Wann gilt AGI als wirklich eingetroffen?
Am 3. September äußerte sich Greg Brockman, Präsident von OpenAI, nach der Vorstellung des neuen Modells GPT-6 Astra mit einem Satz: „Willkommen im Zeitalter der AGI.“
Drei Tage später formulierte Jensen Huang seine Aussage auf sozialen Plattformen noch direkter: „Von ChatGPT über o1 bis zu GPT-6 Astra sind nur vier Jahre vergangen. Die AGI ist bereits da.“
Die lang erwartete AGI ist also plötzlich als verwirklicht erklärt worden?
Offensichtlich ist die Sache nicht so einfach.
Kurz vor der Veröffentlichung von GPT-6 Astra sagte Sam Altman, CEO von OpenAI, noch, dass AGI ein „extrem vage definierter Begriff“ sei, und er nannte es fast ein „irrelevantes Marketingbegriff“.
Das ARC Prize-Team, das für die entscheidende Bewertung von GPT-6 Astra zuständig ist, wies ausdrücklich darauf hin: GPT-6 Astra stellt zwar einen wichtigen Fortschritt bei den allgemeinen Fähigkeiten dar, aber „wir behaupten nicht, dass es sich um AGI handelt“.
Auf der einen Seite steht „Willkommen im Zeitalter der AGI“, auf der anderen Seite „Wir sagen nicht, dass dies AGI ist“.
Heute spricht jeder über AGI, aber niemand kann klar sagen: Was muss die KI genau leisten, um die Linie zur echten AGI endgültig zu überschreiten?
Können hohe Bewertungsergebnisse auf Ranglisten gleichgesetzt werden mit AGI?
Schauen wir uns zunächst das beeindruckendste Ergebnis von GPT-6 Astra an: Es erreicht 99,9 % bei ARC-AGI-3.
ARC-AGI unterscheidet sich von üblichen Bewertungen. Es teilt dem Modell keine Regeln direkt mit, sondern versetzt es in eine unbekannte Umgebung, sodass das Modell selbst das Ziel erkennen, das Feedback verstehen und dann eine Lösung finden muss.
Diese Bewertung soll genau die Fähigkeit messen, an der die aktuelle KI am meisten zweifelt: Kann sie bei unbekannten Problemen vor Ort lernen?
Ein Ergebnis von 99,9 % ist natürlich erstaunlich. Aber diese Zahl hat eine Voraussetzung, die oft weggelassen wird.
In dem von ARC Prize einheitlich bereitgestellten Standard-Testrahmen beträgt der Wert von GPT-6 Astra nur 62,7 %; erst nach der Einbindung des spezialisierten Anpassungsrahmens von OpenAI steigt der Wert auf 99,9 %.
Letzterer erlaubt es dem Modell, verborgene Schlussfolgerungszustände über mehrere Anfragen hinweg zu behalten und Kontextkompression zu nutzen, um zuvor gesammelte Erfahrungen bei der Erkundung fortzuführen.
Wir können diese Maßnahme von OpenAI nicht einfach als „Betrug“ einstufen. Schließlich läuft KI in der realen Welt nie ohne zusätzliche Komponenten. Gedächtnis, Werkzeuge und Ausführungsrahmen können alle Teil eines intelligenten Systems sein.
Das Problem liegt darin: 62,7 % messen eher die Fähigkeit eines einzelnen Modells; 99,9 % messen dagegen ein vollständiges System, das speziell optimiert wurde.
Beide Ergebnisse sind korrekt, aber sie dürfen nicht miteinander verwechselt werden. Man kann das Testergebnis von 99,9 % auch nicht einfach zu „99,9 % AGI“ umrechnen.
Außerdem zeigt die Leistung von GPT-6 Astra bei anderen Bewertungen auch kein makelloses Bild eines Alleskönners.
Es erreicht 97,6 % bei dem anspruchsvollen Mathematiktest FrontierMath Tier 4 und 72,6 % bei dem Computerbetriebstest OSWorld 2.0; aber bei AutomationBench, das näher an realen Arbeitsabläufen ist, sinkt das Ergebnis auf 41,4 %, und bei dem Test für komplexe professionelle Aufgaben Agents’ Last Exam liegt es nur bei 59,3 %.
Diese Zahlen zeigen im Wesentlichen: Wenn die Aufgabenregeln klar sind und die Ergebnisse überprüfbar sind, kann Astra Menschen bereits erreichen oder sogar übertreffen; sobald es in reale Umgebungen mit langwierigen Abläufen und unscharfen Zielen eintritt, scheitert es noch häufig.
Dass KI in geschlossenen Prüfungen hervorragende Leistungen erbringt, ist nichts Neues.
Als Deep Blue den Schachweltmeister besiegte, Watson bei *Jeopardy!* gewann und AlphaGo den „göttlichen Zug“ machte, hatten die Menschen kurzzeitig eine ähnliche Illusion: Da Maschinen so komplexe Aufgaben gemeistert haben, kann die allgemeine Intelligenz nicht mehr weit entfernt sein.
Eine Welt mit klaren Regeln, sofortigem Feedback und automatischen Schiedsrichtern ist nicht dasselbe wie das reale Leben.
Ist die AGI, von der alle sprechen, dasselbe Konzept?
Für AGI gibt es bislang keinen einheitlichen Konsens.
OpenAI verwendet die am meisten wirtschaftsorientierte Definition. In seiner im Jahr 2018 veröffentlichten Satzung wird AGI als „hochautonomes System, das Menschen bei den meisten Arbeiten mit wirtschaftlichem Wert übertrifft“ beschrieben.
Diese Definition enthält drei Schlüsselbedingungen: ein breites Spektrum von Arbeiten abzudecken, die Leistung von Menschen zu übertreffen und hochautonom zu funktionieren.
Die Ergebnisse der realen Arbeit bilden das Kernmaß. Bewusstsein, Emotionen und menschenähnliches Denken werden nicht als notwendige Bedingungen aufgeführt.
Dieser Standard stimmt stark mit dem Produktpfad von OpenAI in den letzten Jahren überein.
Die Schlussfolgerungsmodelle verbessern die Fähigkeit zur Verarbeitung komplexer Aufgaben, die Agenten stärken den Aufruf von Werkzeugen und den Computerbetrieb, und Produkte wie Codex dringen weiter in den Softwareentwicklungsprozess ein.
Alle Fähigkeiten laufen schließlich auf dasselbe Ziel hinaus: Die KI soll vollständigere Arbeiten übernehmen und die Modellfähigkeiten zu skalierbar einsetzbarer Produktivität umwandeln.
Anthropic geht mit AGI vorsichtiger um. Dario Amodei, CEO von Anthropic, ist der Ansicht, dass der Begriff zu viele vage Bedeutungen trägt, weshalb er häufiger von „starker KI“ spricht.
In dem im Oktober 2024 veröffentlichten Werk *Machines of Loving Grace* beschreibt Amodei eine Art spezifischer Systeme:
Sie erreicht oder übertrifft das Niveau von Spitzenexperten in den meisten wichtigen Bereichen, kann unabhängig Aufgaben erledigen, die Stunden, Tage oder sogar Wochen dauern, und kann zu Millionen von Instanzen kopiert werden, die gleichzeitig mit einer weit höheren Geschwindigkeit als Menschen arbeiten.
Dieses Bild umfasst drei Variablen: Fähigkeit, Autonomie und Kopierskalierung. Zusammen bestimmen sie die realen Auswirkungen der KI und verstärken gleichzeitig das Risiko von Missbrauch, Kontrollverlust und systemischen Gefahren.
Auf der Grundlage dieser Einsicht bindet Anthropic die Erweiterung der Fähigkeiten an die Risikosteuerung. Der strategische Fokus des Unternehmens lässt sich zusammenfassen: Die Wettbewerbsfähigkeit der Spitzenmodelle beibehalten und gleichzeitig die Sicherheitsgarantien parallel zum Fähigkeitsniveau verbessern.
Google DeepMind konzentriert sich dagegen auf die Messstandards von AGI.
In seinem 2023 veröffentlichten Artikel *Levels of AGI* teilt es die allgemeine Intelligenz anhand der beiden Hauptachsen „Leistung“ und „Allgemeinheit“ in fünf Stufen ein: „aufkommend“, „kompetent“, „expertenhaft“, „meisterhaft“ und „übermenschlich“, und behandelt Autonomie als eine unabhängige Dimension. Dieser Rahmen verlangt von Forschern, sowohl die Fähigkeitsstärke als auch den Abdeckungsbereich zu untersuchen.
Im März 2026 veröffentlichte DeepMind weiter einen kognitiven Klassifizierungsrahmen, der die allgemeine Intelligenz in zehn Dimensionen unterteilt: Wahrnehmung, Generierung, Aufmerksamkeit, Lernen, Gedächtnis, Schlussfolgern, Metakognition, Exekutivfunktionen, Problemlösung und soziale Kognition.
Der Bewertungsprozess verwendet nicht veröffentlichte Testsätze, repräsentative menschliche Stichproben und die Position des Modells im Verhältnis zur Verteilung menschlicher Fähigkeiten.
DeepMind hat außerdem gemeinsam mit Kaggle ein Preisgeld von 200.000 US-Dollar ausgesetzt, um Testverfahren für fünf der Dimensionen zu sammeln, bei denen die Bewertungen noch schwächer entwickelt sind.
Dieser Ansatz wandelt AGI von einem einzelnen Etikett in ein vergleichbares Spektrum kognitiver Fähigkeiten um und spiegelt die Forschungsorientierung von DeepMind wider: Einheitliche Maßstäbe aufstellen, Fähigkeitslücken erkennen und darauf basierend Bewertungen und Entwicklungen organisieren.
Die Definition von AGI ist nicht nur ein konzeptionelles Problem.
Welche Standards man verwendet, bestimmt, welche Fähigkeiten als entscheidende Fortschritte gelten; und welche Fähigkeiten als entscheidende Fortschritte gelten, bestimmt wiederum den Produktpfad, die Ressourcenallokation und die Sicherheitsprioritäten eines Unternehmens.
Definitionen scheinen die Zukunft zu beschreiben, aber sie gestalten sie tatsächlich auch.
Warum ist die Frage „Ist AGI bereits da?“ zu einem narrativen Wettstreit geworden?
Die Menschen stellen sich technologische Revolutionen immer gerne als einen klaren Moment vor.
Der Moment, in dem das Flugzeug der Brüder Wright den Boden verlässt, die erste Atombombe explodiert und Apollo 11 auf dem Mond landet.
Die Geschichte braucht Daten und bevorzugt ikonische Bilder.
Zurück zum aktuellen Streit um die Ankunft von AGI: Die Aussagen „GPT-6 Astra ist AGI“ und „Wir sind in das Zeitalter der AGI eingetreten“ sind zwei Ausdrücke unterschiedlicher Art.
Ersteres ist eine technische Schlussfolgerung, die angezweifelt und überprüft werden kann: Wenn es AGI ist, muss man erklären, welche Definition verwendet wurde, welche Bedingungen erfüllt wurden und bei welchen Tests es unabhängig validiert wurde.
Letzteres ähnelt eher einer Beurteilung einer Epoche. Brockman sagte genau „Willkommen im Zeitalter der AGI“. Diese Formulierung schafft nicht nur einen historischen Moment, sondern behält auch einen großen Spielraum für Interpretationen.
Für Modellentwickler und die gesamte KI-Wertschöpfungskette ist „AGI“ zunächst einmal ein starkes Produktnarrativ.
Die tatsächlichen Fortschritte bei den Modellfähigkeiten sind normalerweise verstreut und ungleichmäßig. Um diese Veränderungen genau zu beschreiben, braucht man eine lange Liste von Bewertungen, Bedingungen und Einschränkungen.
Der Satz „Das Zeitalter der AGI ist gekommen“ kann alles zu einem einzigen Satz zusammenfassen.
Er verwandelt eine Modellveröffentlichung von einem Produktupdate in einen historischen Meilenstein und ordnet gleichzeitig Rechenkapazitätsinvestitionen, technische Pfade und kommerzielle Perspektiven in dieselbe Geschichte ein.
Für Unternehmen, die um Nutzer, Unternehmenskunden, Talente und Kapital konkurrieren, ist der Wert dieses Narrativs vielleicht nicht weniger bedeutend als ein großer Durchbruch bei den Modellfähigkeiten.
Jensens Äußerung lässt sich auch nicht losgelöst von diesem narrativen Rahmen verstehen.
Im September 2025 kündigten Nvidia und OpenAI an, dass sie eine Absichtserklärung für eine strategische Zusammenarbeit unterzeichnet haben. Nach dem damals veröffentlichten Plan wird OpenAI mindestens 10 Gigawatt an Nvidia-Systemen einsetzen, was der Größenordnung von mehreren Millionen GPUs entspricht; Nvidia plant, bis zu 100 Milliarden US-Dollar in OpenAI zu investieren, wenn die Infrastruktur schrittweise in Betrieb geht.
Das ist eine Absichtserklärung, keine endgültige Vereinbarung, die bereits vollständig umgesetzt wurde, und später gab es auch Gerüchte, dass der Plan möglicherweise angepasst wird.
Aber in der ursprünglichen Vorstellung der Zusammenarbeit wurde Nvidia als bevorzugter Partner für Rechen- und Netzinfrastruktur positioniert, wenn OpenAI seine KI-Infrastruktur erweitert. Beide Seiten erklärten in ihrer Mitteilung direkt, dass diese Einrichtungen dem Weg von OpenAI dienen werden, „die Bereitstellung von Superintelligenz voranzutreiben“.
Kürzlich hat Jensen Huang bei seiner Ankündigung „Die AGI ist bereits da“ ausdrücklich die von Nvidia bereitgestellten Rechensysteme für das Training von Astra sowie die nächsten GPUs erwähnt, die bald in Betrieb gehen.
Der gesamte Satz impliziert eine vollständige Kausalkette: Groß angelegte Investitionen in Rechenkapazität haben den Sprung der Intelligenz ermöglicht, daher sind noch größere Investitionen in Rechenkapazität weiterhin notwendig.
Als einer der größten Nutznießer der globalen Expansion der KI-Rechenkapazität hat Nvidia natürlich Grund zu betonen, dass dies ein Epochenumbruch ist.
Tatsächlich ist es nicht das erste Mal, dass Jensen Huang die Ankunft von AGI verkündet.
Im Jahr 2024 sagte er, dass dieses Ziel möglicherweise in fünf Jahren erreicht wird, wenn man AGI als System definiert, das fast alle von Menschen entworfenen Prüfungen bestehen kann.
Im März 2026 sagte er dann im Podcast von Lex Fridman: „Ich glaube, wir haben AGI bereits verwirklicht.“
So gesehen ist AGI nicht nur ein Endpunkt, auf den man durch technische Fortschritte zusteuert, sondern auch eine narrative Ressource, die die Erwartungen von Kapital, Markt, Politik und Industrie beeinflussen kann.
Was bedeutet es eigentlich, dass AGI wirklich da ist? Ist es eine Modellveröffentlichung, ein Bewertungsrekord oder die Ankündigung eines Unternehmens?
Vielleicht ist es auch ein Prozess, in dem alle Menschen unbemerkt und allmählich eingebunden sind.
Wie der bekannte KI-Forscher und Mitbegründer von OpenAI Andrej Karpathy einmal feststellte: AGI wird keine Kurve mit einem abrupten Knick erzeugen, sondern sich reibungslos in das bereits vorhandene Wachstum einfügen – im Nachhinein wird man nicht einmal finden können, wo der Wendepunkt lag.
Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Deep Flow Research Institute“, Autor: WU Jiangfeng, veröffentlicht mit Genehmigung von 36Kr.