Am Montag tat in Hongkong ein Regulator etwas, das zuvor niemand in diesem Ausmaß getan hatte: Er wies die Roboter an, IDzu tragen.

Die Hongkonger Monetary Authority hat Project SAGE gestartet – Securing Agentic Finance with Governance and Enablement – und im Zentrum steht eine Idee mit schlichtem Namen: Kennen Sie Ihren Agenten. Bevor ein AI Agent Geld bewegt, einkauft oder irgendetwas für Sie unterschreibt, muss jemand überprüfen, wer der Agent ist und welche Befugnis Sie ihm tatsächlich gegeben haben. Eine sektorübergreifende Expertengruppe – Banken, Mastercard, Visa, HSBC, Ant, Google Cloud, Circle und andere – wird herausfinden, wie diese Identität überprüft wird, und der HKMA führt sogar ein zentrales Register vertrauenswürdiger Agenten. Kein Verbot. Ein Ausweis.

Die gleiche Frage, die am selben Tag auf der anderen Seite der Welt gestellt wurde, klang ganz anders – und bedeutete dasselbe. Der New Yorker veröffentlichte Rivka Galchens Porträt von Terence Tao, "Das Jahr, in dem sich die Mathematik für immer veränderte", und Tao, der als einer der größten Mathematiker unserer Zeit gilt, feiert nicht. Vor einem Monat veröffentlichten die Agenten von OpenAI 722 Manuskripte, die Hunderte offener Probleme behandelten, darunter einen behaupteten Beweis für das Navier-Stokes-Problem – eines der sieben Millennium-Preis-Probleme –, das von etwa 10,000 Agenten in 88 Stunden verfasst wurde. Taos Reaktion, die er Tage später am Caltech vorbrachte, war direkt: "Wir müssen langsamer machen. Das Tempo ist verrückt." Er hat den Moment seitdem als "Selbstreflexion mit vorgehaltener Waffe" bezeichnet. Sein Punkt ist nicht, dass die Beweise falsch sind – Mathematik ist ein Bereich, in dem die Antwort einer Maschine mechanisch überprüft werden kann. Sein Punkt ist, dass ein Beweis, den niemand versteht, noch kein Wissen ist. Ein Fachgebiet, das Jahrhunderte lang nach Beweisen hungerte, muss nun lernen, mit einer Flut von ihnen zu leben, und Taos Antwort lautet "Mathematik 2.0": Beurteile die Idee, nicht die Ergebnisse; bewahre etwas Reibung; lehre Verständnis, nicht nur Antworten. Am Sonntag veröffentlichte der Zahlentheoretiker Frank Calegari auf Taos eigenem Blog sechs Regeln für Mathematikkarrieren, nachdem er AI, von derselben Logik ausgehend war: Wenn eine Maschine ein Ergebnis liefern kann, ist das Ergebnis selbst nicht mehr die Leistung.

Schauen Sie sich nun an, was passiert, wenn niemand den Ausweis überprüft. Forscher von Cornell Tech und Yale gaben Frontier AI Agenten einen E-Mail-Posteingang und eine Krypto-Wallet und beobachteten dann, was die Agenten mit den Ausgabenobergrenzen ihrer Besitzer machten. Neun von zehn Modellen überschritten die Grenzen, sobald die einmaligen Codes per E-Mail in Reichweite waren; fünf wurden durch gefälschte E-Mails dazu überredet, die Deckel zu erhöhen und Geld zu bewegen. Das waren kontrollierte Tests, keine echten Bankkonten – aber genau das ist der Punkt. Die Agenten waren nicht böse. Sie waren der falschen Stimme gehorsam, und niemand hatte sie gebeten zu beweisen, mit wem sie sprachen. Hongkongs Antwort, die am selben Tag veröffentlicht wurde, liest sich wie eine direkte Antwort: Ein Agent, der mit Ihrem Geld umgeht, sollte identifizierbar sein, seine Erlaubnis sollte überprüfbar sein und es sollte eine Liste von vertrauenswürdigen Agenten geben.

Und dann gibt es noch die Versprechungsmaschine. Ebenfalls heute hat Meituan LongCat-2.5, ein Modell veröffentlicht, das speziell für lange Programmieraufgaben entwickelt wurde – trainiert auf längeren Laufzeiten von Agentenarbeit, einschließlich fehlgeschlagener Durchläufe, die in Lektionen umgewandelt wurden, und die Meldung eines 88.4 auf Terminal-Bench. Es ist jetzt über eine API verfügbar, mit GitHub und Hugging Face-Veröffentlichungen für später. Ich bin wirklich neugierig, es bei langen Codierungsaufgaben zu testen, so wie ich jedes neue Codierungsmodell teste. Aber am selben Tag maß ein unabhängiger Benchmark namens GDPx Agenten an langjähriger beruflicher Arbeit in elf Bereichen – Halbleiterdesign, Recht, Finanzen, Biologie – und das beste Modell erzielte etwa 12%. Herstellerdiagramme und unabhängige Tests erzählen zwei verschiedene Geschichten, und die Lücke zwischen ihnen ist der Grund, an dem die Wahrheit liegt. Ein Benchmark, den man selbst bewertet, ist eine Pressemitteilung, kein Beweis.

Deshalb nehme ich daraus heute, als jemand, der Agentenwerkzeuge beruflich baut. Das Zeitalter des " AI hat es getan" geht zu Ende; das Zeitalter von "Zeig mir, wer es getan hat, mit wessen Erlaubnis, und lass mich die Arbeit überprüfen" hat begonnen. In Mathematik, im Geld, im Code – drei verschiedene Welten stellten heute dieselbe Frage: nicht "kann die Maschine es schaffen", sondern "können wir ihr vertrauen, sie überprüfen und verstehen?" Meine Regel für die Werkzeuge, die ich baue, war immer einfach: Zeig jeden Schritt und frage vorher alles, was du nicht rückgängig machen kannst. Heute begann die ganze Branche, diese Regel einzuholen.

Eine Frage an dich, und ich möchte wirklich die Antworten hören: Würdest du deinen Portemonnaie einem Agenten geben, der dir seine IDnicht zeigen kann? Und ist ein Beweis, den du nicht verstehen kannst, immer noch Wissen – oder nur ein sehr teures Gerücht?