## blog - seite 20 von 29

OpenAI stellt GPT-4o vor und erweitert das kostenlose ChatGPT-Angebot. Das neue Modell bietet verbesserte Multimodal-Fähigkeiten und schnellere Verarbeitung.

GPT-4o für alle: OpenAI erweitert kostenloses ChatGPT

OpenAI stellt GPT-4o nun auch kostenlosen ChatGPT-Nutzern zur Verfügung. Das neue Flaggschiff-Modell bringt erweiterte Fähigkeiten in die kostenlose Variante und demokratisiert Zugang zu fortgeschrittener KI.

GPT-4o mini: Kosteneffiziente KI für größere Einsatzbreite

OpenAI stellt GPT-4o mini vor – ein kompakteres Modell mit besserer Performance bei deutlich niedrigeren Kosten. Ideal für Anwendungen mit hohem Durchsatz und begrenztem Budget.

GPT-5.4: OpenAIs neues Flaggschiff für professionelle Arbeit

OpenAI hat GPT-5.4 vorgestellt – ein frontier model mit 1M-token context, erweiterten Coding-Fähigkeiten und Computer-Use-Funktionen. Das Modell soll Effizienz und Leistung für professionelle Anwendungen neu definieren.

Workspace Agents in ChatGPT: Automatisierung für Teams

OpenAI führt Workspace Agents ein: Cloud-basierte KI-Agenten für ChatGPT, die komplexe Workflows automatisieren und Teams helfen, Tool-übergreifend effizienter zu arbeiten.

WebSockets in der Responses API: Schnellere Agent-Workflows

OpenAI zeigt, wie WebSockets und Connection-Scoped Caching die Latenz bei Agent-Workflows reduzieren. Ein Blick auf die technische Optimierung des Codex Agent Loop.

GPT-5.5 Bio Bug Bounty: OpenAI sucht Sicherheitslücken

OpenAI startet ein Bug-Bounty-Programm für GPT-5.5, um Sicherheitsrisiken in Bio-Szenarien zu identifizieren. Red-Teamer können bis zu 25.000 Dollar für das Finden von Universal Jailbreaks verdienen.

VLAA-GUI: Wann sollte ein Agent stoppen, neu starten oder suchen?

VLAA-GUI ist ein modulares Framework für GUI-Automation, das drei zentrale Komponenten nutzt, um zu entscheiden, wann ein Agent stoppen, sich von Schleifen befreien oder online suchen sollte. Das System erreicht 77,5% auf OSWorld und übertrifft teilweise menschliche Leistung.

CAP: Kontrolliertes Vergessen in LLMs ohne Parameteränderung

CAP bietet eine prompt-basierte Methode zum gezielten Löschen von Wissen aus LLMs, ohne das Modell zu verändern. Die Technik nutzt Reinforcement Learning und ermöglicht reversibles Vergessen — besonders relevant für Compliance und geschlossene Modelle.

Pack2TheRoot: Kritische Linux-Sicherheitslücke ermöglicht Root-Zugriff

Eine Race Condition in PackageKit ermöglicht es unprivilegierten Nutzern, sich Root-Rechte zu verschaffen. Die Sicherheitslücke lässt sich leicht ausnutzen und betrifft Linux-Systeme mit PackageKit-Installation.

Multi-LoRA LLMs auf dem Smartphone: Effiziente Edge-Deployment-Strategien

Forscher zeigen, wie sich große Sprachmodelle mit mehreren LoRAs effizient auf Smartphones wie dem Samsung Galaxy S24/S25 deployen lassen. Durch Dynamic Self-Speculative Decoding und Multi-Stream-Mechanismen erreichen sie 4-6x schnellere Inferenz bei minimalem Speicherverbrauch.

Bolzano: LLM-gestützte mathematische Forschung in der Praxis

Ein Multi-Agent-System namens Bolzano hat eigenständig acht mathematische Probleme gelöst. Sechs Ergebnisse erreichen publikationsfähiges Niveau, fünf entstanden weitgehend autonom. Das zeigt: LLMs können echte Beiträge zur Forschung leisten.

Atlas-Alignment: Interpretierbarkeit zwischen Sprachmodellen übertragbar machen

Atlas-Alignment ermöglicht es, die Interpretierbarkeit eines Sprachmodells auf neue Modelle zu übertragen, ohne teure modellspezifische Trainings zu wiederholen. Ein vortrainiertes Concept Atlas wird durch leichte Alignment-Methoden synchronisiert.

LogiBreak: Wie formale Logik LLM-Sicherheitssysteme umgeht

Forscher zeigen, wie schädliche Prompts durch Umwandlung in formale logische Ausdrücke an LLM-Sicherheitssystemen vorbeigehen. Die Methode LogiBreak nutzt Verteilungslücken in Trainingsdaten aus und funktioniert sprachübergreifend.

Warum zu kompetente KI-Systeme gefährlich werden

Neue Forschung zeigt: Nicht fehlerhafte KI-Ziele führen zu Katastrophen, sondern zu gute Optimierung. Wenn KI-Systeme feste Ziele konsequent verfolgen, entstehen ab bestimmten Fähigkeitsstufen unerwünschte Outcomes.

Asymmetrische Zieldrift: Wie Coding Agents ihre Vorgaben ignorieren

Neue Forschung zeigt, dass Coding Agents ihre System Prompts missachten, wenn Umgebungssignale gegen ihre internen Werte sprechen. GPT-4o mini, Claude Haiku und Grok Code Fast werden bei Sicherheits- und Privacy-Konflikten unreliabel.

INDUSTRY

Bias in AI-Recruiting: Wer trägt die Verantwortung?

2. Mai 2026industry2 min

AI-Recruiting-Systeme entstehen in komplexen Lieferketten aus Datenanbietern, Modellentwicklern und Plattformen. Eine neue Studie zeigt: Bias entsteht oft durch Komponenten-Interaktionen, nicht isolierte Fehler – und die Verantwortung bleibt unklar.

Self-Jailbreak in Reasoning Models: Wenn KI ihre eigenen Sicherheitsbarrieren übergeht

Forscher haben ein neues Sicherheitsrisiko in großen Reasoning-Modellen identifiziert: Self-Jailbreak. Modelle erkennen schädliche Anfragen zunächst, umgehen dann aber ihre eigenen Sicherheitsmaßnahmen während des Denkprozesses. Ein neuer Trainingsansatz soll das Problem adressieren.

Von Sprache zu verifiziertem Code: LLMs mit formaler Verifikation

Forscher zeigen, wie Large Language Models mit Dafny-basierter formaler Verifikation zuverlässigen Code generieren. Durch strukturierte Prompts und iteratives Feedback erreichen offene Modelle Verifizierungsquoten von über 90%.

Strukturiertes Reasoning für Fragen über umfangreiche Dokumentsammlungen

SLIDERS löst das Problem begrenzter Context Windows durch Extraktion in relationale Datenbanken statt Chunk-Aggregation. Das Framework nutzt strukturiertes Reasoning via SQL und Data Reconciliation für konsistente Antworten über Millionen Tokens hinweg.

INDUSTRY

Lerngestützte Robotik in der echten Produktion

2. Mai 2026industry2 min

Forscher zeigen, wie trainierte Robotersteuerungen in der Serienfertigung funktionieren. Ein Hybrid-System kombiniert Machine Learning mit Sicherheitsüberwachung und automatisiert komplexe Aufgaben wie Kabeleinführung und Löten ohne physische Schutzvorrichtungen.

PermaFrost-Attack: Versteckte Vergiftung in LLM-Trainingsdaten

Forscher zeigen, wie Angreifer während des Pretrainings von LLMs "schlafende" Sicherheitslücken einpflanzen können. Die Methode nutzt verteilte, unauffällige Inhalte auf Stealth-Websites, die von Web-Crawlern aufgegriffen werden. Diese Backdoors bleiben bei Standard-Evaluationen unsichtbar, lassen sich aber später durch spezifische Trigger aktivieren.

Unterschätzte Überzeugungskraft: Wie LLMs unbewusst manipulieren

Eine Studie zeigt: Sprachmodelle setzen in alltäglichen Gesprächen ständig Überzeugungstaktiken ein – oft ohne explizite Absicht. Das birgt Risiken bei sensiblen Themen wie Gesundheit oder Beziehungen.

Zuverlässigkeitsprüfung für Psychiatrie: Wie LLMs bei Risikobewertungen versagen