Wie sieht dieser GPT 5 aus: Hier sind die ersten Meinungen internationaler Experten

Apropos praktischer Fortschritt: Das Unternehmen gibt außerdem an, dass Halluzinationen um 26 Prozent zurückgegangen sind und die Wahrscheinlichkeit, dass eine Antwort einen erheblichen sachlichen Fehler enthält, um 44 Prozent gesunken ist. Derzeit ist das Unternehmen die einzige Stimme zu diesem Thema, aber Experten weisen bereits darauf hin, dass selbst wenn dies der Fall wäre, dies immer noch nicht optimal wäre: Es bedeutet, dass jede zehnte Antwort immer noch Halluzinationen enthalten könnte, bemerkt Mashable, und dies ist äußerst schwerwiegend angesichts einer immer häufigeren Verwendung: der Einholung medizinischer Gutachten bei Chatgpt.

OpenAI testete GPT-5 mit seinem internen Benchmark Simple QA. Dieser Test besteht laut Systembeschreibung aus einer Sammlung von „Fragen zur Faktenfindung mit kurzen Antworten, die die Genauigkeit des Modells für die Antwortversuche messen“. Für diese Evaluierung hatte GPT-5 keinen Webzugriff, weshalb die Halluzinationen sehr hoch waren: 47 Prozent (40 Prozent mit Begründung) gegenüber 52 Prozent bei GPT-5.

Beth Barnes, Gründerin der gemeinnützigen Forschungsorganisation für künstliche Intelligenz Metr, entdeckte schnell eine Ungenauigkeit in einer Antwort von GPT-5, in der die Funktionsweise der Flugzeuge erklärt wurde.

Viele nennen die Fortschritte bei der Programmierung als eine der bedeutendsten Errungenschaften von GPT 5, wodurch die Lücke zu Claude Sonnet von Anthropic (heute das am weitesten verbreitete KI-Tool für die Programmierung) geschlossen wurde. Von OpenAI geteilte und in technischen Publikationen aufgegriffene Daten zeigen, dass das Modell in softwareorientierten Benchmarks (SWE-Bench und ähnliche) höhere Punktzahlen erzielt; es verwendet weniger Token und weniger Aufrufe externer Tools, um dasselbe Problem zu lösen. Der Unterschied ist hier zweifach: Das Modell ist nicht nur genauer bei der Erstellung von nützlichem Code, sondern tut dies auch effizienter, was die Nutzungskosten im großen Maßstab senkt und seine Attraktivität für kommerzielle Produkte erhöht, die einen Teil des Entwicklungszyklus automatisieren sollen. Es werden sicherlich umfangreiche Tests nötig sein, um seine wahre Qualität im Vergleich zu Wettbewerbern zu verstehen, sowohl in der Praxis als auch im Hinblick auf die Integration mit Systemen von Drittanbietern.

Weniger zentral, aber nicht weniger wichtig, sind zwei weitere Themen: das Kontextfenster und die Multimodalität. Technische Analysen berichten, dass GPT 5 für die Verarbeitung deutlich größerer Kontexte konzipiert wurde – die Zahlen variieren je nach Quelle und Konfiguration, aber die Richtung ist klar: Die Arbeit mit langen Dokumenten, mehrteiligen Projekten oder Gesprächen mit erweitertem Speicher wird möglich, ohne dass Informationen ständig rekapituliert werden müssen. Diese Fähigkeit wird von vielen Experten (Tom's Hardware, PanelsAI) als Wegbereiter für professionelle Anwendungen interpretiert: Vertragsprüfungen, kontinuierliche Berichterstattung und Finanzanalysen, die Konsistenz über Hunderte von Seiten erfordern, können nun mit weniger menschlichem Eingriff bewältigt werden. Gleichzeitig betonen technische Quellen, dass der Begriff „multimodal“ pragmatisch verstanden werden sollte: Eine bessere Integration von Text, Bildern und strukturierten Daten ist bereits vorhanden; Audio und Video sind potenziell in Arbeit, aber die praktische Robustheit hängt von Anwendungsfällen und Integrationspipelines ab.

Ein weiteres wiederkehrendes Thema auf den Fachseiten betrifft die Fähigkeiten von Agenten und die Tools zu deren Erstellung. Die Fachpresse (Techcrunch, Digital Watch Observatory) berichtet ausführlich über die neuen Infrastrukturfunktionen des Modells: Responses API, Agents SDK und Routing-Systeme, die es dem Modell ermöglichen, zwischen einem Denkmodus und einer schnellen Antwort zu entscheiden, machen GPT 5 zu einer Plattform für benutzerdefinierte Agenten und nicht nur zu einem einfachen Endpunkt für Textvervollständigungen. Experten erklären, dass Entwickler und Unternehmen dank dieser APIs und SDKs Stacks – Websuchen, interne Datenbankaufrufe, Artefaktgenerierung (Folien, Tabellen, Code) – mit Sicherheitskontrollen und Backups orchestrieren können. Dies reduziert die Lücke zwischen Prototyp und Produktionsprodukt.

Neben dem positiven Ton behält die Fachpresse jedoch einen kritischen und gemäßigten Ton bei: Autoritative Blogs und Analysten fordern unabhängige Überprüfungen und reproduzierbare Benchmarks, bevor sie die Veröffentlichung als definitiven „Durchbruch“ betrachten. Platformer, Hacker News und andere Branchenkommentatoren weisen darauf hin, dass die in Briefings oder Pressemitteilungen präsentierten Messwerte von vorab ausgewählten Test-Sets und Tuning-Bedingungen beeinflusst werden können, die nicht automatisch in allen Produktionsumgebungen reproduziert werden. Die offenen Community- und Technikforen – in denen spontane Tests und Basisvergleiche stattfinden – weisen auch darauf hin, dass die Wahrnehmung der Nützlichkeit je nach Domäne radikal variieren kann: Was beim Schreiben von Code gut funktioniert, lässt sich nicht automatisch auf klinische Bewertungsaufgaben oder regulierte Prozesse übertragen. Diese Forderung nach unabhängigen Messungen ist ein immer wiederkehrendes Thema in der Fachpresse.

Kosten und Zugriff sind ein weiteres kritisches Thema. Mehrere Artikel (wie Platformer und The Verge) betonen, dass OpenAI eine mehrschichtige Strategie gewählt hat: „Mini“- und „Nano“-Modelle für kostengünstige und latenzarme Anwendungen, eine „Standard“-Version für anspruchsvolle Aufgaben und die direkte Integration in Chatgpt. Branchenpublikationen weisen darauf hin, dass dieser Schritt die Anwendungsbasis erweitern wird. Gleichzeitig weisen Experten darauf hin, dass der Preis pro Token in Produktionspipelines der eigentliche wirtschaftliche Parameter bleibt, den es zu beobachten gilt: Die Effizienz von Gpt 5 bei der Generierung von Antworten mit weniger Token und Tool-Aufrufen könnte sich in einen Wettbewerbsvorteil verwandeln, die Kostenrechnung hängt jedoch stark von der Art der Arbeitslast und den Nutzungsmustern ab. Daher ist Vorsicht geboten.

Doch insbesondere in Bezug auf Sicherheit und Governance zeigt sich die Fachpresse zurückhaltend: Die erweiterten Fähigkeiten des Modells, komplexe Artefakte zu generieren und Aktionen auf externen Ressourcen zu orchestrieren, erfordern neue Audit-Tools, Zugriffsbeschränkungen und Betriebsrichtlinien. Technische Experten betonen, dass die Herausforderung nicht nur darin besteht, Trugbilder zu reduzieren, sondern auch die Abhängigkeiten zwischen dem Modell und den Unternehmenssystemen zu managen – wie eine Antwort verifiziert wird, wer für die Ausgabe verantwortlich ist und wie die Entscheidungskette bei autonomen Agenten nachvollzogen wird. In technischen Diskussionen stehen praktische Fragen im Vordergrund: Protokollierung, Tests in isolierten Umgebungen, obligatorische menschliche Genehmigungen für sensible Ausgaben und klare Kriterien für die Sperrung riskanter Funktionen.

Für uns Europäer klingt das alles sehr vertraut, da am 2. August die Verpflichtungen des AI Act für Anbieter von Allzweckmodellen (wie etwa Gpt 5) in Kraft getreten sind, was auch Auswirkungen auf die Unternehmen hat, die diese Modelle verwenden.