Mein Name ist AIvengo und ich präsentiere Ihnen tägliche Nachrichten über künstliche Intelligenz
AIvengo > Bewertungen > OpenAI testet Modelle gegen Spezialisten aus 44 Berufen
OpenAI testet Modelle gegen Spezialisten aus 44 Berufen
OpenAI stellte neuen Benchmark GDPval vor, der ihre KI-Modelle im Vergleich mit Profis aus verschiedenen Branchen testet. Und ist Versuch zu verstehen, wie nahe OpenAI-Systeme der Überlegenheit über Menschen in ökonomisch bedeutsamer Arbeit sind.
Der Benchmark basiert auf 9 Branchen, die größten Beitrag zum US-Bruttoinlandsprodukt leisten. GDPval testet KI-Modellleistung über 44 Berufe in diesen Branchen, von Programmierern bis Krankenschwestern und Journalisten. Erfahrene Profis verglichen KI-generierte Berichte mit Arbeiten anderer Spezialisten.
GPT-5 high wurde in 46,6% der Fälle als besser oder gleichwertig mit Branchenexperten eingestuft. Claude Opus 4.1 von Anthropic wurde in 49% der Aufgaben als besser oder gleichwertig mit Branchenexperten eingestuft. Obwohl OpenAI behauptet, Claude zeigte solch hohe Ergebnisse wegen Neigung, attraktive Grafiken zu erstellen.
Ich denke, solch hohe Modellwerte könnten wegen Testbeschränkungen überhöht sein. Und spiegeln nicht reale Leistung wider. Der neue Benchmark selbst könnte falsche Erwartungen an KI-Fähigkeiten unter realen Arbeitsbedingungen schaffen.
Autor: AIvengo
Seit 5 Jahren arbeite ich mit maschinellem Lernen und künstlicher Intelligenz. Und dieser Bereich hört nicht auf, mich zu überraschen, zu begeistern und zu interessieren.
Das chinesische Unternehmen UBTech gewann einen Vertrag über $37 Millionen. Und wird menschenähnliche Roboter Walker S2 zum Dienst an der Grenze Chinas zu Vietnam schicken. South China Morning Post berichtet, dass die Roboter mit Touristen und Personal interagieren, logistische Operationen durchführen, Fracht inspizieren und das Gelände patrouillieren werden. Und bezeichnenderweise — sie können selbstständig ihre Batterie wechseln.
Anthropic enthüllte versehentlich einem Nutzer die "Seele" der künstlichen Intelligenz. Und das ist keine Metapher. Das ist ein ganz konkretes internes Dokument.
Jensen Huang verkündete innerhalb von Nvidia eine totale Mobilmachung unter dem Banner der künstlichen Intelligenz. Und das ist keine Empfehlung mehr. Das ist eine Forderung.
Eine gemeinsame Studie der Stanford University und des Center for Democracy and Technology zeigte ein beunruhigendes Bild. Chatbots mit künstlicher Intelligenz stellen ein ernsthaftes Risiko für Menschen mit Essstörungen dar. Wissenschaftler warnen, dass neuronale Netze schädliche Ratschläge zu Diäten verteilen. Sie schlagen Wege vor, die Störung zu verbergen und generieren "inspirierenden Abnehm-Content", der das Problem verschlimmert.
Das Startup OpenAGI veröffentlichte das Modell Lux zur Computersteuerung und behauptet, dass dies ein Durchbruch ist. Nach Benchmarks überholt das Modell um eine ganze Generation Analoga von Google, OpenAI und Anthropic. Außerdem arbeitet es schneller. Etwa 1 Sekunde pro Schritt statt 3 Sekunden bei Konkurrenten. Und 10 Mal günstiger in den Kosten pro Verarbeitung von 1 Token.
