Devin — Mai 2026

Cognition meldet, dass Devin 89 % des internen Codes schreibt (vs. 13 % im Dezember), OpenRouter hat seinen wöchentlichen Token-Durchsatz in sechs Monaten verfünffacht — der Markt für autonomes Coding und Modell-Routing ist keine Zukunftsprognose mehr, sondern ablesbar auf der Gewinn- und Verlustrechnung.

AI-generierter Code erzeugt laut CodeRabbit 1,7-mal mehr Probleme als menschlicher Code, und Unternehmen wie Amazon und Uber berichten, dass hoher Token-Verbrauch nicht zu messbaren Produktivitätssteigerungen geführt hat – Teams sollten KI-Output konsequent wie Junior-Dev-Code reviewen.

Bei Cognition selbst schreibt Devin bereits 89 % des commitierten Codes – trotzdem positioniert Wu den Agenten als Entlastung für unbeliebte Wartungsaufgaben, nicht als Ersatz für Entwickler. Das Framing zeigt, wie KI-Firmen wachsenden Jobverlust-Ängsten begegnen wollen.

Für Teams, die Claude Code oder autonome Agenten einsetzen, bringt Opus 4.8 relevante Verbesserungen bei Tool Calling, Selbstkorrekttur und Kostensenkung im Fast Mode – ohne Preiserhöhung. Der 84%-Score auf Online-Mind2Web signalisiert einen deutlichen Sprung bei Browser-Agenten.

Mit 492 Mio. USD annualisiertem Umsatz und 50 % monatlichem Wachstum über sechs Monate zeigt Cognition, dass spezialisierte KI-Coding-Startups trotz Konkurrenz durch Claude Code, OpenAI Codex und Google Jules eigenständig skalieren können – relevant für alle Teams, die auf Devin im Enterprise-Einsatz setzen.

Kernel-Level-Performance-Arbeit wird als direktester Einstiegspfad in die Labs bezeichnet; konkrete Übungen wie das Ableiten von Chinchilla-Laws und das Schreiben eines Pallas-Kernels, der ragged_dot schlägt, machen den Guide zu einem praktischen Lehrplan für ML-Engineers.

Entwickler, die Claude über Drittanbieter-Harnesses wie OpenClaw oder claude-p nutzen, verlieren den bisherigen impliziten Rabatt von geschätzt 70–90 % gegenüber API-Preisen. Codex profitiert kurzfristig von dieser Verschiebung als günstigere Alternative.

Die Wendung signalisiert, dass selbst die Trump-Administration nationale Sicherheitsrisiken bei Frontier-KI-Modellen ernst nimmt. Allerdings warnen Experten vor fehlenden Evaluierungsstandards und Politisierungsrisiken, die das Vertrauen in die Sicherheitsprozesse untergraben könnten.