Die Kosten für den Einsatz von Grenz-KI-Modellen sind stillschweigend gesunken. Seit Juni haben OpenAI und Anthropic die Preise ihrer Flaggschiff-LLMs durch eine schnelle Reihe sich überschneidender Preissenkungen um 40 % bis 80 % gesenkt – und eine am 25. Oktober veröffentlichte Analyse des Datenwissenschaftlers Max Woolf zeigt Monat für Monat, wie sich zwischen den beiden Unternehmen ein regelrechter Preiskampf entfaltete.

Der Zeitplan ist wichtig, weil er zeigt, dass es sich bei den Kürzungen nicht um einen einmaligen Rabatt, sondern um eine anhaltende Wettbewerbsspirale handelte, bei der jedes Unternehmen innerhalb weniger Tage auf die Maßnahmen des anderen reagierte. Weiteren Kontext zu dieser Geschichte finden Sie in unserer laufenden Berichterstattung über KI-Nachrichten.

Die Zeitleiste: Vier Monate fallender Preise

Die Analyse von Woolf verfolgt die Preise pro Million Token – Eingabe, Ausgabe und Cache-Lesevorgänge – für alle wichtigen Veröffentlichungen beider Labore seit Ende Juni:

  • 26. Juni: OpenAI startete GPT-5.6 Sol für 5 $ Input / 30 $ Output pro Million Token, mit dem kleinen Modell Luna für 1 $ / 6 $.
  • 30. Juni: Anthropic brachte Claude Sonnet 5 für 2 $ / 10 $ auf den Markt – ein Einführungspreis, den es als vorübergehend bezeichnete.
  • 24. Juli: Anthropic brachte Claude Opus 5 für 5 $ / 25 $ auf den Markt, was direkt dem GPT-5.6 Sol entspricht.
  • 30. Juli: OpenAI senkte den Preis von GPT-5.6 Luna um 80 % auf 0,20 $ / 1,20 $.
  • 10. August: Anthropic hat den ermäßigten Preis von Sonnet 5 dauerhaft gemacht.
  • 21. August: OpenAI senkte GPT-5.6 Sol drei Monate lang um etwa 20 % auf 4 $/20 $.
  • 1. September: Anthropic brachte Fable 5.1 für 10 $ / 50 $ auf den Markt, wobei der Cache-Read-Preis um 75 % gesenkt wurde.
  • 22. September: OpenAI brachte GPT-6 Sol für erstaunliche 2 US-Dollar bzw. 10 US-Dollar auf den Markt – die Hälfte seines reduzierten Vorgängers – und am selben Tag brachte Anthropic Claude Opus 5.5 für 4 US-Dollar bzw. 20 US-Dollar auf den Markt. Das Unternehmen erklärte: „Opus 5.5 erfordert weniger Rechenleistung als Opus 5, und die Preisgestaltung spiegelt dies wider.“
  • 29. September: OpenAI folgte mit GPT-6.1 Sol, erneut für 2 $ / 10 $, aber mit einem halbierten Cache-Lesepreis auf 0,10 $ – was die Modellfamilie insgesamt etwa 75 % günstiger macht als im Juni.

Nach Angaben von Woolf sind die Kosten für die Verwendung dieser Modellfamilien innerhalb von vier Monaten stark gestiegen, ohne sichtbare Einbußen bei der Ausgabequalität. Die Kürzungen erfolgen auch über abonnementbasierte Codierungstools wie Codex und Claude Code und nicht nur über den reinen API-Zugriff.

Cache-Preise sind das verborgene Schlachtfeld

Eine der schärfsten Erkenntnisse der Analyse betrifft die Cache-Lesekosten – den Preis für das erneute Lesen der Erinnerung eines Modells an eine laufende Konversation. Bei Agenten-Codierungs-Workloads machen Cache-Lesevorgänge 96 % bis 99 % der gesamten Token-Ausgaben aus, und die Cache-Trefferraten liegen typischerweise bei 90 % bis 100 %.

Diese Rechnung ist der Grund dafür, dass Anthropics 75-prozentiger Cache-Read-Einschnitt für Fable 5.1 mit einer 70- bis 75-prozentigen Reduzierung der tatsächlichen Kosten für die Nutzung des Modells korrelierte, obwohl sich die Haupt-Input- und Output-Preise nie geändert haben. Als OpenAI einen Monat später den Cache-Preis von GPT-6.1 Sol halbierte, entsprach er dem Cache-Satz von Anthropic, der bei etwa 5 % des Eingabepreises lag.

Warum die Preise um 80 % senken?

Woolfs Antwort konzentriert sich auf die Kommerzialisierung. Seitdem die Verwendung von agentenbasiertem LLM im November 2025 ein rasantes Wachstum erlebt habe, sei es seiner Meinung nach einfacher geworden, Modelle auszutauschen: Entwickler können zwischen Modellen wechseln, indem sie Tools wie OpenCode oder einen anderen Endpunkt auf OpenRouter umschalten, was den Laboren nur einen geringen Burggraben und großen Preisdruck beschere.

Der andere externe Effekt ist der Wettbewerb mit offenen Gewichten. DeepSeeks V4 Flash, das im April 2026 für 0,14 US-Dollar Input / 0,28 US-Dollar Output bei einem Cache-Lesepreis von nur 0,0028 US-Dollar veröffentlicht wurde, ging gerade deshalb viral, weil OpenAI zu dieser Zeit kein günstiges Kleinklasse-Modell fehlte. Woolf vermutet, dass der 80 % GPT-5.6 Luna-Schnitt im Juli direkt auf diese kleineren Modelle mit offenem Gewicht abzielte. Das aktualisierte Flash V4.1 von DeepSeek erreicht im Artificial Analysis Index einen Wert von 45, gegenüber 24 bei ähnlichen Preisen – was den Druck aufrechterhält.

„Niemand senkt die Preise um 80 %, es sei denn, es sind externe Effekte im Spiel“, schreibt Woolf.

Die Ausgaben steigen sowieso

Die Wendung am Ende der Analyse: Billigere Token bedeuten nicht gleich billigere Rechnungen. Daten des KI-Modell-Gateways von Vercel zeigen, dass die Kosten pro Token auf 43,3 % des Niveaus vom April 2026 sinken – während die Gesamtausgaben weiter steigen, weil die Modelle schneller leistungsfähiger als billiger werden.

Diese Dynamik erklärt die strategische Logik auf beiden Seiten. Für die Labore steigern niedrigere Preise die Nutzung und binden Entwickler, selbst wenn die Margen pro Token sinken. Für Kunden sinkt der effektive Preis einer Einheit nützlicher Arbeit – ein geschlossenes Ticket, eine zusammengeführte Pull-Anfrage, eine abgeschlossene Forschungsaufgabe – sogar noch schneller, als die Aufkleberpreise vermuten lassen.

Was Sie als Nächstes sehen sollten

Wenn das Muster anhält, werden die nächsten Modellveröffentlichungen von OpenAI und Anthropic mit Spitzenpreisen erscheinen, die denen der Vorgänger entsprechen oder darunter liegen, und die Cache-Read-Preise werden sich weiterhin den aggressiven Verhältnissen annähern, die DeepSeek festgelegt hat. Google und Meta, die laut Woolf ebenfalls auf diesem Markt konkurrieren, stehen vor der gleichen Rechnung.

Derzeit sind die Käufer von KI-Rechnern die klaren Gewinner eines Krieges, der keine Anzeichen für ein Ende zeigt – und die Analyse deutet darauf hin, dass das Endspiel ein Markt ist, in dem Grenzfähigkeiten wie eine Ware bepreist werden und die Differenzierung durch alles erfolgt, was mit dem Modell zu tun hat, und nicht durch das Modell selbst.

---

Der KI einen Schritt voraus sein

Erhalten Sie die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Weitere KI-Neuigkeiten lesen →