Warum gute KI-Modelle sich plötzlich dumm anfühlen

Jedes Mal, wenn ein neues Flaggschiff-Modell erscheint, wechsle ich innerhalb eines Tages darauf. Eine Woche später fühlt sich die Arbeit mit dem Vorgängermodell an, als würde man gegen eine Wand reden.

Man redet sich schnell ein, dass das ältere Modell nie wirklich gut war. Aber diese Woche ist mir etwas passiert, das mir klargemacht hat: Das Problem liegt fast immer bei mir selbst.

Drei Tage mit Flash

Anfang der Woche habe ich mein Codex-Limit erreicht und musste drei Tage auf den Reset warten. Ich war mitten im Projekt und wollte den Flow nicht verlieren, also habe ich mich gezwungen, mit Gemini 3.7 Flash weiterzuarbeiten.

Die erste Stunde war frustrierend. Flash hat Kontext übersehen, halbgare Antworten geliefert und Annahmen getroffen, nach denen ich nie gefragt hatte. Mein erster Gedanke war der typische: Das Modell reicht einfach nicht für saubere Architekturarbeit.

Weil ich keine Alternative hatte, musste ich mich anpassen.

Ich habe meine Arbeitsweise umgestellt. Statt unstrukturierte Gedankenfetzen abzuladen, habe ich Anforderungen in konkrete Einzelschritte zerlegt. Und sobald der Chatverlauf unübersichtlich wurde oder das Modell sich im Kreis drehte, habe ich eine frische Session geöffnet.

Nach wenigen Aufgaben hat es Klick gemacht. Drei Tage lang habe ich mit Flash echten Code gebaut und solide Architektur umgesetzt. Es war schnell, zuverlässig und die Ergebnisse waren richtig gut. Ich war überzeugt: Kleinere Modelle werden völlig unterschätzt, man muss nur wissen, wie man sie steuert.

Der Reset

Dann kam der Quota-Reset.

Ich bin sofort zurück zum großen Flaggschiff-Modell. Die Reibung war augenblicklich weg. Ich konnte wieder nachlässig sein: vage Anweisungen tippen, Details weglassen, und das Modell hat trotzdem erraten, was ich wollte.

Ein paar Stunden später wollte ich nur ein kleines Skript anpassen und habe den Prompt schnell an Flash geschickt.

Kompletter Reinfall. Nach zwei Nachrichten kam nur unbrauchbarer Mist. Es fühlte sich an wie ein völlig anderes, viel dümmeres Modell als das, mit dem ich gerade drei Tage lang produktiv gearbeitet hatte. Nach zwei Minuten habe ich aufgegeben und das Skript wieder durch das teure Modell gejagt.

Flash ist in meiner Mittagspause nicht schlechter geworden. Meine Prompts sind es.

Große Modelle ruinieren unsere Gewohnheiten

Spitzenmodelle verzeihen schlechte Kommunikation. Weil sie über enorme Reasoning-Kapazitäten verfügen, schließen sie die Lücken in unseren Gedanken. Sie ordnen chaotischen Kontext, erraten die eigentliche Absicht und bügeln Widersprüche aus.

Kleinere Modelle können das nicht. Sie verlangen klare Anweisungen, saubere Kontexte und Disziplin. Wenn man sich darauf einlässt, formuliert man präziser und bekommt hervorragende Ergebnisse.

Das Problem ist, wie schnell diese Disziplin verfliegt. Fünf Minuten am Flaggschiff-Modell reichen aus, und man tippt wieder unüberlegte Gedankenströme ein. Füttert man dieselben schlampigen Prompts danach in ein kleineres Modell, bricht es zusammen.

Das Modell ist nicht über Nacht verblödet. Wir haben nur verlernt, wie man vernünftig damit spricht.