MÜNCHEN (IT BOLTWISE) – Die Diskussionen über die Validität und Darstellung von KI-Benchmarks nehmen an Fahrt auf. Jüngst geriet xAI, das KI-Unternehmen von Elon Musk, in die Kritik, nachdem ein Mitarbeiter von OpenAI behauptete, xAI habe irreführende Benchmark-Ergebnisse für sein neuestes KI-Modell Grok 3 veröffentlicht.
Die Debatte um die Darstellung von KI-Benchmarks ist in vollem Gange, nachdem xAI, das KI-Unternehmen von Elon Musk, beschuldigt wurde, irreführende Ergebnisse für sein neuestes Modell Grok 3 veröffentlicht zu haben. Ein Mitarbeiter von OpenAI warf xAI vor, die Leistung von Grok 3 auf dem AIME 2025 Benchmark falsch darzustellen. Igor Babushkin, Mitbegründer von xAI, verteidigte die Ergebnisse jedoch.
In einem Blogpost von xAI wurde ein Diagramm veröffentlicht, das die Leistung von Grok 3 auf dem AIME 2025 zeigt, einem anspruchsvollen Mathematiktest. Einige Experten haben die Validität von AIME als KI-Benchmark in Frage gestellt, dennoch wird er häufig zur Bewertung mathematischer Fähigkeiten von Modellen verwendet. Das Diagramm von xAI zeigte, dass zwei Varianten von Grok 3, Grok 3 Reasoning Beta und Grok 3 mini Reasoning, das beste verfügbare Modell von OpenAI, o3-mini-high, übertreffen.
OpenAI-Mitarbeiter wiesen jedoch darauf hin, dass xAI in seinem Diagramm die AIME 2025-Punktzahl von o3-mini-high bei ‘cons@64’ nicht berücksichtigt hatte. ‘cons@64’ steht für ‘consensus@64’ und bedeutet, dass ein Modell 64 Versuche hat, um jede Aufgabe zu lösen, wobei die am häufigsten generierten Antworten als endgültige Antworten gewertet werden. Diese Methode kann die Benchmark-Ergebnisse eines Modells erheblich verbessern, und das Weglassen dieser Information könnte den Eindruck erwecken, dass ein Modell besser ist als ein anderes.
Die Ergebnisse von Grok 3 Reasoning Beta und Grok 3 mini Reasoning bei AIME 2025 ‘bei @1’ – also dem ersten Ergebnis, das die Modelle erzielten – liegen unter der Punktzahl von o3-mini-high. Grok 3 Reasoning Beta liegt auch leicht hinter dem OpenAI-Modell o1, das auf ‘medium’ Computing eingestellt ist. Dennoch bewirbt xAI Grok 3 als das ‘intelligenteste KI-Modell der Welt’.
Babushkin argumentierte auf X, dass OpenAI in der Vergangenheit ebenfalls irreführende Benchmark-Diagramme veröffentlicht habe – allerdings Diagramme, die die Leistung ihrer eigenen Modelle vergleichen. Ein neutraler Beobachter der Debatte erstellte ein ‘genaueres’ Diagramm, das die Leistung fast aller Modelle bei cons@64 zeigt.
Wie der KI-Forscher Nathan Lambert in einem Beitrag betonte, bleibt die vielleicht wichtigste Kennzahl ein Rätsel: die Rechen- und Kostenaufwand, die erforderlich waren, um die beste Punktzahl jedes Modells zu erreichen. Dies zeigt, wie wenig die meisten KI-Benchmarks über die Einschränkungen und Stärken von Modellen aussagen.
- NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- Service Directory für AI Adult Services erkunden!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
Stellenangebote
Wissenschaftliche Mitarbeiter*innen für künstliche Intelligenz
Technical Lead Data & AI (m/w/d)
Praktikum (m/w/d) KI Projekt
Software Engineer / Softwareentwickler (w/m/d) Schwerpunkt Künstliche Intelligenz
- Die Zukunft von Mensch und MaschineIm neuen Buch des renommierten Zukunftsforschers und Technologie-Visionärs Ray Kurzweil wird eine faszinierende Vision der kommenden Jahre und Jahrzehnte entworfen – eine Welt, die von KI durchdrungen sein wird
- Künstliche Intelligenz: Expertenwissen gegen Hysterie Der renommierte Gehirnforscher, Psychiater und Bestseller-Autor Manfred Spitzer ist ein ausgewiesener Experte für neuronale Netze, auf denen KI aufbaut
- Obwohl Künstliche Intelligenz (KI) derzeit in aller Munde ist, setzen bislang nur wenige Unternehmen die Technologie wirklich erfolgreich ein
- Wie funktioniert Künstliche Intelligenz (KI) und gibt es Parallelen zum menschlichen Gehirn? Was sind die Gemeinsamkeiten von natürlicher und künstlicher Intelligenz, und was die Unterschiede? Ist das Gehirn nichts anderes als ein biologischer Computer? Was sind Neuronale Netze und wie kann der Begriff Deep Learning einfach erklärt werden?Seit der kognitiven Revolution Mitte des letzten Jahrhunderts sind KI und Hirnforschung eng miteinander verflochten
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Kontroverse um KI-Benchmarks: Hat xAI über die Benchmarks von Grok 3 gelogen?" für unsere Leser?
#Sophos
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Kontroverse um KI-Benchmarks: Hat xAI über die Benchmarks von Grok 3 gelogen?" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die deutsche Google-Suchmaschine für eine weitere Themenrecherche: »Kontroverse um KI-Benchmarks: Hat xAI über die Benchmarks von Grok 3 gelogen?« bei Google Deutschland suchen und bei Google News recherchieren!