Am 3. September 2026 veröffentlichte Sharif Shameem eine Nachbildung des Palace of Fine Arts in San Francisco, die er nach eigener Aussage mit GPT-6 Astra in Blender erstellt hatte. Zwei Tage später dokumentierte Simon Willison einen anderen Auftrag für dasselbe Programm: einen Pelikan auf einem Fahrrad. Er teilte das Ergebnis, die Skripte und die Szenendateien.
Das Gebäude war spektakulärer. Der Pelikan hatte mehr Geschichte. Bereits im Oktober 2024 hatte Willison Sprachmodelle um dieses Tier auf diesem Fahrzeug gebeten. Damals erwartete er eine Zeichnung aus Code. Nun konnte er das Ergebnis in einem Werkzeug für die 3D-Produktion öffnen.
Zwischen diesen Aufträgen liegt eine kleine Geschichte des KI-Fortschritts. In sozialen Medien wird sie mit schlecht gezeichneten Vögeln, winzigen Videospielen und Bällen erzählt, die durch Wände fallen. Diese Tests bewahren etwas, das Ergebnistabellen weniger gut erklären: was wir zum jeweiligen Zeitpunkt kaum glauben konnten.
Originalvideo auf X ansehen
Ein Test, den man schon vor der Erklärung versteht
Ein formaler Benchmark versucht, eine Fähigkeit anhand festgelegter Aufgaben, Bedingungen und Kriterien zu messen. Ein Test auf dem Schulhof beginnt anders: Jemand schlägt etwas vor, zeigt das Ergebnis, und andere probieren es ebenfalls aus.
Sein Vorteil: Die Zuschauer wissen bereits weitgehend, was passieren sollte. Ein Fahrrad hat zwei Räder. Ein Vogel braucht einen erkennbaren Bezug zu den Pedalen. Ein Ball in einem Behälter sollte dessen Wände nicht durchqueren. Eine Spielfigur muss auf Tasten reagieren.
Diese Vertrautheit senkt die Einstiegshürde. Um einen Punktwert zu verstehen, müssen wir wissen, was bewertet und womit verglichen wird. Dass ein Ball entwischt ist, sehen wir dagegen sofort. Einen sichtbaren Fehler kann man benennen, diskutieren und mit einem anderen Modell erneut testen.
Humor macht den Auftrag einprägsam. Wiederholung macht Veränderungen erkennbar. Jede neue Veröffentlichung trifft auf eine kleine Sammlung von Fragen, die niemand offiziell beschlossen hat, die eine Gemeinschaft aber längst teilt.
Die leichte Erkennbarkeit bringt auch eine Verzerrung mit sich: Aufgaben mit auffälligen Ergebnissen bleiben besser im Gedächtnis. Eine gelungene Migration, eine optimierte Abfrage oder ein schwer reproduzierbarer Fehler können viel wichtiger sein und ein deutlich schlechteres Video abgeben.
Vor dem Pelikan versuchte jemand, Spaghetti zu essen
Im März 2023 veröffentlichte der Reddit-Nutzer chaindrop ein mit ModelScope generiertes Video von Will Smith beim Spaghettiessen. Gesicht, Nudeln und Bewegungen verzerrten sich auf schwer vergessliche Weise. Das Ergebnis wurde zu einer wiederkehrenden Referenz beim Vergleich von Videomodellen.
Das Originalvideo von chaindrop aus März 2023 auf Reddit ansehen.
Hier zeigt sich eine erste Unterscheidung: Bilder einer essenden Person zu generieren und das Programm für eine Animation zu schreiben sind verschiedene Aufgaben. Beide passen zum Format des viralen Tests, bilden aber keine gemeinsame technische Skala.
Beide bergen außerdem das Risiko, dass beim Vergleich Kontext verloren geht. Im Februar 2024 filmte Will Smith selbst eine reale Parodie, in der er Nudeln aß, und stellte sie dem alten Video gegenüber. Manche verstanden die Montage als Fortschritt der Videogenerierung. Das vermeintlich neue Ergebnis war der Schauspieler, der einen Scherz machte, wie Ars Technica dokumentierte.
Ein Bild ist leicht zu verstehen. Seine Herkunft herauszufinden kann mehr Arbeit machen.
Der Vergleich bleibt unvollständig, wenn er hier endet. Am 10. Februar 2026 veröffentlichte Carlos Santana, @DotCSV, eine Version desselben Auftrags mit Seedance 2.0. Sie liefert einen jüngeren Vergleichspunkt mit identifiziertem Urheber, Modell und Datum: Man kann zum Video von 2023 zurückkehren und Gesicht, Hände und Nudeln während der Bewegung betrachten. Das Datum bezeichnet das Original, keine spätere Wiederveröffentlichung.
Originalvideo auf X ansehen
Code bekam ein Schaufenster
Im Juni 2024 stellte Anthropic Artifacts zusammen mit Claude 3.5 Sonnet vor. Die Ergebnisse des Modells konnten in einem Fenster neben dem Gespräch erscheinen, wo man sie ansehen und weiter verändern konnte.
Diese Änderung der Oberfläche hilft, die Popularität von Spielen und kleinen Anwendungen zu verstehen. Eine Anfrage nach Pong, Snake oder einer HTML-Seite lieferte etwas leicht Vorzeigbares. Nutzer konnten damit interagieren und einige Sekunden aufnehmen, ohne aus dem Gespräch eine Anleitung zum Ausführen von Code zu machen.
Am 20. Juni veröffentlichte Nick Dobos genau dieses Beispiel: Er hatte nach Pong gefragt und zeigte das Spiel in Artifacts. Zwei Schläger, ein Ball und eine Punktanzeige genügten, um den Auftrag wiederzuerkennen. Code musste nicht mehr an einen anderen Ort kopiert werden, bevor man seinen Nutzen prüfen konnte: Gespräch und Ergebnis teilten sich einen Bildschirm.
Originalvideo auf X ansehen
Ein besseres Modell und weniger Reibung verstärkten einander. Wenn sich eine Fähigkeit leichter ausprobieren lässt, finden mehr Menschen Anwendungen, Fehler und Varianten. Das Schaufenster hilft auch dabei, herauszufinden, was das Werkzeug überhaupt kann.
Im Dezember 2024 gab WebDev Arena diesem Vergleich eine geordnetere Form: Dieselbe Anfrage ging an zwei Modelle, und die Nutzer wählten ihr bevorzugtes Ergebnis. Die von Willison untersuchte Version war auf React, TypeScript und Tailwind ausgerichtet. Sie maß Präferenzen in dieser konkreten Umgebung; ihr Name sollte nicht als Bewertung der gesamten Webentwicklung verstanden werden.
Im September 2026 lebte das Format „ein Spiel in einer HTML-Datei“ weiter. Am 4. zeigte @claudeebum einen Entwurf von Marios Level 1-1, mit Astra in einer einzigen Datei erzeugt. Laut dem Beitrag dauerte das zwei Minuten. Der Behälter war derselbe wie 2024; jetzt passten eine Spielwelt, Scrolling und mehr Spielregeln hinein.
Originalvideo auf X ansehen
Am selben Tag veröffentlichte @AiBattle_ zwei Versionen eines mit Astra in Godot erstellten 3D-Sonic-Spiels: eine mit mittlerem und eine mit maximalem Denkaufwand. Hier verändert sich auch die Umgebung: Godot ist eine Spiele-Engine mit Werkzeugen für Szenen, Animationen und Physik. Der Sprung von Pong wird beim Ansehen der Demos deutlicher als durch eine Aufzählung der Modellversionen dazwischen.
Originalvideo auf X ansehen
Der Pelikan stellte alle vor dieselbe Zeichnung
Am 25. Oktober 2024 veröffentlichte Willison einen Vergleich von 16 Modellen mit einer kurzen Anfrage:
Generate an SVG of a pelican riding a bicycle
SVG ist ein Bildformat, das Formen durch Code beschreibt: Kreise, Linien, Kurven, Farben und Positionen. Das Modell musste Anweisungen schreiben, die beim Öffnen im Browser eine erkennbare Szene zusammensetzten.
Willison wählte die Kombination, weil er Pelikane mag und ein solches SVG in den Trainingsdaten für unwahrscheinlich hielt. Das war eine intuitive Vorsichtsmaßnahme, keine Garantie dafür, dass das Beispiel dort fehlte.
Sonnet · Juni 2024
Sonnet · Oktober 2024
Die Zeichnung bündelt mehrere Anforderungen. Die Teile müssen vorhanden sein, passende Proportionen haben und zueinander in Beziehung stehen. Ein Vogel neben einem Fahrrad erfüllt nicht ganz denselben Auftrag wie ein Vogel auf dem Fahrrad.
Damit lässt sich über Bildaufbau und das Befolgen von Anweisungen sprechen. Für die Behauptung, das Ergebnis zeige ein allgemeines Raumverständnis, wären weitere Tests nötig. Diese Unterscheidung ist gerade deshalb wichtig, weil das Beispiel gut ist: Es macht Unterschiede sichtbar, ohne dass wir ihm mehr zuschreiben müssen, als es zeigt.
Der Pelikan verließ schließlich die Modellvergleiche. Am 20. Mai 2025 erschien er kurz in der Google-I/O-Keynote, worauf Willison in seinem Blog hinwies. Die Anspielung war bereits bekannt genug, um in einer Herstellerpräsentation aufzutauchen.
Von derselben Zeichnung gibt es auch eine Version aus dieser Woche. Am 4. September 2026 veröffentlichte Willison eine Übersicht mit SVG-Pelikanen von Astra sowie GPT-5.6 Sol, Terra und Luna bei verschiedenen Denkstufen. Wir vergleichen also nicht mehr nur die beiden Sonnet-Versionen von 2024: Derselbe Auftrag lässt sich mit aktuellen Modellen betrachten. Selbst hier bleiben Details offen; Willison weist darauf hin, dass Astra unterhalb des maximalen Denkaufwands die Beine nicht zuverlässig auf beiden Seiten des Fahrradrahmens platziert.
Am 1. September hatte er außerdem das mit maximalem Aufwand erzeugte SVG von Fable 5.1 genommen und mit hohem Denkaufwand animieren lassen. Der Vogel tritt nun in die Pedale. Das Video ist ein Export dieses SVG; der Autor merkt an, dass die Räder im MP4 rückwärts zu laufen scheinen, und führt das auf die Konvertierung zurück. Zum sichtbaren Fortschritt gehört ein nachvollziehbarer Arbeitsprozess.
Beim Sechseck musste man warten, bis etwas passierte
Am 31. Januar 2025 veröffentlichte Flavio Adamo einen Vergleich zwischen o3-mini und DeepSeek R1. Gefragt war ein Python-Programm mit einem Ball in einem rotierenden Sechseck, unter Einfluss von Schwerkraft und Reibung und mit realistischen Abprallbewegungen an den Wänden.
Der Auftrag ergänzte eine zeitliche Bedingung. Ein Screenshot konnte richtig aussehen, während der Ball wenige Sekunden später durch eine Seite fiel oder in einer Ecke stecken blieb.
Originalvideo auf X ansehen
Eine bewegte Wand hat Folgen: Sie kann Geschwindigkeit auf den Ball übertragen. Die Lösung muss berücksichtigen, wie sich beide am Kollisionspunkt bewegen, und verhindern, dass die Simulationsschritte ein Überschreiten des Randes erlauben. Diese Schwierigkeit ist auch ohne Erfahrung in der Kollisionsprogrammierung intuitiv verständlich.
Am 18. Februar veröffentlichte Theo ein Ergebnis von Grok 3, das an derselben Aufgabe scheiterte. Das Video zeigt die andere Hälfte der Anziehungskraft des Tests: Ein Modellstart konnte mit großen Punktwerten auftreten und beim Öffnen von X auf einen Ball treffen, der sich nicht an die Regeln des Behälters hielt.
Originalvideo auf X ansehen
Eine ansprechende Animation kann jedoch eine falsche Simulation verbergen. Und ein Fehler in einem Durchlauf bestimmt für sich genommen nicht die Position zweier Modelle in einer allgemeinen Rangliste. Dazu müssten Versuche, Anweisungen, Denkmodus und Erfolgskriterien bekannt sein.
Das Sechseck vermittelt eine nützliche Erkenntnis: Längeres Hinsehen kann das Urteil verändern. Dasselbe gilt für ein Spiel, das bis zum Neustart funktioniert, oder eine Seite, deren auffälligster Knopf nichts tut.
Die Aktualisierung vom 5. September 2026 erschwert die Aufgabe: Dutzende unterschiedlich große Bälle, Kollisionen untereinander und ein Hindernis in der Mitte, das sich gegenläufig dreht. Tom Farnschläder veröffentlichte bei DataCamp einen Durchlauf mit Astra und einen mit Fable 5.1, beide mit hohem Denkaufwand und denselben Werkzeugen. Seiner Prüfung zufolge hielten beide die Bälle dreißig Sekunden lang im Behälter; bei Fable hafteten sie etwas an den Wänden. Jedes Modell bearbeitete den Auftrag einmal mit Werkzeugzugriff. Auch dies entspricht daher nicht den Bedingungen von 2025.
Blender war schon da; der Auftrag verändert sich
Die Verbindung zwischen Sprachmodellen und Blender begann nicht im September 2026. Am 11. März 2025 stellte Siddharth Ahuja Blender MCP mit einer Demo vor, in der ein Drache aus wenigen Polygonen einen Schatz bewacht.
MCP bietet eine Möglichkeit, einen Assistenten mit Werkzeugen zu verbinden. Diese Integration erlaubte es, die Szene abzufragen, Objekte zu erstellen und zu verändern sowie Code in Blender auszuführen. Die Brücke zu einer 3D-Anwendung existierte bereits.
Originalvideo auf X ansehen
Das von Willison am 5. September 2026 dokumentierte Beispiel nimmt einen anderen Weg: Ein Programmieragent führt Skripte über Blenders Python-API aus, mit der sich die Anwendung durch Code steuern lässt. Er muss nicht jeden menschlichen Mausklick nachbilden.
Nach dem ersten Pelikan bat Willison um einen Hintergrund und mehr Details. Danach forderte er eine weitere Verbesserung an. Er veröffentlichte die Dateien aller drei Etappen und das Gespräch. So lässt sich das erste Ergebnis von der über mehrere Überarbeitungen angesammelten Arbeit unterscheiden.
Die Art des Ergebnisses verändert die möglichen Folgeaufträge. Eine Szene enthält Objekte, Materialien, Lichter und Kameras. Ist ihre Struktur gut aufgebaut, lässt sich ein Teil ändern und erneut rendern: ein neues Bild aus dieser Szene berechnen.
Diese Struktur erhalten und bearbeiten zu können ist ebenso wichtig wie die visuelle Ausarbeitung. Möglich werden Aufträge wie ein Objekt über mehrere Einstellungen hinweg beizubehalten, die Kamera zu wechseln oder ein Licht anzupassen, ohne alles neu zu erstellen. Außerdem lässt sich die Arbeit von innen untersuchen.
Ein weiteres Beispiel derselben Woche erweitert den Auftrag. Am 4. September veröffentlichte Duncan Trussell Backrooms: Gänge in einer Horrorästhetik mit VHS-Effekten. Nach seiner Darstellung baute Astra die Szene in Blender und erstellte auch die Geräusche. Er nannte ungefähr fünf Anweisungen, dreißig Minuten Erstellung und weitere zwanzig für den Export.
Originalvideo auf X ansehen
Das Video verbindet Atmosphäre, einen Rundgang und audiovisuelle Nachbearbeitung. Im Vergleich zu Pong ist interessant, wie viele unterschiedliche Arbeiten inzwischen in einen Auftrag passen. Das Ergebnis mag an einen Videogenerator erinnern; Trussells beschriebener Prozess umfasst den Aufbau und das Rendern einer Szene in einer 3D-Anwendung.
Damit ist nicht automatisch jede Datei produktionsreif. Man müsste ihre Organisation, Geometrien und ihr Verhalten bei Änderungen prüfen. Doch die Frage wird konkreter als die nach dem beeindruckenden Bild: Welche Teile der gelieferten Arbeit können wir weiterverwenden?
Wenn alle die Frage kennen
Popularität erzeugt ein Paradox. Der Pelikan-Prompt entstand aus der Suche nach einer ungewöhnlichen Kombination. Mit jeder Wiederholung werden die Ergebnisse Teil der öffentlichen Diskussion. Die Frage ist berechtigt, ob eine Verbesserung eine breite Fähigkeit oder gezielte Vorbereitung auf diese Aufgabe widerspiegelt.
Dylan Castillo untersuchte diesen Verdacht im Juli 2026. Er erzeugte mit sieben Modellen 1.008 SVGs und kombinierte acht Tiere mit sechs Fahrzeugen. So konnte er den radfahrenden Pelikan mit anderen Szenen vergleichen, statt nur den berühmten Prompt zu betrachten.
Er fand keinen statistisch eindeutigen Vorteil dieser speziellen Kombination. Die Studie hatte Grenzen: drei Stichproben je Kombination und Modell, ein Modell als Bildbewerter und keine Möglichkeit, eine allgemeine Optimierung der SVG-Erzeugung festzustellen. Sie beweist weder, dass spezifisches Training unmöglich ist, noch erlaubt sie, es als gegeben anzunehmen. Methodik, Ergebnisse und Code.
Tier und Fahrzeug auszutauschen verbessert die Frage auf einfache Weise. Dasselbe gilt für eine andere Behälterform oder eine Änderung an einer bestehenden Szene. Bleibt die Fähigkeit unter veränderten relevanten Bedingungen erhalten, lernen wir mehr als durch endlose Wiederholung desselben Auftrags.
Der nächste Test könnte Bewährtes erhalten müssen
Diese Demos verdienen Aufmerksamkeit. Sie machen Fähigkeiten sichtbar, laden zum Ausprobieren ein und schaffen eine gemeinsame Sprache für Fehler. Ein gutes Beispiel kann mehr über ein bestimmtes Verhalten vermitteln als ein Gesamtwert, dessen Bedeutung wir kaum kennen.
Selten zeigt ein Beitrag, wie viele Versuche nötig waren, welche Anweisungen folgten oder wie viel Arbeit die Umgebung übernahm. Ein Modell einmal Code schreiben zu lassen und einem Agenten Ausführen, Prüfen und Korrigieren zu erlauben sind unterschiedliche Bedingungen. Für einen Fortschrittsvergleich sollte bekannt sein, welche davon vorliegt.
Auch unsere Erwartungen haben sich verändert. Zunächst genügte etwas Erkennbares. Dann sollte es laufen, reagieren und nach einigen Sekunden noch funktionieren. Heute liefern manche Demos ein Projekt, das wir öffnen und fortsetzen können.
Der Pelikan erinnert an diese Verschiebung, ohne daraus einen Wettlauf der Namen und Versionen zu machen. Die Blender-Szene bewahrt einen Witz von 2024 und eröffnet zugleich Aufträge, die die damalige Zeichnung nicht zuließ.
Vielleicht verlangt der nächste Schulhoftest etwas weniger Auffälliges: eine Kamera bewegen, ohne die Szene zu verändern, eine Kollision reparieren, ohne das Spiel zu beschädigen, oder eine Funktion ergänzen und die bisherigen erhalten. Eine Zeit lang fragten wir, ob der Pelikan auf das Fahrrad kommt. Jetzt können wir prüfen, ob er weitertritt, nachdem wir den Rest verändert haben.
Mysuru-Palast mit Astra ansehen · MV Karan · 5. September 2026
Am Ende haben wir die Tests zu einem Spiel verbunden
Nachdem wir diesen Artikel vorbereitet hatten, haben wir mehrere seiner Tests zu Pelican Grand Prix verbunden, einem mit Codex und Three.js entwickelten Rennspiel. Die Hauptfigur ist ein Pelikan auf einem Fahrrad, der auf einer senkrechten sechseckigen Strecke fährt. Im Inneren dreht sich ein zweites Sechseck in die Gegenrichtung, während Bälle zwischen beiden abprallen.
Beim Spielen haben wir nachgebessert: die Bremse angepasst, Drifts mit einem Schub belohnt und Kollisionen mit den Seiten der Rampen korrigiert. Das Ergebnis entstand in mehreren Runden aus Anweisungen und Korrekturen. Wir verbessern dieses Experiment weiter und können damit die Frage am Ende des Artikels praktisch untersuchen.
Öffnet sich im Browser. Das Spiel ist auf Englisch und unterstützt Tastatur- und Touchsteuerung.
Quellen
- MV Karan — Mysuru Palace, 2026-09-05.
- Carlos Santana — Seedance 2.0, 2026-02-10.
- @claudeebum — Mario 1-1 / Astra, 2026-09-04.
- @AiBattle_ — Sonic / Godot / Astra, 2026-09-04.
- Simon Willison — The Pelican comparison grid for Astra is pretty interesting, 2026-09-04.
- Simon Willison — Claude Fable 5.1 made me a really nice animated pelican, 2026-09-01.
- Tom Farnschläder — GPT-6 Astra vs Claude Fable 5.1, 2026-09-05.
- Sharif Shameem — Palace of Fine Arts, 2026-09-03.
- Simon Willison — Using Blender with coding agents on macOS, 2026-09-05.
- Chaindrop — Will Smith eating spaghetti, 2023-03.
- Ars Technica — Will Smith parodies viral AI-generated video by actually eating spaghetti, 2024-02-20.
- Anthropic — Claude 3.5 Sonnet, 2024-06.
- Nick Dobos — Pong / Claude Artifacts, 2024-06-20.
- Simon Willison — Pelicans on a bicycle, 2024-10-25.
- Simon Willison — WebDev Arena, 2024-12-16.
- Flavio Adamo — o3-mini / DeepSeek R1, 2025-01-31.
- Theo — Grok 3, 2025-02-18.
- Siddharth Ahuja — Blender MCP, 2025-03-11.
- Blender MCP — GitHub.
- Simon Willison — Google I/O, 2025-05-20.
- Dylan Castillo — Are AI labs pelicanmaxxing?, 2026-07-18.
- Duncan Trussell — Backrooms / Astra / Blender, 2026-09-04.
