Modellneuigkeiten und praktische Artikel zu Recherche, Schreiben, Dokumenten und dem Prüfen von Antworten. Neuigkeiten, Ratgeber und Tutorials für den Arbeitsalltag.
Starte mit Opus, Sonnet oder dem DevDay-Überblick. Probiere anschließend eine Text- oder Rechercheaufgabe mit vertrautem Material aus.
Der große Claude hat neue Preise: 4 Dollar pro Million Eingabetokens, 20 Dollar für die Ausgabe. Schauen wir uns an, was die angekündigte Ersparnis bei längeren Aufgaben bedeutet.
Sonnet 5.5 soll laut Anthropic Antworten über 30 Prozent schneller erzeugen. Die Tokenpreise bleiben gleich; gespart werden soll durch einen kürzeren Weg zum Ergebnis.
Du klappst den Laptop zu, Codex arbeitet weiter. Dazu kommen ein günstigerer Sol und Dots für wiederkehrende Aufgaben. Wir schauen, welche DevDay-Ankündigungen sich näher anzusehen lohnen.
Der Assistent nennt einen Ticketpreis. Nur stand in der Quelle gar keine Preisliste. Zwölf solcher Fälle haben wir gesammelt. Schau, wie JEV, GPT-6 Luna und du sie bewerten.
„Schreib menschlicher“ führt manchmal bloß zur nächsten Ladung Adjektive. Wir zeigen, was das Modell braucht, damit es deinen Text verbessert, ohne für dich Versprechen dazuzuerfinden.
Das Modell kürzt die Beschreibung und erfindet nebenbei eine Leistung, die du gar nicht anbietest? Wir bauen eine Anweisung und prüfen die Antwort an einem kurzen, konkreten Beispiel.
Claude Code, ChatGPT, Codex, Skills, Plugins, MCP… Du möchtest KI ausprobieren und hast schon genug von all diesen Namen? Fangen wir mit einer alltäglichen Aufgabe an. Du öffnest einen Chat und bringst Ordnung in eine kurze Notiz.
Ein Modell antwortet, ein zweites bewertet es. Klingt vernünftig, bis wir fragen, wer das zweite kontrolliert. Wir schauen uns JEV an und zeigen eine eigene Übung.
Viel Kontext klingt beeindruckend. Aber was machen wir damit? Drei konkrete Aufgaben für Astra: widersprüchliche Dokumente klären, ein bearbeitbares Budget und eine lauffähige Suche.
Welches Modell soll es sein? Geben wir beiden dasselbe Angebot und schauen, was sie mit Betrag, Termin und fehlenden Angaben machen. Auch unsere Korrekturzeit zählt.
Dokumente in NotebookLM laden und fragen. Aber was, wenn eines die neue Funktion beschreibt und ein anderes das alte Limit? Ordnen wir die Quellen, bevor daraus eine elegante Zusammenfassung wird.
Drei Links lassen eine Antwort glaubwürdig aussehen. Öffnen wir sie. Vielleicht führen alle zu derselben Ankündigung, und ausgerechnet der interessanteste Satz bleibt unbelegt.
Du lädst die aktuellen Bedingungen hoch, aber der Chat nennt weiter die alten. Bevor wir das Modell wechseln, sehen wir uns an, welche Ausschnitte es tatsächlich zu lesen bekam.
Gutes Ergebnis, Prompt gespeichert, neuer Chat – und plötzlich passt etwas nicht. Vielleicht blieben die wichtigsten Vereinbarungen im alten Gespräch. So nimmst du sie mit.
Jemand sammelt Quellen, jemand schreibt daraus, jemand prüft den verdächtigen Satz. Verteilen wir die Redaktionsarbeit auf diese drei Rollen, auch wenn eine Person alle übernimmt.
Du schreibst dem Assistenten im Messenger, und er nutzt die angeschlossenen Werkzeuge. So begann Clawdbot, heute als OpenClaw weiterentwickelt. Wir erklären die Idee und korrigieren einen verbreiteten Kurzschluss über lokale Daten.
Statt „Drücken Sie die Eins“ ein Gespräch über einen freien Termin. Wir schauen auf Sprachagenten: Was müssen sie können, um einen Termin zu buchen, und wie findest du heraus, ob sie wirklich helfen?
Ein Ordner voller Material, und ein Bericht steht an. Mit Cowork kannst du die Dateiarbeit in normaler Sprache beauftragen. Wir zeigen, wie du die Aufgabe eingrenzt und das Ergebnis prüfst.
Der Umsatz ist gesunken. Aber warum? KI kann helfen, Daten zu sichten und eine Spur zu finden. Zuerst müssen wir die Zahlen prüfen. Wir beginnen mit einer Frage statt mit dem Versprechen eines automatischen Berichts.