Terminal-Bench 2.0 prueft, ob KI-Agenten die Art von mehrstufiger, unbeaufsichtigter Terminalarbeit bewaeltigen koennen, die ein Entwickler an einem Tag erledigt — Code kompilieren, Modelle trainieren, Server einrichten. Stanfords 2026 AI Index berichtet, die Agenten-Genauigkeit dabei habe sich binnen eines Jahres fast vervierfacht, auf 77,3 Prozent Anfang 2026, gegenueber 20 Prozent im Februar 2025
Geprüft 2026-09-02
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
- 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
- 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