Donnerstag8. Oktober

Der heutige Tag stand im Zeichen sinkender Inferenzkosten und neuer Agenten-Infrastruktur. Anthropics Claude Haiku 5.5 mit bis zu 90 Prozent Preissenkung ist das deutlichste Signal: Das Modell kostet im Schnitt 75 Prozent weniger als sein Vorgänger Haiku 4.5 — für Prompts unter 100.000 Token, die laut Anthropic rund 90 Prozent aller bisherigen Haiku-Anfragen ausmachen, sinkt der Preis um bis zu 90 Prozent. Wichtige Einschränkung: Ein neuer Tokenizer erhöht den Token-Verbrauch pro Aufgabe spürbar, ähnlich wie beim Wechsel auf Opus 4.x, wo allein die Tokenizer-Änderung den Verbrauch um rund 30 Prozent steigen ließ. Die realen Einsparungen fallen damit kleiner aus als die Preistabelle suggeriert. Benchmarks zeigen dennoch eine dramatische Verbesserung — besonders bei Computer Use, wo Haiku 5.5 auf OSWorld-2.1 einen Sprung von 15,7 auf 72,4 Prozent erzielt, und auf dem Agentic-Coding-Benchmark Terminal-Bench 4.0 mit 39,2 Prozent antritt, während Haiku 4.5 dort null Punkte erreichte. Flankierend senkt Anthropic die Cache-Read-Kosten für Sonnet 5.5 um die Hälfte. Parallel dazu lanciert OpenAI die Decisions API für binäre Klassifikations-Tasks: Sie läuft laut OpenAI rund zehnmal schneller als die Responses API, unterstützt Ja/Nein-Wahrscheinlichkeiten, Kategorie-Picks und Skalen-Ratings — zu 0,10 Dollar pro Million Input-Token, Output-Token sind kostenlos. Anwendungsfälle umfassen Schadenserkennung in Fotos, Kundenanfragen-Routing und Dokumentenklassifikation. Gleichzeitig vereinfacht OpenAI seine Tarifstruktur von fünf auf drei Tiers: Build, Launch und Grow, mit monatlichen Limits von 500, 5.000 und 200.000 Dollar.

Während die großen Labs ihre APIs günstiger und schneller machen, verlagert sich die eigentliche Infrastruktur-Debatte in Richtung Cloud-nativer Agenten-Verwaltung. Stackloks Mecatl-Harness, entwickelt von zwei Kubernetes-Mitbegründern, argumentiert, dass Desktop-zentrierte Harnesses wie Claude Code oder Codex strukturell ungeeignet für Enterprise-Management sind — weil Loop, lokale Ausführung und Session-State in einem einzigen Prozess zusammengefasst sind. Mecatl trennt diese Schichten nach dem Kubernetes-Prinzip und verwaltet Agenten als Cloud-Jobs. Auch Microsoft bewegt sich in diese Richtung: Einerseits gibt Microsofts Hybrid-Intelligence-Ansatz Copilot Zugriff auf lokale Dateien und Windows-Funktionen — inklusive Dateisuche, Umbenennung, ZIP-Erstellung und E-Mail-Entwurf, wie in einer Onstage-Demo gezeigt. Andererseits veröffentlicht Microsoft Research Asia mit Agent Lightning v1.0 ein schlankes RL-Framework für Agenten-Training: Rund 3.500 Zeilen Code, natives Kubernetes-Support, keine Abhängigkeit von kommerziellen Sandbox-Diensten. In einem Beispiel-Pipeline wurde Qwen3.5-9B damit auf SWE-bench Verified von 41,8 auf 56,4 Prozent Pass@1 gebracht — mit rund 6.000 Trainingsbeispielen aus einem Open-Source-Datensatz.

Dass leistungsfähigere und günstigere Modelle nicht automatisch bessere Entwicklungsergebnisse bedeuten, belegt eine aktuelle Umfrage zu KI-generiertem Code und steigendem Debugging-Aufwand. Das von Coleman Parkes im Auftrag von Undo durchgeführte Survey unter 300 leitenden Ingenieuren zeigt: Teams verbringen im Schnitt 9,8 Stunden pro Woche mit Code-Produktion, aber 16,9 Stunden mit Debugging — 42 Prozent der Arbeitswoche. 35 Prozent des generierten Codes erreicht die Produktion, bevor das Team ihn vollständig verstanden hat. 80 Prozent der Befragten geben an, dass Coding-Agents bei schwierigen Problemen in komplexen Codebases scheitern. Und 79 Prozent der Engineering-Leader sagen, dass der Gesamtrelease-Zyklus trotz schnellerer Code-Generierung nicht kürzer geworden ist. Dieses Bild kontrastiert scharf mit dem Optimismus rund um Open-Source-Coding-Agents: Ein Community-Benchmark über 469 Domain-Fragen zeigt, dass das lokale Fine-Tune Signal-3.8-27B-Terse-Coder Q4_K_M auf Consumer-Hardware (M1 Max 32 GB) die beste Genauigkeit unter den getesteten lokalen Modellen erreicht — aber 28-mal langsamer als Frontier-Modelle wie Opus 5.5 läuft.

Den Hintergrund dieser Entwicklungen bilden zwei weitere Meldungen, die die Bandbreite des Moments illustrieren. Auf der einen Seite zeigt ein Open-Source-Klon der Adobe Creative Suite, erstellt mit Claude Opus 5.5: Entwickler Brandon Thomas replizierte sieben Adobe-Anwendungen in Rust — darunter Photoshop, Illustrator und Premiere — und verspricht 100-prozentige Feature-Parität binnen eines Monats, wobei er diese Aussage kurz darauf auf „Monate statt Jahre" für 99 Prozent Parität korrigierte. Das Projekt steht unter MIT/Apache-Lizenz und ist noch im frühen Alpha-Stadium; rechtliche Risiken durch Trade-Dress-Verletzungen bestehen laut Ars Technica ausdrücklich. Auf der Infrastrukturseite open-sourced Meta mit Rebalancer eine C++/Python-Bibliothek zur Placement-Optimierung, die intern seit über neun Jahren im Einsatz ist und täglich rund 40 Millionen Assignment-Probleme löst — jetzt per pip unter Apache 2.0 verfügbar. Im Open-Source-Modell-Feld schließlich vermerkt ein Überblick zu westlichen Open-Weight-Modellen, dass Beam von Reflection AI und Mistral Large 4 — ein Billion-Parameter-Modell mit 49 Milliarden aktiven Parametern — zwar bedeutende Fortschritte für US- und europäische Open-Source-Modelle darstellen, chinesische Anbieter wie DeepSeek aber noch nicht eingeholt haben. Gleichzeitig zeigt der a16z-Report laut diesem Überblick, dass die bezahlte KI-Adoption bis Frühjahr 2026 bei lediglich rund 2,2 Prozent liegt — eine nüchterne Zahl hinter dem Infrastruktur-Boom.