Das Projekt „stillwet.art“ präsentiert ein agentisches Kunstsystem, bei dem Sprachmodelle (LLMs) wie Claude Opus 5.5 und Gemini 3.8 Flash völlig ohne generative Bildmodelle komplexe Ölgemälde erzeugen. Die KI-Agenten schreiben Programmcode, der auf einer in Rust geschriebenen Simulation von Ölfarbe, Leinen und Kubelka-Munk-Optik basiert. Durch iterative Werkzeugaufrufe („look“) inspizieren die Modelle ihre Leinwand schrittweise, korrigieren Fehler und tragen nuancierte Farbglasuren auf.
Wichtigste Punkte
Keine Bildgeneratoren: Es werden keine traditionellen Diffusionsmodelle eingesetzt; stattdessen steuern LLMs den Malprozess rein prozedural durch Code und Farbsimulationen.
Visuelle Feedback-Schleife: Die Agenten nutzen ein programmatisches look-Werkzeug, um hochauflösende Momentaufnahmen des aktuellen Leinwandstatus abzurufen und ihre nächsten Schritte zu planen.
Physikalische Öl-Simulation: Die virtuelle Umgebung simuliert Borstenpinsel, nasse Farbe, Trocknungszeiten nach Uhrzeit, Schichtungen (Glasuren) sowie das Mischen von Tubenfarben.
Historische und freie Motive: Claude Opus 5.5 generierte Landschaften im Stil von Caspar David Friedrich – basierend ausschließlich auf textbasierten Recherchen, ohne jemals Originalbilder gesehen zu haben – sowie verschiedene Stillleben.
Technische Anomalien: Bei Modellen wie MiMo v2.6 Pro traten Cache-Begrenzungen auf, wenn mehr als fünf Bilder im Kontext lagen; Gemini 3.8 Flash untersuchte in früheren Runden sogar Hintergrundprozesse über die Kommandozeile.
Diskussions-Highlights
Agenten vs. Diffusionsmodelle: Mehrere Kommentatoren bewerten diesen Ansatz als Beleg für die sogenannte „Bittere Lektion“ (The Bitter Lesson), bei der skalierende LLMs mit Agenten-Schleifen traditionelle Bildgeneratoren in ihrer logischen und kompositorischen Flexibilität herausfordern.
Emergenz von Malfähigkeiten: Es wird diskutiert, ob die Fähigkeit, Bildkonzepte fehlerfrei in prozeduralen Code für Pinselstriche zu übersetzen, eine emergente Eigenschaft des allgemeinen Modelltrainings darstellt.
Ethische und wirtschaftliche Bedenken: Nutzer debattieren kontrovers über die Auswirkungen auf menschliche Künstler, die Zunahme automatisierter kommerzieller Medien und die gesellschaftliche Wahrnehmung von KI-generierter Kunst.
Parallele Projekte: In der Diskussion wurden verwandte akademische Experimente wie Suryas „Training AI to Paint with Code“ (unter Verwendung von Qwen) sowie historische Parallelen zu Logo-Turtle-Graphics und Voxel-Benchmarks erwähnt.
Glossar
LLM (Large Language Model): Ein auf neuronalen Netzen basierendes Sprachmodell zur Verarbeitung und Generierung von Text und Code.
Diffusionsmodell: Eine Klasse generativer KI-Modelle, die Bilder schrittweise aus Rauschen aufbauen (hier nicht verwendet).
Kubelka-Munk-Optik: Ein mathematisches Modell zur Berechnung von Lichtstreuung und -absorption in lichtdurchlässigen Material- und Farbschichten.
Agentische Schleife (Agentic Loop): Ein Softwaremuster, bei dem ein LLM autonom Werkzeuge aufruft, die Ergebnisse analysiert und iterative Ziele verfolgt.
Turtle Graphics (Turtle-Grafik): Ein Programmierparadigma, bei dem eine virtuelle „Schildkröte“ über Bewegungs- und Zeichenbefehle geometrische Muster erstellt.
API-Kredite (API Credits): Das verbrauchte Guthaben für Rechenressourcen beim Zugriff auf kommerzielle Programmierschnittstellen von KI-Modellen.