knowledge-base/raw/blog/2026-06-19_steve-yegge-flat-curve-society.md

type	source_url	retrieved	title	author	tags
blog	https://steve-yegge.medium.com/the-flat-curve-society-36c8b01eb33b	2026-06-19	The Flat Curve Society	Steve Yegge	flat-curve discernment-horizon demand-horizon ai-literacy saas model-lockdown superintelligence fable mythos pocket-evals token-efficiency netflix-training commodity-intelligence

The Flat Curve Society

Author: Steve Yegge (ex-Geoworks, ex-Amazon, ex-Google, ex-Grab, ex-Sourcegraph; 30+ years tech industry, 40 years coding) Published: June 2026 (approx. 2 hours before retrieval on 2026-06-19) Length: 18 min read Medium: https://steve-yegge.medium.com/the-flat-curve-society-36c8b01eb33b

Trigger / Kontext

K9ert hat den Link im OME-Gruppen-Topic "News & Infos" geteilt. Der Post passt in die laufende Gruppen-Diskussion über AI-Kommoditisierung, China-vs-US-Intelligenz-Gap, tiny-teams-These (Aravind), Token-Value-per-Watt.

Zusammenfassung

Steve Yegge argumentiert, dass die KI-Intelligenz-Kurve für die breite Öffentlichkeit abflacht — nicht weil das exponentielle Wachstum aufhört, sondern weil zwei Phänomene es erscheinen lassen:

1. Model Lockdown: Die nächsten 2-3 Modellgenerationen werden wie Kernwaffen kontrolliert. Superintelligenz hinter Schloss und Riegel, zugänglich nur für wenige, "vending machine"-Style für den Rest.
2. Discernment Horizon: Menschen können Unterschiede zwischen Modellen oberhalb ihres Beurteilungsvermögens nicht mehr erkennen.

Kernthesen

1. Superintelligence Under Lock and Key

• KI-Modelle werden gefährlich (Fable/Mythos-Klasse als Wendepunkt, USG sperre als erstes sichtbares Zeichen)
• 2-3 Generationen entfernt von Kernwaffen-ähnlicher Kontrolle
• Fortune 500: kein direkter Zugriff oder streng überwacht
• "Vending machine"-Modell: Spez schicken, Lösung zurückbekommen, auf Vendor-Servern
• Jede Regierung wird Zugriff einschränken (China genauso wie USG)
• Chokepoint = Supply Chain (wie Uran bei Kernwaffen)

2. A World of Mediocre Models

• OSS-Modelle trailn Frontier um ~7 Monate, aber Supply-Chain-Lockdown wird sie am Überholen hindern
• "Today's models are roughly as good as we're going to get" — für die breite Öffentlichkeit
• Fable-class ist "plenty good enough" — wird Coding und Knowledge Work transformieren
• Multi-Jahres-Effort für Pivot, kein "walk in the park"

3. A World of Mediocre Users — Two Horizons

Demand Horizon: Set by the hardest problem you bring. Wenn Probleme zu leicht sind, kann man Modelle nicht unterscheiden. Yegge sammelt "back-pocket evals" — Projekte an denen Modelle scheitern. Bei jedem neuen Modell testet er sie. Sein React-Client für sein Spiel: kein Opus-class Modell konnte es, Fable "smashing it".

Discernment Horizon: Set by the hardest answer you can judge. Oberhalb dieser Linie kann kein Mensch mehr verifizieren, ob das Modell recht hat. "Superhuman means unverifiable." Selbst Dario hat eine. Niemand kann ein Modell beaufsichtigen, das klüger ist als er.

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

4. SaaS is Back, Baby

• Zu teuer, SaaS mit KI neu zu bauen (Zugang + Kosten prohibitive)
• Token-Efficiency-Lektion: Firmen sprengten Jahresbudgets in Monaten
• Buy-vs-Build kippt zurück zu Buy
• Modelle nicht gut genug für zuverlässigen Human-Replacement (jailbreakable, confusable)
• SaaS = "crystallization of knowledge" — Gruppen bauen schwieriges Zeug, vermieten es

5. AI Literacy 101 — Netflix Training Study

Ezra Savard (Netflix), Dezember–März, vorgestellt auf Gene Kim's AI Summit in San Jose:

Drei Beginner-Kohorten, definiert durch Token-Spend an "qualified days" (≥3 Tage/Woche):

• 0M tokens/day: Devs ohne Coding-Agenten im regulären Work
• 4M tokens/day: Single-Agent synchron während des Workdays
• 12M-15M tokens/day: 2-4 Agenten asynchron, nicht beobachtet

Power-User: >50M/day. Aber über 15M/day wird Token-Spend als Metrik unzuverlässig (Leute erfinden Gründe, Tokens zu burnen).

Schlüsselbefund: 5 Stunden Training reichen, um von KI-analphabetisch zu KI-savy zu springen. 96% blieben in Kohorte 2 für 6 Wochen danach.

Trainings-Setup:

• Team-weise (5-10 Leute + Manager)
• Manager opt-in, reguläre Arbeitszeit
• Eigene Arbeit mitbringen
• Instructor hilft beim Agenten-Einsatz
• Abkürzungen (kürzer, größer, individual) funktionieren nicht

Advanced Cohorts:

• Zweites Kulturproblem: Leuten beizubringen, Tokens nicht auszugeben
• Token-Effizienz als fortgeschrittene Fähigkeit
• Pierre Racz (Genetec CEO) Witz: "Ich bin nicht KI-frei, ich bin nur extrem token-effizient"
• Bell-Curve-Meme: Anfänger und Jedi machen dasselbe (niedriger Token-Spend)
• Budgets + Outcome-Messung statt Token-Count
• "Route every task to the dumbest model that can handle it" — discernment horizon als Infrastruktur

6. 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

7. Train Your Flat-Curvers

• Massive AI-Training- und Literacy-Problematik
• Modelle one-shoten keine Fortune-100-Codebase
• Grown-up Human Supervision bleibt nötig
• 2-Pizza-Teams, Rollen verschwimmen
• "The only thing you get for free is AI Anxiety"

Schlüsselzitate

"I am now in the camp who believe that we are only at most two or three model generations away from AI finally being controlled like nuclear weapons."

"Superhuman means unverifiable."

"The curve will appear to flatten out for you, through two separate phenomena."

"SaaS actually came rocketing back over the past month all on its own."

"People can jump cohorts in 5 hours. That's how long it takes people, in the right training setting, to graduate from AI illiteracy to AI savviness."

"The only thing you get for free is AI Anxiety."

"Route every task to the dumbest model that can handle it."

"Welcome to the Flat Curve Society."

Wiki-Einordnung

Yegges "Flat Curve Society" ist eine komplementäre Schicht zur bestehenden Intelligence-Commoditization-These:

• TheProphet sagt: Wert wandert vom Modell zum Work-Loop (geopolitisch-industrialisiert)
• Aravind sagt: Token Value per Watt per User ist die Metrik (investor-orchestration)
• Yegge sagt: Die Kurve flacht ab, weil Zugang gesperrt wird UND weil Menschen Unterschiede nicht mehr erkennen können (praktisch-psychologisch)

Drei Winkel, eine These: Commoditization ist real, aber aus unterschiedlichen Gründen.

Yegges Unique Contribution:

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)
3. SaaS-Revival als konkrete Marktvorhersage aus der Flachkurven-These
4. 5-Hour Training Switch als praktische Lösung für das Kultur-Problem

Cross-References im Wiki

• wiki/concepts/llm/ai-intelligence-commoditization-thesis — Scharnier-Seite; Yegge liefert die praktisch-psychologische Schicht
• wiki/concepts/llm/ai-value-migration-orchestration — Aravind's Orchestrierungs-Werte-Migration; Yegge bestätigt "route to dumbest model"
• wiki/concepts/agi/aschenbrenner-situational-awareness — Aschenbrenner sagt AGI bis 2027 + Lockdown; Yegge sagt "2-3 generations to lockdown"
• wiki/concepts/policy/ai-as-geopolitical-weapon — Miles Deutscher's Weaponization-These; Yegge liefert die "nuclear weapons" Analogie
• wiki/concepts/policy/ai-regulation-2026 — Exportkontrollen als erster Schritt des Lockdowns
• wiki/concepts/llm/llm-model-fusion-ensembles — "Route to dumbest model" = Sub-Task-Routing = Fusion-Pattern
• wiki/architecture/model-routing — OpenClaw-Routing als "discernment horizon encoded as infrastructure"
• wiki/concepts/directives/quality-standard — "Grown-up human supervision" = Quality-Standard

Personen

• Steve Yegge — Author, ex-Amazon/Google/Grab/Sourcegraph, 39K Medium followers
• Ezra Savard — Netflix, ran training study Dec–Mar, presented at Gene Kim's AI Summit
• Gene Kim — AI Summit organizer, co-author with Yegge
• Owen Parker — VP Eng at Arkana Labs, AI adoption case study
• Pierre Racz — Founder/CEO Genetec, "token-efficient" joke, physical-security monitoring
• Dario Amodei — Anthropic CEO, referenced re: "predicted models become dangerous this year"

externe Quellen

• Original Blog Post
• Steve Yegge Medium Profile
• Gene Kim AI Summit — referenced as venue for Ezra Savard's presentation
• Arkana Labs — kidney-disease diagnosis AI adoption case
• Genetec — Pierre Racz's physical-security monitoring company
• AI Engineer Conference SF — referenced as Yegge's next appearance