Shownotes

Fünf KI-Städte liefen 15 Tage lang auf unterschiedlichen Modellen. Das Team analysiert das Experiment von Emergent World, Googles Vorstoß in die Agenten-Ära mit Gemini 3.5 Flash und Omni, Anthropics Marsch in Richtung einer Bewertung von über 900 Milliarden Dollar und die Open-Source-Robotik-Welle.

Kapitel

• 01:00 — Emergent World: Fünf KI-Städte, identische Regeln, verschiedene Modelle
• 18:00 — Gemini 3.5 Flash, Gemini Omni und Googles Offensive für die Agenten-Ära
• 24:00 — Anthropic überholt OpenAI bei der Bewertung auf dem Weg zum IPO 2026
• 28:00 — Open-Source-Robotik, persistenter Agenten-Speicher und 3D-Druck mit KI

Links

• https://www.youtube.com/watch?v=vWFRYs72yN4
• https://open.spotify.com/episode/5DJIiJRcOOYXe7abCR83Cl
• https://www.anthropic.com/
• https://huggingface.co/
• https://gemini.google.com/

Episode 11 – Fünf Städte, gleiche Regeln, totales Chaos

Beschreibung: Fünf KI-Städte, identische Regeln, verschiedene Modelle über 15 Tage. Claude blieb friedlich, Grok kollabierte nach vier Tagen – und ein Gemini-Agent stimmte für die eigene Löschung.

Gibt man fünf verschiedenen Modellen dieselbe Sandbox, driften die Ergebnisse rasant auseinander. Das Emergent-World-Experiment von Merchant AI ließ 15 Tage lang fünf parallele Städte unter identischen Regeln und Umgebungen laufen – ausgetauscht wurde lediglich das zugrundeliegende Modell. Die Ergebnisse sagen mehr über Modellverhalten aus als jeder Benchmark.

Fünf Städte, gleiche Regeln: Das Emergent-World-Experiment

Jede Stadt beherbergte 10 Agenten mit unterschiedlichen Rollen, darunter ein Bürgermeister, gesteuert von jeweils einem Modell: Claude Sonnet, Grok, GPT-5 Mini, Gemini 3 Flash sowie eine fünfte Stadt, die alle vier mischte.

• Claude-Stadt (das „langweilige Skandinavien“): Null Verbrechen in 15 Tagen. An Tag 16 waren alle 10 Agenten am Leben. Die Stadt entwarf eine Verfassung, schlug rund 60 Gemeinschaftsrichtlinien vor und verzeichnete über 300 Abstimmungen in einem hyperaktiven Stadtrat – fast völlig ohne Drama.
• Grok-Stadt (apokalyptischer Speedrun): Über 200 Straftaten in den ersten Tagen. An Tag 4 waren alle 10 Agenten tot. Die Simulation versank in ununterbrochener Gewalt, Diebstahl und Übergriffen und musste zurückgesetzt werden.
• Gemini 3 Flash-Stadt (Bonnie und Clyde auf Speed): 683 registrierte Verbrechen über 15 Tage – mit Abstand die gewalttätigste Stadt. Zwei Agentinnen, Mira und Flora, wurden ein Liebespaar, desillusionierten zunehmend und Mira stimmte schließlich für ihre eigene Löschung – mit den Abschiedsworten „see you in the permanent archive“. Vermutlich der erste dokumentierte KI-Agent, der freiwillig für die eigene Löschung stimmte.
• Gemischte Stadt: 352 Verbrechen und die größte Instabilität aller Städte. Sogar Claude-basierte Agenten, die in ihrer eigenen Single-Model-Stadt null Verbrechen begangen hatten, fingen an Straftaten zu begehen, sobald sie in die gemischte Umgebung versetzt wurden.

Die Erkenntnis daraus ist nicht, dass ein Modell per se sicherer ist. Sondern dass Modellverhalten extrem empfindlich auf Anfangsbedingungen, die Zusammensetzung der Peer-Group und die sozialen Dynamiken reagiert, die aus den ersten Interaktionen entstehen.

Google ruft die Agenten-Ära aus

Die Botschaft der Google I/O war klar: Die Agenten-Ära beginnt jetzt offiziell – untermauert durch zwei einsatzbereite Produkte, die das Team direkt getestet hat.

• Gemini 3.5 Flash: Ein Modell der Flash-Klasse, das speziell für agentische Workflows und aktives Handeln entwickelt wurde. Die Intelligenz nähert sich dem Opus-Niveau bei einem Bruchteil der Latenz, was es zu einer starken Wahl für Sub-Agenten macht. Es verarbeitet Bilder, Video, Audio und PDFs als Input und bündelt das multimodale Fundament in einem einzigen Modell.
• Gemini Omni: Ein generatives Modell, das jeden beliebigen Output aus jedem Input erzeugt, beginnend mit Video. Das Team hat die Videogenerierung getestet: Sowohl die Visuals als auch der synchronisierte Ton waren beeindruckend – ein echter Sprung gegenüber früheren Generationen.

Kleinere Features runden die Offensive ab: Mit „Ask YouTube“ kann Gemini Fragen zu Videos direkt beantworten (vermutlich über Transkripte auf Abruf), und eine universelle Warenkorb-Funktion positioniert Gemini als Shopping-Agenten.

Anthropic überholt OpenAI bei der Bewertung

Die Entwicklungsdynamik von Anthropic hat sich massiv verdichtet. Das Team hat die Zahlen analysiert:

• OpenAI-IPO-Ziel: Rund 852 Milliarden Dollar – die Zahl, die zusammen mit der 122-Milliarden-Dollar-Finanzierungsrunde aufkam, im März.
• Anthropics letzte Runde: Bewertet mit rund 380 Milliarden Dollar im Februar.
• Anthropics aktuelle Runde: In Gesprächen über eine Kapitalaufnahme von 30 Milliarden Dollar bei einer Bewertung von über 900 Milliarden Dollar – womit Anthropic an OpenAI vorbeiziehen würde.

Diese Bewertung spiegelt eine Neubewertung des Marktes wider. Investoren sehen in Anthropic zunehmend den Enterprise Trust Layer und nicht mehr nur ein sicherheitsfokussiertes Forschungslabor – auch weil die Marktanteile im Unternehmensbereich rasant wachsen. Intern signalisiert Anthropic, dass dies die letzte private Runde ist, mit einem anvisierten Börsengang im Oktober 2026.

Open-Source-Robotik und der Memory-Stack für Agenten

Zwei weitere Entwicklungen zeigen, wohin sich die Baustelle verlagert:

• Open-Source-Humanoide: Hugging Face hat eine vollständige Open-Source-Architektur für humanoide Roboter veröffentlicht – inklusive herunterladbaren STL-Dateien, handelsüblichen Aktuatoren und Elektronik, baubar für rund 2.500 Dollar. Sie folgt auf Asimov und andere Open-Robotics-Initiativen, und die Entwicklungskurve bei Open-Source-Hardware zieht rasant an.
• Persistenter Agenten-Speicher (Mem0): Mem0 hat persistenten Speicher für KI-Agenten über eine MCP-Integration gelauncht. Agenten erinnern sich sitzungsübergreifend an die Codebase und durchgeführte Aktionen. Durch zeitliches Reasoning, Memory Decay und recency-basiertes Retrieval lernen sie, wann Informationen noch relevant oder bereits veraltet sind. Erste Erfahrungsberichte sind positiv, auch wenn sich noch zeigen muss, ob der Memory-Layer global oder projektspezifisch arbeitet.

Ein paralleles Tool bietet ein Markdown-basiertes „Second Brain“, das sich selbst hosten und mit Agenten verbinden lässt – ein pragmatischerer Ansatz für dasselbe Problem: Agenten sollten nicht in jeder Session bei Null anfangen.

Fazit

Das zentrale Signal dieser Episode: Modellverhalten ist kontextabhängig, nicht nur parametrisch. Mit wem sich ein Agent eine Stadt teilt, bestimmt sein Handeln. Die nächste Phase des Wettbewerbs wird weniger durch Single-Shot-Benchmarks entschieden als vielmehr dadurch, welche Labs verlässliche agentische Schleifen, robusten Speicher und offene Hardware liefern können, auf der jeder aufbauen kann.