Zum Hauptinhalt springen

KI-Modelle & Assistenten

Alle Level

Claude ist unser Kern — aber dieselben Fähigkeiten reisen mit. Dieser Abschnitt weitet den Blick auf die ganze KI-Welt: die großen Assistenten, wie sie sich unterscheiden, wann man welchen nutzt, und die Techniken, die sich auf alle übertragen.

What you'll learn
  • Das richtige Modell für eine Aufgabe wählen, ohne jedes Mal das Feld neu zu lernen
  • Zwischen Assistenten wechseln — ChatGPT, Gemini, Grok, offene Modelle — ohne deine Technik zu verlieren
  • Leistungsfähige Modelle auf deinem eigenen Rechner betreiben und wissen, wann sich das lohnt
  • Claude mit lokalen Modellen und Agent-Frameworks kombinieren

Starte hier​

Wenn du in diesem Abschnitt nur eine Seite liest, lies diese. Alles darunter ist ein Zweig davon.

Dann folge dem Faden, der zu dem passt, was du gerade tust.

Die aktuellen Flaggschiffe​

Die zwei September-2026-Releases an der Spitze beider Stacks, Seite an Seite gelesen.

Die September-Arbeitstiere​

Zwei günstige Modelle, die jetzt auf DeepSWE mit Opus 5 gleichziehen und auf Terminal-bench 4.0 20–30 Punkte dahinter liegen. Gleiche Spaltung, gleiche Lektion: pass das Modell an die Form der Arbeit an.

  • Gemini 3.8 Flash für Claude-Nutzer — zum Sonnet-Preis, "arbeitet härter" als Standard, ~30 % mehr Tokens pro Task
  • DeepSeek-V4.1-Flash — 552B MIT Open Weight, 1M Kontext, 890-Byte-KV-Cache, ein Effort-Regler von 1–100 und eine Routing-Änderung, die deepseek-v4-pro still ersetzt hat

Du kommst von einem anderen Assistenten​

Du kennst bereits ein Tool und willst, dass deine Gewohnheiten mitkommen.

Vergleichen, bevor du dich festlegst​

Modelle selbst betreiben​

Lokale Modelle tauschen etwas Leistung gegen Privatsphäre, Kostenkontrolle und Offline-Arbeit. Diese Seiten behandeln, wann sich dieser Tausch lohnt.

Agents jenseits von Claude​

Alles in diesem Abschnitt​

Die vollständige Liste, einschließlich Seiten, die seit dem Schreiben dieses Index hinzugekommen sind.

Gemini 4 Argon: der Praxisleitfaden für Claude-Nutzer (30. September 2026)

Googles Gemini-4-Generation startet mit Argon und einer Schlagzeilenzahl: einem OUTPUT-Limit von 1 Mio. Token, hoch von 64K. Das Kontextfenster blieb bei 1M. Was die Berichterstattung falsch darstellt: Der unabhängige Index von Artificial Analysis setzt Argon auf 53 — fünf Punkte HINTER den 58 von Claude Opus 5.5 — und die günstigeren 1,99 $ pro Aufgabe kommen aus der Preisliste, nicht aus Effizienz, denn Argon verbrennt 62K Output-Token pro Aufgabe gegen die 27K von GPT-6 Astra. Außerdem: eine Halluzinationsrate von 15 % (die niedrigste gemessene) und warum Sie es mit ziemlicher Sicherheit noch gar nicht aufrufen können.

Claude Opus 5.5: Der Field Guide

Opus 5.5 ist am 22. September 2026 zu 4 $/20 $ pro MTok erschienen — 20 % unter Opus 5, mit Cache-Reads zu 0,20 $ (eine 5-%-Stufe, nicht die üblichen 10 %). Vier Breaking Changes lassen eine naive Migration mit 400 scheitern, ein weiterer verändert die Response-Form, ohne dass irgendetwas fehlschlägt — und bringt deine UI mitten in der Aufgabe zum Verstummen. Thinking lässt sich überhaupt nicht mehr abschalten, erzwungenes tool_choice ist weg, und der Standard-Effort ist von high auf medium gefallen — während jede Stufe jetzt mehr denkt als auf Opus 5.

Claude Sonnet 5.5: Der Praxisleitfaden

Sonnet 5.5 erschien am 28. September 2026 zu exakt den Preisen von Sonnet 5 — 2 $/10 $ pro MTok — und Anthropic behauptet trotzdem bis zu 30 % weniger pro Aufgabe. Die Einsparung liegt in der Token-Anzahl, nicht in der Preisliste. Fünf Breaking Changes verursachen in einer Sonnet-5-Codebasis einen 400er, ein sechster liefert 200 zurück und bringt dein Fortschritts-UI zum Schweigen, Thinking lässt sich nicht mehr abschalten (nur zwischen Tool-Aufrufe verschieben), und auf Terminal-Bench 4.0 erreicht das günstige Modell 70,6 % gegen die 66,4 % von Opus 5.5.

GPT-6.1 Sol: Der Praxisleitfaden für Claude-Nutzer

OpenAI hat GPT-6.1 Sol am 29. September 2026 auf der DevDay ausgeliefert — mit exakt derselben Preisliste wie Claude Sonnet 5.5 (2 $/10 $) und einem halb so teuren Preis für gecachte Eingaben. Die Launch-Zeile lautet „Astra-nahe Intelligenz zu einem Fünftel des Preises“. Die Details, die entscheiden, ob das für dich stimmt: eine Eingabegrenze von 922K innerhalb eines 1,05-Mio.-Fensters, eine harte Kostenklippe bei 272K Tokens, Tool-Calling, das nur auf einer der beiden APIs funktioniert, und die Benchmark-Zeile, in der Sonnet 5.5 weiterhin mit 8,7 Punkten vorn liegt.

GPT-5.6-August-Update 2026: Effort-Slider, kostenloser Think-Button & die 272K-Preisklippe

Am 6. August 2026 hat OpenAI ein Mid-Cycle-Update für GPT-5.6 ausgeliefert, das die meisten Zusammenfassungen auf 'Sol ist schlauer geworden' reduzierten. Die eigentliche Geschichte: eine sechsstufige Effort-Steuerung, die verändert, wie du einen Request bepreist, ein Think-Button für die kostenlose Stufe, eine Preisklippe bei 272K Tokens, die den gesamten Call neu bepreist, und ein Fast-Modus, der nur auf Sol läuft. Was jedes davon für Claude-Nutzer bedeutet.

Apple Foundation Models 3 & der On-Device-LLM-Stack für Claude-Nutzer

Apples Foundation Models der dritten Generation (AFM 3) landeten auf der WWDC 2026 mit einem 3B-Dense-On-Device-Modell, einem 20B-Sparse-MoE, das auf dem iPhone läuft, und einem Swift-nativen Framework, das dir nun erlaubt, deinen eigenen LLM-Anbieter mitzubringen — einschließlich Claude. Was tatsächlich ausgeliefert wurde, die nicht offensichtlichen Mechanismen, und wie es die On-Device-Story für alle verändert, die Claude-Apps ausliefern.

Gemini 3.8 Flash für Claude-Nutzer: Das Workhorse, das jetzt auf DeepSWE mit Opus 5 gleichzieht (Sep 2026)

Am 2. September 2026, drei Wochen nach 3.7 Flash, lieferte Google Gemini 3.8 Flash zum gleichen Einführungspreis von $0.75 / $3.75 aus: DeepSWE 73.7 (+8.4), Terminal-bench 2.1 89.4, HLE-Verified 54.9, plus eine Cyber-Variante, die hinter dem neuen Fairwind Program gated ist. Was die Schlagzeilen auslassen: Es 'arbeitet härter', indem es ~30% mehr Tokens pro Task ausgibt, dieselben Modell-ID-Migrationsregeln von 3.7 gelten weiterhin, und Terminal-bench 4.0 ist dort, wo Claude Opus 5 33 Punkte vorne bleibt.

DeepSeek V4-Flash-Vision: Das erste Frontier-Open-Weight mit nativer Vision

Am 31. August 2026 hat DeepSeek V4-Flash-Vision-Exp als Open Source veröffentlicht — ein 305B-MoE, das V4-Flash native Vision hinzufügt, ohne die Text-Agent-Scores zu verschlechtern, Claude Opus 4.8 auf ApexBench / Agents' Last Exam / ZeroBench zu einem Bruchteil des Preises erreicht oder schlägt und unter MIT erscheint. Die konkreten Zahlen, das harte 384-Token-pro-Bild-Limit, das die meisten Guides ignorieren, und der konkrete Weg, es zu betreiben.

DeepSeek-V4.1-Flash: Ein offenes 1M-Kontext-Modell, das auf DeepSWE mit Opus 5 gleichzieht (Sep 2026)

Am 10. September 2026 veröffentlichte DeepSeek V4.1-Flash — ein 552B-MoE unter MIT-Lizenz mit nativer Vision, einem 1M-Token-Fenster, einem KV-Cache von einem Viertel der Größe von V4-Flash und einem Reasoning-Effort-Regler von 1 bis 100. Es zieht auf DeepSWE v1.1 mit Claude Opus 5 gleich (74,2 vs. 74,0) bei $0.30 pro Million Input-Tokens und liegt auf Terminal-Bench weit zurück. Die Zahlen, die Routing-Änderung, die stillschweigend jeden deepseek-v4-pro-Aufruf umgeleitet hat, und wo Claude weiterhin gewinnt.

Open Code Review: Alibabas hybrider KI-Reviewer vs. Claude Code, Codex und jedes Modell (2026)

Alibabas open-code-review (ocr) ist der KI-Code-Reviewer, der auf GitHub trendet: ein Go-CLI, das deterministische Dateiauswahl, Regelabgleich und Zeilenverankerung um einen LLM-Agenten legt. Gleiches Claude-Modell, 4,7-fache Präzision eines Claude-Code-Reviews bei 1/15 der Tokens im eigenen Benchmark — und bestenfalls 20 % Recall. Wie es funktioniert, wie man es mit Claude, GPT, Qwen oder einem lokalen Modell ausführt, Delegationsmodus, CI und die Fallstricke.

KI-Erklärvideos: Die code-getriebene Pipeline

Opus-5.5-Erklärvideos landeten auf der Startseite von Hacker News — und fast niemand erklärt, was dabei wirklich passiert: Das Modell schreibt ein deterministisches Animationsprogramm, kein Video. Der Mechanismus, die drei Render-Engines und ihre Lizenzen, die zwei Fallen, die von Agenten geschriebenen Animationscode zerlegen, die Pacing-Formel, die den Unterschied zwischen anschaubar und unanschaubar macht, und wie die Rechnung wirklich aussieht.

Gemini 3.8 Live und Live Extended Thinking: Der Builder-Field-Guide zu Googles neuen Voice-Modellen (Sep 2026)

Am 15. September 2026 lieferte Google gemini-3.8-live und gemini-3.8-live-extended-thinking aus. Der Launch-Post behandelt Benchmarks. Diese Seite behandelt den Rest: welches Modell wählen, die Migrationsfallen beim Umstieg von 3.1 Flash Live (async Tools sind jetzt Standard, thinkingLevel wirft Fehler, Proactive Audio lässt sich nicht abschalten), die 15-Minuten- und 2-Minuten-Session-Grenzen, und warum die Kosten einer Voice-Session schneller wachsen als ihre Länge.

Diffusion-LLMs: die Modelle, die nicht von links nach rechts schreiben

Mercury 2 beantwortet eine vollständige Reasoning-Frage in 1,7 Sekunden bei 1.009 Tok/s; Gemini Diffusion sampelt mit 1.479 Tok/s gegen die 272,4 von Gemini 2.5 Flash. Gleiche Transformer, anderer Decoding-Algorithmus. Der praktische Leitfaden: warum das README des Open-Weight-Pioniers selbst sagt, dass die Qualität bei einem Schritt pro Token am höchsten ist, der Conditional-Independence-Bug, der paralleles Decoding falsch macht, Block Diffusion als Fix, der den KV-Cache zurückgebracht hat, wie DiffusionGemma ein autoregressives Gemma 4 für unter 10 % seines Trainingsbudgets umgewandelt hat, und der Masked-Infill-Jailbreak, der bei einem alignten dLLM 100 % erreicht.

Shared-Login-Browser für KI-Agenten: das ego-lite-Muster

Eine neue Browser-Klasse — am besten von ego lite verkörpert, das am 24. Juli 2026 die Spitze der GitHub-Trending-Liste erreichte — lässt Claude Code, Codex, Cursor und jeden anderen Coding-Agenten eine isolierte Chromium-Session steuern, die deine echten Logins erbt. Was Spaces und semantische Snapshots wirklich lösen, warum das Playwright für Agenten-Arbeit untergräbt und der Sicherheitspreis, deinen Session-Cookies einen autonomen Prozess mitzuteilen.

Cloudflare Kitesurf: Die erste Browser-Runtime, die für KI-Agenten gebaut wurde (nicht für Menschen)

Am 6. August 2026 hat Cloudflare Kitesurf gestartet, einen zustandslosen, agentenorientierten Browser, der vollständig in V8-Isolates auf Workers läuft. Er verbraucht bei gängigen Agentenaufgaben 3-7x weniger CPU und Speicher als Chromium — um den Preis von ~1,7x mehr Wanduhrzeit. In Rust geschrieben, nutzt Firefox' CSS-Parser (Stylo) und die Blitz-Rendering-Engine, Drop-in-kompatibel mit Puppeteer/Playwright über das Chrome DevTools Protocol. Diese Seite: was sich geändert hat, wann man ihn statt Headless Chrome nehmen sollte, wie man ihn in Claude Code / Codex / deinen MCP-Client einbindet, und die vier Dinge, die er schlicht noch nicht kann.

Colibrì: Ein 744B-MoE von der SSD ausführen (und was es Sie wirklich kostet)

Colibrì ist eine reine C-Engine ohne Abhängigkeiten, die GLM-5.2 (744B), Kimi K3 (2,8T), DeepSeek V4.1 Flash und sechs weitere Frontier-MoE-Modelle auf einer 16–32-GB-Maschine ausführt, indem sie die dichten Schichten im RAM hält und die gerouteten Experten von NVMe streamt. Diese Seite erklärt die Speicherhierarchie, die Zahlen, die entscheiden, ob sie für Sie nutzbar ist (0,05 bis 6,8 tok/s), die Fallstricke bei SSD-Verschleiß und spekulativem Decoding sowie die exakten Befehle bis zum ersten Token.

OpenAI Agents API vs. Claude Managed Agents: Die gehostete Agentenschleife im Vergleich

Am 10. September 2026 hat OpenAI den Codex-Harness hinter einen einzigen API-Aufruf gestellt: die öffentliche Beta der Agents API — dauerhafte Sessions, gehostete oder selbst gehostete Sandboxes, automatische Kompaktierung, Tool-Suche, Subagenten. Anthropic betreibt dieselbe Form seit April als Managed Agents. Beide nutzen dieselben vier Primitive; sie unterscheiden sich bei Berechtigungen, Secrets, Budgets, Netzwerkrichtlinie und den Sandbox-Kosten. Der Vergleich Seite an Seite, die Request-Formen, die sechs Fallstricke und wann man welches wählt.

AX (Agent Executor): Googles offene Agenten-Runtime, erklärt für Entwickler (2026)

google/ax schaffte es am 20.–21. September 2026 auf die Startseite von Hacker News (507 Punkte). Es ist kein Modell, kein Harness und keine gehostete API: Es ist ein Orchestrator im kubectl-Stil, der Agenten-Tasks in Sandboxes auf Agent Substrate ausführt, mit Workspaces (git + MCP + Skills), Gateways (Egress-Allowlists) und Models (Provider + Secret) als deklarativen Ressourcen. Was die vier Primitive leisten, was ein Suspend/Resume überlebt und was nicht, der Runner-Vertrag, den dein Image einhalten muss, die GKE-Anforderungen und warum die Doku aus dem Juni nicht mehr zur CLI passt.

System-One-Entscheidungsmodelle: Jev, Kev und die offenen Klone, erklärt für Entwickler (2026)

Jev von TypeSafe AI (seit 15. September 2026 aus dem Stealth-Modus) ist ein Modell, das nie Text schreibt: Du schickst ihm Programmzustand plus typisierte Fragen und es liefert für alle zusammen kalibrierte Wahrscheinlichkeiten in einem parallelen Durchlauf, 70–500 ms, 0,042 $ pro Million Input-Token, Output kostenlos. Zwei Hacker-News-Startseiten-Beiträge am 21. September (Kev, eine Apache-2.0-Nachbildung auf Qwen3.5, und der Scherz jev-leftpad) machten es zum Thema der Woche. Was ein System-One-Modell tatsächlich tut, was die Behauptung 'kann nicht halluzinieren' wirklich garantiert, die Herstellerzahlen neben dem einen unabhängigen Test, wo ein Entscheidungsmodell in einer Claude-Agentenschleife hingehört und wie du Kev oder Nimble lokal betreibst.

Trainiere dein eigenes Entscheidungsmodell: Jeff, Jeeves und der DIY-System-One-Stack (Sep. 2026)

Zwei Wochen nachdem Jev Entscheidungsmodelle zu einer Kategorie gemacht hat, hat der offene Stack aufgeholt: Jeff feintunt ein 0,8B-Qwen in ~2 Stunden auf einer einzigen Workstation-GPU zu einem Jev-kompatiblen Klassifikator, und PostHogs Jeeves zeigt, dass ein Entscheidungsmodell, das zuerst denken darf, Jev auf dessen eigenem Benchmark schlägt. Was das Trainingsrezept tatsächlich ist (Kreuzentropie über Optionsbuchstaben, eine separat angepasste Temperatur), wo winzige Modelle die API schlagen und wo sie zerlegt werden, die 26-Optionen-Grenze, die 20-fache CPU-Latenzklippe und die langweilige Embeddings-Baseline, die 93,0 % erreichte und die du schlagen musst, bevor irgendetwas davon die Mühe wert ist.

Ember-1: Kimi K3s Antworten für 40 % weniger Tokens (Sep. 2026)

Fireworks hat Kimi K3 nachtrainiert, damit es aufhört zu über-denken, und das Ergebnis als Ember-1 veröffentlicht — gleicher Preis pro Token, 35–50 % weniger Reasoning-Tokens, und es schlägt K3 bei maximalem Effort in zwei von fünf Benchmarks. Warum den Effort herunterzudrehen nicht dasselbe ist, was die Spalte '-51,9 % / -23,1 USD' wirklich sagt, die implizierten Kosten pro Benchmark-Aufgabe, die Modalität, die still verschwindet, und die Klausel in der Kimi-K3-Lizenz, die ein Derivat geschlossen bleiben lässt.

OpenAI Dots: Der Always-on-Agent und die Berechtigungsleiter darunter

Auf der DevDay am 29. September 2026 hat OpenAI dots veröffentlicht — dauerhafte Agenten, die jeweils einen eigenen Cloud-Computer und Browser bekommen, auf GPT-6 Astra laufen und weiterarbeiten, während du ausgeloggt bist. Die Launch-Berichterstattung endet bei der Demo. Diese Seite behandelt den Mechanismus: die fünfstufige Berechtigungsleiter, warum proaktive Recherche auf der Tool-Ebene statt auf der Prompt-Ebene nur lesend ist, was die veröffentlichten Sicherheitszahlen tatsächlich messen und wie sich ein Dot gegen Claude Managed Agents und Cowork schlägt.

World Models: Was Sie heute tatsächlich bauen können

AMD zahlt rund 8,2 Milliarden US-Dollar für World Labs, und unter demselben Namen werden zwei völlig verschiedene Dinge verkauft. Frame-Generatoren wie Genie behalten die Welt im Modell und begrenzen eine Sitzung auf 60 Sekunden. 3D-Generatoren wie Marble liefern Ihnen Gaussian Splats, die Sie besitzen, kostenlos rendern und mit denen Sie nicht kollidieren können. Die API-Formen, die Export-Stufen, die WorldScore-Belege, die offenen Gewichte, die Sie selbst betreiben können, und die fünf Aufgaben, die ein World Model nicht übernimmt.

Ist das Modell generft? Wie man es wirklich feststellt

„Sie haben es generft“ ist die am häufigsten wiederholte Behauptung in der KI-Welt und die am wenigsten gemessene. In der Claude API können sich die Gewichte hinter einer Modell-ID nicht ändern — jede aktuelle ID ist ein fixierter Snapshot. Aber sieben andere Dinge können sich ohne neues Modell unter dir verändern, von einem veröffentlichten System-Prompt-Update bis zu einem Harness, das mitten in der Sitzung stillschweigend Modelle tauscht. Hier steht, was sich bewegen kann und was nicht, warum das am häufigsten zitierte Ergebnis „GPT-4 ist dümmer geworden“ ein Eval-Bug war, und ein Messprotokoll, das du an einem Nachmittag durchziehen kannst.

Pi 1.0: Das minimale Harness und der Codemode-Trick, der MCP-Token-Wucher behebt

Pi 1.0 erschien am 1. Oktober 2026 und landete auf Platz 1 bei Hacker News. Das Interessante ist nicht die TUI — es ist das Context Engineering: eine QuickJS/WASM-Sandbox, in der Tool-Ergebnisse nie in den Kontext des Modells gelangen, vier MCP-Expositionsmodi, eine Obergrenze von 3.000 Token für inline eingebettete Tool-Deklarationen und ein Trick, der einen neuen System-Prompt-Abschnitt an das Transkript anhängt, statt Tool-Definitionen zu verändern — damit dein Prompt-Cache überlebt. Dazu die bewussten Auslassungen (keine Sub-Agents, kein Plan-Modus), die 0,05-$-Regel beim Cache-Warming und die Vertrauenslücke, die die AGENTS.md eines geklonten Repos ohne Rückfrage lädt.

DeepSeek Harness: the agent where the agent loop itself is a plugin

DeepSeek Harness (dsh) passed 242,000 stars and shipped desktop installers on 1 October 2026. The headline is 'everything is a plugin' — and unlike most such claims this one is load-bearing: the model adapter, the tool registry, the session log and the agent loop are all replaceable from a YAML patch file. This page covers the three facts that matter to a Claude user (it runs your existing Claude Code hooks.json, it speaks anthropic-messages, and run_code is codemode by default), the three-mode sandbox and the kernel primitives behind it, the append-only session log invariant, and the config override that silently deletes your other providers.

Strata: a 125B MoE at 94 tok/s on a 12 GB Card — and the Exact Bill

Strata runs Qwen3.8-Flash-Next (125B, 6B active) on a 12 GB gaming GPU at interactive speed. This page explains the three architecture facts that make it possible, reads the benchmark table honestly, and prices the quality you give up: 91.3% of SWE-bench Verified against 98.7% of LiveCodeBench, a KV-cache setting that passes needle tests while losing 8-12% perplexity, a speed mode that strips refusal directions, and a measured vision regression on identical weights.

DwarfStar (ds4) and the Rise of Overfit Inference Engines

ds4 is a 23.6k-star, pure-C engine from the creator of Redis that runs DeepSeek V4 Flash, GLM 5.x and Qwen3.8-Flash-Next locally — and refuses to run anything else. This page explains the three mechanisms a general runtime will not give you (asymmetric routed-expert quantization, bounded expert streaming from SSD, KV snapshots that survive a restart), reads its own numbers honestly — the 126 t/s headline is an eight-GPU aggregate across 16 sessions, not your Mac — and prices the real cost of the overfit bet: deliberately disposable model support, 761 open issues, and a main branch that last moved on 20 September 2026.

Whistle: Speech-to-Text in 16.9 MB — and the Benchmark Bars Nobody Labelled

Cactus Compute's Whistle fits a multilingual ASR model in 16.9 MB and hits 11.1 ms to first token on a CPU. The size claim is real. This page reads the vendor's own benchmark chart bar by bar — including the three competitor columns it declines to label — and finds the pattern that explains every field complaint: Whistle wins on close-mic single-speaker audio and is the worst of the three on real meeting audio, 4.6 WER points behind a model 8.6x its size. Plus the 30-second architectural wall, the streaming API the launch thread missed, and the one knob that took a tester from 70/170 to 164/170.

DeepInfer: DeepSeek's Own Inference Engine, Read Honestly

On 20 October 2026 DeepSeek open-sourced DeepInfer, the engine behind its production service — 16.3k stars in a day, 2,251 points on Hacker News. This page covers the four things the headlines missed: it is a vLLM fork, not a from-scratch engine; 'NVIDIA SM100' excludes every H100 and every consumer GPU you own; its decode throughput is published under full-acceptance accounting, which counts drafted tokens whether or not they were accepted; and its genuinely important feature — batch-invariant inference — is mutually exclusive with its own speculative decoder.

The Third-Party Memory Layer: How claude-mem Actually Works

claude-mem has 103,000 GitHub stars and solves the complaint every coding-agent user has: the agent forgets everything when the session ends. Underneath, it is a second model running in a background daemon that reads every tool call you make — and on the hosted path its own cost dataset maps that observer to a DeepSeek model, not Claude. The six hooks, the exit-code contract that can block your session, the three-layer recall that makes the token math work, where the data lands, who pays for the compression, and a checklist for evaluating any memory layer before you install it.

Weiter​