Meta forciert AI-Slop und China seine Unabhängigkeit

Meta beschleunigt die AI-Slopisierung von Insta und WhatsApp

Meta launcht heute Muse Image, ein KI-Bildmodell, das direkt in Instagram und WhatsApp läuft. Nutzer können damit Fotos erzeugen, die ihren üblichen Posts ähneln: Strandselfies, alte Familienbilder restaurieren oder sich als Knetfigur darstellen. Es ist das erste Bildmodell aus Metas neuer Einheit Meta Superintelligence Labs, für die Mark Zuckerberg nach dem Rückstand im vergangenen Frühjahr Milliarden ausgegeben hat. Muse Image ersetzt in der Meta-AI-App die bisher zugekaufte Technologie von Midjourney; ein Video-Pendant namens Muse Video ist als Vorschau angekündigt. Insgesamt will Meta dieses Jahr bis zu 145 Milliarden Dollar in KI stecken, während parallel Tausende Stellen gestrichen werden. Der Weg war holprig: Im Juni ließ ein Bug in Metas KI-Kundenservice Hacker über 34.000 Instagram-Konten angreifen. KI-Chef Alexandr Wang verspricht intern ein Spitzenmodell namens Watermelon, das mit OpenAIs bestem Modell mithalten soll. → www.nytimes.com

Synthszr Take: Meta baut die KI nicht als Chat-Fenster daneben, sondern dorthin, wo die Leute ohnehin sind (drei Milliarden Nutzer täglich in Instagram und WhatsApp). Das ist die einzig sinnvolle Antwort auf die Frage, warum man nach OpenAI und Google noch ein Bildmodell braucht: Muse Image muss nicht gefunden werden, es liegt schon im Feed. Genau deshalb ist der Bruch mit Midjourney folgerichtig, denn wer Distribution besitzt, will die Erfolgsformel nicht mieten. Trotzdem bleibt die Rückenlage sichtbar. Muse Spark hinkt hinterher, das Spitzenmodell heißt noch Watermelon und existiert bisher als Versprechen, und 145 Milliarden Dollar Investment neben Massenentlassungen erzeugen einen Erwartungsdruck, den ein hübscher Golden-Hour-Filter allein nicht trägt. In wenigen Wochen sollen Werbekunden das Modell für Anzeigen nutzen können, und dort entscheidet sich, ob aus dem Feature Umsatz wird oder nur Rechenkosten. Der Hebel liegt in der Distribution, nicht im Benchmark, und das ist die eine Karte, die Meta wirklich in der Hand hält.

Chinesische KI-Modelle erobern US-Markt

Amerikanische Firmen bauen ihre KI-Produkte zunehmend auf chinesischen Modellen wie DeepSeek, Alibabas Qwen und Zhipus GLM 5.2 auf. Über die Entwicklerplattform OpenRouter liegt der Anteil chinesischer Modelle am Token-Verbrauch seit dem 8. Februar jede Woche über 30 Prozent, Spitzenwert 46 Prozent. Im Schnitt der zwölf Monate davor waren es 11 Prozent, in der ersten Hälfte 2025 sogar nur 4,5 Prozent. Der Treiber ist der Preis: Open-Source-Modelle aus China sind laut OpenRouter 60 bis 90 Prozent günstiger als die Spitzenmodelle von OpenAI und Anthropic. Das Startup Lindy hat im Juni seinen gesamten Traffic von Claude auf DeepSeek umgezogen und spart damit nach Angaben von CEO Flo Crivello Millionen innerhalb von Monaten. Bei der Leistung schließt sich der Abstand: GLM 5.2 landete bei einem viel beachteten agentischen Benchmark einen Prozentpunkt an Anthropics Opus 4.8 heran, zu rund einem Fünftel der Kosten. Brookings-Experte Kyle Chan schätzt den Rückstand chinesischer Modelle auf sechs bis neun Monate. → www.cnbc.com

Synthszr Take: Der Sprung von 4,5 Prozent auf zeitweise 46 Prozent Token-Anteil in einem halben Jahr zeigt, wie schnell Compute-Disziplin einsetzt, sobald die Rechnung wehtut. Solange Kapital billig war, hat man das beste Modell genommen und nicht gefragt, was es kostet. Jetzt routet jedes vernünftige Team die einfachen Aufgaben auf das billigste Modell, das gut genug ist, und genau dieses Segment gewinnt gerade die chinesische Welle. Im Mai war DeepSeek noch in Bewertungsgesprächen mit Staatsfonds, heute ersetzt es bei Lindy komplett Claude, und die Performance ist bei den Kern-Use-Cases sogar gestiegen. Das erinnert an Linux gegen die geschlossenen Unix-Derivate: offen, günstig und irgendwann einfach der Standard, an dem keiner mehr vorbeikommt. Wer eine reife KI-Strategie hat, sollte diese Woche seinen Token-Verbrauch nach Aufgabentyp aufschlüsseln und die anspruchslosen Workloads gegen ein offenes Modell testen; die Ersparnis ist real und sofort messbar. Exportkontrollen und Regulierung mögen das politisch verlangsamen, aber gegen eine Kostenkurve, die in den Keller rauscht, hilft keine Verordnung.

China diskutiert über eine Große Mauer um seine Billig-KI

China hat wochenlang mit Alibaba, ByteDance und Z.ai über Beschränkungen des Auslandszugriffs auf die eigenen KI-Systeme verhandelt, wie Reuters berichtet. Betroffen wären laut Bericht sowohl Open-Source- als auch proprietäre Modelle, inklusive noch unveröffentlichter Modelle, sowie Regeln, nach denen Investoren chinesische KI-Startups überhaupt finanzieren dürfen. Auf Pekings Anweisung hin kappte Meta bereits alle Verbindungen zum chinesischstämmigen Startup Manus, nur rund sechs Monate nach der 2-Milliarden-Dollar-Übernahme. Parallel wenden sich chinesische Entwickler von Nvidia ab und setzen auf heimische Chips, flankiert von Pekings Zusage, in fünf Jahren rund 2 Billionen Yuan (etwa 294 Milliarden Dollar) in eigene Rechenzentren zu stecken. Auslöser ist der technische Aufholprozess: Z.ais GLM-5.2 erreichte in Cybersecurity-Benchmarks das Niveau proprietärer US-Modelle, trainiert zu einem Bruchteil der Kosten. Zusätzlich verunsichert Anthropics Mythos, ein Modell, das selbst in robusten Cyberabwehren Schwachstellen aufspürt. Yuval Noah Harari nennt die entstehende Trennlinie den „Silicon Curtain“. → gizmodo.com

Synthszr Take: Genau in dem Moment, in dem Chinas günstige Open-Source-Modelle für klamme US-Firmen attraktiv werden, zieht Peking den Vorhang zu. Das ist die eigentliche Ironie: Die Diffusionskraft, die GLM & Co. erst zum echten Faktor gemacht hat, wird jetzt zur nationalen Ressource erklärt und eingemauert. Für alle, die außerhalb des US-China-Duopols wirtschaften, ist das kein Randthema, sondern eine strategische Frage. Wer heute chinesische Modelle in seinen Stack legt, sollte einkalkulieren, dass der Zugang morgen politisch abgeschaltet werden kann, so wie Manus es nach 294 Tagen erlebt hat (grob gerechnet). Der praktische Zug diese Woche: Modell-Abhängigkeiten inventarisieren und für jeden kritischen Use Case einen zweiten, ideologisch neutralen Bezugsweg definieren. Die 57 Prozent des Welt-BIP jenseits von Washington und Peking brauchen genau das: KI, die nicht an einer Grenze endet. Der Silicon Curtain ist noch nicht zugezogen, aber wer erst reagiert, wenn er zufällt, hat den falschen Anbieter gewählt.

Chinas KI-Labore planen eigene Chips

Gleich zwei chinesische KI-Labore drängen ins Silizium. Deepseek entwickelt laut Reuters einen eigenen Chip für Inference — die Phase, in der trainierte Modelle Antworten erzeugen, nicht das Training. Das Startup spricht mit Design-, Fertigungs- und Speicherfirmen und stellt seit Monaten still Chip-Ingenieure ein, ohne öffentliche Ausschreibungen. Parallel nimmt Deepseek erstmals externes Kapital auf: 7 Milliarden Dollar bei einer Bewertung von 52 bis 59 Milliarden — im Mai standen noch 45 Milliarden im Raum. Auch Zhipu AI, das Labor hinter der Open-Source-Reihe GLM, erwägt laut The Information einen eigenen Chip, weil die GLM-Nachfrage die verfügbare Compute-Kapazität sprengt. Hintergrund beider Schritte: US-Exportkontrollen schneiden chinesische Firmen von den fortschrittlichsten Chips und Speichern ab. Und der Trend ist global — Anthropic verhandelt mit Samsung über Fertigung, OpenAI arbeitet ebenfalls an eigenem Silizium. → Techpresso / The Information

Synthszr Take: Der eigentliche Punkt steckt im Wort Inference. Deepseek greift nicht das Training an, wo Nvidias Burggraben am tiefsten ist, sondern den Teil, der jeden Tag laufen muss und die Rechnung frisst — das kommodifizierbare Ende der Wertschöpfung, wo Volumen und Kosten hängen. Dass Zhipu zeitgleich denselben Weg prüft, sagt mehr über den Engpass als über die Ambition: Compute ist in China gerade das knappste Gut überhaupt, und Nvidia lässt sich dort nicht frei nachbestellen. Die 7 Milliarden frisches Kapital bei Deepseek sind kein Zufall neben dem Chip-Projekt — Silizium kostet Sauerstoff. Interessant ist die Gleichzeitigkeit über Blöcke hinweg: Anthropic geht zu Samsung, OpenAI baut selbst, Chinas Labore ziehen nach. Jeder, der ernsthaft skaliert, weigert sich, den teuersten und strategisch heikelsten Layer einem einzigen Zulieferer zu überlassen. Die spannende Frage ist nicht, ob diese Chips gut werden — eigene Chips brauchen Jahre und Milliarden, und viele Ankündigungen enden als Verhandlungsmasse gegenüber Nvidia. Sie ist, ob die Exportkontrollen Fertigung und Speicher so weit zudrehen, dass aus Chinas Plänen Zombie-Projekte werden. Für alle anderen gilt: Wer heute Inference-Kosten kalkuliert, sollte einplanen, dass der Nvidia-Aufschlag mittelfristig unter Druck gerät — und die Model-Ebene bewusst austauschbar halten. Wer den Stack von unten besitzt, diktiert die Preise oben.

Token-Kosten: Anthropic will CFOs pleasen

Anthropic hat drei neue Funktionen in Claude Enterprise ausgerollt, mit denen Organisationen ihren Token-Verbrauch überwachen und deckeln können. Spend Alerts warnen Admins bei 75 und 90 Prozent des Limits, Mitarbeiter bei 75 und 95 Prozent, mit Anfrage-Button direkt in der App. Über „Costs vs. Outputs“ lässt sich der Output gegen die Kosten stellen, und mit „Model Defaults“ können Admins günstigere Modelle als Standard setzen, rollenbasiert oder für die ganze Organisation. Der Hintergrund: Nach dem Tokenmaxxing der ersten Jahreshälfte 2024 sind die Inference-Kosten vielerorts eskaliert. Uber verbrannte sein Jahres-KI-Budget in den ersten vier Monaten, Databricks-CEO Ali Ghodsi sprach von „hair on fire“. Laut Ramp-Daten vom 6. Juli nutzen 77 Prozent der Firmen mit Frontier-LLMs Anthropic-Modelle, ein Plus von 40 Punkten binnen eines Jahres. Und das, obwohl Anthropics annualisierter Umsatz von 9 auf 47 Milliarden Dollar gesprungen ist. → The Deep View

Synthszr Take: Der Verkäufer baut dir freiwillig den Sparknopf ein, während seine Kasse wie nie zuvor klingelt. Klingt paradox, ist aber die einzig kluge Rechnung: Wer 2026 als der sichere, verlässliche Enterprise-Partner gelten will, kann sich keine CFOs mit brennenden Haaren leisten. Die Uber-Zahl ist die eigentliche Warnung – ein Jahresbudget in vier Monaten weg, das passiert genau dann, wenn man Adoption per Leaderboard incentiviert und niemand auf die Grenzkosten schaut. Was hier wirklich zählt, sind die Model Defaults: Wer standardmäßig auf dem teuersten Modell startet, zahlt eine Steuer für Bequemlichkeit, die sich über tausende Sessions summiert. Diese Woche lässt sich das abstellen, das Setting sitzt in den Organisationseinstellungen und braucht keine Grundsatzdebatte. Anthropic wettet auf den Ruf statt auf den kurzfristigen Verbrauch, und mit 77 Prozent Marktanteil bei den Frontier-Nutzern ist das die souveränere Position. Compute-Disziplin wird 2026 zum Wettbewerbsvorteil, und wer sie jetzt einzieht, spart nicht nur Geld, sondern behält die Kontrolle über die eigene Toollandschaft.

Compute handeln: Wall Street entdeckt den KI-Rohstoff

Ornn, ein von Andreessen Horowitz finanziertes Startup, hat eine Seed-Runde über 33 Millionen Dollar eingesammelt, um einen Marktplatz für den Handel mit Rechenleistung aufzubauen, ähnlich den etablierten Ölmärkten. Die Idee: KI-Firmen sollen Compute über Futures absichern, so wie Airlines ihren Kerosinpreis oder Hersteller ihre Metallpreise. Goldman Sachs schätzt, dass zwischen 2026 und 2031 weltweit rund 7,6 Billionen Dollar in Compute, Strom und Rechenzentren fließen, doch die dafür nötige Finanzinfrastruktur existiert laut der Bank noch nicht. Genau die will Ornn liefern, bereits integriert in das Bloomberg Terminal und operierend unter einer De-minimis-Ausnahme, während größere Häuser noch auf regulatorische Freigaben warten. CME plant Compute-Futures auf Basis des Silicon-Data-Benchmarks, die Intercontinental Exchange GPU-Futures an Ornns Preisindex gekoppelt. Der Haken bleibt physikalisch: GPU-Kapazität lässt sich nicht lagern, und jede neue Nvidia-Generation entwertet die alten Chips, jeder Benchmark jagt also einem verfallenden Asset hinterher. CEO Kush Bavaria rahmt das Ganze zudem als amerikanischen Vorteil gegenüber China und arbeitet nach eigener Aussage nicht mit chinesischen Laboren. → Axios AI+

Synthszr Take: Compute wird zum Rohstoff, und Wall Street riecht die 7,6 Billionen. Das ist die logische Fortsetzung dessen, was wir im Mai schon sahen, als OpenAI garantierte Rechenleistung als Lockmittel anbot: Wer den GPU-Zugang absichert, sichert die eigene Zukunft. Nur ist Compute eben ein widerspenstiger Rohstoff, weil ungenutzte Kapazität schlicht verschwindet und jede neue Nvidia-Generation die Kalkulation über den Haufen wirft. Ein Terminmarkt auf ein Asset, das jedes Jahr an Wert verliert und nicht lagerbar ist – das wird ein hartes Stück Finanz-Engineering. Trotzdem lohnt sich der Blick jetzt, nicht später: Wer Compute langfristig einkauft, sollte Preisabsicherung und Benchmarking als eigene Disziplin behandeln, statt sich blind an Vorab-Verträge einzelner Hyperscaler zu ketten. Ornn wird vielleicht nicht der Gewinner sein, aber die Richtung stimmt. Compute mag nie handeln wie Öl, und genau deshalb wird der erste, der es funktionierend abbildet, einen einzigartigen Vorteil haben.

JadePuffer: Ransomware, die sich in Echtzeit anpasst

Sicherheitsforscher haben mit JadePuffer die erste bekannte „agentic ransomware“ dokumentiert, also Erpressungssoftware, die sich in Echtzeit an ihre Umgebung anpasst. Statt ein starres Skript abzuarbeiten, wiederholt JadePuffer einzelne Schritte, wenn sie fehlschlagen, und arbeitet sich so eigenständig durch eine komplette Erpressungsoperation von Anfang bis Ende. Der Bericht von Bill Toulas bei BleepingComputer beschreibt das als durchgängige Kette: Zugang verschaffen, Daten abgreifen, verschlüsseln, Lösegeld fordern – alles ohne dass ein Mensch bei jedem Grenzfall nachsteuern muss. Bemerkenswert ist die Retry-Logik, mit der die Software Hindernisse umgeht, die klassische Ransomware zum Stillstand bringen würden. Damit verschiebt sich die Angreiferseite von vorprogrammierten Abläufen hin zu Systemen, die selbst entscheiden, wie sie ans Ziel kommen. Es ist der Punkt, an dem die Agenten-Logik, die wir seit Monaten in Produktivumgebungen bejubeln, auf der anderen Seite ankommt. → us.list-manage.com

Synthszr Take: Die gleiche Autonomie, die einen Coding-Agenten nachts durch dein Backlog arbeiten lässt, treibt jetzt eine Erpressungsoperation an, die sich selbst repariert, wenn ein Schritt scheitert. JadePuffer ist der Beweis, dass „Retry until success“ auch für die Gegenseite funktioniert. Wer seine Abwehr noch auf bekannte Signaturen und feste Angriffsmuster stützt, verteidigt gegen ein Drehbuch, das der Angreifer längst weggeworfen hat. Die eigenen Guardrails gehören diese Woche auf den Prüfstand: Segmentierung, Rechte-Minimierung und Backups, die auch dann halten, wenn ein Prozess zwanzig Anläufe nimmt. Nach den iranischen Angriffen im März und dem DarkSword-Tool auf GitHub ist das der nächste logische Schritt, und er kam schneller als die meisten Sicherheitsbudgets erlauben. Die gute Nachricht: Agentische Verteidigung lässt sich mit denselben Werkzeugen bauen, und wer jetzt anfängt zu automatisieren, hat noch Vorsprung. Symmetrie schlägt Panik.

Agent-Native Memory: Das Gedächtnis der KI-Agenten

Ein neues Paper (arXiv, eingereicht im Juni 2026 von Shao Kun Han und Kollegen) nimmt sich das Gedächtnis von LLM-Agenten mal aus Datenbank-Perspektive vor, statt es wie üblich als Blackbox zu behandeln. Die Autoren zerlegen Agent-Memory in vier Module: Repräsentation und Speicherung, Extraktion, Retrieval samt Routing und Maintenance. Auf dieser Basis haben sie 12 repräsentative Memory-Systeme plus zwei Baselines über fünf Benchmark-Workloads und 11 Datensätze durchgemessen. Das zentrale Ergebnis: Keine einzige Architektur gewinnt über alle Szenarien, die Wirksamkeit hängt davon ab, wie gut die Gedächtnisstruktur zum jeweiligen Engpass des Workloads passt. Über feingliedrige Ablation-Studien quantifizieren sie außerdem Repräsentationstreue, Retrieval-Präzision, Update-Korrektheit und Langzeitstabilität. Und sie zeigen einen klaren Kosten-Nutzen-Effekt: lokal begrenzte Pflege des Gedächtnisses ist deutlich günstiger als eine globale Reorganisation. Der Code liegt offen auf GitHub. → Aakash Gupta

Synthszr Take: Endlich misst mal jemand, was Agenten wirklich teuer und instabil macht. Die meisten Teams optimieren am Modell herum, dabei hat die Wahl der Memory-Architektur eine viel längere Halbwertszeit als die Wahl des LLMs. Der interessanteste Befund steckt im Kostenteil: lokale Pflege schlägt globale Reorganisation, weil man nicht jedes Mal das ganze Gedächtnis neu aufräumen muss, wenn sich ein Detail ändert. Wer heute Agent-Fleets in Produktion bringt, sollte genau hier ansetzen, denn der Compound-Engineering-Loop lebt davon, dass Erkenntnisse persistieren und beim nächsten Run wieder abrufbar sind. Dass keine Architektur überall dominiert, ist keine Ausrede für Beliebigkeit, sondern der Auftrag, das Gedächtnis am tatsächlichen Engpass des eigenen Workloads auszurichten. Die vier Module aus dem Paper taugen sofort als Checkliste für die nächste Architektur-Entscheidung. Wer das ignoriert, zahlt seine Agenten-Rechnung doppelt: einmal im Compute und einmal in der Instabilität.- -Metakognitives Feedback verhilft LLMs zu mehr Unsicherheit

Tech-Arbeitskräfte 2026: Eine Belegschaft spaltet sich

Lenny Rachitsky und Noam Segal haben zum zweiten Mal in Folge eine große Umfrage unter Tech-Beschäftigten ausgewertet, und das Bild von 2026 zeigt eine tief gespaltene Belegschaft. Auf die Frage, wie KI ihr Selbstbild als Profis verändert hat, sagen 49 Prozent „amplified“ (sie können mehr und Besseres), während sich 13,9 Prozent „destabilisiert“ und weitere 5 Prozent schlicht „entwertet“ fühlen. Genau diese Selbsteinordnung sagt die Karrierestimmung stärker voraus als Rolle, Senioritätsstufe oder Firmengröße zusammen (standardisiertes β von +0,39 für Optimismus, +0,60 für die Weiterempfehlung des eigenen Felds). Der signifikante Burnout stieg binnen eines Jahres von 44,7 auf 55,7 Prozent, der Karriereoptimismus fiel von 54,8 auf 48,7 Prozent. 53 Prozent würden Neueinsteigern von ihrem eigenen Beruf abraten, obwohl viele für sich selbst zuversichtlich bleiben. 82 Prozent berichten von messbar höherer Produktivität, doch die größte Sorge ist nicht Jobverlust (nur 22 Prozent), sondern mehr Arbeit fürs gleiche Geld (51 Prozent) und ein unhaltbares Tempo (46 Prozent). Designer und Researcher sind die verunsicherte Gruppe, Gründer bleiben die glücklichsten Menschen in der Branche. → Lenny's Newsletter

Synthszr Take: Die 82 Prozent gefühlte Produktivität sind der interessanteste Wert der ganzen Umfrage, weil sie an eine unbequeme Studie von METR aus 2025 erinnern: Erfahrene Entwickler fühlten sich mit KI zwanzig Prozent schneller und waren neunzehn Prozent langsamer. Output fühlt sich an wie Fortschritt, und diese Lücke zwischen Wahrnehmung und Messung ist genau die Zone, in der 51 Prozent den Verdacht entwickeln, dass sie nur mehr fürs gleiche Geld leisten. Die eigentliche Spaltung läuft nicht zwischen Junior und Senior, sondern zwischen denen, die KI als Hebel begriffen haben, und denen, die noch das tote Pferd der alten Rollenlogik reiten. Der Klaus-Fall existiert in jeder Firma: der 22-Jahre-Experte, der zuerst still zusieht und dann triumphierend die Edge Cases findet, statt sich neu zu erfinden. Wer diese Woche in die Personalplanung schaut, sollte weniger auf Titel und mehr auf die Selbsteinordnung achten, denn die entscheidet über Bindung und Burnout. Die Organisationen, die jetzt Befähigung statt Beschleunigungsdruck organisieren, halten ihre Leute. Die anderen verwechseln ein höheres Tempo mit einer besseren Richtung.

Die rote Königin und der Gödel-Automat

Ein Forschungsteam um Alex Iacob und Nicholas D. Lane (Cambridge/Flower Labs) hat mit der Red Queen Gödel Machine (RQGM) ein Framework für rekursive Selbstverbesserung vorgestellt, das mit einem alten Denkfehler bricht: Bisherige selbstoptimierende Agenten prüfen sich an einem festen Verifier, Benchmark oder gelabelten Datensatz, der sich nicht mitbewegt. Die RQGM macht die Bewertung selbst zum Teil der Verbesserungsschleife. Die Suche läuft in Epochen mit fester Bewertung innerhalb der Epoche, während sich die Nutzenfunktion an den Epochengrenzen verändert, sodass die Garantien pro Epoche gelten, während sich das Ziel weiterentwickelt. Schon bei verifizierbaren Coding-Aufgaben hebt ein zusätzliches Agent-as-a-Judge-Signal die Test-Pass-Rate über den bisherigen Stand der Technik, und das mit 1,35x bis 1,72x weniger Token. Bei wissenschaftlichem Schreiben und Reviewing sowie bei Olympiade-Beweisen erreichen co-evolvierte Autoren 1,78x bis 1,86x höhere Annahmequoten, co-evolvierte Grader 9 Prozent höhere Genauigkeit. Der brisanteste Befund: Der stärkste Baseline-Reviewer winkt KI-generierte Paper mit bis zu 1,91-facher Rate durch, verglichen mit menschlichen, bis ein adversariales Ziel Reviewer findet, die bei Maschine und Mensch gleich streng sind. → Techpresso

Synthszr Take: Der interessanteste Satz im ganzen Paper ist die 1,91. Der beste vorhandene Reviewer akzeptiert KI-Paper fast doppelt so bereitwillig wie menschliche, und niemand hat's gemerkt, weil der Maßstab stillstand. Genau das ist die Falle, in der Coding-Agenten heute hängen: Sie optimieren brillant für die Klausur und laufen am Verständnis vorbei, sobald der Verifier fixiert bleibt. Die RQGM dreht daran, indem sie den Erfolgsmaßstab selbst evolvieren lässt, und dass das obendrein Token spart statt kostet, macht die Sache praktisch statt akademisch. Wer heute Agenten in Produktion betreibt, sollte diese Woche die eigenen Evals auf den Prüfstand stellen und fragen, ob sie mehr messen als das, worauf der Agent trainiert hat. Ein Bewertungskriterium, das nie mitwächst, ist keine Sicherheit, es ist ein blinder Fleck mit Zeitstempel. Wer den Maßstab schreiben kann, der sich mit dem System weiterentwickelt, programmiert die Maschine, die programmiert.