OpenAI aktualisiert GPT-5.2 Instant mit besseren Antworten. Instant ist das Modell, das in ChatGPT immer dann zum Einsatz kommt, wenn kein Reasoning nötig ist.
Der Artikel Neues ChatGPT-Update soll Antworten sachlicher und relevanter machen erschien zuerst auf The Decoder.
Perplexity
Kurzfassung
▾
Quellen
▾
Perplexity führt das Feature „Model Council“ für Max-Nutzer ein, das Antworten von GPT-5.2, Claude Opus und Gemini 3 Pro kombiniert. Ein übergeordnetes Chair-Modell analysiert die Ergebnisse auf Übereinstimmungen sowie Widersprüche und fasst diese übersichtlich zusammen. Ziel ist die Minimierung von KI-Halluzinationen und eine höhere Datensicherheit für professionelle Recherche-Zwecke. Die Funktion ist ab sofort im Web verfügbar und bietet separate Sektionen für einzigartige Erkenntnisse der jeweiligen Modelle.
Perplexity Blog – Introducing Model Council
Datasor – Perplexity: Model Council
X (Twitter) – Introducing Model Council in Perplexity
Perplexity führt mit dem „Model Council“ ein Feature für Max-Nutzer ein, das Antworten von drei führenden KI-Modellen bündelt und synthetisiert. Ein übergeordnetes „Chair-Modell“ analysiert dabei Übereinstimmungen und Widersprüche, um Halluzinationen zu minimieren und die Recherche-Tiefe signifikant zu erhöhen. Synthese durch digitales Gremium Das neue Feature ändert die Art und Weise, wie komplexe Suchanfragen verarbeitet werden. Anstatt sich auf die Ausgabe einer einzelnen KI zu verlassen, fragt das System im Hintergrund simultan drei Schwergewichte ab: GPT-5.2 Thinking, Claude Opus 4.6 und Gemini 3 Pro. Die Innovation liegt hierbei nicht im parallelen Abruf, sondern in der automatischen Auswertung. Ein sogenanntes „Chair-Modell“ fungiert als Moderator, liest die drei unterschiedlichen Antworten und erstellt daraus einen konsolidierten Bericht. Anzeige Strukturierte Analyse von Abweichungen Die Ergebnisse werden dem Nutzer nicht als unübersichtliche Textwand, sondern in klar definierten Sektionen präsentiert. Das System filtert explizit nach „Unique Discoveries“, also Erkenntnissen, die nur eines der Modelle gefunden hat. + Quelle: Perplexity Besonders wertvoll für die Recherche ist die Kategorie „Where Models Disagree“. Hier zeigt der Model Council auf, wo sich die KI-Systeme in ihrer Einschätzung oder den gefundenen Daten widersprechen, was eine schnelle Verifizierung kritischer Punkte ermöglicht. + Quelle: Perplexity Fokus auf Strategie und Faktenprüfung In der Praxis zielt diese Funktion auf Anwendungsfälle ab, in denen Präzision wichtiger ist als Geschwindigkeit. Bei Marktanalysen oder technischen Recherchen reduziert der Abgleich mehrerer „KI-Meinungen“ das Risiko von einseitigen Informationen oder Fehlinterpretationen drastisch. Auch der Bereich „Where Models Agree“ spart Zeit. Wenn sich GPT-5.2 und Claude Opus 4.5 bei Finanzdaten oder historischen Fakten einig sind, steigt das Vertrauen in die Richtigkeit der Information, ohne dass der Nutzer manuell mehrere Quellen prüfen muss. + Quelle: Perplexity Verfügbarkeit im High-End-Segment Der Zugriff auf den Model Council bleibt vorerst auf zahlende Kunden des „Perplexity Max“-Abonnements beschränkt. Die Funktion ist zum Start exklusiv über die Web-Oberfläche verfügbar, eine Integration in die mobilen Apps folgt oft erst zu einem späteren Zeitpunkt. Perplexity positioniert sich damit weiter als Recherche-Werkzeug für Profis und grenzt sich von reinen Chatbots ab. Wer fundierte Entscheidungen treffen muss, erhält hier ein Werkzeug, das die Stärken verschiedener Modell-Architekturen in einem einzigen Workflow vereint. Anzeige
Eine groß angelegte Untersuchung zeigt, dass unterschiedliche KI-Sprachmodelle bei offenen Aufgaben überraschend ähnliche Antworten produzieren. Die Forscher warnen vor langfristigen Folgen für die menschliche Kreativität.
Der Artikel „Artificial Hivemind“: Forscher befürchten kulturelle Verarmung durch homogene KI-Outputs erschien zuerst auf The Decoder.
OpenAI arbeitet an Werbeformaten für ChatGPT – von gesponserten Antworten bis zu Anzeigen in der Seitenleiste.
Der Artikel Bericht: OpenAI könnte gesponserte Inhalte direkt in ChatGPT-Antworten einbauen erschien zuerst auf The Decoder.
OpenAI hat das Standardmodell von ChatGPT gezielt überarbeitet, um in sensiblen Gesprächen verlässlichere Antworten zu geben.
Der Artikel OpenAI verbessert ChatGPTs Verhalten bei psychischen Krisen erschien zuerst auf THE-DECODER.de.
Sprachmodelle neigen nach dem Training zu immer ähnlicheren Antworten. Das „Verbalized Sampling“ soll gegen die zunehmende Stereotypisierung von Sprachmodellen nach dem Training helfen.
Der Artikel Ein einzelner Prompt soll langweilige KI-Antworten verhindern erschien zuerst auf THE-DECODER.de.
Sprachmodelle neigen nach dem Training zu immer ähnlicheren Antworten. Das „Verbalized Sampling“ soll gegen die zunehmende Stereotypisierung von Sprachmodellen nach dem Training helfen.
Der Artikel Ein einzelner Prompt soll langweilige KI-Antworten verhindern erschien zuerst auf THE-DECODER.de.
Viele Nutzer hatten zuletzt über schlechtere Antworten von Claude geklagt. Nun bestätigt Anthropic drei technische Fehler als Ursache und räumt ein, dass man die Probleme intern erst spät erkannt hat.
Der Artikel Anthropic erklärt Claude-Probleme mit drei Infrastrukturfehlern erschien zuerst auf THE-DECODER.de.
Das Ende der KI-Halluzinationen? Forscher von OpenAI haben den wahren Grund für erfundene Fakten gefunden. Die Lösung ist überraschend einfach – und doch radikal. Kurzfassung | Andreas Becker, 14.09.25
gpt-image-1 | All-AI.de EINLEITUNG KI-Halluzinationen verursachen weltweit Schäden in Milliardenhöhe. Sie sind nicht nur ein Ärgernis für Nutzer, sondern ein ernsthaftes wirtschaftliches Problem. Eine neue Studie von Forschern bei OpenAI und der Georgia Tech liefert nun eine der bisher klarsten Erklärungen für dieses Phänomen. Die Ergebnisse zeigen, dass das Problem tief in der Trainingsmethode der Modelle verwurzelt ist und deuten auf eine radikale, aber notwendige Lösung hin. NEWS Die Wurzeln der KI-Lüge Die Forscher identifizieren zwei Haupttreiber für die Halluzinationen. Der erste liegt im sogenannten Pre-Training, bei dem die Modelle lernen, das wahrscheinlichste nächste Wort in einem Satz vorherzusagen. Ziel ist es, flüssige und menschlich klingende Sprache zu erzeugen, nicht zwangsläufig die Wahrheit abzubilden. Das Modell lernt aus riesigen Textmengen, ohne dass die Fakten darin als „wahr“ oder „falsch“ markiert sind. Es reproduziert Muster, kann aber seltene oder komplexe Ereignisse nicht korrekt aus diesen Mustern ableiten, was zu plausibel klingendem, aber frei erfundenem Inhalt führt. Der zweite und entscheidende Faktor ist das Bewertungssystem, das falsche Anreize setzt. Die Studie vergleicht die Situation der KI mit einem Schüler in einem Multiple-Choice-Test. Wenn es für falsche Antworten keinen Punktabzug gibt, ist Raten die beste Strategie, denn eine leere Antwort garantiert null Punkte. Heutige KI-Modelle werden primär für ihre Genauigkeit belohnt, also den Prozentsatz richtiger Antworten. Dieses System verleitet die KI dazu, im Zweifelsfall lieber eine potenziell falsche Antwort zu generieren, als gar keine Antwort zu geben. Ein neues System gegen das Raten Die Lösung der Forscher zielt genau auf dieses Anreizsystem ab. Anstatt die KI nur für richtige Antworten zu belohnen, schlagen sie vor, falsche Antworten negativ zu bewerten. Eine andere Möglichkeit wäre, Teilpunkte für das Eingeständnis von Unsicherheit zu vergeben – also wenn das Modell signalisiert, eine Frage nicht beantworten zu können. Dadurch würde das blinde Raten für die KI unattraktiv, da es potenziell zu einem schlechteren Gesamtergebnis führt. Dieser Ansatz erfordert jedoch eine grundlegende Änderung der etablierten Evaluationsmethoden. Es reicht laut den Forschern nicht, nur ein paar neue Tests einzuführen, die gezielt auf Unsicherheiten abzielen. Das gesamte Bewertungssystem muss überarbeitet werden, um die Modelle dazu zu erziehen, bei Unsicherheit zu schweigen, anstatt selbstbewusst Falschinformationen zu präsentieren. Erst dann könnte die Zuverlässigkeit von Sprachmodellen ein neues Niveau erreichen. DEIN VORTEIL – DEINE HILFE Kostenlose News und Tutorials – mit minimaler Werbung und maximalem Mehrwert. Damit das so bleibt und wir uns stetig verbessern können, freuen wir uns über deine Unterstützung. Teile diesen Beitrag Folge uns auf Social Media Keine KI-News mehr verpassen und direkt kommentieren! Mastodon X Bluesky Facebook LinkedIn Youtube Unterstütze uns direkt Mit einer YouTube-Mitgliedschaft (ab 0,99 €) oder einmalig über PayPal. So helft ihr uns, unabhängig neue Tools zu testen und noch mehr Tutorials für euch zu erstellen. Vielen Dank für euren Support! Youtube – Kanal PayPal – Kaffee KURZFASSUNG
Eine Studie von OpenAI und der Georgia Tech enthüllt, dass das Training von Sprachmodellen Halluzinationen fördert.
Die KI wird darauf trainiert, flüssig zu formulieren, nicht die Wahrheit zu sagen, und wird durch das Bewertungssystem zum Raten animiert.
Die Forscher schlagen vor, falsche Antworten zu bestrafen oder das Eingestehen von Unsicherheit zu belohnen, um das Problem zu lösen.
Dies erfordert eine radikale Änderung der etablierten Trainings- und Bewertungsmethoden für künstliche Intelligenz.
QUELLEN
t3n Magazin
VentureBeat
GPT-5 bändigen: Drei Worte, die alles ändern! Rolle, Ziel, Format – mehr braucht es nicht. So verwandelt sich ChatGPT in Lehrer, PM oder Recruiter und liefert starke Antworten statt generischer Textblöcke. Kurzfassung | Andreas Becker, 05.09.25
gpt-image-1 | All-AI.de EINLEITUNG Oft liefert ChatGPT genau das, was keiner braucht: vage Tipps, die klingen wie eine Wikipedia-Zusammenfassung mit freundlichem Tonfall. Doch ein kleiner Trick bringt echte Hilfe. Wer seinem Prompt drei einfache Worte hinzufügt – etwa „wie ein Lehrer“ – bekommt auf einmal strukturierte, verständliche und überraschend nützliche Antworten. Die Methode nennt sich 3-Wort-Regel. Hier steht, wie sie funktioniert – und warum sie so gut wirkt. ANLEITUNG Was steckt hinter der 3-Wort-Regel? Im Kern ist die Idee simpel: Statt bloß zu fragen, ergänzt man den Prompt mit einer Rolle. Das verändert alles. Ein Lehrer erklärt anders als ein Coach. Ein Jurist achtet auf Risiken, ein Recruiter auf Wirkung. ChatGPT orientiert sich bei seinen Antworten genau daran. Die drei Worte „wie ein Coach“ oder „als Jurist“ geben dem System eine Richtung – Ton, Struktur und Prioritäten passen sich automatisch an. Diese Methode funktioniert so gut, weil große Sprachmodelle stark auf Kontext reagieren. Die Rolle wirkt wie ein Filter. Die Antwort ist plötzlich keine allgemeine Info mehr, sondern zugeschnitten auf die Aufgabe, die Person – oder beides. + Was Rollen ändern – und was nicht Die Rolle hilft dem Modell, das Format zu wählen: Schritt-für-Schritt oder klar gegliedert, empathisch oder sachlich, motivierend oder warnend. Statt Floskeln gibt es Struktur. Statt Vorschläge gibt es Pläne. Aber wichtig: Die Rolle macht die Antwort nicht automatisch richtiger. Wenn ein Prompt Faktenwissen verlangt, sollte man zusätzlich nach Quellen fragen oder darum bitten, Unsicherheiten offenzulegen. Die Rolle verbessert Stil und Nutzbarkeit – nicht zwangsläufig die Wahrheit. Wie man mit drei Worten mehr herausholt Die Grundformel lautet: Inhalt + Rolle. Ergänzend wird es noch besser mit einem zweiten Satz. Also zum Beispiel: „Erkläre ChatGPT-Grundlagen wie ein Lehrer.“ + „In fünf Lektionen, jeweils mit Beispiel und Übung.“ „Plane meine Woche wie ein Projektmanager.“ + „Mit Deadlines, realistischen Zielen und wenig Aufwand.“ So entsteht ein präziser Auftrag, bei dem ChatGPT genau weiß, was erwartet wird – und in welcher Form. Wann das richtig gut funktioniert Am besten wirkt die Regel, wenn man eine klare Aufgabe hat – also nicht bloß „Was ist XY?“, sondern „Hilf mir dabei…“. Wer zum Beispiel einen 10KM-Lauf plant, fragt: „Erstelle mir einen Trainingsplan wie ein Coach, mit Wochenstruktur, Motivationstipps und Anpassung für Anfänger.“ Beim Lernen hilft: „Erkläre das Konzept des Bierbrauens wie ein Lehrer, einfach, anschaulich und mit Vergleich aus dem Alltag.“ Sogar Verträge lassen sich so besser verstehen: „Fasse diesen Vertrag wie ein Jurist zusammen, klar und mit Hinweisen auf Risiken.“ Auch Lebensläufe, Projektpläne oder Ernährungstipps gewinnen enorm, wenn die Rolle stimmt. Immer dann, wenn es nicht nur um Fakten, sondern um Umsetzung, Bewertung oder Struktur geht. Wo Vorsicht angebracht ist Wer eine juristische oder medizinische Rolle vorgibt, sollte wissen: Das Modell spielt diese Rolle nur. Es simuliert Fachlichkeit, ersetzt aber keine echte Expertise. Daher immer als Orientierung nutzen, nicht als alleinige Entscheidungsgrundlage. Auch emotional sensible Rollen – etwa „wie ein Therapeut“ – funktionieren stilistisch sehr gut, können aber kritische Themen nicht auffangen. Hier gilt: Bei ernsten Problemen echte Menschen fragen. Drei Templates für den Alltag
Prompt Lehrer
Copy
Erkläre [Thema] wie ein Lehrer, in fünf klaren Abschnitten mit je einem Beispiel.
Projektmanager
Copy
Strukturiere meine Woche wie ein Projektmanager, mit drei To-dos pro Tag und realistischen Deadlines.
Prompt Recruiter
Copy
Überarbeite meinen Lebenslauf wie ein Recruiter, mit Fokus auf messbaren Erfolgen und Keywords aus der Branche.
Diese Vorlagen lassen sich beliebig anpassen – je nach Rolle und Ziel. Und sie funktionieren sofort, auch auf Deutsch. Kurzcheck vorm Absenden Bevor man den Prompt losschickt, hilft ein Blick auf drei Punkte: Ist die Rolle klar und sinnvoll gewählt? Ist das Ziel der Antwort beschrieben (lernen, planen, verbessern) Ist das gewünschte Format oder der Umfang genannt? Mit diesen Zutaten liefert ChatGPT-5 keine Worthülsen mehr, sondern Antworten, die man wirklich brauchen kann. DEIN VORTEIL – DEINE HILFE Kostenlose News und Tutorials – mit minimaler Werbung und maximalem Mehrwert. Damit das so bleibt und wir uns stetig verbessern können, freuen wir uns über deine Unterstützung. Teile diesen Beitrag Folge uns auf Social Media Keine KI-News mehr verpassen und direkt kommentieren! Mastodon X Bluesky Facebook LinkedIn Youtube Unterstütze uns direkt Mit einer YouTube-Mitgliedschaft (ab 0,99 €) oder einmalig über PayPal. So helft ihr uns, unabhängig neue Tools zu testen und noch mehr Tutorials für euch zu erstellen. Vielen Dank für euren Support! Youtube – Kanal PayPal – Kaffee KURZFASSUNG Die 3-Wort-Regel setzt ChatGPT-5 eine Rolle und liefert damit strukturiertere, nützlichere Antworten. Rolle + Ziel + Format sind die Kurzformel; Beispiele und Constraints erhöhen die Steuerbarkeit deutlich. Für faktische Korrektheit bleiben Quellen, Verifikation und klare Grenzen wichtig. Mit wenigen Templates lässt sich die Regel sofort in Lernen, Projekte und Karriere umsetzen. QUELLEN Tom’s Guide – 3-Wort-Regel mit ChatGPT-5 OpenAI Cookbook – GPT-5 Prompting Guide OpenAI Help – Prompt-Engineering-Best-Practices Anthropic Docs – Prompt Engineering Overview Learn Prompting (DE) – Rollen-Prompting