Singularität am Horizont: Code, der Code schreibt, der Code trainiert 🔮

Jack Clark (Mitbegründer von Anthropic) hat einen Analyse-Essay über den aktuellen Stand der KI-Industrie veröffentlicht.

Seine Hauptthese: Mit einer Wahrscheinlichkeit von >60% werden wir bis Ende 2028 einen vollständig automatisierten F&E-Zyklus sehen. Das heißt, das Top-Modell kann autonom seine nächste, intelligentere Version trainieren, ohne Beteiligung von Fleischsäcken.

Klingt nach dem Anfang eines billigen Sci-Fi, aber Clark erklärt alles mit Metriken. Wenn man sich die aggregierten Benchmark-Daten ansieht, wird einem etwas unwohl, wie schnell der Horizont menschlicher Kompetenz schrumpft.

1️⃣ Sättigung der Engineering-Benchmarks
SWE-Bench (Lösung realer GitHub-Issues). Ende 2023 war das Top-Ergebnis mit Claude 2 mickrige 2%. Jetzt erreicht Claude Mythos Preview 93,9%. Faktisch ist der Benchmark bestanden.
Die Autonomie-Zeitspanne (METR) stieg von 4 Minuten bei GPT-4 im Jahr 2023 auf 12 Stunden ununterbrochener Arbeit bei Opus 4.6 heute. Das ist ein voller Arbeitstag eines Mid-Level-Entwicklers, der nicht rauchen geht. Bis Ende 2026 wird ein Sprung auf 100 Stunden erwartet. Das reicht aus, damit das neuronale Netz nicht nur einen Bug fixen, sondern die gesamte Service-Architektur umschreiben kann, während Sie mit etwas anderem beschäftigt sind.

2️⃣ Automatisierung der Routine von Data Scientists
Benchmark MLE-Bench (Offline-Kaggle-Wettbewerbe). Das beste System auf Basis von Gemini3 erreicht 64,4%.
CORE-Bench (Reproduktion wissenschaftlicher ML-Artikel aus dem Repository). Das Modell installiert selbst Abhängigkeiten, richtet die Umgebung ein, führt Code aus und überprüft Ergebnisse. Bewertung: 95,5%.

3️⃣ Das Wichtigste: KI wagt sich an Hardcore-Optimierung
Neuronale Netze haben gelernt, GPU-Kerne (Triton/CUDA) zu schreiben und zu optimieren. Anthropic misst, wie Modelle Code für das Training von LLMs auf CPUs optimieren. Innerhalb eines Jahres stieg die Beschleunigung von 2,9x (Opus 4) auf 52x (Claude Mythos Preview). Ein Mensch bräuchte für ein solches Ergebnis einen vollen Arbeitstag.
Es gibt PostTrainBench – hier werden große Modelle mit kleinen Open-Source-Gewichten feinabgestimmt. Aktuell erreichen KI-Agenten bereits ~50% der Leistung von Top-ML-Ingenieuren aus führenden Laboren.

Ja, den Modellen fehlt noch die „Kreativität“ für neue Paradigmen (wie Transformer), aber das brauchen sie auch nicht. Extensive Skalierung durch autonome Teams von KI-Agenten reicht völlig aus.

Es könnte durchaus dazu kommen, dass große Unternehmen zwar „groß“ im Kapital sind (viele GPUs benötigen), aber sehr klein in Bezug auf Mitarbeiter. Warum 50 Ingenieure beschäftigen, wenn ein Architekt einen Schwarm von 500 synthetischen Agenten steuern kann, die nicht ausbrennen und Code mit Lichtgeschwindigkeit schreiben? Nun, das gilt, wenn alles nach dem idealen Szenario läuft und es keine schwarzen Schwäne gibt.

Glauben wir daran?