Einhörner, benannt nach ihrem markanten Horn, ein paar Zeilen später als vierhörnig. OpenAI veröffentlichte den Text als besten von zehn Versuchen. 2019 war das eine Sensation. 1
Die Forschungsorganisation METR misst seit einigen Jahren, wie lange Aufgaben dauern dürfen, die KI-Agenten selbstständig lösen. Gemessen wird nicht, wie lange der Agent arbeitet, sondern wie lange eine Fachkraft für dieselbe Aufgabe bräuchte, und ab welcher Länge der Agent noch in der Hälfte der Fälle Erfolg hat. Für GPT-2 kommt METR auf etwa drei Sekunden. Einen Text flüssig fortsetzen konnte es, eine Aufgabe erledigen kaum.
GPT-4 schaffte im März 2023 Aufgaben von etwa vier Minuten. Claude 3.7 Sonnet im Februar 2025 etwa eine Stunde. GPT-5 im August 2025 gut drei Stunden. Claude Opus 4.6 im Februar 2026 rund zwölf Stunden, mit einer sehr breiten Unsicherheit. Im selben Monat ließ Anthropic sechzehn Instanzen dieses Modells gemeinsam an einem einzigen Projekt arbeiten. Nach etwa zwei Wochen und knapp 20.000 Dollar an Rechenkosten stand ein Compiler für die Programmiersprache C mit rund 100.000 Zeilen, der ein lauffähiges Linux bauen konnte. Er hatte noch Lücken. Aber er war da. 2