OpenAI o1 erreicht IQ 120 und Gold bei Informatik-Olympiade

OpenAI o1 erreicht IQ 120 und Gold im Programmieren

Ein führender Biomedizin-Wissenschaftler bezeichnet o1 als auf Doktorandenniveau arbeitend. Der Mathematiker Terence Tao stuft es als mittelmäßigen Postgraduierten ein, nicht völlig inkompetent. Jensen Huang betont die beschleunigte rekursive Selbstverbesserung und den Beginn einer positiven Rückkopplungsschleife. Währenddessen gewinnt o1 Gold bei der Internationalen Informatik-Olympiade, erzielt einen IQ von 120 – höher als neun von zehn Menschen – und erzwang die Einführung des neuen Maßstabs The Last Exam of Humanity, da die KI menschliche Basisleistungen fast überall übertrifft. Die Frage ist nicht mehr, ob sie nützlich ist. Die Frage ist, wofür sie nicht taugt.

Was o1 in den letzten Tagen erreicht hat

Die Liste der Meilensteine ist kaum zu glauben. Ein prominenter Biomediziner nennt o1 einen außergewöhnlichen Doktoranden, unter den besten, die er je betreute. Ein Spitzenmathematiker relativiert: Es fehle noch etwas für einen kompetenten Postgraduierten nach seinen Maßstäben, erreiche aber bereits das Niveau eines mittelmäßigen Absolventen. Die Spannbreite dieser Bewertungen ist selbst die Nachricht: Der Experten-Konsens bewegt sich zwischen Doktorat und Postgraduiertenniveau, nicht zwischen Spielzeug und Taschenrechner.

Hinzu kommen das Gold bei der Internationalen Informatik-Olympiade und ein Sprung von 30 IQ-Punkten auf 120. Sam Altman verglich den aktuellen Stand von o1 in einem Interview mit T-Mobile mit der GPT-2-Phase der Reasoning-Modelle und deutete an, dass dies einen viel schnelleren Weg zu voll funktionsfähigen KI-Agenten ebnet. Kurz gesagt: Dies ist die Vorgeschichte dessen, was kommt.

The Last Exam of Humanity: Der Test, der nicht mehr ausreicht

Forscher haben den Benchmark The Last Exam of Humanity geschaffen, weil KI menschliche Leistungen in praktisch allen anderen Tests erreicht oder übertroffen hat. Der Name ist kein Marketing-Hype, sondern die Feststellung, dass traditionelle Prüfungen unzureichend geworden sind. Wenn der Kandidat den Test besteht, hört der Test auf, zu messen.

Manche behaupten, alles sei heiße Luft und KI verdiene kein Geld, ähnlich wie NFTs. Dem entgegen steht die Tatsache, dass die Adoption in konkreten Aufgaben längst stattfindet: Erstellung von Fragebögen, Berichtsverfassung, Dokumentenanalyse. Optimistische Berechnungen gehen davon aus, dass ein KI-gestützter Praktikant einen erfahrenen Sachbearbeiter ersetzt. Pessimisten argumentieren, dass menschliche Aufsicht weiterhin unerlässlich sei und die tatsächlichen Einsparungen geringer seien als erwartet.

---

Die Kluft zwischen Erzählung und Rechenleistung

Hier kommt der Aspekt, der viele verwirrt. Große Sprachmodelle (LLMs) können nicht rechnen, weil sie dafür nicht die richtige Architektur haben. Sie arbeiten intuitiv: Sie reagieren auf Konzeptassoziationen, nicht auf formale Logik. Intuition ist schlecht für Mathematik, aber gut für weniger formale Themen. Menschen nutzen zu 90 Prozent Intuition beim Denken. Man schätzt Summen ab, beurteilt Entfernungen, trifft Entscheidungen basierend auf Erfahrungsmustern. KI tut dasselbe, nur in anderem Maßstab.

Das erklärt das Paradoxon, dass ein Modell, das Gold im Programmieren holt, sich nicht an einen Taschenrechner anschließen kann. Trotz all der APIs und Agenten kann es keine Tabellenkalkulation erstellen. Die technische Antwort lautet: Es ist nicht dafür konzipiert. Die praktische Antwort ist: Das spielt keine Rolle. Wer es für seine Stärken nutzt, erhält Ergebnisse, die früher Stunden dauerten.

Die reale Angst: Nicht die KI, sondern wer sie kontrolliert

Eine Strömung der Analyse besagt, dass das Problem nicht die Technologie sei, sondern die Hände, in denen sie liegt. Dasselbe Werkzeug, das in fünf Vormittagen Fragebögen erstellt, kann auch genutzt werden, um weniger kritische Personen zu täuschen. Auf einem Support-Server erhielt ein Nutzer eine private Nachricht, die ihn aufforderte, sein Wallet mit einer Seite zu verbinden. Er brach rechtzeitig ab. Andere tun das nicht.

Die andere Front ist arbeitsmarktrelevant. Ein Biomedizin-Professor warnte: Die Nachfrage nach menschlichen Ärzten wird sinken, besonders bei Standarddiagnosen und Routinebehandlungen. Eine andere Strömung sieht vor, dass Primärversorgung zu 90 Prozent durch KI gedeckt werden könnte, mit Apothekern als Filter. Derjenige, der stirbt, ist der, der auf den Spezialisten wartet.

Was noch nicht zusammenpasst

Die von Jensen Huang erwähnte rekursive Selbstverbesserung impliziert, dass KI die KI verbessert. Beschleunigt sich dies, verdichten sich die Zeiträume. Aber niemand weiß, wie stark. Skeptiker erinnern daran, dass KI kein Bewusstsein entwickelt, die Menschheit nicht auslöscht und das Schiff nicht schon vor einer Stunde gekehrt hat. Enthusiasten entgegnen, das sei so, als würde man einen Dreijährigen bitten, die Relativitätstheorie zu erklären.

Der Punkt, an dem die Analyse ins Stocken gerät, ist dieser: Wenn o1 auf Postgraduiertenniveau in Mathematik und Doktoratniveau in Biomedizin ist, warum kann es dann zwei Zahlen nicht ohne Fehler addieren? Die Antwort – es ist intuitiv, nicht logisch – tröstet nicht denjenigen, der ein fehlerfreies Werkzeug erwartet. Sie tröstet denjenigen, der versteht, dass auch menschliche Intelligenz nicht fehlerfrei ist.