Jack Clark, Mitgründer von Anthropic, hat in seinem Newsletter Import AI am 12. Oktober einen Satz geschrieben, der in einer Ausgabe über Kreativität, offene Modellgewichte und Raumfahrt fast untergeht: „I now think it’s more likely we’ll see full RSI become possible in 2027, whereas before I thought it was more likely in 2028.“
RSI steht für recursive self-improvement, also für den Punkt, an dem KI-Systeme sich selbst verbessern. Clark verschiebt seine eigene Einschätzung um ein Jahr nach vorn, und er nennt den Grund dafür.
TasteVal misst, was Forscher „Gespür“ nennen
Der Anlass ist ein Benchmark namens TasteVal von P-Zero Research. Er prüft acht Aufgaben aus der Entwicklung von Spitzenmodellen: das Zusammenstellen von Trainingsdaten, das Vortrainieren und Feinjustieren von Sprachmodellen, Preference Modeling und die Widerstandsfähigkeit gegen feindliche Eingaben. Gemessen wird nicht Wissen, sondern der experimentelle Teil des Forschungsgespürs: Wie gut entwirft ein Modell selbst Experimente, und wie gut liest es die Ergebnisse?
Die menschliche Vergleichslinie kommt von 24 Fachleuten, mindestens zwei pro Aufgabe, mit Stationen bei OpenAI, Google DeepMind, NVIDIA und Microsoft Research.
Die Zahlen, die Clark aufgefallen sind: Das experimentelle Forschungsgespür der Spitzenmodelle verdoppelt sich seit Dezember 2025 alle 3,0 Monate, mit einem Konfidenzintervall von 1,7 bis 5,0 Monaten. Bestes Modell ist Claude Opus 5.5 mit einem Compute-Multiplikator von 2,30 gegen die menschliche Linie, bei etwa einem Dreißigstel der Kosten pro Versuch. Vor Ende 2025 wuchs der Wert erkennbar langsamer, die Steigung hat sich erst um die Jahreswende geändert.
Clark hat Kreativität schon vorher zur Schlüsselgröße erklärt
In seiner Analyse von Anfang des Jahres hatte Clark Kreativität als die Variable benannt, die darüber entscheidet, wie schnell KI-Systeme sich selbst verbessern können. Damals schrieb er, KI-Systeme hätten das noch nicht in großem Maßstab gezeigt, Ergebnisse aus der Mathematik seien allenfalls ein Hinweis. Seitdem sieht er beides: Fortschritte bei mathematischen Durchbrüchen und jetzt Belege dafür, dass Modelle auch in der KI-Forschung selbst besser werden.
Ein Newsletter-Satz ist keine Studie
Clark macht hier keine Firmenaussage, und das ist wichtig. Import AI ist sein Privatprojekt mit über 144.000 Abonnenten, der Satz steht in einem Absatz mit der Überschrift „Why this matters“ und ist als persönliche Revision markiert. Der Benchmark dahinter stammt von P-Zero Research, nicht von Anthropic, und das Spitzenergebnis gehört Anthropics eigenem Modell. Wer daran zweifelt, hat zwei gute Gründe: eine einzelne Messreihe über neun Monate und ein Konfidenzintervall, das von 1,7 bis 5,0 Monaten reicht.
Interessant bleibt die Richtung. Clarks Sorge ist nicht, dass Modelle Code schreiben, das können sie längst. Sie ist, dass Modelle anfangen, die richtigen Experimente auszuwählen.