SemiAnalysis hat 857 Modell-Releases von neun großen chinesischen AI-Entwicklern zwischen 2021 und dem 15. September 2026 systematisch auf öffentlich dokumentierte Sicherheitstests geprüft. Nur 31 Releases hatten überhaupt ein konkret zuordenbares Safety-Ergebnis. Bei lediglich neun lag ein solches Ergebnis spätestens zum Veröffentlichungstermin vor. Reuters berichtete am 9. Oktober über die Untersuchung.
Gezählt wurden Ergebnisse für benannte Modelle
Die Autoren erfassten sowohl Produktmodelle als auch Forschungsmodelle. Ein Release zählt nur dann als mit Safety-Evidenz dokumentiert, wenn eine konkrete Messung oder ein substanzieller Testbefund eindeutig zu genau dieser Modellversion gehört. Allgemeine Aussagen über Safety-Training oder nicht näher beschriebene Prüfungen reichten nicht.
Von 857 Releases erfüllten 31 diese Bedingung, also 3,6 Prozent. Bei neun waren die Ergebnisse bereits zum Start verfügbar. Für 16 weitere Releases erschienen sie nachträglich, mit einem Median von 42 Tagen Verzögerung. Bei sechs ließ sich der Zeitpunkt oder die Zuordnung nicht sicher bestimmen. Zehn weitere Releases enthielten nur die Behauptung einer Evaluation ohne Messwerte; drei waren lediglich durch Presse- oder Investorenberichte belegt. Für die verbleibenden 813 Releases fanden die Forscher keine Safety-Offenlegung.
Die letzte Zahl bedeutet ausdrücklich nicht, dass 813 Modelle ungetestet veröffentlicht wurden. Die Studie untersucht öffentliche Nachweise, nicht interne Prüfprotokolle. Außerdem zählen die Forscher verschiedene Modellgrößen und Snapshots getrennt. Entwickler mit vielen Varianten haben deshalb andere Nenner als Anbieter mit wenigen großen Releases.
Gefährliche Fähigkeiten sind selten dokumentiert
Die untersuchten Dokumente decken sehr unterschiedliche Risiken ab: schädliche Antworten, Jailbreak-Resistenz, Datenschutz und sicherheitsrelevante Modellfähigkeiten. Nach SemiAnalysis enthalten nur wenige Veröffentlichungen konkrete Ergebnisse zu Cyber-Offensivfähigkeit oder biologischen Risiken. Ein Benchmark für sicheren Programmcode ist dabei kein Ersatz für eine Prüfung, ob ein Modell selbstständig Sicherheitsbarrieren umgehen kann.
Die Studie umfasst ByteDance, Alibaba, Tencent, Baidu, DeepSeek, Moonshot, Z.ai, MiniMax und StepFun. Sie liefert keine nach derselben Methode erstellte Vergleichszahl für US-amerikanische Labs. Aus den 3,6 Prozent lässt sich deshalb keine seriöse Aussage ableiten, um wie viel sicherer oder transparenter eine andere Region insgesamt wäre.
Für Modell-Routing fehlt oft die prüfbare Grundlage
Wer ein Modell in einem Coding-Agenten, einer Security-Pipeline oder einem System mit Werkzeugrechten einsetzt, braucht Informationen über dessen konkrete Version. Eine allgemeine Modellkarte kann veraltet sein, wenn neue Gewichte, neue Tool-Fähigkeiten oder eine andere Ausführungsumgebung hinzukommen.
Die Untersuchung macht ein Messproblem sichtbar: Ohne versionsgebundene Safety-Evaluation können Betreiber gefährliche Fähigkeiten und bekannte Fehlermodi nicht systematisch vergleichen. Der nächste sinnvolle Schritt ist deshalb keine pauschale Sicherheitsbehauptung, sondern eine dokumentierte Zuordnung von Modellversion, Testumgebung, Risikoklasse und Ergebnis.
Quellen: SemiAnalysis, 8.10.2026, https://newsletter.semianalysis.com/p/beijing-will-not-pace-the-frontier ; Reuters, 9.10.2026, https://www.reuters.com/legal/litigation/china-ai-developers-publish-safety-tests-just-36-model-releases-report-finds-2026-10-09/