Bestes KI-Modell löst im SemiAnalysis-Test nur 12 % der Fachaufgaben

Das Signal

Das beste KI-Modell löste in einem neuen Test 12 % der Fachaufgaben

Was passiert ist. Am 2. November veröffentlichte SemiAnalysis, ein Analysehaus für Chips und KI, GDPx, eine Sammlung von Agentenaufgaben aus 11 Fachgebieten, darunter Chipdesign, Cybersicherheit, Biologie, Finanzen, Recht und Softwareentwicklung (Kan et al., 2026). Das beste Modell erreichte 12 %. Laut den Autoren sind die Finanz- und Rechtsaufgaben so schwer, dass fast jedes Modell genau null erreicht. Insgesamt am besten schnitt Claude Opus 5.5 ab, und jedes führende Modell war in einigen Gebieten stark und in anderen schwach. Vierzehn Spezialfirmen haben die Aufgaben erstellt, der vollständige Artikel ist zahlenden Abonnenten vorbehalten.

Warum es zählt. Die Autoren argumentieren, dass ältere Tests wie GDPval vom September 2025 kurze, genau beschriebene Aufgaben verwenden, die heutige Agenten nicht mehr fordern. Der Gesamtwert, den ein Anbieter nennt, sagt wenig über Ihre eigene Facharbeit. Die Ergebnisse schwanken je nach Fachgebiet, und ein Modell, das insgesamt vorn liegt, kann für Ihr Gebiet die falsche Wahl sein.

Was zu tun ist. Geben Sie vor einem Kauf oder Wechsel zwei oder drei Modellen zehn echte Aufgaben aus Ihrem Team und lassen Sie die Ergebnisse von einer Fachperson bewerten.

Abu Dhabi prüft Genehmigungen mit OpenAI-Modellen, ein Beamter entscheidet

Was passiert ist. Am 2. November starteten die Regierung von Abu Dhabi und OpenAI das Programm Machine-Readable Government (Abu Dhabi Media Office, 2026). Es übersetzt ausgewählte Vorschriften in eine Form, die KI-Systeme lesen können, damit diese Beamten bei der Prüfung routinemäßiger Anträge auf Genehmigungen und Zertifikate helfen. Jede Prüfung verweist auf die angewandte Regel, die endgültige Entscheidung bleibt bei den Beamten. Das erste Pilotprojekt läuft bereits bei der Behörde für Landwirtschaft und Lebensmittelsicherheit für Lebensmittelimporte, gerechnet wird in Rechenzentren in den VAE. Zwei weitere Vereinbarungen vom selben Tag bringen OpenAI-Modelle zum Energiekonzern ADNOC und in die Investmentanalyse bei Mubadala.

Warum es zählt. Das ist ein funktionierendes Muster für KI in regulierten Entscheidungen: schriftliche Regeln als Eingabe, zu jeder Antwort ein Verweis auf die Regel und ein Mensch, der entscheidet. Das gleiche Muster passt für interne Compliance-Arbeit wie Lieferantenprüfungen oder Exportregeln, bei denen ein Prüfer fragen wird, warum eine Entscheidung gefallen ist.

Heute ausprobieren

Listen Sie in zehn Minuten die aufwendigsten KI-Aufgaben Ihres Teams auf, bevor ChatGPT und Codex ein Kontingent teilen

Was es ist: Ab Dezember greifen ChatGPT und Codex, der Programmieragent von OpenAI, in den Tarifen Plus, Pro und Business auf ein gemeinsames Nutzungskontingent zu. Gemessen wird in Tokens, den Texteinheiten, die ein Modell liest und schreibt.

Für wen: Teamleitungen und IT-Verantwortliche, die ChatGPT-Lizenzen bezahlen und deren Teams auch Codex nutzen.

Zugang: Kostenpflichtig: Tarife Plus, Pro und Business, aufgeführt auf der Preisseite von OpenAI. Das verbleibende gemeinsame Kontingent zeigt ChatGPT unter Einstellungen, Bereich Nutzung.

Erster Schritt: Bitten Sie Ihre drei aktivsten Nutzer, die Codex-Aufgaben und Aufgaben mit fortgeschrittenen Modellen aus der letzten Woche aufzulisten, denn diese verbrauchen am meisten vom gemeinsamen Kontingent.

Vorsicht: OpenAI hat die Größe der Kontingente noch nicht veröffentlicht. Der schnelle Chat (Instant) zählt nicht, fortgeschrittene Modelle und komplexe Aufgaben verbrauchen mehr; am Limit warten Sie auf die Erneuerung, wechseln den Tarif oder kaufen Guthaben.

(OpenAI, n.d.)

Halten Sie Ihre US-Patentrecherchen am Laufen: Legen Sie bis 7. November ein USPTO-Konto an

Was es ist: Ab 7. November 2026 verlangt Patent Public Search, die öffentliche Suche nach US-Patenten und veröffentlichten Anmeldungen des USPTO, eine Anmeldung mit einem USPTO.gov-Konto.

Für wen: Patentabteilungen, Forschung und Entwicklung, Technologie-Scouting und alle, die US-Patente prüfen; mein Artikel dazu, was in der Patentanalyse zuerst zu reparieren ist, beschreibt den gesamten Ablauf.

Zugang: Ein USPTO.gov-Konto, angelegt auf der Registrierungsseite von MyUSPTO; eine Gebühr ist dort nicht aufgeführt.

Erster Schritt: Öffnen Sie die Registrierungsseite, legen Sie ein Konto an und bitten Sie alle im Team, die US-Patente durchsuchen, heute dasselbe zu tun.

Vorsicht: Die Mitteilung sagt nicht, was sich für automatisierte oder massenhafte Abfragen ändert; prüfen Sie daher jedes Werkzeug und Skript, das die Suche ohne Anmeldung nutzt.

(United States Patent and Trademark Office, n.d.)

Im Blick behalten

Kimi verspricht offene Gewichte für K3.1 Pro bis 4. November

Kimi will die vollständigen Gewichte von Kimi K3.1 Pro bis 4. November veröffentlichen (Kimi, n.d.). Offene Gewichte würden es Unternehmen erlauben, das Modell auf eigenen Servern zu betreiben. Das Modell ist bereits in den Apps und der API von Kimi verfügbar, mit einem Kontext von 1 Million Tokens, und erreicht nach eigener Messung 65,7 % in einem Test für Programmieragenten gegenüber 66,4 % für Claude Opus 5.5. Die Gewichte sind angekündigt, aber noch nicht veröffentlicht.

Südkorea plant 4,7 Billionen Won für ein eigenes Spitzenmodell

Am 2. November legte Präsident Lee Jae Myung der Nationalversammlung einen Rekordhaushalt für 2027 von 820,9 Billionen Won vor, ein Plus von 12,8 % (Lim & Lee, 2026). Er sieht 4,7 Billionen Won für ein souveränes KI-Modell mit „weltweit höchster Leistung“ vor sowie 21,3 Billionen Won, fast doppelt so viel wie 2026, für Chips, physische KI und KI-Rechenzentren. Das Parlament muss den Haushalt noch beschließen. Die gestrige Ausgabe behandelte den Plan von xAI, Grok-API-Texte standardmäßig mit Wasserzeichen zu versehen.

Repos, die einen Blick wert sind

google-research/harness2

harness2 von Google Research verbessert einen KI-Agenten, indem es das Umfeld des Modells umschreibt, also Anweisungen, Werkzeuge und Gedächtnis, statt das Modell neu zu trainieren (Google Research, 2026). Es braucht keine Musterlösungen: Es testet Änderungen an der Aufgabe selbst und hält Lehren für spätere Aufgaben fest. Eine Runde steigerte die Werte um bis zu 11,8 Prozentpunkte in einem Test juristischer Arbeit und um 11,5 Punkte in einem Test für Büroarbeit, mit zwei verschiedenen Modellen. Rund 22.000 Sterne am 2. November 2026, Lizenz Apache 2.0. Leiten Sie es an die Person weiter, die Ihre internen Agenten baut; laut README ist es kein offiziell unterstütztes Google-Produkt, und Durchläufe verursachen Modellkosten.

yaojingang/GEOInflow

GEOInflow zeigt, welche KI-Crawler Ihre Website besuchen, welche Seiten sie lesen und wie viele Besucher und Conversions aus der KI-Suche kommen (yaojingang, 2026). Es läuft auf Ihrem eigenen Server, braucht Docker und mindestens 6 GiB Arbeitsspeicher und funktioniert ohne Schlüssel für ein KI-Modell. 784 Sterne am 2. November 2026, MIT-Lizenz. Geben Sie es Ihrer Web- oder Marketinganalyse und ändern Sie beim ersten Login das voreingestellte Admin-Passwort. Über Forschung dazu, welche Quellen KI-Antwortmaschinen zitieren, haben wir am 1. November berichtet; GEOInflow misst die andere Seite, also was die Crawler von Ihrer Website mitnehmen.

Die Einschätzung von CERNY.AI

Die heutigen Meldungen zeigen in dieselbe Richtung: KI ist gut genug für den Einsatz, aber nicht gut genug, um ihr ungeprüft zu vertrauen. GDPx sieht das beste Modell bei 12 % der Fachaufgaben, und Abu Dhabi antwortet mit einem Aufbau, in dem jede KI-Prüfung ihre Regel nennt und ein Mensch unterschreibt. Gleichzeitig wird der Zugang enger: Das USPTO führt eine Anmeldung ein, und OpenAI rechnet Chat und Agenten aus einem Kontingent ab. Organisationen in der Wettbewerbs- und Patentanalyse sollten aufhören, Modelle nach öffentlichen Ranglisten auszuwählen, und vor jeder Vertragsverlängerung einen kleinen Satz eigener Aufgaben aufbauen, den eigene Fachleute bewerten. Der Aufbau eines solchen Testsatzes gehört zu meiner Beratung für Competitive Intelligence.

Eine Frage für Ihr nächstes Meeting

Wenn wir unsere drei häufigsten Fachaufgaben heute einem KI-Modell geben würden, wer würde das Ergebnis bewerten, und nach welchem Maßstab? Der CI-Reifegrad-Schnelltest zeigt, ob Ihr Team diesen Maßstab schriftlich festgehalten hat.

Quellen

Abu Dhabi Media Office. (2026, November 2). Khaled bin Mohamed bin Zayed meets Sam Altman and witnesses signing of agreements with OpenAI. https://www.mediaoffice.abudhabi/en/crown-prince-news/khaled-bin-mohamed-bin-zayed-meets-sam-altman-and-witnesses-signing-of-agreements-with-openai/
Google Research. (2026). harness2 [Computer software]. GitHub. https://github.com/google-research/harness2
Kan, M., Megalaa, A., & Patel, D. (2026, November 2). GDPx: Measuring frontier model capabilities across the most valuable domains. SemiAnalysis. https://newsletter.semianalysis.com/p/gdpx-measuring-frontier-model-capabilities
Kimi. (n.d.). Kimi K3.1 Pro tech blog: Advancing open intelligence. https://www.kimi.ai/blog/kimi-k3-1-pro
Lim, H. J., & Lee, J. (2026, November 2). South Korea targets 'world's highest performance' sovereign AI model in record new budget. CNBC. https://www.cnbc.com/2026/11/02/south-korea-ai-spending-budget.html
OpenAI. (n.d.). Understanding ChatGPT and Codex usage limits. OpenAI Help Center. https://help.openai.com/en/articles/20001625-understanding-chatgpt-and-codex-usage-limits
United States Patent and Trademark Office. (n.d.). Patent Public Search. https://www.uspto.gov/patents/search/patent-public-search
yaojingang. (2026). GEOInflow [Computer software]. GitHub. https://github.com/yaojingang/GEOInflow