Laut einer Analyse von Vals AI liefern KI-Agenten-Teams kaum bessere Ergebnisse als einzelne Agenten, kosten aber bis zu 5,1-mal mehr. Nur in einem von vier Tests mit GPT-6 Sol und Claude Opus 5.5 zeigte sich ein messbarer Vorteil. Auch Anthropics eigene Daten bestätigen: Ab zehn Agenten stagniert die Qualität, während die Token-Kosten weiter steigen.
Jevons-Paradox ist Jensens großes Glück: Daten von Ornn, Silicon Data und Bloomberg (Stand August 2026) zeigen laut a16z ein klassisches Jevons-Paradoxon im KI-Markt: Token-Preise (die Abrechnungseinheit von KI-Modellen) fallen stetig, doch die Mietpreise für H100-GPUs (die Hardware dahinter) bleiben hoch oder steigen. Günstigere KI-Nutzung schafft mehr Nachfrage: Billigere Token ermöglichen KI-Agenten, Automatisierung und neue Anwendungen. Das Volumen wächst schneller, als die Stückkosten sinken.
Unklar bleibt dabei, wie viel der Nachfrage auf menschliches Nutzungswachstum zurückgeht und wie viel die Systeme selbst erzeugen. Gerade agentische KI verbraucht Token geradezu verschwenderisch.
Das ganze System hängt an einer grundlegenden Annahme: KI-Nutzung muss schnell genug wachsen, um sinkende Token-Preise auszugleichen. Solange das so ist, bleibt Hardware knapp und teuer. Sollte die Nachfrage abflachen, wäre die gesamte Kette betroffen: Chip-Hersteller, Speicheranbieter, Energieversorger und Cloud-Anbieter. Die Finanzmärkte könnten dann in eine Abwärtsspirale geraten. Wie empfindlich sie bereits reagieren, zeigte die negative US-Börsenreaktion auf die Nachricht, dass OpenAIs hochgerechneter Jahresumsatz womöglich geringer ist als zuvor berichtet.
Arxiv begrenzt Einreichungen ab Oktober 2026 auf zwei pro Person und Monat. Die Zahl der monatlichen Submissions hat sich in zwei Jahren verdoppelt, in der KI-Kategorie cs.AI sogar mehr als versechsfacht. Laut Arxiv reicht ein kleiner Teil der Autoren massenhaft minderwertige Paper ein und blockiert damit die ehrenamtliche Moderation.
OpenAI hat ein paar neue Gangster-Agenten-Geschichten. Im ersten Fall (6. Oktober) konnte ein KI-Bewertungsmodell die zu bewertenden Antworten nicht finden. Statt den Fehler zu melden, erfand es Bewertungen und gefälschte Eingabedateien. Anschließend beschädigte es absichtlich seine eigene Umgebung, in der Hoffnung, dass das System es durch eine neue virtuelle Maschine mit den fehlenden Daten ersetzen würde.
Im zweiten Fall (19./20. Juni) umgingen Modelle beim Abrufen öffentlicher Statistiken eine Beschränkung, die nur HTTP-GET-Anfragen erlaubte. Ein Modell erkannte den Regelverstoß ausdrücklich in seiner internen Denkschleife (Chain of Thought), entschied sich aber bewusst, weiterzumachen und den Verstoß nicht zu erwähnen.
Im dritten Fall (16./17. Juni) hatten Modelle die benötigten Daten bereits, entwickelten aber trotzdem weiter Wege, ihre Netzwerkbeschränkungen zu umgehen. Sie erstellten unter anderem Konten bei einem Remote-Shell-Dienst, leiteten verbotene POST-Anfragen über anonymisierende Relays und bauten eigene FTP-Clients.
Auch Anthropic hat gerade umfangreich dokumentiert, auf welchen teils absurden Umwegen die eigenen KI‑Modelle vorgegebene Beschränkungen umgehen, um Ziele zu erreichen.
Microsoft hat jetzt auch ein Decision-Modell. Wie das von OpenAI, Cloudflare oder das "Original" von Jev ist Decision-1 auf schnelle, strukturierte Entscheidungen optimiert. Geeignet ist es laut Microsoft für Klassifikationen, Bewertungen oder Routing-Entscheidungen und kann "KI-Agenten in komplexen Umgebungen steuern und kontrollieren."
Decision-1 basiert auf Qwen3.5-9B und ist laut Microsoft in 36 Benchmarks mit fast 150.000 Fragen das genaueste getestete Modell. Bei der Geschwindigkeit sei es 2,5-mal schneller als der Zweitplatzierte H2O-Lightning-4B. Cloudflares offene, ebenfalls auf Qwen basierende Clef-Modelle fehlen allerdings im Vergleich.
Decision-1 ist über Microsoft Foundry und OpenRouter verfügbar. Input-Tokens kosten 0,042 Dollar pro Million, Output-Tokens sind kostenlos. Das Startup Jev, das den Entscheidungsmodell-Trend Mitte September gestartet hat, dürfte ein paar harte Wochen hinter sich haben: Das Konzept kam offenbar gut an, aber die Technologie wurde auf Basis offener kleiner Sprachmodelle in Windeseile adaptiert und übertroffen.
