Die Ära des mühelosen Geldverdienens mit APIs geht zu Ende: Kimi zerschlägt die Wettbewerbsburggraben, OpenAI steht völlig ohne Unterstützung da, und Google steckt nach wie vor tief in internen Reibereien fest.

Mit den von dem Unternehmen ausgegebenen Computern haben sie in Bürosoftware die Roadmap des ehemaligen Arbeitgebers geheim geplant und sogar die Zeile „LOL“ eingetippt – dieser wahrscheinlich technikunfähigste Leckfall in der Geschichte wurde gerade von Apple auf frischer Tat ertappt. Dutzende von OpenAI-Mitarbeitern haben Benachrichtigungen über die rechtliche Sicherung von Beweismitteln erhalten.

Hinter diesem absurden Rechtsstreit verbirgt sich tatsächlich die zunehmend isolierte Situation von OpenAI. Elon Musk, Dario, Gründer von Anthropic, Microsoft – der größte Geldgeber, der sie dafür kritisiert, dass sie Nutzerdaten entnehmen – und jetzt auch Apple. Ehemalige Freunde werden einer nach dem anderen zu Feinden.

Nicht nur verlieren sie Freunde, sondern auch ihr zentralstes Geschäftsmodell zur Gewinnerzielung steht kurz vor dem Kollaps. Früher war das Vorgehen großer Technologieunternehmen sehr direkt: Man investierte massiv Geld, um das intelligenteste Modell zu trainieren, und verlangte dann hohe Gebühren für die API. Doch jetzt schrumpft der Wettbewerbsvorteil stetig. Moonshot hat letzte Woche gerade Kimi K3 mit 2,8 Billionen Parametern vorgestellt, dessen Leistungsniveau stabil im Bereich von GPT-5.5 und Opus 4.8 liegt. Der technische Abstand zwischen Open-Source-Modellen und dem Spitzenniveau in den USA wurde von 15 Monaten auf 4 Monate verkürzt. Angesichts zuverlässiger Alternativen, die 40 % oder sogar 70 % günstiger sind, fällt es Unternehmen schwer, weiterhin blind hohe Prämien für „hochmoderne Intelligenz“ zu zahlen.

Satya von Microsoft hat kürzlich online ein „umgekehrtes Informationsparadoxon“ erwähnt und Unternehmen davor gewarnt, ihre gesamten Kerndaten zur Nutzung von Modellen herauszugeben, damit der Anbieter immer stärker wird. Das ist im Grunde ein subtiler Hinweis an Kunden: Kaufen Sie keine APIs von diesen wenigen Anbietern.

In der neuesten Folge des Big Technology Podcast haben der Gast Ranjan Roy und der Moderator diese chaotische Woche analysiert:

Das Modell, hohe API-Gebühren durch „Monopol auf Intelligenz“ zu verlangen, funktioniert nicht mehr. Kimi K3 beweist, dass Open-Source-Modelle den technischen Abstand auf vier bis fünf Monate verkürzt haben und ihre Leistung stabil in der ersten Liga liegt. Wenn große Unternehmen und Cloud-Anbieter Open-Weight-Modelle dieses Niveaus direkt einsetzen können, werden die hohen Gewinne modernster Modelle stark zusammengedrängt, und künstliche Intelligenz wird zu einem alltäglichen Handelsgut.

Der Wettbewerb konzentriert sich nun darauf, „das bessere Produkt zu entwickeln“. Da alle Seiten über intelligente Modelle und erschwingliche Alternativen verfügen, können Spitzenlabore nicht mehr erwarten, ihr Leben lang nur vom Verkauf von Modellen zu profitieren. Wenn Sie darauf setzen, dass OpenAI und Anthropic gewinnen, müssen Sie glauben, dass sie die weltweit besten Teams für KI-Produkte sind – derzeit beweist Anthropic das mit Claude Code.

Sogar Google vermietet seine Rechenleistung, aber sein Flaggschiffmodell wird wegen internen Machtkämpfen verzögert. Google hat immer noch Vorteile bei Multimodalität, aber bei der KI-Programmierung agiert es langsam. Google Cloud, DeepMind und Android entwickeln alle separat eigene Programmierwerkzeuge, und sogar einige puristische Ingenieure weigern sich, KI zum Schreiben von Kerncode zu verwenden – interne Reibereien verlangsamen den Fortschritt massiv.

Hinter diesem „dümmsten Leckfall“ steckt, dass OpenAI keine Freunde mehr hat. OpenAI hat etwa 400 ehemalige Apple-Mitarbeiter eingestellt, und jetzt sind Dutzende von ihnen in den Rechtsstreit verwickelt. Nicht nur Apple, auch Satya von Microsoft verteidigt sich mit dem „umgekehrten Informationsparadoxon“. In dieser Branche kommt man mit Alleingängen nicht weit.

In der Nacht vor dem Fall der Mauern: Warum bringt Kimi K3 das Silicon Valley und die Wall Street gleichzeitig in Aufregung?

Moderator: Die Mauern von OpenAI und Anthropic brechen zusammen: Günstigere Modelle und neue Open-Source-Konkurrenten aus China bedrohen ihre Rentabilität. Gleichzeitig verschiebt Google die Veröffentlichung seines Flaggschiffmodells und scheint auf der Stelle zu treten. Und warum kann OpenAI seine Partner nicht behalten, sondern lässt sie einer nach dem anderen unzufrieden werden?

Diese Folge gehört ganz Kimi K3. Wir diskutieren umfassend diesen neuen Herausforderer aus China: Ein Modell mit 2,8 Billionen Parametern, das die Spitzenklasse angreift und fast alle Modelle außer Fable übertrifft. Anschließend sprechen wir darüber, was das bedeutet und ob der Preiskampf wirklich begonnen hat – besonders nachdem Meta und SpaceX ebenfalls günstigere Modelle veröffentlicht haben.

Wir sprechen auch über die aktuelle Situation bei Google: Was dort genau schiefgelaufen ist und warum das neueste Modell verzögert wird. Und natürlich über OpenAI, über das wir letzte Woche nicht sprechen konnten, weil nur wenige Stunden nach der Veröffentlichung des letzten Podcasts Apple die Klage gegen OpenAI eingereicht hat. Also sprechen wir heute natürlich über diesen Rechtsstreit – und vor allem darüber, warum OpenAI seine Partner derzeit nicht behalten kann (zumindest nicht lange).

Wie jede Woche ist Ranjan Roy von Margins bei uns. Ranjan, schön, dich zu sehen.

Ranjan Roy: Alles Gute zum Kimi-K3-Tag. Das ist der Kimi-Moment. Bist du bereit?

Moderator: Natürlich bin ich bereit. Für die Geschichte der KI ist das eine extrem wichtige Woche, vielleicht sogar eine Woche, die die Landschaft verändert – weil Kimi K3 in das Spiel eingetreten ist.

Ich lese zuerst den Bericht von Bloomberg vor, dann diskutieren wir. Bloomberg schreibt: „Das leistungsstarke neue KI-Modell aus China überrascht Investoren und löst einen Ausverkauf von Technologieaktien aus. Ein unerwarteter Durchbruch des chinesischen KI-Startups Moonshot hat am Freitag die globalen Märkte erfasst. Investoren vergleichen das mit dem DeepSeek-Moment im letzten Jahr, was zu einem starken Rückgang der Kurse von KI- und Halbleiteraktien führte. Der Auslöser war das neue Modell Kimi K3 von Moonshot, das nach Angaben des Unternehmens mit den stärksten Produkten von OpenAI und Anthropic mithalten kann. Diese Veröffentlichung wurde schnell als neues Kimi-Moment bezeichnet.“

Die Risikokapital-Analystin Ling, Geschäftsführerin von Union Square Ventures, hat eine interessante Aussage gemacht. Sie sagte, die Sorge der Menschen sei: Wenn US-Unternehmen beginnen, mehr chinesische Modelle zu nutzen und weniger Modelle von Anthropic, wird Anthropic weniger investieren. Das bedeutet, dass US-Unternehmen ihre Kapitalausgaben senken und letztlich auch die Nachfrage nach Halbleitern beeinträchtigt wird.

Im Großen und Ganzen läuft es so: Die Modelle von OpenAI und Anthropic waren immer führend, während andere Modelle etwa 10 bis 15 Monate zurücklagen und für weniger anspruchsvolle Aufgaben geeignet waren. Aber Moonshot hat gerade erst das erfolgreiche Kimi K2 vorgestellt und nun dieses riesige Modell Kimi K3 mit 2,8 Billionen Parametern veröffentlicht. In fast allen Benchmarks liegt es auf dem Niveau von GPT-5.6 und Opus 4.8. Sogar bei ProgramBench und SWE Marathon übertrifft es Fable 5. Nach allen Benchmarks, mit denen wir die Modellleistung messen, gehört es zu den Top-Modellen.

Das ist wichtig, weil es zeigt, dass chinesische Open-Source-Modelle nicht 10 bis 15 Monate hinter der US-KI zurückliegen – der Abstand beträgt höchstens vier bis fünf Monate, vielleicht sogar noch weniger. Wenn das stimmt, warum sollte man dann geschlossene, teure Modelle wählen statt Open-Source-Modelle? Welchen Wert hat es noch, das stärkste Modell zuerst zu entwickeln, wenn andere so schnell aufholen können? Das ist meine Meinung. Ranjan, was denkst du?

Ranjan Roy: Ich halte das für ein großes Ereignis, das wirklich mit dem DeepSeek-Moment vergleichbar ist – denn die zugrundeliegende Logik ist dieselbe. Letztendlich fragt man sich bei modernsten Modellen immer: Warum sollte man darin investieren? Was macht sie wirklich wichtig? Sind sie im Vergleich zu wirklich nutzbaren Produkten noch ein Wettbewerbsvorteil? Gibt es keinen günstigeren, besseren Weg? Das bestätigt erneut meine seit langem geäußerte Meinung: Viele Aufgaben, die künftig von Agenten übernommen werden, brauchen keine modernsten Spitzenmodelle. Zumindest sehe ich das nicht so. Jetzt gibt es leistungsstarke, viel günstigere Open-Source-Modelle – und Unternehmen werden höchstwahrscheinlich diese wählen.

Lassen wir die sino-amerikanischen Technologiebeziehungen einmal beiseite, ich will das nicht als Technikkrieg bezeichnen. Aber in den letzten Monaten haben sich alle Gespräche, an denen ich teilgenommen habe, auf die Interoperabilität von Modellen konzentriert: Welches Modell eignet sich für welche Aufgabe? Jetzt wird den Menschen noch klarer: Warum brauche ich Fable, warum brauche ich GPT-5.6, wenn es so viele andere Alternativen gibt? Modelle werden zunehmend zu Handelsgütern – der Wettbewerb wird darum gehen, wie man Modelle einsetzt, wie man Prozesse gestaltet und wer die Daten besitzt. Ich will das nicht als völligen Umsturz preisen, aber die Behauptung, dass „moderne Spitzenmodelle ein riesiger Wettbewerbsvorteil sind“, wird dadurch deutlich unhaltbarer.

Aber das Problem ist: Kimi ist nicht viel günstiger als andere Modelle, und in Benchmarks hat es die neuesten Spitzenmodelle nicht wirklich besiegt. Zum Beispiel hat es in den meisten Benchmarks Fable nicht übertroffen. Es schlägt die Modelle 5.5 und 5.6 von OpenAI sowie Opus 4.8, aber es erreicht nicht das Niveau des allerbesten Fable-Modells. Also ist es nicht deutlich besser. Es ist auch nicht viel günstiger als Grok 4.5 oder Muses 1.1 von Meta – letztere beiden sind billiger und können in einigen Benchmarks auch mit der Opus-4.8- und GPT-5.5-Modellreihe mithalten.

Für mich ist der letzte kleine Unterschied zwischen DeepSWE und den Spitzen-Benchmarks viel weniger wichtig, als ob das Modell ungefähr das Niveau von 4.8 oder 5.5 erreicht. Wenn man dieses Niveau erreicht, ist man im Spiel. Aus dieser Sicht ist es also sehr wichtig, dass es Fable in einigen Benchmarks schlägt.

Moderator: Apropos Grok 5.5 – ich schätze, sie arbeiten noch mit Hochdruck an dieser Version.

Ranjan Roy: Ja, xAI arbeitet tatsächlich daran. Grok 4.5 ist bei Programmier-Benchmarks sehr leistungsstark, soll eine höhere Token-Effizienz haben und vor allem günstig sein. In den letzten acht Tagen haben wir gesehen, dass Meta und Grok in den Markt eingetreten sind. Sie haben keine Modelle veröffentlicht, die besser als Opus 4.8, GPT-5.5 oder GPT-5.6 sind – sondern Modelle, die fast genauso gut sind und nur 25 % oder 50 % des Preises kosten.

Moderator: Also denke ich, das Attraktivste an dieser Veröffentlichung ist: Sie ist nicht absurd billig, aber deutlich günstiger: 3 Dollar pro Million Eingabe-Token und 15 Dollar pro Million Ausgabe-Token. Das ist 40 % günstiger als GPT-5.6 und 70 % günstiger als Fable. Nochmal: Meta ist bereits stark im Markt eingetreten, Grok auch. Noch wichtiger ist: Ein chinesisches Unternehmen sagt hier: „Wir erobern den Markt nicht mit extrem niedrigen Preisen. Wir konkurrieren direkt über Qualität, sind etwas günstiger und geben den Nutzern mehr Kontrolle über das Modell.“

Also ist das meiner Meinung nach etwas anderes. Der Kern von DeepSeek war: Können wir etwas entwickeln, das nicht ganz so gut, aber ausreichend funktional und viel billiger ist? Jetzt sehen wir zum ersten Mal etwas, das in der tatsächlichen Qualität wettbewerbsfähig ist. Ist es besser als Fable 5 oder GPT-5.6, oder schlechter? Die Zeit wird es zeigen. Aber das ist kein billiges Produkt, das man bei Temu kauft. Das ist ein Produkt mit echter Qualität und vernünftigem Preis. Es macht den Menschen klar, dass Spitzenleistung nicht mehr unbedingt ein Wettbewerbsvorteil ist.

Ob das den Investitionszyklus völlig umschreibt – zum Beispiel wenn Anthropic die Investitionen einstellt, weil es merkt, dass Spitzenmodelle keinen Wettbewerbsvorteil mehr bieten – können wir später besprechen. Aber das ist sehr wichtig, denn von nun an werden die Menschen immer häufiger fragen: Welches Modell eignet sich für welche Aufgabe am besten, um Geld und Ressourcen zu sparen? Ich höre diese Aussagen schon jetzt, und das wird noch alltäglicher. Vor sechs Monaten haben die Leute noch gesagt: Wie kann man nicht das modernste Modell nutzen? Es ist offensichtlich das Beste.

Ranjan Roy: Hier sind einige Punkte sehr wichtig.

Früher dachte man vielleicht: „Ich nutze das stärkste Modell.“

Dann gibt man den Ingenieuren das Spitzenmodell von Anthropic oder OpenAI, damit sie Produkte für das Unternehmen entwickeln. Das Modell von Moonshot wird Open-Weight sein. Wenn das Team kompetent genug ist, kann man die Gewichte herunterladen und damit eigene Anwendungen entwickeln. Natürlich ist das Modell so groß, dass man für die eigene Bereitstellung eine Menge Infrastruktur braucht. Das können wahrscheinlich nur Regierungen oder Institutionen wie J.P. Morgan leisten.

Apple hat bereits Ähnliches mit Gemini gemacht, oder? Die Frage ist: Wenn Apple diese Fortschritte gemacht hat, wird es wie bei der Entwicklung von Apple Intelligence mit Google, OpenAI oder Anthropic zusammenarbeiten, um ein starkes Modell zu nutzen – oder wird es auf Open-Source-Modelle umsteigen? Andererseits werden Modelle heruntergeladen und auf verschiedenen Cloud-Plattformen bereitgestellt – damit beginnt die Kommodifizierung. Du hast gerade nur das Angebot von Moonshot genannt: Können die verschiedenen Cloud-Anbieter es effizienter ausführen und den Nutzern zu niedrigeren Preisen anbieten?

Das wird interessant. Das API-Geschäft von OpenAI und Anthropic basierte bisher darauf, Produkte zu entwickeln, die weit stärker als alle anderen verfügbaren Modelle sind, und mit Premium-Diensten extrem hohe Gewinne zu erzielen. Jetzt prallen zwei Kräfte aufeinander: Meta und Grok liefern Modelle mit ähnlicher Leistung, die viel günstiger sind; chinesische Open-Source-Modelle liefern mit wettbewerbsfähigen Preisen eine Leistung, die ihren besten Modellen in nichts nachsteht. Die Anbieter von APIs fragen sich natürlich: Wie viel Gewinn ist in diesem Geschäft noch drin? Werden alle Modelle zu Handelsgütern?

Man muss zugeben, dass Anthropic sich vollständig auf den Unternehmensmarkt verlegt hat und das gut macht. OpenAI hat nicht den gleichen Vorteil im Unternehmensmarkt, aber es investiert offensichtlich stark und hat viele Maßnahmen ergriffen.

Die Gewinne verlagern sich schichtweise: Wenn die Modellebene zum Ende des Monopols auf der Käuferseite wird

Ranjan Roy: Ich denke, die Veröffentlichung von Kimi K3 trifft die Positionierung und Umorientierung von OpenAI am härtesten. Plötzlich ist die Frage „Wofür ist OpenAI eigentlich wichtig?“ viel