OpenAI landet einen großen Coup: Die Generierung von Websites mit nur einem Satz revolutioniert die gesamte SaaS-Branche.
Gerade eben hat sich OpenAI weiterentwickelt.
Jetzt wird das mit Spannung erwartete ChatGPT Sites offiziell in die öffentliche Betaphase gestartet!
Selbst wenn Sie keine einzige Zeile Code schreiben können, reichen ein paar Hinweise in natürlicher Sprache oder das Hochladen einer Skizze aus, um in mehr als zehn Minuten eine hochprofessionelle, interaktive Website mit komplexen Funktionen zu erstellen – ganz so einfach wie das Schreiben eines Google-Dokuments.
Frontend-Entwicklung lässt sich nun vollständig mit natürlicher Sprache durchführen, was die traditionelle SaaS-Branche für Website-Erstellung massiv durcheinanderwirbelt.
Zudem gibt es eine weitere neue Nachricht.
Auf der Ebene der zugrundeliegenden Technologie zeigt GPT-6 erstaunliche multimodale Fähigkeiten.
Ohne die Wiedergabe von Audio und bei vollständig getrennter Internetverbindung erkennt GPT-6 anhand einer einzigen Mel-Spektrogramm (einem visuellen Bild der Wellenform eines Tons) nicht nur den Ruf eines Blauwals aus der Tiefsee, sondern auch den Soundeffekt des Lichtschwerts aus *Star Wars*.
Dies zeigt, dass das multimodale Verständnis von KI die menschlichen Sinnesbarrieren vollständig durchbrochen hat.
Sie imitiert nicht mehr ungeschickt das menschliche Sehen und Hören, sondern hat die Fähigkeit zur „nativen Dekodierung“ der Datenstrukturen der physischen Welt entwickelt!
Öffentliche Betaphase von ChatGPT Sites: Website-Erstellung ist ab jetzt so einfach wie das Schreiben eines Dokuments
Es gab eine Zeit, in der der Besitz einer erstklassigen persönlichen Website das Privileg von Programmierern und professionellen Designern war.
Später erschien Dreamweaver, danach folgten SaaS-Tools für die Website-Erstellung per Drag & Drop wie Wix, Squarespace und sogar Tilda.
Aber heute bricht die öffentliche Betaphase von ChatGPT Sites die Hürden für die Website-Erstellung vollständig nieder.
Die bekannte Technikmedien *Fast Company* und Jeremy Caplan, der Betreiber von Wonder Tools, erklärten nach praktischen Tests: Das Erlebnis, das ChatGPT Sites bietet, ist äußerst revolutionär!
„Jetzt ist das Erstellen einer ansprechenden Website so einfach wie das Anlegen eines Google-Dokuments.“
Derzeit ist diese Funktion vollständig für Nutzer von ChatGPT Plus, Pro, Business, Enterprise und Edu geöffnet.
Wie funktioniert es? Der Vorgang ist extrem einfach.
1. Beschreiben Sie Ihre Vision: Schreiben Sie in wenigen Sätzen, welche Art von Website Sie wünschen und wer die Zielgruppe ist.
2. Geben Sie ihm Materialien: Laden Sie direkt Screenshots von Webseiten, die Ihnen gefallen, oder handgezeichnete Skizzen hoch, falls Sie diese haben.
3. Stellen Sie Funktionsanforderungen: Wünschen Sie Verknüpfungsschaltflächen? Eingebettete visuelle Effekte? Oder komplexe interaktive Elemente? Sagen Sie es ihm direkt.
4. Trinken Sie einen Kaffee und warten Sie: Je nach Komplexität entsteht nach etwa 10 bis 15 Minuten eine vollständige Website.
Beachten Sie: Das ist nicht mehr einfaches „Anwenden von Vorlagen“, sondern echtes Vibe-Coding!
Frühe Tester haben damit bereits viele hervorragende Projekte erstellt.
Zuerst gibt es praktische Seiten.
Jemand hat damit eine perfekte Sponsoringseite für Medienpakete, einen modern gestalteten Veranstaltungsführer für San Francisco und sogar einen modernen Online-Shop für Picknickartikel erstellt, der das Ziehen von Waren in den Warenkorb unterstützt.
Zusätzlich hat der Künstler Drue Kataoka damit ein Kunstschöpfungstool namens GoalFlow erzeugt.
Nachdem der Nutzer eine Nationalflagge ausgewählt hat, kann er auf einer Leinwand für Fluidsimulationen mit den Farben der Flagge „malen“ – die Farben drehen und driften auf natürliche Weise wie Pigmente im Wasser.
Solche Frontend-Seiten, die komplexe Physik-Engines für Fluide erfordern, benötigten in der Vergangenheit Wochen Arbeit von erfahrenen Frontend-Ingenieuren – jetzt reichen dafür nur wenige Hinweise.
Schließlich gibt es noch Spiele mit Physik-Engines.
Sie können sogar mit wenigen Sätzen ein Spiel namens *Glass Towers* erstellen, das Jenga ähnelt und über realistische physikalische Effekte verfügt; oder ein kleines Arcade-Spiel namens *Paper Glider*, bei dem Sie ein Papierflugzeug durch Ringe steuern.
Noch beeindruckender ist seine Fähigkeit zur Iteration.
Wenn ChatGPT den ersten Entwurf geliefert hat, können Sie direkt in der Seitenleiste das „Kommentartool“ verwenden und auf der Webseite Kreise ziehen, als würden Sie Hausarbeiten korrigieren: „Ändere die Farbe dieser Schaltfläche“, „Ersetze die Schriftart hier durch eine serifenlose Schrift“, „Tausche dieses Bild aus“.
Er versteht nicht nur Ihre Anweisungen, sondern führt die Änderungen nahtlos durch.
Offensichtlich ist die Umgestaltung der Branche unvermeidlich.
Obwohl frühe KI-Tools für die Website-Erstellung (wie Lovable, Bolt) nach wie vor ihre Flexibilität haben und Artifacts sowie Claude Design von Claude bei interaktiven Benutzeroberflächen hervorragende Leistungen erbringen, liegt der entscheidende Vorteil von ChatGPT Sites darin, dass es in ein extrem großes Ökosystem integriert ist.
Wenn Sie in einem „ChatGPT Project“ arbeiten, liest es automatisch Ihre Markenstilrichtlinien und Ihre Logo-Bibliothek – die erstellte Website trägt von Natur aus Ihre Marken-DNA.
Heute sind Frontend-Ingenieure zu „Prompt-Produktmanagern“ herabgestuft worden, und die traditionellen SaaS-Unternehmen, die noch hohe monatliche Gebühren für die „Website-Erstellung per Drag & Drop“ verlangen, werden den kommenden Winter wahrscheinlich nicht überleben, wenn sie sich nicht schnell umstellen!
Reduzierung der Dimensionen auf Anwendungsebene: Beseitigen Sie vollständig die „Bedienung“ und behalten Sie nur die „Absicht“ bei
Erinnern Sie sich: Von der Befehlszeile (CLI) im PC-Zeitalter über die grafische Benutzeroberfläche (GUI) im Windows-Zeitalter bis hin zur natürlichen Sprachschnittstelle (LUI) im heutigen Zeitalter großer Modelle ist die Geschichte der Mensch-Computer-Interaktion eine Geschichte der ständigen Senkung der Bedienungshürden.
Das Wesen von ChatGPT Sites besteht darin, die Frontend-Entwicklung von der „Ingenieurwissenschaft“ zur „Ausdruckskunst“ herabzustufen.
In der Vergangenheit musste Ihr Gehirn mehrere Übersetzungsschritte durchlaufen, um eine Website zu erstellen.
Ich möchte Waren verkaufen (Absicht) -> Ich brauche einen Warenkorb und ein Bezahlsystem (Produktlogik) -> Ich muss HTML/CSS/JS schreiben (Frontend-Code) -> Ich muss eine Datenbank anbinden (Backend-Logik)
Jetzt beseitigt ChatGPT Sites alle zwischenzeitlichen Aufwände vollständig.
Die Eingabeseite des Nutzers wird vollständig auf reine natürliche Sprache reduziert, also die ursprünglichste „Absicht“.
Die zentrale Hürde des traditionellen Software-SaaS lautet: „Wir haben den Code in ansprechende Schaltflächen verpackt, auf die Sie klicken können“ – die dimensionsreduzierende Wirkung großer Modelle lautet aber: Sie brauchen nur zu sprechen.
Von nun an werden alle Übergangstools, die darauf abzielen, „Nicht-Programmierern das Schreiben von Code oder das Erstellen von Websites zu erleichtern“, im Zeitalter der „End-to-End“-Generierung, bei der die Absicht direkt zum Ergebnis führt, keinen Überlebensraum mehr haben.
GPT-6 erkennt das Spektrogramm auf einen Blick und durchbricht die menschlichen Sinnesbarrieren
Zudem haben heute die KI-Forscher ChrisGPT und Max Rubin eine Reihe von Tests veröffentlicht, die unzählige Audiotechniker und KI-Praktizierende schockiert haben.
Dieser Test ist sehr einfach: Wandeln Sie einen Ton in ein Bild um und lassen Sie GPT-6 das Bild direkt lesen.
ChrisGPT hat GPT-6 ein Mel-Spektrogramm hochgeladen – eine Technik, die Frequenz, Zeit und Energie eines Tons zu einem zweidimensionalen Bild visualisiert.
Während des Vorgangs hat er kein tatsächliches Audio abgespielt, und das große Modell befand sich in einem Zustand ohne Internetverbindung.
Der einzige Hinweis lautete: „Dieser Ton stammt von einem Tier/Säugetier in der Natur.“
GPT-6 antwortete: „Ein Wal, möglicherweise ein Blauwal.“
Das gesamte Netz ist schockiert.
Denn er hat nicht nur richtig geantwortet, sondern geht über unser Verständnis hinaus – die dahinterstehende Schlussfolgerungslogik geht über einfaches Bildabgleich hinaus!
Man muss wissen, dass Blauwals extrem tiefe Rufe von sich geben.
Aber in der Natur liegen die Rufe von Löwen, Tigern und Elefanten ebenfalls im Niederfrequenzbereich von 40 bis 200 Hertz. Allein aufgrund eines Energieclusters bei etwa 50 Hertz auf dem Spektrogramm lässt sich nicht feststellen, dass es sich um einen Wal handelt.
Wie hat GPT-6 das geschafft? Audiotechniker gehen davon aus, dass GPT-6 die „formalen Merkmale der Energie, die sich über die Zeit erstreckt“, scharfsinnig erfasst hat.
Er betrachtet nicht nur einen einzelnen Punkt, sondern versteht, wie sich Schallwellen in diesem bestimmten physischen Raum über die Zeit ausbreiten und abklingen.
Mit sehr wenig Kontext die Tierart anhand eines „Bildes des Tons“ direkt ohne vorheriges Training zu erraten, ist eine äußerst überraschende Fähigkeit.
Die Demonstration des anderen Testers Max Rubin ist noch beeindruckender.
Er hat nicht natürliche Toneffekte getestet, und die Ergebnisse zeigen, dass Astra direkt aus dem Mel-Spektrogramm ohne vorheriges Training den Ton des schwingenden Lichtschwerts aus *Star Wars* erkennen kann!
Max staunte: „Wir haben noch nicht einmal die Oberfläche berührt.“
Obwohl die akademische Welt im Forschungsbereich schon lange versucht, Spektrogramme in Kombination mit visuellen Modellen zur Erkennung von Walrufen zu verwenden, und sogar spezielle LLM trainiert, um Mel-Bilder für Sprachaufgaben zu lesen.
Aber dies ist das erste Mal, dass ein allgemeines großes Modell öffentlich nachgewiesen wurde, dass es diese Ebene der multimodalen Schlussfolgerung ohne spezielle Feinabstimmung durchführen kann.
Das ist vergleichbar damit, dass Sie einem Menschen nie beigebracht haben, wie man Noten liest, sondern ihm nur eine Partitur einer Sinfonie zeigen.
Daraufhin kann er nicht nur den Ton in seinem Kopf „hören“, sondern Ihnen auch genau sagen, dass die Posaune im zweiten Takt einen Ton falsch gespielt hat.
Große Modelle lösen sich von den biologischen Beschränkungen des Menschen
Die menschliche Wahrnehmung der Welt weist große Einschränkungen auf.
Wir müssen darauf angewiesen sein, dass Luft das Trommelfell zum Schwingen bringt, damit das Gehirn die physischen Schwingungen in elektrische Signale für „Ton“ umwandelt. Im menschlichen Unterbewusstsein wird Ton mit den Ohren „gehört“ und Bilder mit den Augen „gesehen“. Das sind die „Sinnesbarrieren“, die uns durch Millionen von Jahren Evolution vorgegeben wurden.
Frühe multimodale KI hat tatsächlich den Menschen „imitiert“. Wir geben ihr Audiodateien zu hören und zeigen ihr Bilder, um zu