Sonntag26. Juli

Anthropic dominiert die Frontier-Debatte — und das gleich auf drei Ebenen. Claude Opus 5 führt den Artificial Analysis Intelligence Index mit einem Score von 61 Punkten, knapp vor Fable 5 (60) und GPT-5.6 Sol (59). Beim Coding Agent Index teilen sich Opus 5 mit Claude Code und GPT-5.6 Sol mit Codex den ersten Platz bei je 67 Punkten. Auf Terminal-Bench v2.1 erzielt Opus 5 89 Prozent auf dem "max"-Level — Gleichstand mit dem bisherigen Spitzenreiter. Der Preis-Leistungs-Vorteil ist real: Eine durchschnittliche Intelligence-Index-Aufgabe kostet mit Opus 5 2,03 Dollar, während Fable 5 mit Fallback auf 2,75 Dollar kommt. Allerdings bleibt eine strukturelle Schwäche: Die Halluzinationsrate stieg gegenüber Opus 4.8 um 14 Prozentpunkte auf 50 Prozent, weil das Modell auch bei Unsicherheit häufiger antwortet. Epoch AI bestätigt das enge Rennen — Opus 5 erreicht einen Epoch Capability Index von 159, minimal unter Fable 5 mit 161 — und unterstreicht damit das Argument einer sich anbahnenden Modell-Kommoditisierung.

Sicherheitstechnisch liefert Anthropic gleichzeitig einen bemerkenswerten Befund: Opus 5 mit aktiviertem Auto Mode erreicht eine Prompt-Injection-Rate von null Prozent über 129 Browser-Agenten-Szenarien — eine Lücke, die OpenAI im Dezember noch als möglicherweise unlösbar eingestuft hatte. Die Null gilt jedoch nur mit dem zweistufigen Auto-Mode-Schutz in Produkten wie Claude Cowork: Die erste Schicht scannt eingehende Daten auf versteckte Anweisungen, die zweite blockiert gefährliche Aktionen vor der Ausführung. Ohne Auto Mode liegt Opus 5 bei 3,7 Prozent — schlechter als Sonnet 5 mit 0,93 Prozent. Parallel dazu hat Anthropic über 80 Prozent des Claude-Code-Systemprompts für Claude-5-Modelle entfernt — ohne messbare Verschlechterung in Coding-Evaluierungen. Die Begründung: Ältere Constraints waren zum Großteil Absicherungen gegen Worst-Case-Szenarien, die das Modell inzwischen selbst durch Kontext und Urteilsvermögen bewältigt. Builder können mit dem neuen `/doctor`-Befehl in Claude Code veraltete Regeln in CLAUDE.md-Dateien und Skills automatisch identifizieren und entfernen.

Die Erkenntnis, dass Kontext mehr zählt als Modell-Reasoning, erhält inzwischen Rückhalt aus der Observability-Forschung. Eine Studie zu KI-gestützter Root Cause Analysis von Coroot zeigt: Wenn die Kontext-Pipeline stimmt — also Telemetriesignale korreliert und fokussiert dem Modell übergeben werden —, dann lösen selbst mittelgroße Modelle komplexe Diagnose-Szenarien zuverlässig. Alle getesteten Frontier-Modelle (darunter Claude Opus 4.8, GPT-5.5 und Gemini 3.1 Pro) identifizierten die Root Cause korrekt; unter den selbst hostbaren Modellen schaffte nur Gemma 4 31B den Test. Das ergänzt sich mit der Vektorsuche-Analyse zu HNSW, SPANN und DiskANN: Wer Kontext-Pipelines für agentic Memory oder RAG im Milliarden-Vektor-Bereich betreibt, muss RAM-Kosten aktiv managen — On-Disk-Ansätze wie DiskANN oder SPANN senken die Kosten signifikant, erkaufen sich das aber mit höherer Latenz. Wer lokale Inferenz bevorzugt, findet in Logue eine Open-Source-Referenzimplementierung: Die MIT-lizenzierte macOS-App läuft vollständig on-device via MLX auf Apple Silicon, kombiniert Apples SpeechTranscriber mit FluidAudio-Diarisierung und LLM-Zusammenfassung — ohne Cloud, ohne Accounts, ohne Telemetrie. Einschränkung: nur macOS 26 (Tahoe). Und wer MI50-Hardware für Inferenz einsetzt, findet in Power-Throttling-Tests mit Qwen3-35B einen konkreten Betriebspunkt: Bei 50 Watt erreicht die GPU 70 Prozent der Peak-Generierungsgeschwindigkeit bei nur 26 Prozent des Peak-Stromverbrauchs — eine 3,6-fach bessere Energieeffizienz gegenüber dem 190-Watt-Betrieb.

Auf der Makroebene bleibt das Bild widersprüchlich. Laut einer Financial-Times-Analyse haben US-Tech-Unternehmen seit Jahresbeginn fast 140.000 Jobs gestrichen, Amazon, Oracle, Meta und Microsoft allein fast 50.000 davon — bei gleichzeitiger Investition von Hunderten Milliarden Dollar in KI-Rechenzentren. Besonders aufschlussreich: Unternehmen, die KI als Entlassungsgrund nennen, haben den Nasdaq in den 30 Handelstagen nach der Ankündigung um knapp 10 Prozent underperformt. Der Markt quittiert die KI-Umstrukturierungsrhetorik also mit Skepsis. Monday.com etwa kündigt 20 Prozent seiner Belegschaft — rund 600 Stellen — und erwartet Restrukturierungskosten von 45 bis 55 Millionen Dollar, prognostiziert aber weiterhin bis zu 20 Prozent Umsatzwachstum für 2026. Diese Ambivalenz zeigt sich auch auf Nutzerseite: Bibliothekarinnen in den USA veranstalten viral gehende „Avoiding AI"-Workshops, bei denen sie Teilnehmern erklären, wie man Apple Intelligence und Gemini deaktiviert. Librarian Hannah Cyrus musste ihre erste Veranstaltung auf 30 Personen deckeln, öffnete eine Warteliste und streamte zusätzlich via Zoom — insgesamt nahmen rund 70 Personen teil. Das Signal an Builder ist eindeutig: Erzwungene KI-Integration ohne transparente Opt-out-Optionen erzeugt messbaren Widerstand.

Für Entwickler bleibt schließlich ein handfester Hinweis aus dem Python-Ökosystem: Ruff v0.16.0 aktiviert standardmäßig 413 Lint-Regeln — siebenmal mehr als bisher. Wer Ruff als ungepinnte Abhängigkeit führt, wird das in der CI sofort bemerken. Simon Willison fand nach dem Upgrade in seinen drei größten Projekten Hunderte neuer Fehler; der Einzeiler `uvx ruff@latest check . --fix --unsafe-fixes` behob den Großteil automatisch. Dass Willison anschließend Codex für zwei Projekte und Claude Code mit Opus 5 für ein drittes zur Korrektur einsetzte, rundet die Woche ab — Frontier-Modelle als Werkzeug, nicht als Ersatz für gewartete Pipelines.