Was Claude Mythos nicht über Sie weiß: Der persönliche Kontext als Burggraben im KI-Zeitalter

Der Mythos-Moment

Am 7. April 2026 kündigte Anthropic Claude Mythos Preview an. Die Schlagzeile war schon für sich genommen bemerkenswert: Ein einziges Modell, autonom laufend, identifizierte Tausende bisher unbekannter Sicherheitslücken in allen wichtigen Betriebssystemen und Webbrowsern. Eine davon, eine Remote-Code-Execution-Lücke in der NFS-Implementierung von FreeBSD, schlummerte seit 17 Jahren im Code. Sie überstand Peer Reviews, manuelle Audits und Millionen automatisierter Tests. Mythos fand sie in Stunden und schrieb dann einen funktionierenden Exploit.

Wenige Wochen später berichteten Sicherheitsforscher, dass Mythos auch eine 27 Jahre alte TCP-SACK-Schwachstelle in OpenBSD und einen 16 Jahre alten Fehler in FFmpeg aufgedeckt hatte. Anthropic entschied sich, das Modell nicht kommerziell zu veröffentlichen. Stattdessen startete das Unternehmen Project Glasswing, ein Konsortium großer Technologiefirmen, das an einer verantwortungsvollen Offenlegung der Mythos-Erkenntnisse arbeitet.

Die Reaktion fiel vorhersehbar gespalten aus. Manche bewerteten es als Generationssprung, den Moment, in dem KI von der "hilfreichen Assistenz" zum "autonomen Agenten mit offensiven Fähigkeiten" wurde. Andere, darunter The Ringer, fragten, ob Mythos im Prinzip das Internet zerstören könnte. Beide Reaktionen verfehlen die nützlichere Frage für jeden, der kein Sicherheitsteam leitet.

Die Frage lautet: Wenn ein Modell dieser Leistungsklasse immer noch keine Ahnung hat, wer Sie sind, was sagt Ihnen das darüber, wo der dauerhafte Wert liegt?

Was Mythos kann und was es nicht kann

Es lohnt sich, konkret zu betrachten, was Mythos tatsächlich darstellt, denn die Lücke zwischen Hype und Realität ist der Ort, an dem nützliches Denken stattfindet.

Laut Anthropics Red-Team-Bericht und der Berichterstattung von InfoQ zeigt Mythos Preview die größten Zugewinne gegenüber Claude Opus 4.6 in Mathematik, Long-Context-Reasoning, Software-Engineering und Cybersicherheit. Bei Standard-Benchmarks setzt es neue Rekorde. Bei adversarialen Sicherheitsaufgaben arbeitet es mit einem Grad an Autonomie, den frühere Modelle nicht aufrechterhalten konnten. Geben Sie ihm ein Ziel, und es kann planen, sondieren und iterieren, ohne weitere Anweisungen.

Aber beachten Sie, was auf dieser Liste fehlt.

Mythos weiß nicht, welches Buch Sie 2021 auf einem Flug gelesen haben, das leise verändert hat, wie Sie über Ihre Karriere denken. Es weiß nicht, dass ein einziger Absatz aus einem Interview mit Tyler Cowen Sie dazu brachte, eine Anlageentscheidung zu überdenken. Es weiß nicht, zu welchen drei Highlights aus einem Tweetstorm von Naval Ravikant Sie in diesem Jahr viermal zurückgekehrt sind. Es kennt nicht Ihre Lesegeschwindigkeit, Ihre Toleranz für Mehrdeutigkeit, Ihren Geschmack für Gegenargumente oder die spezifische Art, wie Sie bestimmte Arten von Evidenz tendenziell falsch interpretieren.

Hier liegt die Asymmetrie. Mythos wurde auf dem öffentlichen Internet trainiert, plus auf allen proprietären Daten, die Anthropic lizenzieren konnte. So war es auch bei jedem anderen Frontier-Modell. Öffentliche Informationen sind der Input, zu dem jedes Labor Zugang hat. Sie sind die Grundvoraussetzung. Was kein Modell standardmäßig hat, ist die Spur Ihres spezifischen Geistes, der sich über die Zeit durch Informationen bewegt.

Diese Spur lebt an drei Orten. Sie lebt in Ihrem Kopf, wo sie verlustbehaftet und vergesslich ist. Sie lebt in verstreuten Werkzeugen (Notiz-Apps, Screenshot-Ordnern, Browser-Lesezeichen), wo sie für KI praktisch unsichtbar ist. Oder sie lebt in einer strukturierten Form, die KI tatsächlich konsumieren kann.

Die dritte Option ist es, die alles verändert.

---

Warum persönlicher Kontext der neue Burggraben ist

In der Strategie ist ein Burggraben ein struktureller Vorteil, den Wettbewerber nicht leicht replizieren können. Der Burggraben von Coca-Cola ist die Marke. Der Burggraben von Google ist der Linkgraph plus die Klickdaten der Nutzer. Der Burggraben von AWS sind Wechselkosten.

Was ist das Äquivalent für Einzelpersonen, die mit KI arbeiten?

Es ist nicht der Zugang zu besseren Modellen. Frontier-Fähigkeiten konvergieren schnell, und der Abstand zwischen dem besten geschlossenen Modell und dem besten offenen wird inzwischen in Monaten gemessen. Es ist nicht die Fähigkeit, Prompts zu schreiben, denn das ist ein erlernbares Handwerk und die Hebelwirkung ist endlich. Es ist nicht einmal reine Fachkompetenz, da KI bei den meisten Aufgaben mit explizitem Wissen die Lücke zwischen Anfänger und Experte komprimieren kann.

Der Burggraben ist der Teil Ihrer Kognition, der für KI lesbar und für niemanden sonst verfügbar ist. Nennen Sie es persönlichen Kontext.

Das galt schon vor Mythos. Was Mythos verdeutlicht, ist, dass keine Menge an Modellleistung diese Lücke schließt. Ein leistungsstärkeres Modell ohne Kontext über Sie liefert keine besseren personalisierten Ergebnisse. Es liefert selbstbewusstere generische Ergebnisse, was schlechter ist, weil Selbstbewusstsein die Kosten erhöht, Fehler zu erkennen.

Denken Sie darüber nach, was passiert, wenn Sie eine generische KI um Rat bei einer Karriereentscheidung bitten. Sie matcht Muster aus Millionen ähnlicher Prompts und gibt Ihnen eine Antwort, die wie der Durchschnitt geformt ist. Wenn Sie dem Modell nie gesagt haben, dass Sie auf Optionalität optimieren, dass Sie bereits einen Gründer-Burnout durchgemacht haben, dass sich die spezifische Branche, in der Sie tätig sind, in einer Weise verändert, die die Trainingsdaten nicht widerspiegeln, kann es diese Faktoren unmöglich gewichten. Es gibt Ihnen flüssige, plausible Ratschläge, die auf niemanden kalibriert sind.

Stellen Sie sich nun vor, Sie hätten drei Jahre damit verbracht, es mit Ihren Highlights aus Büchern und Artikeln, Ihren Notizen aus Podcasts, Ihren Annotationen zu Ihren eigenen Texten zu füttern. Plötzlich gibt Ihnen dasselbe Modell Ratschläge, die auf Ihre erklärten Prioritäten verweisen, auf das Framework, das Sie aus einem Interview mit Patrick O'Shaughnessy markiert haben, auf den spezifischen Fehlermodus, den Sie beim Lesen über den Burnout eines anderen Gründers vermerkt haben. Dasselbe Modell. Andere Ausgabe. Der Unterschied ist Kontext.

Das ist dieselbe Logik, die building a second brain und das Tiago Forte framework angetrieben hat, durch die Mythos-Veröffentlichung in einen schärferen Fokus gerückt. Der Sinn des Festhaltens liegt nicht im Abruf durch Sie selbst. Er liegt darin, ein System zu füttern, das wertvoller wird, je besser sowohl Ihr Kontext als auch das zugrunde liegende Modell werden.

---

Highlights als atomare Kontexteinheit

Nicht jeder Kontext ist für KI gleich nützlich. Das Format zählt mehr, als die Leute denken.

Betrachten Sie den Unterschied zwischen drei Arten, dieselbe Erkenntnis aus einem Buch festzuhalten.

Sie könnten das Buch lesen und sich grob daran erinnern, dass "der Autor etwas über Rückkopplungsschleifen argumentiert hat". Das ist für KI nutzlos, weil es nicht als diskrete Tatsache abgerufen werden kann. Es ist auch verlustbehaftet, weil Sie die Nuance innerhalb einer Woche vergessen.

Sie könnten das gesamte Kapitel in eine Notiz-App kopieren. Das ist schlimmer als nutzlos. KI muss jetzt Tausende irrelevanter Wörter durchsuchen, um den Satz zu finden, der Ihnen wichtig war. Schlimmer noch, Sie haben die Quellenangabe entfernt, sodass das Modell die Aussage nicht verifizieren oder erweitern kann.

Oder Sie könnten den spezifischen Satz markieren, der Sie getroffen hat, ihn mit der Quell-URL oder dem Buchkapitel verknüpft lassen und optional eine einzeilige Notiz hinzufügen, warum er wichtig war. Dieses Highlight ist nun ein Kontextatom. Es ist vorgefiltert (Sie haben es ausgewählt), kurz genug, um kostengünstig in einen Prompt geladen zu werden, mit Quellenangabe zur Verifikation versehen und klein genug, dass Tausende davon in einen einzigen Abruf passen.

Aus diesem Grund ist Glasp's web highlighter so strukturiert, wie er ist. Ein Highlight ist die kleinste Aufmerksamkeitseinheit, die Sie erfassen können und dabei alles bewahren, was KI braucht. Multiplizieren Sie das mit einigen Hundert oder einigen Tausend über die Bücher, Artikel und PDFs, die Ihr Denken tatsächlich geprägt haben, und Sie haben einen persönlichen Korpus, den keine Trainingsdaten eines Labors abdecken.

Fügen Sie Kindle highlights hinzu, die oft Ihre tiefste, am gründlichsten durchdachte Lektüre repräsentieren, und der Korpus vertieft sich.

Fügen Sie YouTube Summary-Zeitstempel aus Videos hinzu, die Sie dicht genug fanden, um sie tatsächlich zu studieren, und Sie haben jetzt eine Kontextschicht erfasst, die fast niemand zu bewahren versucht (Videowissen ist bekanntermaßen schwer im Nachhinein zu extrahieren).

Sie haben das, was die meisten Menschen verlieren, in etwas verwandelt, das sich aufaddiert.

Das Format ist kein Nice-to-have. Es ist der Unterschied zwischen einem Kontextsystem, das KI nutzen kann, und einem Haufen, den KI ignorieren muss.

---

Der persönliche Kontext-Stack

Sobald Sie anfangen, persönlichen Kontext als Burggraben zu denken, hilft es, ihn als Stack zu sehen, nicht als eine einzelne Sache.

Schicht 1: Rohe Highlights. Die Sätze und Clips, die Sie markiert haben. Das sind die kleinsten, günstigsten Atome. Sie beantworten die Frage: "Wofür hat es sich für diese Person gelohnt, langsamer zu werden?"

Schicht 2: Annotationen. Eine kurze Notiz, die an ein Highlight angehängt ist und das Warum festhält. Nicht "das ist interessant", sondern "das widerspricht X" oder "nützlich für die Entscheidung im dritten Quartal". Annotationen fügen Signale hinzu, die das Highlight allein nicht tragen kann.

Schicht 3: Profil und erklärte Ziele. Wer Sie in der Welt sind. Was Sie lernen, aufbauen oder entscheiden wollen. Das ist das Äquivalent eines System-Prompts für eine persönliche KI. Es sagt dem Modell, wie es alles in Schicht 1 und 2 interpretieren soll.

Schicht 4: Sozialer Kontext. Was andere in Ihrem Netzwerk in denselben Quellen für markierungswürdig hielten. Hier wird der community feed von Glasp nützlich. Zu sehen, wie fünf Menschen, denen Sie vertrauen, unterschiedliche Sätze aus demselben Essay markieren, sagt Ihnen etwas über den Essay, was die Highlights einer einzelnen Person nicht könnten.

Schicht 5: AI Chat über dem Stack. Hier wird alles operativ. Werkzeuge wie Glasp's AI chat lassen Sie Ihren Stack direkt abfragen. "Was habe ich über Entscheidungsfindung unter Unsicherheit markiert?" "Hole jedes Highlight aus den letzten sechs Monaten, das mit Einstellungen zu tun hatte." "Finde den Widerspruch zwischen dem, was Marc Andreessen in diesem Interview gesagt hat, und dem, was ich vor zwei Jahren bei Peter Thiel markiert habe." Ohne den Stack ergeben diese Fragen nicht einmal Sinn.

Das Interessante ist, dass jede Schicht die anderen verstärkt. Ein Profil ohne Highlights ist ein generischer Prompt. Highlights ohne Annotationen sind Atome ohne Bindungen. Sozialer Kontext ohne Ihren eigenen Korpus ist nur ein Feed. AI Chat ohne einen Stack zum Abfragen ist derselbe generische Chatbot, den alle anderen auch haben.

Der gesamte Stack ist das einzige Element auf dieser Liste, das wirklich Ihres ist.

---

Was Glasswing Einzelpersonen lehrt

Project Glasswing, Anthropics Antwort auf die offensiven Fähigkeiten von Mythos, lohnt sich als strategisches Muster zu studieren. Es ist zufällig auch eine nahezu perfekte Illustration des Prinzips des persönlichen Kontexts, angewandt auf Branchenebene.

Anthropic hätte Mythos öffentlich freigeben können. Sie entschieden sich dagegen. Sie hätten die entdeckten Schwachstellen offen veröffentlichen können. Sie entschieden sich dagegen. Stattdessen bauten sie ein kuratiertes Netzwerk vertrauenswürdiger Parteien auf (Microsoft, Apple, Google und andere) und teilten Erkenntnisse innerhalb dieses Netzwerks mit einem koordinierten Offenlegungszeitplan.

Die Begründung, wie in der Analyse von CETaS am Alan Turing Institute beschrieben, ist einfach. Die öffentliche Freigabe von Fähigkeiten ohne Kontext erzeugt Chaos. Die kuratierte Freigabe derselben Fähigkeiten innerhalb eines Netzwerks, das den Kontext hat, um verantwortungsvoll zu handeln, erzeugt reparierte Systeme.

Wenden Sie das auf Einzelpersonen an. Eine Frontier-KI ohne Ihren persönlichen Kontext ist das offensive Mythos: leistungsfähig, aber nicht auf Ihre spezifische Situation abgestimmt. Dieselbe KI mit Zugriff auf einen kuratierten persönlichen Stack ist die Glasswing-Version: leistungsfähig und kontextuell. Das Modell ändert sich nicht. Das umgebende Kontextnetzwerk ändert sich.

Das ist dasselbe Prinzip, das hinter collective intelligence steht. Der Wert liegt nicht in einem einzelnen Stück. Er liegt in der Kuratierung und den Beziehungen zwischen den Stücken.

Für einen einzelnen Lernenden lautet die praktische Übersetzung: Hören Sie auf, mit jeder KI-Veröffentlichung Schritt halten zu wollen. Beginnen Sie damit, die Kontextschicht aufzubauen, die jede Veröffentlichung für Sie nützlich macht.

---

Ihren Burggraben ohne Labor aufbauen

Sie brauchen kein Forschungsteam oder Frontier-Modell-Labor, um persönlichen Kontext aufzubauen. Sie brauchen ein System, das reibungsarm genug ist, dass Sie es tatsächlich nutzen werden, und strukturiert genug, dass KI es später lesen kann.

Einige Prinzipien, die unabhängig vom verwendeten Werkzeug Bestand haben.

Erfassen Sie an der Quelle, nicht später. Das Fenster, in dem sich ein Satz noch wichtig anfühlt, ist kurz. Wenn Sie ihn jetzt mit einem Lesezeichen versehen und planen, "später" Notizen zu machen, verlieren Sie 80 Prozent des Signals. Im Browser zu markieren, auf der Seite, im Moment der Aufmerksamkeit, ist die einzige Möglichkeit, zu bewahren, warum er wichtig war. Glasps web highlighter wurde um diese Einschränkung herum gebaut.

Annotieren Sie sparsam, aber spezifisch. Ein leeres Highlight ist nützlich. Ein Highlight mit "das ist großartig" ist es nicht, weil es nicht erklärt, warum. Ein Highlight mit "widerspricht dem Framework, das ich letztes Quartal verwendet habe" ist Gold wert. Eine Annotation pro zehn Highlights ist in Ordnung. Sorgen Sie dafür, dass diese Annotationen zählen.

Bewahren Sie Quellen religiös auf. Ein Zitat ohne Quelle ist nicht verifizierbar. Ihr zukünftiges Ich wird auf das Highlight stoßen und sich nicht erinnern, ob der Autor glaubwürdig war. KI wird es mit derselben Skepsis behandeln. Quellenangaben sind eine kleine Gewohnheit mit überproportionaler Hebelwirkung.

Behandeln Sie Video und Audio als gleichwertig. Die meisten persönlichen Kontextsysteme schließen Video stillschweigend aus, was ein Problem ist, weil die Hälfte des ernsthaften Lernens heute über Podcasts und YouTube stattfindet. YouTube Summary mit zeitstempel-verankerten Highlights löst das. Das Video-Äquivalent eines Buch-Highlights ist ein 30-Sekunden-Clip mit einem Zitat aus dem Transkript.

Schauen Sie in langsamem Rhythmus zurück. Highlights, die Sie nie wieder lesen, sind immer noch nützlich (KI kann sie finden), aber Highlights, die Sie erneut besuchen, gewinnen eine zweite Signalschicht: die Tatsache, dass Sie zurückgekommen sind. Das ist die synthesis loop (erfassen, wiedersehen, verbinden), die rohen Kontext in etwas verwandelt, das eher Denken ähnelt.

Vertrauen Sie Ihrem Netzwerk für das, was Sie selbst nicht erfassen können. Niemand liest alles. Der community feed ist der Ort, an dem Sie sehen, was die Menschen, die Sie respektieren, für markierungswürdig hielten. Behandeln Sie ihn als parallele Pipeline, die die Ecken Ihrer eigenen Lektüre auffüllt.

Nichts davon ist heroisch. Es ist eine kleine Reihe von Gewohnheiten, die, stetig angewandt, eine Kontextschicht erzeugen, die kein Modell haben wird, es sei denn, Sie bauen sie auf.

---

Die Fähigkeitslücke wird sich vergrößern

Es gibt eine verlockende Denklinie, die sagt: KI wird gut genug, dass persönlicher Kontext keine Rolle mehr spielt. Beschreiben Sie einfach, was Sie brauchen, und ein ausreichend intelligentes Modell wird den Rest herausfinden.

Die Veröffentlichung von Mythos ist Evidenz gegen diese Ansicht, nicht dafür.

Hier ist warum. Fähigkeit und Kontext sind keine Substitute. Sie sind Komplemente. Ein intelligenteres Modell ohne Kontext über Sie ist ein leistungsstärkeres Werkzeug, das auf das falsche Ziel gerichtet ist. Stellen Sie sich vor, Sie übergäben die volle Fähigkeit von Mythos an jemanden, der weder Ihr Geschäft, noch Ihre Prioritäten, noch Ihre vergangenen Fehler kennt. Die Ausgabe wäre selbstbewusst, anspruchsvoll und auf eine Weise falsch, die schwer zu erkennen ist, weil die Oberflächenflüssigkeit so hoch ist.

Das ist die AI thinking trap auf ihrem gefährlichsten Niveau. Wenn das Modell schlecht ist, merken Sie es. Wenn das Modell großartig, aber generisch ist, merken Sie es nicht und handeln trotzdem nach seiner Ausgabe.

Der Ausweg besteht nicht darin, die Modelle zu verlangsamen. Sie werden so oder so schneller. Der Ausweg besteht darin, die persönliche Kontextschicht aufzubauen, die es Ihnen erlaubt, sie tatsächlich zu nutzen. Die Labore stecken Ressourcen in Fähigkeiten. Fast niemand steckt Ressourcen in Ihren Kontext. Diese Asymmetrie ist Ihre Chance.

In zwei Jahren werden die Menschen, die einen funktionierenden persönlichen Kontext-Stack haben, eine KI haben, die als kohärente Erweiterung ihres Denkens funktioniert. Die Menschen, die das nicht haben, werden eine KI haben, die als selbstbewusster Fremder funktioniert. Beide Gruppen werden dieselben Modelle verwenden.

---

Frequently Asked Questions

Ist Claude Mythos für die öffentliche Nutzung verfügbar?

Nein. Stand Mai 2026 hat Anthropic Mythos Preview nicht kommerziell veröffentlicht. Das Modell wird intern und über Project Glasswing für verantwortungsvolle Schwachstellenoffenlegung verwendet. Anthropic hat Cybersicherheitsrisiken als Grund für die Zurückhaltung des allgemeinen Zugangs angegeben. Das ist ein Teil davon, warum das Modell als Fallstudie interessant ist: Es repräsentiert Fähigkeiten, die existieren, aber nicht breit zugänglich sind, was die Frage "Was würden Sie damit anfangen, wenn Sie es hätten" wert macht, ernst genommen zu werden.

Macht das den persönlichen Kontext nicht abhängig von einem einzigen KI-Anbieter?

Nein, wenn Sie Ihre Erfassung richtig strukturieren. Highlights, Annotationen und Notizen sind portabel. Sie sind nur Text mit Quellenangabe. Wenn Sie sie in einem System speichern, das den Export ermöglicht, können Sie sie zwischen KI-Anbietern verschieben, wenn sich die Frontlinie verschiebt. Was zu vermeiden ist, ist jedes Werkzeug, das Ihren Kontext in einem proprietären Format einsperrt, das Sie nicht extrahieren können. Glasp lets you export your highlights, und das ist die Eigenschaft, die Sie wollen, unabhängig davon, welche KI Sie letztlich verwenden.

Wie unterscheidet sich das davon, einfach die Memory-Funktion von ChatGPT zu nutzen?

Das Gedächtnis von ChatGPT ist eine intransparente, vom Anbieter kontrollierte Zusammenfassung dessen, was es aus Gesprächen über Sie geschlossen hat. Sie können es nicht auditieren, nicht einfach bearbeiten und nicht zu einem anderen Modell portieren. Persönlicher Kontext, in dem Sinne, wie dieser Artikel ihn verwendet, sind strukturierte Daten, die Ihnen gehören (Highlights, Notizen, Profile). Sie können sie inspizieren, bearbeiten, versionieren und jeder KI zuführen. Das eine ist ein Feature eines Produkts. Das andere ist ein Burggraben, der Produktänderungen überlebt.

Was ist, wenn ich seit Jahren nicht gehighlightet habe? Ist es zu spät?

Es ist nie zu spät, aber Sie können die Zeit nicht komprimieren. Das System, das Sie heute zu füttern beginnen, wird in Monaten nützlich und in Jahren unverzichtbar sein. Es gibt einen Spruch von Charlie Munger, dass die beste Zeit, einen Baum zu pflanzen, vor zwanzig Jahren war und die zweitbeste Zeit jetzt ist. Dasselbe gilt hier. Menschen, die vor drei Jahren mit Glasp begonnen haben, haben heute einen bedeutsamen Kontextvorteil. Menschen, die diesen Monat beginnen, werden 2029 denselben Vorteil haben.

Wird zukünftige KI nicht einfach meinen gesamten Browserverlauf lesen und das alles automatisch ableiten?

Vielleicht etwas davon. Aber zwei Dinge zählen. Erstens ist der rohe Browserverlauf größtenteils Rauschen. Das Signal-zu-Rausch-Verhältnis ist deutlich niedriger als bei Highlights, die durch die teuerste Ressource Ihres Lebens vorgefiltert sind: Ihre Aufmerksamkeit. Zweitens, selbst wenn eine zukünftige KI Ihren Kontext aus dem Verlauf rekonstruieren könnte, ist der Anbieter, der diese Daten besitzt, nicht unbedingt einer, von dem Sie abhängig sein wollen. Den Besitz Ihrer Kontextschicht zu behalten, ist eine Absicherung gegen die zukünftige Gestalt der KI-Industrie, nicht nur ein Effizienzgewinn.

Wie passt YouTube Summary hier hinein?

Video und Audio sind für persönliche Kontextsysteme normalerweise unsichtbar, was eine große Lücke ist, weil so viel ernsthaftes Lernen heute darüber stattfindet. YouTube Summary extrahiert ein Transkript, hebt Schlüsselmomente hervor und lässt Sie spezifische Zeitstempel markieren. Die Ausgabe ist funktional identisch mit einem Buch-Highlight: ein kurzes Zitat, eine Quelle, ein Moment in der Zeit. Das bedeutet, dass Ihr YouTube-Lernen zu erstklassigem Kontext wird, abfragbar durch KI neben allem anderen, was Sie gelesen haben.

Bedeutet mehr Kontext nicht mehr KI-Prompt-Kosten?

Ja, aber die Kosten sind rapide gesunken, und die Kontextfenster haben sich erweitert. Vor zwei Jahren war es teuer, 1.000 Highlights in einen Prompt zu laden. Heute ist es trivial. Bis Sie einen Korpus aufgebaut haben, der groß genug ist, um eine Rolle zu spielen, werden die Kosten für seine Nutzung niedriger sein als die Kosten, ihn nicht zu haben. Das größere Risiko ist, den Kontext nicht zu haben, nicht zu viel davon zu haben.

---

Fazit: Beginnen Sie, das System zu füttern, das Sie kennen wird

Claude Mythos ist die bisher klarste Illustration dessen, was Frontier-KI leisten kann. Einen 27 Jahre alten Bug in Code finden, der jahrzehntelange menschliche Überprüfung überstanden hat. Funktionierende Exploits ohne menschliche Aufforderung generieren. All das in Stunden erledigen. Die Fähigkeit ist real, sie beschleunigt sich, und sie wird sich nicht verlangsamen.

Was diese Fähigkeit nicht enthält und standardmäßig auch nicht enthalten wird, ist irgendein Modell von Ihnen. Ihre Prioritäten, Ihre Lesehistorie, die spezifischen Sätze, die geprägt haben, wie Sie denken. Dieser Teil des Bildes ist selbst für das leistungsfähigste Modell unsichtbar, es sei denn, Sie machen ihn sichtbar.

Die Arbeit ist klein, aber sie lässt sich nicht komprimieren. Ein Highlight nach dem anderen. Eine Annotation, wenn der Kontext es rechtfertigt. Ein kurzes Profil, das der KI sagt, wie sie alles andere gewichten soll. Ein Durchgang durch die Highlights Ihres Netzwerks, wenn Sie eine Perspektive wollen, die Sie selbst nicht erzeugt haben. Nichts davon ist heroisch. Alles davon summiert sich.

Das Glasswing-Muster ist auch für Einzelpersonen das richtige mentale Modell. Mythos plus ein kuratiertes Kontextnetzwerk erzeugt nützliche, abgegrenzte, verantwortungsvolle Ergebnisse. Mythos ohne Kontext ist eine Fähigkeit auf der Suche nach dem falschen Problem. Wenden Sie dieselbe Logik auf sich selbst an. Die Frontlinie wird sich weiter bewegen. Was Ihres bleibt, ist der Korpus, den Sie darum herum aufgebaut haben.

Beginnen Sie heute mit einem Highlight. Das System, das Sie 2028 kennt, ist dasjenige, das Sie jetzt zu füttern beginnen. Glasp's web highlighter, YouTube Summary und AI chat over your highlights sind genau um diese Prämisse herum entworfen: günstig erfassen, alles attribuieren und KI die schwere Arbeit des Abrufs auf einem Korpus erledigen lassen, den sonst niemand hat.

Das Modell ist nicht Ihr Burggraben. Ihr Kontext ist es.