7 KI-Agenten mit der Klassifizierung und Korrektur von Bitcoin-Fehlern beauftragt: Was haben sie gefunden?

• Die Modelle Qwen 3.8, GPT 5.6 und Fable sind gescheitert: eines blieb stecken und zwei weigerten sich zu arbeiten.
• 4 der 7 getesteten Modelle sind Open-Source und können ohne Filter verwendet werden.

Paul Miller, ein Entwickler, der Kryptografie-Bibliotheken pflegt, die in Bitcoin- und Ethereum-Projekten verwendet werden, testete 7 Agenten der künstlichen Intelligenz (KI), um 5 reale Sicherheitslücken zu klassifizieren und zu korrigieren, die vom Bitcoin Red Team gemeldet wurden. Die Ergebnisse zeigten deutliche Unterschiede zwischen den Modellen, sowohl bei den anfallenden Dollarkosten für die Ausführung jedes einzelnen als auch bei der Genauigkeit ihrer Diagnosen.

Von den 7 evaluierten Agenten **haben 3 die Aufgabe nicht abgeschlossen**. Qwen 3.8 von Alibaba blieb während des Prozesses stecken, ohne dass Miller einen Grund nannte. GPT-5.6 Sol von OpenAI und Fable von Anthropic weigerten sich laut Miller schlichtweg, am Code zu arbeiten, obwohl die Aufgabe darin bestand, Fehler zu identifizieren und zu beheben, nicht sie auszunutzen.

Die 4 Agenten, die die Arbeit abschlossen, Grok 4.6 (xAI), Kimi K3 (Moonshot AI), DeepSeek V4 Pro und DeepSeek V4 Flash (DeepSeek), **hatten sehr unterschiedliche Dollarkosten** **für den Token-Verbrauch** (Benutzeranweisungen) bei der Ausführung: