Am selben Tag: Am Vormittag kollektiver Ausfall von KI-Diensten, am Nachmittag kündigt OpenAI das „Zeitalter der AGI“ an

Einleitung: Am 3. September spielte die KI-Szene zwei völlig gegensätzliche Stücke an einem Tag

Am 3. September 2026 passierten in der KI-Branche zwei völlig gegensätzliche Ereignisse innerhalb eines einzigen Tages.

Am Vormittag fielen die drei führenden KI-Dienste ChatGPT, Claude und Grok fast gleichzeitig aus. Allein auf Downdetector stieg die Zahl der Störungsmeldungen für ChatGPT auf fast 38.000. Am Nachmittag stellte OpenAI das neue Flaggschiffmodell GPT-6 Astra vor. Präsident Greg Brockman sagte, es „könnte letztendlich als Beginn der AGI angesehen werden“.

Auf der einen Seite sprachen Medien vom „dunkelsten Tag in der Geschichte der großen Sprachmodelle“, auf der anderen hieß es „Willkommen im Zeitalter der AGI“. Ich habe die offiziellen Statusseiten und Zeitlinien beider Ereignisse durchgesehen und die Frage dann an Yongliang gestellt: Er hat 17 Jahre Erfahrung in der Softwareentwicklung und 7 Jahre im KI-Bereich und ist derzeit KI-Techniedirektor.

Shiwen: Am selben Tag – am Vormittag kollektiver Ausfall, am Nachmittag die Ankündigung des AGI-Zeitalters. Was hältst du von diesem Tag? Yongliang: Dieser Tag zeigt den wahren Zustand der KI-Branche besser als jede wissenschaftliche Arbeit. Shiwen: Gut, dann erkläre uns zuerst die genaue Zeitfolge – kam zuerst der Ausfall oder die Vorstellung? Lass dich nicht von den Trendthemen in die Irre führen.

Q1: Kam zuerst der Ausfall oder die Vorstellung? Lass dich nicht von den Trendthemen in die Irre führen

Yongliang: Zuerst der Ausfall, dann die Vorstellung. Diese Reihenfolge ist wichtig, viele Trendthemen stellen sie falsch dar.

Die genaue Zeitlinie sieht so aus (US-Ostzeit, 3. September):

Gegen 9:26 Uhr morgens meldete Claude als erster Anomalien. Kurz darauf brachen Grok und ChatGPT nacheinander zusammen. Medien sprachen davon, dass „innerhalb von 92 Minuten alle drei Anbieter nicht erreichbar waren“.
Auf der offiziellen Statusseite von OpenAI ist vermerkt: Hohe Fehlerraten bei ChatGPT und Codex, von 10:58 Uhr morgens bis 12:55 Uhr mittags. Offiziell wurde der Vorfall als minor (geringfügig) eingestuft.
Die Aufzeichnung von Anthropic begann früher und war schwerwiegender: Von 9:26 Uhr morgens bis 12:23 Uhr mittags waren mehrere Hauptmodelle von Claude betroffen. Offiziell wurde der Vorfall als major (schwerwiegend) eingestuft.

Die Wahrheit ist also: Am Vormittag kam es zuerst zum Ausfall, erst Stunden später stellte OpenAI GPT-6 vor. Es war nicht so, dass der Dienst direkt nach der Vorstellung ausfiel. Die Öffentlichkeit hat beide Ereignisse miteinander verknüpft und dem 3. September das Label „dunkelster Tag in der Geschichte der großen Sprachmodelle“ verpasst – das ist eine von Medien zusammengereimte Geschichte, keine kausale Tatsache.

Ein weiteres Detail ist bemerkenswert: Obwohl es sich um einen „kollektiven Ausfall“ handelte, stufte OpenAI ihn selbst nur als geringfügig ein, Anthropic als schwerwiegend. Schaut man sich die Trendthemen an – „historischer Totalausfall“, „größter Ausfall aller Zeiten“ – klingt das alles andere als „geringfügig“. Die Einschätzung der Anbieter selbst ist bei weitem nicht so dramatisch wie die der Trendthemen.

Q2: Einerseits „der dunkelste Tag“, andererseits „das AGI-Zeitalter“ – was sagt dieser Kontrast aus?

Yongliang: Er zeigt, dass es in der KI-Branche derzeit eine sehr reale Kluft gibt: Die Erzählung von den Fähigkeiten läuft voraus, die Infrastruktur hinkt hinterher.

Beginnen wir mit den Fähigkeiten. GPT-6 ist tatsächlich stark. Bei anerkannt schwierigen Benchmarks wie ARC-AGI-3 erreicht es über 98 %, es wurde erstmals mit 100.000 GPUs trainiert. OpenAI kann also durchaus von einem „generationsübergreifenden Sprung“ sprechen – das ist nicht alles nur Hype.

Aber am Vormittag desselben Tages fielen die Dienste der drei führenden KI-Anbieter kollektiv aus. OpenAI selbst gab einen „Routing-Fehler“ als Ursache an – ein einziges Routing-Problem reichte aus, um ChatGPT und Codex fast zwei Stunden lang lahmzulegen.

Das ist so, als würde ein Unternehmen gerade ein Auto vorstellen, das angeblich autonom fahren kann, und am Vormittag desselben Tages fallen alle Tankstellen kollektiv aus.

Der Punkt ist nicht, dass KI-Dienste ausfallen können – jeder Dienst kann ausfallen. Der Punkt ist: Die Branche erzählt einerseits die große Geschichte von der AGI, andererseits hat sie die grundlegende Dienststabilität noch nicht fest im Griff. Die Modellfähigkeiten verdoppeln sich quartalsweise, die Zuverlässigkeit der Infrastruktur befindet sich noch auf dem Stand von „gelegentliche Ausfälle sind normal“. Diese beiden Geschwindigkeiten passen nicht zusammen.

Und noch interessanter: Bei diesem „kollektiven“ Ausfall gibt es laut Recherchen von The Verge keine Beweise dafür, dass die drei Vorfälle die gleiche Ursache hatten. Das bedeutet: Das Bild vom „kollektiven KI-Ausfall“ wurde zu einem großen Teil auch von Medien zusammengereimt – drei unabhängige Störungen fielen zufällig am selben Vormittag zusammen.

Q3: Hat GPT-6 wirklich das Niveau einer AGI erreicht? Wie stark wurde Brockmans Aussage übertrieben?

Yongliang: Sie wurde übertrieben, und das auf sehr typische Weise.

Brockmans Originalaussage lautete: „könnte letztendlich als Beginn der AGI angesehen werden“ – beachte die Wörter „letztendlich“ und „könnte“, da ist noch Spielraum. Daraus machte Axios direkt die Schlagzeile „Willkommen im Zeitalter der AGI“, und in China hieß es dann „die Menschheit hat das AGI-Zeitalter erreicht“.

Der Unterschied dazwischen ist die Lücke zwischen „Behauptung“ und „Tatsache“. Die Definition von AGI, die OpenAI selbst früher verwendet hat, lautet: „kann alle wirtschaftlich wertvollen Aufgaben genauso gut oder besser als Menschen erledigen“. Hat GPT-6 dieses Niveau erreicht? Offensichtlich nicht – es kann nicht einmal die Stabilität seines eigenen Dienstes gewährleisten, wie soll es dann „alle Aufgaben“ meistern?

Warum spricht OpenAI dann so davon? Weil das die Sprache von Produktpräsentationen ist, und auch die Sprache von Finanzierung und Wettbewerb. Konkurrenten drängen auf, Investoren schauen zu – aus dem „stärksten Modell“ ein „AGI-Zeitalter“ zu machen, ist die effizienteste Art, Aufmerksamkeit zu erregen. Das funktioniert, aber als Techniker muss ich dich warnen:

Wenn du dir Produktpräsentationen anhörst, stufe „Behauptungen“ automatisch eine Ebene herunter und betrachte „Daten“ separat. Die 98 % im Benchmark sind Daten, das „AGI-Zeitalter“ ist Marketing.

Q4: 100.000 GPUs, recurrent depth, eingeschränkte Cybersicherheitsfähigkeiten – worauf ist OpenAI bei diesen Details vorsichtig?

Yongliang: Genau diese Details zeigen, dass OpenAI selbst die Risiken besser kennt als jeder andere.

Betrachten wir drei Details zusammen:

Erstens: Die recurrent depth „verdeckt“ die Denkkette des Modells. GPT-6 nutzt eine neue Inferenztechnik, bei der Teile des Denkprozesses des Modells verborgen bleiben – man kann nicht sehen, wie es zu seiner Antwort kommt. The Information hat dies direkt als Sicherheitsrisiko bezeichnet: Bei einem immer stärkeren, aber „nicht überprüfbaren“ Modell – wie willst du Fehler nachvollziehen, wenn etwas schiefgeht?

Zweitens: Die Cybersicherheitsfähigkeiten sind streng eingeschränkt. OpenAI hat klar angegeben, dass die stärksten Cybersicherheitsfähigkeiten von GPT-6 zunächst nur einer kleinen Gruppe geprüfter Tester zugänglich sind. Warum? Weil ein Modell mit so starken Fähigkeiten im Bereich Cybersicherheit sowohl ein „Werkzeug für die Verteidigung“ als auch ein „Beschleuniger für Angriffe“ sein kann. Indem es diesen Bereich zunächst sperrt, schützt es sich vor Missbrauch.

Drittens: Die Vorstellung wurde ohnehin verschoben. Im Juli gab es einen Vorfall mit OpenAI auf Hugging Face, danach wurde die Veröffentlichung extra verschoben und Sicherheitsmaßnahmen hinzugefügt. Die „Präsentation“ von GPT-6 erfolgte also unter ständigem Bremsen.

Setzt man diese drei Punkte zusammen mit dem Ausfall am Vormittag, ist die Schlussfolgerung klar: Sogar OpenAI selbst weiß: Je stärker die Fähigkeiten, desto weniger darf man unvorbereitet sein. Warum solltest du als normaler Nutzer, als Berufstätiger, der seine Arbeit auf KI setzt, entspannter sein als OpenAI?

Q5: Die Modelle werden immer stärker, und am selben Tag zeigen sie uns, dass sie auch kollektiv ausfallen können – was sollen Berufstätige tun?

Yongliang: Drei Regeln, die du direkt umsetzen kannst.

Erstens: Verlasse dich bei deiner Arbeit nicht ausschließlich auf einen einzigen KI-Anbieter. Wenn du Konzepte schreibst, Code entwickelst oder Tabellen erstellst und nur ChatGPT als Werkzeug nutzt, bist du für den ganzen Nachmittag lahmgelegt, sobald der Dienst ausfällt – die Zehntausenden Menschen am Vormittag des 3. September sind ein lebendes Beispiel. Halte dir mindestens eine Alternative bereit: Ein Hauptwerkzeug, ein Ersatzwerkzeug, und bei wichtigen Aufgaben solltest du dich nie auf einen einzigen Anbieter verlassen. Das ist kein „Geldverschwendung“, sondern eine Absicherung.

Zweitens: Speichere wichtige Ergebnisse immer lokal. Was KI generiert hat und dir wichtig ist, speichere direkt lokal, in deinen eigenen Dokumenten oder Notizen. Lass es nicht nur in Cloud-Chatverläufen existieren. Der Dienst mag nach „ein paar Stunden“ wieder funktionieren – aber die Ergebnisse, die du verloren hast, findest du vielleicht nie wieder.

Drittens: Sieh KI als Verstärker an – die Entscheidung und die Verantwortung bleiben immer bei dir. Je stärker die Modelle werden, desto leichter verfällt man der Illusion, „man kann es einfach ihnen überlassen“. Aber der 3. September hat uns gezeigt: Ein Modell kann so stark sein, dass man es als AGI bezeichnet – und trotzdem wegen eines Routing-Fehlers ausfallen. Bei deiner Arbeit musst du am Ende immer die Person sein, die entscheidet, abnimmt und die Verantwortung trägt.

Schlusswort

Shiwen: Zum Schluss – fasse diese Folge in einem Satz zusammen. Yongliang: Ausfall am Vormittag, AGI am Nachmittag – was dieser Branche derzeit am meisten fehlt, sind keine stärkeren Modelle, sondern ein stabileres Fundament. Shiwen: Dieses Wort ist an alle gerichtet. Bis zum nächsten Mal.

[Technische Tiefe] Warum kann ein „Routing-Fehler“ ChatGPT lahmlegen?

Manche fragen sich: Die Modelle sind doch so stark – wie kann ein einziger „Routing-Fehler“ sie zum Ausfall bringen? Wenn man das aufschlüsselt, versteht man, dass „Fähigkeit“ und „Stabilität“ zwei völlig verschiedene Dinge sind.

Beim Betrieb großer Sprachmodelle läuft nicht nur ein einzelnes Modell, sondern ein ganzes System. Wenn du eine Anfrage stellst, durchläuft sie zunächst die Routing-Ebene, die die Anfrage an die richtige Modellinstanz, das richtige Rechenzentrum und den richtigen GPU-Pool weiterleitet. Wenn die Routing-Ebene fehlerhaft arbeitet, kommt die Anfrage nicht dort an, wo sie hingehört – das äußert sich in großflächigen „hohen Fehlerraten“. Das hat nichts damit zu tun, wie intelligent das Modell selbst ist. Das Modell ist das Gehirn, die Routing-Ebene sind die Blutgefäße; wenn die Gefäße verstopft sind, bekommt selbst das klügste Gehirn kein Blut mehr.

Noch besorgniserregender ist das Konzentrationsrisiko. Die Hauptrechenkapazität von OpenAI läuft auf Microsoft Azure, auch Anthropic ist auf Cloud-Anbieter angewiesen, xAI hat eigene Rechenzentren. In der Branche wird allgemein vermutet, dass hinter diesem „kollektiven“ Ausfall eine gemeinsame Abhängigkeit von einem上游-Anbieter steht (Cloud-Dienste, CDN oder ähnliches). Auch wenn The Verge sagt, es gebe keine Beweise für eine gemeinsame Ursache – die Struktur, dass „ein paar wenige Cloud-Anbieter die gesamte KI-Branche stützen“, ist an sich schon ein Single-Point-of-Failure-Risiko. Wenn eines Tages eine große Cloud-Plattform wirklich schwerwiegende Probleme hat, fallen vielleicht nicht nur drei Anbieter aus, sondern Dutzende gleichzeitig.

Kommen wir zur Prüfbarkeit der recurrent depth. Bei der Inferenz wird mit rekursiver Tiefe gerechnet, Zwischenschritte werden „zusammengeklappt“ – das spart Kosten und macht das System schneller, aber auf Kosten der Transparenz des Denkprozesses des Modells. Für Nutzer wird es schwieriger zu beurteilen, warum das Modell so antwortet; für Aufsichtsbehörden wird es schwieriger, Verantwortung zuzuordnen, wenn etwas schiefgeht. Je stärker und je undurchsichtiger ein Modell ist, desto stärker steigt der Aufwand für seine Governance. Das soll nicht heißen, dass man es nicht nutzen soll – sondern man muss verstehen: Wenn die Fähigkeiten steigen, hinken die dazugehörigen Mechanismen für „Transparenz, Verantwortung und Nachvollziehbarkeit“ noch hinterher.

Für normale Menschen verdeutlicht die technische Tiefe eines: Lass dich nicht von stärkeren Modellen in falscher Sicherheit wiegen. Stabilität und Erklärbarkeit sind die Voraussetzung dafür, KI für ernsthafte Aufgaben einzusetzen.

Faktenprüfung

Aussage im Text	Faktenbasis
Am Vormittag des 3.9. fielen drei KI-Anbieter nacheinander aus, Claude als erster (ab 9:26 Uhr US-Ostzeit)	Offizielle Statusseite-API von OpenAI (incidents.json), offizielle Statusseite von Anthropic (ab 13:26 UTC); „innerhalb von 92 Minuten alle drei nicht erreichbar“ ist Medienangabe
OpenAI offiziell: Hohe Fehlerraten bei ChatGPT+Codex, 14:58–16:55 UTC, selbst eingestuft als minor	status.openai.com/api/v2/incidents.json („Elevated errors across ChatGPT and Codex“, impact: minor)
Anthropic offiziell: Hohe Fehlerraten bei mehreren Modellen, 13:26–16:23 UTC, selbst eingestuft als major	status.anthropic.com/api/v2/incidents.json („Elevated errors for multiple models“, impact: major)
OpenAI bestätigt Routing-Fehler	The Register zitiert Originalaussage eines OpenAI-Sprechers: „A routing error starting around 7:43 am PT…“
Keine Beweise für gemeinsame Ursache der drei Vorfälle	Bericht von The Verge (zitiert von Tencent News)
Spitzenwert der Störungsmeldungen für ChatGPT auf Downdetector bei fast 38.000	Daten von DownDetector („Nearly 40,000 users reported issues… according to DownDetector“)
GPT-6 Astra vorgestellt am 3.9., limited Preview, öffentlicher Zugang ab 5.9.	Wikipedia-Eintrag „GPT-6 Astra“ (Release: September 3, 2026 limited preview; Stable release September 5, 2026)
Brockman sagte, es „könnte letztendlich als Beginn der AGI angesehen werden“	Wikipedia-Eintrag zitiert Originalaussage von Greg Brockman
„Willkommen im Zeitalter der AGI“	Schlagzeile von Axios: „Welcome to the AGI era“ (keine offizielle Aussage von OpenAI)
Erstmaliges Training mit über 100.000 GPUs (Stargate in Texas)	Wikipedia-Eintrag zitiert OpenAI-Forschungs-VP Aidan Clark: „first time we’ve pretrained on more than 100,000 GPUs at our Stargate site in Texas“
Recurrent depth verdeckt Teile der Denkkette, löst Besorgnis über Überwachbarkeit aus	Wikipedia-Eintrag + Bericht von The Information
Cybersicherheitsfähigkeiten eingeschränkt (zuerst für bestimmte Tester)	Wikipedia-Eintrag + Bericht von CNBC (Daybreak Blue-Programm)
Nach dem Hugging-Face-Vorfall im Juli Veröffentlichung verschoben, Sicherheitsmaßnahmen hinzugefügt	Wikipedia-Eintrag („Following OpenAI’s Hugging Face incident in July 2026, the company delayed the release“)
ARC-AGI-3-Score über 98 %	Verschiedene Quellen nennen 98,6 % (Yingzheng Tianxia) oder 99,9 % (Awakening AI), im Text wird die vage Formulierung „über 98 %“ verwendet
Praktische Ratschläge wie „verlasse dich nicht ausschließlich auf einen KI-Anbieter“	Persönliche Meinung des Gastes, passend zu seiner beruflichen Positionierung

【Interaktionsanregung】 Wurdest du am 3. September beim Arbeiten mit KI durch den Ausfall behindert? Welches ist dein Haupt-KI-Werkzeug und hast du ein Ersatzwerkzeug? Schreib es in die Kommentare, ich wähle ein paar aus und antworte ausführlich. Wenn du den Artikel nützlich findest, klicke auf „Gefällt mir“ und teile ihn, damit mehr Menschen die ehrliche Wahrheit erfahren.

Unterschiede zur Zhihu-Version

Titel kann geändert werden: „Am Tag, als OpenAI das „AGI-Zeitalter“ ausrief, fielen drei große KI-Dienste kollektiv aus: Die Kluft zwischen Fähigkeit und Stabilität“ (Long-Tail-Suche, mit Schlüsselwörtern)
Technische Tiefe vorziehen: Zhihu-Leser schätzen grundlegende Erklärungen. Der Teil [Technische Tiefe] zu „Routing-Ebene / Konzentrationsrisiko“ kann nach Q2 vorgezogen werden, ergänzt um eine Kostenrechnung für Single-Point-Abhängigkeiten auf Unternehmensebene (Welchen Schaden erleidet ein KI-abhängiges Team bei einer Stunde Ausfall?)
Perspektive des Wettbewerbs hinzufügen: In Q3 einen kritischen Satz zu „Produktpräsentationssprache vs. Tatsache“ ergänzen – warum KI-Unternehmen allgemein gerne Begriffe wie „AGI“ oder „Meilenstein“ verwenden: Weil Aufmerksamkeit Finanzierung bedeutet. Das erklärt, warum jede Veröffentlichung mit Übertreibungen einhergeht.
Am Ende hinzufügen: „Das oben Genannte sind persönliche Ansichten,仅供参考.“

Layout-Hinweise für die öffentliche WeChat-Konto-Version

Der kontrastreiche Einleitungssatz („Ausfall am Vormittag, AGI am Nachmittag“) im ersten Bildschirm fett hervorheben, um eine 3-sekündige Verweildauer zu gewährleisten
Alle prägnanten Sätze fett behalten: „Die Erzählung von den Fähigkeiten läuft voraus, die Infrastruktur hinkt hinterher“, „Stufe Behauptungen eine Ebene herunter, betrachte Daten separat“, „Sogar OpenAI selbst weiß: Je stärker die Fähigkeiten, desto weniger darf man unvorbereitet sein“, „Was am meisten fehlt, sind keine stärkeren Modelle, sondern ein stabileres Fundament“
Für die Zeitlinie in Q1 kann eine Karten-Grafik mit der „Zeitachse vom 3. September“ erstellt werden, damit sie auf Mobilgeräten leicht zu überfliegen ist