Der Benchmark-Bezwinger, der keinen Würfel sehen kann
DeepSeek V4.1 flash erschien am 10. September 2026 auf der Bildfläche, ein multimodales Mixture-of-Experts (MoE)-Modell mit einem 552B-Backbone und einem beeindruckenden 1M-Token-Kontextfenster. Mit 8B aktiven Parametern für die Eingabe und 16B für die Ausgabe war dieser unter MIT-Lizenz stehende Herausforderer, der zu einem wettbewerbsfähigen Preis von 0,003 $ pro Million gecachter Eingabe-Token angeboten wird, nicht nur ein weiterer Teilnehmer. Er erklärte den amtierenden Champions den Krieg und übertraf Berichten zufolge OpenAI’s GPT-5.6 Sol und Anthropic’s Claude Opus-5.0 bei kritischen agentischen Benchmarks, bereit, agentisches Programmieren, logisches Denken und visuelles Verständnis neu zu definieren.
Dann kam Matthew Berman, bewaffnet mit einem simulierten Rubik's Cube und dem Codex-Harness. Sein viraler Test zielte darauf ab, das viel gepriesene visuelle und räumliche Denkvermögen von DeepSeek V4.1 flash zu validieren. Die Aufgabe war einfach: Löse den Würfel – eine tiefgreifende Implikation für ein Modell, das „natives Bildverständnis“ und überlegene Intelligenz beansprucht.
Was sich entfaltete, war keine Demonstration fortschrittlicher KI, sondern ein spektakulärer Zusammenbruch. DeepSeek V4.1 flash scheiterte nicht nur daran, den Rubik's Cube zu lösen; es konnte nicht einmal dessen grundlegende Natur erfassen. Bermans Video zeigte, wie jedes Quadrat unabhängig schwebte, losgelöst vom Ganzen, wobei sich die Farben unerklärlicherweise ohne jede physische Bewegung änderten. Das Modell blieb trotz dieser „schummelnden“ Darstellung einer veränderlichen Realität völlig ratlos und unfähig, ein festes Objekt oder dessen inhärente räumliche Beziehungen wahrzunehmen.
Wenn „visuelles Verständnis“ nicht ausreicht
DeepSeek V4.1 flash, das für sein „natives Bildverständnis“ und seinen 1M-Token-Kontext gehypt wurde, hat bei einem einfachen Rubik's cube spektakulär versagt. Matthew Bermans Video „DeepSeek Fails the Rubik’s Cube Test“ legte brutal eine kritische Diskrepanz offen: Das Modell kann keine dynamischen 3D-Objekte erfassen. Dies ist nicht nur ein Bug; es ist eine fundamentale Lücke in seinen gepriesenen visuellen Fähigkeiten.
Auf dem Codex-Harness laufend, stellte das V4.1 flash-Modell den Würfel völlig falsch dar. Quadrate „schwebten unabhängig“, anstatt sich zu verbinden, und die Seiten änderten ihre Farbe ohne physische Drehung. Das System „schummelte“, indem es die Farben direkt änderte, scheiterte aber dennoch daran, das Puzzle zu lösen, was eine tiefgreifende Unfähigkeit demonstriert, ein kohärentes, persistentes räumliches Modell aufrechtzuerhalten.
Ein statisches Objekt als „das ist ein Würfel“ zu erkennen, ist eine Sache; die Physik in einer dynamischen Umgebung zu manipulieren, erfordert eine völlig andere kognitive Architektur. Dies erfordert eine persistente interne Repräsentation von Beziehungen, Schwerkraft und Bewegung. Die Leistung von DeepSeek V4.1 flash legt nahe, dass es an diesem entscheidenden 3D-Denkvermögen mangelt und komplexe Interaktionen auf unzusammenhängende visuelle Ereignisse reduziert.
Dies ist keine Anomalie für DeepSeek. Frühere Iterationen hatten in anderen Tests ebenfalls mit komplexer räumlicher Darstellung und präziser Achsenbewegung zu kämpfen. Das Versagen beim Rubik's Cube unterstreicht eine wiederkehrende Achillesferse und deutet darauf hin, dass die beeindruckenden Benchmark-Ergebnisse von DeepSeek ein tieferes, ungelöstes Problem in seinem grundlegenden Verständnis des physischen Raums maskieren könnten.
Der Rubik's Cube: Ein Wahrheitsserum für KI
Rubik's Cubes dienen seit langem als ultimativer Lackmustest für KI, eine täuschend einfache Herausforderung, die tiefgreifende Intelligenz erfordert. Google DeepMinds DeepCubeA zum Beispiel löste den Würfel 2019 bekanntermaßen in durchschnittlich 20 Zügen, was zeigt, dass spezialisierte KI diese Aufgabe meistern kann. Dies ist kein neuartiges Problem für KI; es ist ein bereits gelöstes.
Über das bloße Lösen von Rätseln hinaus misst der Würfel kritisch die Fähigkeit eines Modells in:
- Räumliches Denken: Verständnis der Manipulation von 3D-Objekten.
- Zustandserhaltung: Verfolgung der sich ständig ändernden Konfiguration des Würfels.
- Logische Planung: Strategische Entwicklung mehrstufiger Lösungen.
Es erfordert die Internalisierung der physikalischen Regeln eines Objekts, nicht nur das Erkennen von Pixeln oder Mustern.
DeepSeek V4.1 flash, ein Modell mit 1M Kontext und Wettbewerbssiegen gegen OpenAI's GPT-5.6 Sol und Anthropic's Claude Opus-5.0 bei agentischen Benchmarks, scheiterte an dieser grundlegenden Prüfung. Sein beobachtetes Versagen – bei dem Quadrate unabhängig voneinander schwebten und Farben sich ohne Bewegung änderten – offenbart eine tiefe Diskrepanz in seinem "nativen Bildverständnis". Der Rubik's Cube fungiert als unerbittliches Wahrheitsserum, das die Prahlerei von Benchmarks entlarvt und das wahre Verständnis eines Modells für die physische Welt offenbart. Mehr zu ihren fortschrittlichen Modellen finden Sie unter DeepSeek | Into the Unknown.
Gefällt Ihnen der Artikel? Erhalten Sie jeden Morgen einen wie diesen per E-Mail.
eine E-Mail pro Tag · Abmeldung mit zwei Klicks · kein Tracking durch Dritte
Jenseits von Benchmarks: Die Suche nach physischer Verankerung
Benchmarks, selbst fortschrittliche agentische wie DeepSWE v1.1 oder CyberGym, übersehen oft kritische blinde Flecken. DeepSeek V4.1 flash übertrifft Berichten zufolge GPT-5.6 Sol und Claude Opus-5.0 in diesen, scheitert jedoch an einem simulierten Rubik's Cube, was eine tiefe Diskrepanz zwischen abstrakter Aufgabenleistung und grundlegender physischer Realität demonstriert. Die Quadrate des Modells schwebten unabhängig voneinander, Farben änderten sich ohne Bewegung – eine klare Halluzination der Physik, nicht nur ein Unvermögen zu lösen.
Dies unterstreicht die enorme Herausforderung der physischen Verankerung (physical grounding). Ein Modell mag über enormes abstraktes Wissen und "natives Bildverständnis" verfügen, aber ohne ein kohärentes internes Modell von Ursache und Wirkung in einem 3D-Raum bleibt seine Intelligenz spröde. DeepSeek V4.1 flash konnte trotz seines 1M-Token-Kontexts und seiner multimodalen Fähigkeiten seine visuelle Eingabe nicht mit den konkreten, beständigen Regeln eines einfachen Objekts verbinden.
Damit KI wirklich über Text und statische Bilder hinaus in Robotik, komplexe Simulationen und reale agentische Aufgaben vordringen kann, muss diese Lücke geschlossen werden. Modelle benötigen ein robustes, beständiges Verständnis der physischen Welt, die sie bewohnen, nicht nur eine oberflächliche Interpretation von Pixeln. Bis dahin werden selbst Benchmark-Bezwinger weiterhin versagen, wenn sie mit den einfachsten Wahrheiten unseres Universums konfrontiert werden.
Häufig gestellte Fragen
Welches Modell wurde im Video getestet?
Das Video testet das DeepSeek V4.1 Flash Modell, ein leistungsstarkes multimodales Mixture-of-Experts (MoE) Modell, das im September 2026 veröffentlicht wurde, unter Verwendung von OpenAI's Codex Harness.
Warum ist das DeepSeek-Modell beim Rubik's Cube-Test gescheitert?
Das Modell scheiterte, weil es kein kohärentes 3D-Modell des Rubik's Cube aufrechterhalten konnte. Quadrate schienen unabhängig zu schweben und änderten ihre Farbe ohne Bewegung, was auf einen grundlegenden Mangel an räumlichem und physikalischem Verständnis hindeutet.
Hat eine KI schon einmal einen Rubik's Cube gelöst?
Ja. Im Jahr 2019 konnte DeepCubeA der UC Irvine, eine KI für tiefes verstärkendes Lernen (Deep Reinforcement Learning), ihn in einem Bruchteil einer Sekunde lösen. Dies verdeutlicht die Lücke zwischen spezialisierter KI und dem allgemeinen Schlussfolgerungsvermögen großer multimodaler Modelle.
Was offenbart dieses Versagen über aktuelle KI-Benchmarks?
Es legt nahe, dass standardmäßige agentische und logische Benchmarks möglicherweise nicht ausreichend auf physische Verankerung und dynamisches räumliches Verständnis testen, wodurch Modelle mit hohen Punktzahlen dennoch kritische blinde Flecken aufweisen können.