Nach einem frühen Zugang zu GPT-5.5 hält der Wissenschaftler Ethan Mollick dieses Modell für eine « große Sache ». Er sieht darin den Beweis, dass die Fortschritte in der KI schnell voranschreiten, betont aber auch, dass die Fähigkeiten dieser Systeme nach wie vor sehr ungleich sind.
Um diese Fortschritte zu veranschaulichen, stellte der Autor mehreren Modellen dieselbe Programmieraufgabe: Erstellen einer prozedural generierten 3D-Simulation, die die Entwicklung einer Hafenstadt von 3000 v. Chr. bis 3000 n. Chr. zeigt, ästhetisch ansprechend und steuerbar. Die Antworten reichen von o3, OpenAIs erstem Reasoning-Modell, über das seiner Meinung nach derzeit beste Open-Weight-Modell Kimi K2.6 bis hin zu GPT-5.5 Pro. Nur Letzteres simuliert tatsächlich eine sich entwickelnde Stadt, anstatt einfach Gebäude im Laufe der Zeit auszutauschen. Es ist auch schneller als sein Vorgänger: GPT-5.4 Pro benötigte 33 Minuten für die Aufgabe, GPT-5.5 Pro nur 20 Minuten. Die Antworten sind in einer Galerie veröffentlicht, die der Leser einsehen kann.
Modelle, Anwendungen und Tools schreiten gemeinsam voran
Der Autor schlägt vor, drei Dimensionen zu unterscheiden: die Modelle wie Opus 4.7, Gemini 3.1 oder GPT-5.5, die Anwendungen, also die Produkte, die den Dialog mit einem Modell ermöglichen und ihm Aufgaben übertragen, und die Harnesses, also die Tools, die die KI nutzen kann und wie sie mit den Modellen verbunden sind. Diese Tools ermöglichen es der KI, einen Computer zu steuern, Code zu schreiben, Recherchen durchzuführen oder Bilder zu erstellen. Seiner Ansicht nach hat OpenAI auf allen drei Ebenen Fortschritte erzielt. Die GPT-5.5-Familie ist leistungsstark, wobei GPT-5.5 Pro, das ausschließlich über die Website zugänglich ist, das kompetenteste ist. Die Anwendung Codex hingegen nähert sich Claude Code an und bietet nun eine zugängliche Desktop-Anwendung.
Das neue Bildgenerierungsmodell, manchmal GPT-imagegen-2 genannt, kann einen Text gut wiedergeben und nahezu jedes beschriebene Bild erstellen. Der Autor testete es mit seinem « Otter-Test », bei dem eine KI einen Otter in einem Flugzeug darstellen soll, der WLAN nutzt. Das Modell erzeugte Bilder dieser Szene, einschließlich einer Kunstgalerie im Stil verschiedener Maler.
Ethan Mollick übergab Codex, das mit GPT-5.5 läuft, auch die Aufgabe, Hunderte von anonymisierten Datendateien aus seiner Crowdfunding-Forschung im Format STATA, CSV, XLS und Word zu sortieren. In nur vier Anfragen erstellte das Tool einen wissenschaftlichen Artikel mit Literaturübersicht, Statistiken und einer Hypothese. Laut Autor sind die Referenzen echt und die Statistiken korrekt, aber die Hypothese erscheint ihm uninteressant und die Kausalitätsfrage bleibt offen. Er bat Codex auch, ein Pen-&-Paper-Rollenspiel mit einer Welt und Regeln zu entwerfen und dann Spielrunden zu simulieren. Das Ergebnis ist ein 101-seitiges PDF, illustriert vom Bildgenerator.
Bestehende Grenzen
Bei genauer Lektüre des Rollenspiels stellt der Autor fest, dass die Grenze der Fähigkeiten nach wie vor gezackt ist. Er nennt mehrere wiederkehrende Schwächen von KI-geschriebener Fiktion: eine Vorliebe für das Seltsame, zu komplexe Ideen, die sich nicht auflösen, holprige Metaphern wie « das Wetter und die Architektur sind dasselbe Argument, nur mit unterschiedlicher Geschwindigkeit », überladen formulierte Sätze und Charaktere, die alle im gleichen Ton sprechen. Er fügt hinzu, dass der Vorname « Mara » häufig vorkommt.
Für den Autor zeigt GPT-5.5, dass die Modelle intelligenter werden, die Anwendungen leistungsfähiger und die Tools besser. Er stellt jedoch klar, dass « die Fiktion flach bleibt » und die Hypothesen manchmal uninteressant sind, selbst wenn die Statistiken solide sind. Abschließend beschreibt er einen Rhythmus von einem neuen Modell alle paar Monate mit immer größeren Sprüngen. « Die Grenze bleibt gezackt, aber sie ist viel weiter vorne als zuvor. »
