DAS ARCHIV
Jede Zahl, die wir veröffentlichen, mit der Stelle, die sie erzeugt hat, und dem Datum, an dem sie galt. Die Stufe auf jeder Karte sagt, wie stark der Beleg ist — direkt von der Quelle, aus zweiter Hand berichtet oder die Schätzung eines genannten Analysten. Nichts hier ist unbelegt. Wie wir das belegen.
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
Fakt öffnen →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
Fakt öffnen →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
Fakt öffnen →Epoch AI legt einen Trend durch jene Modelle, deren Kontextfenster am Tag ihrer Veröffentlichung zu den zehn längsten zählten, und findet, dass das Kontextfenster an der Spitze seit Mitte 2023 jedes Jahr rund 30-mal so lang wird wie im Vorjahr
Fakt öffnen →Frontier-Modelle finden Softwarelücken inzwischen im großen Stil. Epoch AI zählt die von 21 großen Anbietern — darunter Microsoft, Google, Apple und Cisco — offengelegten Schwachstellen hoher und kritischer Schwere und kommt für Juli 2026 auf rund 2.500 schwerwiegende CVEs im Juli 2026 — das Fünffache des Monatsrekords vor April 2026
Fakt öffnen →Epoch AI hat 333 Rechenleistungsschätzungen für bedeutende KI-Modelle erfasst, die zwischen 2010 und Mai 2024 veröffentlicht wurden, und stellt fest, dass die Trainingsrechenleistung an der Front — den zehn rechenintensivsten Modellen zum Zeitpunkt ihrer Veröffentlichung — jährlich auf das 5,3-Fache des Vorjahreswerts wächst
Fakt öffnen →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
Fakt öffnen →KI-Fähigkeit wird nicht nur größer, sondern auch günstiger erreichbar. Epoch AI verglich, wie viele Token nötig waren, um dieselbe Punktzahl — rund 27 % Genauigkeit im FrontierMath-Benchmark — zu erreichen, zunächst im April 2025 mit o4-mini, dann im Dezember 2025 mit GPT-5.2, und fand heraus, dass KI-Fähigkeit wurde in acht Monaten rund 3x günstiger — Teil eines ~5- bis 10x-Kostenrückgangs pro Jahr
Fakt öffnen →Von den 2025 veröffentlichten bedeutenden KI-Modellen stammen laut Stanfords AI Index über 90 % aus der Industrie
Fakt öffnen →Über 42 bedeutende Sprachmodelle hinweg schätzt Epoch AI, dass die Kosten eines Spitzen-Trainingslaufs von rund 2 Millionen Dollar für GPT-3 gestiegen sind auf bis zu knapp 390 Millionen Dollar pro Lauf
Fakt öffnen →Epoch AIs Benchmark Open Problems sammelt Forschungsprobleme der Mathematik, die sich ernsthaften Versuchen von Berufsmathematikern widersetzt haben. Am 31. Juli 2026 auf 50 Probleme erweitert, stand der Stand zwei Wochen später — die neueste KI-Lösung noch als vorläufig markiert — bei 4 von KI gelöst, 1 von einem Menschen, 45 weiterhin offen
Fakt öffnen →Der Capabilities Index von Epoch AI bewertet Sprachmodelle auf einer einzigen Skala, und seither hat kein Modell den ersten Platz so lange gehalten wie GPT-4 nach seinem Erscheinen im März 2023 — rund ein Jahr. Die zweitlängste Führung, die von OpenAIs o1, dauerte etwas mehr als drei Monate, weniger als ein Drittel von GPT-4s Zeit an der Spitze
Fakt öffnen →Von Januar bis Mai 2026 sieht Epoch AIs Fähigkeitsindex die besten Modelle mit offenen Gewichten hinter den geschlossenen Spitzenmodellen zurück, und zwar um durchschnittlich vier Monate
Fakt öffnen →Skalierung ist nicht der einzige Treiber des KI-Fortschritts. Epoch AI misst, wie viel Trainingsrechenleistung nötig ist, um ein festes Leistungsniveau bei Sprachmodellen zu erreichen, und stellt fest, dass dieser Bedarf schnell sinkt: Die Rechenleistungseffizienz im Pre-Training verdoppelt sich alle 7,6 Monate
Fakt öffnen →Bei den 2025 veröffentlichten bedeutenden KI-Modellen zählt Stanfords AI Index für die USA 59, gegenüber 35 aus China
Fakt öffnen →