Amazon-Mitarbeiter verspotten KI des Unternehmens auf Slack und nennen sie 'Sloppenheimer'
Amazon-Mitarbeiter haben einen eigenen Slack-Kanal für Memes, in dem sie sich über das fehlerhafte KI-Codierungsprodukt des Unternehmens lustig machen und darüber lamentieren, wie ein Bericht von 404 Media zeigt. Der Inhalt des Kanals umfasst Witze über die 'Schrott'-Ausgabe der KI und Verweise auf 'Sloppenheimer' – ein Kofferwort aus 'Slop' und 'Oppenheimer' –, um das Versagen der KI zu beschreiben.
Diese interne Kultur der Lächerlichkeit besteht trotz der öffentlichen Optimismus von CEO Jeff Bezos, dass KI zu 'beispiellosen Produktivitätssteigerungen' führen werde. Mitarbeiter widersprechen dieser Erzählung direkt und teilen Memes, die die Ineffektivität der KI und die gescheiterten Versuche des Unternehmens, die Nutzung von KI-Tools zu fördern, hervorheben.
Der Bericht stellt fest, dass Amazon nicht allein ist: Auch Google-Mitarbeiter haben intern Memes darüber geteilt, wie 'scheiße' ihre KI sei, obwohl Googles CEO behauptet, 75 % des Unternehmenscodes sei KI-generiert. Die Diskrepanz zwischen der Botschaft der Führungsebene und der Realität der Entwickler scheint weit verbreitet zu sein.
In einem weiteren Vorfall schaltete Amazon ein internes KI-Ranglistensystem ab, nachdem Mitarbeiter zugegeben hatten, um die Ränge zu klettern geschummelt zu haben. Dieses Muster deutet auf systemische Probleme mit der Qualität von KI-Tools und dem Vertrauen der Mitarbeiter bei großen Technologieunternehmen hin.
📖 Lesen Sie die vollständige Quelle: HN LLM Tools
👀 Siehe auch
inclusionAI veröffentlicht Ling-2.6-1T: Hybridarchitektur-Modell mit Billionen Parametern, Sparse Attention und schnellem Denken
Ling-2.6-1T ist ein neues Open-Source-Modell mit einer Billion Parametern, das MLA und Linear Attention für Effizienz bei langen Kontexten kombiniert und mittels Contextual Process Redundancy Suppression wortreiche Gedankenketten reduziert. Erzielt Open-Source-Spitzenwerte bei AIME26, SWE-bench Verified, BFCL-V4, TAU2-Bench und IFBench.
Apple Silicon Benchmark: Leistung von Qwen3-VL auf M3, M4 und M5 Max für Vision-LLM-Klassifizierung
Benchmark-Ergebnisse zeigen die Klassifizierungsleistung des Qwen3-VL Vision-LLM auf Apple Silicon: M3 Max und M4 Studio sind bei 8B-Modellen nahezu identisch, während der M5 Max 75-83 % schneller ist. Die Speicherbandbreite ist für die Token-Generierung wichtiger als für das Prefill bei Vision-Aufgaben.
Claude-API-Nutzungsdaten zeigen Auswirkungen neuer Limits auf Max-Plan-Nutzer
Ein Claude Max 20x-Benutzer berichtet, dass die API-äquivalente tägliche Nutzung nach der Einführung neuer Limits von ~210 $/Tag auf ~52 $/Tag gesunken ist, was erhebliche Arbeitsablaufänderungen erfordert, einschließlich der Nutzung von Sonnet und Codex.
DystopiaBench erweitert: 42 Modelle in 6 Dystopie-Typen getestet — Claude Opus 4.7 an der Spitze
DystopiaBench fügt Huxley- und Baudrillard-Module hinzu, testet 42 Modelle, darunter GPT-5.5, Gemini 3.1 Pro, Grok 4.3 und GLM-5.1. Claude Opus 4.7 lehnt schädliche Anfragen auf L4-L5 durchgängig in allen Szenarien ab, während andere auf L4 oder sogar L5 nachgeben.