Warum weniger manchmal mehr ist: Was wir bei sortiermal zurückgebaut haben

Kurz gesagt

Weniger ist nicht automatisch besser. Aber jede zusätzliche Schicht muss zeigen, dass sie das Gespräch wirklich verbessert. sortiermal nutzt aktuell zwei blind ausgewählte Modelle, einen kurzen allgemeinen Prompt und genau einen Modellaufruf pro Antwort.

Das Problem war nicht zu wenig Kontrolle, sondern zu viel Steuerung

Gesprächsrichtungen, Einstellungsbogen, Tonprofile, dynamische Verlaufsanker, feste Antwortprüfer und ein möglicher Reparaturaufruf wirkten einzeln vernünftig. Zusammen gaben sie dem Modell jedoch so viele Arbeitsaufträge, dass aus einem normalen Gespräch leicht eine betreute Sitzung wurde: erst spiegeln, dann absichern, dann fragen, dann doch schon einen kleinen Plan anbieten.

Das zeigte sich nicht nur in technischen Tests, sondern besonders in der menschlichen Bewertung. Häufige Kritik waren zu lange Antworten, vorschnelle Ratschläge, künstliche KI-Sprache, unnötige Fragen und der Versuch, ein Thema in wenigen Zügen vollständig zu lösen. Weitere Regeln gegen jedes Einzelbeispiel hätten genau das verstärkt.

Was der blinde Modellvergleich verändert hat

Deshalb wurden zahlreiche API-Modelle und verschiedene Reasoning-Einstellungen ohne den bisherigen Promptballast gegeneinander getestet. Die Antworten erschienen unter neutralen Kandidatenkürzeln. Bewertet wurden sie menschlich auf einer Skala von 1 bis 10; zusätzlich zählten Antwortzeit, Länge, Verständlichkeit und auffällige Ausreißer.

In der entscheidenden Auswertung lagen MiniMax M3 und Aion 3.0 Mini fast gleichauf: 6,400 gegenüber 6,375 Punkten im Durchschnitt. Beide blieben in dieser Runde ohne den Ausreißer, der bei einem anderen Spitzenkandidaten zur Abwahl führte. Diese Werte sind ein interner Produktvergleich und kein wissenschaftlicher Wirksamkeitsnachweis.

Die neue Gesprächsarchitektur

Beim Beginn eines Gesprächs wird MiniMax M3 oder Aion 3.0 Mini fest ausgewählt. Das gewählte Modell bleibt für den gesamten Verlauf dasselbe; es wechselt nicht von Antwort zu Antwort. Beide laufen in der im Blindtest ausgewählten Reasoning-Einstellung.

An das Modell gehen der bisherige Gesprächsverlauf und ein kurzer allgemeiner Gesprächsprompt. Es gibt keine Modusauswahl, keinen Einstellungsbogen, kein Tonprofil, keinen dynamischen Verhaltensanker, keine vorgeschaltete Antwortprüfung und keinen Reparatur-Zweitaufruf. Der sichtbare Text entsteht in einem Modellaufruf.

Warum MiniMax M3 und Aion 3.0 Mini

MiniMax beschreibt M3 als langkontextfähiges Modell für anspruchsvolle agentische und multimodale Aufgaben. Aion Labs beschreibt Aion 3.0 Mini als Modellfamilie für Rollenspiel, Storytelling und gemeinsames Weiterentwickeln einer Unterhaltung. Solche Anbieterbeschreibungen waren für uns nur Hinweise, keine Entscheidung.

Ausgewählt wurden beide, weil ihre Antworten im verdeckten sortiermal-Vergleich menschlich gut bewertet wurden und in der entscheidenden Runde keine starken negativen Ausreißer zeigten. Ob sich dieser Eindruck über viele freie Gespräche hält, wird weiter anhand echter Rückmeldungen geprüft.

Was weniger nicht bedeutet

Der Rückbau bedeutet nicht, dass Prompts grundsätzlich schlecht sind oder dass die Modelle nichts falsch machen können. Ein Modell kann weiterhin missverstehen, zu lang werden, etwas erfinden oder im falschen Moment beraten. Auch die Sicherheitsvorgaben der Modellanbieter und OpenRouter verschwinden nicht.

Weniger bedeutet hier nur: Im sichtbaren Gespräch wird nicht mehr jede mögliche Abweichung mit einer eigenen zusätzlichen Regel beantwortet. Alte Prüfstände und Luna-Ergebnisse bleiben als Entwicklungshistorie erhalten, werden aber nicht als Qualitätswert der aktuellen Modelle ausgegeben.

Wie sortiermal jetzt weiterlernt

Entscheidend ist die menschliche Bewertung nach dem Gespräch. Einzelne ungewöhnliche Antworten führen nicht sofort zu einer neuen Verbotszeile. Erst wenn sich dasselbe Problem in mehreren unterschiedlichen Verläufen wiederholt, wird geprüft, ob Modellwahl, kurzer Prompt oder Produktführung wirklich geändert werden sollten.

So soll Verbesserung wieder vom Gespräch ausgehen: erst beobachten, dann Muster erkennen und nur dort eingreifen, wo die Änderung nachweisbar mehr hilft als stört. Der aktuelle Stand ist deshalb bewusst klein – zwei Modelle, ein kurzer Rahmen und möglichst viel Platz für ein normales Gespräch.

Quellen und Einordnung

Die Studien untersuchen unterschiedliche Situationen. Ergebnisse zu menschlichem Zuhören lassen sich nicht automatisch auf KI übertragen.

Mehr hinter den Gesprächen