Zurück
ModellePrimärquelle
Epoch AI überprüfte seinen FrontierMath-Benchmark, nachdem OpenAI verdächtig hohe Ergebnisse gemeldet hatte, und die am 12. Juni 2026 veröffentlichte v2-Version korrigierte Fehler in 42 % der ursprünglichen Aufgaben – übrig blieb ein geprüfter Satz von 338 Aufgaben in vier Stufen. 42 % der ursprünglichen FrontierMath-Aufgaben enthielten Fehler
Geprüft 2026-08-24
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 →Der Screener · 72 UnternehmenJede Ebene der KI-Kette, täglich bepreistWie das geprüft wurdeJede Zahl verlinkt auf den Bericht, aus dem sie stammt
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