KI-Agenten, die OSWorlds reale Computeraufgaben unter Ubuntu, Windows und macOS lösen sollen – Dateioperationen, Multi-App-Workflows – kamen historisch nur auf 1 bis 12 Prozent Erfolg. Laut Stanfords AI Index 2026 erreicht das beste Modell, Claude Opus 4.5, nun 66,3 % Genauigkeit, nur 6 Prozentpunkte hinter der menschlichen Basislinie von 72,35 % 66,3 % Genauigkeit im OSWorld-Benchmark für reale Computeraufgaben
Geprüft 2026-08-31
DER INTELLIGENZ-CLUB
Fakten wie diese, sechs Tage die Woche
The Daily Receipts an Werktagen, The Weekly Brief am Samstag — jeder Fakt bis zur Quelle belegt. Kostenlos.
Für immer kostenlos. Sechs E-Mails pro Woche — The Daily Receipts an Werktagen, The Weekly Brief am Samstag. Jede einzeln mit einem Klick abbestellbar.
Die heutige Ausgabe lesen →Mehr zu Modelle
- 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
- Epoch AIs Capabilities Index bewertet Spitzenmodelle auf einer einzigen Gesamtskala und findet einen Trendbruch im April 2024, als Reasoning-Modelle und bestärkendes Lernen das Spitzentraining übernahmen. Vor dem Bruch gewann die Spitze 8,3 Indexpunkte pro Jahr, danach 15,5 Punkte pro Jahr, das 1,85-Fache
- Epoch AI testete drei kommerzielle KI-Detektoren — Pangram, GPTZero, Originality.ai — jeweils in ihrer Version von Juni 2026. Bei einfachem maschinengeneriertem Text erkennen sie fast alles, aber wenn ein Modell fünf Textproben eines bestimmten Autors erhielt und dessen Stil nachahmen sollte, KI-Detektoren übersahen 13 % der stilnachgeahmten KI-Texte, gegenüber unter 1 % bei einfachem KI-Text