10 KiB
10 KiB
| created | updated | sources | tags | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2026-06-19 | 2026-06-19 |
|
|
The Flat Curve Society — Yegge's Intelligence Plateau Thesis
Quelle: Steve Yegge, "The Flat Curve Society", Medium, Juni 2026. Geteilt von @k9ert im OME-Gruppen-Topic "News & Infos". Raw-Source:
blog/2026-06-19_steve-yegge-flat-curve-society.md.
Kernthese (3 Sätzen)
- 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.
- Superintelligenz wird wie Kernwaffen kontrolliert — 2-3 Modellgenerationen entfernt, zugänglich nur für wenige als "vending machine", überwacht und auf Vendor-Servern.
- 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 | Geopolitisch-industrialisiert | China baut "Factory for Gods"; Wert wandert zum Work-Loop |
| Aravind Srinivas | Investor-Orchestrierung | Token Value per Watt per User; Modelle werden Commodity |
| Miles Deutscher | Geopolitik-Waffen | KI als Petrodollar-Playbook; Wealth Divide |
| Leopold Aschenbrenner | 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
- Discernment Horizon als neues Konzept — nicht nur Modell-Qualität, sondern menschliche Urteilskraft als Limiting Factor
- AI Literacy Cohorts als messbare Metrik (Token-Spend als Proxy für Org-Reife)
- SaaS-Revival als konkrete Marktvorhersage aus der Flachkurven-These
- 5-Hour Training Switch als praktische Lösung für das Kultur-Problem
- "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)
- Steve Yegge Medium Profile — 39K followers, ex-Amazon/Google/Grab/Sourcegraph
- Gene Kim's AI Summit — Venue für Ezra Savard's Netflix-Study-Präsentation
- Arkana Labs — AI-Adoption-Case-Study (kidney-disease diagnosis)
- Genetec — Pierre Rac's physical-security monitoring company
- AI Engineer Conference SF — 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)