Andrew Ho (ehemals OpenAI) und Cambridge-Forscher Adam Hunt stellen eine provokative These in den Raum: Moderne LLMs entwickeln sich nicht zu universelleren Systemen, sondern zu spezialisierten Tools – stark bei Code und Mathematik, schwach in vielen anderen Bereichen. Das Problem: bisherige Trainingsmethoden führen zu Lücken statt zu echter Allgemeinheit. Ho gründet daraufhin ein Startup für zielgerichtete Trainingsdaten und prognostiziert, dass KI-Labore künftig über 100 Milliarden Dollar für spezialisierte Datenakquise ausgeben müssen. Die Debatte berührt fundamentale Fragen der Modellentwicklung – und damit auch die Wirtschaft der KI-Industrie.
