Alexander Huso, ein Nutzer von Claude, versuchte, seine KI-Token-Kosten zu senken. Seine Methode: Er trainierte Claude darauf, in einer Art 'Höhlenmenschen-Sprache' zu antworten, um die Anzahl der generierten Tokens zu reduzieren.
Das Ergebnis des Experiments war ernüchternd. Obwohl Huso tatsächlich einige Tokens einsparen konnte, sank die Qualität der generierten Inhalte drastisch. Claude wurde 'unbrauchbar', wie Huso berichtete, da die Antworten nicht mehr den Anforderungen entsprachen.
Dieser Vorfall zeigt eine wichtige Lektion über die Interaktion mit großen Sprachmodellen. Versuche, die Token-Nutzung durch unnatürliche oder stark komprimierte Prompts zu manipulieren, können die Leistungsfähigkeit des Modells erheblich beeinträchtigen. Die anfängliche Token-Ersparnis wird durch den erhöhten Aufwand für Korrekturen oder die Notwendigkeit, Prompts neu zu formulieren, schnell zunichtegemacht.
Für DACH-Nutzer bedeutet dies, dass Klarheit und Präzision in den Prompts entscheidend sind. Eine sorgfältige Formulierung, die dem Modell genügend Kontext und Anweisungen gibt, führt zu besseren Ergebnissen und ist langfristig oft kosteneffizienter als aggressive Sparversuche.
Quelle: Business Insider, Stand: 2026-05-09.