Die großen KI-Unternehmen schlagen gemeinsam einen neuen Weg ein – die Ära der großen Sprachmodelle erlebt ihren „Jevons-Moment“
In der vergangenen Woche nacheinander Grok 4.5, GPT-5.6 und Claude Sonnet 5 vorgestellt.
Auffälliger als die hohe Veröffentlichungsdichte ist die neue Erzählweise dieser Unternehmen zu ihren Modellen.
Das typischste Beispiel ist Elon Musk. Bei der Vorstellung von Grok 4.5 erwähnte er kaum, dass es „das stärkste Modell von xAI“ sei, sondern betonte wiederholt einen Punkt – „ein Modell auf Opus-Niveau“, aber schneller, token-sparender und kostengünstiger.
Derselbe Wandel vollzieht sich auch bei den beiden anderen Unternehmen.
OpenAI formulierte das Ziel von GPT-5.6 so: „Mehr nützliche Arbeit pro Token“. Sam Altman sagte offen, dass Unternehmenskunden heute wirklich daran interessiert sind, welchen Wert sie für ihre KI-Ausgaben erhalten. Anthropic erklärte, dass Sonnet 5 Agentenaufgaben bewältigen kann, für die vor einigen Monaten noch größere und teurere Modelle erforderlich waren.
Wenn „niedrigere Kosten“ zur branchenweiten Selbstverständlichkeit werden, ist der echte Wettbewerb nicht mehr „um wie viel man die Preise senkt“, sondern „Welches Modell kann bei gleichem Preis mehr und schwierigere Aufgaben bewältigen?“
Kosten-Leistungs-Verhältnis wird zum zentralen Faktor des Wettbewerbs.
1. Der Wettbewerb um das Kosten-Leistungs-Verhältnis: Modellunternehmen kombinieren Fähigkeiten, Kosten und Anwendungsfälle neu
Diese Veränderung zeigt sich zuerst im Modellprodukt selbst. Die Modellunternehmen beginnen, verschiedene Fähigkeiten, Kosten und Aufrufmethoden neu zu kombinieren.
Das GPT-5.6 von OpenAI ist das typischste Beispiel. Die Bezeichnung „Sol / Terra / Luna“ ersetzt das bisherige Modellbenennungssystem der letzten Jahre „Flaggschiff + Mini/Nano“. Dies ändert die Logik der Modellhierarchie – früher wurde nach Stärke sortiert, heute nach Anwendungsfall aufgeteilt.
Sol übernimmt komplexe Schlussfolgerungen, Programmierung und anspruchsvolle Aufgaben wie Agenten, aber der Preis entspricht dem des Standard-Flaggschiffs GPT-5.5. Terra hat eine Gesamtleistung, die fast GPT-5.5 erreicht, liegt aber im mittleren Preissegment von GPT-5.4. Luna ist im gleichen Preissegment wie das Open-Source-Modell GLM-5.2 positioniert und konzentriert sich auf Massenaufrufe mit hoher Parallelität und niedriger Latenz.
Der Kern dieser Hierarchie ist: Fähigkeiten folgen dem Anwendungsfall, Kosten passen sich der Aufgabe an. Komplexe Aufgaben nutzen Flaggschiff-Fähigkeiten, alltägliche Aufgaben nutzen das Hauptmodell, und bei häufigen Aufrufen stehen niedrige Latenz und geringe Kosten im Vordergrund.
Im März dieses Jahres führte OpenAI das Preissystem Standard / Batch / Flex / Priority ein, um dieses Konzept auf die Aufrufebene auszuweiten. Dasselbe Modell kann je nach Aufrufart unterschiedlich bepreist werden. Anfragen, die stapelverarbeitet werden und auf die man warten kann, sind günstiger; Anfragen, die niedrige Latenz und hohe Zuverlässigkeit erfordern, sind teurer.
Das bedeutet, dass der Preis nicht mehr nur von den Fähigkeiten des Modells abhängt, sondern auch von den Anforderungen der Aufgabe an Zeit und Stabilität. Latenz, Priorität und Zuverlässigkeit, die früher in der Systemsteuerung verborgen waren, werden nun direkt in die Kostenstruktur aufgenommen.
Ende Juni veröffentlichte Anthropic Claude Sonnet 5, das ebenfalls diesem Trend folgt. Sonnet 5 verfügt über einen integrierten „Effort“-Mechanismus. Dadurch kann der Aufrufer die Schlussfolgerungsintensität je nach Komplexität der Aufgabe anpassen – mittlerer Effort dient zur Kostenkontrolle, hoher Effort erreicht fast die Leistung des Flaggschiffs.
Dies bricht mit der alten Logik: „Wähle ein Modell, und die Kosten sind festgelegt“. Entwickler wählen nicht mehr nur das Modell aus, sondern bestimmen auch, wie viel Rechenleistung sie für einen einzelnen Aufruf einsetzen. Das Kosten-Leistungs-Verhältnis wird so von einem statischen Parameter zu einer dynamischen Anpassung.
Grok 4.5, das am 9. Juli veröffentlicht wurde, hat das Kosten-Leistungs-Verhältnis bereits in die Trainingsphase vorverlegt: Zuerst werden häufige Anwendungsfälle festgelegt, dann werden die Modellfähigkeiten und die Kostenstruktur um diese Fälle herum definiert.
Grok 4.5 ist das erste Modell von xAI, das speziell für Programmierung und Agentenaufgaben trainiert wurde. Es wurde gemeinsam mit Cursor trainiert und nutzt eine große Menge echter Interaktionsdaten von Cursor. Der Preis beträgt 2 US-Dollar pro Million Token für Eingaben und 6 US-Dollar für Ausgaben. Gleichzeitig verfügt es über eine MoE-Architektur, einen Kontext von 500.000 Token und eine konfigurierbare Schlussfolgerungsintensität.
Programmierung und Agenten haben oft lange Kontexte, häufige Aufrufe und komplexe Abläufe. Ein fehlgeschlagener Aufruf kann mehrere Wiederholungen auslösen, sodass die Kosten leicht ansteigen. Grok 4.5 wählt zuerst einen häufigen Eingangspunkt wie Cursor aus, um dann Fähigkeiten und Kosten um echte Aufrufe herum zu optimieren.
Diese drei Modelle zeigen gemeinsam, dass das Kosten-Leistungs-Verhältnis nicht mehr nur ein einfaches Preisetikett ist. OpenAI verteilt verschiedene Fähigkeiten auf unterschiedliche Aufruf-Anwendungsfälle. Anthropic drückt Flaggschiff-Fähigkeiten in das Hauptpreissegment und öffnet die Anpassung der Schlussfolgerungsintensität. Grok berechnet den Standard für „Wirtschaftlichkeit“ in häufigen Programmier-Anwendungsfällen neu.
Der Wettbewerb um große Modelle wandelt sich von „maximalen Fähigkeiten“ zu „optimalen Kosten für effektive Fähigkeiten“.
2. Die wirtschaftliche Rechnung des Kosten-Leistungs-Verhältnisses: Von „Preis pro Token“ zu „Kosten pro Aufgabe“
Im Gegensatz zu herkömmlichen Internet-Apps entspricht jeder Aufruf eines KI-Produkts echten Schlussfolgerungskosten. Je mehr es genutzt wird, desto größer ist der Wert – und desto realer ist der Kostendruck.
Der Wettbewerb um Modelle ist in die Anwendungsphase eingetreten. Das Kosten-Leistungs-Verhältnis entwickelt sich von einer „Preisfrage“ zu einer „Frage des Geschäftsmodells“. Wenn Modelle wirklich in echten Aufgaben eingesetzt werden, hängt die wirtschaftliche Nachhaltigkeit davon ab, ob die Fähigkeiten des Modells bei häufigen Aufrufen stabil und kostengünstig bereitgestellt werden können.
Die Kosten einer echten Aufgabe werden normalerweise von der gesamten Aufgabenablaufkette bestimmt: Anzahl der Eingabe- und Ausgabe-Token, Anzahl der Aufrufe, Kontextlänge, Anzahl der Werkzeugaufrufe, Schlussfolgerungsintensität, Fehlerwiederholrate und mehr fließen in die endgültige Kostenrechnung ein.
Das führt zu einem kontraintuitiven Ergebnis: Ein preisgünstig bepreistes Modell ist nicht unbedingt wirklich günstig.
Wenn der Preis pro Token niedrig ist, aber mehr Gesprächsrunden, längerer Kontext und eine höhere Wiederholungsrate erforderlich sind, sind die Kosten pro Aufgabe nicht unbedingt geringer. Umgekehrt kann ein Modell, das scheinbar teurer ist, letztendlich wirtschaftlicher sein, wenn es Aufgaben in weniger Runden erledigt, Nacharbeiten reduziert und die Fehlerrate senkt.
Die Maßeinheit für das Kosten-Leistungs-Verhältnis von Modellen ändert sich – es zählt nicht nur der Preis pro Token, sondern auch die Kosten, die zur Erledigung einer einzelnen Aufgabe erforderlich sind.
Dass sich in den vergangenen Jahren inländische Modellunternehmen allgemein MoE und spärlicher Aktivierung zugewandt haben, lässt sich auch in diesem Rahmen verstehen.
DeepSeek-V4-Flash hat eine Gesamtparameterzahl von 284 Milliarden, wobei pro Token 13 Milliarden Parameter aktiviert werden. Qwen3-235B-A22B hat eine Gesamtparameterzahl von 235 Milliarden mit 22 Milliarden aktivierten Parametern. Kimi K2.6 hat eine Gesamtparameterzahl von 1 Billion mit 32 Milliarden aktivierten Parametern. Die kürzlich veröffentlichte offizielle Version von Tencents Hunyuan Hy3 nutzt ebenfalls eine MoE-Architektur: 295 Milliarden Gesamtparameter, 21 Milliarden aktivierte Parameter und Unterstützung für 256.000 Token Kontext.
Dass inländische große Modelle gemeinsam auf „große Gesamtparameter + kleine aktivierte Parameter“ setzen, zeigt, dass die Beziehung zwischen Modellfähigkeiten und Aufrufkosten neu gestaltet wird.
Die Gesamtparameter bestimmen, wie groß der Fähigkeitspool des Modells ist und wie viele Wissens-, Schlussfolgerungs-, Code- und Agentenaufgaben es abdecken kann. Die aktivierten Parameter bestimmen, welche Rechenkosten für eine einzelne Schlussfolgerung tatsächlich anfallen. Genau darin liegt der entscheidende Wert von MoE:
Das Modell erhält einen Fähigkeitsbereich, der fast dem von extrem großen Modellen entspricht, ohne dass jeder Aufruf die Rechenkosten für alle Parameter tragen muss.
Mit anderen Worten: Das Kosten-Leistungs-Verhältnis wird bereits in die Phase der Modellarchitekturgestaltung vorverlegt, statt nur eine Preisstrategie nach der Veröffentlichung des Modells zu sein.
Die offizielle Version von Tencents Hunyuan Hy3 ist ein aktuelles Beispiel für diesen Trend. Das Besondere daran ist nicht nur die Gesamtparameterzahl von 295 Milliarden, sondern dass es mit 21 Milliarden aktivierten Parametern einen größeren Fähigkeitspool bedient und seine Fähigkeiten auf echte Aufgaben wie Agenten, Büroarbeit, Wissensverarbeitung und Generierung mehrerer Dateien konzentriert.
Darüber hinaus ist die Intelligenz der offiziellen Hy3-Version deutlich stärker als bei Modellen gleicher Größe – ihre Leistung kann mit Flaggschiff-Modellen mithalten, deren Parameterzahl das 2- bis 5-fache beträgt. Das bedeutet, dass Hy3 mit weniger tatsächlich aktivierter Rechenleistung komplexere Aufgabentypen bewältigen kann.
Von der Vorschauversion zur offiziellen Version stieg der tägliche Token-Verbrauch von Hy3 um das 20-fache – ein Beweis dafür, dass die Wirtschaftlichkeit des Modells nun durch das tatsächliche Aufrufvolumen geprüft wird.
Für inländische Modellanbieter zeigt sich das Kosten-Leistungs-Verhältnis nicht nur bei Open-Source- und API-Preisen, sondern vor allem darin, ob sie mehr Aufgaben in echten Produkten und bei Entwickleraufrufen zu geringeren Kosten unterstützen können.
Daher wird dieser Wettbewerb um das Kosten-Leistungs-Verhältnis im Wesentlichen zu einem Wettbewerb um die Wirtschaftlichkeit pro Aufgabe.
In Zukunft messen sich Modellunternehmen nicht nur an der Größe ihres Fähigkeitspools, sondern auch daran, wie viel Kosten jede Aufgabe tatsächlich für diesen Pool aufwenden muss. Wer mit weniger Rechenleistung, weniger Runden und weniger Wiederholungen mehr echte Aufgaben erledigen kann, besitzt wirklich ein höheres Kosten-Leistungs-Verhältnis.
3. Der Wettbewerb um den „Standardaufruf“: Große Modelle erleben ihren „Jevons-Moment“
Wenn sich die Maßeinheit für das Kosten-Leistungs-Verhältnis zu „Kosten pro Aufgabe“ wandelt, ändert sich auch der Schwerpunkt des Modellwettbewerbs. Das, was Unternehmen und Entwickler wirklich interessiert, verschiebt sich von „Welches Modell ist das stärkste?“ zu „Welches Modell kann langfristig, stabil und kostengünstig standardmäßig aufgerufen werden?“.
Der sogenannte Standardaufruf bezieht sich auf die grundlegende Fähigkeit, die das System in häufigen Anwendungsfällen wie Büroarbeit, Wissensverwaltung, Agenten, Kundenservice und Programmierung bevorzugt aufruft. Es wird nicht immer direkt vom Nutzer gesehen, aber es übernimmt kontinuierlich eine große Anzahl echter Aufgaben.
Diese Veränderung wird bereits von Cloud-Plattformen und Entwicklertools in Produkte umgesetzt. Die von Amazon Bedrock eingeführte „Intelligente Prompt-Weiterleitung“ und der von Microsoft Azure AI Foundry bereitgestellte „Model Router“ bringen den Modellaufruf im Wesentlichen von der „manuellen Auswahl“ zur „einheitlichen Steuerung“: Das System leitet Anfragen je nach Aufgabenkomplexität, Kosten, Latenz und Leistung an das geeignetere Modell weiter.
Auch OpenRouter, LiteLLM und Dify im Entwickler-Ökosystem übernehmen eine ähnliche Rolle. Einheitliche APIs, Mehrmodell-Weiterleitung, Budgetkontrolle und Standardfähigkeitskonfigurationen wie Schlussfolgerungsmodelle integrieren die Modelle in übergeordnete Anwendungsframeworks und unternehmensweite KI-Gateways.
Dies wird die Wettbewerbsweise auf dem Modellmarkt neu gestalten. In Zukunft werden viele Aufrufe nicht direkt von Endnutzern bestimmt, sondern im Voraus von Cloud-Plattformen, KI-Gateways, Entwicklungsframeworks und unternehmensweiten zentralen Systemen zugewiesen. Wer in die Standardkonfigurationen dieser Systeme aufgenommen wird, erhält einen höheren Anteil an echten Aufrufen.
Der erste Wert des Standardaufrufs liegt in der Größe. Wenn ein Modell eine große Anzahl stabiler täglicher Aufgaben von Unternehmen und Entwicklern übernimmt, kann es auch bei geringem Preis pro Aufruf eine solide geschäftliche Grundlage bilden.
Die Größe führt zudem zu Feedback. Fehlerraten, Wiederholungsraten, Nutzerkorrekturen, Wege von Werkzeugaufrufen und Kontextorganisation in echten Aufgaben helfen wiederum, Modelle und Systeme zu optimieren. Die Weiterentwicklung von Modellen hängt nicht nur von statischen Bewertungen ab, sondern vor allem von der Offenlegung, Korrektur und Iteration im tatsächlichen Einsatz.
Noch wichtiger ist, dass Standardaufrufe zu einer Ökosystembindung führen. Sobald Entwickler Prompts, Werkzeugaufrufe, RAG-Abläufe, Agenten-Frameworks, Bewertungsstandards und Sicherheitsrichtlinien um ein bestimmtes Modell herum optimiert haben, wird dieses Modell von einem austauschbaren API-Teil zu einem Bestandteil der Anwendungsarchitektur.
Auf diese Weise bildet das „Kosten-Leistungs-Verhältnis“ einen neuen Wettbewerbszyklus: Niedrigere Kosten pro Aufgabe führen zu mehr Standardaufrufen. Mehr Standardaufrufe führen zu größerem Aufrufvolumen und mehr echtem Feedback. Das echte Feedback treibt wiederum die Optimierung von Modell und System voran und senkt weiter die Kosten pro Aufgabe.
Die Kombination von Tencents Hunyuan Hy3 und WorkBuddy zeigt diesen Trend. WorkBuddy übernimmt häufige Aufgaben wie Unternehmensbüroarbeit, Dateiverarbeitung und Ablauforchestrierung – Hy3 gelangt über diesen Eingangspunkt in echte Arbeitsabläufe.
Öffentlichen Informationen zufolge stieg der tägliche Token-Verbrauch von Hy3 von der Vorschau zur offiziellen Version um das 20-fache, und die Anzahl der Nutzer, die auf WorkBuddy selbst die Vorschauversion von Hy3 ausgewählt haben