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

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

Suche
LIVE
›

Chinesische Open Models stellen auf zwei Entwickler-Gateways die Mehrheit der Tokens

Chinesische KI-Modelle sind 2026 auf OpenRouter und Vercel von einer kleinen Minderheit zur Mehrheit der Tokens geworden, wie Nutzungsdaten zeigen, die mit CNBC geteilt wurden. Gleichzeitig eröffnet Washington Untersuchungen zu dieser Verschiebung.

KI & ModelleAnalyseLena BrandtVeröffentlicht: 27. September 20265 Min. LesezeitQuellen 5
Chinesische Open Models stellen auf zwei Entwickler-Gateways die Mehrheit der Tokens

Zwei Entwickler-Gateways, die Traffic an viele Modellanbieter weiterleiten, schicken inzwischen den größten Teil ihrer Tokens an chinesische Labore. Auf OpenRouter entfielen in der Woche des 14. September 57% bis 67% der genutzten Tokens auf chinesische Modelle, nach 6% bis 13% im Februar, wie Nutzungsdaten zeigen, die mit CNBC geteilt wurden. Auf Vercel stieg der Anteil im August auf 55%, nach 11% im Januar. CNBC veröffentlichte die Zahlen am 26. September.

Die Zahlen beschreiben das Routing, nicht die Ergebnisse in Benchmarks. Sie sind trotzdem das deutlichste Signal für die Verbreitung, das in diesem Quartal veröffentlicht wurde.

Die Daten von OpenRouter umfassen Unternehmen in den USA, in Europa und in dem, was das Unternehmen als "Global South" definiert: 82 Länder in Mittel- und Südamerika, Afrika und Asien. Vercel machte für seine Zahl keine geografische Aufschlüsselung. Etwa die Hälfte der Tokens auf OpenRouter entfällt auf Unternehmen in den USA. Die Gesamtverteilung der Plattform wird also nicht von einer einzigen Region bestimmt.

Erst der Preis, dann die Fähigkeiten

Peter Walker, Leiter der Analyse bei OpenRouter, sagte zu CNBC, die in diesem Jahr veröffentlichten chinesischen Open-Source-Modelle "can credibly perform in advanced agentic use cases, especially in regards to coding, in a way that was just not true in late 2025." Er ergänzte, sie seien "incredibly cost-effective compared to most models from American labs." Harpreet Arora, Leiter der Agentic-Infrastruktur bei Vercel, brachte denselben Punkt in eine Reihenfolge: "Chinese models are becoming capable enough for more tasks at a much lower cost. Once a model meets the quality bar for the job, that price difference becomes compelling." Arora sagte außerdem, Unternehmen wollten für einige schwierigere Aufgaben weiterhin die führenden US-Modelle. Diese Einschränkung zählt. Der CNBC-Bericht hält fest, dass die führenden US-Modelle weiterhin die höheren Gesamtausgaben auf sich ziehen, auch dort, wo sich der Anteil an den Tokens gedreht hat. Token-Zahlen belohnen billige Arbeit mit hohem Volumen, etwa Codegenerierung und Agenten-Schleifen. Ausgaben belohnen die teuren Aufrufe, die Kunden für Aufgaben reservieren, bei denen sie sich keinen Fehler leisten können.

In der Gruppe "Global South", die OpenRouter beobachtet, gingen in den vergangenen Wochen mehr als zwei Drittel der Tokens, nämlich 67%, an chinesische Modelle. Daniel Remler, Senior Fellow beim CNAS, sagte zu CNBC, besonders in Südostasien sei eine deutliche Zunahme möglich, wegen der wirtschaftlichen und kulturellen Verbindungen zu China und der wachsenden digitalen Infrastruktur. "Anywhere from Lagos to São Paulo to Jakarta where entrepreneurs and governments are looking for cheap, open models, will look first to Chinese AI," sagte er.

Anthropic und OpenAI kündigten in derselben Woche günstigere Modelle an. Dianne Penn, die bei Anthropic das Produktmanagement für Forschung und Labore leitet, sagte zu CNBC, das Unternehmen versuche, Antworten "more efficient, so it uses less tokens depending on your effort setting" zu machen.

Washington öffnet die Akten

Zwei Ausschüsse des US-Repräsentantenhauses untersuchen die Folgen der wachsenden Verbreitung chinesischer Modelle, wie derselbe Bericht meldet. Genannt werden die Bereiche Technologiewettbewerb, Sicherheit und der globale Einfluss Pekings. Die USA haben versucht, ihren Vorsprung zu schützen, indem sie chinesischen KI-Unternehmen über Exportkontrollen den Kauf der fortschrittlichsten Chips verwehren. Washington sorgt sich außerdem um den Fernzugriff auf Nvidia-Chips über Rechenzentren im Ausland und um "Distillation", bei der neue Modelle darauf trainiert werden, ältere, etablierte Modelle nachzuahmen. Remler beschrieb das Risiko nicht als reine Leistungsfrage, sondern als Frage der Ausrichtung. Chinesische KI berge "real economic and security risks for the United States", sagte er zu CNBC, und "the ultimate concern is that the integration of Chinese AI models pulls countries into a Chinese technology sphere of influence that hardens into geopolitical alignment." KI war ein zentrales Thema, als sich US-Präsident Donald Trump und der chinesische Präsident Xi Jinping in dieser Woche trafen, berichtete CNBC.

Die Verbreitungsdaten stehen neben einer anderen Reihe von Aussagen zur Aktualität von Modellen, die schwerer zu prüfen und leichter falsch zu machen ist. Eine am 16. September veröffentlichte Show-HN-Seite, stale.jock.pl, listet Veröffentlichungsdaten und Trainings-Cutoffs für 20 Modelle aus 8 Laboren und zählt ab jedem Datum live hoch. Sie sagt, bei 10 der 20 Modelle veröffentliche das jeweilige Labor tatsächlich einen Cutoff, und 5 von 8 Laboren, nämlich Anthropic, Google DeepMind, Meta, OpenAI und xAI, hätten für mindestens ein Modell auf der Liste einen Cutoff veröffentlicht. Die Seite merkt an, eine leere Stelle bedeute, dass die geprüften Herstellerquellen keinen Cutoff belegen, nicht, dass keiner existiert.

Das eigene Beispiel der Seite zeigt die Lücke am deutlichsten. GPT-6 Astra wurde ihr zufolge am 3. September 2026 veröffentlicht, mit Trainingsdaten bis 30. April 2026, also rund vier Monate im Rückstand am Tag der Veröffentlichung. Dieselbe Seite berichtet von einem Test, in dem 16 Modelle jeweils ein Web-Suchwerkzeug über mehr als 2.000 Aufrufe erhielten: Die führenden Modelle entschieden fast immer richtig, schwächere gaben gesicherte Fakten, die sich geändert hatten, ohne Prüfung an und suchten im Web nach Dingen wie dem Siedepunkt von Wasser.

Das ist ein Vorbehalt für alle, die Verbreitungszahlen als Qualitätsurteil lesen. Der Token-Anteil misst, wohin Entwickler ihren Traffic leiten. Er misst nicht, ob das Modell weiß, welcher Tag ist.

Drei weitere Veröffentlichungen dieses Monats weisen in andere Richtungen. Cactus Compute veröffentlichte am 18. September Needle 3, eine Modellfamilie, die laut Unternehmen 9 bis 29 MB große CQ2-Bit-Binärdateien erzeugt, mit einem 4-Schicht-Subnetz, das DeepSeek V4 Flash entsprechen soll, wenn man es eine Epoche lang auf nachgelagerten Aufgaben abstimmt; das Unternehmen gibt an, auf 360.000.000.000 Tokens eines eigenen strukturierten Datensatzes trainiert zu haben, und meldet 400 bis 4.000 Tokens/s Decode auf einem Raspberry Pi 5. Cua veröffentlichte am 19. September CUA-S1, eine unter MIT-Lizenz stehende reine Forschungsveröffentlichung kleiner Modelle für Computer-Use-Entscheidungen, deren Gewichte getrennt auf Hugging Face liegen. Und am 21. September zeigte ein Projekt namens mini-AGI ein kontinuierlich lernendes Byte-Level-Modell, das auf einer einzelnen GPU mit 8 GB VRAM trainiert, wobei die Gewichte noch nicht veröffentlicht sind und der Lauf zu 7,14% durch seinen Korpus fortgeschritten ist.

Keine dieser drei Veröffentlichungen verändert die Zahlen von OpenRouter oder Vercel. Sie zeigen aber, wohin das untere Ende des Markts drängt: Inferenz direkt auf dem Gerät, begrenzte Entscheidungen und Trainingsläufe, die auf Hardware passen, die ein einzelner Entwickler besitzt. Ob das den Token-Mix verändert, ist eine Frage für die nächsten Gateway-Zahlen, nicht für diese.

Kommentare 0

Quellen

5
  1. 01Chinese AI models surge in global popularity, and Washington is worriedEN
  2. 02How stale is your AI? Release age and training cutoff for 20 modelsEN
  3. 03Needle 3: 8-29 MB foundation model for tiny devicesEN
  4. 04CUA-S1: A System One Model for Computer UseEN
  5. 05mini-AGI: continual learning model trained on 8GB VRAMEN

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.