Geschlossener Quellcode und Open Source kollidieren gerade.
Einer der ungewöhnlichsten Trends im KI-Bereich in letzter Zeit: Modelle mit geschlossenem Quellcode werden immer günstiger, Open-Source-Modelle hingegen werden immer teurer. Ganz ehrlich, das ist kein umgekehrter Irrtum.
Klingt das nicht verkehrt herum?
Unserer Intuition nach lassen sich Open-Source-Gewichte kostenlos herunterladen und beliebig ausführen – wie teuer können sie schon werden? Die API von Modellen mit geschlossenem Quellcode wird nach Tokens abgerechnet, Unternehmen zahlen hier einen Monopolaufschlag. Und Sie sagen, sie werden günstiger? Das glaubt doch kein Mensch.
Aber die Daten lügen nicht. BenchLM hat einen Index, der speziell die Marktpreise der KI-Inferenz verfolgt.
Seit März 2023 ist der tatsächliche Transaktionspreis aller Spitzenmodelle um 88 % gefallen. Beachten Sie: Es handelt sich um den Marktpreis, also die Summe, die die Leute tatsächlich mit echtem Geld ausgeben.
Der Medianpreis von Spitzenmodellen liegt heute bei 4,50 USD pro Million Token. Im mittleren Preissegment sind es 1,93 USD. Für Projekte mit niedrigem Budget sinkt der Preis direkt auf 0,50 USD.
In nur drei Jahren hat sich die Situation von „Jede Nutzung tut weh“ zu „Benutze es einfach, es ist ja nicht teuer“ gewandelt.
Klingt, als wäre der gesamte Trend einseitig, nämlich ständig günstiger zu werden. Open Source muss auf jeden Fall noch günstiger sein, das steht außer Frage.
Warte mal. Hier gibt es ein Schlüsselkonzept namens ausgabengewichteter Preis, der vergleicht, wie viel Geld Nutzer tatsächlich bereit sind auszugeben.
Bloomberg und Silicon Data haben gemeinsam den LLM Token Expenditure Index herausgebracht, der genau diesen Zweck erfüllt – und die Ergebnisse sind sehr interessant.
Der Gesamtindex liegt bei etwa 1,29 USD pro Million Token, das klingt erstmal in Ordnung, nicht zu absurd. Wenn man ihn aber aufteilt, sieht man zwei Linien, die in völlig entgegengesetzte Richtungen laufen.
Der Preis für Modelle mit geschlossenem Quellcode sinkt stetig von 3,07 USD, während der Preis für Open-Source-Gewichte von 0,66 USD stetig steigt.
Ja, Sie haben richtig gelesen. Open Source wird teurer. Das Merkwürdige daran ist, dass die Gewichtsdateien von Open-Source-Modellen tatsächlich kostenlos heruntergeladen werden können – wieso soll der Preis also steigen?
Der Grund ist einfach: Kostenlos sind nur die Gewichtsdateien, nicht die Kosten für den Betrieb.
Wenn Sie mit einem Open-Source-Modell Inferenz ausführen, brauchen Sie GPUs, Ingenieure, die Parameter abstimmen, Quantisierung durchführen, Speicherüberläufe beheben, Prompt-Vorlagen anpassen – und sogar um 2 Uhr nachts aufstehen, um Fehler zu beheben, wenn die Unternehmensgruppe eine Meldung auslöst. All diese Dinge werden Sekunde für Sekunde in der Buchhaltung erfasst.
Noch wichtiger ist der Skaleneffekt: Immer mehr Menschen nutzen Open-Source-Lösungen.
Daten von OpenRouter zeigen, dass der Token-Anteil von DeepSeek von 10 % zu Beginn dieses Jahres auf 18 % gestiegen ist; der Anteil aller chinesischen Open-Source-Modelle ist von weniger als 2 % Anfang 2025 auf 46 % im Juni 2026 explodiert. Fast die Hälfte.
Wenn alle Open-Source-Modelle ausführen und der Token-Anteil von 34 % auf 65 % steigt, wird die Gesamtrechnung nur steigen – das ist ein physikalisches Gesetz, das kaum etwas mit Geschäftsmodellen zu tun hat.
Und was ist mit der Seite der Modelle mit geschlossenem Quellcode? Sie bewegt sich in die andere Richtung.
Anthropic hat seine Bruttomarge für Inferenz von minus 94 % auf über 60 % gesteigert. Was bedeutet minus 94 %? Das heißt: Bei jedem eingenommenen Dollar verlor man 94 Cent; heute verdient man 60 Cent bei jedem eingenommenen Dollar.
Wie hat man das geschafft? Durch Skaleneffekte, Inferenzoptimierungen und sinkende Hardwarekosten. Aber der wichtigste Treiber ist der Wettbewerb.
OpenAI, Google Gemini und Claude kämpfen erbittert im gleichen Preissegment; wenn Ihre API doppelt so teuer ist wie die der Konkurrenz, schickt der CIO des Unternehmens am nächsten Tag eine E-Mail: Warum?
Also wird der Preis von Modellen mit geschlossenem Quellcode durch den Wettbewerb massiv nach unten gedrückt.
Zwei Kurven bewegen sich jeweils in das Gebiet der anderen: Der Preis von 3,07 USD für geschlossene Modelle sinkt, der Preis von 0,66 USD für Open Source steigt.
Hier ein zusätzlicher Beweis: DeepSeek V4 Flash ist mit 0,09 USD für die Eingabe preislich festgelegt; die Ausgabe ist noch günstiger, 0,18 USD pro Million Token. Vergleicht man das mit dem Preis von Spitzenmodellen mit geschlossenem Quellcode von 4,5 USD, beträgt der Unterschied etwa das 25-fache.
Das ist der aktuelle Stand – und dieser Abstand verkleinert sich mit bloßem Auge sichtbar.
Jedes Mal, wenn ich an diesen Trend denke, erinnere ich mich an die Mobilfunkbranche von 2012 bis 2015. Die damalige Situation ist genau die gleiche wie in der heutigen KI-Branche.
Apple bediente das Hochpreissegment mit dem geschlossenen iOS, ein iPhone kostete mehrere tausend Euro. Android-Hersteller setzten auf Kosteneffizienz mit einem Open-Source-System, das man für ein paar hundert Euro bekommen konnte. Dann begann sich das Drehbuch umzukehren.
Apple litt unter dem Marktanteil von Android und begann, das iPhone SE und Mittelklasse-Modelle herzustellen, um den Durchschnittspreis zu senken.
Android-Hersteller waren festgelegt auf das Label „Wieso soll das nur 2000 Yuan wert sein“ und kämpften verzweifelt um den Einstieg ins Hochpreissegment: Samsung brachte die Galaxy S-Serie heraus, Huawei die P-Serie – die Preise stiegen stetig an.
Die beiden Linien kollidierten in der Mitte.
Auf dem heutigen Mobilfunkmarkt lässt sich kaum noch sagen, dass „Android günstiger ist“ oder „Apple grundsätzlich teuer ist“. Die Preise von iPhones reichen bis zu zehntausend Yuan, gehen aber auch bis auf dreitausend Yuan herunter. Android-Flaggschiffe verlangen auch Preise von sieben- oder achttausend Yuan.
Der Markenaufschlag ist verschwunden, die Substitutionslogik ist zum Mainstream geworden: Für jeden zusätzlichen Yuan muss man einen guten Grund angeben.
Die heutige KI-Branche rast auf demselben Drehbuch voran.
Modelle mit geschlossenem Quellcode bewegen sich nach unten, Open-Source-Lösungen drängen nach oben – sie werden sich in einem bestimmten Preissegment treffen, höchstwahrscheinlich im Bereich von 1,9 bis 4,5 USD, den BenchLM markiert hat.
An diesem Tag werden die beiden Geschichten „Open Source ist günstiger“ und „Geschlossene Modelle sind besser“ nicht mehr aufrechterhalten werden können.
Denn das Günstige ist nicht unbedingt wirklich günstig, das Teure nicht unbedingt wirklich besser als andere. Das Spiel wandelt sich also von dem Wettbewerb „Wessen Modell hat bessere Fähigkeiten“ zu dem Wettbewerb „Wer kann das Produkt sicher und zuverlässig an den Kunden liefern“.
.......
Gut, die beiden Linien bewegen sich aufeinander zu. Und was passiert dann?
Dann kommt das erschreckendste Ding. Wenn Open Source und geschlossene Modelle in dasselbe Preissegment einrücken, sind die Modelle selbst nicht mehr viel wert. „Modellfähigkeiten“ als Ware, die man separat verkaufen kann, wird zunehmend ausgehöhlt.
Es gibt bereits einige Anzeichen dafür.
Mozilla hat im Juli dieses Jahres einen Bericht über den Zustand von Open-Source-KI veröffentlicht, eine Zahl darin hat mich sehr überrascht.
Open-Source-Modelle unterstützen weltweit etwa 33 % der aktiven KI-Anwendungen, aber sie erhalten nur 4 % der Einnahmen. Sie erledigen 33 % der Arbeit, bekommen aber nur 4 % des Geldes.
Wohin gehen die restlichen 96 %?
Sie gehen an Cloud-Anbieter, Systemintegratoren und die Leute, die Unternehmen dabei helfen, das Modell „zum Laufen zu bringen“. Das Modell ist kostenlos, aber die Umsetzung kostet Geld.
In den Daten von Wall Street ist das noch deutlicher: a16z hat im Januar dieses Jahres eine CIO-Umfrage veröffentlicht. Bei 100 Unternehmen aus der Liste der Global 2000 ist der Anteil der Ausgaben für Open-Source-Modelle von 19 % im Vorjahr auf 11 % gefallen. Bei denselben Unternehmen machen geschlossene Modelle 89 % der Ausgaben aus.
Beachten Sie: Das heißt, dieselben Unternehmen geben relativ weniger Geld für Open Source aus, das Geld fließt zu den Lieferlösungen von geschlossenen Modellen.
Die CIOs der Unternehmen sind nicht dumm: Das Herunterladen von Open-Source-Gewichten ist nur der erste Schritt. Alles danach – Bereitstellung, Betrieb, Compliance, SLA – übernehmen die Anbieter von geschlossenen Modellen für Sie. Selbst wenn sie das Mehrfache an Geld verlangen, haben die Unternehmen das Gefühl, Arbeit gespart zu haben.
Letztendlich verdient man mit dem Unterschied an Geld nicht mehr an den Modellfähigkeiten, sondern an der „Sorgenfreiheit“.
Noch ein Detail:
Ich habe nachgeprüft: Die KI-bezogenen Einnahmen von Alibaba in diesem Jahr betragen fast 9 Milliarden Yuan, was einer annualisierten Summe von 35,8 Milliarden Yuan entspricht. Die jährlichen wiederkehrenden Einnahmen seiner KI-MaaS (Model as a Service) haben im Juni 10 Milliarden Yuan überschritten, das Management zielt auf 30 Milliarden Yuan bis zum Jahresende ab.
Und wie verkauft Alibaba KI? Das gesamte Qwen-Ökosystem ist Open Source, die Gewichte können kostenlos bezogen werden – aber die Inferenz muss über Alibaba Cloud laufen. Open Source ist der Köder, die Cloud ist der Haken.
Das ist kein Einzelfall: Diese chinesischen Anbieter – DeepSeek, Alibaba, ByteDance, Tencent, Zhipu AI, Moonshot AI – verfolgen jetzt alle dieselbe Strategie, intern als „strategisches Open Source“ bezeichnet.
Basismodelle sind Open Source, Spitzenmodelle sind geschlossen, grundlegende Fähigkeiten sind kostenlos, Mehrwertdienste sind kostenpflichtig. Sie lassen Sie es kostenlos ausprobieren – und wenn Sie satt sind, bleiben Sie.
Und wer diese Sache wirklich auf die Spitze getrieben hat, ist Kimi K3 von Moonshot AI.
Mit 2,8 Billionen Parametern, vollständig Open Source unter MIT-Lizenz, übertrifft seine Programmierfähigkeit direkt GPT-5.6. Der Preis beträgt 100 Yuan pro Million Token. Innerhalb von 48 Stunden nach der Veröffentlichung war die Rechenleistung überlastet, die Registrierung neuer Nutzer wurde direkt ausgesetzt.
Goldman Sachs hat in seinem Bericht drei Wörter zur Bewertung dieser Sache verwendet: Preismacht.
Chinesische Modelle beweisen eines: Wenn Open-Source-Gewichte 99 % der Leistungen von geschlossenen Modellen erbringen können und die Kosten gleichzeitig um mehr als 60 % niedriger sind, wandert die Preismacht von den geschlossenen Modellen zu Open Source über.
Nach der Veröffentlichung von K3 wurde die erwartete kombinierte Bewertung von OpenAI und Anthropic um etwa 314 Milliarden US-Dollar gekürzt, während die Bewertung von Moonshot AI selbst auf 330 Milliarden Yuan gestiegen ist.
Das Geld ist nicht verschwunden, es ist nur umgezogen.
Aber das ist noch nicht das Wichtigste. Das Entscheidende ist das Jevons-Paradoxon.
Der britische Ökonom Jevons hat im 19. Jahrhundert entdeckt: Je effizienter die Dampfmaschine wurde, desto weniger Kohle verbrauchte sie – aber der gesamte Kohleverbrauch in Großbritannien stieg an, statt zu sinken. Weil das Kohleverbrennen günstiger wurde, nutzten alle Dampfmaschinen, der Gesamtverbrauch explodierte.
KI wiederholt genau dieses Drehbuch. Eine Datenangabe im Mozilla-Bericht zeigt: Die Inferenzkosten auf GPT-Niveau sind in 36 Monaten um das 50-fache gesunken, von 20 USD auf 0,40 USD pro Million Token.
Man kann sich leicht vorstellen: Bei so niedrigen Preisen wird niemand die Inferenz nur einmal ausführen.
Früher hat man sich über jede einzelne Ausführung aufgeregt. Heute reicht ein Prompt nicht aus, man führt ihn zehn- oder zwanzigmal aus und lässt dann den Agenten selbst iterieren.
Eine Studie des MIT hat eine noch eindrucksvollere Rechnung aufgestellt: Wenn Unternehmen auf Open-Source-Modelle umsteigen, können sie die Inferenzkosten um 70 % senken, was in den USA jährlich etwa 25 Milliarden US-Dollar einspart.
Die eingesparten 25 Milliarden US-Dollar werden nicht einfach auf dem Konto liegen bleiben, sie werden in mehr KI-Anwendungen reinvestiert, mehr Token erzeugen und mehr Rechenleistung verbrauchen.
Nach all diesen Daten, die ich nachgeprüft habe, komme ich zu dem Schluss: Je stärker die Endkosten sinken, desto größer wird der Gesamtmarkt. Das ist die Logik der Umverteilung des Gewinnpools: Auf der Modellebene gibt es keine Aufschläge mehr, das Geld fließt durch die Pipeline in zwei Richtungen.
Ein Teil geht in die Inferenzrechnungen der Cloud-Anbieter, der andere Teil in die Bereitstellung und Wartung innerhalb der Unternehmen.
Und die Unternehmen zahlen diese Summe gerne, weil der Unterschied von 28 Prozentpunkten zwischen 51 % und 79 % bedeutet, dass jeder Prozentpunkt den Haaren von Ingenieuren opfert.
Wenn Ihnen das nächste Mal jemand sagt „Open-Source-Modelle sind kostenlos“, können Sie ihm antworten: Ja, die Gewichte sind kostenlos. Wenn Sie sie betreiben, wartet die Rechnung in der Cloud auf Sie.
.......
Also sind die geschlossenen Modelle am Ende, oder?
Wenn die Geschichte hier enden würde, sollte das Unternehmen Anthropic gar nicht existieren. Aber es lebt nicht nur, es lebt sehr gut.
Die annualisierten Einnahmen von Anthropic sind von 9 Milliarden US-Dollar auf über 60 Milliarden US-Dollar gestiegen.
In derselben a16z-Umfrage ist die Unternehmensdurchdringung innerhalb eines Jahres um 25 Prozentpunkte gestiegen, 44 % der Unternehmen aus der Global 2000 nutzen es