Sieben Wochen nach 5.4 schiebt OpenAI das nächste „klügste Modell aller Zeiten" raus. Ihr kennt das Spiel. Aber diesmal steckt wirklich was drin, das ich interessant finde. Und ein paar Dinge, die mich nerven. Was wirklich neu ist: ChatGPT 5.5 ist nicht für besseren Smalltalk gebaut. Es ist gebaut, um selbstständig am Computer zu arbeiten. Du gibst eine unscharfe, mehrstufige Aufgabe – recherchieren, Tabelle bauen, Code testen, Dokument erstellen – und das Ding zieht das durch. Ohne dass du jeden Schritt vorgibst. Das ist der eigentliche Sprung. Nicht die Versionsnummer. Konkret merkt ihr das hier: → Längere Arbeitsketten, die nicht mehr auf halber Strecke abbrechen → Besseres Durchhalten bei komplexen Aufgaben (Terminal-Bench: 82,7 % statt 75,1 %) → Browser-Bedienung deutlich verbessert → Oft weniger Tokens und Versuche für dasselbe Ergebnis Was mich nervt: 1️⃣ Der Takt. GPT-5, 5.1, 5.2, 5.3, 5.4, jetzt 5.5. Dazu Claude Opus 4.7, Gemini 3.1 Pro. Jede Woche ein neuer „Sieger". Wer da ständig wechselt, kommt nicht mehr zum Arbeiten. 2️⃣ Die Benchmark-Show. OpenAI zeigt Tabellen, in denen 5.5 vorne liegt. Bei SWE-Bench Pro liegt aber Claude Opus 4.7 mit 64,3 % vor ChatGPT 5.5 mit 58,6 %. Jeder Anbieter wählt die Tests, bei denen er gewinnt. Benchmarks sind Marketing, nicht Wahrheit. 3️⃣ Die Preis-Geschichte. In der API kostet 5.5 Pro jetzt 180 Dollar pro Million Output-Tokens. Das ist eine andere Liga. OpenAI sagt: „Aber es braucht ja weniger Tokens pro Aufgabe!" Kann stimmen. Muss nicht. Meine Empfehlung an euch: Wer Plus oder Pro hat – einfach ausprobieren, kostet nichts extra. Wer nur Textkram macht (Mails, Zusammenfassungen, Brainstorming): Ihr werdet den Unterschied kaum merken. Bleibt entspannt. Wer mehrstufige Aufgaben an KI abgibt – Recherchen, Datenanalysen, Automatisierungen: Hier lohnt der Blick wirklich. Der Sprung ist spürbar. Und generell: Legt euch pro Aufgabentyp auf ein Modell fest. Nutzt es drei Monate konsequent. Dann evaluiert neu. Alles andere ist Beschäftigungstherapie.

Ich wette, du hast dich das auch schon mal gefragt. Zufall? Klingt einfach nett? Nope. Da steckt eine richtig gute Geschichte dahinter. Der Namensgeber: Ein Mann, den kaum jemand kennt – obwohl er alles verändert hat Claude Shannon. 1916 geboren, 2001 gestorben. In Deutschland so gut wie unbekannt. Und trotzdem: Ohne ihn kein Internet, kein Smartphone, keine KI. 1948 veröffentlichte er ein Paper mit dem sperrigen Titel "A Mathematical Theory of Communication". Klingt trocken. War eine Revolution. Shannon fragte sich: Gibt es eine universelle Theorie der Kommunikation – egal ob Telefon, Radio oder Telegraph? Und er lieferte die Antwort. Er zeigte, wie Information mathematisch messbar ist. Und er führte dabei den Begriff "Bit" ein – die kleinste Einheit digitaler Information. Scientific American nannte sein Paper später die "Magna Carta des Informationszeitalters". Sein berühmtester Satz: "Information is the resolution of uncertainty." Information ist die Auflösung von Unsicherheit. Klingt fast wie eine Stellenbeschreibung für eine KI, oder? 😄 Und Anthropic? Die Gründer wählten den Namen bewusst. Als Verbeugung vor Shannon – und als Statement: Wir verstehen, was wir hier bauen. Keine Spielerei, sondern die Fortsetzung eines langen wissenschaftlichen Projekts. Alle anderen KI-Assistenten bekamen weibliche Namen – Alexa, Siri, Cortana. Claude sollte bewusst anders sein. (Und im Französischen ist Claude übrigens für alle Geschlechter gebräuchlich – auch das eine elegante Mehrdeutigkeit.) Das Schöne daran: Jedes Mal, wenn du mit Claude arbeitest, steckt da im Kern genau das drin, was Shannon 1948 beschrieben hat: Ein System, das Rauschen reduziert, Bedeutung überträgt und Unsicherheit auflöst. Nur halt mit deutlich mehr Rechenleistung als ein Einrad. 🚲 (Ja – Shannon war auch dafür bekannt, durch die Flure von Bell Labs auf einem Einrad zu fahren. Manchmal jonglierend. Weil er konnte.) Hättet ihr gewusst, woher der Name kommt? 👇

Heute hat Anthropic das neue Modell Claude Opus 4.7 veröffentlicht. Und normalerweise würde ich bei einem Modell-Update sagen: „Ja, nett, wieder ein paar Benchmarks besser." Aber dieses Update ist anders – und ich erkläre euch, warum. Was ist neu? Das Wichtigste zuerst: Opus 4.7 befolgt Anweisungen jetzt wörtlich. Klingt banal, ist es aber nicht. Wer Claude kennt, weiß: Bisher hat das Modell Prompts oft „kreativ interpretiert" – also Teile übersprungen, Dinge hinzugedichtet oder locker ausgelegt. Das neue Modell nimmt euch beim Wort. Wenn ihr sagt „Schreib genau drei Absätze", bekommt ihr drei Absätze. Nicht vier. Nicht zweieinhalb mit einer netten Ergänzung. Anthropic warnt sogar selbst: Alte Prompts, die bisher funktioniert haben, können jetzt unerwartete Ergebnisse liefern – weil das Modell sie jetzt endlich wörtlich nimmt. Wer also über Monate seine Prompts so formuliert hat, dass Claude „versteht, was gemeint ist", sollte die nochmal prüfen. Das Modell rät nicht mehr – es gehorcht. Warum mich das persönlich freut Ich arbeite jeden Tag intensiv mit Claude. Für meine Kurse, für Texte, für Automatisierungen, für Code. Und eine der größten Frustrationen war immer: Du gibst eine detaillierte Anweisung und bekommst 80% davon zurück, garniert mit Eigeninterpretation. Das ändert sich jetzt spürbar. Dazu kommt: Opus 4.7 kann Bilder in deutlich höherer Auflösung verarbeiten (dreimal so viele Pixel wie vorher). Für alle, die mit Screenshots, Diagrammen oder Dokumenten-Scans arbeiten – das ist ein echter Sprung. Was ihr wissen müsst Zwei Dinge, die Anthropic ehrlich kommuniziert (finde ich gut): 1. Der Token-Verbrauch kann steigen – bis zu einem Drittel mehr, je nach Input. Das liegt am neuen Tokenizer und daran, dass das Modell gründlicher „nachdenkt". Man kann das aber steuern, zum Beispiel mit dem neuen Effort-Parameter oder indem man das Modell auffordert, sich kürzer zu fassen. 2. Opus 4.7 ist nicht das stärkste Modell von Anthropic. Das ist „Claude Mythos Preview" – ein Modell, das so gut darin ist, Sicherheitslücken zu finden, dass Anthropic es unter Verschluss hält und nur ausgewählten IT-Sicherheitsfirmen zur Verfügung stellt. Opus 4.7 schlägt aber seinen Vorgänger Opus 4.6 in praktisch allen Bereichen.

Manus ist ein KI-Agent (seit Ende 2025 gehört er zu Meta), der nicht nur chattet, sondern eigenständig Aufgaben erledigt. Recherchieren, Code schreiben, Dateien erstellen – alles ohne ständiges Händchenhalten. Seit März 2026 gibt es die Desktop-App mit dem Feature "My Computer". Und das verändert die Spielregeln. Was ist neu? Manus arbeitet jetzt direkt auf deinem Mac oder PC. Er nutzt dein Terminal, greift auf deine lokalen Dateien zu, kann installierte Programme steuern. In einer Demo hat er in 20 Minuten eine komplette macOS-App gebaut – ohne dass ein Mensch eine Zeile Code getippt hat. Praktische Beispiele: → Tausende Fotos automatisch sortieren lassen → Wöchentliche Reports aus lokalen Daten generieren → Von unterwegs per Handy dem Agenten sagen: "Finde das Dokument auf meinem PC und schick es per Mail raus" Wie unterscheidet sich das von Claude Cowork? Cowork (von Anthropic) ist der Spezialist für Dokumente – Word, Excel, PowerPoint auf einem sehr hohen Niveau. Manus ist eher der Allrounder: Web-Recherche + Code + lokale Dateien + Cloud-Dienste (Gmail, Notion, Slack) in einem Workflow. Kurz: Cowork = Büro-Profi. Manus = digitaler Alleskönner. Der Haken beim Datenschutz 🔒 "Lokal" klingt erstmal gut. Aber Achtung: Die Befehle werden zwar auf deinem Rechner ausgeführt, aber das eigentliche "Denken" passiert in der Cloud. Heißt: Wenn Manus eine Datei auf deiner Festplatte liest, wird der Inhalt an Cloud-Server geschickt. Bei Cowork ist es übrigens genauso – die Inferenz läuft auf Anthropics Servern. Wirklich komplett lokal geht nur mit eigenen Modellen (Ollama, LM Studio). Aber die spielen leistungsmäßig in einer anderen Liga. Was kostet das? Manus arbeitet mit Credits. Jede Aktion kostet – und zwar unvorhersehbar. Eine simple Recherche: ~50 Credits. Eine komplexe Aufgabe: 500–900 Credits. - Free: 300 Credits/Tag (zum Testen) - Standard: $20/Monat (~4.000 Credits) - Extended: $200/Monat (~40.000 Credits) Achtung: Credits verfallen am Monatsende. Und wenn sie mitten in einer Aufgabe ausgehen, stoppt Manus komplett.

🔐 Kurzer Test: Frag mal ChatGPT nach einem Passwort. Du bekommst sowas: G7$kL9#mQ2&xP4!w Sieht stark aus. Jeder Passwort-Checker jubelt. Und trotzdem ist es gefährlich schwach. Warum? KI-Sprachmodelle funktionieren, indem sie immer das Wahrscheinlichste vorhersagen. Das macht sie gut beim Schreiben und Erklären. Bei Passwörtern ist genau das das Problem – denn sichere Passwörter brauchen echte Zufälligkeit. Die kann kein Chatbot liefern. Eine aktuelle Studie hat Claude 50 Mal nach einem Passwort gefragt. Ergebnis: Dasselbe Passwort kam 18 Mal. Das sind 36 Prozent – bei etwas, das "zufällig" sein soll. Was stattdessen funktioniert: → Passwortmanager wie Bitwarden (kostenlos) oder 1Password nutzen – die generieren echte Zufallspasswörter → Wo möglich: Passkeys aktivieren – kein Passwort, kein Problem → Immer: Zwei-Faktor-Authentifizierung einschalten KI ist ein mächtiges Werkzeug. Aber für Passwörter gibt es bessere. 💬 Habt ihr ChatGPT schon mal nach einem Passwort gefragt? Was kam raus?