**Source:** Kai (@PWeber) in OME-Gruppe "Krallenpolitik"
**Actions:**
- raw: `raw/xpost/2026-06-13_roemmele-anthropic-selfdestruct.md` (created — Brian Roemmele X-Thread: 7 Punkte zur Anthropic-Selbstzerstörung, Kundenmigration zu Open Source, IPO-Schaden, Leadership-Failure, Darios Regulierungs-Ironie)
**Source:** @k9ert in OME-Gruppe "News & Infos (X/YT/Substack etc.)"-Topic
**Actions:**
- raw: `raw/xpost/2026-06-14_lieselweppen-open-source-llm-backdoors.md` (created — Liesel Weppen X-Thread mit 8 Suchbegriffen als Belege: Hubinger sleeper agents, Backdoor safety training, machine unlearning bias, bias persistence, bias transfer, persistent backdoors, catastrophic forgetting, Limits of debiasing. Diskussion mit k9ert über "Open Source bei LLMs = Marketing BS")
- wiki: `concepts/llm-behavior-persistence.md` (created — Konzeptseite zu Persistenz gelernter Verhaltensweisen in LLMs, drei Achsen: Sleeper-Agents/Backdoors, Machine Unlearning Bias, Catastrophic Forgetting; Verbindung zu "Open Weights ≠ Open Model"; Pro-Leben-Perspektive mit Handlungsspielräumen)
- Erst-Ingest, der direkt von einem Subagent-Fehler (xai billing error) zurückgespielt und im Main-Loop manuell finalisiert wurde
- Konzept identifiziert: Persistenz von gelernten Verhalten in LLMs übersteigt Fähigkeit von Fine-Tuning/Unlearning zur gezielten Entfernung
- Kernaussage: Open Weights ist nicht "sicher" — aber auch kein Argument gegen Offenheit; realistisch ist Open + Audit + transparente Trade-off-Dokumentation
**Source:** Feedback von @k9ert: "Warum sind im Wiki die Schlüssel Autoren und -Papiere nicht verlinkt? Bitte immer so viele URLS / Verlinkungen wie möglich!"
**Actions:**
- wiki: `concepts/llm-behavior-persistence.md` (updated — vollständige Verlinkung aller zitierten Papiere, Autoren und externen Ressourcen; Hubinger 2024, Kurmanji 2023, Goel 2024, Lin 2024, McCloskey & Cohen 1989, Webster 2020, Gonen & Lazaridou 2024/25; neue Sektion "Externe Ressourcen" mit Anthropic/DeepMind/CAIS/NIST/AI Incident Database/LessWrong/Papers With Code)
- wiki: `AGENTS.md` (updated — neue Kardinalregel "Maximale Verlinkung" hinzugefügt: jede Quelle, jedes Paper, jeder Autor, jeder zitierte Begriff MUSS verlinkt sein)
- log: updated
**Lessons learned:**
- Ohne Verlinkungen ist das Wiki tot — Faustregel: lieber ein Link zu viel als einer zu wenig
- Gilt für JEDE zukünftige Wiki-Erstellung, nicht nur für diese eine Seite
- Lessons learned sollten dauerhaft in die Wiki-Konventionen einfließen (nicht nur im Log landen)
**Source:** @k9ert in OME-Gruppe "News & Infos (X/YT/Substack etc.)"-Topic
**Actions:**
- raw: `raw/blog/2026-06-12_openrouter-fusion-beats-frontier.md` (created — OpenRouter Blog-Announcement 12.06.2026 von Brian Thomas; validiert mit DRACO-Benchmark von Perplexity AI; 100 Deep-Research-Tasks; zeigt dass Panels Frontier schlagen)
- wiki: `concepts/llm-model-fusion-ensembles.md` (created — Konzeptseite zu Model-Panel-Ensembles: Architektur, DRACO-Ergebnisse, Self-Fusion +6.7 Punkte, Budget-Panels ~Frontier, Anti-Contamination via Excluded-Domains, Judge-Modell-Wahl, Pro-Leben-Perspektive, Open Questions für OpenClaw)
- index: updated (neuer Concepts-Eintrag "LLM Model Fusion & Ensembles" + Raw Sources-Eintrag)
- log: updated
**Kernkonzept:**
- Statt Frontier-Skalierung: mehrere Modelle parallel + Judge-Synthese
- DRACO-Validierung: Fable 5 + GPT-5.5 (synth. Opus 4.8) = 69.0% > Fable 5 solo 65.3%
- Budget-Panel (Gemini 3 Flash + Kimi K2.6 + DeepSeek V4 Pro) = 64.7% bei 50% Kosten
- Self-Fusion (gleiches Modell 2×) = +6.7 Punkte über Solo — Synthesis-Schicht ist *mindestens so wichtig* wie das Modell
**Lessons / Open Questions für OpenClaw:**
- Self-Fusion als Pre-Routing-Layer für Quality-kritische Tasks?
- Ensemble-Pattern für Subconscious-Agent Hard-Synthesis?
- Excluded-Domains für eigene Evals + Subconscious-Crawls (Self-Referenz-Loops vermeiden)
**Source:** @PWeber (Kai) in OME-Gruppe "News & Infos (X/YT/Substack etc.)"-Topic
**Actions:**
- raw: `raw/youtube/2026-06-14_fahd-mirza-kimi-k2.7-vs-glm-5.2.md` (created — Fahd Mirza YouTube-Video 14.06.2026, 14 Min, 2659 Aufrufe, 89 Likes; Head-to-Head in Hermes Agent mit Bug-Fix + Feature-Build in Flask-App)
- wiki: `concepts/real-world-coding-showdown.md` (created — Konzeptseite zu alternativer Coding-Evaluation: statische Benchmarks (HumanEval/MBPP/SWE-bench) vs. Real-World-Head-to-Head mit echtem Bug + Constraint-Satisfaction; methodische Lessons, Sub-Task-Spezialisierung, Pro-Leben-Perspektive)
- wiki: `tools/kimi-k2.7-code.md` (updated — Cross-Reference zu real-world-coding-showdown + llm-model-fusion-ensembles)
- wiki: `architecture/model-routing.md` (updated — neue Sektion "Coding-Modelle: Kimi K2.7 & GLM-5.2" mit Implikation für Sub-Task-Spezialisierung im Routing)
- Real-World-Showdown als Benchmark-Alternative: Beide Modelle, identischer Agent, identischer Prompt, komplexe Real-App mit Bug + Feature
- Kimi K2.7: schnell (~5 Min), innovativ; GLM-5.2: stark bei Animation/Detail, 1M Kontext, MIT-Lizenz
- "Neck to neck" = beide production-ready, aber Sub-Task-spezifisch optimal
- Direkter Implikat für OpenClaw: Sub-Task-Routing für Coding-Tasks, Ensemble-Pattern mit Coding-Modellen, Real-World-Validierung statt nur Standard-Benchmarks
