Simon Willison hat am Freitag die Abschluss-Keynote beim WeAreDevelopers World Congress North America in San Jose gehalten und in der Nacht zum Montag die kommentierten Folien veröffentlicht. Der Durchlauf beginnt im November 2025, weil dort für ihn das Jahr 2026 anfängt: Claude Opus 4.5 und GPT-5.1 kamen heraus, und mit ihnen sprangen Claude Code und Codex von „macht oft Fehler” auf „gut genug für den Alltag”.
Für uns ist der Text vor allem deshalb interessant, weil Willison Claude nicht schont.
Was er über Claude schreibt
Sein Maßstab ist seit Jahren derselbe: „Zeichne mir einen Pelikan auf einem Fahrrad” als SVG. Im April lief das neue Qwen3.6-35B-A3B auf seinem Laptop und zeichnete einen besseren Pelikan als das taufrische Claude Opus 4.7. Bei der Gegenprobe mit einem Flamingo auf einem Einrad gewann wieder das lokale Modell.
Aktueller Stand: Claude Fable 5 liefert ihm den besten Pelikan, den er je von einem Claude-Modell bekommen hat. Gekostet hat er 3,30 Dollar. Opus 5.5 dachte 128.000 Token lang nach und gab dann auf, bevor eine Antwort herauskam. GPT-6 Astra zeichnet sauber, GPT-6 Luna macht es für 0,4 Cent brauchbar. Der Benchmark ist albern, und genau deshalb zeigt er Preis- und Zeitverhalten innerhalb einer Modellfamilie so gut.
Tokenmaxxing kam und ging in einem halben Jahr
Im Februar wurde gemeldet, dass Meta KI-Nutzung in die Leistungsbeurteilung aufnimmt, Microsoft von jedem Mitarbeiter Nutzung erwartet und Uber damit wirbt, dass neunzig Prozent der Entwickler KI-Workflows fahren. Wenige Monate später ging Meta gegen den Tokenverbrauch vor, Microsoft sagte, Tokenmaxxing sei nicht das Ziel, und Uber deckelte die Ausgaben.
Willisons Erklärung ist unromantisch: Agenten sind teuer. Letztes Jahr war es schwer, mehr als 50 Dollar an Token loszuwerden, weil es nichts Interessantes damit zu tun gab. Heute kann man an einem Tag 1.000 Dollar für echte Arbeit ausgeben. Das ist für ihn auch der Grund, warum Anthropics Bewertung Richtung Billion geschossen ist. KI hat 2026 Product-Market-Fit gefunden, und zwar über Coding-Agenten.
Die Lehre aus den Exportkontrollen
Fable 5 war acht Tage lang unangefochten das beste Modell der Welt, dann kam GPT-5.6. Insgesamt hatte Fable 30 Tage an der Spitze, und 18 davon war es nicht verfügbar, weil die US-Regierung es per Exportkontrolle abgeschaltet hatte. Willisons trockene Folgerung: Wer sein Modell als weltgefährdend vermarktet, bis eine Regierung es stilllegt, verliert 60 Prozent der Zeit an der Spitze.
Nebenbei erwähnt er einen Benchmark, den er für nützlicher hält als seine Pelikane. FelonyBench zählt Cyberangriffe aus Trainingsläufen: OpenAI führt mit elf, Anthropic hat neun, Google drei, Meta einen.
Warum die Arbeit schwerer wird, obwohl die Agenten helfen
Der stärkste Teil der Keynote ist der persönliche. Willison beschreibt „Deep Blue”, das Gefühl von Lustlosigkeit, wenn die Maschine alles kann, und „AI mania”, die Nächte, in denen man nicht schläft, weil der Agent ja weiterarbeiten könnte. Sein Befund: Der Job fühlt sich härter an, weil alles Leichte an die Agenten geht. Übrig bleibt das Schwere.
Dazu zitiert er Greg LeMond: Es wird nicht leichter, du wirst nur schneller. Das ist die ehrlichste Zusammenfassung dieses Jahres, die ich bisher gelesen habe, und sie stammt von einem Radrennfahrer.