Das Wagtail-Team versuchte im September 2026, einen Monat lang ausschließlich das offene Modell GLM 5.3 Flash für die Softwareentwicklung zu nutzen. Von insgesamt 2 Milliarden verbrauchten Token entfielen aufgrund von Infrastrukturengpässen und teuren Prototyping-Fehlern jedoch nur 50 % auf das eigentliche Zielmodell. Das Experiment verdeutlicht die Notwendigkeit präziserer Modellwahl, lokaler Verbrauchsüberwachung und strukturierter Multi-Agenten-Workflows, belegt gleichzeitig aber die hohe wirtschaftliche und energetische Effizienz von Flash-Tiers.
Wichtigste Punkte
Token-Gesamtverbrauch: Im Laufe des Monats wurden 2 Milliarden Token verbraucht, wobei GLM 5.3 Flash in der ersten Monatshälfte planmäßig und in der zweiten Hälfte zu 50 % (1 Milliarde Token) eingesetzt wurde.
Kosten und Energie (Zielmodell): Die planmäßige Nutzung des Zielmodells verursachte Kosten von 68 US-Dollar bei einem direkten Energieverbrauch von ca. 4 kWh und 365 Gramm CO2-Emissionen.
Kostenfalle Prototyping: Die versehentliche Verwendung des teureren Nicht-Flash-Modells für einen MCP-Server-Prototypen ("Vibe Coding") führte zu Kosten von 150 US-Dollar und einem Verbrauch von 450 Millionen Token über Nacht.
Infrastrukturelle Engpässe: Hohe Nachfrage und limitierte GPU-Kapazitäten kleinerer Anbieter führten zu spürbarer Leistungsabnahme bei GLM 5.3 Flash, weshalb auf Alternativen wie DeepSeek V4.1 Flash und Qwen 3.8 Flash ausgewichen werden musste.
Konsequenzen für Oktober: Das Team plant lokale Echtzeiterfassung von Token und Energie, separate Budgets für Experimente sowie den Einsatz strukturierter Multi-Agenten-Architekturen (Orchestrator, Scout, Implementierer, Reviewer).
Diskussions-Highlights
Überraschende Energieeffizienz: Mehrere Diskussionsteilnehmer zeigen sich erstaunt über den extrem geringen direkten Energieverbrauch (4 kWh entsprechen ca. 15 Meilen in einem Elektroauto), während Kritiker anmerken, dass die gesamte Lebenszyklus-Infrastruktur (Kühlung, Chip-Produktion) nicht eingerechnet ist.
Modellvergleich (Flash vs. Non-Flash): Nutzer bewerten GLM 5.3 Flash als hervorragend für kleinere Korrekturen und Routineaufgaben, während das teurere Basismodell eine konsistentere Textqualität liefert. DeepSeek V4.1 Flash gilt als vergleichbar, neigt jedoch zu übermäßigem "Yapping" in den Reasoning-Traces.
Agenten-Arbeitsteilung: Empfohlen wird die Kombination von Flash-Modellen für die Code-Ausführung, flankiert von spezialisierten Modellen für Planung und Review (z. B. Astra Low, Sol 6.1 Medium).
Marktentwicklung & Skalierung: Die rapide steigende monatliche Nutzung (von wenigen kWh auf bis zu 30 kWh) wirft Fragen zur langfristigen Tragfähigkeit und einem potenziellen Überbau von KI-Rechenzentren auf, der primär durch limitierte NVIDIA-Chip-Kapazitäten gebremst wird.
Glossar
GLM 5.3 Flash: Ein leichtgewichtiges, hocheffizientes offenes Sprachmodell (Open-Weight-Modell), das für schnelle Programmier- und Entwicklungsaufgaben optimiert ist.
Token: Die elementaren Einheiten von Text (Wörter oder Wortteile), in die Eingaben zerlegt und von Sprachmodellen verarbeitet werden.
MCP Server (Model Context Protocol): Ein offener Standard oder Server-Prototyp zur standardisierten Anbindung von Kontextdaten und Werkzeugen an KI-Agenten.
Vibe Coding: Ein informeller Softwareentwicklungsprozess, bei dem Code primär durch Prompts und automatisierte KI-Generierung ohne strenge manuelle Kontrolle erstellt wird.
DeepSeek V4.1 Flash / Qwen 3.8 Flash: Alternative offene Leichtgewichts-Sprachmodelle, die als Backup bei API- oder Kapazitätsengpässen eingesetzt wurden.
Neuralwatt: Ein Werkzeug bzw. Dienst zur Erfassung des spezifischen GPU-Energieverbrauchs bei KI-Inferenzprozessen.