Nicolas Martignole (Le Touilleur Express) veröffentlicht – gemeinsam verfasst mit **GLM-5.2** und **MiniMax-M3** – **« The Token Manifesto »**: eine Persiflage des **Manifeste Agile** (2001), übertragen auf die Ära der LLMs, in der die Werteinheit nicht mehr die Ingenieurstunde, sondern das **Token** ist. Vier Werte: *kurze System-Prompts statt raffinierter System-Prompts*, *ein klares Beispiel statt drei Absätzen Erklärung*, *iteratives Vorgehen in kleinen Schritten statt das gesamte Lastenheft auf einmal abzuladen*, *Ausgabe in einem festgelegten Format statt das Modell frei improvisieren zu lassen*. Zwölf Prinzipien unterlaufen die des Agilen Manifests eines nach dem anderen — „Einfachheit, die Kunst, die Menge an Arbeit zu maximieren, **die nicht vom Modell erledigt wird**“, „selbstorganisierende Teams, die Wiederholungen erkennen und einmal dokumentieren“, „regelmäßige Reflexion **bevor die Monatsrechnung eintrifft**“. Unter dem Humor („nervöses Starren auf eine Nutzungsanzeige“) verbirgt sich eine ernsthafte These: Der eigentliche ökonomische Engpass KI-gestützter Entwicklung ist nicht mehr die Geschwindigkeit, sondern das **Token-Budget** und die **Ökonomie des Kontextfensters**. Zwei Pointen beschließen den Text: **« Du hast kein Prompt-Problem. Du hast ein Kontextfenster-Problem. »** und **« Jeder ist ein Prompt Engineer, bis das Monatskontingent aufgebraucht ist. »** Bemerkenswert ist das Meta-Augenzwinkern: ein Manifest zur Token-Sparsamkeit, gemeinsam *mit* Modellen verfasst.
Benchmark-Ankündigung von **Artificial Analysis** (unabhängige Plattform zur Bewertung von KI-Modellen, via X/Twitter + Modellseite): **GLM-5.2** von **Z.ai** (Zhipu AI, @Zai_org) wird zum **führenden Open-Weights-Modell** und steigt auf **Platz 3 im Gesamtranking** von **GDPval-AA** auf, einem Real-World-Benchmark für *wirtschaftlich wertvolle Wissensarbeit* (long-horizon, multi-turn, agentische Aufgaben). GLM-5.2 erreicht **1524 Elo**, nur hinter **Claude Fable 5 (1783)** und **Claude Opus 4.8 (1615)**, und liegt gleichauf mit **GPT-5.5 (xhigh, 1509)**. Es führt mit deutlichem Abstand vor dem nächstbesten Open-Modell (**MiniMax-M3, 1408**) sowie vor zahlreichen proprietären Modellen: **Gemini 3.5 Flash (1357)**, **Qwen 3.7 Max (1289)**, **Muse Spark (1158)**. Die Aufgaben sind tatsächlich agentisch: durchschnittlich **~31 Turns pro Aufgabe** über **1.999 Matches**. Dasselbe Ranking bestätigt sich im **Artificial Analysis Intelligence Index** (Platz 1 unter Open Weights), im **Agentic Index** (Platz 3) und bei **AA-Briefcase** (Platz 3, vor GPT-5.5 xhigh, nur hinter Fable 5). Bemerkenswert: Ein **Open-Weights**-Modell unter **MIT-Lizenz**, **MoE mit 753 Mrd. Parametern / 40 Mrd. aktiv**, **1M-Token-Kontext**, mit einem Preis von **1,40 $/4,40 $ pro 1M Tokens** (Input/Output), das bei agentischer Arbeit mit der proprietären Spitze konkurriert — ein echter Fortschritt für offene Modelle.