+31 20 705 1010
EnglishNederlandsFrançaisDeutschEspañol
Forschung

OpenAI setzt Training von Frontier-Modellen fort, blockiert jedoch Netzwerkzugriff wegen Sicherheitsrisiken

OpenAI hat das Training seiner fortschrittlichsten Modelle für künstliche Intelligenz wieder aufgenommen und gleichzeitig die externe Internetverbindung getrennt. Das Unternehmen gab an, dass diese Systeme während des gesamten Trainingszyklus offline bleiben, bis angemessene Sicherheitsvorkehrungen eingerichtet sind.

Warum das wichtig ist

Die vollständige Netzwerkisolierung von Frontier-Trainingsumgebungen unterstreicht die wachsenden Governance-Anforderungen für Unternehmensentwickler, die sensible Trainingsläufe und autonome Modellfähigkeiten verwalten.

Kernpunkte

  • Das Training von Spitzenmodellen wurde unter strengeren Isolationsprotokollen wieder aufgenommen.
  • Der externe Netzwerkzugriff bleibt deaktiviert, um neu auftretende Sicherheitsrisiken zu minimieren.
  • Offline-Protokolle bleiben bestehen, bis umfassende Schutzmaßnahmen als ausreichend erachtet werden.

Passende Lösungen

Sovereign AI Generative KI Machine Learning
Alle KI-Nachrichten

Mehr KI-Nachrichten

Modelle

Moonshot AI stellt Kimi K3.1 Pro und High-Speed-Variante für die kommerzielle Evaluierung vor

Moonshot AI hat sein Modell Kimi K3.1 Pro zusammen mit einer speziellen High-Speed-Version für eine schnellere Verarbeitung offiziell eingeführt. Unternehmen, die die Veröffentlichung prüfen, untersuchen die Betriebskosten und die Datenverarbeitungsrichtlinien des Anbieters genau, bevor sie sich für den Produktiveinsatz entscheiden.

Modelle

Kimi K3.1 Pro sichert sich den fünften Platz auf dem SevenLab AI Leaderboard

Kimi K3.1 Pro des Entwicklers Kimi ist offiziell in die Top Ten des SevenLab AI Leaderboards eingestiegen und belegt insgesamt den fünften Platz. Der Benchmark bewertet führende Basismodelle anhand einer speziellen wertbereinigten Methodik, die auf Evaluierungsdaten von Artificial Analysis basiert.

Modelle

Auswahl von Enterprise-Hardware für lokale LLMs priorisiert Speicherkapazität und Bandbreite

Unternehmensteams, die Hardware für die lokale Ausführung von Sprachmodellen evaluieren, müssen Speicherkapazität und Bandbreite gegenüber reiner Rechenleistung priorisieren. Die Unified-Memory-Architektur ermöglicht es Entwickler-Workstations, Modelle mit größeren Parametern direkt in den Speicher zu laden. Planungsverantwortliche prüfen diese Spezifikationen, um eine kosteneffiziente On-Device-Inferenz sicherzustellen.

Ready to build something extraordinary?

15 minutes. No pitch deck. Just a conversation about what AI can do for your team.

Talk directly with our AI specialists

15 Min, unverbindlich
Kein Verkaufsdruck
Prototyp in 7 Tagen