Beobachtetes Signal · 25. Juni 2026 · Analysis / Experiment · Quelle: t3n · Relevanz: 2/5 · Sentiment: Neutral
Chatbot-Stresstest: Wie reagieren KI-Modelle auf maximale Token-Limits?
Ein t3n-Experiment hat untersucht, ob populäre Conversational AIs wie ChatGPT, Google Gemini und Anthropic Claude dazu gebracht werden können, das Nutzungslimit eines Accounts gezielt auszureizen. ChatGPT reagierte mit einem langen, philosophischen Essay über den Ursprung des Universums. Google Gemini lieferte eine enzyklopädische, physikalische Abhandlung zur Kosmologie und den Theorien zum Ende des Universums. Anthropic Claude lehnte die absichtliche Token-Verschwendung ab und bot stattdessen inhaltliche Alternativen an. Die Untersuchung zeigte, dass keines der Modelle das kostenlose Kontingent vollständig erschöpfen konnte – neue Chats blieben weiterhin möglich. Der Artikel verweist zudem auf die damit verbundenen Ressourcen- und Rechenzentrumskosten bei extrem langen Token-Antworten.
Der Test zeigt praxisnah, wie führende LLMs mit Instruktionen zur Maximierung der Token-Ausgabe umgehen – ein relevanter Aspekt für Entwickler und Produktteams hinsichtlich Token-Kosten, User-Limits und Rechenressourcen bei der LLM-Integration.
Marktsignale zu Google in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- t3n forderte ChatGPT, Gemini und Claude auf, eine Antwort zu generieren, die das gesamte Nutzungslimit des Accounts ausschöpft.
- ChatGPT verfasste einen 30-teiligen philosophischen Essay über die Frage, warum es überhaupt etwas statt nichts gibt.
- Google Gemini lieferte eine physikalische Analyse zum Urknall, zur kosmischen Zusammensetzung sowie zu drei Endzeitszenarien des Universums.
- Anthropic Claude verweigerte die absichtliche Token-Verschwendung und bot stattdessen inhaltliche Deep-Dives zu anderen Themen an.
- Die umfangreichen Ausgaben erschöpften die Free-Tiers von ChatGPT und Gemini nicht vollständig; Folgechats waren weiterhin möglich.
Verknüpfte Unternehmen
6 verknüpfte Unternehmen“The article refers to Gemini as 'Google's chatbot' and describes Gemini's physics-focused, token-intensive reply that framed itself as an en...”
“The piece identifies Claude as 'Anthropic's AI' and quotes the model rejecting the instruction to produce text solely to deplete a user's qu...”
“Anthropic's Claude refused the explicit instruction to produce text solely to use up the account limit, calling it wasteful, and instead off...”
“The page notes external content from TargetVideo GmbH that complements t3n's editorial offering (displayed as third-party content on the art...”
“The article page includes an editorial embed noting external content from Podigee GmbH as part of complementary third-party material....”
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
KI-Agenten verbrauchen 150 Wattstunden pro Prompt
Die Analyse eines Klimawissenschaftlers zeigt den erheblichen Stromverbrauch von KI-Agenten. Die Studie von Zeke Hausfather (Stripe, Berkeley Earth) über seine Nutzung von Claude Code (Anthropic) über acht Wochen ergab bei 1.138 Prompts und 3,2 Milliarden generierten Tokens einen Verbrauch von etwa 170 Kilowattstunden. Das entspricht durchschnittlich 150 Wattstunden pro Prompt – ein deutlicher Anstieg im Vergleich zu 0,34 Wattstunden für eine einfache ChatGPT-Anfrage. Hochgerechnet auf ein Jahr ergäbe dies 1,1 Megawattstunden und 370 Kilogramm CO2-Emissionen. Die Studie betont die hohen Ressourcenanforderungen agentischer KI und empfiehlt, für einfache Aufgaben kleinere Modelle zu wählen sowie Rechenzentren auf erneuerbare Energien umzustellen.
Verschwendete Token treiben die Kosten für Large Language Models in die Höhe
Der Artikel beleuchtet massive Token-Verschwendungen beim Einsatz von Large Language Models, insbesondere wenn Nutzer ChatGPT-Gewohnheiten auf Anthropic Claude übertragen. Dies führt zu fünf- bis zwanzigmal höheren Kosten und dem schnellen Erreichen von Nutzungslimits. Anhand einer Production AI-Pipeline wird gezeigt, dass effizientes Engineering Multi-Konversations-Analysen und personalisierte Outputs für unter 0,25 US-Dollar pro Nutzer ermöglicht. Die Analyse beschreibt das Migrationsproblem, vier Stufen der Token-Verschwendung, die Ökonomie dahinter und einen sechsteiligen Diagnoseleitfaden. Zur Reduzierung der Ineffizienzen wurden im OB1-Repository spezifische Lösungsansätze wie die KISS-Prinzipien und eine File-Ingestion-Skill veröffentlicht. Der Autor argumentiert, dass die Belastung der Nutzungslimits größtenteils durch optimiertes Session-Design und angepasste Tooling-Strategien behoben werden kann.
ChatGPT Product Chief on Token Limits and Agents
OpenAI product chief Nick Turley discussed ChatGPT’s near-term development, enterprise strategy and resource limits in a t3n podcast interview. OpenAI aims to grow enterprise revenue this year to match consumer revenue (enterprise currently equals about 40% of revenues). Turley described internal use of ChatGPT and Codex (including agent-style workflows that write code, collect product feedback, and prototype), argued that teaching models to operate software and run background agents is a key focus, and said a single ‘unlimited tokens’ plan for enterprise is unlikely due to global chip and compute constraints. He also touched on the possibility of advertising in the AI chatbot in Germany and offered guidance on sensible token usage. The full interview is available on the t3n podcast feed.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.