Drei Signale vor dem Launch eines neuen Modells – und wie du es am Launchtag sofort nutzt

In den letzten Tagen häufen sich in der Community Meldungen über neue Modelle: Ein Beitrag besagt, OpenAI werde bald ein Modell veröffentlichen, das „Millennium-Probleme lösen“ könne, und alle raten, ob es sich um GPT-6.2 handelt; eine weitere Beobachtung von TestingCatalog besagt, dass Gemini 4 Carbon unter dem Namen Argon 4 in der Arena getestet wird.

Zunächst gilt es, das Gewicht dieser beiden Meldungen zu unterscheiden. Für die erste gibt es bislang nur Weitererzählungen, keine überprüfbare offizielle Quelle; auch die Formulierung „kann Millennium-Probleme lösen“ verlangt selbst nach sehr starken Belegen. „Bald“ bedeutet nicht „mit Datum“ und taugt nicht für die Planung. Die zweite ist eine relativ konkrete Beobachtung: Ein noch nie gesehener Codename erscheint in einem öffentlichen Benchmark.

Ordnet man solche Meldungen nach Zuverlässigkeit, lässt sich beurteilen, was Vorbereitung verdient und was man erst einmal liegen lässt.

Drei Signaltypen, von hoher zu niedriger Zuverlässigkeit

Erster Typ: anonyme Codenamen in der Arena.

Vor der offiziellen Veröffentlichung schicken Anbieter neue Modelle oft unter einem namenlosen Codename in öffentliche Vergleichs-Benchmarks. Sichtbar ist „ein anonymes Modell“ mit seiner Sieg-Niederlage-Bilanz, nicht der Name. Der Grund für die Zuverlässigkeit dieses Signals ist unmittelbar: Das Modell ist bereits in echten Benchmarks gelaufen, ist also zumindest nutzbar; wurde der Codename erkannt, ist die offizielle Veröffentlichung meist nicht mehr weit.

Daraus lässt sich aber kein Datum ableiten. Manche Codenamen werden nach ein bis zwei Wochen Test zum offiziellen Modell, andere hängen monatelang ohne Folge herum.

Zweiter Typ: Einträge bei Aggregator-Plattformen und Cloud-Anbietern.

Erscheint ein Modell im Katalog eines Cloud-Anbieters oder beginnt eine Aggregator-Plattform mit Einträgen, ist es technisch bereit. Dieses Signal ist konkreter als offizielle mündliche Aussagen, weil es echten, aufrufbaren Ressourcen entspricht.

Dritter Typ: Andeutungen von offizieller Führungsebene.

Formulierungen wie „bald veröffentlicht“ oder „die nächste Generation bringt einen großen Durchbruch“ werden am leichtesten aufgebauscht, haben für deine Entscheidung aber den geringsten Wert: kein Datum, keine Fähigkeitsgrenzen, kein Preis.

Wie man diese Signale nutzt

Nicht als Terminplanung, sondern als Vorbereitungsliste.

Erscheint ein Arena-Codename, bedeutet das ein Zeitfenster von ungefähr einigen Wochen. Was man in dieser Zeit tut:

1. Den Modellnamen aus dem Geschäftscode herausziehen und in die Konfiguration oder in Umgebungsvariablen legen
2. Sicherstellen, dass die Aufrufschicht nur von Standardprotokollen abhängt und nicht an private Felder eines Anbieters gebunden ist
3. Einen Satz eigener Evaluierungsaufgaben vorbereiten, den man beim Launch des neuen Modells direkt laufen lässt, statt ihn ad hoc zusammenzustellen

Sind diese drei Dinge erledigt, reicht am Launchtag eine Änderung am Feld model, um das neue Modell auszuprobieren. Andernfalls kostet es womöglich Tage an Codeänderungen.

Was am Launchtag zu tun ist

Nicht als Erstes die Ranglisten anschauen.

Schritt eins: Mit eigenen Aufgaben vergleichen. Dieselben Eingaben, derselbe Prompt, einmal mit dem neuen und einmal mit dem alten Modell laufen lassen und die Unterschiede in den Ausgaben sowie den Token-Verbrauch betrachten. Ranglisten messen allgemeine Fähigkeiten, deine Aufgabe ist konkret.

Schritt zwei: Gesamtkosten rechnen, nicht den Stückpreis. Ein um 30 % günstigerer Stückpreis wird unterm Strich teurer, wenn sich die Ausgabelänge verdoppelt.

Schritt drei: Traffic anteilig umleiten. Neues Modell als Gruppe A, altes Modell als Gruppe B, zunächst 10 % umleiten und eine Woche beobachten.

Was ein einheitliches Protokoll erspart

Wenn beide Modelle über OpenAI Chat Completions laufen, ist ein Modellwechsel nur eine String-Änderung:

curl -s https://api.hiapi.ai/v1/chat/completions \
  -H "Authorization: Bearer YOUR_HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "gpt-6.1-terra", "messages": [{"role":"user","content":"Hallo"}]}'

Ersetze gpt-6.1-terra durch ein beliebiges Modell mit demselben Protokoll – weder der Request-Body noch die Response-Struktur müssen geändert werden.

Neue Modelle erscheinen bei HiAPI zeitgleich in der Modellliste und der Preis-API, ohne auf eine Ankündigung warten zu müssen. Wer sehen will, was gerade verfügbar ist, öffnet die Modellliste schneller, als er Beiträge durchscrollt.

Zu Aussagen wie „Millennium-Probleme lösen“

Die Millennium-Probleme sind sieben vom Clay Mathematics Institute aufgestellte Probleme, auf jedes ist ein Preisgeld von 1 Million US-Dollar ausgesetzt, und der Maßstab für die Vergabe ist die Peer-Review der Mathematik, nicht die Aussage auf einer Pressekonferenz.

Ein KI-System, das zu solchen Problemen einen überprüfbaren Beitrag leistet, braucht Paper, Reproduktionen und Expertenbegutachtung – nichts davon erscheint in einem Tweet. Stößt man auf solche Aussagen, sucht man zuerst die Primärquelle; findet man sie nicht, lässt man es liegen.

Das heißt nicht, dass sich die Modellfähigkeiten nicht verbessern. Die Fortschritte im mathematischen Schlussfolgern im vergangenen Jahr sind real – nur liegt zwischen „kann Olympiade-Aufgaben lösen“ und „löst ungelöste Probleme“ noch ein weiter Weg.

Häufige Fragen

Wie lange dauert es von einem Codename in der Arena bis zur Veröffentlichung?

Es gibt keine feste Regel: kurz zwei Wochen, lang mehrere Monate, und manche Tests verlaufen auch einfach im Sande.

Wie beurteilt man, ob eine Meldung glaubwürdig ist?

Man prüft, ob es eine Primärquelle gibt. Offizielle Blogs, Cloud-Kataloge und aufrufbare Schnittstellen zählen; Weitererzählungen, Vermutungen und „angeblich“ zählen nicht.

Ist es gut, am Launchtag sofort komplett umzustellen?

Nein. Erst mit eigenen Aufgaben vergleichen, dann anteilig umleiten und einen Rückweg offenhalten.

Was, wenn die von mir genutzte Plattform dieses Modell nicht anbietet?

Abwarten oder nach einer Alternative in derselben Klasse schauen. In derselben Klasse gibt es meist mehr als ein Modell mit ähnlichen Fähigkeiten.

Wichtigste Erkenntnisse

Wenn Modellankündigungen überall herumfliegen, ist Informiertheit kein Vorteil, weil sie deinen Vorbereitungsstand nicht verändert. Was wirklich entscheidet, ob du am Launchtag nutzen kannst, ist eine ausreichend dünne Aufrufschicht und ob fertige Evaluierungsaufgaben bereitliegen.

Signale dienen der Vorbereitung, nicht der Terminplanung.

Modellliste öffnen und sehen, was jetzt aufrufbar ist

---

Quellen

• Diskussion zu GPT-6.2: https://x.com/kimmonismus/status/2117312784241160492 , https://x.com/kimmonismus/status/2117515222797648087 (beides Weitererzählungen und Vermutungen aus der Community, keine offizielle Quelle gefunden)
• Beobachtung, dass Gemini 4 Carbon unter dem Codename Argon 4 in der Arena getestet wird: https://x.com/testingcatalog/status/2117189114927673487
• Verfügbarkeit und Preise der Modelle abgeglichen mit der HiAPI-Produktionsumgebung (2026-11-03)