Frontier-Modelle
KI schafft jetzt neues Wissen
In den letzten Monaten haben Modelle von OpenAI und Anthropic Probleme gelöst, an denen Mathematiker und Physiker jahrzehntelang gearbeitet haben. Die Ergebnisse sind veröffentlicht und wurden von führenden Forschern geprüft.
Mathematik, Mai 2026
Eine Erdős-Vermutung von 1946, widerlegt
Ein internes OpenAI-Modell fand auf Anhieb eine Konstruktion, die mehr Punktpaare im Abstand eins anordnet, als Paul Erdős für möglich hielt; Thomas Bloom nennt es ein 500-Dollar-Erdős-Problem. Neun Mathematiker haben sie geprüft und ausgearbeitet. Tim Gowers: Hätte ein Mensch sie bei den Annals of Mathematics eingereicht, hätte er «ohne jedes Zögern die Annahme empfohlen».
Mathematik, Juli 2026
Ein Gegenbeispiel zur Jacobi-Vermutung
Der Anthropic-Mathematiker Levent Alpöge veröffentlichte ein explizites Gegenbeispiel zur Jacobi-Vermutung, offen seit 1939, in drei und mehr Dimensionen, und schrieb es Claude Fable 5 zu. Terence Tao nannte die Prüfung «eine äusserst schnelle Verifikation».
Mathematik, August 2026
Ein neuer Rekord für Primzahllücken
Das Paper von OpenAI beweist, dass unendlich viele Paare aufeinanderfolgender Primzahlen höchstens 186 auseinanderliegen; der bisherige Rekord lag bei 246. «Der Beweis stammt von GPT 6 Astra.» Mathematiker prüfen ihn noch, und seine Formalisierung in Lean beruht auf ausdrücklich genannten Annahmen.
Physik, November 2026
Zwei offene Probleme der theoretischen Physik
Laut Anthropic hat Claude Fable 5.2 weitgehend selbstständig eine 2003 skizzierte Berechnung abgeschlossen, die bis dahin zu aufwendig war, und die exakte Grenze einer Methode gefunden, mit der Physiker seit mehr als 15 Jahren Kandidaten für eine Theorie der Quantengravitation ausschliessen. Beide Ergebnisse sind Preprints, von einem Physiker geprüft, aber noch nicht begutachtet.
Biologie, November 2026
Ganze Virushüllen, vorhergesagt
Claude Mythos 5.2 entwickelte einen Weg, die vollständige Struktur viraler Kapside, der Proteinhüllen von Viren, mit Open-Source-Modellen zur Proteinfaltung vorherzusagen. In den Tests von Anthropic modellierte es 28 der 34 versuchten Kapside genau.
Expertenprüfungen
Besser als promovierte Fachleute bei ihren eigenen Fragen
Bei GPQA, naturwissenschaftlichen Fragen auf Graduiertenniveau, beantworten Fachleute mit oder kurz vor einer Promotion im jeweiligen Gebiet 65 % richtig, versierte Laien mit Internetzugang 34 %. OpenAI meldet 96 % für GPT-6 Astra auf GPQA Diamond. Bei Humanity’s Last Exam, einem Test für Wissen und Denkvermögen auf Expertenniveau, meldet Anthropic 74,2 % für Claude Fable 5.2 mit Tools.
Der Engpass ist nicht mehr die Intelligenz. Es ist die Umsetzung.
Eine berühmte Vermutung zu widerlegen oder eine Berechnung abzuschliessen, die Physiker aufgegeben hatten, ist Arbeit auf Doktoratsniveau, bei manchen Problemen darüber hinaus. In Prüfungen, die für Promovierte geschrieben wurden, schneiden Frontier-Modelle inzwischen besser ab als die Fachleute des Gebiets.
Für ein Unternehmen lautet die Frage also nicht mehr, ob das Modell klug genug ist, sondern wie diese Intelligenz in die tägliche Arbeit kommt: in Ihre Prozesse, Ihre Tools und Ihre Daten, sicher und messbar. Zwischen dem, was diese Modelle können, und dem, wofür Unternehmen sie heute einsetzen, klafft eine grosse Lücke. Sie zu schliessen, ist unsere Arbeit.