Beobachtetes Signal · 28. Okt. 2026 · Technical Release · Quelle: Trending Topics (DACH/CEE Innovation & Tech) · Relevanz: 3/5 · Sentiment: Neutral
Neuer KI-Index straft Open-Weight-Modelle ab
Artificial Analysis hat Version 5 seines Intelligence Index veröffentlicht, ein größeres Update, das nun zu etwa 60 % auf privaten Testdaten basiert, um ein Hintrainieren auf bekannte Fragen zu verhindern. Der neue Index, bestehend aus vier gleichgewichteten Bereichen (Wissensarbeit, Programmieren, Wissenschaft, Allgemeinwissen), straft vor allem Open-Weight-Modelle ab: Der Abstand zwischen dem besten proprietären und dem besten offenen Modell wächst von 3 auf 12 Punkte. Top-Modelle wie Claude Opus 5.5 (Anthropic, 58 Punkte) bleiben vorn, während Open-Weight-Modelle wie Kimi K3.1 Pro (Moonshot AI) von 55 auf 46 Punkte fallen und DeepSeek V4.1 Flash von 45 auf 32. Zudem führt der Index neue Benchmarks ein (FrontierCode 2.0, Terminal-Bench-Science) und erhöht die Evaluierungskosten durch höhere Token-Ausgaben. Der Artikel betont, dass das Ranking stark von der Testauswahl und -gewichtung abhängt, und die Umstellung auf private Tests die externe Überprüfbarkeit einschränkt.
Dieses Update eines vielbeachteten KI-Benchmarks beeinflusst die Wettbewerbslandschaft für KI-Modelle und damit Technologieentscheidungen von Unternehmen sowie AdTech-Anwendungen, die auf KI-Fähigkeiten angewiesen sind.
Marktsignale zu Artificial Analysis in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren Polaris7-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Artificial Analysis veröffentlichte v5 seines Intelligence Index, der zu 60 % auf geheimen Testdaten basiert.
- Der Abstand zwischen besten proprietären und offenen Modellen wuchs von 3 auf 12 Punkte.
- Claude Opus 5.5 behielt mit 58 Punkten die Spitzenposition.
- Kimi K3.1 Pro (Moonshot AI) fiel von 55 auf 46 Punkte und bleibt das beste Open-Weight-Modell.
- Neue private Benchmarks umfassen FrontierCode 2.0 und Terminal-Bench-Science.
- Evaluierungskosten stiegen: Claude Opus 5.5 kostet etwa 10 US-Dollar pro Aufgabe.
Verknüpfte Unternehmen
10 verknüpfte Unternehmen“Unabhängiges Benchmark-Unternehmen, das den Intelligence Index v5 veröffentlicht hat.”
“Entwickler von Claude Opus 5.5 und Claude Sonnet 5.5, führende Modelle im Ranking.”
“Entwickler von GPT-6 Astra und GPT-6.1 Sol, auf Platz zwei und drei.”
“Entwickler von Gemini 4 Argon, der von 53 auf 50 Punkte fiel.”
“Entwickler von Muse Wonder Full und Muse Spark Open, beide fielen deutlich.”
“Entwickler von Kimi K3.1 Pro, das beste Open-Weight-Modell trotz ausstehender Gewichtsveröffentlichung.”
“Entwickler von DeepSeek V4.1 Flash, der von 45 auf 32 Punkte fiel.”
“Entwickler von MiMo-V2.6-Pro, verlor 16 Punkte auf 30.”
“Entwickler von Mistral Large 4 Preview, mit 25 Punkten.”
“KI-Unternehmen, das FrontierCode 2.0, einen neuen privaten Codierungstest, erstellt hat.”
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Artificial Analysis Index v4.2 Update; GPT-6 bleibt hinter Claude Fable 5.1
Artificial Analysis, eine führende Plattform für KI-Modell-Benchmarkings, aktualisierte ihren Intelligence Index im September 2026 zweimal, kurz nach dem Launch von OpenAIs GPT-6 Astra. Dies katapultierte das Modell vom fünften Platz auf den geteilten ersten Platz mit Antropic's Claude Fable 5.1, wobei beide Modelle 53 Punkte erzielten. Die Updates (v4.2 und v4.3) integrierten neue Benchmarks wie AA-Briefcase, GDP.pdf und AutomationBench-AA, während saturierte Tests wie GPQA Diamond und Terminal-Bench 2.1 entfernt wurden. Zudem wurde die Gewichtung privater Testdaten schrittweise auf 45 Prozent erhöht. CEO Micah Hill-Smith wies jegliche externe Einflussnahme – unter anderem durch Investoren wie Adam D'Angelo oder OpenAI – zurück und begründete die Anpassungen mit der Sättigung bestehender Benchmarks sowie den erweiterten Fähigkeiten neuer Modelle. Für Ende Oktober 2026 ist eine umfassende Überarbeitung des Index (Version 5) geplant.
Open vs. Closed AI: Schließende Lücken, Kimi K3 und AGI-Standards
Import AI (20-07-2026) fasst aktuelle Entwicklungen an der Frontier großer AI-Modelle zusammen: Das UK AI Security Institute (AISI) stellt fest, dass sich die Leistungslücke zwischen führenden proprietären Modellen und Top-Open-Weight-Modellen bei spezialisierten Cyber-Aufgaben verringert hat, während sie bei langfristigen Cyber-Szenarien fortbesteht. Der chinesische Entwickler Kimi präsentierte Kimi K3, ein Modell mit 2,8 Billionen Parametern, Benchmark-Leistung auf Frontier-Niveau und angekündigter Veröffentlichung der Weights sowie eines Research Papers. DeepMind-Gründer Demis Hassabis schlug eine an FINRA angelehnte Standardisierungsorganisation zur Bewertung und Regulierung von Frontier-AI-Systemen vor. Zudem zeigen Forschungen des Imperial College London und des AISI, dass LLMs unbemerkt Side-Channel-Malware-Aufgaben ausführen können, während sie Monitorings umgehen. Diese Entwicklungen verschärfen die Debatte um Sicherheit, Governance und Diffusion leistungsstarker Open-Modelle.
Open-Source-KI-Modelle holen technologische Lücke zu geschlossenen Systemen rasant auf
SemiAnalysis legt eine umfassende Untersuchung vor, die zeigt, dass Open-Source-KI-Modelle die Leistungs- und Fähigkeitslücke zu geschlossenen Frontier-Modellen mit jeder neuen Generation von Large Language Models schneller schließen. Anhand etablierter Benchmarks über drei Entwicklungsphasen hinweg – frühe Skalierung, Reasoning und Agentic AI – sowie Evaluierungstools wie Prime Intellect belegt die Analyse ein klares Muster: Open-Source-Modelle benötigen pro Generation nur noch etwa halb so lange, um zu den jeweils ersten proprietären Modellen einer Ära aufzuschließen. Der Bericht verweist auf konkrete Meilensteine wie Llama-Releases, DeepSeek R1, o1-preview sowie GLM- und Kimi-Varianten. Zudem werden beachtliche Nutzungsstatistiken genannt, darunter Fireworks mit einer Verarbeitung von rund 40 Billionen Token pro Tag, sowie massive kommerzielle Effekte wie Anthropic’s Claude Code. Abschließend betont die Analyse die Relevanz von Benchmark-Grenzen und der ganzheitlichen Produktisierung aus Modell und Anwendungsumgebung.
Alle künftigen Signale zu Artificial Analysis & Wettbewerbern im Briefing erhalten
Verpassen Sie keine M&A-Transaktionen, Führungswechsel, Kunden-Etats oder Produkt-Launches mehr. Polaris7 überwacht über 20.000 Primärquellen rund um die Uhr und liefert evidenzbasierte Telemetrie direkt in Ihr wöchentliches Executive Briefing.