knowledge-base/wiki/concepts/agi/ki-zeithorizont-verdopplung.md

63 lines
5.1 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters

This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

---
created: 2026-11-16
updated: 2026-11-16
sources: [xpost/2026-11-16_snicklink-zeithorizont-1-7-monate.md]
tags: [concept, metr, benchmark, time-horizon, scaling, anthropic]
---
# KI-Zeithorizont: die 1,7-Monats-Verdopplung
## Kurzfassung
Ein Post von [Snicklink](../../people/snicklink.md) feiert eine Grafik, nach der sich der Zeithorizont von KI-Modellen seit Claude Opus 4.5 alle **1,7 Monate** verdoppelt. Die zugrunde liegende Messung ist seriös, die Grafik aber nur teilweise: Der gemessene Bereich endet bei Claude Mythos Preview, alles darüber sind aus einem Benchmark-Index abgeleitete Schätzungen, der rechte Rand ist Extrapolation. „It's OVER“ ist eine Projektion, kein Messwert.
[Raw-Quelle mit Bildtranskript und Prüfprotokoll](../../../raw/xpost/2026-11-16_snicklink-zeithorizont-1-7-monate.md).
## Was gemessen wird
[METR](https://metr.org/time-horizons/) definiert den **Task-Completion Time Horizon** als die Aufgabendauer — gemessen an der Zeit, die ein menschlicher Experte braucht —, bei der ein Agent mit einer bestimmten Wahrscheinlichkeit Erfolg hat. Grundlage sind über hundert Software-Aufgaben; pro Modell wird eine logistische Kurve angepasst und der Schnittpunkt bei 50 % beziehungsweise 80 % abgelesen.
Wichtig für die Lesart: Der Wert beschreibt **Aufgabenschwierigkeit**, nicht die Zeit, die die KI selbst arbeitet. Ein „38-Stunden-Horizont“ heißt nicht 38 Stunden autonomer Forschung, sondern: Aufgaben, für die Menschen 38 Stunden brauchen, gelingen mit 80 % Wahrscheinlichkeit — einzeln betrachtet.
## Was in der Grafik steht
| Abschnitt | Verdopplungszeit |
|---|---|
| 2019–2025 | 7 Monate |
| 2024–Anfang 2026 | 3,3 Monate |
| seit Opus 4.5, inkl. Schätzungen | 1,7 Monate |
Der dritte Abschnitt ist der steile Teil — und der am schwächsten belegte. Er besteht überwiegend aus roten Rauten, die laut Bildfußnote **nicht gemessen**, sondern aus Anthropics internem Capability-Index (AECI) geschätzt und mit dem Faktor 6,3 von 50 % auf 80 % umgerechnet wurden. Der gestrichelte Verlauf am Ende ist ausdrücklich Extrapolation.
## Die drei Belastbarkeitsgrenzen
1. **Obergrenze der Messung.** METR schreibt selbst: „Measurements above 16 hrs are unreliable with our current task suite.“ Alles oberhalb — inklusive der 38 Stunden für „Model 4“ — stammt aus einer Index-Umrechnung, nicht aus Aufgabendaten.
2. **Der Umrechnungsfaktor streut.** Für Mythos Preview nennt METR 17 Stunden bei 50 % und die Grafik 3,1 Stunden bei 80 %; das ergibt rund 5,5, nicht 6,3. Ein kleiner Unterschied, aber er zeigt, dass der Faktor eine Näherung ist.
3. **Verifizierbare Aufgaben.** METR nennt als eigene Fehlerquelle, dass AECI vor allem gut bewertbare Aufgaben abbildet und die Beschleunigung auf „sauberen“ Aufgaben stärker ausfallen kann als in der Praxis.
## Was METR im November 2026 tatsächlich berichtet
Die [Bewertung vom 05.11.2026](https://metr.org/blog/2026-11-05-anthropic-ai-rd-acceleration-assessment/) ist der belastbarere Teil der Geschichte:
- AECI-Wachstum seit Oktober 2025 rund **1,9-mal** so schnell wie zuvor (95-%-Intervall 1,5–2,8) — etwa zwei Jahre Fortschritt in einem Jahr.
- Ein Großteil davon wird dem KI-Einsatz in der eigenen Forschung zugeschrieben; die Beschleunigung geht laut METR nicht auf mehr Trainingscompute zurück.
- Keine wesentlichen Engpässe in den nächsten zwölf Monaten erkennbar, bei ausdrücklicher Unsicherheit.
- **Schwächung:** Ein erheblicher Teil der aussagekräftigsten Belege wurde von Anthropic geschwärzt. METR schreibt selbst, die Öffentlichkeit müsse sich dadurch stärker auf das Urteil der Prüfer verlassen als wünschenswert.
Das ist eine deutlich nüchternere Aussage als „Exponential Growth“: reale Beschleunigung, große Konfidenzintervalle, eingeschränkte Prüfbarkeit.
## Der Kategorienfehler im Meme
Der Post karikiert Einwände wie „die Hände haben sechs Finger“ und „meinen Elektriker-Job können sie nicht“. Beides betrifft **Verkörperung und Feinmotorik**, nicht den Zeithorizont bei Software-Aufgaben. Der Spott trifft also einen Strohmann — während die echte Schwachstelle der Grafik ganz woanders liegt: in den geschätzten Punkten am steilen Ende.
## Was daraus folgt — und was nicht
- **Trägt:** Die Verdopplungszeit hat sich verkürzt; die Größenordnung 1,9-facher Fortschrittsrate ist METRs zentrale Aussage und wird dort ernst genommen.
- **Trägt nicht:** „1,7 Monate“ als gemessene Konstante. Sie ist ein Fit durch gemischte Datenpunkte, dessen steilster Abschnitt auf Schätzungen beruht.
- **Offen:** ob sich die Beschleunigung fortsetzt, ob sie auf verifizierbare Aufgaben beschränkt bleibt, und ob aus schnellerem Benchmark-Fortschritt autonome Forschung wird. METR sieht Anzeichen für mehr Autonomie, aber keine vollständigen Beiträge.
## Verwandte Seiten
- [[robotics-model-benchmark.md]] — Beispiel dafür, wie begrenzt ein einzelner Benchmark Aussagen über allgemeine Fähigkeit trägt
- [[kognition-vs-skalierung.md]] — Gegenposition: Skalierung schließt die Lücke nicht, sie wird teurer
- [[../policy/ai-iot-worms-self-replicating-models.md]] — Umgang mit Fähigkeitsprojektionen aus Labordaten