Das nächste KI-Rennen könnte ein Modellteam gewinnen

Ethan Mollick reagierte auf die These, OpenAI und Anthropic konkurrierten nicht nur an der Spitze, sondern auch im günstigen Marktsegment. Seiner Ansicht nach könnten beide Anbieter Kosten und Leistung besonders gut austarieren, indem sie Agenten unterschiedlicher Fähigkeitsstufen in ihren eigenen Systemen kombinieren. Das war eine These und Prognose, keine Produktankündigung.

Der Wert wandert vom Einzelmodell zur Aufstellung

Mollicks Gedanke verändert die Einheit, die Kunden kaufen. Statt eines einzigen Spitzenmodells kann eine Aufgabe einen günstigen Ausführer, einen stärkeren Planer und einen separaten Prüfer einsetzen. Der Anbieter verkauft dann mehr als die Intelligenz eines einzelnen Laufs. Er verkauft die Methode zur Arbeitsteilung und Ergebnisauswahl.

Diese Logik verschafft OpenAI und Anthropic durch eigene Modellfamilien, Trainingsdaten und Runtime einen möglichen Vorteil. Der Beitrag enthält jedoch weder Messwerte noch Preise oder die Beschreibung eines konkreten Harness. Der vermutete Vorsprung bleibt eine Hypothese.

Die passende Rolle kann wichtiger sein als überall das stärkste Modell

Der AgentCARD-Preprint von 2026 untersucht Teams mit unterschiedlichen Modellen und Rollen. Die Autoren berichten von bis zu 44 Prozent höherer Genauigkeit gegenüber gleich teuren homogenen Teams. Einige hybride Konfigurationen erreichten das Niveau des stärksten homogenen Teams bei bis zu zwölfmal geringeren Kosten pro Aufgabe. Die beste Zuweisung hing jedoch vom Fachgebiet ab. Mal begrenzte der Planer, mal der Ausführer.

Ein weiterer Preprint zur Auswahl zwischen Agentenergebnissen fand in einer experimentellen Konfiguration einen Vorteil für ein gemischtes Team mit einem schwächeren Modell. Die Autoren kennzeichnen dieses Ergebnis ausdrücklich als explorativ. Die gemeinsame Lehre ist nüchterner als die Schwarmvision: Ein guter Selector und passende Rollen können wertvoller sein als ein weiterer teurer Agent.

Mehr Agenten können Rechnung und Fehler vervielfachen

Ein Agententeam erzeugt nicht automatisch Teamintelligenz. Homogene Modelle können denselben Fehler wiederholen, während die Synthese mehrerer Antworten zusätzliche Latenz ohne besseres Ergebnis bringt. Jede weitere Rolle verbraucht Tokens und erschwert die Nachvollziehbarkeit von Entscheidungen.

Ein proprietärer Harness schafft zusätzliches Geschäftsrisiko. Steckt die Qualität im privaten Routing, in Evals und in der Koordination des Anbieters, können Kunden einzelne Modelle schlechter vergleichen und die Plattform schwerer wechseln. Eine kluge Aufstellung kann so stark binden wie das Frontier-Modell selbst.

Evals der gesamten Aufgabe entscheiden, nicht Ranglisten einzelner Mitglieder

Ein sinnvoller Test muss vollständige Workflows auf realen Aufgaben vergleichen: Kosten pro akzeptiertem Ergebnis, Latenz, menschliche Eingriffe und Fehler nach Abschluss. Ein Benchmark für ein Einzelmodell zeigt nicht, ob ein günstiger Ausführer mit starkem Prüfer einen teuren Lauf schlägt.

OpenAI und Anthropic gewinnen einen echten Vorsprung, wenn sie reproduzierbare Ergebnisse für verschiedene Rollen veröffentlichen und Kunden die Teamzusammensetzung ändern lassen. Sonst bleibt die Optimierung von Kosten und Intelligenz eine Blackbox, deren klarste Funktion die Rechnung ihres Herstellers ist.

Liliths Urteil

Der künftige Sieger braucht vielleicht nicht den klügsten Agenten. Womöglich reichen die beste Besetzung, gute Regie und jemand, der eine schlechte Szene vor dem Kunden herausschneidet.