Was ist G0DM0D3: Die Einzel-Datei-Multi-Modell-KI-Schnittstelle

G0DM0D3 wurde Ende März 2026 gestartet. Entwickelt von elder-plinius — online bekannt als Pliny the Prompter — wird es als KI-Sicherheitsforschungsframework und Multi-Modell-Evaluierungsmaschine positioniert.

Was es technisch ungewöhnlich macht, ist nicht die Anzahl der Modelle. Es ist die Architektur: Die gesamte Anwendung ist eine einzige index.html-Datei ohne Build-Schritt, ohne Abhängigkeiten, ohne Framework und ohne Server zum Ausführen.

Ich saß daher mit dieser einzelnen HTML-Datei, die gleichzeitig 55 KI-Modelle abfragen, jede Antwort nach einem 100-Punkte-Rubrik bewerten und den Gewinner bis 4 Uhr morgens zurückgeben konnte, und habe alles, was ich herausgefunden habe, im folgenden Beitrag aufgeschlüsselt.

Was G0DM0D3 tatsächlich ist

Eine index.html-Datei, 50+ Modelle, keine Installation — die Architektur erklärt

Die meisten Tools, die so viele Modelle berühren, sind verteilte Systeme mit Containern, Auth-Services und Deployment-Pipelines. G0DM0D3 ist eine einzelne Datei, die man in einem Browser öffnen kann. Die gesamte Anwendung — UI, Routing-Logik, Evaluierungsmaschine, Verschleierungsmodule, Sampling-Adapter — kompiliert zu einem einzigen index.html.

Die Repository-Struktur vermittelt ein Gefühl für den Umfang:

G0DM0D3/
├── index.html     # Die gesamte Anwendung
├── api/           # Optionaler Node.js/Express-Server
├── API.md         # REST API-Referenz
├── PAPER.md       # Forschungspapier zum Framework
├── TERMS.md       # Datenschutzrichtlinie und Datenhandhabung
└── SECURITY.md    # Meldung von Sicherheitslücken

Alles, was im Browser läuft — die GODMODE CLASSIC Race Engine, der ULTRAPLINIAN Scorer, die Parseltongue-Verschleierungsschicht und der AutoTune Sampler — befindet sich in dieser index.html. Dies ist eine bewusste Verteilungsstrategie. Kein Build-Schritt bedeutet keine Supply Chain, die angegriffen werden kann. Kein Framework bedeutet kein Versions-Dependency-Drift. Lokal ausführen bedeutet keine Telemetrie, es sei denn, man meldet sich ausdrücklich für die Dataset-Beitragsfunktion an.

Die Architekturentscheidung, die 50+ Modelle ermöglicht, ist OpenRouter. G0DM0D3 verwaltet keine direkten Beziehungen zu Anthropic, OpenAI, Google oder Mistral. Es leitet jeden Modellaufruf durch OpenRouters einheitliche API, sodass ein API-Schlüssel Claude, GPT-5, Gemini, Grok, Llama, DeepSeek, Qwen und den Rest abdeckt.

OpenRouter als Inferenz-Backbone: Was das für API-Kosten und Modellzugang bedeutet

OpenRouter ist ein einheitliches API-Gateway, das Zugang zu 300+ KI-Modellen von allen großen Anbietern über einen einzigen OpenAI-kompatiblen Endpunkt bietet. Für G0DM0D3 ist dies grundlegend — es macht 50+ Modelle über ein einziges Einstellungsfeld zugänglich, anstatt Anmeldedaten für ein Dutzend separate Anbieter zu benötigen.

Die Preisstruktur ist es wert, verstanden zu werden, bevor man ULTRAPLINIAN gleichzeitig auf 55 Modelle loslässt. OpenRouter gibt die zugrunde liegende Anbieterpreisgestaltung ohne Aufschlag auf die Inferenz weiter — man zahlt denselben Pro-Token-Preis, den man direkt bei Anthropic oder OpenAI zahlen würde. Die Plattform berechnet eine Gebühr von 5,5 %, wenn man Credits im Voraus kauft (also kostet $100 in Credits $105,50). Für kostenlose Modelle — und davon gibt es 25+, einschließlich Optionen von Google, Meta und Mistral — fällt keine Gebühr an.

Die OpenRouter API-Dokumentation deckt den vollständigen Modellkatalog, Routing-Varianten (:nitro für Geschwindigkeit, :floor für Kosten) und das Fallback-Verhalten ab, wenn ein Anbieter während eines Rennens ausfällt.

Wer es gebaut hat und warum: elder-plinius / Pliny the Prompters Designphilosophie

Pliny the Prompter ist ein pseudonymer KI-Forscher und Prompt-Engineer, der Jahre damit verbracht hat, adversarial gegen Post-Training-Safety-Schichten zu arbeiten — öffentlich, offen und mit einer Philosophie, die Alignment-Forschung und Jailbreaking als zwei Seiten derselben empirischen Frage betrachtet. Er startete G0DM0D3 mit einer klaren These: „Wenn ein Modell ablehnt und ein anderes dieselbe Anfrage mit perfekter Treue beantwortet, zeigt das, wo die Sicherheitsschicht endet und die Fähigkeit beginnt.”

Die Designphilosophie ist explizit dual-use. G0DM0D3 ist dokumentiert als „ein Open-Source-KI-Gefahrenforschungsframework”. Demonstrierte Techniken — Prompt-Perturbation, Prefill-Injektion, Multi-Modell-Vergleichs-Scoring — existieren für Transparenz, Reproduzierbarkeit und die Förderung der Alignment-Forschung. Die AGPL-3.0-Lizenz macht das Tooling unwiderruflich offen.

Die fünf Kernmodule

GODMODE CLASSIC — 5 parallele Modell+Prompt-Kombinationen im Rennen um die beste Ausgabe

GODMODE CLASSIC ist der ursprüngliche Modus. Fünf vorkonfigurierte Modell- und Prompt-Kombinationen laufen gleichzeitig, jede paart ein spezifisches Modell mit einem kampferprobten Prompt, der darauf ausgelegt ist, seine höchste Qualität (oder am wenigsten gefilterte) Antwort hervorzulocken.

Für Prompt-Engineers, die das Modellverhalten bei einer bestimmten Anfrage benchmarken, ist GODMODE CLASSIC der schnellste Einstiegspunkt. Fünf Ausgaben, derselbe Prompt, verschiedene Modelle, parallele Ausführung. Der Vergleich, der 10 Minuten manuelles Tab-Wechseln erfordern würde, geschieht in unter 30 Sekunden.

ULTRAPLINIAN — 10 bis 55 Modell-Evaluierungsmaschine mit 100-Punkte-Composite-Scoring

ULTRAPLINIAN ist der Flaggschiff-Modus. Er fragt Modelle parallel über fünf Ebenen ab (10, 21, 31, 41 oder 55 Modelle, je nach ausgewählter Ebene), bewertet jede Antwort nach einer 100-Punkte-Composite-Metrik und gibt die gewinnende Ausgabe mit Metadaten zurück, welches Modell gewonnen hat und wie das Rennen verlief.

Das Composite-Scoring berücksichtigt mehrere Dimensionen der Ausgabequalität — Kohärenz, Vollständigkeit, Spezifität, Instruktionsbefolgung — anstatt einer einzigen Heuristik. Der Name des gewinnenden Modells wird im model-Feld der Antwort zurückgegeben; Rennmetadaten erscheinen im x_g0dm0d3.race-Erweiterungsfeld (von Standard-OpenAI-kompatiblen SDKs ignoriert, wenn man programmatisch integriert).

Parseltongue — Input-Perturbations-Engine für Red-Team-Forschung (33 Techniken, 3 Stufen)

Parseltongue ist das Modul, das G0DM0D3 für Sicherheitsforscher wirklich interessant macht — und in den falschen Händen wirklich besorgniserregend.

Es ist eine Input-Perturbations-Engine. Wenn man einen Prompt einreicht, erkennt Parseltongue Trigger-Wörter, die wahrscheinlich eingabeseitige Sicherheitsklassifikatoren aktivieren, und wendet Verschleierungstechniken an, um sie zu umgehen. Drei Intensitätsstufen, 33 Techniken insgesamt, von einfacher Leetspeak-Substitution auf der niedrigsten Stufe bis zu Unicode-Homoglyphen und Nullbreiten-Verbindern auf der höchsten.

Die Mechanik auf Stufe 3: Parseltongue ersetzt standardmäßige lateinische Zeichen durch visuell identische Unicode-Alternativen — ein Standard-„a” wird zu einem kyrillischen „а”. Der resultierende Text sieht für einen menschlichen Leser gleich aus; ein schlüsselwortbasierter Sicherheitsklassifikator, der nach ASCII-Strings sucht, sieht nichts. Das zugrunde liegende LLM, das auf Token-Ebene verarbeitet, liest es korrekt.

Die OWASP LLM Top 10 dokumentiert Prompt-Injektion als einen der primären Angriffsvektoren gegen LLM-Anwendungen. Parseltongue ist eine systematische, reproduzierbare Möglichkeit, diese Angriffsfläche zu studieren — was genau seinen Forschungswert ausmacht und genau der Grund ist, warum es verantwortungsvolle Verwendungsrichtlinien benötigt.

AutoTune — Kontext-adaptives Sampling via EMA-Lernen (Temperature, top_p, top_k)

AutoTune übernimmt etwas, das die meisten Prompt-Engineers manuell tun: Sampling-Parameter basierend auf den tatsächlichen Anforderungen der Aufgabe anpassen. Temperature, top_p und top_k sind keine Einheitswerte. Eine kreative Schreibaufgabe will höhere Temperature und mehr Sampling-Diversität. Eine faktische Suche will niedrige Temperature und enges Sampling. Dies falsch zu machen verschlechtert die Ausgabequalität ohne sichtbaren Fehler.

AutoTune verwendet Exponential Moving Average (EMA)-Lernen, um diese Parameter basierend auf Feedback aus vorherigen Antworten in der Sitzung anzupassen. Es beobachtet, welche Sampling-Konfiguration die höchste Ausgabequalität für einen bestimmten Abfragetyp produziert, und passt sich entsprechend an. Für Forscher, die viele Abfragen über verschiedene Aufgabentypen hinweg ausführen, entfällt die Notwendigkeit, Parameter zwischen den Läufen manuell abzustimmen.

STM-Module — Semantische Transformationsmodule für Output-Normalisierung

STM (Semantic Transformation Modules) operieren auf der Ausgabeseite — normalisieren Antworten über Modelle hinweg, sodass die vergleichende Evaluierung in ULTRAPLINIAN mit gleichartigem Text arbeitet, anstatt die ausführliche JSON-Antwort eines Modells mit dem knappen Absatz eines anderen zu vergleichen.

Verschiedene Modelle haben unterschiedliche Standard-Ausgabestile, Formatierungskonventionen und Ausführlichkeitsgrade. Ohne Normalisierung misst ein 100-Punkte-Bewertungssystem, das Rohausgaben vergleicht, teilweise den Ausgabestil statt der Inhaltsqualität. STM-Module wenden Echtzeit-Transformation an, um die Oberfläche vor dem Scoring zu standardisieren.

Datenschutzarchitektur

API-Schlüssel nur in localStorage gespeichert — verlässt nie Ihren Browser

Ihr OpenRouter-API-Schlüssel wird im localStorage Ihres Browsers gespeichert. Er berührt nie einen G0DM0D3-Server, denn bei der Standard-Einzeldatei-Bereitstellung gibt es keinen G0DM0D3-Server. Jeder API-Aufruf geht direkt von Ihrem Browser zum Endpunkt von OpenRouter. Die Anwendung ist zustandslos in Bezug auf Ihre Anmeldedaten.

Dies ist eine wirklich bedeutungsvolle Datenschutzeigenschaft. Die Kompromittierung einer G0DM0D3-Instanz (wenn lokal ausgeführt) setzt Ihren API-Schlüssel nicht gegenüber Dritten aus — nur der Speicher Ihres eigenen Computers ist gefährdet. Dies steht im starken Kontrast zum typischen SaaS-Modell, bei dem Ihr API-Schlüssel in der Datenbank eines Anbieters lebt und serverseitig verwendet wird, außerhalb Ihrer Sichtbarkeit.

Ein Vorbehalt: Browser-localStorage ist für jedes JavaScript zugänglich, das auf demselben Origin ausgeführt wird. Wenn Sie G0DM0D3 auf einer Domain bereitstellen, die auch nicht vertrauenswürdige Skripte bedient, schwächt sich dieser Schutz ab.

Es gibt keine Kontoerstellung. Keinen OAuth-Flow. Keine cloud-synchronisierte Historie. Der Sitzungsverlauf existiert im Browser-Tab für die Dauer Ihrer Sitzung und nicht länger. Diese bewusste Architekturentscheidung eliminiert eine ganze Klasse von Datenschutzrisiken — es gibt nichts zu verletzen, weil nichts gespeichert wird.

Der Kompromiss ist klar: kein persistenter Verlauf über Sitzungen hinweg, kein gemeinsamer Zugang für Teams und keine Suche über vergangene Abfragen. Für ein datenschutzorientiertes Forschungstool ist das der richtige Kompromiss.

AGPL-3.0: Was die Lizenz für persönliche, Forschungs- und Unternehmensnutzung bedeutet

AGPL-3.0 ist die stärkste Copyleft-Lizenz unter den gängigen Open-Source-Lizenzen. Für persönliche und Forschungsnutzung gibt es keine nennenswerte Einschränkung — nutzen Sie es wie Sie möchten. Für Modifikationen: Wenn Sie eine modifizierte Version vertreiben, müssen Sie Ihre Modifikationen unter derselben AGPL-3.0-Lizenz veröffentlichen.

Unternehmensnutzung ist explizit mit einer separaten kommerziellen Lizenz erlaubt — die README besagt: „Unternehmensnutzung mit Lizenz gestattet. Kontaktieren Sie Elder Plinius für weitere Details.” Wenn die Rechtsabteilung Ihres Unternehmens Bedenken bezüglich AGPL hat, ist das der Weg.

Bereitstellungsoptionen

Lokal: python3 -m http.server 8000 — Zero Friction

git clone https://github.com/elder-plinius/G0DM0D3.git
cd G0DM0D3
python3 -m http.server 8000
# Öffnen Sie http://localhost:8000 in Ihrem Browser

Das war’s. Kein npm install. Kein Build-Schritt. Keine Umgebungsvariablen zu konfigurieren, bevor man die Seite öffnen kann.

Statisches Hosting: GitHub Pages, Vercel, Cloudflare Pages, Netlify

Da G0DM0D3 eine einzelne statische HTML-Datei ist, wird es ohne Konfiguration auf jeder statischen Hosting-Plattform bereitgestellt. Laden Sie index.html auf GitHub Pages hoch, ziehen Sie es in ein Vercel-Projekt oder pushen Sie zu einer Cloudflare Pages-Site. Die Datei hat keine serverseitigen Abhängigkeiten — jeder API-Aufruf stammt vom Browser des Benutzers.

Plattform	Bereitstellungsmethode	Kosten
GitHub Pages	In Repo pushen, Pages aktivieren	Kostenlos
Vercel	Drag-and-Drop oder CLI	Free Tier
Cloudflare Pages	Git-Integration oder direkter Upload	Free Tier
Netlify	Drag-and-Drop	Free Tier

Auf statischen Hosts kann, wenn Sie die URL öffentlich teilen, jeder mit dem Link die Oberfläche nutzen — mit seinem eigenen OpenRouter-API-Schlüssel, da der Schlüssel clientseitig gespeichert ist. Es gibt keine serverseitige Authentifizierung, die die Oberfläche selbst schützt.

Optionaler API-Server (Node.js/Express + Docker) für Team-Bereitstellung

Das api/-Verzeichnis enthält einen Node.js/Express REST-Server, der die Kernmodule von G0DM0D3 — ULTRAPLINIAN, AutoTune, Parseltongue, STM — als REST-Endpunkte mit OpenAI SDK-Kompatibilität bereitstellt. Dies ist der Weg für Team-Bereitstellungen, bei denen man den Zugang teilen möchte, ohne dass jede Person ihren eigenen OpenRouter-Schlüssel verwaltet.

# Lokal
npm run api

# Docker
docker build -t g0dm0d3-api .
docker run -p 7860:7860 \
  -e GODMODE_API_KEY=your-secret-key \
  g0dm0d3-api

Der API-Server unterstützt gestaffelte Rate-Limits über GODMODE_TIER_KEYS-Umgebungsvariablen. Pipeline-Metadaten werden im x_g0dm0d3-Erweiterungsfeld zurückgegeben, das Standard-OpenAI-SDKs ignorieren. Dies macht die API rückwärtskompatibel mit jeder Anwendung, die bereits gegen das OpenAI SDK gebaut wurde — tauschen Sie die Basis-URL aus, fügen Sie Auth hinzu und erhalten Sie G0DM0D3s Multi-Modell-Racing hinter einer vertrauten Oberfläche.

Für wen G0DM0D3 gebaut wurde

KI-Sicherheitsforscher und Red Teamer, die LLM-Evaluierung durchführen

G0DM0D3s primäre Zielgruppe sind Menschen, die Modellverhalten systematisch über eine große Population von Modellen hinweg studieren müssen. Die ULTRAPLINIAN-Engine produziert reproduzierbare, vergleichbare Ausgaben über 51+ Modelle aus einer einzigen Prompt-Einreichung. Parseltongue ermöglicht die kontrollierte Studie, wie Input-Perturbationen Modellantworten beeinflussen. AutoTune reduziert die Störvariable falsch konfigurierter Sampling-Parameter.

Dies ist wirklich nützliche Infrastruktur für Alignment-Forschung — das Verstehen, wo Sicherheitsschichten dick und wo sie dünn sind über das aktuelle Modell-Ökosystem hinweg.

Prompt-Engineers, die Modellausgaben parallel benchmarken

Wenn Sie Produkte auf LLMs aufbauen und wissen möchten, welches Modell Ihren spezifischen Anwendungsfall am besten handhabt, liefert GODMODE CLASSIC fünf Ausgaben nebeneinander in der Zeit, die ein manueller Durchlauf dauern würde. ULTRAPLINIAN skaliert das auf 55 Modelle mit automatischem Ranking. Für Prompt-Engineers, die das bisher manuell über Browser-Tabs hinweg getan haben, ist es eine erhebliche Workflow-Verbesserung.

Datenschutzorientierte Entwickler, die ein clientseitiges KI-Tool ohne Telemetrie benötigen

Die Kombination aus Einzeldatei-Architektur, localStorage-Schlüsselspeicherung, keiner Kontoerstellung und AGPL-3.0-Lizenzierung macht G0DM0D3 zu einer der datenschutzfreundlichsten Multi-Modell-Oberflächen, die verfügbar sind. Für Entwickler, die Modellverhalten mit sensiblen Prompts testen müssen und diese Prompts nicht über einen Drittanbieter-Server leiten können, ist die lokale Bereitstellung von G0DM0D3 eine echte Option.

Einschränkungen, die Sie kennen sollten

Keine persistenten Sitzungen — nur Browser-Verlauf

Der Sitzungsverlauf existiert für die Dauer Ihres Browser-Tabs. Schließen Sie den Tab, verlieren Sie den Verlauf. Es gibt keine Möglichkeit, vergangene Sitzungen zu durchsuchen, den Gesprächsverlauf zu exportieren oder eine Sitzung auf einem anderen Gerät fortzusetzen. Für Forschungsworkflows, bei denen Sie verfolgen müssen, was Sie getestet haben und was zurückgekommen ist, müssen Sie Ihr eigenes externes Logging verwalten.

OpenRouter-Abhängigkeit: Sie zahlen weiterhin pro Token an OpenRouter

G0DM0D3 ist als Software kostenlos zu verwenden, aber das Ausführen kostet Geld, da jeder Modellaufruf ein bezahlter OpenRouter-API-Aufruf ist (es sei denn, Sie verwenden kostenlose Tier-Modelle mit ihren Rate-Limits). Ein ULTRAPLINIAN-Lauf auf der vollständigen 55-Modell-Ebene bedeutet 55 gleichzeitige API-Aufrufe. Für Modelle wie Claude oder GPT-5 kann ein einziger Lauf je nach Prompt- und Ausgabelänge mehrere Dollar kosten.

Multi-Modell-Parallelaufrufe erfordern stabile Bandbreite

55 gleichzeitige HTTP-Anfragen an OpenRouter von einem Browser-Tab auf einer langsamen Verbindung können zu sichtbarer Verschlechterung führen — langsame Antworten, Timeouts bei einigen Modell-Slots und unvollständige Rennergebnisse. G0DM0D3 funktioniert gut auf Standard-Breitband. Bei mobilen Daten oder schlechtem WLAN kann ULTRAPLINIAN auf der vollen Ebene unzuverlässige Ergebnisse produzieren. Beginnen Sie mit GODMODE CLASSIC, wenn Sie auf begrenzter Bandbreite testen.

Kein Produktions-Backend — nur Einzeldatei-Frontend

Die index.html ist ein Forschungs- und Evaluierungstool, kein Produktions-API. Es hat keine serverseitige Anforderungsvalidierung, keine Multi-User-Sitzungsisolierung und kein Rate-Limiting auf der G0DM0D3-Seite (nur was OpenRouter durchsetzt). Wenn Sie ein Produkt bauen, das Multi-Modell-Evaluierung für Endbenutzer bereitstellt, verwenden Sie den optionalen Node.js-API-Server — nicht eine öffentliche Bereitstellung von index.html.

FAQ

Benötigt G0DM0D3 einen OpenRouter-API-Schlüssel?

Ja. Jeder Modellaufruf geht durch die OpenRouter-API. Sie benötigen ein Konto und mindestens einen kostenlosen Tier-API-Schlüssel. Für ULTRAPLINIAN auf höheren Ebenen mit bezahlten Modellen benötigen Sie Credits in Ihrem OpenRouter-Konto.

Ist G0DM0D3 sicher? Wohin geht mein API-Schlüssel?

Ihr API-Schlüssel wird im localStorage Ihres Browsers gespeichert. Er wird nie an einen G0DM0D3-Server gesendet — bei der Standard-Einzeldatei-Bereitstellung gibt es keinen G0DM0D3-Server. Jeder API-Aufruf geht direkt von Ihrem Browser zu OpenRouter. Lokal gehostete Bereitstellungen (python3 -m http.server 8000) sind die sicherste Option, da kein Dritter die HTML-Datei hostet.

Was ist der Unterschied zwischen G0DM0D3 und OpenRouters nativer Oberfläche?

OpenRouters native Chat-Oberfläche lässt Sie ein Modell gleichzeitig auswählen und abfragen. G0DM0D3 fügt die parallele Multi-Modell-Racing-Engine (GODMODE CLASSIC und ULTRAPLINIAN), die 100-Punkte-Composite-Scoring-Schicht, Parseltongue-Input-Perturbation für Red-Team-Forschung, AutoTune-adaptives Sampling und STM-Output-Normalisierung hinzu — alles in einem Einzeldatei-Paket ohne Installation.

Vorherige Beiträge: