein, doch die genannten Vorteile beruhen auf Schätzungen und laufenden Pilotprojekten.
- Reducing health insurance costs and improving care
Oscar berichtet von deutlichen Zeitersparnissen durch OpenAI-KI im Versicherungs- und Gesundheitsbetrieb und verfolgt das langfristige Ziel, Versorgungskosten erheblich zu senken; unabhängige Belege für die genannten Leistungswerte enthält der Bericht nicht.
- Promega's top-down adoption of ChatGPT accelerates manufacturing, sales, and marketing
Promega beschreibt eine breit angelegte, von der Führung unterstützte ChatGPT-Nutzung und berichtet von Zeitersparnissen, deren Angaben im Text nicht unabhängig überprüft werden.
- Delivering LLM-powered health solutions
WHOOP zufolge nutzt sein GPT‑4-gestützter Coach persönliche Wearable-Daten für Fitness- und Gesundheitsempfehlungen; unabhängige Belege für Genauigkeit oder Wirksamkeit nennt der Unternehmensbericht nicht.
- Using AI to improve patient access to clinical trials
Paradigm berichtet von schnelleren und genaueren Aktenauswertungen mit GPT‑4, während der erhoffte gerechtere Studienzugang und die prognostizierte Reichweite noch nicht belegt sind.
Sprache und Prüfstand
Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.
Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.
Sprachabdeckung und Datenstand ansehen →