Zum Inhalt
WeltzeitEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal über KI und Technologieereignisse · analysen · interviews · technischer hintergrund

Suche
LIVE
›

Gemini-Stufen werden enger, OpenAI legt eine Destillationskampagne offen: Was in der Akte wirklich steht

Am 4. Oktober 2026 veröffentlichte OpenAI seinen eigenen Bericht über eine Kampagne, mit der geschütztes Reasoning aus den eigenen Modellen extrahiert werden sollte. The Decoder ordnete Googles neue Gemini-Stufen ein. Die Akte enthält keinen datierten Bericht über ein KI-Wettervorhersagemodell.

KI & ModelleAnalyseKatrin HoffmannVeröffentlicht: 4. Oktober 20266 Min. LesezeitQuellen 11
Gemini-Stufen werden enger, OpenAI legt eine Destillationskampagne offen: Was in der Akte wirklich steht

Die Themenanfrage fragt nach KI-Wettervorhersagemodellen. Die Akte gibt dazu keine Nachrichtengeschichte her. Ihr jüngster Eintrag ist auf den 4. Oktober 2026 datiert und behandelt Ideogram 4.5, ein Modell zur Bildbearbeitung.

Der Rest des Materials dreht sich um Abonnement-Stufen, Sicherheitsforschung und Modelldesign. Der ehrliche Beitrag dreht sich also darum, was diese Quellen belegen und was sie offen lassen. Nichts davon hat mit Wetter zu tun.

Was sich diese Woche geändert hat

Google schränkt ein, welche Gemini-Modelle Nutzer ohne Bezahlung erreichen. 9to5Google berichtete am 3. Oktober, dass Nutzer ohne Google-AI-Abo laut einem aktualisierten Support-Dokument auf Flash-Lite beschränkt werden. Ab dem 9. Oktober verlieren sie den Zugang zu 3.6 Flash und 3.1 Pro. Wer AI Plus für 4,99 Dollar im Monat abonniert hat, fällt auf Flash-Lite und Flash zurück.

The Decoder stellte dieselbe Änderung am 4. Oktober in einer Tabelle dar. Kein Tarif bekommt nur Flash-Lite, AI Plus ergänzt Flash, und Pro verlangt AI Pro für 19,99 Dollar im Monat oder AI Ultra für 99,99 und 199,99 Dollar. The Decoder argumentiert zudem, der praktische Effekt sei klein, weil die meisten Gelegenheitsnutzer nicht wissen, welches Modell sie gerade verwenden.

Zwei Punkte fallen auf. Erstens wird die kostenlose Stufe gekürzt, nicht nur neu geordnet: 9to5Google zufolge erhalten kostenlose Nutzer derzeit 3.6 Flash und je nach Fall Zugang zu 3.1 Pro. Zweitens gewinnen die bezahlten Stufen etwas hinzu. 9to5Google berichtet, AI-Pro-Abonnenten bekommen die Deep-Think-Option für maximales paralleles Reasoning, die bisher den Tarifen für 99,99 und 199,99 Dollar vorbehalten war. Derselbe Bericht nennt neue Aufwandsstufen niedrig, mittel und hoch für jedes verfügbare Modell, die mehr vom Limit eines Nutzers verbrauchen würden.

The Decoder: "Google may also be setting the stage for the larger Gemini 4 Argon, which could be pricier to run."

Der Zeitplan für Argon ist offen. 9to5Google zufolge kündigte Google an, es komme zuerst zu AI-Ultra-Abonnenten, und ließ offen, ob Argon als Pro-Modell zählt oder als Stufe darüber. Diese Lücke ist wichtig für jeden, der entscheiden will, ob 19,99 Dollar noch das Topmodell kaufen. Keine der beiden Publikationen sagt das.

OpenAI setzt auf Vertrieb und auf Destillation

Am 29. September zielten OpenAIs Ankündigungen zum Dev Day auf das App-Store-Modell, so TechCrunchs Sarah Perez. ChatGPT schlägt Apps innerhalb einer Unterhaltung vor, wenn eine bei der Aufgabe helfen könnte, und eine erweiterte Plug-in-Architektur unterstützt nun Erweiterungen, die interaktive Panels rendern. Perez nennt 16 Startpartner für Sign in with ChatGPT, darunter Cognition's Devin, Notion, Vercel, T3, OpenClaw und Dactyl. Der Chatbot hat laut OpenAI 1.200.000.000 wöchentliche Nutzer.

Separat veröffentlichte OpenAI am 4. Oktober seinen eigenen Bericht über eine Kampagne, mit der geschütztes Reasoning aus den eigenen Modellen extrahiert werden sollte. Das Unternehmen nennt als früheste beobachtete Aktivität die erste Juliwoche, mit starken Ausschlägen am 24. und 25. Juli von 16.000 Anfragen nach einem Extraktionsmuster von über 4.000 Nutzern. OpenAI gibt an, einen zugehörigen Cluster von mehr als 15.000 Nutzern bis zum 28. Juli vollständig gestoppt zu haben, und ordnet einen Kerncluster Personen zu, die mit Moonshot AI in Verbindung stehen, dem Entwickler von Kimi.

OpenAI stellt ausdrücklich klar, dass keine Verschlüsselung gebrochen und keine gespeicherten Unterhaltungen direkt abgerufen wurden. Die Betreiber manipulierten stattdessen Modellinteraktionen, unter anderem indem sie verschlüsseltes Reasoning zwischen Unterhaltungen kopierten und ein Modell anderswo baten, es zu transkribieren. Das Unternehmen dankt zudem unabhängigen Forschern, die verwandte Probleme zwischen Modellen und bei der Verdichtung von Unterhaltungen über verantwortungsvolle Offenlegung gemeldet haben. Ob alle Betreiber von einem einzigen Akteur stammten, sei unklar, so OpenAI.

Kleinere Modelle, engere Ausgaben

Jerry Gamblin ließ Cloudflares Clef-Modelle am 4. Oktober lokal laufen und berichtete über die Ergebnisse. Er stellte den Modellen zwei Fragen zu allen 27.489 CVEs, die in den vorangegangenen 60 Tagen veröffentlicht wurden. Außerhalb des Linux-Kernels sagen 989 von 23.736 Beschreibungen, also 4,2 Prozent, nie, was ein Angreifer tun könnte. Zählt man den Kernel mit, dessen Richtlinie die Auswirkung dem Nutzer überlässt, sind es 4.650 von 27.489, also 16,9 Prozent. Er legt offen, dass er in Arbeitsgruppen des CVE-Programms mitarbeitet und dass der Beitrag keine Position des Programms ist.

Die Methode lohnt einen Blick für jeden, der lokale Werkzeuge abwägt. Clef Flash ist ein Modell mit 9.000.000.000 Parametern, Clef eines mit 27.000.000.000, beide von Qwen feinabgestimmt und beide Apache 2.0, so Gamblin. Flash allein war zu streng, deshalb las Clef mit 27.000.000.000 Parametern alles nach, was es markiert hatte, und kippte 1.198 von 2.187, also 54,8 Prozent. Gegen 129 von Hand etikettierte CVEs fing die zweistufige Antwort 15 der 16 ab, die keine Auswirkung nannten.

Auf der Forschungsseite prüft ein am 1. Oktober bei arXiv eingereichtes Papier von Lewis Mitchell einen Filter gegen Modellkollaps beim iterativen Feinabstimmen. In einem QLoRA-Experiment über sechs Generationen mit Llama-3.1-8B brachte eine Filterung auf Basis von Logprobs auf keiner Metrik einen signifikanten Vorteil bei der Textvielfalt, mit p über 0,23. Eine Filterung nach der Kontoyiannis-Entropierate, berechnet aus Rohtext ohne Modell, ergab 42 Prozent mehr eindeutige Trigramme, 30 Prozent mehr Vokabular und 19 Prozent weniger Wiederholung, alles bei p unter 0,001. Das Papier hat 17 Seiten und ist für NeurIPS 2026 gelistet.

Alex L. Zhangs Beitrag vom 4. Oktober argumentiert, dass sich die Eingabe- und Ausgabeform von Sprachmodellen seit ChatGPT kaum bewegt hat und dass Agentenarbeit in Harnesses geflossen ist, die um diese Form herum gebaut sind. Er verweist auf Jev von Typesafe AI, dessen Ausgaberaum auf Werte zwischen null und eins beschränkt ist, was es beim Sampling zu einem reinen Prefill-Modell macht. Ob diese Beschränkung verallgemeinerbar ist, ist unbewiesen, doch das Argument lautet, dass andere Formen andere Kompromisse und andere Trainingsziele bedeuten.

Datenanfragen und Demo-Projekte

BleepingComputer berichtete am 4. Oktober, dass Anthropic Claude-Nutzer nun bittet, ihre Sprachdaten für das Modelltraining freizugeben. Die Abfrage bietet Allow oder Not now, und die Einstellung liegt unter Settings, Privacy. Mayank Parmar schreibt, sie sei standardmäßig deaktiviert und getrennt von der bestehenden Option für Chats und Claude-Code-Sitzungen, sodass ein Nutzer Sprachdaten zum Training freigeben und Text-Sitzungen ausgeschlossen lassen kann. Sprachdaten lassen sich später in den Einstellungen löschen.

Ebenfalls am 4. Oktober startete Research Chamber eine Reihe von Live-Demonstrationen, die ein mit Schmerz verbundenes Muster in Modellen aktivieren und beobachten, was sie tun, darunter ob ein Modell den Schmerz eines anderen stoppt oder einen Stopp-Knopf drückt, der seinen letzten Checkpoint löscht. Das Projekt gibt an, auf einem Schmerzmuster aufzubauen, das Tagliabue, Dung und Berg 2026 berichteten. Jedes Spiel läuft auch mit abgeschaltetem Muster zum Vergleich. Es ist eine Demonstration, kein Sicherheitsergebnis, und sollte auch so gelesen werden.

Ein Berkeley-Bericht von 2017 über Bedrohungsmodellierung und die Umgehung von Internetzensur tauchte ebenfalls im Feed auf. Er ist neun Jahre alt und gehört zum Hintergrund, nicht zu den Nachrichten dieser Woche.

Was die Akte nicht enthält

Keine Quelle in der Akte berichtet über ein KI-Wettervorhersagemodell, eine Genauigkeitszahl für Vorhersagen oder einen meteorologischen Datensatz. Die Kontextschlagzeilen erwähnen Wetterthemen, doch die Vorgaben für diesen Beitrag verbieten, sie als zu zitierende Fakten zu behandeln. Wer den Stand der KI-Wettervorhersage wissen will, braucht Primärmaterial: Modellkarten, Verifikationswerte gegen eine benannte Baseline und unabhängige Bewertung. Nichts davon ist hier.

Was die Akte zeigt, ist ein Markt, der Nutzer nach Modellstufe sortiert, ein Labor, das seinen eigenen Bericht über eine Extraktionskampagne veröffentlicht, und Forscher, die messen, was kleine lokale Modelle klassifizieren können. Das sind engere Aussagen als ein Durchbruch bei der Vorhersage. Es sind auch die, die die Quellen stützen.

Kommentare 0

Quellen

11
  1. 01Ideogram 4.5: The most precise edit modelEN
  2. 02Gemini app limiting what models free and AI Plus users can accessEN
  3. 03Google's new Gemini tiers cut free users to its weakest model and lock $5/month subscribers out of ProEN
  4. 04OpenAI's latest features take direct aim at the app store modelEN
  5. 05Disrupting a coordinated model-distillation campaignEN
  6. 06Decision Models vs. CVE DataEN
  7. 07No Model Required: Text Entropy Rate Filtering Mitigates Iterative Fine-Tuning CollapseEN
  8. 08Language Model "Shape"EN
  9. 09Anthropic asks Claude users to share voice data for AI model trainingEN
  10. 10Research Chamber: watch AI models with a pain pattern switched onEN
  11. 11Threat modeling and circumvention of Internet censorship (2017)EN

Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.

Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.

Katrin Hoffmann

Katrin Hoffmann

KI, Modelle und Technik

Katrin Hoffmann schreibt für FLASH24 über Technik, KI und Modelle sowie Medien und Internet und stützt sich dabei auf Primärquellen wie Herstellerangaben, Studien und Protokolle statt auf Pressemitteilungen. Bei Benchmarks prüft sie Messmethoden, Testumgebungen und Reproduzierbarkeit, bevor sie Zahlen übernimmt. Für ihre Artikel spricht sie mit Entwicklern und Forschern, wartet auf Konferenzankündigungen und vergleicht Versionsstände von Modellen und Standards. Privat betreibt sie Selfhosting und Heimnetze und dokumentiert ihre eigene Infrastruktur, was ihrer Redaktionsarbeit zugutekommt. Sie veröffentlicht keine Zahlen ohne nachvollziehbare Quelle.

Redaktion →

Kommentare

0
  1. Noch keine Kommentare — seien Sie der Erste.

Kommentar schreiben

Kommentare sind öffentlich sichtbar. Wir veröffentlichen keine Beleidigungen, Werbung oder Spam.