Ist OpenAGI der neue König der Computersteuerung?
Das vom CEO Zengyi Qin geleitete Startup OpenAGI ist mit einer kühnen Behauptung auf den Plan getreten. Sein neues Modell Lux soll Computer besser steuern können als die Systeme von OpenAI und Anthropic – und das zu einem Bruchteil der Kosten. Das von einem MIT-Forscher gegründete Startup aus San Francisco hat Lux als Basismodell veröffentlicht, das Screenshots interpretiert und Aktionen in Desktop-Anwendungen ausführt. Nach Angaben des Unternehmens erreicht Lux im Online-Mind2Web-Benchmark eine Erfolgsquote von 83,6 %, dem anspruchsvollsten Test für KI-Agenten, die Computer steuern.
Zum Vergleich: Das Modell Operator von OpenAI erreicht nur 61,3 % und Claude Computer Use von Anthropic 56,3 %. Das ist ein gewaltiger Sprung. Qin erklärte in einem Interview mit VentureBeat, dass herkömmliche große Sprachmodelle (Large Language Models – LLMs) mit Text trainiert werden und lernen, Text zu erzeugen. Lux hingegen wird mit Screenshots und Aktionssequenzen trainiert und lernt daher unmittelbar, Aktionen zur Steuerung eines Computers auszuführen.
Die Bedeutung des Online-Mind2Web-Benchmarks
Dieser Benchmark wurde von Forschern der Ohio State University und der University of California, Berkeley, entwickelt. Er umfasst 300 verschiedene Aufgaben auf 136 realen Websites – von der Buchung von Flügen bis hin zu komplexen Einkäufen in Onlineshops. Im Gegensatz zu älteren Tests findet er in einer realen Online-Umgebung statt, in der sich Websites verändern und unerwartete Hindernisse auftreten. Die Forscher stellten fest, dass viele aktuelle Agenten trotz hoher Investitionen keine besseren Ergebnisse erzielen als der einfache SeeAct-Agent vom Januar 2024.
Die Studie wurde im April veröffentlicht und für die Konferenz Language Modeling 2025 angenommen. Die Forscher merkten in einem Blogbeitrag an, dass aktuelle Agenten nicht so kompetent seien, wie es die Zahlen aus früheren Tests vermuten ließen. Das Leaderboard auf Hugging Face erfasst die Ergebnisse verschiedener Teams und Unternehmen, und Lux liegt dort nun an der Spitze.
Training mit Aktionen statt mit Wörtern
OpenAGI verwendet eine Methode namens Agentic Active Pre-training (agentisches aktives Vortraining). Statt mit statischen Daten lernt das Modell durch die Erkundung seiner Umgebung. Aktionen ermöglichen es dem Modell, neue Dinge zu entdecken, die wiederum das Training verbessern. Qin sagte, dass ein besseres Modell zu einer besseren Erkundung führe, was wiederum besseres Wissen und letztlich ein noch besseres Modell hervorbringe. Dieser Kreislauf ermöglicht eine kontinuierliche Verbesserung ohne riesige Datensätze.
Das Unternehmen behauptet, dass Lux zu einem Zehntel der Kosten der Modelle von OpenAI und Anthropic arbeitet und Aufgaben schneller ausführt. Das könnte erklären, warum ein kleines Team die großen Akteure übertroffen hat.
Lux steuert nicht nur Browser, sondern den gesamten Desktop
Im Gegensatz zu Konkurrenten, die sich hauptsächlich auf Webbrowser konzentrieren, kann Lux Anwendungen im gesamten Betriebssystem bedienen. Dazu gehören die Arbeit mit Excel, die Kommunikation über Slack, das Design in Adobe-Programmen oder die Bearbeitung von Code. Diese Fähigkeit eröffnet vielfältige Einsatzmöglichkeiten im Bereich Produktivität.
OpenAGI veröffentlicht außerdem ein Software Development Kit (SDK), damit Drittanbieter Anwendungen auf Basis von Lux entwickeln können. Das Unternehmen arbeitet mit Intel an der Optimierung für Edge-Geräte, sodass das Modell lokal auf Notebooks ohne Cloud ausgeführt werden kann. Dies trägt den Bedenken hinsichtlich der Datensicherheit Rechnung. Qin erwähnte auch Gespräche mit AMD und Microsoft über weitere Partnerschaften.
Sicherheit an erster Stelle
Agenten, die Computer steuern, bergen Risiken wie unbeabsichtigte Geldüberweisungen oder das Löschen von Dateien. OpenAGI hat Sicherheitsmechanismen direkt in Lux integriert. Wenn das Modell auf eine Anfrage stößt, die gegen die Sicherheitsrichtlinien verstößt, lehnt es diese ab und warnt den Benutzer.
Als ein Benutzer beispielsweise darum bat, Bankdaten in ein Google-Dokument zu kopieren, kam Lux intern zu dem Schluss, dass es sich um vertrauliche Informationen handelte, und blockierte die Aktion. Solche Schutzmechanismen werden von Forschern getestet werden, da Angriffe wie Prompt Injection (das Einschleusen schädlicher Anweisungen) bereits Schwachstellen in anderen Systemen aufgezeigt haben.
Der Kopf hinter OpenAGI
Zengyi Qin schloss 2025 seine Promotion am MIT ab, wo er sich auf Computer Vision, Robotik und maschinelles Lernen konzentrierte. Seine Arbeiten wurden auf Konferenzen wie Computer Vision and Pattern Recognition, International Conference on Learning Representations und International Conference on Machine Learning veröffentlicht.
Vor OpenAGI leitete er die Entwicklung von JetMoE, einem Modell, das für weniger als 100.000 Dollar (etwa 2.300.000 CZK) trainiert wurde. Es übertraf Metas Modell LLaMA2-7B in Benchmarks. Sein Open-Source-Projekt OpenVoice (Stimmenklonen) hat 35.000 Sterne auf GitHub, und MeloTTS (Text-to-Speech) wurde mehr als 19.000.000 Millionen Mal heruntergeladen.
Qin war Mitbegründer von MyShell, einer Plattform für KI-Agenten mit sechs Millionen Nutzern, die mehr als 200.000 Agenten erstellt und eine Milliarde Interaktionen durchgeführt haben.
Quelle: venturebeat.com
