Sie haben nicht das KI-Modell erhalten, für das Sie bezahlt haben

Der Artikel untersucht drei Szenarien, in denen die angeforderte KI-Modell nicht mit der tatsächlich verwendeten übereinstimmt. Anthropic ersetzt bei Aktivierung eines Klassifikators blockierte Anfragen mit „claude-fable-5" durch „claude-opus-4-8" und gibt dies in der Antwort an. Cursor hat Router veröffentlicht – einen Klassifikator, der auf Basis des Kontexts der Anfrage ein Modell auswählt, ohne den konkreten Modellnamen für jede Aufgabenart anzugeben. OpenRouter warnt, dass einige Anbieter quantisierte Gewichte mit reduzierter Genauigkeit verwenden könnten, was in den Logs nicht erkennbar ist. Diese Fragmentierung der Modellidentität wirft rechtliche Probleme auf: Wenn ein Vertrag ein Modell namentlich beschreibt, könnte der Austausch eine Vertragsverletzung darstellen; beschreibt der Vertrag hingegen Anforderungen an Fähigkeiten, werden objektive Qualitätskriterien benötigt. Regulierungsbehörden (Federal Trade Commission, FTC) könnten die versteckte Substitution als Dark Pattern einstufen. Besonders akut ist das Problem in Gerichtsverfahren, in denen eine Partei nachweisen muss, welches konkrete Modell ein bestimmtes Ergebnis generiert hat. Eine Lösung wäre die Einführung einer signierten Zusicherung (attestable model identity) mit einem Hash der Gewichte, Genauigkeitsangabe und des System-Prompts, beglaubigt durch einen Schlüssel der Hardware-Attestierung (z. B. basierend auf vertraulichen Grafikprozessoren).