Prognose 2026: Konsolidierung bei LLMs und Agenten

Der August neigt sich dem Ende zu und wir haben zwei Drittel von 2026 hinter uns. In den letzten Wochen hatte ich das Gefühl, dass der KI-Hype-Zyklus Mitte 2026 ein Plateau erreicht hat – und in den verbleibenden vier Monaten könnten wir einen Vorgeschmack darauf bekommen, wie 2026 ausgehen wird.

Meine Prognose: Bis Ende 2026 werden Abos für Frontier-Modelle beim agentischen Programmieren zur Option – offene Modelle sind schon heute “gut genug” und werden durch ein fein abgestimmtes Harness zum Standard. Wenn der Arbeitsspeicher wieder erschwinglich wird, dann ist der nächste Schritt ist das Self-Hosting.

2025 erlebten wir eine rasante Evolution der Modelle, und gegen Jahresende holten die Agenten Werkbänke (wie übersetzt man harnesses) auf, um die stärkeren Modelle auszureizen.
Als beide Kräfte zusammenkamen (und Modelle von vornherein für agentische Anwendungsfälle gebaut wurden), gab es eine echte Explosion agentischer Nutzung.
Die ersten Agent-Runtimes (wie OpenClaw), die Aufgaben nach Zeitplan oder durch externe Trigger übernahmen, erschienen Anfang dieses Jahres auf der Bildfläche, und eine Zeit lang ging es rund – alle wollten Marktanteile gewinnen und ihre Modelle subventionieren. Das half

vor den Investoren mit Hockey-Stick-Adoptionskurven zu protzen, damit sie noch mehr Geld nachschießen
Nutzer an die eigenen Harnesses (Codex, Claude Code) zu binden und echte Nutzungsdaten aus der Praxis aufzusaugen, um bessere Modelle zu trainieren.

Preiserhöhungen und ihre Folgen

Und da sind wir nun – die (Frontier-)Inference-Anbieter erhöhen ihre Preise quer durch die Bank. Im Frühjahr hatte ich Anthropics Max5-Abo und bin für ein paar Monate sogar auf Max20 hochgegangen. Früher lag das unter 200 $/Monat (USD) – inzwischen kostet es 299€ (EUR) im Monat.
Ich habe Opus 4.x genutzt und kurzzeitig Fable 5, aber Fable lieferte meines Empfindens keine besseren Ergebnisse.

Im Juni habe ich einen Blogbeitrag von Addy Osmani gelesen (The New Software Lifecycle), der ein Papier von Google-Leuten zitiert (The New SDLC With Vibe Coding). Darin heißt es, dass 10 % des agentischen Programmierens das Modell sind und 90 % alles andere – das sogenannte Harness.

Das 10-%-Modell

Das leuchtete mir damals ein, und ich habe ausprobiert, wie ich mein Harness nach meinem Geschmack justieren kann. Perfekt ist es noch nicht – und wird es vielleicht auch nicht in 2026. Aber klar ist: Wir können Frontier-Modelle durch „gut genug“-Modelle ersetzen, wenn wir ein ausreichend gutes Harness haben, das die Agenten antreibt.

Providerwechsel

Letzte Woche ist mein Max20-Abo ausgelaufen und ich bin auf Anthropics niedrigste Stufe (Pro – 22 €/Monat) zurückgefallen, um nicht direkt in den kalten Entzug zu müssen – während ich meine tägliche Inference in OpenCode auf OpenRouter.ai umgestellt habe.
Und ich kann Erfreuliches verkünden: Mein agentisches Programmieren läuft prima. Mein Workflow mit OpenCode, OpenSpec und Git-Worktrees in einem Coding-Session-Verzeichnis funktioniert. Am ersten Morgen mit OpenRouter-Modellen war die Aufgabe erledigt und fühlte sich nicht spürbar langsamer an. Ich habe 10$ bei OpenRouter ausgegeben – vor allem wegen GLM-5.2, das eher teuer ist. Ich bin auf deepseek-v4-pro und glm-5.3-flash umgestiegen (letzteres startete als kostenlose Vorschau namens Ox Alpha). Mitte der Woche wurde glm-5.3-flash veröffentlicht, und für den ganzen Tag habe ich weniger als einen Dollar ausgegeben.

Eine Unwägbarkeit: OpenRouter wurde gerade von Stripe gekauft – was das langfristig für deren Modellangebot und Preisgestaltung bedeutet, ist noch unklar.

Der iPhone-X-Moment

Das erinnerte mich an die Zeit, als der Drang nachließ, auf ein neues (oder neueres) iPhone zu wechseln, weil die älteren einfach noch gut genug waren. Die Kamera wurde für den „Point-and-Shoot“-Anwendungsfall kaum besser, der Akku hielt weiterhin einen Tag durch, und die anderen neuen Features waren keine Game-Changer.
Bei KI-Modellen sieht es jetzt ähnlich aus. Die Arbeit mit deepseek-v4-pro und zuletzt vor allem mit glm-5.3-flash hat mich überzeugt, dass ich im nächsten Monat mein Anthropic-Abo beenden und immer mehr offene Modelle nutzen kann. Der Bequemlichkeit halber habe ich noch ein OpenAI-Abo – das könnte ich für Frontier-Modelle nutzen, falls die OpenRouter-Modelle mal nicht weiterkommen.

Nächste Station: Self-Hosting

Ich vermute, die nächste Grenze dieser Reise ist, Modelle lokal zu betreiben. Ich habe 128 GB VRAM auf dem StrixHalo. Nicht super schnell, aber für Agenten, die im Hintergrund und über Nacht laufen, dürfte das sogar reichen.
Eine Routineaufgabe wie das Prüfen meiner E-Mails, das Zusammenfassen der News aus meinem (TT)RSS-Reader oder die Vorbereitung eines Morgen-Briefings zum Start in den Tag hat die ganze Nacht Zeit.

Diese Woche hat Xiaomi einen Prototyp ihrer AI Cube gezeigt (Blogbeitrag auf me.mashable.com). 1,2 TB/s Speicherbandbreite (ähnlich dem neuen Mac Studio für 10.000 $ und mehr). Der StrixHalo schafft 256 GB/s – wenn diese Art von neuen Rechnern aggressiv bepreist wird und/oder die Speicherpreise 2027 sinken, steht dem Self-Hosting nichts mehr im Weg!

KI-Vorbehalt für 2026

Auch wenn für mich vieles klarer wird: Wer weiß, ob ich bis Weihnachten meine Worte wieder hinunterschlucken muss. Aber wie ich in diesem Beitrag argumentiert habe: Wir steuern auf ein stabileres 2026 zu (zumindest im KI-Land).

Im Dezember berichte ich, wie gut dieser Blogbeitrag gealtert ist, ob das Open-Model-Setup gehalten hat – und ob der StrixHalo sich über Nacht seinen Unterhalt verdient hat.