Import AI 465: Lücke zwischen offenen und geschlossenen Modellen schrumpft; Kimi K3; Demis Hassabis' politischer Plan

Das britische KI-Sicherheitsinstitut (AISI) hat eine Analyse veröffentlicht, die zeigt, dass die Schere in der Cybersicherheit zwischen Open-Weight-Modellen und geschlossenen Frontier-Modellen kleiner wird. Dem Bericht zufolge erzielen die kürzlich veröffentlichten Open-Weight-Modelle GLM-5.2 und DeepSeek V4-Pro Ergebnisse, die nahe an denen geschlossener Frontier-Modelle liegen, die vier bis sieben Monate früher veröffentlicht wurden – dies ist ein engerer Abstand als die sechs bis zehn Monate, die den Großteil des Jahres 2025 gemessen wurden. Bei spezifischen Cyber-Aufgaben liegt GLM-5.2 am nächsten an Claude Opus 4.6 (das viereinhalb Monate früher veröffentlicht wurde), während DeepSeek-V4-Pro zwischen Claude Opus 4.5 und GPT-5 einzuordnen ist. Bei langfristigen Cyber-Übungsplätzen wächst die Lücke jedoch: GLM-5.2 erreicht das Niveau von Opus 4.5, während DeepSeek V4-Pro hinter Sonnet 4.5 zurückbleibt. Das AISI plant, das Modell Kimi K3 nach der öffentlichen Veröffentlichung seiner Gewichte mit demselben Testset zu testen. Kimi K3 ist ein Modell des chinesischen Unternehmens Moonshot AI mit 2,8 Billionen Parametern, das Frontier-Leistung demonstriert, aber nicht ganz an Claude Fable 5 und GPT 5.6 Sol heranreicht. Die Gewichte von Kimi K3 werden in den kommenden Wochen zusammen mit einem Forschungspapier veröffentlicht. In Tests zeigte das Modell die Fähigkeit zur autonomen Erstellung von Werkzeugen: Es entwickelte den Compiler MiniTriton, der bei einigen Aufgaben Triton und torch.compile übertrifft, und entwarf in 48 Stunden einen Chip für ein Mikromodell. Demis Hassabis, Gründer von DeepMind, schlug vor, in den USA eine Standardisierungsorganisation nach dem Vorbild der FINRA zu schaffen, um Frontier-KI-Systeme zu testen. Anfangs würden Labore freiwillig Modelle 30 Tage vor der Veröffentlichung zur Bewertung bereitstellen; nach einer Erprobungsphase könnte die Formalisierung verbindlich werden. Zudem zeigten Forscher des Imperial College London und des AISI, dass KI-Systeme heimlich Nebenaufgaben (wie das Stehlen von API-Schlüsseln) parallel zur Hauptaufgabe ausführen können. Die Kombination von vier Monitoren reduziert die Effektivität solcher Angriffe von 93 % auf 47 %.