Forscher haben mit "Taste-Bench" einen neuen Benchmark entwickelt, der prüft, wie gut KI-Agenten langfristige strategische Entscheidungen treffen können. Die Ergebnisse sind ernüchternd: Selbst das beste getestete Modell, GPT-5.6 Sol, beantwortet einfache binäre Entscheidungsfragen nur in knapp 60 Prozent der Fälle korrekt – kaum besser als der Zufall. Längeres Nachdenken oder mehr Rechenzeit ändern das grundlegende Problem nicht wesentlich. Das deutet darauf hin, dass heutigen KI-Modellen noch das strategische Urteilsvermögen fehlt, das für komplexe Langzeit-Aufgaben notwendig ist – ein wichtiger Erkenntnisgewinn für die Entwicklung intelligenterer Agenten.
