ingest(xpost): sovereignbrah kartell-these + vercel-gateway leaderboards (open 78.4%)

raw/other/2026-09-20_vercel-ai-gateway-leaderboards.md

@@ -0,0 +1,73 @@
+---
+type: other
+source_url: https://vercel.com/ai-gateway/leaderboards/models
+retrieved: 2026-09-20
+title: "Vercel AI Gateway — Leaderboards (Open vs. Closed Token Volume, Reach, Preference)"
+tags: [vercel, ai-gateway, leaderboard, open-weights, token-volume, market-share, jev, cc-by-4.0]
+---
+
+# Vercel AI Gateway — Leaderboards (Stand 20.09.2026)
+
+Primärquelle: https://vercel.com/ai-gateway/leaderboards/models — lokal abgerufen 20.09.2026, ~09:51 UTC, HTTP 200. Zweite Seite: https://vercel.com/ai-gateway (Startseite des Gateways).
+
+## Seitenangaben (wörtlich)
+
+- Zweck: „See top models, labs, apps, and providers on AI Gateway with token, request, and cost trends."
+- „This leaderboard data is anonymized and free to use, updated daily. Download any chart or list as CSV, or use the [public JSON export](https://vercel.com/api/ai/leaderboard-export?dataset=models&modality=all&format=json) without authentication."
+- Lizenz: CC BY 4.0.
+
+## Abschnitte der Seite und Textwerte
+
+| Abschnitt | Untertitel (wörtlich) | Zeitraum im Text | Werte im ausgelieferten Text |
+|---|---|---|---|
+| Token Volume | „Share of AI Gateway token volume across the top models." | Jun 22, 2026 – Sep 19, 2026 | „Other 14.3 %" |
+| Open vs. Closed Token Volume | „Share of AI Gateway token volume on models that publish their weights for download, versus everything else." | Jun 22, 2026 – Sep 19, 2026 | **keine Zahlen im Text** (clientseitig gerendert) |
+| Requests | „Share of AI Gateway requests across the top models." | Jun 22, 2026 – Sep 19, 2026 | „Other 33.6 %" |
+| Spend | „Share of AI Gateway spend across the top models." | Jun 22, 2026 – Sep 19, 2026 | „Other 22.5 %" |
+| Reach | „Share of AI Gateway teams using each model. Teams use several models, so these shares do not sum to 100 %." | Jun 21, 2026 – Sep 18, 2026 | Top-10-Liste (s. u.) |
+| Preference | „Share of AI Gateway teams with each model as their primary model, by token volume." | Jun 21, 2026 – Sep 18, 2026 | Top-10-Liste (s. u.) |
+
+⚠️ Die Zahlen der gestapelten Charts (Token Volume, Open vs. Closed, Requests, Spend) werden **clientseitig** gerendert und stehen nicht im abgerufenen Text; nur die „Other"-Werte der drei erstgenannten Charts sind im Text enthalten. Die 78,4 % / 21,6 % aus dem Screenshot im Post von @rauchg (19.09.2026) sind daher aus dieser Textabfrage **nicht** reproduzierbar.
+
+## Reach — Top 10 (Zeitraum Jun 21 – Sep 18, 2026)
+
+| # | Modell | Anteil |
+|---|---|---|
+| 1 | Jev | 15.6 % |
+| 2 | Claude Haiku 4.5 | 14.6 % |
+| 3 | GPT 5.6 Luna | 13.0 % |
+| 4 | Claude Sonnet 5 | 12.2 % |
+| 5 | text-embedding-3-small | 8.7 % |
+| 6 | Claude Sonnet 4.6 | 8.3 % |
+| 7 | Gemini 2.5 Flash | 6.5 % |
+| 8 | Gemini 2.5 Flash Lite | 6.5 % |
+| 9 | GPT 5.6 Sol | 6.2 % |
+| 10 | Gemini 3.8 Flash | 6.2 % |
+
+## Preference — Top 10 (Zeitraum Jun 21 – Sep 18, 2026)
+
+| # | Modell | Anteil |
+|---|---|---|
+| 1 | Jev | 13.3 % |
+| 2 | GPT 5.6 Luna | 6.9 % |
+| 3 | Claude Sonnet 5 | 6.9 % |
+| 4 | Claude Haiku 4.5 | 6.7 % |
+| 5 | Claude Sonnet 4.6 | 4.2 % |
+| 6 | Gemini 2.5 Flash | 3.2 % |
+| 7 | GPT-4o mini | 2.9 % |
+| 8 | Gemini 2.5 Flash Lite | 2.9 % |
+| 9 | GPT-5 mini | 2.7 % |
+| 10 | Other | 50.5 % |
+
+## Fakten der Gateway-Startseite (https://vercel.com/ai-gateway, Abruf 20.09.2026)
+
+- Positionierung: „Hundreds of models, one API key, no markup. Text, image, video, audio."
+- Preiszusage: „No markup on tokens — Pay provider prices, never a cent more." Beispielabrechnung auf der Seite: OpenAI $12.47 · Anthropic $8.22 · SpaceXAI $4.31 · Platform fee $0.00 · Total $25.00.
+- Funktionen laut Seite: Routing nach Availability/Cost/Latency mit Provider-Failover auf dasselbe Modell; ein API-Key für hunderte Modelle; vereinheitlichte Abrechnung/Observability; Zero Data Retention und „no training" pro Request oder teamweit konfigurierbar; Provider-Allowlist; Budgets auf Team-/Projekt-/Key-Ebene.
+- „Recent ships" zum Abrufzeitpunkt: 18.09.2026 GLM 5.3 FlashX · 17.09.2026 GPT-Live 1 · 16.09.2026 TypeSafe AI's Jev.
+- Kundenkennzahl (Vercel-Angabe, Fallstudie Zo Computer): „20× Improvement in AI reliability after switching", „30s To adopt a new model, down from an hour of code", „25 % Improvement in average latency on model calls".
+
+## Einordnung der Datenbasis
+
+- Die Leaderboards messen **Nutzung über das Vercel AI Gateway** — also eine Anbieterplattform, nicht den Gesamtmarkt. Die Seite selbst bezeichnet die Daten als anonymisiert und täglich aktualisiert.
+- Die Datensätze sind als CSV/Chart und als authentifizierungsfreier JSON-Export verfügbar (CC BY 4.0).

raw/xpost/2026-09-19_sovereignbrah-antitrust-open-weights.md

@@ -0,0 +1,93 @@
+---
+type: xpost
+source_url: https://x.com/sovereignbrah/status/2101446314743775632
+retrieved: 2026-09-20
+author: "@sovereignbrah"
+is_thread: false
+quote_count: 39
+post_date: 2026-09-19T23:00:19Z
+engagement: {views: 102062, likes: 2855, retweets: 558, replies: 87, quotes: 39, bookmarks: 534}
+tags: [xpost, open-weights, frontier-labs, regulation, antitrust, vercel-ai-gateway, market-share, anthropic, openai]
+---
+
+# @sovereignbrah: „This is why Anthropic and OpenAI are panicking"
+
+> **Quelle:** X-Post von [SOVEREIGN BRAH](https://x.com/sovereignbrah) (@sovereignbrah), 19.09.2026, 23:00:19 UTC: https://x.com/sovereignbrah/status/2101446314743775632. Abruf 20.09.2026, ~09:50 UTC (fxtwitter-API).
+
+## Autor
+
+| Feld | Wert |
+|---|---|
+| Anzeigename | SOVEREIGN BRAH 🇺🇸🏛️⚡️ |
+| Handle | [@sovereignbrah](https://x.com/sovereignbrah) |
+| Bio | „Pursuing truth, liberty, Jesus Christ, and personal sovereignty. New World Order disrespecter." |
+| Standort (Profilfeld) | „Revelation 19:11-21" |
+| Follower | 181.958 (Abruf 20.09.2026) |
+| Following | 924 |
+| Verifiziert | ja (Typ: individual) |
+| Account erstellt | 21.09.2008 |
+| Website | nicht angegeben |
+
+## Post-Text (wörtlich)
+
+> This is why Anthropic and OpenAI are panicking and saying "AI is going to kill everyone."
+>
+> They had the market captured before. Now they don't.
+>
+> Normal people & enterprise companies don't need cracked-out, borderline-AGI models like Astra and Fable for their daily work. It's too expensive.
+>
+> The market shifted towards using open weights models that offer 95% of the same capability at 1-2% of the price.
+>
+> These guys totally underestimated their competition, IPOs are now cooked, and they're absolutely panicking. So they're trying to create a regulatory cartel and have all of their competition banned. That's all it comes down to.
+
+Der Post ist ein **Note-Tweet** (`is_note_tweet: true`, 632 Zeichen). Sprache: en. Quelle: „Twitter Web App". Kein Community Note (`community_note: null`).
+
+## Engagement (fxtwitter-API, Abruf 20.09.2026, ~09:50 UTC)
+
+102.062 Views · 2.855 Likes · 558 Retweets · 87 Replies · 39 Quotes · 534 Bookmarks.
+
+## Zitierter Post (@rauchg / Guillermo Rauch)
+
+> Looks like today may be a record day for token volume % of open models on Vercel AI Gateway:
+>
+> 🟦 Open 78.4%    🟨 Closed 21.6%
+>
+> While spend 💲 usually tells a different story, #3 and #4 today are Moonshot AI & DeepSeek. Adding Z⁠.ai, their combined spend surpasses OpenAI (#2).
+>
+> (Do note that's the spend for inference of the model across providers (mostly in the US), not revenue going directly to the open weight labs.)
+
+- **URL:** https://x.com/rauchg/status/2101186741042663579
+- **Autor:** Guillermo Rauch ([@rauchg](https://x.com/rauchg), 873.975 Follower; Bio „@vercel CEO"; Website rauchg.com; verifiziert, Konto seit 22.07.2008)
+- **Erstellt:** 2026-09-19 05:48:51 UTC, Note-Tweet, Quelle „Twitter Web App"
+- **Engagement (Abruf 20.09.2026):** 1.711.253 Views · 1.756 Likes · 219 Retweets · 181 Replies · 213 Quotes · 534 Bookmarks
+- **Angehängtes Bild:** Screenshot einer Vercel-Gateway-Grafik, https://pbs.twimg.com/media/HSjnTgfaQAAHWbk.jpg (1756 × 1222 px), Bild-ID `2101183548493545472`
+
+## Inhalt des angehängten Bildes (lokal ausgelesen, 20.09.2026)
+
+Screenshot einer Vercel-Gateway-Dashboard-Karte (kein Tweet-Screenshot):
+
+- **Kopf:** Vercel-Logo, URL `vercel.com/ai-gateway`
+- **Titel:** „Open vs. Closed Token Volume"
+- **Untertitel:** „Share of AI Gateway token volume on models that publish their weights for download, versus everything else."
+- **X-Achse:** `Jun 21, 2026` → `Sep 18, 2026`
+- **Legende:** `1 ● Open Weights 78.4%` · `2 ● Closed Weights 21.6%`
+- **Darstellung:** 100-%-Stapelgrafik, Blau (Open Weights) oben, Gelb/Gold (Closed Weights) unten; zu Beginn der Achse etwa hälftig, danach Verschiebung zugunsten Open Weights bis zum Endwert.
+
+## Angehängte/verlinkte Primärquelle des Bildes
+
+- **[Vercel AI Gateway — Leaderboard „Open vs. Closed"](https://vercel.com/ai-gateway/leaderboards/models)** (lokal abgerufen 20.09.2026). Die Seite enthält denselben Abschnittstitel („Open vs. Closed Token Volume") und denselben Untertitel; der dortige Zeitraum ist `Jun 22, 2026` – `Sep 19, 2026` (Tagesaktualisierung → abweichendes Enddatum gegenüber dem Screenshot vom 19.09.). Die Prozentwerte werden auf der Seite **clientseitig** gerendert und stehen nicht im ausgelieferten HTML/Text; sie waren per Textabruf nicht auslesbar.
+- Rohdaten-Export der Seite (ohne Authentifizierung, laut Seitenangabe): https://vercel.com/api/ai/leaderboard-export?dataset=models&modality=all&format=json — Lizenz der Leaderboard-Daten laut Seite: **CC BY 4.0**.
+
+## Im Post genannte Begriffe (ohne Quellenangabe im Text)
+
+- **„Astra"** — im Wiki als GPT-6 Astra erfasst (`wiki/concepts/llm/…`, `raw/xpost/2026-09-05_greg-isenberg-gpt6-astra-prompts.md` u. a.).
+- **„Fable"** — Anthropic-Fable-Reihe (Fable 5 / 5.1), im Wiki erfasst (`wiki/concepts/llm/fable-5-anthropic.md`).
+- **„95 % of the same capability at 1-2 % of the price"** — Zahlenangabe nur im Post, ohne Quelle.
+- **„regulatory cartel"** — Deutung des Posts, kein Zitat aus einer Primärquelle.
+- **„IPOs are now cooked"** — Behauptung ohne Beleg im Post.
+
+## Kontext (Faktenlage, nicht Teil des Posts)
+
+- Der zitierte Post stammt von Vercel-CEO Guillermo Rauch und bezieht sich auf **einen einzelnen Tag** („today may be a record day") des Gateway-Tokenvolumens.
+- Die zitierten 78,4 % / 21,6 % sind **Token-Volumen-Anteile auf dem Vercel AI Gateway**, nicht der weltweite Modellmarkt.
+- Der Post nennt keine Quelle für die Preisdifferenz (1–2 %) und keine Quelle für die Kartell-/Regulierungsbehauptung.

wiki/concepts/llm/open-weights-share-vercel-gateway.md

@@ -0,0 +1,74 @@
+---
+created: 2026-09-20
+updated: 2026-09-20
+sources: [xpost/2026-09-19_sovereignbrah-antitrust-open-weights.md, other/2026-09-20_vercel-ai-gateway-leaderboards.md]
+tags: [concept, llm, open-weights, market-share, token-volume, vercel-ai-gateway, leaderboard, frontier-labs, antitrust, price-differential]
+institutions: [vercel, anthropic, openai]
+---
+
+# Open-Weights-Anteil im Vercel AI Gateway — die Zahl hinter der These
+
+> **Quelle:** X-Post von [SOVEREIGN BRAH](https://x.com/sovereignbrah) (@sovereignbrah, 181.958 Follower), 19.09.2026, 23:00 UTC ([Post](https://x.com/sovereignbrah/status/2101446314743775632)), Quote-Post von [Guillermo Rauch](https://x.com/rauchg/status/2101186741042663579) (19.09.2026, 05:48 UTC). Raw: [[../../../raw/xpost/2026-09-19_sovereignbrah-antitrust-open-weights.md]]. Datengrundlage: [Vercel AI Gateway Leaderboards](https://vercel.com/ai-gateway/leaderboards/models), lokal abgerufen 20.09.2026 ([[../../../raw/other/2026-09-20_vercel-ai-gateway-leaderboards.md]]).
+
+## Was gemessen wurde — und was nicht
+
+Der Post zitiert einen Screenshot von Vercel-CEO Guillermo Rauch: **78,4 % Open Weights gegen 21,6 % Closed Weights** beim Token-Volumen auf dem Vercel AI Gateway, Zeitraum `Jun 21, 2026` – `Sep 18, 2026`.
+
+Drei Einschränkungen, die den Zahlenwert nicht entwerten, aber einordnen:
+
+1. **Plattform, nicht Weltmarkt.** Gemessen wird der Anteil auf **einem** Gateway — dem von Vercel. Die Datenbasis ist „anonymized, updated daily", die Grafiken stehen unter CC BY 4.0. Über den Weltmarkt sagt die Zahl nichts.
+2. **Token-Volumen, nicht Umsatz und nicht Nutzerzahl.** Rauch schreibt selbst, dass Spend „usually tells a different story" — der eigene Vorbehalt steht im zitierten Post.
+3. **Ein Tag, keine Serie.** Rauchs Formulierung lautet „today may be a record day" — der Screenshot zeigt den Endpunkt einer Kurve, nicht den Durchschnitt.
+
+Die Live-Seite von Vercel bestätigt Titel, Untertitel und die Existenz des Abschnitts; die Prozentwerte selbst werden **clientseitig** gerendert und waren per Textabruf nicht auslesbar (siehe Raw). Der Screenshot bleibt damit für die konkreten 78,4 % die Quelle.
+
+## Eigenbefund (nicht im Post)
+
+Die Leaderboards erheben mehr als Token-Volumen — und **die anderen Achsen sehen anders aus als der Token-Anteil:**
+
+| Achse (Jun 21 – Sep 18, 2026) | Spitzenreiter | Bemerkenswert |
+|---|---|---|
+| **Reach** (Teams, die ein Modell nutzen) | **Jev 15,6 %**, Claude Haiku 4.5 14,6 %, GPT 5.6 Luna 13,0 % | TypeSafe-Modell **auf Platz 1** — in einem Feld aus Frontier-Modellen |
+| **Preference** (primäres Modell nach Token-Volumen) | **Jev 13,3 %**, dann Luna/Sonnet 5 je 6,9 % | Jev führt mit **fast doppeltem** Abstand auf Platz 2 |
+| **Requests** (Anteil der Aufrufe) | „Other" 33,6 % | — |
+| **Spend** (Anteil der Ausgaben) | „Other" 22,5 % | — |
+
+Der Befund, der in keiner der beiden Posts steht: Jev — ein Modell mit ~$0,04/1 Mio. Input-Token und kostenlosem Output (siehe [[system-one-models-jev.md]]) — führt bei **Reach** und **Preference** deutlich. Das ist eine andere Aussage als „offene Gewichte dominieren": Es heißt, dass **Entscheidungs-Modelle an den Rand des Stacks rutschen** — dort, wo jede Anfrage durchläuft. Die Token-Volumen-These und die Reach-Zahl stützen sich also gegenseitig, messen aber Verschiedenes.
+
+⚠️ Beide Zahlenreihen stammen aus derselben Anbieterquelle und sind **nicht unabhängig** verifiziert (clientseitig gerendert, nur Screenshot/Text-Reste). Die Rangfolgen sollten als Signal gelesen werden, nicht als Messwert.
+
+## Der Post: vier Behauptungen
+
+| Behauptung | Status |
+|---|---|
+| „Anthropic und OpenAI sagen ‚AI is going to kill everyone', weil sie den Markt verloren haben" | **Deutung.** Der Kausalzusammenhang wird behauptet, nicht belegt. Im Post steht kein Zitat aus einem Anthropic- oder OpenAI-Statement. |
+| „Normal people & enterprise companies don't need cracked-out, borderline-AGI models … It's too expensive." | **These**, deckt sich in der Richtung mit den dokumentierten Kostenvergleichen ([[chinese-model-cost-routing.md]], [[ai-intelligence-commoditization-thesis.md]]), ist aber selbst keine Quelle. |
+| „open weights models … offer **95 % of the same capability at 1-2 % of the price**" | **Zahlenangabe ohne Quelle.** Die dokumentierten Vergleichswerte liegen bei 4 % Qualitätsverlust zu ~13 % der Kosten (87 %-Ersparnis, [[chinese-model-cost-routing.md]]) — die Größenordnung „1–2 % des Preises" ist damit deutlich schärfer als die Aktenlage. |
+| „They're trying to create a **regulatory cartel** and have all of their competition banned. That's all it comes down to." | **Unbelegte Zuschreibung.** Kein Dokument, kein Zitat, kein Vorgang genannt — dieselbe Figur wie in [[../policy/ai-fear-narrative-regulierung.md]] (These 4, „fear campaign"), dort schon als unbelegt geführt. |
+
+Dazu die Behauptung „IPOs are now cooked" — ohne Bezugsvorgang, ohne Datum, ohne Quelle.
+
+## Einordnung gegen die Wiki-Aktenlage
+
+Der Post trifft einen **realen Trend** und zieht daraus eine **stärkere Schlussfolgerung, als die Daten tragen.**
+
+- **Der Trend ist dokumentiert:** 78,4 % Token-Anteil offener Gewichte auf dem Gateway (Screenshot), 15 Wochen in Folge chinesische Modelle an der Spitze der globalen Token-Nutzung ([[chinese-models-top-usage-charts.md]]), „open weights stopped being a gift, they're a pricing weapon" ([[open-weights-economics.md]]), 87 %-Kostenreduktion bei 4 % Qualitätsverlust ([[chinese-model-cost-routing.md]]).
+- **Die Schlussfolgerung ist eine Motiv-Zuschreibung.** „They are panicking → therefore their safety claims are a cartel tactic" erklärt eine Aussage durch eine Absicht. Genau diese Figur prüft [[../policy/ai-fear-narrative-regulierung.md]] bereits an einem anderen Post und kommt zum selben Befund: Als Position sauber markierbar, als Argument nicht falsifizierbar.
+- **Was fehlt, ist die Gegenseite der Motivfrage.** Im Wiki dokumentiert ist das umgekehrte Motivmuster: Regulierung als Moat der Etablierten ([[../policy/intelligence-feudalism.md]], Roemmele) — aber auch Regulierung **gegen** Frontier-Labs (Exportkontrollen gegen Anthropic, [[../policy/ai-regulation-2026.md]]). Beide Richtungen existieren in der Akte; der Post kennt nur eine.
+
+## Warum die Seite trotzdem einen Wert hat
+
+Weil sie den **ersten belastbaren Mengenbeleg** für das liefert, was im Wiki bisher als These stand: Der Marktanteil offener Gewichte in einem realen Routing-Pfad ist groß und wächst, und der Preisunterschied ist die treibende Kraft — nicht Ideologie. Ob daraus eine Kartell-Erzählung folgt, ist eine andere Frage als die, ob die Verschiebung stattfindet. Sie findet statt.
+
+## Verwandte Seiten
+
+- [[open-weights-economics.md]] — „Open Weights als Pricing Weapon" (Anirban Bandyopadhyay)
+- [[chinese-model-cost-routing.md]] — 87 %-Ersparnis bei 4 % Qualitätsverlust (Feldreport)
+- [[chinese-models-top-usage-charts.md]] — chinesische Modelle führen die globalen Usage-Charts
+- [[ai-intelligence-commoditization-thesis.md]] — Frontier vs. Factory, Wertwanderung in die Arbeitsschicht
+- [[system-one-models-jev.md]] — Jev, Spitzenreiter bei Reach und Preference
+- [[jev-vercel-ai-gateway.md]] — Jev auf dem Vercel AI Gateway
+- [[../policy/ai-fear-narrative-regulierung.md]] — Fear-Narrativ/Kartell-Vorwurf mit Gegenpositionen
+- [[../policy/intelligence-feudalism.md]] — Regulierung als Moat (Gegenrichtung)
+- [[../../institutions/vercel.md]] — Vercel und der Gateway
+- [[../../people/guillermo-rauch.md]] — Autor des zitierten Posts

wiki/concepts/llm/system-one-models-jev.md

@@ -155,6 +155,19 @@ Für die Einordnung bedeutsamer als der Zugangsweg: Die ersten Zahlen, die nach
 
 Merksatz: Der Launch war eine Ankündigung, die Gateway-Listung ist Verteilung — und Verteilungszahlen sind keine Leistungszahlen.
 
+### Reichweite: Jev führt zwei Gateway-Leaderboards (Befund 20.09.2026)
+
+Ein Blick in die **[[../../institutions/vercel.md|Vercel]]-Leaderboards** (lokal abgerufen 20.09.2026, Zeitraum `Jun 21 – Sep 18, 2026`) liefert zum ersten Mal unabhängig vom Anbieter erhobene **Nutzungszahlen** — anonymisiert, täglich aktualisiert, CC BY 4.0 ([[../../../raw/other/2026-09-20_vercel-ai-gateway-leaderboards.md]]):
+
+| Achse | Rang 1 | Rang 2 | Abstand |
+|---|---|---|---|
+| **Reach** (Teams, die das Modell nutzen) | **Jev 15,6 %** | Claude Haiku 4.5 · 14,6 % | +1,0 Pp |
+| **Preference** (primäres Modell nach Token-Volumen) | **Jev 13,3 %** | GPT 5.6 Luna / Claude Sonnet 5 · je 6,9 % | **+6,4 Pp** |
+
+In der Reach-Liste stehen dahinter ausschließlich etablierte Frontier-Modelle (Haiku 4.5, Luna, Sonnet 5/4.6, Gemini 2.5/3.8 Flash, Sol, `text-embedding-3-small`). Ein Modell, das im September 2026 neu auf dem Gateway erschien, führt damit **beide** Nutzungsachsen — bei **Preference** mit fast doppeltem Abstand auf Platz 2.
+
+Das ist die erste Zahl dieser Akte, die nicht vom Anbieter stammt: Vercel ist der Gateway-Betreiber und erhebt aus eigenem Routing-Verkehr. Es bleibt eine **Plattformmessung** einer einzelnen Firma, kein Benchmark und kein Weltmarkt — die Rangfolgen sind ein Signal, kein Messwert. Details und Kontext: [[open-weights-share-vercel-gateway.md]].
+
 ## Ankündigungspost und Zahlenherkunft
 
 Der Launch-Post von Diogo Almeida ([@CompleteSkeptic](https://x.com/CompleteSkeptic), 15.09.2026, [34,9 Mio. Views](https://x.com/CompleteSkeptic/status/2099925682726002904)) nennt **Spannen**, nicht Einzelwerte: „20-200x faster", „40-400x cheaper (w/ output tokens free)". Die im Umlauf befindlichen „200×/400×" sind die Obergrenzen dieser Spannen; die Workflow-Auswertung nennt 193,6×/444,6×. Wer die Spannen-Obergrenze als Erwartungswert liest, überzeichnet den Anbieter bereits selbst (Raw: `raw/xpost/2026-09-15_almeida-jev-launch-post.md`).
@@ -198,6 +211,8 @@ Am **19.09.2026** folgt die Praktikerebene: [[../../people/nate-herk.md|Nate Her
 - [[../../people/cj-zafir.md]] — Erfahrungsbericht mit Ausgabenwert und Fehllektüren
 - [[../../institutions/vercel.md]] — Gateway-Betreiber
 - [[../../people/greg-isenberg.md]] — Startup-Ideen-Kanal, der die „18 Cent"-Zahl verbreitet
+- [[../../people/guillermo-rauch.md]] — Vercel-CEO, tauschte `fx`-Reviewer auf Jev, postete die Gateway-Zahlen
+- [[open-weights-share-vercel-gateway.md]] — Open-Weights-Anteil im Gateway, Reach/Preference-Rangfolgen
 
 ## Quellen
 

wiki/index.md

@@ -2,7 +2,8 @@
 
 *Auto-generated: 2026-07-07*
 
-*Letzte Aktualisierung: 2026-09-19 (232. Update — Jev-Praxistest auf Workflow-Ebene: Nate Herk, „I Tested Jev on 12 Real Use Cases" (19.09.2026, 13.549 Aufrufe, ~16:08, **kein Transkript** — yt-dlp erneut Bot-Check). Anlass: YouTube-Link von Pit in OME Topic „JEV". **Eigene Zahlenprüfung (Preis $0,042/MTok, Limits 250k tok/s · 1.200 req/min):** (a) **die Kostenwerte sind intern konsistent** — 9 Cent / 1.000 Mails = 2,14 Mio. Token = ~2.143 Token/Mail; 5 Cent / 1.000 Mails = 1,19 Mio. = ~1.190 (Δ ≈160 Token pro Zusatzfrage bei sieben statt einer Regel); Dashboard 20.000 Requests / 85 Cent = ~1.012 Token/Request. Alle vier Werte folgen **derselben** Preisformel — in dieser Akte die Ausnahme. (b) **die Laufzeiten liegen an oder über den dokumentierten Limits:** 2,14 Mio. Token in 6 s verlangen ~357.000 tok/s gegen 250.000 (**1,43×**), 1,19 Mio. in 4 s ~298.000 (**1,19×**), die 5-s-Angabe bleibt bei ~238.000 innerhalb; requests-seitig wären 1.000 Mails in 6 s bei einem Aufruf/Mail **10.000 req/min** = 8× das Limit → nur mit Bündelung (~14 Mails/Request bei ~2.100 Token) oder Sonderkontingent. **Nicht als Widerspruch geführt, sondern als offene Frage.** (c) **der Praktiker zieht die richtige Grenze:** „Jev ersetzt kein LLM" (schreibt nicht, fasst nicht frei zusammen, erkennt keine offenen Muster; braucht vorab definierte Fragen/Kategorien/Skalen); Empfehlung **Evals mit Golden Dataset** vor Produktiveinsatz. Genauigkeitswerte nennt das Briefing **nicht** — verglichen werden Tempo und Kosten. Beschreibung mit werblichen Elementen (Glaido, Hostinger). Wiki: `people/nate-herk.md` (neu); Update `concepts/llm/jev-praxis-demos.md` (Abschnitt „Praxistests auf Workflow-Ebene" mit Rechentabelle), `concepts/llm/system-one-models-jev.md` (Rezeptions-Abschnitt um die Praktikerebene ergänzt). Raw: `raw/youtube/2026-09-19_nate-herk-jev-12-use-cases.md` (neu).)*
+*Letzte Aktualisierung: 2026-09-20 (233. Update — Open-Weights-Anteil im Vercel AI Gateway + Kartell-These. Anlass: X-Link https://x.com/sovereignbrah/status/2101446314743775632 von Pit in OME Topic 13. **Post (fxtwitter, 20.09.2026):** @sovereignbrah (181.958 Follower, verifiziert, Note-Tweet, 19.09.2026 23:00 UTC; 102.062 Views / 2.855 Likes / 558 RT / 39 Quotes) zitiert Guillermo Rauch (@rauchg) vom 19.09.2026 — „today may be a record day for token volume % of open models on Vercel AI Gateway: 🟦 Open 78.4% 🟨 Closed 21.6%", #3/#4 Moonshot AI & DeepSeek, mit Z.ai zusammen vor OpenAI (#2) bei **Spend**, ausdrücklich Fußnote „inference spend across providers, not revenue of the open weight labs". **Bild lokal ausgelesen** (pbs.twimg.com/media/HSjnTgfaQAAHWbk.jpg): Vercel-Chart, Titel „Open vs. Closed Token Volume", Untertitel „…models that publish their weights for download, versus everything else", X-Achse Jun 21 → Sep 18 2026, Legende 78,4 % / 21,6 %. **Primärquelle nachgezogen:** Vercel-Leaderboards (HTTP 200) bestätigen Titel, Untertitel, Zeitraum Jun 22 – Sep 19 und die Datenlizenz **CC BY 4.0** + authentifizierungsfreien JSON-Export; die Chart-Prozente selbst sind **clientseitig gerendert** und per Textabruf **nicht** reproduzierbar. **Eigenbefund (nicht im Post):** Jev führt die Listen bei **Reach 15,6 %** (vor Claude Haiku 4.5 14,6 %, GPT 5.6 Luna 13,0 %) und **Preference 13,3 %** (vor Luna/Sonnet 5 je 6,9 % — fast doppelter Abstand). **Postkritik:** Kausalbehauptung „sie sagen AI killt alle, weil sie den Markt verloren haben" = Deutung; „95 % der Leistung für 1–2 % des Preises" = Zahl ohne Quelle (Aktenlage: 87 % Ersparnis bei 4 % Qualitätsverlust); „regulatory cartel" = unbelegte Zuschreibung (dieselbe Figur wie Chaubard-These 4); „IPOs are now cooked" ohne Bezugsvorgang. ⚠️ Messung = ein Gateway, ein Tag, Token-Volumen (nicht Umsatz), Anbieterquelle. Wiki: `concepts/llm/open-weights-share-vercel-gateway.md` (neu), `people/guillermo-rauch.md` (neu); Updates `concepts/llm/system-one-models-jev.md` (Abschnitt Reichweite/Leaderboards), `institutions/vercel.md` (Abschnitt Leaderboards). Raw: `raw/xpost/2026-09-19_sovereignbrah-antitrust-open-weights.md` (neu), `raw/other/2026-09-20_vercel-ai-gateway-leaderboards.md` (neu).)*
+*Vorherige Aktualisierung: 2026-09-19 (232. Update — Jev-Praxistest auf Workflow-Ebene: Nate Herk, „I Tested Jev on 12 Real Use Cases" (19.09.2026, 13.549 Aufrufe, ~16:08, **kein Transkript** — yt-dlp erneut Bot-Check). Anlass: YouTube-Link von Pit in OME Topic „JEV". **Eigene Zahlenprüfung (Preis $0,042/MTok, Limits 250k tok/s · 1.200 req/min):** (a) **die Kostenwerte sind intern konsistent** — 9 Cent / 1.000 Mails = 2,14 Mio. Token = ~2.143 Token/Mail; 5 Cent / 1.000 Mails = 1,19 Mio. = ~1.190 (Δ ≈160 Token pro Zusatzfrage bei sieben statt einer Regel); Dashboard 20.000 Requests / 85 Cent = ~1.012 Token/Request. Alle vier Werte folgen **derselben** Preisformel — in dieser Akte die Ausnahme. (b) **die Laufzeiten liegen an oder über den dokumentierten Limits:** 2,14 Mio. Token in 6 s verlangen ~357.000 tok/s gegen 250.000 (**1,43×**), 1,19 Mio. in 4 s ~298.000 (**1,19×**), die 5-s-Angabe bleibt bei ~238.000 innerhalb; requests-seitig wären 1.000 Mails in 6 s bei einem Aufruf/Mail **10.000 req/min** = 8× das Limit → nur mit Bündelung (~14 Mails/Request bei ~2.100 Token) oder Sonderkontingent. **Nicht als Widerspruch geführt, sondern als offene Frage.** (c) **der Praktiker zieht die richtige Grenze:** „Jev ersetzt kein LLM" (schreibt nicht, fasst nicht frei zusammen, erkennt keine offenen Muster; braucht vorab definierte Fragen/Kategorien/Skalen); Empfehlung **Evals mit Golden Dataset** vor Produktiveinsatz. Genauigkeitswerte nennt das Briefing **nicht** — verglichen werden Tempo und Kosten. Beschreibung mit werblichen Elementen (Glaido, Hostinger). Wiki: `people/nate-herk.md` (neu); Update `concepts/llm/jev-praxis-demos.md` (Abschnitt „Praxistests auf Workflow-Ebene" mit Rechentabelle), `concepts/llm/system-one-models-jev.md` (Rezeptions-Abschnitt um die Praktikerebene ergänzt). Raw: `raw/youtube/2026-09-19_nate-herk-jev-12-use-cases.md` (neu).)*
 *Vorherige Aktualisierung: 2026-09-19 (231. Update — Tom Griffiths (Princeton) bei Dr Brian Keating: „Princeton Cognitive Scientist Says AI Researchers Are Wrong". Anlass: Das Video zirkulierte in der OME-Gruppe über den Kurzlink `https://tinyurl.com/2b7rnxmh`; das deutsche Audio-Briefing „Warum KI völlig anders denkt als wir" (22:52) nennt es in seinem eigenen Kopf als Originalquelle. **Beide Enden der Kette geprüft:** oEmbed bestätigt Titel/Autor/Autoren-URL; der Kurzlink löst per HTTP 302 auf `youtube.com/watch?v=6iMiCJHxTww` auf (die frühere Behauptung, der Shortener sei tot, ist falsch); Watch-Seite zusätzlich mit `hl=de` abgerufen — Titel deutsch lokalisiert, identische Zeitmarken, Likes 3.337, Aufrufe 198.871, publishDate **29.04.2026**. **Kein Transkript:** keine `captionTracks` in der EN- wie DE-Seite (~1,6 MB HTML je Abruf), `lengthSeconds` nicht im Seiten-JSON → keine Dauerangabe im Wiki. Inhalt deshalb ausschließlich aus Beschreibung + 22 Kapitelmarken (00:00–50:10): Kind lernt Sprache aus „Brotkrumen" vs. „Kontinente" an Daten; Skalierung schließt die Lücke nicht, „it'll just get more expensive"; **Sycophancy statt Halluzination** als eigentliches Problem; AGI eher über kindliches Denken als über Scale; historische Achse Aristoteles → 17.-Jh.-KI-Traum → Boole → Turing → Rosenblatt/Minsky → Backpropagation. Buchverweis „The Laws of Thought" (Henry Holt, **10.02.2026**, 400 S., via Google Books verifiziert; dt. „Die Gesetze des Denkens"). Wiki: `concepts/agi/kognition-vs-skalierung.md` (neu), `people/tom-griffiths.md` (neu), `people/brian-keating.md` (neu), `institutions/princeton.md` (neu). Raw: `raw/youtube/2026-09-19_princeton-griffiths-ai-researchers-wrong.md` (neu, metadata-only). ⚠️ Die inhaltliche Rahmung („AI Researchers Are Wrong") stammt vom Kanal; das Briefing ist Sekundärprodukt und mangels Transkript nicht gegen das Video haltbar.)*
 *Vorherige Aktualisierung: 2026-09-19 (230. Update — AgentCloak Desktop: „Zero Data Sending" für Fremd-Chatbots + Rampart-Model-Card. Anlass: Brian Roemmele quotete am 19.09.2026 (03:07 UTC) die AgentCloak-Ankündigung von Peter Yared (18.09.2026, 14:47 UTC, 1,99 Mio. Views) mit „Using this now! You should too. Dario don't like it. AgentCloak…" — vier Zeilen, kein Beleg. **Sache geprüft, nicht nur der Post:** Pressemitteilung (Business Wire 18.09.) + Produktseite incountry.com/products/agentcloak-desktop/ + **die Model-Card der Detektionskomponente lokal gelesen**. Produkt: kostenlose Browser-Extension (Chrome/Safari/Edge) bzw. Desktop-App (Mac/Windows), tauscht PII **lokal** gegen konsistente „digital twins" („Peter Parker" → „Julio Schmidt") und setzt sie in der Antwort zurück; Anbieter nennt das **Zero Data Sending** und grenzt es explizit von Retention-Zusagen ab. Erkannt (gratis): Namen, E-Mail, Telefon, URLs, SSN/Tax-ID, Bankverbindungen, Adressen; 7 Latin-Script-Sprachen. Detection kommt **nicht aus eigenem Haus**: **Rampart** (National Design Studio, US-Regierung) — 14,7 MB ONNX, MiniLM-L6-H384, 35-Label-BIO-Head, CC BY 4.0, **98,42 % Private Recall / 91,69 % Public Retention** (30k held-out OpenPII, 7 Sprachen), 6,6 ms p50 Node · **3,9 ms WebGPU** · 12,6 ms WASM; selbst gemeldet: **2.082 Leaks / 131.707 Terme**. ⚠️ **Der harte Bruch steht in der Card:** Latin-ASCII-Namen ~100 %, **Nicht-Latin-Schriften 13,7 % (103/750)** — Russisch 2,4 %, Arabisch 4,8 %, Hindi 5,6 %, Han 8,8 %, Koreanisch 15,2 %, Japanisch 45,6 %; Regierungs-IDs ~67,6 % (keine Prüfsumme, kein Backstop); Zero-Width/Prompt-Injection im Span nicht zuverlässig gefangen (Card: „not a security boundary against motivated adversaries"). Einordnung: **Maskierungs- statt Verlagerungsstrategie** — man behält Frontier-Modelle und schickt keine Identität; unterscheidet sich kategorial von lokaler Inferenz (`pocketpal-ai`, `perplexity-portable-computer`). Wiki: `tools/agentcloak-desktop.md` (neu), `people/peter-yared.md` (neu), `institutions/incountry.md` (neu); Update `people/brian-roemmele.md` (neuer Abschnitt + Post-Tabelle + Cross-Refs). Raw: `raw/blog/2026-09-18_agentcloak-desktop-launch.md` (neu), `raw/other/2026-09-19_rampart-model-card.md` (neu), `raw/xpost/2026-09-19_roemmele-agentcloak-dario.md` (neu). ⚠️ „CB100", „$50 Mio." und „Global 2000" = Anbieter-Selbstauskunft, nicht unabhängig geprüft; das 117,5-s-4K-Video des Posts **nicht** ausgewertet.)*
 *Vorherige Aktualisierung: 2026-09-19 (229. Update — Flyer **Version 11**: Korrektur verifiziert. Anlass: Pit postete in OME Topic „JEV" (12:59 UTC) die überarbeitete Fassung; der Kurzlink https://telegra.ph/Jev-Flyer-09-19 führt fest auf die jeweils aktuelle Version (Weiterleitungsseite 12:45:09 UTC), v11 unter `…-09-19-11` (12:55:27 UTC). **Am Text verifiziert übernommen:** (a) die zwei Läufe sind getrennt — „reine Entscheidungszeit … 0,09 s" gegen „Gesamtlauf inkl. Öffnen/Extrahieren: rund 14 Sekunden. Kosten gesamt: 0,15 Dollar", samt Rechenweg (3,57 Mio. Token / 250k tok/s ≈ 14 s) direkt im Flyer; (b) **„181×" entfernt** — Zeichenkette kommt in v11 nicht mehr vor, ersetzt durch „~4.500× / ~3,2×" mit dem LLM-Wert als ausdrücklicher „Gesamtprojektion"; (c) Konsistenzcheck Stufe 2 ergänzt (0,18 s/PDF Wandzeit, bewusst nicht mit der 0,09-s-Heuristik vermischt); (d) vierte Grafik getauscht. **Verbleibende Beanstandung:** Die neue „~4.500× **in der reinen Entscheidungszeit**" mischt weiterhin zwei Bezugsgrößen — Zähler 408 s ist die Gesamtprojektion des LLM-Wegs, Nenner 0,09 s Jevs reine Entscheidung; sauber wären **Gesamt gegen Gesamt ≈ 29×**. Dazu ein abgebrochenes Zitat („Die frühere Formel „") und „Jeff" statt „Jev" (Abschnitt 9). Wiki: `concepts/llm/jev-praxis-demos.md` (Abschnitt „Dateisortierung" um „Folge: Version 11 (verifizierte Korrektur)" erweitert). Raw: `raw/other/2026-09-19_jev-flyer-v11-korrektur.md` (neu — Fassungsvergleich, Nachprüfung, Restbeanstandungen); Erstfassung bleibt unverändert. Einordnung: erste Stelle dieser Akte, an der eine geprüfte Behauptung tatsächlich nachgezogen wurde statt weiterzuwandern.*
@@ -280,6 +281,7 @@
 | [Mechanistic Interpretability — KI-Gedanken entschlüsseln](concepts/llm/mechanistic-interpretability.md) | Black Box öffnen: interne latente Repräsentationen von LLMs sichtbar machen statt nur Verhalten zu testen. heise/c't (13.08.2026): Forscher knacken „verschlüsselte" KI-Gedanken mithilfe einer zweiten KI. Methoden: Sparse Autoencoders (SAEs), Probing, KI-unterstützte Dekodierung. Voraussetzung für Safety/Alignment/Vertrauen. Cross-Refs zu Sycophancy, Behavior-Persistence, PoisonAI, AI-Regulation | youtube/2026-08-13_heise-ki-gedanken-knacken.md |
 | [DeepSeek-V4-Pro: Umgebungs-Erkennung statt 3 Modelle](concepts/llm/deepseek-environment-recognition.md) | r/DeepSeek-Leak: API hinter deepseek-v4-pro zeigt 3 CoT-Fingerprints („Let me..." ≈ Pro, „The user wants me..." ≈ Flash, „We..." = God-tier). Zwei-Layer-Hypothese: NICHT 3 Checkpoints, sondern 1 Modell mit RL-Verteilungs-Shift. Stärkster Beweis: Anchored-Standard-Experiment (98/99 mit vollem 25-Tool-Toolset, nur erster Request minimal). Kern-Insight: **DER ERSTE REQUEST entscheidet** — System-Prompt/Tool-Schema/Agent-Scaffold beim ersten Token bestimmen Trainings-Verteilung. Ehrliche Kante: Fingerprints = Indizien, keine Beweise | other/2026-08-15_deepseek-v4-pro-environment-recognition.md |
 | [Open-Weights-Ökonomie — Open Weights als Wettbewerb](concepts/llm/open-weights-economics.md) | These „Open weights stopped being a gift. They're a pricing weapon now." (Anirban Bandyopadhyay/NIMS). Rothbardianische Einordnung: Pricing weapon = Wettbewerb, kein Skandal — Marktprozess + schöpferische Zerstörung (Z.ai −30%, MiniMax −16%). Open-Weight-Ökonomie als Beweis dezentraler Selektion. Abgrenzung Dumping vs. struktureller Preisvorteil | xpost/2026-08-15_anirban-bandyo-kimi-k3-graph-engineering.md |
+| [Open-Weights-Anteil im Vercel AI Gateway](concepts/llm/open-weights-share-vercel-gateway.md) | Erster Mengenbeleg für die Open-Weights-These: **78,4 % Open vs. 21,6 % Closed** beim Token-Volumen auf dem Vercel AI Gateway (Screenshot im Post von [Guillermo Rauch](people/guillermo-rauch.md), 19.09.2026; Zeitraum Jun 21–Sep 18). Zitiert von @sovereignbrah (181.958 Follower), der daraus eine Kartell-These über Anthropic/OpenAI macht — Deutung ohne Beleg. **Eigenbefund:** Jev führt die Leaderboards bei **Reach (15,6 %)** und **Preference (13,3 %, fast doppelt so viel wie Platz 2)**. Grenzen: eine Plattform, ein Tag, Spend laut Rauch „a different story", Charts clientseitig gerendert. ⚠️ „95 % Leistung für 1–2 % Preis" nur im Post, ohne Quelle | xpost/2026-09-19_sovereignbrah-antitrust-open-weights.md + other/2026-09-20_vercel-ai-gateway-leaderboards.md |
 
 ### AGI
 | Seite | Beschreibung | Quellen |
@@ -394,6 +396,7 @@
 
 ## People
 
+| [Guillermo Rauch](people/guillermo-rauch.md) | CEO von Vercel (@rauchg, 873.975 Follower, San Francisco). Zwei Wiki-Auftritte im September 2026: (a) tauschte den Sicherheits-Reviewer in Vercel `fx` von GPT-5.6 Luna auf **Jev** („up to 18x faster (p95) and more accurate", „likely new default"; Benchmark nicht veröffentlicht); (b) postete am 19.09.2026 die Gateway-Zahlen **Open 78,4 % / Closed 21,6 %** beim Token-Volumen („today may be a record day"), samt eigenem Vorbehalt, dass **Spend** „usually tells a different story" — dort liegen Moonshot AI und DeepSeek auf #3/#4 | xpost/2026-09-19_sovereignbrah-antitrust-open-weights.md + xpost/2026-09-18_gregisenberg-jev-vercel-gateway.md |
 | [Stefan Weimar](people/stefan-weimar.md) | Dipl.-Ing., PRODOC Digital (prodoc.digital): Referent beim 5. KI Meetup Hannover (Block 2, „KI-Agenten & RAG für Software-Teams"). Folie „Vier Schritte hin zum Agentic Engineering": (1) aufschreiben, was herauskommen soll — inkl. Abnahmekriterien und ausdrücklicher Nicht-Ziele, (2) für wen und in welchem Umfeld gebaut wird (KI leitet Anforderungen ab, die man selbst nicht kennt), (3) Aufgabe zerlegen samt Abhängigkeiten, (4) jeden Teil für sich prüfen. Inhaltlich = Spec-Driven Development in Alltagssprache (vgl. Tielke-Pattern). ⚠️ prodoc.digital: DNS ok, TLS-Handshake fehlgeschlagen, Seite nicht abrufbar. **Korrektur 17.09.: erreichbare Domain ist `prodoc-digital.com` (Cloudflare, HTTP 200) — Impressum belegt GmbH Goslar + Geschäftsführer Weimar + Telefonnummer; `prodoc.digital` liefert weiterhin keinen TLS-Handshake** | other/2026-09-17_weimar-agentic-engineering-spec-driven.md + other/2026-09-17_intent-chat-skill-prodoc.md |
 | [Udo A. Schacht](people/udo-schacht.md) | Finanzmarkt-Veteran und KI-Trainer (Marke **Rockstratege**, Bückeburg): 35+ Jahre Finanzmärkte, 21 Jahre Senior Director NORD/LB, EUREX-Händler/Market Maker, registrierter CTA (CFTC, Chicago) seit 1989, Oxford „Generative AI for Finance" 2025, IHK-Kompetenznachweis EU AI Act Art. 4, Buch „Trading neu denken — KI im Handel". Angebote 449–1.399 € (Masterclasses je 1.249 €, u. a. HERMES-AGENTIX-Framework für Multi-Agent-Workflows). Referent beim 5. KI Meetup Hannover. Bemerkenswert: offene Risiko-Kommunikation („Was ich dir nicht verspreche: Rendite"), klare Abgrenzung zu Anlageberatung. ⚠️ Selbstauskunft; Folien-Domain ROCKSTRATEGIE.com löst nicht auf (korrekt: rockstratege.com) | other/2026-09-17_udo-schacht-rockstratege.md |
 | [Cognitive f(x) / @promiscfx](people/cognitive-fx.md) | Öffentlicher X-Account, der AI-SaaS/Agents entwickelt und einen Robocurve-Vergleich von GPT-6 Astra und Claude Fable 5.1 auf YAM-Robotarmen teilte (08.09.2026) | xpost/2026-09-08_promiscfx-robocurve-gpt6-astra-yam.md |
@@ -549,6 +552,8 @@
 
 | Datei | Typ | Titel |
 |-------|-----|-------|
+| `raw/xpost/2026-09-19_sovereignbrah-antitrust-open-weights.md` | xpost | SOVEREIGN BRAH (@sovereignbrah, 181.958 Follower): „This is why Anthropic and OpenAI are panicking" (19.09.2026, 23:00 UTC, Note-Tweet; 102.062 Views / 2.855 Likes). Quote-Post von Guillermo Rauch (@rauchg): **Open 78,4 % / Closed 21,6 %** Token-Volumen auf dem Vercel AI Gateway (Jun 21–Sep 18), samt Spend-Hinweis zu Moonshot/DeepSeek/Z.ai vs. OpenAI. Vier Thesen des Posts (Panik-Kausalität, „95 % Leistung für 1–2 % Preis", „regulatory cartel", „IPOs are now cooked") — Zuschreibungen ohne Beleg. Angehängtes Vercel-Chart lokal ausgelesen |
+| `raw/other/2026-09-20_vercel-ai-gateway-leaderboards.md` | other | Vercel AI Gateway Leaderboards (lokal abgerufen 20.09.2026): sechs Abschnitte (Token Volume, Open vs. Closed, Requests, Spend, Reach, Preference), Zeiträume Jun 21/22 – Sep 18/19; **Reach: Jev 15,6 %** vor Haiku 4.5 (14,6 %) und Luna (13,0 %); **Preference: Jev 13,3 %** vor Luna/Sonnet 5 (je 6,9 %); Daten anonymisiert, CC BY 4.0, JSON-Export ohne Authentifizierung. ⚠️ Chart-Prozente clientseitig gerendert, per Textabruf nicht auslesbar |
 | `raw/blog/2026-06-04_anthropic-fordert-ki-pause.md` | blog | Anthropic fordert weltweite Aussetzung der KI-Entwicklung |
 | `raw/other/2026-06-07_subconscious-runner-script.md` | other | Subconscious Agent Evidence Runner Script v2.1 |
 | `raw/podcast/ome20-special-ufologie-physik-bewusstsein-2026-06-12.md` | podcast | OME20 (Special ed.) — Ufologie, Physik und Bewusstsein |

wiki/institutions/vercel.md

@@ -1,6 +1,6 @@
 ---
 created: 2026-09-18
-updated: 2026-09-18
+updated: 2026-09-20
 sources: [blog/2026-09-16_vercel-jev-ai-gateway.md, xpost/2026-09-18_gregisenberg-jev-vercel-gateway.md]
 tags: [institution, vercel, ai-gateway, ai-sdk, infrastructure, model-routing, hosting]
 ---
@@ -30,8 +30,29 @@ Der AI Gateway ist eine **Routing-, Abrechnungs- und Logging-Schicht für Modell
 
 Für die Kostendiskussion im Wiki ist das die passende Infrastruktur zur Freigrenzen-Logik in [[../concepts/agents/agent-budget-breaker.md]]: Checks werden erst dann dauerhaft laufengelassen, wenn Kostenkontrolle und Datenschutz nicht mehr pro Aufruf verhandelt werden müssen.
 
+## Leaderboards — offene Nutzungsdaten (abgerufen 20.09.2026)
+
+Der Gateway veröffentlicht **eigene Nutzungsstatistiken** unter [vercel.com/ai-gateway/leaderboards/models](https://vercel.com/ai-gateway/leaderboards/models): anonymisiert, täglich aktualisiert, als CSV/Chart und über einen authentifizierungsfreien JSON-Export beziehbar, lizenziert **CC BY 4.0**. Sechs Abschnitte: Token Volume, Open vs. Closed Token Volume, Requests, Spend, Reach, Preference — Zeiträume `Jun 21/22, 2026` bis `Sep 18/19, 2026`.
+
+Damit liefert Vercel erstmals **Nachfrage-Seitenzahlen zu fremden Modellen** — ein Gateway-Betreiber sieht, was durch sein Routing läuft, und veröffentlicht es. Beobachtungen:
+
+| Abschnitt | Wert (Text der Seite) |
+|---|---|
+| Open vs. Closed (Token-Volumen) | Prozentwerte nur als Screenshot belegt (78,4 % / 21,6 %, Post vom 19.09.2026) — im ausgelieferten Text nicht enthalten |
+| Token Volume | „Other" 14,3 % |
+| Requests | „Other" 33,6 % |
+| Spend | „Other" 22,5 % |
+| Reach | **Jev 15,6 %** vor Claude Haiku 4.5 (14,6 %) und GPT 5.6 Luna (13,0 %) |
+| Preference | **Jev 13,3 %** vor Luna/Sonnet 5 (je 6,9 %) |
+
+⚠️ Die Zahlen der gestapelten Charts werden clientseitig gerendert und waren per Textabruf nicht auslesbar; nur Listen-Abschnitte (Reach/Preference) und „Other"-Werte stehen im Text. Vollständige Tabellen: `raw/other/2026-09-20_vercel-ai-gateway-leaderboards.md`.
+
+Auswertung des Open-Weights-Anteils und der Kartell-These, die daran gehängt wurde: [[../concepts/llm/open-weights-share-vercel-gateway.md]]. Die Reach-Führung von Jev: [[../concepts/llm/system-one-models-jev.md]].
+
 ## Beobachtungsstand
 
+- ✅ Lokal verifiziert (20.09.2026): Leaderboard-Seite HTTP 200; Abschnittstitel, Untertitel, Zeiträume, Reach-/Preference-Listen und der Hinweis auf CC-BY-4.0-Export stehen wörtlich im abgerufenen Text.
+- ⚠️ Leaderboard-Prozente der Charts sind clientseitig gerendert — nicht per Textabruf reproduzierbar.
 - ✅ Lokal verifiziert (18.09.2026): Modellseite und Changelog liefern HTTP 200 mit auswertbarem Text; Modell-ID, Preisangabe `$0.04/1M`, Frage-Typen, ZDR-Optionen und SDK-Mindestversion stehen wörtlich dort.
 - ⚠️ Die Leistungszahlen (193,6× schneller / 444,6× günstiger) gibt Vercel ausdrücklich als **TypeSafe-Angabe** weiter („TypeSafe reports"), nicht als eigene Messung.
 - ⚠️ Ob Gateway-Preis = Direkt-API-Preis, ist nicht ausgewiesen. Rate Limits, SLA und Regionen für Jev sind auf beiden Seiten nicht dokumentiert.
@@ -40,6 +61,8 @@ Für die Kostendiskussion im Wiki ist das die passende Infrastruktur zur Freigre
 ## Verwandte Wiki-Seiten
 
 - [[../concepts/llm/jev-vercel-ai-gateway.md]] — Verteilung von Jev über den Gateway
+- [[../concepts/llm/open-weights-share-vercel-gateway.md]] — Open-Weights-Anteil, Reach/Preference, Kartell-These
+- [[../people/guillermo-rauch.md]] — CEO, postete die Gateway-Zahlen
 - [[../concepts/llm/system-one-models-jev.md]] — das Modell
 - [[typesafe-ai.md]] — Anbieter des Modells
 - [[../tools/plur1bus-memory.md]] — Hermes/OpenClaw-Stack (Vergleichsfolie: Gateway als Fremd-Routing)

wiki/log.md

@@ -2,6 +2,25 @@
 
 *Append-only changelog. Start: 2026-06-05*
 
+## 2026-09-20 — Open-Weights-Anteil im Vercel AI Gateway + Kartell-These
+
+**Type:** ingest + wiki-update | **Scope:** raw/xpost, raw/other, wiki/concepts/llm, wiki/people, wiki/institutions, wiki/index, wiki/log
+**Anlass:** X-Link https://x.com/sovereignbrah/status/2101446314743775632, gepostet in OME Topic 13.
+**Quellenlage:** Post per fxtwitter-API abgerufen (20.09.2026, ~09:50 UTC) — vollständiger Wortlaut, Autor-Metadaten, Engagement, zitierter Post. Angehängtes Bild (Vercel-Chart) lokal heruntergeladen und ausgelesen. Als Primärquelle zusätzlich die Vercel-Leaderboards direkt abgerufen (HTTP 200).
+**Kernbefund:** Der Post ist ein Quote-Post der Gateway-Zahl **78,4 % Open vs. 21,6 % Closed** beim Token-Volumen (Zeitraum Jun 21 – Sep 18, 2026) — die Zahl stammt von Vercel-CEO Guillermo Rauch, die Deutung von @sovereignbrah.
+1. **Die Zahl ist plattformgebunden, aber echt.** Vercel bestätigt Titel, Untertitel und Zeitraum der Grafik; die Prozentwerte selbst werden clientseitig gerendert und waren per Textabruf nicht auslesbar (nur Screenshot-Beleg). Rauch räumt den Gegeneinwand selbst ein: Spend „usually tells a different story".
+2. **Eigenbefund, der in keiner der beiden Posts steht:** Jev — Modell mit ~$0,04/1 Mio. Input-Token — führt die Leaderboards bei **Reach** (15,6 %, vor Haiku 4.5 14,6 % und Luna 13,0 %) und **Preference** (13,3 %, vor Luna/Sonnet 5 je 6,9 %). Das ist ein anderes Phänomen als „offene Gewichte dominieren": Entscheidungs-Modelle rutschen an den Rand des Stacks, wo jede Anfrage durchläuft.
+3. **Vier Thesen des Posts geprüft:** Panik-Kausalität (Deutung, kein Zitat), „95 % Leistung für 1–2 % Preis" (ohne Quelle; Aktenlage: 87 % Ersparnis bei 4 % Qualitätsverlust), „regulatory cartel" (unbelegte Zuschreibung — gleiche Figur wie Chaubard-These 4 in `concepts/policy/ai-fear-narrative-regulierung.md`), „IPOs are now cooked" (ohne Bezugsvorgang).
+4. **Einordnung:** Der Trend ist dokumentiert (Open-Weight-Welle, Kosten-Routing, Usage-Charts), die Schlussfolgerung ist eine Motiv-Zuschreibung. Die Seite hält beides getrennt.
+**Dateien:**
+- raw (NEW): `raw/xpost/2026-09-19_sovereignbrah-antitrust-open-weights.md`, `raw/other/2026-09-20_vercel-ai-gateway-leaderboards.md`
+- wiki (NEW): `wiki/concepts/llm/open-weights-share-vercel-gateway.md`, `wiki/people/guillermo-rauch.md`
+- wiki (UPDATED): `wiki/concepts/llm/system-one-models-jev.md` (Abschnitt „Reichweite: Jev führt zwei Gateway-Leaderboards", Cross-Refs), `wiki/institutions/vercel.md` (Abschnitt „Leaderboards — offene Nutzungsdaten", Beobachtungsstand, Cross-Refs)
+- `wiki/index.md` (233. Update-Zeile, LLM-Row, People-Row, zwei Raw-Rows)
+**⚠️:** Messung einer einzelnen Plattform an einem einzelnen Tag; Token-Volumen ≠ Umsatz ≠ Nutzerzahl; Chart- und Listenwerte aus derselben Anbieterquelle, nicht unabhängig verifiziert; Spend-Zahlen von Rauch ohne Nennung absoluter Beträge.
+
+---
+
 ## 2026-09-19 — Jev-Praxistest auf Workflow-Ebene: Nate Herk (12 Use Cases)
 
 **Type:** ingest + wiki-update | **Scope:** raw/youtube, wiki/people, wiki/concepts/llm, wiki/index, wiki/log

wiki/people/guillermo-rauch.md

@@ -0,0 +1,37 @@
+---
+title: "Guillermo Rauch"
+created: 2026-09-20
+updated: 2026-09-20
+tags:
+  - person
+  - vercel
+  - ai-gateway
+  - infrastructure
+institutions:
+  - vercel
+---
+
+# Guillermo Rauch
+
+**Guillermo Rauch** ([@rauchg](https://x.com/rauchg)) — CEO von [[../institutions/vercel.md|Vercel]], Bio „@vercel CEO", Website rauchg.com. Standort San Francisco, CA. **873.975 Follower**, verifizierter Account (Typ: individual), Konto seit 22.07.2008 (Stand 20.09.2026).
+
+## Links
+
+- **X:** https://x.com/rauchg
+- **Website:** http://rauchg.com
+
+## Auftritt im Wiki
+
+**Post zum Open-Weights-Anteil auf dem AI Gateway** — 19.09.2026, 05:48 UTC ([Post](https://x.com/rauchg/status/2101186741042663579); 1.711.253 Views / 1.756 Likes / 213 Quotes beim Abruf 20.09.2026). Inhalt: „today may be a record day for token volume % of open models on Vercel AI Gateway" — **Open 78,4 % · Closed 21,6 %**; zusätzlich der Hinweis, dass bei **Spend** Moonshot AI und DeepSeek auf #3/#4 liegen und zusammen mit Z.ai OpenAI (#2) überholen — ausdrücklich mit der Fußnote, dass dies Inferenz-Ausgaben über Anbieter (meist in den USA) seien, nicht Umsatz der Open-Weight-Labs.
+
+Angehängt: Screenshot der Gateway-Grafik „Open vs. Closed Token Volume" (`pbs.twimg.com/media/HSjnTgfaQAAHWbk.jpg`).
+
+Der Post wurde von [SOVEREIGN BRAH](https://x.com/sovereignbrah) am 19.09.2026, 23:00 UTC zitiert und zu einer Kartell-These über Anthropic/OpenAI umgedeutet — die Zahl stammt von Rauch, die Deutung nicht. Einordnung: [[../concepts/llm/open-weights-share-vercel-gateway.md]].
+
+Vorher im Wiki aufgetaucht als **Tauscher des Sicherheits-Reviewers in `fx`** von GPT-5.6 Luna auf Jev (17.09.2026): „up to 18x faster (p95) and more accurate", „likely new default" — Benchmark nicht veröffentlicht. Siehe [[../concepts/llm/system-one-models-jev.md]].
+
+## Verwandte Wiki-Seiten
+
+- [[../institutions/vercel.md]] — Vercel (AI Gateway)
+- [[../concepts/llm/open-weights-share-vercel-gateway.md]] — Auswertung des Posts und der Leaderboard-Daten
+- [[../concepts/llm/system-one-models-jev.md]] — Jev-Benchmarklage, Guardrail-Tausch bei Vercel