Stanfords KI-Index 2026 verfolgt, wie KI-Modelle bei GPQA Diamond abschneiden, einem Satz von Chemie- und Physikfragen auf Doktorandenniveau, die bewusst so gestaltet sind, dass Google-Suchen nicht weiterhelfen. Die mittlere Modellgenauigkeit bei diesem Benchmark erreichte 2025 93 %, verglichen mit einer Basislinie menschlicher Expertenvalidierer von 81,2 % -- KI-Modelle schlagen promovierte Experten nun um 12 Punkte bei GPQA Diamond
Der Stanford HAI / Epoch AI 2026 AI Index verfolgt die Leistung von KI-Modellen auf GPQA Diamond, einem Benchmark für Chemie- und Physikfragen auf PhD-Niveau. Im Jahr 2025 erreichte die durchschnittliche Genauigkeit von KI-Modellen auf diesem Benchmark 93 %. Dies steht im Vergleich zu einer menschlichen Experten-Validierungs-Baseline von 81,2 %, was bedeutet, dass KI-Modelle die menschliche Leistung um 12 Prozentpunkte übertrafen.
Geprüft 2026-10-01
Mit Insider verfolgenWarum das zählt
Modelle können jetzt wissenschaftliche Fragen auf Expertenniveau bearbeiten, aber ein Testergebnis ist nicht dasselbe wie die Arbeit eines Wissenschaftlers.
Mehr zu Modelle
- KI-Modelle können inzwischen Gold bei der Internationalen Mathematikolympiade gewinnen, doch Stanfords AI Index 2026 zeigt, dass sie an einer Aufgabe scheitern, die die meisten Kinder früh beherrschen. Bei den 180 Zifferblatt-Designs und 720 Fragen von ClockBench las das beste Modell, GPT-5.4 High, analoge Uhren nur in 50,6 % der Fälle korrekt ab, gegenüber 90,1 % bei Menschen
- Nachdem die Lücke 2024 kurz fast geschlossen war, hat sich der Leistungsabstand zwischen den besten Closed-Weight- und Open-Weight-KI-Modellen auf dem Arena-Leaderboard wieder vergrößert. Stand März 2026 führt laut Stanfords 2026 AI Index das beste Closed-Modell das beste Open-Modell um 3,3 %, gegenüber einem Vorsprung von 0,5 % im August 2024
- KI-Spitzenmodelle holen bei Benchmarks, die ihnen eigentlich widerstehen sollen, schnell auf. Vor einem Jahr erzielten sie bei Humanity's Last Exam, einem 2.700 Fragen umfassenden Test, der für KI schwer und für menschliche Experten günstig konzipiert ist, noch unter 10 %. Inzwischen erreicht die Genauigkeit 38,3 % bei Humanity's Last Exam, gegenüber unter 10 % ein Jahr zuvor
Der KI-Boom,mit Belegen.
6 belegte Fakten an jedem Werktag, plus The Weekly Brief, Deep Dives zu KI-Unternehmen und vieles mehr. Kostenlos.
Kostenlos · Keine Karte · Jederzeit abbestellen · Die heutige Ausgabe ansehen →
Treten Sie jetzt bei, und Sie starten mit 100 Receipts in The Receipts Ledger — Ihr erster Schritt zu einem kostenlosen Jahr Insider oder Pro. So funktioniert es →