Meine Abenteuer mit Fable

Viel wurde kürzlich über Fable, das neue Supermodell der künstlichen Intelligenz, diskutiert. In Foren wird hitzig über seine Auswirkungen auf die Cybersicherheit debattiert, Gesetzgeber diskutieren seinen politischen Einfluss und Finanzanalysten ringen die Hände über seine Betriebskosten.

Um es in die richtige Perspektive zu rücken, ist der Preis von Fable prohibitiv. Wir sprechen davon, dass der Zugriff auf seine API etwa 10 Mal teurer ist als die Nutzung von Opus 4.8, atemberaubende 50 Mal teurer als Sonnet 5 und etwa 15 Mal teurer als das vorherige Modell von GPT (vor dem Release von Sol).

Trotz dieses "Genie-Steuer", entschied ich mich, es vorurteilsfrei zu testen. Meine Ambition war dieselbe wie die jedes Technologie-Direktors: Mehr zu erreichen, mit weniger, und schneller. Ich wollte sehen, ob der Kosten-Nutzen-Verhältnis gerechtfertigt war.

Also verband mein Team und ich Fable direkt mit unseren Arbeitsabläufen und täglichen Analysen. Was in den nächsten 48 Stunden passierte, war eine Meisterklasse an technischer Brillanz und kommerziellem Absurdität.

Der proaktive Genie und die Verwundbarkeit von GitLab

Einige Minuten nach dem Scannen unserer Infrastruktur hob Fable die Hand. Es hatte gefunden, dass unser GitLab-Umfeld Open-Source-Bibliotheken enthielt, die anfällig waren.

Für diejenigen, die nicht aus dem technischen Bereich kommen, ist GitLab die Plattform für die Zusammenarbeit bei der Entwicklung und die Versionskontrolle par excellence, die von über 100.000 Organisationen auf der ganzen Welt verwendet wird, um ihren Quellcode zu speichern und ihre Deployments zu automatisieren. Es ist buchstäblich das Herzstück der Software-Operationen.

Fable warnte uns nicht nur vor dem Problem. Von sich aus (und mit einer Geschwindigkeit, die Token verbrauchte, als gäbe es kein Morgen), suchte es den Quellcode der Bibliotheken, analysierte die Patches und lieferte uns den vollständigen Prozess zur Behebung. Es ist unglaublich, dass GitLab all diese Jahre mit diesen Details gelebt hat, ohne dass fast jemand sie bemerkt hat, und Fable sie in Minuten aufdeckte.

Die unantastbare Datenbank

Kurz darauf ließen wir es auf ein historisches Problem los, das wir hatten: Eine technische Schuldenlast in einer sehr alten MySQL-Datenbank. Jahrelang hatten wir uns geweigert, sie anzufassen, mit der Begründung, dass wir, wenn wir sie aktualisierten, aufgrund von Retrokompatibilitätsproblemen mit alten Systemen, die Operation stören würden.

Als wir Fable baten, zu analysieren, warum wir sie nicht migrieren konnten, ignorierte das Modell einfach unsere menschliche, pessimistische Prämisse. Es entschied, dass es möglich sei. Innerhalb von Stunden erstellte es ein Master-Skript, das den MySQL-Motor vollständig aktualisierte und außerdem den gesamten Zwischenprozess (ein Middleware) programmierte, um die Retrokompatibilität zu gewährleisten. Es löste ein Problem, das wir in die Schublade "irgendwann" gelegt hatten.

Der Schock der Realität (und der Rechnung)

Aus der Sicht der Ingenieurkunst ist Fable Magie. Aber aus der Sicht der Geschäftsleitung ist die Geschichte ganz anders. Wie sehr hat diese Proaktivität unsere tatsächliche Operation beeinflusst? Absolut nicht.

Ich gestehe, dass wir den GitLab-Patch nicht implementiert haben. Warum? Weil wir, nachdem wir die Verwundbarkeit analysiert hatten, feststellten, dass dieser Fehler in unserem spezifischen Kontext weder unsere Daten noch die unserer Kunden oder unsere internen Projekte gefährdete. Wir konnten damit perfekt leben.

Andererseits ist die MySQL-Datenbank, die Fable so meisterhaft repariert hat, ein Legacy-System (veraltetes System), das sowieso demnächst ausgemustert wird. Die Reparatur bringt keinen Wert für die Ziele dieses Quartals, da das gesamte System bald stillgelegt wird.

Und dann kam der Schlag: Die ersten 48 Stunden des autonomen Einsatzes von Fable haben uns eine API-Rechnung von 845 Dollar beschert. Wir haben fast 1000 Dollar ausgegeben, damit eine Supercomputer zwei Probleme brillant löst, die operativ gesehen nicht existierten.

Eine Schwalbe macht noch keinen Sommer

Bis heute hat Fable uns keine anderen operativen Probleme gefunden, die seine Tagesgebühr rechtfertigen würden. Tatsächlich findet unser derzeitiges Arbeitspferd, Sonnet 5, 95% der gleichen Probleme mit einem erheblich geringeren Kosten.

Ich bezweifle nicht die Leistungsfähigkeit von Fable. Ich bin sicher, dass es in Unternehmen für offensiven Cyberschutz oder in Biotechnologie-Labors jeden Cent wert wäre. Aber ich habe keine Beweise dafür, dass es für die meisten traditionellen Unternehmen heute lohnenswert ist.

Natürlich sind dies anekdotische Fälle. Mein Team und ich werden Fable nicht aufgeben, aber wir werden es auf das Regal "im Notfall einsetzen" legen. Es wird nur für unmögliche Projekte verwendet.

Der wahre Orchesterleiter

Heute ist unsere Strategie viel pragmatischer. Wir verwenden Sonnet 5 für die Schwerarbeit und migrieren komplexe Lasten zu GPT Sol (das neue Flaggschiff-Modell von OpenAI, das die traditionelle Numerierung ersetzt, mit Fokus auf kontinuierliche Argumentation und hochzuverlässige Agenten).

Aber unsere wahre Wette auf die Zukunft ist die lokale künstliche Intelligenz. Wir verfolgen sehr genau die Entwicklung von Kimi K3, dem mächtigen chinesischen Modell. Unser Ziel ist es, es on-premise (auf unseren eigenen Servern) zu betreiben. Die aktuelle Herausforderung von Kimi K3 ist die enorme Menge an GPUs und VRAM, die es zum Laufen benötigt, aber wir hoffen, dass mit einer guten Destillation und Quantisierung in den nächsten Monaten Kimi zum großen internen Orchesterleiter unserer künstlichen Intelligenz-Agenten werden kann, kostenlos und privat.

Im Jahr 2026 mangelt es nicht an Intelligenz; was mangelt, ist der gesunde Menschenverstand, um zu wissen, wann man einen Ferrari kaufen sollte, um um die Ecke zu fahren, und wann es besser ist, zu Fuß zu gehen.

Ich würde gerne Ihre Erfahrungen lesen. Zahlen Sie den Fable-Steuer oder bevorzugen Sie die Optimierung? Ich lese sie.