Anzeige
Short

ChatGPT kann jetzt über einen SharePoint-Konnektor auf Unternehmensdaten zugreifen. Die Funktion ist in der Beta-Version für Nutzer von ChatGPT Plus, Pro und Team verfügbar. Damit kann ChatGPT Inhalte aus mehreren SharePoint-Seiten analysieren, zusammenfassen und mit Quellenangaben versehen. Beispielanwendungen seien etwa abteilungsübergreifende Zusammenfassungen von Strategiepapieren oder das Erstellen von Kundenprofilen aus eigenen Daten vermischt mit Web-Daten. Laut OpenAI greift ChatGPT nur auf Inhalte zu, für die Nutzer Berechtigungen haben. Die Daten werden standardmäßig nicht zum Training verwendet. Eine Unterstützung für Enterprise-Kunden soll bald folgen. Die Konfiguration erfolgt über die ChatGPT-Einstellungen unter "Connected Apps". Vergangene Woche hatte OpenAI Deep Research für Github ausgerollt.

Short

Versicherer am Lloyd’s-Markt in London bieten erstmals spezielle Policen an, die Schäden durch Fehler von KI-Chatbots abdecken. Entwickelt wurde das Produkt vom Start-up Armilla, das von Y Combinator unterstützt wird. Die Versicherung greift, wenn ein Unternehmen wegen fehlerhafter KI-Leistung verklagt wird – etwa durch Kunden, die durch falsche Auskünfte oder sogenannte „Halluzinationen“ der KI geschädigt wurden. Abgedeckt sind unter anderem Anwaltskosten und Schadenersatz. Ein Beispiel ist Air Canada: Ein Chatbot hatte einen nicht existierenden Rabatt versprochen, den die Airline später einlösen musste. Laut Armilla hätte die neue Police in einem solchen Fall gegriffen, wenn die Leistung des Bots deutlich unter den Erwartungen lag. Laut Karthik Ramakrishnan, CEO von Armilla, soll das Produkt Unternehmen den Einstieg in KI erleichtern. Bestehende Technologieversicherungen decken KI-Risiken oft nur zu geringen Teilen. Armilla versichert gezielt den Leistungsabfall von KI-Modellen.

Anzeige
Anzeige
Anzeige
Anzeige
Short

Eine Analyse von Artificial Analysis zeigt die KI-Preissteigerung durch Reasoning-Prozesse am Beispiel von Googles Gemini Flash 2.5. Die Betriebskosten des Modells sind 150-mal höher als bei Gemini Flash 2.0. Grund dafür sind deutlich teurere Ausgabetoken – 3,5 US-Dollar pro Million Token mit Reasoning, im Vergleich zu 0,4 Dollar bei 2.0 – sowie eine 17-fach höhere Token-Nutzung bei den Tests. Gemini 2.5 Flash verbraucht damit so viele Token für logische Schlussfolgerungen wie kein anderes Modell. OpenAIs o4-mini ist pro Token zwar teurer, verbrauchte im Benchmark aber weniger Token, was zu geringeren Gesamtkosten führte.

Balkendiagramm mit dem Titel „Cost to Run Artificial Analysis Intelligence Index“. Es zeigt die Gesamtkosten in US-Dollar, um alle Tests im Artificial Analysis Intelligence Index mit verschiedenen KI-Modellen durchzuführen. Die Balken sind in drei Farben unterteilt: Input (blau), Reasoning (lila), Output (grün).Links stehen die teuersten Modelle:  

GPT-3 ($1951),  

Claude 3 Opus ($1485),  

Gemini 2.5 Pro ($844).

In der Mitte:  

Gemini 2.5 Flash mit Reasoning ($445),  

o4-mini (high) ($323).

Rechts die günstigsten Modelle:  

Gemini 2.0 Flash ($3),  

Llama 3 8B ($2).

Ein lila Pfeil darüber zeigt den Kostenunterschied zwischen Gemini 2.0 Flash und Gemini 2.5 Flash mit Reasoning und hebt „150x“ hervor. Quelle ist „Artificial Analysis“.
Die Betriebskosten für Googles Gemini 2.5 Flash mit aktiviertem Reasoning sind 150-mal höher als bei Gemini 2.0 Flash. | Bild: Artificial Analysis
Anzeige
Anzeige
Google News