Replicate — Juli 2026

Das Ergebnis wurde laut Titel mit GPT-5 (als „Sol" bezeichnet) gelöst oder wesentlich unterstützt – ein konkretes Beispiel, dass KI-Systeme bei offenen mathematisch-physikalischen Vermutungen produktiv eingesetzt werden können. Für AI-Builder zeigt dies das Potenzial von LLMs in der mathematischen Grundlagenforschung.

Entwickler können ihren Agenten-Workflow über MCP direkt mit dem Videoeditor verbinden und so Massenprozesse wie die Replikation eines Podcast-Schnittstils auf beliebige Footage automatisieren – ohne manuelle Import-Export-Schleifen zwischen KI-Plattform und Editor.

Pelikane landen trotz Benchmark-Prominenz auf Platz 6 von 8 Tieren, Fahrräder auf dem vorletzten Platz – kein Muster, das auf gezieltes Overfitting hindeutet. Für Eval-Design zeigt die Studie aber, wie ein einfacher Generalisierungstest (gleiche Prompt-Struktur, variierte Entitäten) Benchmark-Gaming sichtbar machen kann.

Der Vorschlag zielt darauf ab, die Lücke zwischen Open-Source- und Closed-Source-Modellen bei anspruchsvollen STEM-Aufgaben empirisch zu messen – relevant für alle, die lokale Modelle für Forschung oder Sicherheitsanalysen einsetzen wollen.

Enterprise-Kunden wechseln zu token-effizienteren chinesischen Open-Weight-Modellen, was den Preisdruck auf US-Anbieter wie OpenAI und Anthropic massiv erhöht. Routing-Infrastruktur (z. B. Databricks) gewinnt an Bedeutung, während Frontier-Modell-Verbote durch die Trump-Administration neue Compliance-Risiken für AI-Builder schaffen.

Claude Fable 5 verursachte allein durch Token-Kosten $17–25 pro Run (30–40% der Gesamtkosten), GPT-5.6 Sol nur $3–4 trotz ähnlichem Token-Volumen. Für Agentic-Workflows mit langen Horizont sind LLM-Betriebskosten ein kritischer Kostenfaktor neben den eigentlichen Tool-Calls.

Die Beobachtung, dass Claude Codes Stärke weniger im Modell als im Agenten-Design (Planung, Backups, Verifikation) liegt, ist für lokale LLM-Nutzer relevant: Ähnliches Verhalten könnte durch gezielte Prompt-Engineering-Strategien und Open-Source-Agenten-Frameworks nachgebildet werden.

Wer Community-Finetuned-Modelle (Roleplay, Coding, spezielle GGUFs) in Apps einsetzen will, muss weiterhin selbst hosten – via Modal, RunPod, Baseten oder Replicate. Dienste wie OpenRouter oder Together decken nur populäre Modelle ab.

Zeigt konkret lösbare Train/Inference-Parity-Probleme bei nicht-Transformer-Architekturen (LTM-Mismatch, RWKV-Aktivierungsspikes, Drift-State-Fehler) – relevant für Teams, die effiziente rekurrente Kleinmodelle abseits klassischer Attention erforschen.