Offene Modelle drücken die Preise. Anthropic und OpenAI konkurrieren über Kosten

These: Die MIT-Lizenz und Optimierungen bei der Inferenz haben den Preis zum Hauptschlachtfeld gemacht, nicht die Benchmarks. Für Nutzer ist das eine gute Nachricht. Für ein Geschäftsmodell, das auf der Knappheit des Zugangs beruht, ist es eine schlechte.

Die neuen Modelle von Anthropic und OpenAI, Opus 5.5 sowie GPT-6 in den Varianten Sol und Luna, kamen mit derselben Botschaft: schneller und billiger. Nicht „um eine Größenordnung klüger“, nicht „näher an AGI“, sondern billiger. Das ist kein Zufall, sondern eine Reaktion auf eine Konkurrenz, die sich immer schwerer ignorieren lässt. Offene Modelle geben inzwischen die Preisgrenze vor. Unterhalb dieser Grenze muss sich ein kostenpflichtiger Zugang über Funktionen behaupten, nicht über seine bloße Existenz.

Der beste Beleg ist DeepSeek V4.1 Flash. Premiere am 10. September 2026, MoE-Architektur mit 552 Mrd. Parametern, davon 8 Mrd. im Prefill und 16 Mrd. im Decoding aktiviert. Das Modell verarbeitet nativ Bilder bis 384 Token. Sein Key-Value-Cache belegt 890 Byte pro Token, etwa viermal weniger als in der Vorgängerversion V4, und es hält einen Kontext von einer Million Token. All das unter der MIT-Lizenz. Dieses letzte Puzzleteil wird unterschätzt: Die MIT-Lizenz bedeutet, dass jeder Betreiber das Modell in seiner eigenen Infrastruktur hosten kann, ohne Verhandlung, ohne Gebühren und ohne um Erlaubnis zu fragen.

Dazu kommt eine Optimierungsschicht, die die Kosten senkt, ohne die Gewichte des Modells zu verändern. Das chinesische Team 是石科技 stellte die Engine Meta-Infer vor. Allein durch Softwareoptimierung, ohne Eingriff in die Hardware, steigerte sie den Inferenzdurchsatz von DeepSeek fast um das Siebenfache. Eineinhalb Beschleuniger der Klasse 6000D sollen damit einen B300 übertreffen. Das Unternehmen verwaltet über 20.000 PFLOPS Rechenleistung und zehn Rechenzentren. Der Engpass ist die Hardwareschicht: Greifen Betreiber zu generischen Kernen, fällt der Durchsatz um eine Größenordnung. Das ist Ingenieursarbeit, deren Rendite in Geld gemessen wird und nicht in Punkten auf einer Rangliste.

Das Ausmaß der Kommerzialisierung bestätigt die Richtung. DeepSeek soll einen Jahresumsatz von über 1 Mrd. Dollar auf annualisierter Basis überschreiten, wenige Monate zuvor lag er unter 500 Mio., bei einer zweiten Finanzierungsrunde über 7,5 Mrd. Dollar, einer angepeilten Bewertung von 500 Mrd. Yuan und Vorbereitungen für einen Börsengang in Shanghai. Über 70 Prozent der Rechenleistung verwendet das Unternehmen für das Training neuer Modelle und lässt weniger als 30 Prozent für den Betrieb der bestehenden. Das Management behauptet, eine Preiserhöhung der API habe keine Kunden gekostet. Das ist das Porträt eines Anbieters, der den Preis nicht gewinnen muss, weil er über die Verfügbarkeit der Gewichte gewinnt.

Die Folge für den Markt ist eindeutig: Die Ära, in der das teuerste Modell die Standardwahl war, endet. Organisationen beginnen, Modelle wie ein Portfolio von Vermögenswerten zu behandeln: günstige offene Gewichte für Massenaufgaben, teure Frontier-Modelle für einen schmalen, kritischen Teil der Arbeit. Kostenpflichtige Anbieter können nur auf eine Weise antworten: mit einer noch größeren Preissenkung oder mit Funktionen, die offene Gewichte nicht bieten, etwa Audits, Garantien oder Integration. „Teurer, weil besser“ ist kein Argument mehr, und das ist die gesündeste Veränderung in dieser Branche seit Jahren.