Bin gestern auf https://langdock.com/de aufmerksam gemacht worden. Dort bekommt man auf Gemini 2.5 Pro bis Gemini 3 Pro Preview; ChatGPT o3 bis GPT oss (120b); Sonnet 4.5 Reasoning bis Sonnet 3.5; Opus 4.5 Reasoning bis Opus 3; Haiku 3.5 & Haiku 4.5; Llama 4 Maverick & Llama 3.3 70B; Mistral Medium & Mistral Large 2411 und dann noch DeepSeek v3.1 vollen Zugriff. Im Chat wird dann das Modell ausgewählt. Eine Anmeldung und auf 6 verschiedene KIs zugreifen. Im Monateabo für 29 € + MwSt. oder jährlich 23 € + MwSt. https://langdock.com/de/models

Oft läuft es so: Eine Frage geht an ein Modell. Die Antwort kommt zurück. Thema erledigt. Wir haben es anders gemacht: Die gleiche Frage an Claude, GPT und Gemini gestellt. Antworten verglichen. Selbst gedacht. War bisher unser kleiner „Hack“. Jetzt gibt’s das Ganze als Feature: Perplexity hat das Model Council gelauncht. Und im Kern heißt das: Du stellst eine Frage. Drei Modelle antworten parallel. Ein viertes Modell vergleicht und zeigt dir, wo sie sich einig sind – und wo nicht. Das ist ehrlich gesagt ziemlich stark. Warum das mehr ist als Spielerei: Jedes Modell hat blinde Flecken. Eines rechnet schlecht. Eines halluziniert bei aktuellen Themen. Eines wird bei Code kreativ. MIT-Tests zeigen: Ein einzelnes Modell kommt bei komplexeren Aufgaben auf ca. 70 % Genauigkeit. Mehrere Modelle, die sich „gegenseitig prüfen“? Rund 95 %. Das ist nicht Feinschliff. Das ist ein Unterschied. Wann ich Multi-Model wirklich sinnvoll finde: • bei Investitionsentscheidungen • bei strategischen Fragen • bei Fakten-Checks • bei Steuer- oder Rechtsthemen • bei allem, was nicht nur „Content“ ist Für den 0815-Post brauchst du das nicht. Für alles mit Konsequenz? Schon eher. Du kannst das aktuell über: – Perplexity Model Council – OpenRouter (manuell vergleichen) – oder technisch über eigene LLM-Council-Setups Unser Take: Multi-Model ist kein Hype. Es ist schlicht klüger, wenn es wichtig wird. Und ja – manchmal sind sich die Modelle nicht einig. Und manchmal liegt der Mensch trotzdem richtiger. Probier es aus. Stell deine nächste wichtige Frage drei Modellen. Du wirst überrascht sein, wo sie sich widersprechen. Gemeinsam. Smarter. Weiter. 🦊

Mit dem letzten Upgrade wird klarer denn je, wofür Manus gedacht ist. Nicht als Chatbot, sondern als ausführender KI-Worker. Was sind Manus Skills? Skills sind vorgefertigte, kombinierbare Fähigkeiten, mit denen Manus Aufgaben eigenständig erledigt – nicht nur vorbereitet. Also weniger „hilf mir dabei“ und mehr „mach das für mich“. Typische Skills sind zum Beispiel: - Recherche und Zusammenfassung komplexer Themen - Informationen strukturieren und Ergebnisse ableiten - Dokumente, Präsentationen oder Berichte erstellen - Daten, Webseiten oder Wettbewerber analysieren - mehrstufige Aufgaben mit klarer Zielvorgabe abarbeiten Der entscheidende Unterschied zu klassischen Prompts: Du beschreibst das Ziel, nicht jeden einzelnen Schritt. Was ist neu bzw. besser geworden? Mit dem Upgrade arbeiten Skills deutlich zuverlässiger über mehrere Schritte hinweg. Manus merkt sich Kontext, Anweisungen und Abläufe, trifft im Prozess selbst Entscheidungen und korrigiert sich, wenn etwas nicht passt. Das fühlt sich weniger nach „KI benutzen“ an und mehr nach Arbeit delegieren. Eine einmal richtig gute KI-Session lässt sich als Skill speichern und später immer wieder abrufen – ohne alles neu erklären zu müssen. Mehrere Skills können miteinander kombiniert werden, z. B. Recherche → Auswertung → Slides oder Social-Posts. So entsteht nach und nach eine eigene Bibliothek spezialisierter KI-Experten, die genau zu deinem Business und deinen Prozessen passen. Warum das relevant ist Manus verschiebt den Fokus von „Prompt-Qualität“ hin zu Aufgaben-Design. Die eigentliche Kompetenz liegt nicht mehr darin, perfekte Anweisungen zu schreiben, sondern zu wissen: - Was ist das Ziel? - Welche Rahmenbedingungen gelten? - Wann ist das Ergebnis gut genug? Genau hier liegt der Mehrwert für Selbstständige und kleine Teams: Manus eignet sich besonders für Aufgaben, die Zeit fressen, aber kein menschliches Feingefühl brauchen. Kurz gesagt: einmal sauber denken, einmal gut erklären,

Claude Opus 4.6 und GPT-5.3 Codex sind gleichzeitig live gegangen. Wenn das Tempo so bleibt, brauche ich bald ernsthaft einen Agenten, der meine Agenten testet. Der eigentliche Punkt ist aber nicht „noch ein neues Modell“. Beide Releases zeigen sehr klar dieselbe Entwicklung: ⚠️ Coding verliert seinen Sonderstatus. Und das ist größer, als es erstmal klingt. Hier meine erste Einordnung. Details werden in den nächsten Tagen sicher noch nachziehen. ** Claude Opus 4.6 – der Langstreckenläufer ** Claude spielt seine Stärke vor allem dort aus, wo andere Modelle bisher schlappgemacht haben: bei Länge, Komplexität und Dauer. Was neu ist: Claude kann mit extrem großen Kontexten umgehen, bleibt über lange Sessions stabil und arbeitet direkt mit klassischen Business-Formaten wie Excel und PowerPoint. Besonders spannend: Mehrere Agenten können parallel an einem Projekt arbeiten und sich selbst koordinieren. Dazu kommt ein Mechanismus, der alten Kontext automatisch verdichtet, damit die Arbeit nicht abbricht, nur weil es „zu viel“ wird. Kurz gesagt: gebaut für echte Arbeitsprozesse, nicht für Einmal-Prompts. ** GPT-5.3 Codex – der Bauarbeiter ** Codex geht in eine andere Richtung: bauen, umsetzen, liefern. Aus einer Beschreibung entstehen komplette Websites, Apps oder Spiele. Man kann dem Agenten beim Arbeiten zuschauen, eingreifen und nachjustieren. Das Modell ist schneller, günstiger pro Ergebnis und erstmals offiziell als „High Capability“ im Bereich Cybersecurity eingestuft – es findet aktiv Schwachstellen in Codebases. Kurz: extrem stark, wenn es darum geht, Dinge schnell Realität werden zu lassen. ** Was wirklich passiert ** Beide Modelle erledigen heute Aufgaben, für die man vor einem Jahr noch zwingend Entwickler brauchte. Ein Pitchdeck aus einem Briefing. Eine Landingpage für ein neues Projekt. Eine Analyse über hunderte Seiten Geschäftsbericht. Apps, Plugins, komplexe Webprojekte. Das alles ist kein Hexenwerk mehr. 👉 Der Engpass verschiebt sich. Nicht mehr: „Kann jemand das coden?“

OpenAI hat still und leise ein neues Abo eingeschoben: ChatGPT Go. Gedacht für alle, die ChatGPT regelmäßig nutzen, aber weder die Limits der Free-Version noch den Preis von Plus/Pro wirklich passend finden. Kurz gesagt: mehr Luft zum Arbeiten, ohne gleich ins High-End zu gehen. Was steckt hinter ChatGPT Go? Go ist kein separates Produkt, sondern läuft ganz normal im bestehenden ChatGPT. Du bekommst deutlich mehr Spielraum als im Free-Plan, ohne für Spezialfeatures zu zahlen, die du vielleicht gar nicht brauchst. Der Fokus liegt klar auf Alltagstauglichkeit. Was du konkret bekommst - Zugriff auf GPT-5 (stärkeres Reasoning als Free) - spürbar höhere Limits bei Nachrichten, Bildern und Uploads - längeres Gedächtnis für zusammenhängende Dialoge - Arbeiten mit Text, Bildern, PDFs, Tabellen und Python - Nutzung von Projekten, Tasks und eigenen GPTs Preislich eingeordnet ChatGPT Go liegt klar unter Plus/Pro. Je nach Region etwa 4–5 Dollar im Monat. Zielgruppe sind Studierende, Selbstständige, Creator und alle, die viel schreiben, recherchieren oder strukturieren – aber kostenbewusst bleiben wollen. Zur Einordnung der Pläne Free ist gut zum Reinschnuppern, aber schnell begrenzt. Go ist der solide Arbeitsmodus für den Alltag. Plus/Pro lohnt sich erst, wenn du mit mehreren Modellen, Deep Research oder Agenten arbeitest. Unterm Strich Go ist kein abgespecktes Plus, sondern eine sinnvolle Zwischenlösung. Für komplexe Automationen reicht es nicht. Für Content, Recherche, Schreiben, Kurse und tägliche Arbeit aber absolut brauchbar.