Als ich letzte Woche schrieb, dass HTML im Kontext von LLMs wiederentdeckt wird, war der Moment schon real: Thariq Shihipars erster Text stand ganz oben auf Hacker News, Simon Willison hatte ihn in seinem Linkblog aufgegriffen, und in den Labs wurde bereits darüber diskutiert. Seither ist die Diskussion lauter und breiter geworden. Thariqs Folgetext kam mit einem schärferen Titel, HTML is the new Markdown, und mit einer Galerie von zwanzig eigenständigen HTML-Artefakten als Beleg. Andrej Karpathy befürwortete das Muster: Bitten Sie das Modell am Ende Ihrer Anfrage, die Antwort als HTML zu strukturieren, und öffnen Sie die Datei dann im Browser. Theo Browne reagierte per Video, halb Lob, halb Widerspruch.
Die Richtung ist jene, die ich im früheren Beitrag nachgezeichnet habe. Token-Fenster waren früher knapp, und Markdown hat gewonnen, weil es hineinpasste. Token-Fenster sind nicht mehr knapp, und es gewinnt das Format, das am meisten ausdrücken kann. Dieser Teil der Wiederentdeckung ist inzwischen unumstritten. Was die neuen Texte nicht erreichen, ist das Verb, das gefehlt hat.
Die Leseseite ist geklärt
Thariqs Argument und Karpathys Empfehlung drehen sich um die Ausgabe. Das Modell erzeugt HTML, Sie öffnen es im Browser, Sie lesen es. Das Format ist reichhaltiger als Markdown, also liest es sich besser. Tabellen, Diagramme, Mockups, einklappbare Abschnitte, farbcodierter Status, gelegentlich Interaktivität. Der Agent rendert ein besseres Artefakt. Sie konsumieren es.
Das hat Grenzen. Dass sich HTML gerade besser anfühlt als Markdown, liegt zum Teil am Neuheitseffekt: Wir sind mit Markdown-Berichten übersättigt, und HTML-Berichte fallen auf. Wird jede Spezifikation, jede PR-Beschreibung, jedes Status-Update zur HTML-Seite, nutzt sich dieser Effekt ab. Das Problem mit der Versionskontrolle bleibt: HTML-Diffs sind unruhiger als Markdown-Diffs und schwerer zu prüfen. Das Problem mit dem Teilen bleibt ebenfalls. Thariqs Antwort lautet „auf S3 hochladen, Link teilen“, womit die Portabilität wieder über einen Cloud-Bucket und eine URL läuft. Nichts davon entkräftet den Schritt. Es zeigt seine Grenze. HTML als Ausgabe ist eine bessere Ausgabe. Es bleibt Ausgabe. Der Agent macht, der Mensch liest.
Die Schreibseite
Tim Berners-Lees ursprünglicher Entwurf hatte ein zweites Verb. Der Browser war ein Editor. HTML war das Substrat für ein Medium zum Lesen und Schreiben. Das kommerzielle Web behielt die Leseseite und warf die Schreibseite weg. Markdown hat die Leseseite für die GPT-4-Ära ausreichend getragen. HTML trägt sie heute besser. Keines von beiden ersetzt, was verloren ging.
Der Schritt, den ich dem Bild hinzufügen würde, kommt in ihren Texten nicht vor: Der Agent muss nicht außerhalb des Artefakts leben. Er kann darin leben.
Eine einzelne .html-Datei, die sich in jedem Browser öffnen lässt, ihre eigene Bearbeitungsfläche mitbringt und sich auf Anweisung selbst umschreibt, ist keine reichhaltigere Ausgabe. Sie ist eine andere Kategorie. Artefakt und Editor sind dasselbe Objekt. ⌘K verändert das Dokument, ⌘S schreibt die Änderung zurück in die Datei auf der Festplatte. Keine Anwendung, keine Installation, kein Konto, kein Server. Die Datei, die Sie per E-Mail verschicken, ist dieselbe, die sich selbst bearbeitet.
Das ist reWritable. Die drei oben genannten Bedenken verschieben sich, wenn man anders betrachtet, wofür HTML verwendet wird.
Neuheit. Wenn der Reiz von HTML teilweise darin liegt, dass es nicht Markdown ist, nutzt er sich ab. Wenn der Reiz darin liegt, dass sich das Dokument selbst bearbeitet, nutzt er sich nicht ab, er wächst mit der Zeit. Das Format ist nicht das Feature. Das Format plus Agent ist es.
Teilen. Ein reWritable-Container ist eine Datei. Sie hängen ihn an eine E-Mail. Wer ihn bekommt, öffnet ihn im Browser. Kein S3, kein Link, den man am Leben halten muss, kein Dienst, von dem man abhängt. Die Portabilität ist nicht angeflanscht, sie ist das Substrat.
Versionskontrolle. HTML-Diffs sind im Allgemeinen weiterhin unruhig. Ein reWritable-Container schreibt beim Commit eine einzige Konstante innerhalb eines unveränderlichen Bootstraps neu: den Inline-Snapshot des Dokumentzustands. Der Rest der Datei bleibt zwischen den Commits Byte für Byte identisch. Prüfbare Diffs sind zurück, nicht weil HTML besser in Diffs geworden wäre, sondern weil die Fläche für Änderungen kleiner und strukturierter geworden ist.
Eine zweite Achse
Karpathy skizzierte eine Entwicklung: Rohtext → Markdown → HTML → irgendwann interaktive Videos und Simulationen, erzeugt von einem neuronalen Diffusionsnetz, jedes Pixel live von einem Modell gestreamt. Das ist eine Steigerung entlang einer Achse: wie reichhaltig das Konsumierbare ist. Jeder Schritt lässt das Modell eine ausdrucksstärkere Ausgabe erzeugen. Der Endpunkt ist ein vom Modell gerenderter Pixelstrom.
Diese Entwicklung setzt voraus, dass das Artefakt nur in eine Richtung fließt, vom Modell zum Betrachter. Das Dokument ist ein Render-Ziel. Man macht das Rendering reichhaltiger, man macht die Ausgabe ausdrucksstärker.
Es gibt eine zweite Achse, senkrecht zur ersten, die dieselben Fähigkeiten zugänglich machen. Auf dieser Achse ändert sich nicht, wie reichhaltig die Ausgabe ist. Es ändert sich, ob der Agent im Artefakt bleibt. An einem Ende steht ein statischer HTML-Bericht. Am anderen steht ein reWritable-Container. Der Agent wandelt sich von einem Werkzeug, das der Nutzer aufruft, um eine Ausgabe zu erzeugen, zu einem Prozess, den das Dokument in sich trägt.
Diese Achsen lassen sich unabhängig voneinander erweitern. Ein sich selbst verändernder Container kann per Diffusion gerenderte Bereiche enthalten, nichts an der zweiten Achse schließt Karpathys Endpunkt aus. Nur die zweite Achse bringt die Schreibhälfte zurück. Die erste Achse verbessert die Lesehälfte.
Der nächste Satz
Thariq schließt seinen Text mit der Aussage, er fühle sich stärker eingebunden als je zuvor. Karpathy sagt, die geistige Verschmelzung von Ein- und Ausgabe zwischen Menschen und KIs stecke noch in den Anfängen. Beides stimmt. Beide behandeln das Artefakt aber auch als das, was der Agent produziert, und genau an dieser Annahme würde ich rütteln. In Kommentaren zu Thariqs Galerie heißen diese HTML-Dateien bereits „temporäre Denkumgebungen“. Das Wort, auf das es in dieser Formulierung ankommt, ist temporär.
Der nächste Satz in dieser Wiederentdeckung lautet nicht, dass HTML Markdown noch deutlicher schlägt. Markdown hat den Formatstreit in dem Moment verloren, in dem Kontextfenster billig wurden, dieser Kampf ist entschieden. Der nächste Satz handelt davon, was passiert, wenn die Datei, die das Modell erzeugt hat, das Modell enthält: wenn ⌘K eine Eigenschaft des Dokuments ist und nicht der Anwendung darum herum, und wenn das Dokument die Sitzung überdauert, in der es entstanden ist, weil jeder, der es öffnet, daran weiterarbeiten kann.
Das Format ist zurück. Das Verb ist noch unterwegs.
Aus dem Englischen übersetzt: zum Originalbeitrag