November 2026

Anthropic hat am 9. November Claude Fable 5.2 und Claude Mythos 5.2 vorgestellt, beide mit Verbesserungen beim Programmieren, Schlussfolgern und bei der Bildverarbeitung. Sie erzeugen Ausgaben bis zu 30 Prozent schneller als Fable 5.1 und Mythos 5.1 und kosten weniger: 8 Dollar je Million Eingabe-Token und 40 Dollar je Million Ausgabe-Token. Ein optionaler Schnellmodus beschleunigt die Erzeugung um bis zu das 2,5-Fache und kostet 16 Dollar je Million Eingabe-Token und 80 Dollar je Million Ausgabe-Token. Anthropic gibt an, dass Fable und Mythos dasselbe zugrunde liegende Modell sind; ein Fachportal beschreibt Fable als auf Software-Entwicklung und Mythos als auf Cybersicherheit ausgerichtet.

Fable 5.2 ist laut Anthropic heute auf allen Plattformen verfügbar, darunter Amazon Web Services, Google Cloud und Microsoft Azure, und im Ände­rungs­pro­to­koll von Claude Code das neue Standardmodell der Fable-Reihe. Wer Kosten je Aufgabe kalkuliert, kann die Rechnung daher neu aufmachen, denn der Standardpreis sinkt bei höherer Geschwindigkeit. Zur Verfügbarkeit von Mythos 5.2 nennt das Material nichts.

Meta hat am 9. November Muse Ember vorgestellt, sein kleinstes und effizientestes Modell. Es ist für die Arbeit gedacht, die Agenten den ganzen Tag wiederholen: Werkzeugaufrufe, Teilaufgaben beim Programmieren, Weiterleiten von Anfragen, Datenextraktion und das Auslesen langer Dokumente. Es nimmt Text, Bilder, Video, Audio und PDF-Dokumente an, gibt Text zurück und hat ein Kontextfenster von 1M Token. Der Preis liegt bei 0,10 Dollar je Million Eingabe-Token und 0,50 Dollar je Million Ausgabe-Token.

Meta gibt an, Muse Ember erreiche den besten Wert von Claude Haiku 5.5 zu etwa einem Drittel der Kosten und schlage jede Einstellung von GPT-6 Luna. Auf dem Intelligence Index von Artificial Analysis nennt Meta für Muse Ember unter anderem 35,8 Punkte, der Spitzenwert liegt am 10. November bei 65 Punkten (Claude Fable 5.2). Zum Vergleich: Die Spitze des Intelligence Index lag am 10. November 2026 bei 65 Punkten, erreicht von Claude Fable 5.2 (Max, Default Fallback). Die Kosten je Aufgabe sind laut Meta Schätzungen auf Basis des vorgeschlagenen Preises; der Vergleich stammt vom Hersteller.

Microsoft hat am 9. November die Schreibaktionen für Copilot-Konnektoren, also die Anbindungen an andere Anwendungen, allgemein verfügbar gemacht, in Copilot Chat und in Cowork. Nutzende können Copilot in einfacher Sprache bitten, Informationen in angebundenen Anwendungen anzulegen, zu ändern oder zu löschen, etwa Jira-Tickets über Atlassian Rovo, Seiten und Datenbanken in Notion oder Grafiken in Canva. Copilot schlägt die Aktion vor, die Nutzenden prüfen und genehmigen sie, danach führt Copilot sie aus. Laut Microsoft stehen hunderte Konnektoren von Microsoft, von Partnern und aus Eigenentwicklung bereit; in Copilot in den Office-Apps sollen die Schreibaktionen bald folgen.

Damit kann ein Gespräch, etwa ein Bespre­chungs­pro­to­koll, direkt Einträge in Fachsystemen erzeugen. Nach dem Wortlaut der Ankündigung liegt vor jeder Aktion eine Freigabe durch die Nutzenden.

OpenAI beschreibt Control Room, ein zentrales System, das Modellläufe in der For­schungs­in­fra­struktur erfasst und bei Sicher­heits­be­denken schnell anhält. Es hält die Ausgabe innerhalb von 35 Sekunden nach der Entscheidung an, einen Job zu stoppen oder zu pausieren; die Zeit davor, bis Erkennung und Entscheidung stehen, nennt OpenAI nicht. Jede Inference Engine, also der Teil, der das Modell auf GPUs ausführt, fragt vor jeder Anfrage beim Dienst nach, und bei einem beendeten Job lehnt der Dienst ab, sodass keine weitere Ausgabe entsteht. Jeder Forschungslauf mit agentischer Inferenz muss laut OpenAI an einen genehmigten Sicher­heits­nach­weis gebunden sein.

Das System arbeitet mit den Über­wa­chungs­sys­temen für Fehlausrichtung zusammen, soll bei Ausfall anderer Systeme weiterlaufen und die Ausgabe stoppen, wenn es selbst ausfällt. Es läuft bereits in der For­schungs­in­fra­struktur, wo laut OpenAI der Bedarf am größten ist.

Der Benchmark Co-Design Bench prüft, ob Coding-Agenten (Programme, die Code selbstständig schreiben und ändern) echte Änderungswünsche von Nutzern in lauffähige Anwendungen umsetzen können. Er umfasst 273 Aufgaben, die aus echten Coding-Sitzungen ausgewählt wurden. Manche Aufgaben bringen Bilder, Audio, Video oder Dokumente als zusätzliche Eingabe mit. Bewertet wird gegen verdeckte Abnahmekriterien, die Fachleute geschrieben haben.

Das stärkste von zehn getesteten Modellen erfüllt im Schnitt 69,9 Prozent der Kriterien je Aufgabe, bringt aber nur 26,4 Prozent der Aufgaben vollständig durch. Teilerfolge sind in diesem Test also häufig, fertige Änderungen ohne Lücke selten. Folgern lässt sich daraus, dass Ergebnisse von Coding-Agenten bei realistischen Wünschen oft noch von Menschen nachgearbeitet werden müssen.

Nous Research hat Alibabas Qwen3.8-27B nachtrainiert und das Ergebnis als Arete-27B veröffentlicht, um in einem chinesisch trainierten Modell westliche Werte zu stärken. Nach der eigenen Auswertung stieg der Faktenwert von 2,32 auf 2,98 von 5, und der Anteil von Antworten mit Propaganda sank von 22 auf 0,9 Prozent. Die Verbesserung zeigte sich in allen sieben Wertekategorien, ohne nennenswerten Rückgang bei den geprüften Benchmarks für allgemeine und agentische Fähigkeiten. Das Team erhebt keinen Anspruch, alle Verhaltensweisen behoben zu haben, und sieht darin den Zugriff auf eine mögliche Ursache.

Anthropic hat am 5. November Personal Finance in Claude angekündigt: Nutzer verbinden ihre Bank- und Kartenkonten und stellen Fragen zu Kontoständen und Umsätzen in eigenen Worten. Der Zugriff ist rein lesend, Geld bewegen, verwalten oder anlegen kann die Funktion nicht. Die Funktion zeigt keine Werbung oder gesponserten Empfehlungen, und Anthropic bietet selbst keine Kreditkarten, Kredite oder Sparkonten an. Die Beta wird ab dieser Woche für die Tarife Pro, Max und Ultra in den USA ausgerollt.

Claude Code 2.1.319 bringt die Einstellung permissions.denyInsteadOfPrompting: Ein Werkzeugaufruf, der auf eine Rechteabfrage warten würde, wird abgelehnt, und die Runde läuft weiter, in Terminalsitzungen, Subagenten und Teammates. Führt ein MCP-Server einen Werkzeugaufruf als Aufgabe aus, schiebt Claude Code ihn im Terminal sofort in den Hintergrund und meldet Claude das Ergebnis nach dem Abschluss. Wer lieber innerhalb des Aufrufs warten möchte, setzt die Umgebungsvariable CLAUDE_CODE_DISABLE_MCP_TASK_BACKGROUND.

Ricursive Intelligence hat Ripple-65B Preview veröffentlicht, ein dichtes Transformer-Modell mit 65 Milliarden Parametern, das auf 12 Billionen Token vortrainiert wurde und bis zu 1M Token Kontext unterstützt. Auf TerminalBench 2.1, einem Test für agentisches Programmieren, erreicht es nach Angabe des Herstellers 80,52 Punkte und liegt damit vor deutlich größeren US-Modellen mit offenen Gewichten wie Reflection Beam 501B (80,1) und Meta Muse Spark Open 816B (76,4). Die Gewichte stehen unter der Lizenz Apache 2.0. Wegen der geringen Größe soll sich das Modell auch auf lokalen Geräten wie NVIDIA DGX Spark effizient betreiben lassen.

Thinking Machines hat am 5. November Inkling 2 Small vorgestellt, ein Mixture-of-Experts-Modell mit 594 Milliarden Parametern, von denen 17 Milliarden gleichzeitig aktiv sind. Es nimmt Text und Bilder entgegen und antwortet mit Text; Ton versteht es nicht. Der Hersteller zielt auf lange, selbständige Arbeitsläufe: Das Modell schreibt Programme, betrachtet das Ergebnis selbst, etwa eine Webseite, ein Spiel oder einen 3D-Entwurf, und bessert nach. Es ruft Werkzeuge auf und erstellt Tabellen, Präsentationen und Berichte. Außerdem soll es sich gut nachtrainieren lassen: Bei einer Aufgabe zur Zusammenfassung von Finanzdokumenten erreicht es nach 75 Trai­nings­schritten den Endstand des Vorgängers Inkling Small und liegt am Ende deutlich davor. Zunächst läuft es nur über Tinker, die Plattform des Herstellers zum Abfragen und Nachtrainieren von Modellen, mit geschlossenen Gewichten. Die vollständigen Gewichte unter Apache-2.0-Lizenz sollen in der Woche darauf folgen, nach externen Sicherheitstests und einem Red-Teaming. Artificial Analysis führt den Termin als unbestätigt.

Was die 31 Punkte bedeuten, zeigt der Blick zurück und nach vorn. Der Intelligence Index von Artificial Analysis verrechnet neun Prüfungen zu einer Zahl; je ein Viertel des Gewichts entfällt auf Wissensarbeit, Programmieren, Natur­wis­sen­schaften und Allgemeinwissen. Zurück: Der Vorgänger Inkling Small kam auf 13, der Sprung beträgt 18 Punkte. Damit liegt es auf gleicher Höhe mit Googles Gemini 3.8 Flash (high) und über Xiaomis MiMo-V2.6-Pro. Nach vorn bleibt viel Abstand: Gemini 4 Carbon führt seit dem 28. Oktober mit 59 Punkten, davor lag Claude Opus 5.5 mit 58 an der Spitze, und selbst Claude Haiku 5.5 steht mit 36 darüber. Unter den Modellen mit veröffentlichten Gewichten führten am 27. Oktober DeepSeek V4.1 Flash 1017 und GLM-5.3 mit je 32 Punkten. Kimi K3.1 Pro, dessen Gewichte damals noch ausstanden, stand bei 46. Mit freigegebenen Gewichten wäre Inkling 2 Small nach Artificial Analysis das stärkste offene Modell, das nicht aus China kommt, bliebe aber hinter den chinesischen Spitzenmodellen. Die Punkte stammen aus Version 5 des Index, die Artificial Analysis am 27. Oktober eingeführt hat. Ältere Meldungen auf dieser Seite nennen höhere Werte, weil sie nach Version 4 gemessen wurden; Kimi K3.1 Pro kam dort auf 55 und liegt in Version 5 bei 46.

Hinter den 31 Punkten stehen ungleiche Teile. Bei FrontierCode 2.0, Cognitions privater Prüfung mit echten Pro­gram­mier­auf­gaben, gilt eine Aufgabe nur dann als gelöst, wenn ein Betreuer des Repositorys die Änderung des Agenten übernehmen würde. Dort steigt Inkling 2 Small von 5 auf 25 Prozent. Claude Sonnet 5.5 (medium) kommt auf 11 Prozent, die beste Wertung im Index hielt am 27. Oktober Claude Opus 5.5 mit 46 Prozent. An der Kommandozeile (Terminal-Bench 4.0) erreicht Inkling 2 Small dagegen 13 Prozent, Claude Sonnet 5.5 (medium) 30. Auf AutomationBench-AA, einer der drei Prüfungen zur Wissensarbeit im Index, springt der Wert von 5 auf 46 Prozent. Die Hal­lu­zi­na­ti­ons­rate sinkt von 61 auf 27 Prozent, vor allem weil das Modell weniger Fragen beantwortet: Die Antwortquote fällt von 77 auf 53 Prozent, die Trefferquote steigt nur von 32 auf 34 Prozent.

Das Modell arbeitet ausführlich. Je Aufgabe des Index erzeugt es rund 150.000 Ausgabe-Token, der Vorgänger 37.000, Gemini 3.8 Flash (high) 99.000 und Claude Sonnet 5.5 (medium) 31.000. Die Million Token kostet 0,30 Dollar in der Eingabe und 1 Dollar in der Ausgabe. Je Aufgabe des Index ergibt das 1,18 Dollar, knapp sechsmal so viel wie beim Vorgänger (0,20 Dollar), aber weniger als bei Gemini 3.8 Flash (7,77 Dollar) und Claude Sonnet 5.5 (10,02 Dollar). Zum Vergleich mit der Spitze: Gemini 4 Carbon kostet 7,76 Dollar je Aufgabe, Claude Opus 5.5 10,04 Dollar.

Der Hersteller nennt Schwächen selbst: Das Modell ist weniger auf den Chat zugeschnitten, ordnet Inhalte schlechter und reagiert übertrieben auf Fragen zur psychischen Gesundheit. In seinen Ausrichtungstests verbessert es sich deutlich gegenüber den früheren Inkling-Modellen, liegt aber hinter geschlossenen Modellen wie GPT-6.1 Sol. Die Angaben zu Ausrichtung und Nachtrainieren sind Herstellerzahlen, die Punkte im Index misst Artificial Analysis unabhängig.

Google hat ein KI-System vorgestellt, das aus den Sensordaten einer handelsüblichen Smartwatch Anzeichen von Bluthochdruck erkennt, ohne dass eine Armmanschette zur Kalibrierung nötig ist. Es wertet Pho­to­p­le­thys­mo­gra­phie und Beschleu­ni­gungs­daten aus. Laut den Autoren der in Nature veröffentlichten Studie erreicht es eine Genauigkeit, die mit herkömmlichen Man­schet­ten­ge­räten im klinischen Rahmen vergleichbar ist. Geprüft wurde es in einer prospektiven Multicenter-Studie mit 196 Teilnehmenden ohne bekannte Herz-Kreislauf-Erkrankung und ohne Blut­druck­me­di­ka­mente.

Google hat Gemini Omni 1.2 Flash vorgestellt, ein Modell, das Videos erzeugt und bearbeitet. Die Clips dürfen bis zu 15 Sekunden lang sein, beim Vorgänger Omni 1.1 waren es zehn, und die Dauer lässt sich in Ein-Sekunden-Schritten von 3 bis 15 Sekunden einstellen. Der Preis liegt 30 Prozent unter dem des Vorgängers, bei 0.07 US-Dollar je Sekunde Video in 720p. Entwürfe entstehen in 360p oder 720p und lassen sich auf 1080p oder 4K hochskalieren; das Modell ist über die Gemini API und Google Cloud allgemein verfügbar, die Ausgaben tragen ein unsichtbares SynthID-Wasserzeichen.

OpenAI hat GPT-6 Cyber vorgestellt, ein Modell, das ausnutzbare Sicherheitslücken finden und bestätigen soll und dabei in dem Rahmen bleibt, den Forschende setzen. Auf ExploitGym, einem Test, ob Modelle eine vorgegebene Schwachstelle ausnutzen können, erreicht es 48,5 Prozent nach 32,1 Prozent bei GPT-5.6 Cyber. In einer eigenen Prüfung der Regeltreue nutzte es Dienste außerhalb des erlaubten Bereichs in 99,93 Prozent der Tests ohne den Prompt für den Einsatz nicht aus, mit diesem Prompt in 100 Prozent. OpenAI-Forschende entwickelten damit 948 Exploits zur Rechteausweitung in Linux und fanden 81 bislang unbekannte schwere Lücken in Firefox.

CloudOpsBench, ein quelloffener Prüfstand, der misst, ob KI-Agenten Aufgaben im Cloud-Betrieb erledigen, umfasst in Version 1.0 45 Aufgaben auf AWS. Claude Fable 5.1 schloss davon 29 ab, GPT-6 Astra 26. Nach Angabe der Autoren laufen die Aufgaben in einem Emulator und in einem echten AWS-Konto mit denselben Ergebnissen, sodass sich Agenten auch ohne echtes Cloud-Konto prüfen lassen.

Dharma AI stellt den Field Extractor vor, ein Modell mit 2 Milliarden Parametern, das aus einem Dokumentbild die verlangten Felder als JSON zieht. Man fordert entweder alles an, was das Modell findet, oder gibt ein genaues Schema vor, das ausgefüllt wird; Rech­nungs­po­si­tionen kommen etwa als geordnete Liste zurück. Derselbe Modellstand (Checkpoint) deckt alle Dokumenttypen ab, ohne Feinabstimmung je Typ. Nach Angabe des Teams schlägt das Modell jedes getestete Frontier-Modell bei einem Bruchteil der Kosten.

OpenAI bietet sein Cyber-Modell GPT-5.6 Cyber über Daybreak Red nun auch in AWS GovCloud (US-East) an, und zwar über Amazon Bedrock. Daybreak Red richtet sich an geprüfte Verteidiger für autorisierte Schwach­stel­len­for­schung, das Überprüfen von Exploits und Sicherheitstests, mit weniger Ablehnungen bei solchen Aufgaben und strengerer Identitätsprüfung. Nötig sind die Freigabe für Daybreak Red und die Bereitstellung durch AWS; die Freigabe allein aktiviert den Modellzugang bei AWS noch nicht. Bei Bedrock werden Daten aus der Nutzung nicht zum Training von Modellen verwendet.

OpenAI übernimmt die Pierre Computer Company, den Anbieter von Code Storage, einem Dienst, mit dem Anwendungen Code samt Verlauf über Git speichern. Von Pierre stammen auch die Bibliotheken Trees und Diffs, mit denen die Codex-App Dateien durchsucht und Änderungen anzeigt. Die Open-Source-Projekte von Pierre bleiben quelloffen, und Kunden können Code Storage nach dem Abschluss weiter nutzen. Der Abschluss steht unter üblichen Bedingungen, darunter behördliche Genehmigungen.

Anthropic hat gemessen, wie viel seiner KI-Ent­wick­lungs­ar­beit Claude übernimmt. Auf Stufe AL4, bei der die KI aus einer Anweisung auf hoher Ebene den Großteil einer Aufgabe von Anfang bis Ende erledigt und ein Mensch beaufsichtigt, führt Claude 26 Prozent der Arbeit. Der Anteil der Arbeit auf Stufe AL3 (große Teilstücke unter enger menschlicher Anleitung) oder darüber liegt bei über 90 Prozent. Für keinen der gemessenen Teilbereiche arbeitet Claude vollständig autonom.

Google hat Version 2.29.0 von Antigravity veröffentlicht, einer Ent­wick­lungs­um­ge­bung für KI-Agenten, die Code schreiben, Dateien bearbeiten und Aufgaben im Projekt erledigen. Neu ist ein Sprachmodus über Gemini Live, mit dem sich Anfragen an den Agenten einsprechen lassen. Remote-Agenten verlagern Gespräche in ein Cloud-Projekt und sind auch unter antigravity.google.com/remote erreichbar, sie richten sich an Abonnenten von Google AI Ultra und Pro. Beides kommt schrittweise, außerdem öffnen Jupyter-Notebooks mit der Endung .ipynb jetzt direkt in der Anwendung.

Claude Code 2.1.317 fragt nun nach, bevor ein Web- oder Shell-Werkzeugaufruf die E-Mail-Adresse des Kontos ins Netz sendet. Für Hook-Callbacks im Agent SDK gibt es die Einstellung onFailure: "block": Schlägt ein Callback fehl, wird die Aktion blockiert und läuft nicht an. Außerdem warnt /schedule, wenn eine neue geplante Cloud-Aufgabe Konnektoren erhält, die niemand angefordert hat, und das Lesewerkzeug liefert beim erneuten Lesen einer unveränderten Datei wieder deren Inhalt.

Claude Desktop 4.16336.0 (mit Claude Code 2.1.317) kündigt das Ende des Fast Mode für Claude Opus 4.8 an: Seit dem 30. Oktober 2026 gilt er als veraltet, am 30. November 2026 wird er entfernt. Danach liefern Fast-Mode-Anfragen an Opus 4.8 einen Fehler und fallen nicht auf das normale Opus 4.8 zurück. Außerdem führt Claude Desktop beim Anlegen eines Worktrees den post-checkout-Hook von Git nicht mehr aus, während pre-commit und andere Hooks bei Commits weiterlaufen. Ignorierte Dateien wie .env kommen über die Datei .worktreeinclude in neue Worktrees.

Anthropic hat Message Threads für die Messages API der Claude Platform als öffentliche Beta gestartet. Der Client schickt die ganze Unterhaltung einmal mit dem Parameter thread, danach pro Runde nur die neuen Nachrichten und die ID der vorigen Antwort. Bei Anfragen mit 500k bis 1M Tokens sinkt die mediane Zeit bis zum ersten Token um etwa 35 Prozent, wobei Threads für die meisten Claude-Code-Nutzer standardmäßig eingeschaltet sind. Ein Thread liegt verschlüsselt im Arbeitsspeicher und verfällt 5 Minuten nach der letzten Anfrage, danach muss der Client die ganze Unterhaltung neu senden.

Moonshot AI stellt die Gewichte von Kimi K3.1 Pro auf Hugging Face bereit, unter einer eigenen Lizenz namens kimi-k3.1-pro. Das Modell nimmt Bild und Text entgegen und liefert Text, die Gewichte liegen in 8-Bit-Genauigkeit vor. Die Modellseite beschreibt den Einsatz mit der Bibliothek Transformers sowie mit den Servern vLLM und SGLang, die ein Modell über eine OpenAI-kompatible Schnittstelle bereitstellen.

OpenAI erhöht die Prämien seines Bug-Bounty-Programms, über das unabhängige Forscher Sicherheitslücken in OpenAI-Software melden. Der Mittelpunkt der Prämienspannen für mittlere, hohe und kritische Funde wird im Schnitt mehr als vervierfacht. Eine kritische Lücke in einem Kernprodukt wie ChatGPT, Codex oder der API-Plattform bringt künftig bis zu 30.000 Dollar, außergewöhnliche kritische Funde bleiben bis 100.000 Dollar vergütbar und erreichen mit Boni bis zu 172.000 Dollar. Dazu kommen ein Bonusfaktor für gut belegte Berichte und ein Treuebonus in 5 Stufen.

Die Studie Realtime-Bench prüft, ob Spitzenmodelle Aufgaben lösen, bei denen verspätetes Handeln den Erfolg direkt mindert. Läuft die simulierte Umgebung mit der tatsächlichen Antwortzeit des Modells weiter (Wall Clock), erreicht die beste Erfolgsrate nur 44 Prozent und der beste Pass^3-Wert nur 36 Prozent. Als Vergleich dient eine angehaltene Uhr ohne Verzögerung durch die Modellantwort (Paused Clock). Höherer Denkaufwand wirkt unter Zeitdruck gemischt, weil Ent­schei­dungs­qua­lität und rechtzeitiges Handeln gegeneinander laufen.

Z.ai hat am 2. November GLM 5.3 FlashX Legal veröffentlicht, eine Variante von GLM 5.3 FlashX für juristische Arbeit. Das Modell nimmt Text, Bild und Video entgegen und gibt Text aus. Es behält das Kontextfenster von 1 Million Token, den verpflichtenden Denkmodus, Funktionsaufrufe, strukturierte Ausgabe und Streaming. Gedacht ist es für Rechtsrecherche, Vertragsprüfung, Kon­sis­tenz­prü­fungen über mehrere Dokumente und das Entwerfen oder Überarbeiten juristischer Texte.

OpenAI begrenzt bei ChatGPT als Teil seiner Datenschutz- und Sicher­heits­maß­nahmen, wie viele Abonnements an dieselbe Zahlungskarte oder dasselbe Gerät gebunden sein dürfen und wie viele bezahlte Konten auf einem Gerät laufen. Ist die Grenze erreicht, erscheint eine Warnung, dass das Gerätelimit erreicht ist, und das betroffene Konto lässt sich auf diesem Gerät nicht mehr nutzen. Die Regel gilt für ChatGPT Go, Plus, Pro 100, Pro 200 und Pro 500, während Free sowie Business, Enterprise und Edu nicht mitzählen. Der Kauf von Credits oder ein Reset der Nutzung hebt die Sperre nicht auf, und auch das Abmelden eines Kontos schafft nicht zwingend Platz für ein anderes.

Zum Grund sagt die Hilfeseite nur, die Grenze gehöre zu den Datenschutz- und Sicher­heits­maß­nahmen. Naheliegend ist die Vermutung, dass OpenAI damit mehrere bezahlte Abonnements pro Person einschränken will, etwa um die Nutzungsgrenzen eines Tarifs nicht durch Zweitkonten zu vervielfachen. Diese Einordnung stammt von uns, OpenAI hat sie nicht bestätigt.

Ab Dezember gilt für die Tarife Plus, Pro und Business ein gemeinsames Nut­zungs­kon­tin­gent für ChatGPT und Codex, wie eine Support-Seite von OpenAI beschreibt. Gemessen wird in Token, den Infor­ma­ti­ons­ein­heiten, die ein Modell verarbeitet und erzeugt; fortgeschrittene Modelle und komplexe Aufgaben verbrauchen in der Regel mehr davon, Instant-Chats zählen nicht zum Kontingent. Restbudget und Reset-Zeiten sollen in den Einstellungen unter Usage einsehbar sein, und wer das Limit erreicht, kann auf den Reset warten, den Tarif wechseln oder Credits kaufen. OpenAI erwartet, dass die meisten Nutzer nicht häufiger auf einen Reset warten müssen als bisher.