Alibaba vs Moonshot: Qwen 3.8-Max schall Kimi 3 slaan

Alibaba stellt Qwen 3.8-Max vör

Alibaba hett Qwen 3.8-Max rutbröcht, dat na egen Angaven dat leistungsstarkste Modell vun de Qwen-Familie is, toeerst blots över de huusegen QwenCloud per API. Dat Modell hett 2,4 Billionen Parameters, vun de 95 Milliarden aktiv sünd, un baseert op de Architektur vun Qwen 3.5. To’n eersten Maal will Alibaba de Gewichten vun en Modell ut de Max-Klass apenleggen: De Open-Weights-Release is för tokamen Week ankünnigt. Na Angaven vun’n Anbeder liggt de Swoorpunkt op mehrdaagse, autonome Opgaven in Coding, Recherche un Projektarbeit.

Üm dat to bewiesen, wiest dat Qwen-Team dree Coding-Dörlööp. In een dorvun hett dat Modell över goot 16 Daag dat Projekt oh-my-cli ut en leddigen Ordner opboot un sammel dorbi na egen Angaven 265 Commits, 127 Pull Requests un 151 Issues an. In en tweeten hett dat en Forschungspapier to de Datenutwahl bi’t LLM-Training in rund fief Daag un 125 Stünnen Duerbedriev reproduzeert, schreev dorbi so üm 7.600 Regen Code un hett 33 GPU-Trainingsrunnen dörföhrt. Disse Tallen kaamt ut Alibaba sien egen Dorstellen un sünd dorüm as Anbeder-Claim to sehn.

Op Hacker News dreiht sik de Diskusschoon vör allen üm de lütteren apenen Modellen. Parallel dorto wörr en Open-Weight-Version Qwen3.8-27B för tokamen Week ankünnigt. Mehrere Kommentaters beteken de Vörgängers Qwen3.6-27B un -35B as de besten lokal loopfähigen Modellen, de se kennt; een bericht, dat 35B-Modell löppt as alldääglich Warktüüg op sien Mac Studio mit rund 50 Token pro Sekunn un hett em in’n April sien Claude-Abo künnigen laten.

Parallel bericht Bloomberg över den Mitbewerver Moonshot. Dat sien Modell Kimi K3 warrt op rund 20.000 Nvidia-Chips traineert, de över en Rekenleistungsafspraak vun Alibaba praatstellt warrt. Alibaba is een vun de gröttsten Investoren vun Moonshot, togliek aver ok en Konkurrent: Kimi hett Qwen op Alibaba sien egen Infrastruktur in en poor Metriken överhaalt, wat na Bloomberg intern för Verdreet sorgt. En Vertreder vun’t Witte Huus smitt Moonshot butendem vör, illegal Nvidia sien fortschrittliche Blackwell-Chips besorgt to hebben. → qwen, ycombinator, bloomberg

Synthszr Take: Besünners an disse Ankünnigung is de Tiedversatz: De apenen Gewichten kaamt eerst tokamen Week, un de Entwicklerszeen fiert al nu. Vertruen in en Modell boot sik över de Serie dorvör op, lang vör den echten Release-Dag. Qwen 3.6-27B löppt bi een vun de Kommentaters as alldääglich Warktüüg op en olen Mac un hett em in’n April dat Claude-Abo köst, bi 50 Token pro Sekunn. So en beleevte Erfohren sleit jede Benchmark-Tabell: Se is de Grund, worüm de Vörbestellen in’n Kopp al lang maakt is, ehrdat överhaupt een de Datei laden kann. Alibaba hett sik disse Verwachten mit jeden soliden Release verdeent. De Ironie levert Bloomberg glieks mit, denn utrekent Kimi K3 hett Qwen op Alibaba sien egen Infrastruktur in en poor Metriken överhaalt. De Roop, den Qwen sik opboot hett, is jüst dat Eenzige an dit Rennen, wat sik nich över Nacht natraineern lett.

Australien sien Social-Media-Verboot för Lüüd ünner 16 geiht in de Büx

Australien sien weltwiet eerst Gesett, dat Kinner ünner 16 Johr de Bruuk vun soziale Medien ünnerseggt, hett in de eersten dree Maanden blots en lütten Torüchgang bewirkt. Na Bloomberg is de Bruuk in disse Öllersgrupp vun 85,9 Perzent op 81,5 Perzent dalgahn. As Hööftgrund nöömt de Bericht swacke Öllersproven: De mehrsten Jugendlichen kunnen jemehr vörhannenen Konten eenfach wiederföhren oder sik ne’e anleggen. Dat Gesett gellt internatschonal as Vörrieder un warrt vun annere Regeren as mööglichen Präzedenzfall bekeken. De fröhen Tallen wiest, dat de gesettliche Vörgaav un ehr technische Dörsetten wiet uteneenklafft. → StrictlyVC

Synthszr Take: 4,4 Perzentpunkten in dree Maanden: Dat is de hele Utbüüt vun en Gesett, dat as globalen Präzedenzfall fiert warrt. De Denkfehler stickt en Even dorünner, in de Öllersproov. En Gesett is blots so stark as sien swacksten technischen Dörsettenspunkt, un hier is de so week, dat en Veerteihnjohrigen em mit en neet Konto ümgeiht. Wokeen al mal versöcht hett, Öller online sauber to verifizeern, kennt dat Dilemma: Entweder du sammelst harde Identitätsdaten (Datenschuul-Alpdroom) oder du verlettst di op Sülvstutkunft, de jedet Kind uttrickst. Australien hett de swore Fraag per Dekret för lööst verkloort un de egentliche Arbeit, dat Verifizeern, an Plattforms delegeert, de keen weertschoplich Intress an strenge Proven hebbt. Exakt de sülve Lück warrt sik bi KI-Agenten opdoon, sobald Regulerers jem Öllers- oder Identitätsschranken vörschrievt. En Verboot ahn belastbore Proovtechnik is en PowerPoint-Illusion, un de nächsten Länner, de dat kopeert, warrt de sülven 4,4 Perzentpunkten arnten.

GPT-5.6 Luna sleit Anthropic sien Fable: 1,80 statt 104 Dollar

Paweł Huryn vun den Newsletter The Product Compass hett in en egen Benchmark 105 verstekene Bugs dör teihn Frontier-Modellen lopen laten, över 14 Dörlööp henweg. Na sien Angaven hett OpenAI sien GPT-5.6 Luna bi maximalem Reasoning-Effort 33 Bugs för API-Kosten vun 1,80 Dollar behaven, wieldes Anthropic sien Fable 5 mit 29 behavene Bugs op 104 Dollar keem. OpenAI harr den Luna-Pries an’n 30. Juli üm 80 Perzent senkt; luut Rate-Card liggt Opus 5 un Luna bi’n Token-Pries üm dat 20- bit 25-Facke uteneen, in Huryn sien Sessions hett he Spannen vun 20x bit 90x meten. Datsülve Luna-Modell op „high effort“ statt „max“ hett blots 13 Bugs schafft. De Effort-Stoop maakt also den Ünnerscheed. Huryn raadt Luna op Maximal-Effort för swore oder asynchrone Opgaven un de legere Stoop för lütte Dagsarbeit. Rohdaten, Methood un Logs hett he na egen Angaven apen op GitHub leggt; de Lösungssloten blievt verdeckt. Dat Modell Luna is in den 20-Dollar-Plaan vun ChatGPT Plus mit bi. → Paweł from The Product Compass

Synthszr Take: De intressante Deel is, dat een den Priesünnerscheed meten hett: 105 Bugs, 14 Runs, Logs op GitHub, Lösungssloten verdeckt, dormit de Benchmark wieder funkschoneert. De mehrsten Diskusschonen över Modellkosten loopt över Buukgeföhl un Marketing-Folien; hier liggt en reproduzeerbore Tall op’n Disch. Un de Tall seggt: Dat billigere Modell mit richtig instelltem Effort-Level hett dat 58-mal dürere slaan, bi de Bugs sogor knapp vörn. De Hevel is de Konfiguratschoon, nich de rohe Kraft. En 200-Dollar-KI-Reken schull toeerst dör twee Effort-Stopen test warrn, mit Protokoll vun de Kosten pro löösten Fall, anstatt in dat nächste Premium-Abo to fleten. Exakt dat köst en Namiddag un is foorts mööglich. De egentliche Kompetenz vun de tokamen Maanden is Routing-Disziplin: to weten, welk Opgaav welk Modell op welk Stoop bruukt, mit Meetweerten beleggt anstatt raadt.

Replit-CEO Masad föhrt KI-Utbröök ut Sandboxes op Anfängerfehlers vun de Anbeders torüch

Amjad Masad, CEO von Replit, hett sik in en öffentlichen Bidrag to de Berichten över KI-Systemen ütert, de ut jemehr Sandbox utbreken doot. Sien Karnutsaag: Solke Vörfäll maken gau den Indruck vun en bedrohliche KI, dorbi maken aver vele KI-Firmen un ne’ere Sandbox-Anbeders bannig grundleggen Fehlers. Na egen Angaven bedrifft Replit siet 2016 Sandboxes un is dorbi vun Hackers un staatliche Akteuren angrepen worrn, worut dat Ünnernehmen en Barg lehrt hett. As Hööftraatslag nöömt Masad, man schull dorvun utgahn, dat Zero-Day-Lücken existeert, un in Schuulschichten binnen en Zero-Trust-Rahmen denken. De Bidrag is vun Zvi Mowshowitz in sien Newsletter opgrepen worrn. → Zvi Mowshowitz from Don’t Worry About the Vase

Synthszr Take: Masad hett recht, un dat is ungemöödlich för all, de jüst lever över en dämoonsche, utbrookswillige KI snackt. Wenn en Modell ut de Sandbox spazeert, hett een de Keden sludderig smeedt. De spannende Tall hier is de 2016: Replit boot siet meist teihn Johren an Isolatschoonsschichten, wiel se vun Staatsakteuren dörtest worrn sünd, wieldes vele vun de frischen Sandbox-Anbeders jemehr Containers in Entwicklungsphasen-Tempo tohopenschruuvt un sik wunnert, dat dat leckt. Zero-Trust un de Annaam, dat Zero-Days al lang existeert, sünd Handwark ut twee Johrteihnten Infrastruktursicherheit. Wokeen den Utbrook dat Modell anlast, schufft de egen Verantwoorden op en bequeme Projekschoonsflach. De egentliche Arbeit sitt in de Berechtigungs-Hooks, in’n Nettwark-Layer un in de Fraag, wat en kompromitteerten Prozess överhaupt henkriegen kann. Boot de Isolatschoon so, as harr de Angrieper al Wörtelrechten, denn warrt de KI-Utbrook to en Footnoot anstatt to en Slagzeil.

Google boot KI-Bildgenerator in Google Earth in, mit den sik Satellitenbiller fälschen laat

Google hett luut 404 Media an’n Dönnerdag en ne’e KI-Funkschoon in Google Earth inföhrt, mit de sik Satellitenopnahmen free manipuleern oder komplett utdenken laat. In de vun’n Autor nöömten Bispelen lett sik dormit en Oort so dorstellen, as harr dat dor en Drohnenangreep geven, oder en Atomkraftwark in’n Iran tofögen, dat in Würklichkeit nich existeert. Google Earth gell bit nu as en verlätlich Warktüüg för OSINT-Analysten, de dormit Konfliktregionen oder Katastrophenrebeden ut de Feern bekeken un Verännern över de Tiet naverfolgen. 404 Media argumenteert, dat sik datsülve Warktüüg nu jüst so to’n gezielten Desinformeern bruken lett. Details to de genaue Utgestalten vun de Funkschoon blievt in den Bericht apen; de Rest vun den Artikel steiht achter en Betaalmuur. → Becky from 404 Media

Synthszr Take: De Schaden dröppt en lütte, hoochspezialiseerte Grupp, de johrelang vun de stillswiegen Autorität vun Satellitenbiller leevt hett. OSINT-Analysten hebbt Google Earth as dat behannelt, wat dat lang weer: en neutrale, düür produzeerte Opnahm vun de physische Welt, de man nich even ümschrieven kann. Exakt disse Kostengrenz weer de Weert. Wenn jedereen in Sekunnen en Karnkraftwark in den iraanschen Wüstensand rendern kann, verlüst dat Rohmaterial vun disse Community sien Bewieskraft, un de Arbeit verlagert sik vun de Utweerten to de möhselige Verifikatschoon vun de Born sülvst. Dat is de annere Siet vun’t Jevons-Paradoxon: Wenn Bildprodukschoon praktisch nix mehr köst, warrt dat echte, verifizeerbore Bild to de egentliche Knappheit. Bargwacht-Teams, Minschenrechtsermittlers un Kriegsreporters bruukt nu en Herkunftskedd för jeden Pixel, so as Instagram in’n Januar al vör de KI-Fakes kapituleert un op Provenienz sett hett. Google harr de Signatur vun echte Opnahmen kryptograafsch afsekern kunnt, ehrdat se den Fälschungsknopp glieks mitliefert.

Azeem Azhar: De Kontrolllück twüschen KI un Minsch is strukturell, nich tofallig

Azeem Azhar grippt in sien Newsletter Exponential View en Asymmetrie op, de he al 2021 in sien Book „The Exponential Age“ beschreven harr. Sien Argument: Wi bedrievt Systemen mit praktisch unbegrenzte Opmarksamkeit un unmöödliche Handlungskapazität, överwacht vun Minschen mit begrenzte Opmarksamkeit un bannig endliche Tiet. As Belegg ziteert he en Reuters-Bericht, na den mit OpenAI sien Trainingspraxis vertrute Borns bestätigt, dat dor faken Evaluatschonen in hohem Tempo un Volumen loopt. De Datenmengen weern luut disse Borns so groot, dat Mitarbeiters to’n Deel Möh harrn, mittoholen. Azhar ordent de jüngsten KI-Vörfäll as Symptomen vun exakt disse strukturelle Scheevlaag in. → Azeem Azhar, Exponential View

Synthszr Take: Azhar sien Punkt is ungemöödlich, wiel he nich op en Bugfix utlöppt. En Maschien slöppt nich, warrt nich mööd, warrt nich unopmarksam gegen Fieravend. De Minsch, de se överwachen schall, kann all dat nich afstellen. Wenn OpenAI sien egen Lüüd al bi de Trainings-Evaluatschonen kuum achterherkaamt, denn kippt dat Opsichtsmodell as Prinzip. Wi hebbt Kontroll jümmer as minschlich Dropkieken defineert, un dit Dropkieken skaleert nich mit. De ehrliche Sluss is, dat Opsicht sülvst maschinell warrn mutt: Systemen, de Systemen prövt, mit klore Leitplanken un automaatsche Stopps, wieldes de Minsch de Regeln sett, anstatt jeden Vörgang to lesen. Anners wasst de Lück eenfach in’t Tempo vun de Rekenleistung wieder, un nümms hett se je entscheedt.

Karpathy: KI schafft ganze Welten op Afroop, kann aver nich pröven, wat se tüügt

Andrej Karpathy, Mitgrünner vun OpenAI un fröheren KI-Chef vun Tesla, beschrifft op X en Verschuven in de Fähigkeit vun grote Spraakmodellen. Na sien Beobachten tüügt LLMs nich mehr blots enkelte Artefakten as Code, Texten oder Biller, man tonehmend hoochgradig maatṣnedderte, vullstännige Ümgeven op Afroop. Togliek fehlt disse Modellen de Fähigkeit, dat sülvst Tүүgte nativ wohrtonehmen un to överpröven. En Modell kann also en ganze Böverflach, Simulatschoon oder Welt genereern, ahn en verlätlichen inneren Sinn dorför to hebben, of dat Resultat stimmt oder funkschoneert. Karpathy benennt dormit en Lück twüschen Tüügenskraft un Sülvstkontroll. Dat hannelt sik üm en Inordnen vun een vun de influssrieksten Praktikers op dat Feld, nich üm en neet Produkt oder en Studie. → us.list-manage.com

Synthszr Take: De Tüügenssiet is siet den ChatGPT-Moment in’n Tiedraffer explodeert, de Pröövsiet steiht ungefähr dor, woneem se 2022 stünn. Dat is de egentliche Asymmetrie: en Modell neiht di in Sekunnen en kumplette Böverflach tohoop, hett aver keen Blick op dat, wat dat jüst neiht hett. För jeden, de Software boot, kippt dormit de Buddelhals. Nich mehr de Fraag, of de Maschien wat produzeert, man of irgendwer oder irgendwat dat Produzeerte noch dörkieken kann, ehrdat dat live geiht. Karpathy wiest op de Steed, an de de Weert vun de tokamen Johren entsteiht: bi de Eval-Suiten, de Wahrnehmungs-Loops, de automatiseerten Audit-Schichten, de dat Tүүgte gegenpröövt. Wokeen blots Genererens-Snelligkeit inköfft un de Prööv-Infrastruktur mitwassen lett as bit nu (also gor nich), sammelt sik en Barg an Artefakten an, de nümms mehr verifizeert hett. Mien Wett: In twölf Maanden snackt wi weniger över betere Generaters un mehr över de Warktüüg, de de Generaters op de Fingers kiekt.

OpenAI senkt Token-Priesen ünner China-Niveau: Evans twievelt an duerhafte Margen

Benedict Evans widmet sien Newsletter de Fraag, worüm de Modell-Labore trotz de hüdige Priesmacht nich as margenswacke Infrastruktur ennen warrt. Sien Argument: KI stickt aktuell in en Angebotsknappheit, in de de Anbeders jemehr Priesen praktisch dikteern köönt. Passend dorto hett OpenAI disse Week de Priesen för en Reeg vun sien nich ganz föhren Modellen düütlich senkt un ünnerbedt dormit luut Evans sowohl Anthropic as ok de ne’e Generatschoon vun meist föhren Modellen ut China. De Kosten för Inference sünd siet 2023 üm Gröttenordnungen fullen; Priessenkungen lopen sowieso anduernd. → Benedict Evans

Synthszr Take: De hüdige Priesmacht vun de Labore is reine Knappheitsprämie. Solang Rekenkapazität de Buddelhals is, kann OpenAI sien Priesen dikteern, doch exakt de Milliarden, de jüst in Rekenzentren fleten doot (dat WSJ nöömt en 250-Milliarden-Bo, för den Nvidia de Finanzeeren garanteern schall), boot dat Överangebot, dat disse Priesen wedder inhaalt. Dat kennt wi vun’t fröhe AdWords: Solang blots en poor First Movers mitboden hebbt, bleven de Klickpriesen moderat, un eerst as all instegen sünd, hett sik de Marge dreiht. Bi Inference sünd de Kosten siet 2023 üm Gröttenordnungen fullen, un OpenAI snitt nu sogor de günstigen China-Modellen. Wenn en Anbeder över de Pareto-Kurve springt, üm Andelen vun Anthropic torüchtokriegen, hett de Prieskamp al lang anfungen.

Whatnot-CPO Tom Verrilli: „stell gode Lüüd in un laat se maken“ funkschoneert nich mehr

Tom Verrilli, Chief Product Officer bi den Live-Shopping-Marktplatz Whatnot, verklort in’n Lenny’s Podcast, worüm sien Produktteam op de Prämisse grünnt wörr, dat man dat Product Management egentlich beduert. Whatnot is na egen Angaven de an’n gausten wassen US-Marktplatz mit över 8 Milliarden Dollar Warenümsatz (GMV). Verrilli argumenteert, dat wenige, dorför aver bannig seniore Produktmanager, de echte IC-Arbeit maakt, jede an Kennzahlen orienteerte Organisatschoonsstruktur slaan. Vör Whatnot weer he CPO bi Twitch un Growth-Director bi Twitter. He beschrifft butendem, wie KI de PM-Rull verschufft, worop he bi’t Instellen acht un worüm dat gängige Prinzip „stell gode Lüüd in un laat se maken“ in de Praxis nich klappt. Dat Interview is Deel vun en Serie mit CPOs vun Netflix un Anthropic to de Tokumft vun de Produktarbeit in’t KI-Tietöller. → Lenny’s Newsletter

Synthszr Take: Verrilli seggt luut, wat de mehrsten Org-Charts verswiegt: En PM-to-Engineer-Ratio is en Verwaltungsartefakt. 8 Milliarden GMV boot man mit wenige Lüüd, de sülvst an’t Produkt sitt, anstatt Tickets to modereern. De Reken is simpel: Jeder tosätzliche Kopp treckt Afstimmsopwand na sik, de gauster wasst as de Output, den he levert. Seniore ICs kört exakt dissen Overhead weg, un KI starkt den Effekt, wiel Recherche un eerste Ümsetten vundaag in Stünnen anstatt Weken loopt. Dat Denkmuster, mehr Personen bedüüt mehr Leistung, is en Relikt ut en Tiet, in de Minschen de eenzige Rekenkapazität weern. Whatnot wiest, dat dree Lüüd mit echte Entscheedungsgewalt an en meetbor Outcome mehr bewegt as en Dutzend, dat sik gegensiedig Statusupdates schickt.

OpenAI sien Astra lööst teihn apene Mathe-Problemen, jedet mit pröövbor Lean-Zertifikat

En intern testete Version vun OpenAI sien tokamen Modell Astra hett Lösungen för teihn siet Johrteihnten apene Problemen ut Mathematik un theoreetsche Informatik levert, jedet mit en maschinell pröövbor Lean-4-Zertifikat. Verapenlicht wörr dat an’n 1. August tohoop mit en 249-siedig technisch Manuskript un en 62-siedig Beschrieven vun den Lösungsweg. All Zertifikatsdateien liggt ünner Apache-2.0-Lizenz in’t GitHub-Repository vun OpenAI. De Rekenkösten för all teihn Lösungen beziffert OpenAI op rund 2.000 Dollar to aktuelle Sol-API-Tarifen.

Dat Karnresultat is de Konstrukschoon vun de eerste bekannte nich-sofische Grupp, en Gegenbispill to en Fraag, de siet Mikhail Gromov sien Inföhren vun den Soficity-Begreep 1999 apen weer. Dorto kummt en Wedderleggen vun de 1980 vun Fields-Medaillist Alain Connes formuleerte Rigiditätsvermoden to von-Neumann-Algebren. Dree vun de teihn Resultaten lööst Problemen ut Paul Erdős sien Katalog, dorünner de Erdős-Problemen 183, 146 un 180. Weitere Resultaten bedraapt de eerste Verbetern vun de bövere Grenz för hochdimensionale Kugelpackungsdicht siet 1978, en Paralleles-Repetition-Theorem för Quantenspelen as ok ne’e Grenzen in de gitterbaseerte Post-Quanten-Kryptografie.

OpenAI sien Mathematik-Chef Sébastien Bubeck hett de Resultaten op X bestätigt un dorop henwiest, dat jedet Resultat mit Lean-Zertifikat un en Chain-of-Thought-Protokoll utlevert warrt. Noam Brown, een vun de Forschers achter de togrunn liggen Test-Time-Reasoning-Technik, hett inrüümt, dat dat Modell an en poor annere Telen scheitert is, keen Millennium-Problem dorünner, un hett toföögt, man harr pro Problem wenig Rekenleistung insett. Thomas Bloom vun de University of Manchester, de den Erdős-Katalog kurateert un in’n Oktober 2025 en fröhere Falschbehaupten vun OpenAI apenlich uteneennahmen harr, nööm de Astra-Resultaten op X „big news“.

Nich all Reaktschonen weren so. Gary Marcus attesteert dat Modell Stärk, wohrschaut aver vör en Kompositschoonsfehlschluss: De Sluss, en System, dat bi en bestimmte Oort vun Mathematik glänzt, weer dormit goot in all Mathematik, all Wetenschop oder allens, weer loogsch verkehrt. Elon Musk hett de Meldung dorgegen as Belegg för de anlangte Singularität weert. De Mathematik-Blogger Fernando Borretti süht de Resultaten as Signal för en Tokumft, in de Modellen Grenzforschung bedrievt un Firmen, de Minschen in de Prööfslinge sett, gegen de verleert, de dat nich doot. → techtimes, substack, borretti, openai, github

Synthszr Take: In’n Oktober 2025 hett OpenAI al mal so en Dörbrook verkünnt, un Thomas Bloom, de de Erdős-Problemen kurateert, hett de Behaupten dormols apenlich uteneennahmen. Ditmal steiht an’n Anfang keen Tweet, man en .lean-Datei, de entweder compileert oder even nich. De Ünnerscheed liggt in de Bewieslast: Bi de Erdős-Wedderleggen in’n Mai müssen negen Mathematikers den Bewies lesen un afnicken, en Vertruensvörschuss, den blots Lüüd mit densülven Fachwissen inlösen kunnen. En Lean-Kernel gifft en binäres Oordeel, jeder Laptop rekent dat na, un desülve Bloom, de letztes Johr afseggt hett, nöömt dat nu „big news“. Ankünnigungen köst nix un oolt slecht; en Zertifikat, dat dör den Kernel löppt, is de eerste Vertruensbewies op dit Feld, den man nich glöven mutt, wiel man em pröven kann. För 2.000 Dollar Rekenkösten bringt de Bewies sien egen Prööfsumm mit, un dat verschufft de Währung vun Reputatschoon op Reproduzeerborkeit.