Altman tauscht Tokens gegen Aktien, aber das reicht nur für 45 Tage. 2 Milliarden Tokens, die er an seine Alma Mater spendet, sind nur 100 Yuan wert: Sind Tokens wirklich zu "Geld" geworden? Wer profitiert mehr?
Heute hat Tyler Bosmeny, Partner von YC, auf X angegeben, dass Sam Altman gerade an jede Startup-Unternehmen der aktuellen YC-Abschlussrunde angeboten hat, 2 Millionen US-Dollar an OpenAI-Tokens gegen Unternehmensanteile zu tauschen.
Bosmeny sagte: "Das ist etwas wie damals, als Sam noch Partner bei YC war und Yuri Milner vorschlug, jedes Startup zu investieren. Ich kann es kaum erwarten zu sehen, was passiert, wenn man die motiviertesten, kreativsten und härtesten Gründer dazu bringt, die Tokens optimal zu nutzen."
Dafür hat Altman auch auf X geantwortet: "Ich freue mich sehr darauf zu sehen, was mit diesen Startups passieren wird, die die Tokens optimal nutzen, sei es in Bezug auf ihre interne Arbeitsweise oder die Produkte, die sie entwickeln können."
2 Millionen US-Dollar klingen wie eine beträchtliche Summe, aber wenn man sie in Tokens umrechnet, sieht die Rechnung anders aus.
Es ist bekannt, dass Peter Steinberger, Gründer von OpenClaw, das jetzt Teil von OpenAI ist, binnen eines Monats 1,3 Millionen US-Dollar an Tokens verbraucht hat, und diese Kosten werden von seinem Arbeitgeber OpenAI getragen. Peter sagte, dass der Großteil der Ausgaben für die Entwicklung von OpenClaw verwendet wurde und dass er täglich fast 20.000 US-Dollar ausgab. Wenn man das ausrechnet, reichen 2 Millionen US-Dollar an Tokens nur für anderthalb Monate für den "Vater der Lobster" (Peter Steinberger).
Für ein Startup, das die Token-Nutzung maximiert, würde man sich fragen müssen, ob man bereit ist, wenn man anhand von Peters Verbrauchsmengen rechnet (theoretisch sollte es höher sein), dass OpenAI dir anderthalb Monate lang kostenlos Tokens zur Verfügung stellt und dafür einen Teil deiner Unternehmensanteile bekommt.
"2 Millionen US-Dollar an Tokens klingen wie viel, aber wenn man einen Agenten an einen langen Werkzeugaufrufpfad anschließt, merkt man, dass es nicht so spektakulär ist", sagte der Einzelunternehmer ByteCrafter.
"Unser Triage-Agent, der auf vier Plattformen läuft, verbraucht die Tokens viel schneller als ich erwartet hatte, vor allem weil die Werkzeugausgaben ständig den Kontext verbrauchen. Später haben wir vor jedem erneuten Eintritt in den Kontext einen kostengünstigen Haiku-Zusammenfassungsgenerator hinzugefügt, was uns tatsächlich einen beträchtlichen Teil der Kosten erspart hat." Anschließend fragte er: "Hat jemand jemals die Token-Kosten aufgabenbezogen erfasst? Oder verlassen sich die meisten Menschen noch immer hauptsächlich auf ihr Gefühl?"
Nicht jeder hat natürlich Peters Verbrauch. Ein Entwickler sagte, dass seine gesamten AI-Ausgaben darin bestanden, dass er wöchentlich 200 US-Dollar für Codex ausgab und diese binnen zwei oder drei Tagen verbrauchte. "2 Millionen US-Dollar an Tokens entsprechen ungefähr meiner Rechnung für 192 Jahre. Ich würde wirklich gerne sehen, was ein Team erreichen kann, wenn es nicht mehr so sparsam mit den Tokens umgehen muss." Aber dieser Fall ist möglicherweise nicht "tokenmaxxing".
Jedenfalls ist diese Sache für OpenAI sicherlich rentabel.
Einige Internetnutzer sagten, dass dies im Grunde genommen die ultimative Version einer Lieferanten-Lock-in-Strategie sei. Die Verteilung von 2 Millionen US-Dollar an kostenlosen Tokenquoten würde sicherstellen, dass eine ganze Generation von YC-Startups ihre Kerninfrastruktur in einem geschlossenen Ökosystem aufbauen. Wenn die Subventionen aufgebraucht sind, können sie die Migrationskosten nicht mehr tragen und sind auf dieses System angewiesen.
Andere Internetnutzer wiesen darauf hin, dass dies eine clevere und risikoarme Entscheidung sei: direkt Wettbewerbschips von Anthropic wegzunehmen. Wenn die YC-Unternehmen erfolgreich sind, werden sie immer mehr OpenAI-Tokens nutzen. Auf diese Weise kann OpenAI nicht nur die 2 Millionen US-Dollar zurückverdienen, sondern sogar noch mehr. Darüber hinaus wird sich eine stark anhaftende Gemeinschaft von Startups bilden, denn sie werden sich immer daran erinnern, dass sie es bis hierher geschafft haben, weil man ihnen damals geholfen hat. Zusätzlich bekommt OpenAI Unternehmensanteile.
"Sind Tokens wirklich zu Finanzpapieren geworden?" fragte ein Internetnutzer ungeduldig.
Aber solche Dinge passieren nicht nur in Silicon Valley.
Im Gegensatz zu traditionellen Alumni-Spenden an Bibliotheken, Stipendien oder Gebäuden haben drei Jahrgang 2000er Studenten beschlossen, ihrer Alma Mater Tokens im Wert von 2 Milliarden US-Dollar zu spenden.
Laut Medienberichten wurden am Nachmittag des 13. Mai im Vortragssaal der Fremdsprachenabteilung der Zhengzhou Sias University von den Studenten Hunderte von "Token-Ei"-Sonderkästen aufgerissen. In diesen Sonderkästen befanden sich keine gewöhnlichen Geschenke, sondern insgesamt 2 Milliarden AI-Tokens. Diese Tokens können für die AI-Arbeitsplattform Accio Work für grenzüberschreitende Geschäfte verwendet werden und sollen voraussichtlich die Nutzungsgebühren von etwa 500 Studierenden für einen Monat decken.
Die Spender dieser Tokens sind drei "Jahrgang 2000er" - Unternehmer, die von der Zhengzhou Sias University kommen: He Jiakun, Li Jiale und Wang Teng. Sie haben alle während oder nach ihrem Studium in den grenzüberschreitenden E-Commerce-Bereich eingestiegen, und einige von ihnen haben bereits einen Jahresumsatz von mehreren Millionen US-Dollar im Außenhandel erzielt.
"Als ich vor drei Jahren angefangen habe, zu gründen, gab es keine KI. Wenn es sie gegeben hätte, wäre ich von 0 auf 30 Millionen US-Dollar doppelt so schnell gekommen", sagte He Jiakun auf einer Gründerveranstaltung. Neben der Token-Spende teilten die drei auch die Anwendungsmethoden von AI-Skills vor Ort mit, die für "Ein-Personen-Unternehmen", Außenhandelsanfänger und Studentenunternehmer geeignet sind, und versuchten, ihre Erfahrungen in replizierbare Tools und Prozesse umzuwandeln.
2 Milliarden Tokens klingen auch wie eine beeindruckende Zahl, aber ein Internetnutzer sagte, dass bei einem Preis von 5 US-Dollar für 100 Millionen Tokens dies der Spende von 100 US-Dollar an die Alma Mater entspräche. "Am Ende ist 2 Milliarden Tokens nicht einmal so wert wie das Spendenzertifikat in der Hand", beurteilte er.
Preisliste der beiden DeepSeek-Modelle. Das deepseek-v4-pro-Modell ist derzeit zu 2,5% reduziert. Das Angebot gilt bis zum 31. Mai.
Ein Nutzer namens "Der Mann unter Gérard's Feder" auf Zhihu sagte: "2 Milliarden Tokens entsprechen in der Welt der großen Modelle ungefähr ein paar Milliarden Zeichen. Das ist so viel wie, wenn man die gesamte 'Romance of the Three Kingdoms' tausendmal von der KI lesen lässt. Für die meisten Menschen ist es unmöglich, so viele Wörter in einem Leben zu schreiben oder zu lesen. Aber im Berufsleben, zum Beispiel für einen Programmierer, der ständig mit der API einer großen KI Daten wäscht, Code schreibt und testet, ist es kein Problem, einen Milliarden Tokens pro Tag zu verbrauchen. Deshalb denken viele Angestellte, wenn sie von 2 Milliarden Tokens hören, sofort: Was soll das bringen? Zwei Tage und es ist vorbei."
Denkt man, man habe in Sachen KI hinterhergeblieben, dann "tokenmaxxing"?
Willkommen in der Ära des "tokenmaxxing".
Wenn Sie befürchten, dass Sie in Sachen KI hinterhergeblieben sind, gibt der Entwickler Sigrid Jin einen Tipp: Nutzen Sie KI so viel wie möglich, bis Ihre monatlichen Rechnungen ungefähr so hoch sind wie Ihre Miete. Jin ist der Meinung, dass "tokenmaxxing" die beste Möglichkeit ist, den Wert von KI zu verstehen. Er selbst hat in einem Jahr 50 Milliarden Tokens verwendet.
Jin wurde Ende März berühmt. Damals hat Anthropic versehentlich den Quellcode von Claude Code preisgegeben, und er hat daraufhin die Codebasis von Claude Code rekonstruiert. Um eine Urheberrechtsverletzung durch dieses KI-Labor zu vermeiden, hat er den Code in Python neu geschrieben. Dieses "tokenmaxxing" hat sich tatsächlich gelohnt: Jin hat das bisher am schnellsten wachsende GitHub-Repository namens Claw Code erstellt. Seitdem hat Jin von mehreren KI-Laboren Arbeitsangebote erhalten, aber er hat beschlossen, sich auf persönliche Projekte zu konzentrieren. Er plant, nächsten Monat ein Startup zu gründen.
Jin ist der Meinung, dass die meisten Menschen den wahren Wert von KI nicht kennen, weil sie entweder die kostenlose Version oder ein monatliches Abonnement für 20 US-Dollar nutzen. Er sagt, dass diejenigen, die nur die Basisversion von KI verwenden, an der "höheren Intelligenz" vorbeigehen, die ein 200-US-Dollar-Abonnement bieten kann. Diese höherwertigen Abonnements bringen einen klareren Return on Investment.
"Wenn Sie wissen möchten, wie die Zukunft der KI aussehen wird, probieren Sie 'tokenmaxxing'.", fügt er hinzu. Er würde seinen Freunden auch raten, "so viel Geld in KI zu investieren, wie Sie monatlich für Ihre Miete zahlen", um einen "Return on Investment" zu erzielen.
Dieser Return on Investment kann sich in Form von "gleichzeitiger Verwaltung mehrerer Geschäfte" oder in der Übergabe alltäglicher Aufgaben an einen KI-Agenten manifestieren. Jin sagt, dass es keine universelle Methode gibt, um die Kosteneffektivität von KI zu messen. Jedes Unternehmen und jeder Einzelne nutzt diese Technologie auf unterschiedliche Weise, daher müssen sie ihre eigenen Maßstäbe festlegen, um den Return on Investment zu messen.
Zur gleichen Zeit geben immer mehr Unternehmen mehr Geld für KI-Rechnungen aus als für die Gehälter ihrer menschlichen Mitarbeiter. Das Problem ist jedoch, dass die Einnahmen, die durch KI generiert werden, die Kosten der Tokens übersteigen müssen, um diese Ausgaben zu rechtfertigen. Dies gilt insbesondere für Unternehmenskunden.
Der Druck, die Token-Verwendung zu erhöhen, wird sich in naher Zukunft nicht verringern. Als Jin gefragt wurde, ob er sich unter Druck fühle, mehr Tokens zu verwenden, antwortete er: "Ja, natürlich."
Diese Fixierung auf "tokenmaxxing" findet sich auch in Unternehmen. Mitarbeiter müssen sich wie einige Onlinehändler, die ihre Verkaufszahlen manipulieren, auch für ihre Token-Verwendung "manipulieren".
The Information berichtete kürzlich, dass einige Meta-Engineer im Wettlauf sind, so viele Tokens wie möglich zu verbrauchen, um auf einer von den Mitarbeitern selbst erstellten "Claudeonomics"-Dashboard-Rangliste zu erscheinen. Dieses Dashboard verfolgt die Token-Verwendung und lässt die Mitarbeiter um Titel wie "Token Legend" kämpfen.
"Das Einstellen von Engineer nach Token-Verbrauch ist so, als würde ich das Marketing-Team danach bewerten, wer am meisten Geld ausgibt. Man sollte nicht die hohe Ausgabengeschwindigkeit mit hoher Erfolgsrate verwechseln", schrieb die COO von Linear, Cristina Cordova, auf X.
Es ist bekannt, dass Meta, OpenAI, Anthropic und andere Unternehmen interne Token-Ranglisten haben.
Dies wird auch zunehmend zu einer Art Prahlerei. Gründer und Spitzen-Engineer zeigen auf X ihre Token-Verbrauchszahlen, um ihre Einstellung gegenüber KI zu demonstrieren. Ein Mitarbeiter von xAI schrieb, dass die Technologiebranche jede gute Idee in eine "Show" verwandelt.
Ein Nutzer schrieb auf X: "Ich gebe persönlich wöchentlich Tausende von US-Dollar für Tokens aus... Es fühlt sich verrückt an, aber ich kann nicht aufhören, 'tokenmaxxing' zu betreiben."
Der CEO von YC, Garry Tan, scheint diese Vorgehensweise zu unterstützen. Er hat einen Beitrag geteilt, in dem er Firmen dafür kritisierte, "knausrig" mit Tokens umzugehen, und schrieb: "Wir betreiben 'tokenmaxxing' schon länger als die meisten."
Ist "tokenmaxxing" eine gute Motivation? In der Technologiebranche gibt es hierzu große Meinungsverschiedenheiten.
Jon Chu, Partner von Khosla Ventures, schrieb auf X, dass die Verwendung der Token-Verbrauchszahl als Maßstab eine "absolut dumme Politik" sei. Er schrieb: "Viele meiner Freunde bei Meta haben mir erzählt, dass einige Leute Roboter geschrieben haben, die ständig laufen und so schnell wie möglich Tokens verbrauchen, wegen dieser Politik."
Edwin Wee Arbus, Mitarbeiter von Cursor, war vorsichtiger. Er nannte diesen Indikator ein "nützliches, schnelles Proxy, aber mit einigen Mängeln". Er verglich ihn mit dem Body-Mass-Index (BMI): Der BMI kann einige Hinweise auf die Gesundheit geben, aber er spiegelt nicht den Muskel- oder Knochenanteil wider.
Andere haben genau das Gegenteil zu sagen.
"Tokenmaxxing ist der albernste Heuristik-Indikator, den ich je gehört habe. Tatsächlich denke ich, dass bessere Engineer mit weniger Tokens Probleme lösen sollten", schrieb ein Nutzer auf X.
Gergely Orosz, Autor von "The Pragmatic Engineer", war der Meinung, dass diese Vorgehensweise verschwenderisch sei. Er schrieb: "Sobald ein Indikator mit mehr Bonuszahlungen oder Beförderungen verbunden ist, werden Entwickler versuchen, ihn zu manipulieren. Das ist hier auch der Fall."
Jemand hat das Problem von "tokenmaxxing" mit einem Satz zusammengefasst: "Tokenmaxxing ohne Tokenverifizierung ist nur Tokenschlampelei." Das heißt, wenn man nur Tokens verbrennt, ohne die Ergebnisse zu überprüfen, dann produziert man nur eine Menge Token-Müll.
In Silicon Valley wird ein hoher Token-Budget zu einer Art "Ehrenzeichen" unter Entwicklern. Aber wenn man es als Maßstab für die Produktivität verwendet, ist das ziemlich seltsam. Denn der Token-Verbrauch misst die Eingabe, während man eigentlich an der Ausgabe interessiert sein sollte. Wenn man die Mitarbeiter dazu anspornen möchte, mehr KI zu verwenden, oder wenn man selbst Tokens verkauft, dann mag dieser Indikator sinnvoll sein. Aber wenn man die Effizienz steigern möchte, dann macht es keinen Sinn, nur auf den Token-Verbrauch zu achten.