Kostnaden för att använda frontier AI-modeller har tyst kollapsat. Sedan juni har OpenAI och Anthropic sänkt priserna på sina flaggskepp LLM med 40 % till 80 % genom en snabb serie av överlappande prissänkningar – och en analys som publicerades den 25 oktober av dataforskaren Max Woolf beskriver, månad för månad, hur ett fullständigt priskrig utvecklades mellan de två företagen.

Tidslinjen är viktig eftersom den visar att nedskärningarna inte var en engångsrabatt utan en varaktig konkurrensspiral, där varje företag reagerade på det andras drag inom några dagar. För mer sammanhang om den här historien, se vår pågående AI-nyheter täckning.

Tidslinjen: fyra månader av fallande priser

Woolfs analys spårar prissättning per miljon token – input, utdata och cacheläsning – över alla större utgåvor från båda labben sedan slutet av juni:

  • 26 juni: OpenAI lanserade GPT-5.6 Sol med $5 input / $30 output per miljon tokens, med den lilla modellen Luna för $1 / $6.
  • 30 juni: Anthropic lanserade Claude Sonnet 5 för $2 / $10 - ett lanseringspris som den beskrev som tillfälligt.
  • 24 juli: Anthropic lanserade Claude Opus 5 för $5 / $25, direkt matchande GPT-5.6 Sol.
  • 30 juli: OpenAI sänkte GPT-5.6 Lunas pris med 80 %, till 0,20 USD / 1,20 USD.
  • 10 augusti: Anthropic gjorde Sonnet 5:s rabatterade pris permanent.
  • 21 augusti: OpenAI sänkte GPT-5.6 Sol med ungefär 20 %, till $4 / $20, under tre månader.
  • 1 september: Anthropic lanserade Fable 5.1 för $10 / $50 med cache-avläsningspriset sänkt med 75%.
  • 22 september: OpenAI lanserade GPT-6 Sol för häpnadsväckande $2 / $10 - hälften av dess rabatterade föregångare - och samma dag lanserade Anthropic Claude Opus 5.5 för $4 / $20, där företaget säger att "Opus 5.5 kräver mindre datoranvändning än Opus 5, och dess pris."
  • 29 september: OpenAI följde med GPT-6.1 Sol, återigen till $2 / $10 men med cache-avläsningspriset halverat till $0,10 — vilket gör modellfamiljen kumulativt cirka 75% billigare än i juni.

Enligt Woolfs redovisning har kostnaden för att använda dessa modellfamiljer kratrats på fyra månader, utan någon synlig uppoffring av utskriftskvalitet. Nedskärningarna flödar också genom prenumerationsbaserade kodningsverktyg som Codex och Claude Code, inte bara rå API-åtkomst.

Cacheprissättning är den dolda slagfältet

En av analysens skarpaste insikter gäller cache-läsningskostnader — priset för att läsa om en modells minne av ett pågående samtal. I agentkodningsarbetsbelastningar utgör cacheläsningar 96 % till 99 % av de totala tokenutgifterna, och cacheträfffrekvensen är vanligtvis 90 % till 100 %.

Den aritmetiken är anledningen till att Anthropics 75 % cache-läsning för Fable 5.1 korrelerade med en 70 % till 75 % minskning av den verkliga kostnaden för att använda modellen, även om ingångs- och utgångspriserna aldrig ändrades. När OpenAI halverade GPT-6.1 Sols cachepris en månad senare, matchade den Anthropics cache på ungefär 5 % av insatspriset.

Varför sänka priserna med 80 %?

Woolfs svar fokuserar på varuanpassning. Sedan agent LLM-användning började växa i november 2025, hävdar han, har modeller blivit lätta att byta: utvecklare kan växla mellan modeller med en växling i verktyg som OpenCode eller en annan slutpunkt på OpenRouter, vilket lämnar laboratorier med lite vallgrav och mycket pristryck.

Den andra externa effekten är öppen konkurrens. DeepSeeks V4 Flash, som släpptes i april 2026 med $0,14 input / $0,28 output med ett cache-läspris på bara $0,0028, blev viralt just för att OpenAI saknade en billig liten modell vid den tiden. Woolf misstänker att 80 % GPT-5.6 Luna-snittet i juli var riktat rakt mot dessa mindre modeller med öppen vikt. DeepSeeks uppdaterade Flash V4.1 får 45 poäng på Artificiell analysindex, upp från 24, till liknande priser – vilket håller trycket kvar.

"Ingen sänker priserna med 80% om det inte finns någon extern påverkan", skriver Woolf.

Utgifterna ökar ändå

Tvisten i slutet av analysen: billigare tokens har inte inneburit billigare räkningar. Data från Vercels AI-modellgateway visar att kostnaden per token sjunker till 43,3 % av nivån i april 2026 – medan de sammanlagda utgifterna fortsätter att klättra, eftersom modellerna blir mer kapabla snabbare än de blir billigare.

Den dynamiken förklarar den strategiska logiken på båda sidor. För labben ökar lägre priser användningen och låser in utvecklare även när marginalerna per token komprimeras. För kunderna faller det effektiva priset för en enhet av användbart arbete - en stängd biljett, en sammanslagen pull-förfrågan, en avslutad forskningsuppgift - ännu snabbare än klistermärkespriserna antyder.

Vad du ska titta på härnäst

Om mönstret håller, kommer nästa modellsläpp från OpenAI och Anthropic att anlända med rubrikpriser på eller under sina föregångare, och prissättningen för cacheläsning kommer att fortsätta att konvergera mot de aggressiva förhållandena som DeepSeek etablerat. Google och Meta, som Woolf noterar också konkurrerar på denna marknad, står inför samma matematik.

För närvarande är köpare av AI Compute de klara vinnarna av ett krig som inte visar några tecken på att ta slut - och analysen tyder på att slutspelet är en marknad där gränskapacitet prissätts som en vara, med differentiering som kommer från allt som ligger runt modellen snarare än själva modellen.

---

Stay ahead of AI

Få de senaste AI-nyheterna, analyserna och genombrotten – allt på ett ställe.

Läs mer AI-nyheter →