Nvidia-Chef erklärt AGI für erreicht – Astra spaltet die KI-Welt

Nvidia-Chef Jensen Huang hat am Sonntag, 6. September, mit einer weitreichenden Erklärung die Debatte über künstliche Intelligenz angeheizt: Mit OpenAIs Modell GPT-6 Astra sei künstliche allgemeine Intelligenz, kurz AGI, erreicht. OpenAI-Präsident Greg Brockman teilte den Beitrag auf X und erklärte den Eintritt in die AGI-Ära. Gary Marcus widersprach und kritisierte fehlende Beweise sowie eine einheitliche Definition. Hinter dem Streit um den großen Durchbruch steht für Nvidia aber noch eine zweite Nachricht: Huang nennt einen gewaltigen Hardware-Einsatz für Astra und den Anschluss weiterer 400.000 GPUs.

Huang verkündet einen Durchbruch – und nennt die Maschinen dahinter

Die von Benzinga berichtete Erklärung verbindet einen wissenschaftlich aufgeladenen Begriff mit konkreter Infrastruktur. Nach Huangs Angaben wurde GPT-6 Astra auf mehr als 100.000 Nvidia Grace Blackwell NVLink72-Systemen trainiert. Zusätzlich gehen laut dem Nvidia-Chef weitere 400.000 Nvidia-GPUs für Betrieb beziehungsweise Training ans Netz. Damit beschreibt er nicht nur, was Astra seiner Ansicht nach erreicht hat, sondern auch, welche Technik dafür eingesetzt wird.

Diese beiden Teile der Botschaft verdienen eine getrennte Betrachtung. „AGI erreicht“ ist eine Aussage über die Fähigkeiten eines Modells. Die Zahl der eingesetzten Systeme beschreibt dagegen den technischen Aufwand hinter dessen Entwicklung. Viel Hardware ist für sich genommen kein Nachweis allgemeiner Intelligenz. Umgekehrt verschwindet der von Huang genannte Hardware-Einsatz nicht dadurch, dass Marcus der AGI-Erklärung widerspricht. Genau diese Trennung macht die Meldung auch für Leser interessant, die den wissenschaftlichen Streit nicht verfolgen.

Für Nvidia ergibt sich daraus eine doppelte Rolle: Huang wirbt öffentlich für die Bedeutung von Astra, während sein Unternehmen die dafür genannten Systeme liefert. Seine Erklärung rückt damit zugleich OpenAIs Modell und Nvidias Technik ins Rampenlicht. Die wirtschaftlich greifbare Information ist zunächst der Umfang dieser Technik – nicht die Frage, welches Etikett sich in der KI-Debatte durchsetzt.

98 bis 100 Prozent: Was OpenAI für Astra meldet

OpenAI nennt für Astra sehr hohe Testergebnisse. Laut Benzinga gibt das Unternehmen 98 Prozent bei FrontierMath Tier 4, 99,9 Prozent bei ARC-AGI-3 und 100 Prozent bei ExploitBench an. Die drei Werte liefern einen konkreteren Bezugspunkt als die pauschale Erklärung eines neuen KI-Zeitalters: Sie benennen Tests und Ergebnisse, an denen sich die Diskussion über die Leistungsfähigkeit des Modells festmachen lässt.

Rein rechnerisch liegen die Angaben damit 2 Prozentpunkte, 0,1 Prozentpunkte und 0 Prozentpunkte unter der jeweiligen 100-Prozent-Marke. Das zeigt, wie nah die gemeldeten Ergebnisse am oberen Ende der angegebenen Skala liegen. Es macht die drei Tests aber nicht zu einer gemeinsamen Messgröße. Aus drei Prozentwerten lässt sich nicht einfach ein Durchschnitt bilden, der anschließend den Grad allgemeiner Intelligenz ausdrückt.

Für die Einordnung ist deshalb die Reichweite der Aussage wichtig: OpenAI meldet Ergebnisse in drei benannten Tests. Huang zieht daraus beziehungsweise aus Astra insgesamt die weitergehende Schlussfolgerung, AGI sei erreicht. Zwischen einer hohen Punktzahl und dieser umfassenden Aussage liegt der eigentliche Streit. Wer die Zahlen liest, sollte deshalb nicht nur auf die Nähe zu 100 Prozent achten, sondern auch darauf, welche Schlussfolgerung jeweils daran geknüpft wird.

✓

✕

”

Prozent ist nicht Prozentpunkt

Zwischen 98 Prozent und 100 Prozent liegen 2 Prozentpunkte. Prozentpunkte beschreiben hier den Abstand zweier Prozentwerte, nicht die Verbesserung der allgemeinen Modellleistung. Die Ergebnisse unterschiedlicher Tests werden durch dieselbe Prozentdarstellung nicht automatisch vergleichbar.

Marcus widerspricht der Schlussfolgerung, Brockman unterstützt sie

Gary Marcus setzt mit seiner Kritik genau an dieser Verbindung zwischen Leistung und Etikett an. Er wies Huangs AGI-Erklärung zurück und beanstandete das Fehlen von Beweisen und einer einheitlichen Definition. Ob GPT-6 Astra konventionelle AGI-Kriterien tatsächlich erfüllt, ist damit der zentrale Streitpunkt dieser Meldung. Marcus fordert nicht einfach eine höhere Testpunktzahl, sondern eine Grundlage für die weitreichende Behauptung.

Auf der anderen Seite steht neben Huang auch OpenAI-Präsident Greg Brockman. Er teilte Huangs Beitrag und erklärte, das Unternehmen trete nun in die AGI-Ära ein. Damit erhält die Botschaft Unterstützung aus der Führung des Modellanbieters. Das Teilen des Beitrags ist jedoch eine weitere öffentliche Positionierung, kein zusätzliches Testergebnis. Für Leser sind das zwei unterschiedliche Arten von Information.

Die Frage aus der Debatte lässt sich deshalb nicht durch das Zählen prominenter Stimmen beantworten. Huang und Brockman erklären den Übergang zur AGI, Marcus bestreitet die Grundlage dafür. Der konkrete Erkenntnisgewinn liegt in dieser Gegenüberstellung: Die hohen Leistungsangaben sind die eine Ebene, der Anspruch auf allgemeine Intelligenz die andere. Die Schlagzeile verbindet beides; eine genaue Betrachtung hält es auseinander.

Warum 100.000 Systeme und 400.000 GPUs keine Summe ergeben

Auch bei den Hardware-Zahlen lohnt sich ein genauer Blick. Huang spricht beim Training von mehr als 100.000 Grace Blackwell NVLink72-Systemen. Für den zusätzlichen Ausbau nennt er dagegen 400.000 GPUs. Das sind unterschiedliche Zähleinheiten. Daraus „mehr als 500.000 GPUs“ oder „500.000 Systeme“ zu machen, würde seine Angaben verändern statt zusammenfassen.

Die zeitliche Unterscheidung ist ebenso wichtig: Das Training auf den genannten Systemen beschreibt Huang als erfolgt. Die weiteren GPUs gehen seinen Angaben zufolge ans Netz. Der zweite Wert bezeichnet damit einen zusätzlichen Ausbau für Betrieb beziehungsweise Training, nicht einfach rückwirkend den Umfang des abgeschlossenen Astra-Trainings. Gerade bei großen Zahlen kann eine verkürzte Darstellung diese Unterschiede leicht verdecken.

Für Anleger lässt sich aus den Mengen außerdem nicht unmittelbar ein Umsatzbetrag berechnen. Eine Systemzahl ist kein Verkaufspreis, und die Ankündigung zusätzlicher GPUs ist keine bezifferte Gewinnangabe. Der wirtschaftliche Zusammenhang bleibt dennoch konkret: Nvidias Technik steht nach Huangs Darstellung sowohl hinter dem Training von Astra als auch hinter zusätzlicher Rechenkapazität. Das ist der belastbare Kern der Hardware-Geschichte, ohne daraus eine neue Finanzprognose zu machen.

Für Nvidia zählt mehr als das AGI-Etikett

Die Meldung enthält somit zwei Geschichten mit unterschiedlicher Bedeutung. Für die breite Öffentlichkeit steht die Frage im Vordergrund, ob mit Astra eine neue Stufe künstlicher Intelligenz erreicht ist. Für Nvidia-Anleger kommt die Frage hinzu, welche Rolle das Unternehmen beim Aufbau und Einsatz solcher Modelle spielt. Huangs Angaben zu mehr als 100.000 Systemen und weiteren 400.000 GPUs verbinden Astra unmittelbar mit Nvidias Technik.

Der AGI-Streit und diese Infrastrukturgeschichte sollten weder gleichgesetzt noch gegeneinander ausgespielt werden. Marcus’ Widerspruch richtet sich gegen die Erklärung des Durchbruchs. OpenAIs gemeldete Testwerte beschreiben Modellleistung. Huangs Hardware-Angaben beschreiben Ressourcen. Wer diese drei Ebenen trennt, nimmt aus der Nachricht mehr mit als eine spektakuläre Behauptung: einen klaren Blick darauf, was über Astra gesagt wird – und warum Nvidia dabei zugleich als Lieferant und öffentlicher Fürsprecher auftritt.