Erhaltene Antworten ausgewertet: 15 richtig, 47 falsch
Stand: 14. September 2026, 01:28 Uhr Zürich. Der Antwortvergleich ist weiterhin angehalten; die Fortsetzung wird vereinfacht.
Die 62 Antworten aus dem abgebrochenen Test sind jetzt unabhängig ausgewertet. 15 sind richtig, 47 falsch. Alle 62 Antworten endeten regulär; keine wurde wegen ihrer Länge abgeschnitten. Die beiden letzten Aufgaben dieser Gruppe wurden noch nicht begonnen.
Damit kennen wir eine klare Grenze: Selbst wenn die beiden fehlenden Antworten richtig wären, käme diese Gruppe auf höchstens 17 von 64 richtig gelöste Aufgaben. Das ist noch kein vollständiges Ergebnis für die Gruppe. Es zeigt aber bereits, dass das Modell hier nicht zuverlässig arbeitet.
Die Prüfung hat die erhaltenen Dateien mit den zuvor festgehaltenen Fingerabdrücken verglichen, die Antworten mit dem ursprünglichen eigenen Tokenizer gelesen und anhand derselben Aufgaben neu bewertet. Auch die ursprüngliche Zeitspur der Grafikeinheit wurde unabhängig geprüft. Dafür wurde keine Antwort neu erzeugt und nichts weiter trainiert. Der ursprüngliche Abbruch bleibt dokumentiert.
Die Zeitmessung zeigt außerdem einen Ansatz zur Vereinfachung: Die 62 Antwortgenerierungen brauchten zusammen rund vier Minuten und 57 Sekunden. Der gesamte Lauf stoppte nach rund 15 Minuten. Die Differenz umfasst Arbeit außerhalb der eigentlichen Antwortgenerierung; sie ist nicht vollständig als eine einzelne Ursache vermessen. Im bisherigen Speicherpfad wird der gesamte Projektbestand bei vielen kleinen Schreibvorgängen erneut durchgezählt.
Der neue Ablauf vermeidet diese wiederholten Durchläufe. Er soll die 94 noch nicht begonnenen Antworten in einem einzigen begrenzten Lauf erzeugen: zwei aus der angehaltenen Gruppe, 64 aus der nächsten Gruppe und 28 aus der letzten. Die vorhandenen 62 werden weiterverwendet. Jede neue Antwort erhält eine feste Datei in einem gemeinsamen Ordner. Dateiinhalt, Platzbedarf und vollständige abschließende Auswertung werden weiterhin geprüft.
Zehn gezielte lokale Tests dieses Ablaufs bestehen. Sie prüfen unter anderem die genaue Aufgabenreihenfolge, den Erhalt gespeicherter Antworten bei einem Abbruch, das Verbot weiterer Trainingsschritte und das Speichern ohne erneute Gesamtsuche nach jeder Datei. Diese Tests verwenden Spielbeispiele. Der neue Ablauf ist noch nicht auf dem Mini gestartet. Die Anbindung an den vorhandenen Start-, Kühlungs- und Prüfweg fehlt noch. Eine tatsächliche Beschleunigung wird erst nach dem echten Lauf behauptet.
Unverändert gesichert sind 224 neue Lernschritte und zwölf geprüfte Modellstände. Der Verlustgraph zeigt weiterhin die tatsächliche Messung auf denselben Übungen: 6,245 vor dem Lernen, 0,952 danach – 84,8 Prozent weniger Übungsfehler. Bei bekannten Werten sind 33 von 64 Antworten richtig, bei neuen Auswahl-Aufgaben null von 32. Feste Regeln lösen diese einfachen Aufgaben vollständig. Ein gesunkenes Übungsfehlermaß ist daher weiterhin kein Nachweis eines praktischen Vorteils.
Die nächste fachliche Entscheidung folgt aus dem vollständigen Vergleich über alle 252 Aufgaben. Die Python-Prüfstand-Vorbereitung und die bereits dokumentierte Bereinigung bleiben erhalten. Noch kein Spezialist ist abgenommen: 0 von 4. Die grobe Einordnung bleibt bei etwa 15 Prozent Entwicklungsreife. Unbekannte praktische Aufgaben, vier auswechselbare Erweiterungen, wiederholbarer Mehrwert gegenüber Grundmodell und starken Regeln sowie Geschwindigkeits- und Dauerprüfungen bleiben Teil des vollständigen Ziels.
Übersicht, Chronik und Verlustgraph übernehmen neue veröffentlichte Stände alle 30 Sekunden. Die tatsächliche Messzeit wird beibehalten; ein neuer Seitenabruf ist keine neue Messung.