Chinesische KI-Modelle setzen US-Anbieter unter Druck
OpenAI und Anthropic senken die Preise ihrer Modelle aus der mittleren Leistungsklasse. Hintergrund ist der wachsende Wettbewerb durch chinesische Anbieter wie DeepSeek und Moonshot, deren Modelle bei Coding, Mathematik und logischem Schlussfolgern zunehmend mit proprietären US-Modellen mithalten.
OpenAI hat die Preise für GPT-5.6 Luna um 80 % reduziert. Eine Million Input-Token kostet nun 0,20 $ statt 1,00 $, eine Million Output-Token 1,20 $ statt 6,00 $. Token sind die Text- und Dateneinheiten, nach denen API-Anbieter die Nutzung ihrer Modelle abrechnen.
Die Preissenkung bestätigt den bereits erkennbaren Kurswechsel bei OpenAIs API-Preisen. Laut dem Token Price Index von Silicon Data sind die durchschnittlichen Preise führender US-Modelle seit Mitte Juli um knapp ein Viertel gefallen.
Die neuen Preise im Vergleich
| Modell | Input pro Million Token | Output pro Million Token | Änderung |
|---|---|---|---|
| OpenAI GPT-5.6 Luna | 0,20 $ statt 1,00 $ | 1,20 $ statt 6,00 $ | 80 % günstiger |
| Anthropic Claude Opus 5 | 5,00 $ | 25,00 $ | 50 % günstiger als Fable 5 |
Anthropic hat Claude Opus 5 zum halben Preis seines Flaggschiff-Modells Fable 5 eingeführt. Zusätzlich strich das Unternehmen eine für September geplante Preiserhöhung bei Sonnet 5.
Eine nicht namentlich genannte Person aus dem Anthropic-Umfeld erklärte, die niedrigere Preisposition von Opus 5 ergebe sich aus dem Aufbau der Modellfamilie. Ein Zusammenhang mit Wettbewerbern bestehe demnach nicht. Ob der Konkurrenzdruck tatsächlich keine Rolle spielte, lässt sich unabhängig davon nicht belegen.
Token-Preise allein reichen für den Vergleich nicht
Ein niedriger Preis pro Token bedeutet nicht automatisch niedrigere Gesamtkosten. Leistungsfähigere Modelle benötigen für eine Aufgabe unter Umständen weniger Anläufe oder erzeugen kürzere Antworten. Auch die gewählte Rechenintensität, häufig als Effort-Stufe bezeichnet, beeinflusst Kosten und Ergebnisqualität.
Benchmarks von Artificial Analysis zeigen dennoch erheblichen Preisdruck. Claude Opus 5 mit mittlerer Rechenintensität erreichte eine ähnliche Leistung und vergleichbare Aufgabenkosten wie Moonshots Kimi K3 mit maximaler Rechenintensität.
GPT-5.6 Luna und DeepSeek V4 Flash lagen bei maximaler Rechenintensität ebenfalls auf einem vergleichbaren Leistungsniveau. GPT-5.6 Luna kostete pro erledigter Aufgabe jedoch fast doppelt so viel.
Die US-Labore haben die Mitte günstiger gemacht und verteidigen weiterhin das obere Preissegment, so die sinngemäß übersetzte Einschätzung von Mantas Lukauskas, KI-Tech-Lead bei Hostinger.
Lukauskas bezeichnet die jüngsten Preisänderungen außerdem als ersten echten Test dafür, ob OpenAI und Anthropic die Preise ihrer leistungsfähigsten Modelle halten können. Ob auch im Spitzensegment Preissenkungen folgen, ist bislang offen.
Verbrauchsabrechnung verschiebt das Kostenrisiko
Parallel zu den Preissenkungen stellen OpenAI und Anthropic Unternehmenskunden teilweise von pauschalen Abonnements auf verbrauchsbasierte Abrechnung um. Das kann trotz günstigerer Token-Preise zu höheren Gesamtrechnungen führen, wenn KI-Agenten dauerhaft arbeiten, lange Kontexte verarbeiten oder Aufgaben mehrfach ausführen.
US-Unternehmen wie DoorDash und Airbnb setzen deshalb vermehrt chinesische Modelle ein, um ihre Ausgaben zu begrenzen. Wie schnell solche Kosten wachsen können, zeigt auch der steigende Anteil von Token-Ausgaben am Entwicklerbudget.
Für Unternehmen bleibt damit ein grundlegendes Problem bestehen. Der Anbieter kann Preise, Modellverfügbarkeit und Abrechnungslogik kurzfristig verändern. Eine Preissenkung reduziert zwar die aktuelle Rechnung, beseitigt aber weder die Abhängigkeit noch das Risiko späterer Anpassungen.
Open Weights schaffen eine Alternative für den DACH-Raum
Modelle wie DeepSeek V4 Flash und Moonshot Kimi K3 werden teilweise als Open Weights angeboten. Dabei lassen sich die trainierten Modellgewichte herunterladen und auf eigener oder gemieteter Infrastruktur betreiben. Das ermöglicht Anpassungen und reduziert die Abhängigkeit von einer externen API.
Für Unternehmen im DACH-Raum ist dieser Ansatz besonders relevant. Beim direkten Zugriff auf chinesische Cloud-APIs müssen Datenschutz, Auftragsverarbeitung und internationale Datentransfers sorgfältig geprüft werden. Lokal betriebene Modelle oder europäische Cloud-Infrastruktur können mehr Kontrolle bieten, verursachen aber eigene Kosten für Hardware, Betrieb, Überwachung und Aktualisierungen.
Offen bleibt zudem, unter welchen konkreten Lizenzen einzelne chinesische Modelle in kommerzieller Unternehmenssoftware eingesetzt werden dürfen. Open Weights bedeutet nicht automatisch Open Source und auch nicht automatisch eine uneingeschränkte kommerzielle Nutzung. Lizenzbedingungen müssen daher für jedes Modell separat geprüft werden.
Was Unternehmen aus dem Preiskampf ableiten können
Die sinkenden Preise machen kommerzielle APIs kurzfristig attraktiver. Gleichzeitig zeigen sie, wie stark proprietäre Angebote unter Druck geraten, sobald frei anpassbare Modelle qualitativ aufschließen.
Eine belastbare KI-Strategie sollte deshalb nicht nur den aktuellen Preis pro Million Token vergleichen. Entscheidend sind die Kosten pro abgeschlossener Aufgabe, Datenschutzanforderungen, Wechselmöglichkeiten und der Aufwand für einen eigenen Betrieb. Wo ausreichend Nutzung und internes Know-how vorhanden sind, kann Self-Hosting eine wirtschaftliche Absicherung gegen schwankende API-Preise und Vendor-Lock-in sein.