---
created: 2026-06-19
updated: 2026-06-19
sources:
  - blog/2026-06-19_steve-yegge-flat-curve-society.md
tags: [concept, flat-curve, discernment-horizon, demand-horizon, ai-literacy, saas-revival, model-lockdown, commodity-intelligence, token-efficiency, netflix-cohorts, superintelligence-access]
---

# The Flat Curve Society — Yegge's Intelligence Plateau Thesis

> **Quelle:** [Steve Yegge, "The Flat Curve Society", Medium, Juni 2026](https://steve-yegge.medium.com/the-flat-curve-society-36c8b01eb33b). Geteilt von @k9ert im OME-Gruppen-Topic "News & Infos". Raw-Source: `blog/2026-06-19_steve-yegge-flat-curve-society.md`.

## Kernthese (3 Sätzen)

1. **Die KI-Intelligenz-Kurve flacht für die breite Öffentlichkeit ab** — nicht weil das exponentielle Wachstum aufhört, sondern weil Zugang gesperrt wird und menschliche Urteilskraft an Grenzen stößt.
2. **Superintelligenz wird wie Kernwaffen kontrolliert** — 2-3 Modellgenerationen entfernt, zugänglich nur für wenige als "vending machine", überwacht und auf Vendor-Servern.
3. **Die Flachkurve ist nicht schlecht** — sie bietet Stabilität für eine neue Engineering-Craft, SaaS überlebt, und heutige Modelle (Fable-class) sind "plenty good enough" um Coding und Knowledge Work zu transformieren.

## Die zwei Horizonte

### Demand Horizon (benign)
- Set by the hardest problem you bring
- Wenn Probleme zu leicht sind, können Modelle nicht unterschieden werden
- Yegge sammelt **"back-pocket evals"** — Projekte an denen Modelle scheitern; bei jedem neuen Modell testet er sie
- Beispiel: Sein React-Client — kein Opus-class Modell konnte ihn schreiben, Fable "smashing it"
- **Erweiterbar:** Ambition schafft eigene Eval-Collection; Demand Horizon ist nicht fix

### Discernment Horizon (darker)
- Set by the hardest answer you can judge
- Oberhalb: kein Mensch kann verifizieren, ob das Modell recht hat
- **"Superhuman means unverifiable"**
- Selbst Dario Amodei hat eine — irgendwann kann kein Mensch mehr supervise
- Das ist *warum* Lockdown kommt: "You can't hand out an intelligence engine that nobody can supervise"

→ Beide Horizonte führen zur gleichen Konsequenz: **man will nicht das mächtigere Modell, man will das sicherere.**

## Modell-Lockdown als Nuclear-Analogy

| Aspekt | Kernwaffen | KI-Modelle |
|--------|-----------|------------|
| Chokepoint | Angereichertes Uran | Supply Chain (Compute, Chips, Energie) |
| Kontrolle | Government, international | Government, unilateral (jeder Staat selbst) |
| Zugang | Sehr wenige, überwacht | Fortune 500: eingeschränkt oder ausgeschlossen |
| Verwendung | Militärisch | "Vending machine": Spez schicken → Lösung zurück |

- China wird Superintelligenz genauso hart sperren wie USG
- Wenn China Frontier führt: ändert sich *wo* die Macht konzentriert ist, nicht *dass* sie konzentriert ist
- OSS-Modelle: trailn Frontier um ~7 Monate, aber Supply-Chain-Lockdown verhindert Überholen
- Frontier Labs werden helfen, das nächste gefährliche Open-Modell zu trainieren? Nein.

## SaaS Revival

- **Buy-vs-Build kippt zurück zu Buy** — Token-Efficiency-Lektion: Firmen sprengten Jahresbudgets in Monaten
- SaaS = "crystallization of knowledge" — Gruppen bauen schwieriges Zeug, vermieten es
- Modelle nicht gut genug für zuverlässigen Human-Replacement (jailbreakable, confusable)
- Modelle die *das* könnten → zu gefährlich für Massen-Zugang
- AGentic SaaS-Transformation auch auf Pause — heutige Modelle können keine SRE/Customer-Service-Rolle reliably fillen

## AI Literacy — Netflix Training Cohorts

**Ezra Savard (Netflix), Dez–März Studie, vorgestellt auf Gene Kim's AI Summit San Jose:**

### Beginner-Kohorten (Token-Spend als Proxy)

| Kohorte | Token-Spend/Tag | Verhalten |
|---------|-----------------|-----------|
| 0 (AI-illiterate) | 0M | Keine Coding-Agenten im regulären Work |
| 1 (Single-Agent) | 4M | Ein Agent synchron während Workday |
| 2 (Multi-Agent) | 12-15M | 2-4 Agenten asynchron, nicht beobachtet |
| Power-User | >50M | — |

> Über 15M/day wird Token-Spend als Metrik unzuverlässig — Leute erfinden Gründe, Tokens zu burnen. Ab dann: **Outcome-Messung** statt Token-Count.

### Der 5-Stunden-Switch

- **5 Stunden fokussiertes Training** pro Mitarbeiter → Sprung von AI-analphabetisch zu AI-savy
- 96% blieben in Kohorte 2 für 6 Wochen danach (ohne Verlangsamung)
- Trainings-Setup: Team-weise (5-10 Leute + Manager), Manager opt-in, reguläre Arbeitszeit, eigene Arbeit mitbringen
- Abkürzungen (kürzer, größer, individual opt-in) funktionieren nicht — "didn't stick"

### Advanced Cohorts — Token Efficiency als neue Meta

- Erstes Kulturproblem: Leuten beizubringen, Tokens auszugeben (FUD überwinden)
- Zweites Kulturproblem: Leuten beizubringen, Tokens *nicht* auszugeben (Effizienz)
- Pierre Racz (Genetec CEO): "Ich bin nicht KI-frei, ich bin nur extrem token-effizient"
- Bell-Curve-Meme: Anfänger und Jedi machen dasselbe (niedriger Token-Spend)
- **"Route every task to the dumbest model that can handle it"** — Discernment Horizon als Infrastruktur
- Budgets + Outcome-Messung; Vanity Builder vs. Effective Builder unterscheiden

## A Craft Needs a Plateau

- Flachkurve = Stabilität = Camp aufbauen = Craft entwickeln
- Startup-Founders: Modelle obsoleten Builds nicht mehr jedes Mal
- Task-Decomposition + Monolith-Aufbrechen als Kern-Kompetenzen
- Sonnet/Opus-class bleiben relevant für Jahre (Kosten + Verfügbarkeit)
- 24×7 autonome Agenten: Schwierigkeiten bleiben; großer Engineering-Effort für Control Plane
- **"The only thing you get for free is AI Anxiety"**

## Einordnung in die Commoditization-These

Yegge liefert die **praktisch-psychologische Schicht** der Intelligence-Commoditization-These:

| Autor | Winkel | Kern-Claim |
|-------|--------|------------|
| [TheProphet](https://x.com/_The_Prophet__) | Geopolitisch-industrialisiert | China baut "Factory for Gods"; Wert wandert zum Work-Loop |
| [Aravind Srinivas](https://x.com/AravSrinivas) | Investor-Orchestrierung | Token Value per Watt per User; Modelle werden Commodity |
| [Miles Deutscher](https://x.com/Milesdeutscher) | Geopolitik-Waffen | KI als Petrodollar-Playbook; Wealth Divide |
| [Leopold Aschenbrenner](https://situational-awareness.ai/) | US-Industrialisierung | AGI bis 2027; Trillionen-Dollar-Mobilisierung; Lockdown kommt |
| **Steve Yegge** | **Praktisch-psychologisch** | **Kurve flacht weil Zugang gesperrt + menschliche Urteilskraft limitiert; SaaS überlebt; AI Literacy als Lösung** |

→ Siehe Scharnier-Seite: [[ai-intelligence-commoditization-thesis.md]]

### Yegges Unique Contributions

1. **Discernment Horizon** als neues Konzept — nicht nur Modell-Qualität, sondern *menschliche Urteilskraft* als Limiting Factor
2. **AI Literacy Cohorts** als messbare Metrik (Token-Spend als Proxy für Org-Reife)
3. **SaaS-Revival** als konkrete Marktvorhersage aus der Flachkurven-These
4. **5-Hour Training Switch** als praktische Lösung für das Kultur-Problem
5. **"Route to dumbest model"** = Discernment Horizon als Routing-Infrastruktur (bestätigt [[../../architecture/model-routing.md]])

## Implikationen für OpenClaw

- **Model Routing = Discernment Horizon als Infrastruktur** — Yegge's "route every task to the dumbest model that can handle it" ist exakt das OpenClaw-Routing-Prinzip. Siehe [[../../architecture/model-routing.md]].
- **Token-Effizienz als fortgeschrittene Fähigkeit** — Subagent-Spawns, Modell-Auswahl, Sub-Task-Routing: nicht "mehr Modell" sondern "richtiges Modell für Task"
- **AI Literacy für Hector-Nutzer** — 5-Stunden-Training als Pattern; Token-Spend-Kohorten als Reife-Indikator
- **SaaS-These validiert OpenClaw-Ansatz** — Orchestrierung über mehrere Modelle/Provider statt Abhängigkeit von einem Frontier-Modell

## Pro-Leben-Perspektive

- **Flachkurve ≠ Mangelnarrativ:** Yegge ist explizit optimistisch — "plenty good enough", "stability feels like a precondition for the new craft"
- **AI Literacy als Handlungsraum:** 5 Stunden Training = konkrete Maßnahme gegen AI-Anxiety; Menschen befähigen statt ersetzen
- **SaaS-Überleben = Wissens-Kristallisation bleibt wertvoll:** "Groups of people build stuff that's tricky" — kollektive Wissensarbeit bleibt relevant
- **Discernment Horizon als Demut:** Niemand kann Superintelligenz supervise — das ist ein Argument für *mehrere* Modelle, *mehrere* Provider, *menschliche* Kontrolle, nicht für *eine* Superintelligenz

## Verwandte Wiki-Seiten

- [[../agi/universal-high-income.md]] — Musk's UHI & deflationäre Makroökonomie als Konsequenz der Automatisierung
- [[ai-intelligence-commoditization-thesis.md]] — Scharnier zwischen TheProphet, Aravind, Deutscher, Aschenbrenner, Yegge
- [[ai-value-migration-orchestration.md]] — Aravind's Orchestrierungs-Werte-Migration; Yegge bestätigt "route to dumbest model"
- [[../agi/aschenbrenner-situational-awareness.md]] — Aschenbrenner: AGI bis 2027 + Lockdown; Yegge sagt "2-3 generations to lockdown"
- [[../policy/ai-as-geopolitical-weapon.md]] — Miles Deutscher's Weaponization-These; Yegge liefert "nuclear weapons" Analogie
- [[../policy/ai-regulation-2026.md]] — Exportkontrollen als erster Schritt des Lockdowns
- [[llm-model-fusion-ensembles.md]] — "Route to dumbest model" = Sub-Task-Routing = Fusion-Pattern
- [[../../architecture/model-routing.md]] — OpenClaw-Routing als "discernment horizon encoded as infrastructure"
- [[../directives/quality-standard.md]] — "Grown-up human supervision" = Quality-Standard
- [[../directives/pro-leben-directive.md]] — Pro-Leben: Flachkurve als Stabilität, nicht Mangel

## Externe Quellen

- [Steve Yegge — "The Flat Curve Society" (Medium, Juni 2026)](https://steve-yegge.medium.com/the-flat-curve-society-36c8b01eb33b)
- [Steve Yegge Medium Profile](https://steve-yegge.medium.com/) — 39K followers, ex-Amazon/Google/Grab/Sourcegraph
- [Gene Kim's AI Summit](https://itrevolution.com/) — Venue für Ezra Savard's Netflix-Study-Präsentation
- [Arkana Labs](https://arkanalabs.com/) — AI-Adoption-Case-Study (kidney-disease diagnosis)
- [Genetec](https://www.genetec.com/) — Pierre Rac's physical-security monitoring company
- [AI Engineer Conference SF](https://www.aiengineer.io/) — Yegge's next appearance

## Personen (referenziert)

- **Steve Yegge** — siehe [[../../people/steve-yegge.md]]
- **Ezra Savard** — Netflix, AI training study lead
- **Gene Kim** — AI Summit organizer, author
- **Owen Parker** — VP Eng Arkana Labs
- **Pierre Racz** — Genetec Founder/CEO
- **Dario Amodei** — Anthropic CEO (referenced)