OpenAI verdient nicht mehr Geld mit dem Verkauf seiner teuersten Modelle.
Wenn heute noch jemand das meiste Geld ausgibt, um das stärkste Modell von OpenAI aufzurufen.
OpenAI würde ihm stattdessen empfehlen, ein anderes zu wählen.
Am 30. Juli veröffentlichte OpenAI eine Ankündigung zur Preisanpassung.
Das Modell GPT-5.6Luna wird um 80 % günstiger, das Modell Terra um 20 %.
Wenn man diese Nachricht sieht, richtet sich der Fokus leicht darauf, dass im Silicon Valley ein Preiskrieg beginnt.
Aber wenn man die offiziell veröffentlichten technischen Dokumente und die Anleitung für API-Aufrufe sorgfältig durchliest, wird man erkennen, dass die wirklich bemerkenswerte Maßnahme nicht in den Preiszahlen selbst liegt.
Im Wesentlichen beginnt OpenAI damit, den Nutzern zum ersten Mal mitzuteilen, dass für viele Aufgaben nicht unbedingt das stärkste Modell verwendet werden muss.
Die offizielle Seite gibt einen sehr konkreten Vorschlag: Bei einer komplexen Aufgabe soll zuerst GPT-5.6Sol für die Anforderungsanalyse und das Entwerfen des Plans verwendet werden, dann an Luna übergeben werden, um die Ausführung durchzuführen, Code zu schreiben und Tests auszuführen.
Das teuerste Modell ist für das Denken zuständig, das günstigste für die Arbeit. Diese Strategie wäre vor zwei Jahren gleichbedeutend mit einer geschäftlichen Selbstverneinung gewesen.
Man muss wissen, dass in der Vergangenheit die gesamte KI-Branche alle Menschen dazu angetrieben hat, dem Markt mitzuteilen, dass ihr Modell das intelligenteste ist.
Heute jedoch tritt OpenAI auf und sagt, dass man nicht immer das Teuerste kaufen muss.
Dieses Ereignis ist viel wichtiger als die Preissenkung.
I. Das Einverständnis der beiden Giganten im Silicon Valley
Sehen wir uns zuerst die Ereignisse der letzten zwei Wochen an.
Am 30. Juli passte OpenAI die Preise an. Luna wird um 80 % günstiger, Terra um 20 %. Der Preis von Sol wurde nicht gesenkt, sondern der Fast-Modus hinzugefügt, der bis zu 2,5 Mal schneller als der Standardmodus sein kann, wobei der Preis verdoppelt wird, aber das Intelligenzniveau völlig gleich bleibt.
Die Top-Modelle bleiben erhalten. Die Modelle, die wirklich in großen Mengen verkauft werden, sind die der mittleren und unteren Preisklasse.
Eine Woche davor.
Am 24. Juli tat Anthropic fast dasselbe: Claude Opus 5 wurde veröffentlicht, die Eingabe von einer Million Token kostet 5 Dollar, die Ausgabe 25 Dollar, also genau die Hälfte des Preises von Fable 5.
Im Vergleich zu Leistungsdurchbrüchen betont Anthropic nach außen mehr seine Wirtschaftlichkeit: Mit nur halbem Preis erhält man eine Spitzenleistung im Schließen, die sich Fable 5 unendlich nahe kommt.
Vor nur einem Monat war Fable 5 noch das von Anthropic stark beworbene Flaggschiff: stärkste Schlussfolgerung, längster Kontext, höchster Preis. Einen Monat später fand Anthropic selbst einen Ersatz für das Flaggschiff zum halben Preis.
Wenn nur ein Unternehmen dies tut, kann man es als Produktanpassung verstehen. Wenn zwei Unternehmen fast gleichzeitig handeln, ist das kein Zufall.
Sie alle beginnen, die Bedeutung der Flaggschiff-Modelle aktiv zu verringern.
II. Das Flaggschiff steht für die Glaubwürdigkeit, die Massenprodukte bringen den Gewinn
Ich habe danach lange darüber nachgedacht, warum es ausgerechnet jetzt passiert.
Die Antwort ist eigentlich nicht kompliziert.
In der Vergangenheit lag der größte Wert der Flaggschiff-Modelle nicht im Gewinnen von Geld, sondern im Beweis der technischen Führerschaft. Nach der Veröffentlichung von GPT-4 stieg die Bewertung von OpenAI stetig an. Bei jeder Aktualisierung von Claude definierte Anthropic seine technische Position neu. Die Flaggschiff-Modelle tragen den Markenwert.
Aber dort geben Unternehmen nicht wirklich Geld aus.
Ein Unternehmen führt täglich Millionen von API-Aufrufen durch: Kundenservice, Suche, Genehmigung, Codegenerierung, Agent-Ausführung. Diese häufigen Aufgaben verbrauchen den größten Teil der Token. Was Unternehmen bei der Beschaffung am meisten interessiert, ist nicht der erste Platz im Benchmark, sondern wie viel eine Aufgabe kostet, ob sie stabil genug ist und ob der ROI hoch ist.
Wenn das Aufrufvolumen auf täglich mehrere zehn Millionen ansteigt, wird der geringe Intelligenzvorteil des Flaggschiff-Modells durch die enormen Rechenkosten sofort zunichte gemacht.
Die Aktionen und Erklärungen von OpenAI markieren einen Wendepunkt: Die Top-Flaggschiffe tragen nicht mehr die Verantwortung für das Gewinnen von Geld.
III. Die KI beginnt in die Ära der "Massemodelle" einzutreten
Diese Szene hat die Automobilindustrie schon lange erlebt.
Vor zwanzig Jahren definierte die 7er-Baureihe die Höhe von BMW, die S-Klasse trug den luxuriösen Charakter von Mercedes, die A8 begründete das Flaggschiff-Image von Audi. Die Flaggschiff-Modelle bestimmten die Obergrenze der Marke. Aber die Grundplatte, die den Absatz der Marke stützt und Gewinne erzielt, waren immer der BMW 3er, die Mercedes C-Klasse und der Audi A4.
Später wurde es deutlicher: Das Model S bewies, dass Tesla Autos bauen kann. Was es aber zu einem globalen Automobilhersteller machte, waren das Model 3 und das Model Y.
Das Flaggschiff beweist die Fähigkeit, die Massemodelle sorgen für die Größe.
Die KI tritt heute auch in diese Phase ein. Sol und Fable werden weiterhin existieren, sie sind dafür zuständig, die technische Obergrenze zu erreichen und die Benchmarks zu erneuern. Was die Kommerzialisierung wirklich trägt, werden zunehmend Luna, Terra und Opus sein.
OpenAI hat dieses Mal sogar den Empfehlungsablauf öffentlich geschrieben: Sol ist für die Planung zuständig, Luna für die Ausführung.
Das ist nicht nur ein einzelnes Modell, OpenAI entwirft eine Arbeitsteilung zwischen Modellen. In Zukunft kaufen Unternehmen nicht mehr nur ein einzelnes Modell, sondern ein ganzes System von Modellen. Was die Kosten wirklich bestimmt, ist nicht der Chefdesigner, sondern das Bauteam, das jeden Tag arbeitet.
IV. Modelle beginnen, Modelle zu optimieren
Es gibt noch ein Detail, das ich interessanter finde als die Preissenkung selbst.
OpenAI erwähnte in der technischen Erklärung, dass diese Preissenkung nicht nur darauf zurückzuführen ist, dass mehr GPUs beschafft wurden, oder dass der Umfang größer wurde. Der wahre Grund ist, dass die Modelle beginnen, an der Optimierung von Modellen teilzunehmen.
Genauer gesagt hat Sol unter Anleitung menschlicher Ingenieure den zugrundeliegenden Produktionskern selbst neu geschrieben und optimiert. Es hat selbst Hunderte von Experimenten entworfen, um die Effizienz der Tokengenerierung zu verbessern, und nimmt sogar an der Überwachung des Modelltrainingsablaufs teil, um nach dem Entdecken von Problemen direkt einzugreifen.
Das Ergebnis ist, dass die End-to-End-Laufkosten um 20 % gesunken sind und die Effizienz der Tokengenerierung um 15 % gestiegen ist.
Diese Information wird leicht übersehen, aber sie hat eine große Bedeutung.
In der Vergangenheit wurde die Effizienzsteigerung von Ingenieuren erreicht. Nach der Veröffentlichung des Modells optimierten die Menschen schrittweise das Schlussfolgerungs-Framework, CUDA, Caching-Strategien und Planungsalgorithmen. Wenn man im Laufe eines Jahres mehr als zehn Prozent an Effizienzsteigerung herausholte, war das schon gut.
Heute geht die technische Entwicklung einen neuen Weg. Die Modelle beginnen, die technische Optimierung des zugrundeliegenden Codes und der Rechenkapazitätsplanung zu übernehmen und laufen rund um die Uhr iterativ.
Das ist ein Kreislauf, der sich ständig beschleunigt: Je intelligenter das Modell ist, desto stärker ist seine Fähigkeit, an der Optimierung teilzunehmen. Je schneller die Optimierung, desto schneller sinken die Kosten. Je niedriger die Kosten, desto größer das Aufrufvolumen. Je größer das Aufrufvolumen, desto mehr Daten entstehen, die das Modell weiter trainieren.
Ich habe mir die Preisänderungen von OpenAI in den letzten zweieinhalb Jahren angesehen. Bei der Erstveröffentlichung von GPT-4 kostete die Eingabe 30 Dollar pro Million Token, bei GPT-4o sank sie auf 5 Dollar, bei GPT-4o mini auf 0,15 Dollar. Jetzt liegt der Preis von Luna nahe dem günstigen Bereich der früheren Mini-Modelle, aber sein gesamtes Intelligenzniveau ist weit höher als das des teuren GPT-4 vor zwei Jahren.
In mehr als zwei Jahren sind die Preise um fast zwei Größenordnungen gesunken. Wenn die Modelle sich weiter an der Optimierung selbst beteiligen, wird diese Kurve höchstwahrscheinlich weiter nach unten gehen.
Das wirklich Schreckliche ist nicht, dass der Preis heute um 80 % gesunken ist, sondern dass der Kostenrückgang eine selbstgetriebene Fähigkeit erlangt hat.
V. Von "Wer ist am intelligentesten" zu "Wer ist am wertvollsten"
Ich finde zunehmend, dass die Menschen heute bei der Diskussion über den Wettbewerb im Bereich der KI manchmal noch das Framework der vorherigen Phase anwenden.
Zum Beispiel fragen sie oft noch: Wer ist am intelligentesten? GPT, Claude, Gemini, DeepSeek – bei jeder Veröffentlichung eines neuen Modells schauen die Medien sofort auf die Rangliste. Wer den ersten Platz belegt, hat gewonnen.
Aber die neuen Maßnahmen von OpenAI und Anthropic brechen dieses Muster, sie übermitteln dem Markt ein neues Signal: Die Anziehungskraft des einzelnen Spitzenmodells nimmt ab.
OpenAI hat in seiner Ankündigung einen Satz erwähnt, den ich für besonders wichtig halte: Es empfiehlt Entwicklern, verschiedene Modelle entsprechend der Wichtigkeit der Aufgabe, dem Kostenaufwand bei Fehlern, der Dringlichkeit und dem Umfang zuzuordnen.
Achtung: Es diskutiert nicht mehr über Modelle, sondern über Aufgaben.
In der Vergangenheit hatte ein Unternehmen bei der Bereitstellung von KI meist nur eine Wahl. Ab heute ähnelt es mehr dem Aufbau einer Organisation: Die wichtigsten Aufgaben werden mit Sol erledigt, die tägliche Ausführung an Luna übergeben, und in Zukunft gibt es vielleicht noch leichtere Modelle für einfachere Dinge.
Das ähnelt sehr der Entwicklung des Cloud-Computing in der Vergangenheit: Niemand legt alle Daten auf das teuerste SSD. Heißdaten werden auf SSD gespeichert, normale Daten auf HDD, kalte Daten im Objektspeicher. Die Menschen diskutieren nie, welche Festplatte die schnellste ist, sondern wie das gesamte System am kostengünstigsten aufgebaut wird.
DeepSeek hat diese Richtung schon früher als das Silicon Valley erkannt. In den letzten sechs Monaten hat es kaum betont, dass es unbedingt das intelligenteste der Welt ist, sondern wiederholt nur einige Stichwörter: Günstig, schnell genug, ausreichend leistungsfähig.
Nach dem Caching-Treffer ist der Preis pro Million Token so niedrig, dass er fast vernachlässigt werden kann. Es setzt ständig auf eines: Was Unternehmen brauchen, ist kein Weltmeister, sondern die Bereitstellungsoption mit dem höchsten Gesamt-ROI.
Das ist kein kurzfristiger Preiskrieg. Die Nachfolge der beiden Giganten aus dem Silicon Valley bestätigt die Notwendigkeit dieses Geschäftswegs.
VI. Was OpenAI wirklich verkaufen will, sind keine Modelle
Bis heute ist die Strategie von OpenAI klar: Was es wirklich verkaufen will, sind keine Modelle mehr, sondern das Aufrufvolumen.
In der Vergangenheit waren die Modellanbieter auf hohe technische Prämien angewiesen, um hohe Bruttomargen zu erzielen. Jetzt hat sich die Betriebslogik geändert: Mit extrem niedrigen Hürden wird ein Ökosystem mit einem riesigen Verkehrsaufkommen erreicht.
Microsoft verdient sein Geld nicht, weil Windows teuer verkauft wird, sondern weil Windows auf allen Computern installiert ist. AWS verdient auch nicht, weil der Gewinn pro Server hoch ist, sondern weil weltweit täglich unzählige Anwendungen darauf laufen.
Die Einnahmen einer Plattform hängen immer von der Durchdringungsrate ab.
Das erklärt, warum der Preis von Sol nie verändert wurde. Sol trägt den Markenwert, es beweist, dass OpenAI immer noch das Unternehmen mit der höchsten technischen Obergrenze ist. Und Luna ist der Einnahmemotor.
OpenAI hofft, dass Entwickler eine neue Standardgewohnheit entwickeln: Sie verwenden Luna zum Schreiben von Agenten, zum Ausführen von Workflows und für die Massenausführung. Nur wenn sie auf wirklich schwierige Probleme stoßen, rufen sie einmal Sol auf.
Sobald diese Standardgewohnheit etabliert ist, wird der spätere Wettbewerb sehr schwierig. Wenn ein Unternehmen das zugrundeliegende Modell migriert, bedeutet das, dass der gesamte Workflow neu getestet, verifiziert und angepasst werden muss. Die Migrationskosten werden immer höher.
Der echte Graben hat sich von der Fähigkeitsführerschaft zur Ökosystembindung verschoben.
VII. Die Flaggschiff-Modelle bestimmen nicht mehr die Richtung
Wenn man die Zeit betrachtet, durchläuft die KI-Branche einen sehr typischen Wendepunkt der Größenvorteile.
Wenn die Kosten pro Rechenkapazitätseinheit extrem niedrig sinken, nimmt die Gesamtnachfrage des Marktes nach Token nicht mit sinkendem Stückpreis ab, sondern explodiert exponentiell.
Die Flaggschiff-Modelle bestimmen nicht mehr die Richtung, da der Schwerpunkt der technischen Entwicklung von der Erkundung der Obergrenze der Intelligenz zur industriellen Kostensenkung der Rechenkapazität übergeht. Wenn die Kosten für API-Aufrufe so niedrig werden, dass sie fast vernachlässigt werden können, werden Form und Grenzen der Modelle verschwimmen.
Unternehmensentwickler kümmern sich nicht mehr um den Verlust jedes einzelnen Token, sondern integrieren KI nahtlos in jeden Geschäftsprozess.
Der tiefste Punkt dieser Umwandlung ist, dass der Preissturz der API die Migrationskosten der gesamten Softwareentwicklung erhöht. Sobald die Workflows, das Agent-Planungsnetzwerk und die automatisierten Datenpipelines eines Unternehmens alle auf einer Kombination von kostengünstigen Modellen aufbauen, hat der Anbieter des zugrundeliegenden Modells die Rechenkapazitätspipeline für die nächsten zehn Jahre gesichert.
In den letzten Jahren verkauften die Unternehmen für große Modelle Intelligenz. Ab heute beginnen sie,