KI heute: GPT-6.1 Terra und Polar Peaks

Stand des Wissens zum 27.10.2026. Quellmaterial gesammelt am 27.10.2026.

Der Tag brachte die Veröffentlichung von Bildungswerkzeugen und Sprachmodellen sowie die Publikation von Daten über den Einsatz von künstlicher Intelligenz in der beruflichen Arbeit. Google und Stanford veröffentlichten das Spiel Polar Peaks, OpenAI präsentierte das Modell GPT-6.1 Terra und stellte einen Bericht über die beruflichen Gewohnheiten der Nutzer vor, CodeRabbit integrierte die Lösung GPT-6.1 Sol in Sicherheitsprozesse und Studenten stellten praktische Wege zur Nutzung des Gemini-Assistenten im Studium vor.

Das Wichtigste heute (TL;DR)

• Polar Peaks: Interaktives Lernspiel für Schüler im Alter von 11-14 Jahren zur Einführung in die Grundlagen der Neurowissenschaften und der KI-Funktionsweise.
• GPT-6.1 Terra: Neues OpenAI-Modell mit verbesserter visueller Leistung und um 50% niedrigeren API-Kosten im Vergleich zum Vorgänger.
• Daten zu ChatGPT bei der Arbeit: OpenAI hat eine Übersicht zur Nutzung des Modells in 165 Berufskategorien in fast 100 Ländern veröffentlicht.
• CodeRabbit: Implementierung des Modells GPT-6.1 Sol zur Analyse von Code-Abhängigkeiten und zur automatischen Erkennung von Sicherheitslücken.
• Gemini für Studenten: Eine Gruppe von Google-Botschaftern beschrieb die Nutzung des Assistenten zur Studienorganisation, Prüfungsvorbereitung und zum Sprachenlernen.

Google und Stanford starten Polar Peaks

Google Research hat zusammen mit dem Stanford Accelerator for Learning am 26. Oktober ein interaktives Lernspiel namens Polar Peaks veröffentlicht. Dies ist der dritte Teil der Reihe AI Quests, gerichtet an Schüler im Alter von 11 bis 14 Jahren, dessen Ziel es ist, die Funktionsweisen künstlicher Intelligenz und die Grundlagen der Neurowissenschaften näherzubringen.

Im Rahmen des Gameplays schlüpfen die Teilnehmer in die Rolle von Forschern, die sich mit der Kartierung des menschlichen Gehirns befassen, um das Problem des Gedächtnisverlusts bei einer Spielcharakterin besser zu verstehen. Schüler führen Aufgaben im Zusammenhang mit der Datenbereinigung und dem Testen von Modellen aus, um zu zeigen, wie künstliche Intelligenz die wissenschaftliche Forschung unterstützt. Die Spielmechanik basiert auf Wissen aus dem Bereich der Konnektomik, also der Wissenschaft der Kartierung neuronaler Netzwerke, einschließlich des jüngsten Erfolgs der Kartierung des vollständigen Gehirns einer Fruchtfliege. Das Programm legt den Schwerpunkt auf die Notwendigkeit menschlicher Aufsicht über die Technologie und die Entwicklung kritischen Denkens.

Bisher haben Schüler an über 400 000 Sitzungen von AI Quests teilgenommen, und die Materialien wurden in 10 Sprachen lokalisiert. Zusammen mit dem Spiel wurden Schulungsmodule für Lehrer im Rahmen der Google AI Educator Series veröffentlicht, die bei der Integration dieser Inhalte in den Lehrplan helfen sollen. Frühere Teile der Reihe betrafen die Vorhersage von Überschwemmungen und die Erkennung von Augenerkrankungen. Das Projekt wurde 2026 mit dem Webby Award in der Kategorie Bildung und Schulungen im Bereich KI sowie mit den ETIH Innovation Awards ausgezeichnet.

Für KI-Entwickler: Lehrer und Pädagogen, die die Implementierung des Spiels planen, können die Verfügbarkeit von Schulungsmodulen im Rahmen der Google-Bildungsreihe prüfen. Die Quelle präzisiert nicht, ob das Tool an die DSGVO-Anforderungen im Kontext der Verarbeitung von Schülerdaten angepasst ist oder ob das Spiel eine vollständige deutschsprachige Unterstützung in der Benutzeroberfläche bietet.

Premiere des Modells GPT-6.1 Terra

Das Unternehmen OpenAI präsentierte am 26. Oktober das Modell GPT-6.1 Terra, das im Hinblick auf die Leistungssteigerung bei visuellen Aufgaben und Operationen, die Computerbedienung erfordern, entwickelt wurde. Dieses Modell stellt eine Weiterentwicklung der Version GPT-5.6 Terra dar und bietet eine höhere Arbeitsgeschwindigkeit und einen natürlicheren Schreibstil.

Gemäß den veröffentlichten Daten zeichnet sich GPT-6.1 Terra durch API-Preise aus, die um 50% niedriger sind als im Fall von GPT-5.6 Terra und GPT-6.1 Sol. In Tests von Agents’ Last Exam, bei durchschnittlicher Argumentationsstufe, erzielte das neue Modell um 15 Prozentpunkte höhere Ergebnisse als der Vorgänger bei Kosten von etwa einem Drittel dessen Wertes. Im Vergleich zu GPT-6 Astra weist das Modell vergleichbare Ergebnisse in Benchmarks bei einem Zehntel des Preises pro Token auf. Hinsichtlich der Geschwindigkeit erledigt GPT-6.1 Terra Aufgaben mehr als dreimal so schnell wie GPT-6 Astra und GPT-6.1 Sol.

In Tests der visuellen Argumentationsfähigkeit MMMU-Pro übertrifft das Modell GPT-5.6 Terra bei jeder Argumentationseinstellung. Im Kontext der Programmierung löst GPT-6.1 Terra im Test Terminal-Bench 4.0 bei maximaler Argumentationsstufe 50,3% der Aufgaben, was mehr als eine Verdopplung gegenüber den von GPT-5.6 Terra erreichten 21,5% darstellt. Der Hersteller weist auch auf die Begrenzung von Fehlern hin: In internen Tests sank die Fehlerrate bei niedriger Argumentationsstufe von 53,6% auf 16,7%. Das Modell erfüllt die Critical-Sicherheitsstufe im Rahmen des Preparedness Framework im Bereich der Cybersicherheit.

Für KI-Entwickler: Teams, die die Verarbeitung von Finanzdokumenten oder die Bedienung von Desktop-Anwendungen automatisieren, können die Leistung des Modells in Szenarien der Massendateneingabe testen. Die Quelle liefert keine Informationen zur Verfügbarkeit des Modells in einzelnen Weltregionen, zur Unterstützung der deutschen Sprache oder zu genauen Token-Limits im Rahmen des Abonnements ChatGPT Work. Vor der Entscheidung zur Implementierung sollten die genauen Lizenzbedingungen und die Verfügbarkeit von Schnittstellen in der technischen Dokumentation überprüft werden.

OpenAI stellt Daten zur Nutzung von ChatGPT bei der Arbeit zur Verfügung

Das Team von OpenAI Economic Research veröffentlichte am 26. Oktober Daten zur Art und Weise der Nutzung des Modells ChatGPT im beruflichen Umfeld. Die Informationssammlung umfasst 165 Berufstätigkeitskategorien in fast 100 Ländern und ermöglicht die Analyse der Rolle der künstlichen Intelligenz in der Wirtschaft im Zeitraum vom ersten Quartal 2025 bis zum dritten Quartal 2026.

Die Daten basieren auf dem O*NET-Standard, der Berufsaufgaben in Kategorien namens Intermediate Work Activities (IWA) gruppiert. Dies ermöglicht Forschern, die Art der Nutzung von KI-Tools mit anderen Wirtschaftsindikatoren und den in verschiedenen Berufen ausgeführten Aktivitäten zu vergleichen. Das Material umfasst u.a. die Erstellung von Schulungsmaterialien, die Kreation von Marketinginhalten, Programmierung sowie die Analyse von Geschäftsdaten.

Aus den geteilten Analysen geht hervor, dass Länder eine Tendenz zur Spezialisierung auf verschiedene Typen von durch ChatGPT unterstützter Arbeit aufweisen. Im dritten Quartal 2026 machten die zehn am häufigsten ausgeführten Aufgaben im Durchschnitt 51,1% aller klassifizierten beruflichen Nachrichten aus, was einen Rückgang der Konzentration gegenüber dem im ersten Quartal 2025 verzeichneten Niveau von 56,0% bedeutet. Der Datensatz stammt aus privaten Nutzerplänen und berücksichtigt keine Nachrichten, die von Nutzern der Enterprise-Version gesendet wurden, sowie nicht die Nutzung des Modells Codex. Zum Schutz der Privatsphäre wurden die Daten anonymisiert, und automatische Systeme klassifizieren Nachrichten nach vorheriger Entfernung von Identifikationsdaten.

Für KI-Entwickler: Datenwissenschaftler und Marktanalysten können diese Datensätze nutzen, um spezifische berufliche Aktivitäten mit KI-Nutzungstrends in verschiedenen Weltregionen zu vergleichen. Vor dem Versuch, eigene Datensätze mit diesen Daten zu integrieren, sollte geprüft werden, ob die IWA-Klassifizierungsmethodik den Besonderheiten des lokalen Arbeitsmarktes entspricht und ob die bereitgestellten Indikatoren das gesamte Spektrum der Geschäftstätigkeit berücksichtigen, da die Quelle auf den Ausschluss von Aufgaben wie Maschinenbedienung oder Führung medizinischer Dokumentation hinweist.

CodeRabbit integriert GPT-6.1 Sol in Code-Sicherheitsprozesse

Das Unternehmen CodeRabbit hat das Modell GPT-6.1 Sol als Hauptelement seines Sicherheitsagenten implementiert, der Engineering- und Applikationssicherheitsteams bei der Code-Analyse und der Erkennung von Sicherheitslücken unterstützt. Die am 26. Oktober mitgeteilte Lösung zielt darauf ab, die Sicherheitskontrolle über einzelne Code-Änderungen hinaus zu erweitern und die Überprüfung von Abhängigkeiten sowie Interaktionen zwischen Komponenten in komplexen Repositorien zu ermöglichen.

Das System nutzt das Modell GPT-6.1 Sol zur Verknüpfung von Informationen über das Code-Verhalten in verschiedenen Dateien und Bibliotheken. Das Tool funktioniert unabhängig von dem Agenten, der den jeweiligen Code generiert hat, und ergänzt die Arbeitsweise von Standard-Scannern. Im Rahmen der Funktion Deep Scan analysiert das System Verflechtungen innerhalb von Repositorien, einschließlich Abhängigkeiten in externen Bibliotheken. CodeRabbit Secure unterstützt zusätzlich die Überprüfung von Bedrohungen durch den Versuch ihrer Reproduktion in einer isolierten Sandbox-Umgebung, was sich nicht auf Produktionssysteme auswirkt. Im Falle der Entdeckung einer Vulnerabilität kann das System einen Verbesserungsvorschlag in Form eines Pull Request vorbereiten, der anschließend zur Überprüfung durch einen Menschen gelangt. Nach Angaben des Unternehmens wird die Lösung derzeit verwendet, um sicherheitsrelevante Fragen in Tausenden von Organisationen zu kennzeichnen.

Für KI-Entwickler: Teams, die sich mit der Wartung der Softwareinfrastruktur befassen, können die Integration des Modells in Pull-Request-Prozesse im Hinblick auf die Automatisierung der Schwachstellenerkennung testen. Die Ankündigung präzisiert weder die Abonnementkosten des Dienstes noch die operativen Limits des Modells oder ob das System die Sicherheitsanalyse in anderen Sprachen als den in den bisherigen Projekten des Unternehmens verwendeten unterstützt. Vor der Implementierung sollte auch die Verfügbarkeit der Technologie in einer konkreten Region sowie die Datenspeicherungsrichtlinie in der isolierten Testumgebung überprüft werden.

Nutzung des Gemini-Assistenten durch Studenten

Gemäß am 26. Oktober veröffentlichten Informationen hat eine Gruppe von 15 Google-Botschaftern von Hochschulen ihre Arten der Nutzung des Gemini-Assistenten im Bildungsprozess geteilt. Die Programmteilnehmer wiesen auf die Nutzung des Tools bei der Studienorganisation, der Prüfungsvorbereitung und bei täglichen Studentenpflichten hin.

Nutzer verwenden die Funktion „study notebooks“ zur Verarbeitung von Kursmaterialien zu personalisierten Lektionen, was eine schnellere Wiederholung vor Prüfungen ermöglicht. Es ist möglich, Notizen oder Vorlesungen hochzuladen sowie Vergleiche für verschiedene Sichtweisen zu generieren. Die Funktion Gemini Live ermöglicht das Führen von Sprachgesprächen, was Studenten zum Üben von Präsentationen, Vorstellungsgesprächen oder zum Erlernen von Fremdsprachen nutzen. Dank der Kamerabasis kann das Tool auch die Bedienung von Software durch visuelle Analyse des Bildschirms anzeigen.

Im Rahmen des geführten Lernens (Guided Learning) stellt der Assistent anstelle der Bereitstellung fertiger Antworten offene Fragen, die den Studenten dazu führen sollen, den Fehler in der Aufgabenlösung selbst zu finden. Zusätzlich generiert Gemini Wissensquizze, was bei der Prüfungsvorbereitung hilft. Studenten nutzen auch die Integration mit Google Drive, indem sie Ordner mit Materialien aus einzelnen Fächern freigeben, was die Erstellung kohärenter Kursleitfäden ermöglicht.

Für KI-Entwickler: Der Entwickler eines Bildungssystems kann den Mechanismus der Benutzerführung durch den Problemlösungsprozess anstelle der Bereitstellung fertiger Antworten prüfen. Die Pressemitteilung präzisiert nicht, welche Beschränkungen bezüglich der Formate hochgeladener Dateien bestehen, wie es um den Datenschutz der in freigegebene Ordner hochgeladenen Daten steht oder ob die Guided Learning-Funktion in anderen Sprachen als Englisch verfügbar ist.

Häufig gestellte Fragen (FAQ)

Was sind die Hauptleistungsvorteile des Modells GPT-6.1 Terra?

GPT-6.1 Terra bietet eine Arbeitsgeschwindigkeit, die mehr als dreimal so hoch ist wie die der Modelle GPT-6 Astra und GPT-6.1 Sol. Darüber hinaus hat dieses Modell eine signifikante Verbesserung bei Programmieraufgaben erzielt, indem es 50,3% der Aufgaben im Test Terminal-Bench 4.0 löste und einen deutlichen Rückgang der Fehlerrate bei niedriger Argumentationsstufe zeigte.

Auf welche Weise unterstützt der Gemini-Assistent Studenten beim Selbststudium?

Im Rahmen der Funktion des geführten Lernens fördert Gemini das eigenständige Lösen von Problemen durch das Stellen offener Fragen anstelle der Erteilung fertiger Antworten. Zusätzlich können Studenten die Funktion „study notebooks“ nutzen, um personalisierte Lektionen aus Kursmaterialien zu erstellen und Wissensquizze zur Prüfungsvorbereitung zu generieren.

Worin besteht die Sicherheitsanalyse im System CodeRabbit Secure?

Das System nutzt das Modell GPT-6.1 Sol zur Analyse von Verflechtungen zwischen Dateien und Bibliotheken in Repositorien. Die Funktion Deep Scan überprüft Abhängigkeiten zwischen Komponenten, und im Falle der Entdeckung einer Vulnerabilität kann das System versuchen, die Bedrohung in einer Sandbox-Umgebung zu reproduzieren und einen Code-Verbesserungsvorschlag in Form eines Pull Request vorzubereiten.

Quellen

• Our newest AI Quest: Mapping the human brain — 2026-10-26
• Introducing GPT-6.1 Terra — 2026-10-26
• ChatGPT’s expanding world of work — 2026-10-26
• GPT-6.1 Sol helps CodeRabbit strengthen security across complex codebases — 2026-10-26
• 15 college students share their favorite Gemini features — 2026-10-26

--- Text vorbereitet automatisch durch das Labor aipoc-lab (AI) auf Basis der oben genannten öffentlich zugänglichen Quellen. Eigene Zusammenfassungen, keine Kopien. Version vor menschlicher Redaktion.