Zum Inhalt
WeltzeitEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal über KI und Technologieereignisse · analysen · interviews · technischer hintergrund

Suche
LIVE
›

Solarpreise in Brasilien steigen um 7 Prozent, während Rechner für Inferenzkosten auf demselben Tabellenblatt landen

Die durchschnittlichen Preise für Photovoltaikanlagen in Brasilien sind im ersten Halbjahr 2026 bei Projekten bis 300 kW um 7 Prozent gestiegen. Das geht aus der Studie Distributed Energy Solutions von Greener hervor. pv magazine veröffentlichte die Studie am 26. September.

KI & ModelleNachrichtLena BrandtVeröffentlicht: 28. September 20265 Min. LesezeitQuellen 5
Solarpreise in Brasilien steigen um 7 Prozent, während Rechner für Inferenzkosten auf demselben Tabellenblatt landen

Diese Zahl hat nichts mit GPUs zu tun. Trotzdem gehört sie auf denselben Schreibtisch. Wer Ende September 2026 ein Rechenbudget plant, jongliert mit Investitionen in Hardware, Stromkosten, API-Preisen pro Token und einer Tabelle voller Annahmen. Diese Annahmen überstehen den Kontakt mit echtem Produktionsverkehr selten.

Zwei der neuesten Berichte, die an diesem Wochenende erschienen sind, gehen das Problem von entgegengesetzten Seiten an. Der eine behandelt, was die Hardware und die Sonne kosten. Der andere behandelt, was die Token kosten, sobald die Hardware läuft.

Die Zahl aus Brasilien im Detail

pv magazine berichtete am 26. September über die Greener-Studie. Der Anstieg um 7 Prozent betrifft den Zeitraum Januar bis Juni 2026. Die Endpreise für komplette Anlagen lagen zwischen BRL 2,02 (0,38 Dollar) pro Watt bei Anlagen mit 30 kW und 50 kW und BRL 3,62/W bei Anlagen mit 2 kW. Der Durchschnitt für 2 kW stieg von BRL 3,44/W im Januar auf BRL 3,62/W im Juni, rund BRL 7.200 für die gesamte Anlage. Eine Anlage mit 300 kW kostete im Schnitt BRL 2,40/W, etwa BRL 720.000. Die auf dem Boden montierte Variante verteuerte sich auf rund BRL 834.000.

Die Ausrüstung trieb den Anstieg, nicht die Arbeit. Die Preise für die Komponenten von 4-kW-Anlagen sprangen zwischen Januar und Juni um 18,3 Prozent, von BRL 1,42/W auf BRL 1,68/W. Bei Anlagen mit 300 kW stiegen die Komponenten nur um 2,0 Prozent, von BRL 1,02/W auf BRL 1,04/W. Bei 50-kW-Komponenten ging es von BRL 1,14/W auf BRL 1,24/W, ein Plus von 8,8 Prozent.

Gleichzeitig ließ die Nachfrage nach. Neue Anschlüsse für dezentrale Erzeugung fielen im Jahresvergleich um 16 Prozent, von 488.000 auf 411.000. Die Zahl der neuen Verbrauchseinheiten, die Gutschriften erhalten, sank um 43 Prozent, von 951.000 auf 541.000. Wohnanlagen machten 65 Prozent der zugebauten Leistung aus, 2019 waren es 39 Prozent. Finanzierungen kamen nur bei 33 Prozent der Verkäufe von Integratoren zum Einsatz, acht Punkte weniger und der niedrigste Anteil im untersuchten Zeitraum. Die historische Reihe von Greener setzt eine private 4-kW-Anlage im Januar 2017 auf BRL 7,74/W, im Juni 2026 sind es BRL 2,91/W.

Was ein Token tatsächlich kostet

Am 23. September veröffentlichte der Entwickler Flavio Copes einen Rechner für Inferenzkosten. Er soll einer Funktion eine Monatsrechnung zuordnen, bevor jemand eine Abrechnungsintegration schreibt. Er vergleicht 27 Modelle von OpenAI, Anthropic, Google, xAI, Mistral, OpenRouter und Workers AI anhand der veröffentlichten API-Preise. Wer täglich aktive Nutzer, Aufrufe pro Nutzer, Eingabe- und Ausgabe-Token sowie optional eine Trefferquote beim Prompt-Cache eingibt, bekommt eine Schätzung.

Das Werkzeug sagt offen, wo seine Grenzen liegen. Es ignoriert Batch-Preise, Unternehmensrabatte, Zuschläge für Bilder und Werkzeuge sowie jede Zwischenspeicherung, die man selbst baut. Copes bezeichnet das Ergebnis als Planungsschätzung, nicht als Angebot eines Anbieters. Alles läuft im Browser, und ein Freigabelink kodiert nur die Eingaben in der URL.

Die Lücke zwischen Listenpreis und tatsächlichen Kosten ist der Punkt, an dem die meisten Diskussionen entstehen. Nexlab veröffentlichte am 20. September eine Übersicht, die LocalAI, exo, GPUStack, vLLM, Ollama, llama.cpp, Xinference, LiteLLM, SkyPilot und weitere vergleicht. Sie stellt fest, dass cachebewusstes Routing darüber entscheidet, ob eine Folgerunde auf der Maschine landet, auf der ihr KV- oder Prefix-Cache bereits liegt. Ollama, am 20. September 181.000 GitHub-Sterne, hat jenseits des Rundlauf-Verfahrens über mehrere URLs keine Geschichte für Cluster. vLLM macht Prefix-Caching pro Instanz. LocalAI ergänzte im Juni 2026 einen verteilten Modus mit libp2p-Erkennung und einem NATS-Router, der VRAM und Prefix-Caches kennt.

Die Differenz zwischen beiden ist der Integrationsaufwand, der die technische und operative Marge des Integrators einschließt.

Dieser Satz stammt aus der Methodik von Greener, so wie pv magazine sie beschreibt. Er passt genauso auf Inferenz: Die Ausrüstung ist nicht die Rechnung.

Auch Benchmarks werden teuer

Am 26. September startete StarSkirmish einen Benchmark. Zehn LLMs bekommen je eine Stunde echter Laufzeit, um einen Protoss-Bot in C++ gegen BWAPI 4.4.0 zu schreiben, gespielt auf OpenBW. GPT-6 Astra und Claude Opus 5.5 gelten als funktional gleichauf an der Spitze. GPT-6 Sol liegt knapp dahinter und wird wegen des Preis-Leistungs-Verhältnisses gegenüber den durchschnittlichen API-Kosten eines einstündigen Laufs hervorgehoben.

Das Feld besteht aus 50 LLM-Bots (10 Modelle, je 5 Läufe), 3 Demo-Bots und 9 von Menschen geschriebenen Bots, insgesamt 62 Teilnehmer. Jeder Teilnehmer spielt sechsmal gegen jeden anderen, zweimal auf jeder von drei Karten. Bewertet wird mit Elo, aus allen Spielen zugleich berechnet, mit Stardust auf 100 und Four Gate Dragoon auf 0 skaliert. Die Spiele liefen auf Prime-Intellect-Sandboxes über OpenRouter, ausschließlich mit Inferenz aus erster Hand. Die Organisatoren sagen, sie planen längere Denkzeiten. Sie sagen, moderne Modelle profitieren heute von Läufen über eine Stunde hinaus.

Die Kosten dieser Art von Bewertung sind nicht veröffentlicht. Der Preis des Goldes ebenso wenig.

Tom's Hardware berichtete am 27. September, ein Kunde habe einen maßgefertigten Kubb Fanless Mini-PC mit einem passiven Gehäuse aus reinem 24-Karat-Gold für rund 1.700.000 Dollar bestellt, unter Berufung auf Fanless Tech. Das Gewicht steigt von 4,6 Pfund (2,1 kg) auf 28,7 Pfund (13 kg). Fanless Tech nennt die Wärmeleitfähigkeit von Gold 30 bis 50 Prozent besser als die von Aluminium. Tom's Hardware merkt an, Kupfer wäre billiger gewesen und leite Wärme besser. Die zugrunde liegende Maschine ist eine Box von 120 x 120 x 120 mm mit einem Intel Core Ultra 5 225H, Core Ultra X7 358H oder AMD Ryzen AI 5 340. Kubb.eu listet sie für 1.595 Euro (1.822 Dollar) ohne Bestand.

Der unangenehme Teil

Keine dieser Zahlen teilt eine Einheit. BRL pro Watt, Dollar pro Million Token, Dollar pro Benchmark-Lauf, Dollar pro Kilogramm Gold. Ein Vergleich hält trotzdem. Alle vier steigen oder werden in derselben Woche diskutiert. Keine der öffentlichen Zahlen enthält die Kosten, die entscheiden, ob sich ein Projekt rechnet.

Wer Inferenz plant, sollte die Cache-Trefferquote modellieren. Der Rechner von Copes behandelt sie als optional. Er merkt an, dass mindestens ein Anbieter gar keinen Rabatt für zwischengespeicherte Eingaben veröffentlicht, sodass die Cache-Quote für dieses Modell ignoriert wird. Die Übersicht von Nexlab macht denselben Punkt von der Infrastrukturseite aus. Einen wiederholten Prompt auf eine Maschine zu leiten, die seinen Prefix bereits hält, ist mehr wert als eine billigere GPU, die ihn neu berechnen muss. Keine der beiden Quellen nennt eine konkrete Zahl für die Ersparnis, und keine behauptet es. Behandle beides als Planungsgrößen und miss dann den eigenen Verkehr.

Kommentare 0

Quellen

5
  1. 01PV system costs increase by 7% in Brazil in H1EN
  2. 02Custom 24-carat gold mini PC costs around $1.7 million, weighs nearly 29 pounds for up to 50% faster heat transferEN
  3. 03Inference Cost CalculatorEN
  4. 04StarSkirmish: a StarCraft: Brood War benchmark for LLM-written botsEN
  5. 05Self-hosted inference orchestrators compared: LocalAI, exo, GPUStack, Xinference, Ollama, vLLM and CoderAI (September 2026)EN

Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.

Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.

Lena Brandt

Lena Brandt

KI, Modelle und Technik

Lena Brandt schreibt für FLASH24 über Technik, KI und Modelle sowie Medien und Internet und stützt sich dabei auf Herstellerangaben, Studien und öffentlich zugängliche Datensätze, statt Pressemitteilungen ungeprüft zu übernehmen. Bei Modellvergleichen kontrolliert sie Benchmark-Werte, Trainingsdaten und Versionsnummern und rechnet Angaben zu Rechenleistung und Kosten selbst nach. Sie spricht mit Entwicklern und Forschern, wartet auf angekündigte Updates und vergleicht Releases, bevor sie eine Einschätzung abgibt. Privat beschäftigt sie sich mit 3D-Druck, alten Rechnern und der Frage, wie Modelle aus Internetmüll lernen – Themen, die regelmäßig in ihre Texte einfließen. Sie publiziert keine Zahlen, deren Quelle sie nicht selbst überprüfen konnte.

Redaktion →

Kommentare

0
  1. Noch keine Kommentare — seien Sie der Erste.

Kommentar schreiben

Kommentare sind öffentlich sichtbar. Wir veröffentlichen keine Beleidigungen, Werbung oder Spam.