Firma A und Firma O können nicht mehr stillsitzen.
Große Modelle haben den Wettbewerb um Parameter abgeschlossen und beginnen nun, über den Preis zu konkurrieren. Diesmal sind es zwei Unternehmen, die am wenigsten an Kunden mangeln, die die Preissenkung anführen.
Am 22. September nach US-Zeit veröffentlichte Anthropic Claude Opus 5.5. Etwa eineinhalb Stunden später brachte OpenAI GPT-6 Sol und GPT-6 Luna auf den Markt.
Beide Unternehmen machen die Niedrigpreise zu ihrem Verkaufsargument. Bei GPT-6 Sol sinken die Preise für eine Million Ein- und Ausgabe-Token auf 2 US-Dollar bzw. 10 US-Dollar, was der Hälfte des Preises der Vorgängergeneration GPT-5.6 Sol entspricht. OpenAI erklärte, dass der neue Preis eine langfristige Preisgestaltung ist, kein Aktionspreis oder Einführungsrabatt. Der Eingabepreis von Luna sinkt von 0,2 US-Dollar auf 0,1 US-Dollar, der Ausgabepreis von 1,2 US-Dollar auf 0,5 US-Dollar, was einem maximalen Rückgang von 58 % entspricht. Die Ein- und Ausgabepreise von Opus 5.5 sinken auf 4 US-Dollar bzw. 20 US-Dollar, was 20 % niedriger ist als bei Opus 5.
Nur Preissenkungen reichen nicht aus, günstige Modelle beginnen nun, die Aufgaben von teuren Modellen zu übernehmen. Gemäß den von beiden Seiten veröffentlichten Benchmark-Tests kann Sol bei einigen Aufgaben die Leistung von teuren Modellen zu geringeren Kosten erreichen; Opus 5.5 übertrifft Fable 5.1 in mehreren Tests.
Es werden nicht nur die Einzelpreise eingespart. OpenAI hat den Cache verbessert, sodass das Modell weniger wiederholte Arbeiten ausführen muss. Opus 5.5 benötigt weniger Token zum Abschließen von Aufgaben, und zusammen mit der Preissenkung liegen die Gesamtkosten typischer Aufgaben um etwa 40 % niedriger als bei Opus 5. Für Nutzer kann man mit demselben Budget mehr Aufgaben erledigen.
Eines ist ein KI-Unternehmen mit einer Billion US-Dollar Bewertung und den meisten Nutzern, das andere ist der Modellanbieter mit der höchsten kostenpflichtigen Akzeptanzrate unter US-Unternehmen. Beide Unternehmen fehlten es ursprünglich nicht an Kunden, die bereit sind, hohe Preise zu zahlen. Warum senken sie am selben Tag aktiv die Preise? Preissenkungen können den Nutzungsverbrauch steigern, aber können sie ihnen helfen, dauerhaft führend zu bleiben?
01. Teure Modelle sind nicht mehr die Standardoption
Aus der Leistung der neuen Modelle geht hervor, dass beide Unternehmen die Nutzer dazu bringen, weniger Geld auszugeben, um die Fähigkeiten zu erwerben, die früher teuer waren.
Anthropics Opus 5.5 hat sich hauptsächlich in Bereichen wie Programmierung, Agenten, Computernutzung, Mathematik und wissenschaftliches Schlussfolgern verbessert, ist besser geeignet für Entwicklungsaufgaben, die kontinuierliche Ausführung erfordern, und hat auch die Leistung bei Arbeiten wie dem Sortieren von Materialien, der Analyse von Informationen und dem Erstellen von Berichten verbessert. In den 9 von Anthropic veröffentlichten Benchmark-Tests übertrifft Opus 5.5 das vor drei Wochen veröffentlichte Fable 5.1, wobei der Preis nur 40 % von dem von Fable 5.1 beträgt. Anthropic weist auch darauf hin, dass der tatsächliche Unterschied zwischen den beiden im praktischen Einsatz geringer ist als es die Testergebnisse zeigen.
OpenAIs GPT-6 Sol und Luna verlegen die Fähigkeiten der Flaggschiff-Modelle auf günstigere Modelle. Die beiden Modelle verwenden die ähnliche Trainingsmethode wie GPT-6 Astra und bringen die Fähigkeiten von Astra bei professionellen Arbeiten, Programmierung und Computernutzung in die günstigere Modellreihe. Die Anzahl der Tatsachenfehler von Sol ist etwa halb so groß wie die der Vorgängergeneration, und die Tests für Programmierung und Computernutzung erreichen die Werte von teureren Modellen oder holen diese ein.
Warum werden die neuen Modelle nicht teurer verkauft?
Schauen wir uns zuerst die Produktlinien der beiden Unternehmen an. Fable ist die teuerste Serie von Anthropic, die auf komplexe Aufgaben abzielt, die lange Laufzeit erfordern, aber Unternehmen nehmen sie nicht besonders gut an. Daten der Unternehmensausgabenverwaltungsplattform Ramp zeigen, dass Fable 5 einen Monat nach der Markteinführung nur 6 % der Token ausmachte, die Unternehmen von Anthropic kauften.
Das bedeutet im Grunde, dass die meisten Arbeiten keine Zahlung für das Spitzenmodell erfordern. Für Nutzer gibt es keinen Grund, mehr für Fable zu zahlen, wenn eine Aufgabe mit Opus gut erledigt werden kann. Wenn Fable weiterhin hohe Preise erzielen will, muss es nachweisen, dass es den Preisunterschied bei den schwierigsten Aufgaben wert ist.
OpenAI verfolgt einen gestuften Ansatz, bei dem Modelle verschiedener Stufen Aufgaben unterschiedlicher Schwierigkeit übernehmen. Astra behält die Position des Modells mit den höchsten Fähigkeiten bei, während Sol und Luna breitere alltägliche Arbeiten übernehmen. Zum Beispiel kann bei derselben Programmieraufgabe das komplexe Schema an Astra übergeben werden, und für klar definierte Codeänderungen und Massenprüfungen können andere Modelle ausprobiert werden.
Auf diese Weise muss das Spitzenmodell nur in wenigen Gliedern eingesetzt werden. Was Sol und Luna anstreben, sind die alltäglichen Aufrufe, die zahlreicher sind und wiederholt stattfinden. Der Einzelwert solcher Aufgaben ist nicht hoch, aber sie sind sehr preisempfindlich. Erst wenn die Kosten sinken, sind Unternehmen bereit, sie in ihre alltäglichen Prozesse zu integrieren und langfristig zu nutzen.
Schauen wir uns den Markt an: Unternehmen geben ihr Geld für KI immer vorsichtiger aus.
Der Bericht von Ramp im September zeigt, dass unter den von ihm verfolgten Daten der effektive Preis pro Million Token von 1,15 US-Dollar im März dieses Jahres auf 0,68 US-Dollar gesunken ist, was einem Rückgang von 41 % innerhalb von sechs Monaten entspricht. Der Haupttreiber für das Wachstum des Nutzungsverbrauchs sind Standardmodelle wie GPT-5.6 Terra und Claude Sonnet. Der Anteil der Token-Aufrufe von Spitzenmodellen wie Opus, Fable und Sol ist von einem Höchstwert von etwa 53 % im August auf 45 % gefallen.
Ramp erwähnte auch, dass einige Unternehmen Standardmodelle bereits zur internen Standardoption im Unternehmen gemacht haben. Die Leistung solcher Modelle ist bereits ausreichend gut und die Kosten sind niedriger.
Das bedeutet, dass Unternehmen ihr Budget nicht nur deshalb erhöhen, weil neue Modelle leistungsfähiger sind. Modellanbieter müssen Kunden zeigen, dass sie mit demselben Geld mehr Aufgaben erledigen können oder dieselbe Arbeit mit weniger Geld erledigen können. Dann lassen sich die Upgrades der neuen Modelle leichter in tatsächliche Einkäufe und Nutzung umwandeln.
Der größere Druck liegt im Finanzbereich.
Die Einnahmen beider Unternehmen wachsen rasant. Laut öffentlichen Berichten überstieg der annualisierte Umsatz von OpenAI im August 40 Milliarden US-Dollar, etwa das Doppelte des Werts vom Ende letzten Jahres. Der annualisierte Umsatz von Anthropic erreichte Ende Juli 65 Milliarden US-Dollar, und einige Medien berichten, dass er in diesem Jahr voraussichtlich 100 Milliarden US-Dollar übersteigen wird. Die Bewertungen beider Unternehmen haben die Marke von einer Billion US-Dollar überschritten, und beide haben bereits vertraulich einen Börsengangsantrag bei der US-Börsenaufsicht SEC eingereicht.
Gleichzeitig erleidet OpenAI weiterhin hohe Verluste. Im zweiten Quartal 2026 stieg sein Betriebsverlust von 9,3 Milliarden US-Dollar auf 12,3 Milliarden US-Dollar. Obwohl Anthropic erstmals einen positiven bereinigten Betriebsgewinn erzielt hat, hängt es ebenfalls von anhaltendem hohem Wachstum ab, um die Bewertung von einer Billion US-Dollar zu stützen.
Die Preissenkung beider Unternehmen setzt darauf, dass der Anstieg des Nutzungsverbrauchs schneller ist als der Rückgang des Preises.
OpenAI hat bereits bei den Vorgängerprodukten Vorteile gezogen. Daten von OpenRouter zeigen, dass während der Rabattphase vom 27. Juli bis zum 14. August der durchschnittliche tägliche Token-Verbrauch von GPT-5.6 Luna das 13,8-fache des Werts vor der Werbeaktion erreichte, und der von Terra das 5,6-fache. Etwa drei Viertel des neu hinzugewonnenen Nutzungsanteils der beiden Modelle stammen von anderen Anbietern. Das zeigt, dass Preissenkungen tatsächlich einen Teil der Nutzer dazu bringen, das Modell zu wechseln.
Anthropic ist in einer etwas besseren Position. Es geht darum, Wachstumspotenzial bei den vorhandenen Unternehmenskunden zu erschließen. Unter den von Ramp im August erfassten US-Unternehmen lag die kostenpflichtige Akzeptanzrate von Anthropic bei 43,8 %, höher als die 39,8 % von OpenAI. Sein Wachstum kann auch von vorhandenen Kunden kommen: Man kann Unternehmen, bei denen nur einige Mitarbeiter Claude nutzen, dazu bringen, es in mehr Abteilungen und Geschäftsbereichen einzusetzen. Opus 5.5 verbessert gleichzeitig die Fähigkeiten und senkt die Kosten, mit dem Ziel, die Kundenbindung zu erhöhen und den Einsatzbereich zu erweitern.
02. Wie lange kann der Vorsprung noch aufrechterhalten werden
Preissenkungen können Nutzer anziehen, aber ob die Nutzer bleiben, hängt davon ab, wie gut das Modell in der praktischen Arbeit funktioniert und ob es kontinuierlich Zeit und Kosten einsparen kann.
Der Druck vor OpenAI und Anthropic ist, dass immer mehr Modelle diese Aufgaben übernehmen können.
In der Open-Source-Landschaft hat Kimi K3 von Moonshot bereits Wettbewerbsfähigkeit gezeigt. Als es im Juli dieses Jahres veröffentlicht wurde, erreichte es 57 Punkte im Comprehensive Intelligence Index von Artificial Analysis, belegte den dritten Platz und den ersten Platz unter den Open-Source-Modellen. In der Frontend-Programm-Rangliste von Arena belegte es den ersten Platz und übertrifft Fable 5 und GPT-5.6 Sol. Das ist das erste Mal, dass ein Open-Source-Modell den Spitzenplatz in dieser Rangliste einnimmt.
Aber Open-Source- und Closed-Source-Modelle konkurrieren nicht nur um Benchmark-Ergebnisse.
Quelle / pexels
Der Vorteil von Open-Source-Modellen liegt in der Kontrollierbarkeit. Die Gewichte sind öffentlich zugänglich, Unternehmen können das Modell auf ihren eigenen Servern ausführen, sodass Daten das Unternehmen nicht verlassen. Für dasselbe Modell gibt es mehrere Inferenzdienstanbieter, sodass Unternehmen nicht an einen einzigen Lieferanten gebunden sind und die Preise transparenter sind.
In der Closed-Source-Landschaft ziehen Grok und Muse Spark ebenfalls Nutzer zum Ausprobieren an.
Nachdem SpaceX Cursor erworben hat, aktualisiert die Grok-Modellreihe mit hoher Frequenz. Cursor verfügt über eine große Menge an Daten zu Interaktionen zwischen Entwicklern, Codes und Tools, die für das Training von Modellen hilfreich sein können. Das neueste Grok 4.7 hat bei der Bewertung von Programmieragenten von Artificial Analysis 9 Punkte mehr als die Vorgängergeneration und übertrifft GPT-5.6 Sol. Kontinuierlich aktualisierte Modelle zusammen mit den vorhandenen Entwicklernutzern von Cursor geben Grok bereits das Selbstvertrauen, um Programmiergeschäfte zu konkurrieren.
Meta hat die Lücke durch fortlaufende Updates verkleinert. Muse Spark 1.3, das im September veröffentlicht wurde, ist das vierte Update des Muse Spark-Modells innerhalb von fünf Monaten. Die öffentlich verfügbare Version erreicht bei der umfassenden Intelligenzbewertung von Artificial Analysis das Niveau von GPT-5.6 Sol, und die Kosten für durchschnittliche Aufgaben sind sogar niedriger. Diese Leistung wird von der Öffentlichkeit als der offizielle Einstieg von Meta in die Spitzenmodell-Landschaft angesehen.
Für Kunden gibt es mehr Vergleichsobjekte. Solange Konkurrenten einen Teil der Aufgaben übernehmen können, haben sie die Chance, einen Teil des Budgets abzuzweigen.
OpenAI und Anthropic haben noch zwei Trümpfe in der Hand: die bereits angesammelten Unternehmenskunden und die Lieferqualität bei komplexen Aufgaben.
Schauen wir uns zuerst die Unternehmenskunden an. Der September-Bericht von Ramp zeigt, dass nur 6,4 % der KI-zahlenden Unternehmen Open-Source-Plattformen nutzen, während die kostenpflichtige Akzeptanzrate von Anthropic und OpenAI jeweils etwa 40 % beträgt. Diese Plattformen bieten auch Closed-Source-Modelle an, sodass die tatsächliche Akzeptanzrate von Open-Source-Modellen noch niedriger ist. Zumindest bis jetzt hat das Aufholen von Open-Source-Modellen die Kundenbasis der beiden Unternehmen nicht merklich erschüttert.
Preissenkungen können den beiden Unternehmen helfen, diese Kunden zu behalten. Wenn die Dienste gut funktionieren und die Kosten sinken, nimmt die Motivation von Unternehmen, den Lieferanten zu wechseln, natürlich ab. Aber eine vorhandene Kundenbasis erhöht nur die Hürde für den Wechsel. Ob Unternehmen am Ende bleiben oder gehen, hängt von den praktischen Ergebnissen ab.
Der andere Trumpf ist die Lieferqualität bei komplexen Aufgaben. Bei der Verarbeitung großer Mengen an Dateien und der Änderung komplexer Codes muss das Modell nicht nur Antworten geben, sondern die Anforderungen vollständig ausführen und Ergebnisse liefern. Wenn Spitzenmodelle bei diesen Arbeiten stabiler und schneller arbeiten, haben sie weiterhin Raum für Preisgestaltung.
Um ihr Geschäft zu behalten, müssen die beiden Unternehmen zwei Dinge gut machen: Alltägliche Aufrufe mit günstigen Modellen behalten und komplexe Aufgaben mit der Lieferqualität von Spitzenmodellen sichern. Ersteres kann durch Preissenkungen gelöst werden, Letzteres geht nur durch kontinuierliche Verbesserung der Fähigkeiten.
Als Nächstes haben zwei Arten von Akteuren mehr Chancen, Marktanteile zu erobern.
Die erste Art sind große Unternehmen mit Zugang zu Unternehmenskunden, wie zum Beispiel Google. Es verfügt über Kunden für Büro- und Cloud-Dienste, und Gemini Enterprise kann sich mit Tools und Daten wie Google Workspace, Microsoft 365 und Jira verbinden. Unternehmen können KI in ihre vorhandenen Dokumente, E-Mails und Projektabläufe integrieren.
Der Vorteil solcher Anbieter liegt darin, dass Kunden bereits in ihren Diensten arbeiten. Solange das Modell die Anforderungen der alltäglichen Arbeit erfüllt und einfach zu integrieren ist, kann es von Unternehmen gekauft werden.