senn-techDer KI-Preisverfall: Frontier-Leistung zum Bruchteil des Preises
Innerhalb weniger Tage hat sich die Kostenbasis für den KI-Einsatz im Unternehmen spürbar verschoben: OpenAI senkt die Preise für die günstigen GPT-5.6-Modelle drastisch, DeepSeek hat V4-Flash still nachtrainiert, und Alibaba hat Qwen3.8-Max mit 2,4 Billionen Parametern veröffentlicht. Drei Meldungen, ein Muster: Leistung nahe der Spitze wird zur Ware.
Update 3. August 2026: Qwen3.8-Max wird breit verfügbar — und OpenAI verkauft Tempo getrennt
Alibaba hat Qwen3.8-Max heute allgemein zugänglich gemacht: über die Model-Studio-APIs von Alibaba Cloud, über Web- und Desktop-Apps sowie über die am selben Tag in die öffentliche Beta gestartete Agentenplattform QwenWork. Die offenen Gewichte sollen kommende Woche folgen — für Alibaba die Rückkehr zum Offenlegen der Spitzenmodelle, nachdem mehrere Flaggschiffe zuletzt geschlossen geblieben waren (South China Morning Post).
Der Vorschau-Zugang läuft zu zehn Prozent des regulären Preises. Alibaba beansprucht, das Modell reiche an die Frontier-Klasse heran und liege nur hinter Claude Fable 5 — eigene Benchmarks hat das Unternehmen dazu nicht veröffentlicht, die unabhängigen Arena-Werte oben sind vorerst die belastbarere Grundlage (the decoder).
Bei OpenAI ist neben der Preissenkung ein zweiter Hebel dazugekommen: ein Fast Mode für GPT-5.6 Sol, der die Verarbeitung um bis zu das 2,5-Fache beschleunigt, ohne die Modellgüte zu verändern — zum doppelten Preis (it-daily). Damit wird Geschwindigkeit zum eigenen Produkt, getrennt von Intelligenz: Wer warten kann, zahlt weniger.
Was das an der Rechnung ändert. Der Preisunterschied im Feld beträgt inzwischen das 179-Fache, während die Leistungsunterschiede im Index einstellig bleiben. Für den Einkauf heißt das: Die Frage ist nicht mehr „welches Modell ist das beste", sondern „welche Aufgabe rechtfertigt welche Preisklasse". Und wenn Alibaba kommende Woche tatsächlich die Gewichte eines 2,4-Billionen-Modells offenlegt, verschiebt sich die Untergrenze noch einmal — dann nicht in der Preisliste, sondern in der Frage, was überhaupt noch eingekauft werden muss.
OpenAI: minus 80 Prozent bei Luna
Zum 30. Juli 2026 hat OpenAI die Preise der kleineren GPT-5.6-Modelle gesenkt:
| Modell | Neu (In / Out je 1 Mio. Token) | Änderung |
|---|---|---|
| GPT-5.6 Luna | $0,20 / $1,20 | −80 % |
| GPT-5.6 Terra | $2,00 / $12,00 | −20 % |
| GPT-5.6 Sol | $5,00 / $30,00 | unverändert |
OpenAI begründet den Schritt mit eigenen Effizienzgewinnen: rund 20 Prozent geringere Deployment-Kosten durch GPU-Software-Optimierung und über 15 Prozent mehr Token-Durchsatz durch spekulatives Dekodieren. Die Rechnung des Anbieters dazu: Eine Aufgabe, die mit den Spitzenmodellen von vor einem Jahr einen Dollar gekostet hätte, koste mit Luna etwa sechs Cent — bei fast neunfacher Geschwindigkeit.
DeepSeek V4-Flash: besser als Fable 5, 99 Prozent günstiger
Am 31. Juli hat DeepSeek V4-Flash ohne Ankündigung nachtrainiert — gleiche Architektur (284 Mrd. Parameter, rund 13 Mrd. aktiv, 1 Mio. Token Kontext), neues Post-Training. Das Ergebnis im Terminal-Bench 2.1, der Agenten auf echten Kommandozeilen-Aufgaben misst: 82,7 Punkte statt 56,9 im April.
Damit liegt ein Modell für 0,14 US-Dollar Input und 0,28 US-Dollar Output vor Claude Fable 5, das für dieselbe Menge Token 10 bzw. 50 US-Dollar aufruft. Der Abstand zum Spitzenreiter GPT-5.6 Sol beträgt 3,1 Punkte — der Preisunterschied Faktor 100.
Qwen3.8-Max: 2,4 Billionen Parameter, sechs Dollar, offene Gewichte angekündigt
Alibaba hat Qwen3.8-Max veröffentlicht: ein Mixture-of-Experts-Modell mit 2,4 Billionen Parametern, davon rund 95 Milliarden aktiv, 1 Million Token Kontext, multimodal für Text, Bild, Video und Dokumente. Preis: 2 US-Dollar Input, 6 US-Dollar Output je Million Token, Caching zu 0,25 US-Dollar.
Im Arena-Leaderboard rangiert das Modell je nach Kategorie auf Platz 2 bis 5 — im Frontend-Code auf Rang 4, 37 Punkte hinter Claude Opus 5 und einen Punkt hinter dessen High-Variante. Bemerkenswerter als die Platzierung ist die Ankündigung, die Modellgewichte offenzulegen; genannt sind sowohl Qwen3.8-Max als auch ein kleineres Qwen3.8-27B. Träfe das ein, wäre erstmals ein Modell dieser Größenordnung im Eigenbetrieb erreichbar.
Alibaba wirbt zusätzlich mit einem Langzeit-Test: Qwen3.8-Max habe das Projekt oh-my-cli über 16 Tage ohne menschlichen Eingriff entwickelt — 265 Commits, 127 Pull Requests, 151 geschlossene Tickets. Das ist eine Herstellerangabe ohne unabhängige Prüfung und entsprechend zu behandeln. Bemerkenswert ist trotzdem, was dort gemessen wird: nicht Antwortqualität auf eine Frage, sondern Durchhaltevermögen über lange autonome Läufe.
Warum der Token-Preis allein nicht reicht
Kurz gefasst: Kimi K3 kostet je Ausgabe-Token 40 Prozent weniger als Claude Opus 5, verbraucht für dieselbe Arbeit aber 30 Prozent mehr Token — netto bleiben 36 Prozent Ersparnis, und die Laufzeit verdoppelt sich. Den vollständigen Vergleich mit gemessenen Kosten, Token-Mengen und Wartezeiten für Claude, Kimi K3, GPT-5.6 und DeepSeek — samt der Rechnung für Agentenläufe, in der sich die Rangfolge umkehrt — haben wir in einem eigenen Beitrag aufbereitet: Was ein KI-Modell wirklich kostet.
Was das für Unternehmen bedeutet
Budgets werden falsch geplant. Wer 2026 einen Dreijahresvertrag auf Basis heutiger Token-Preise rechnet, plant mit einer Größe, die sich im Quartalstakt halbiert. Preisannahmen gehören jährlich auf den Prüfstand, nicht in die Abschreibung.
Ein-Modell-Strategien sind teuer geworden. Der wirtschaftlich sinnvolle Aufbau ist Routing: Klassifikation, Extraktion und Zusammenfassung laufen auf günstigen Modellen, nur schwierige Fälle gehen an ein Spitzenmodell. Genau so betreiben wir unsere eigenen Modell-Lanes — ein Gateway davor, das nach Aufgabe verteilt, statt jede Anfrage an das teuerste Modell zu schicken.
Der Datenschutz-Vorbehalt bleibt. Günstige gehostete APIs aus China wie aus den USA ändern nichts an der Frage, wo Daten verarbeitet werden. Für Kundendaten, Buchhaltung oder Personalakten gilt weiter: offene Gewichte im Eigenbetrieb oder europäisch gehostet. Wenn Qwen3.8-Max seine Gewichte tatsächlich freigibt, verschiebt das genau diese Rechnung — dann fällt der Preis nicht nur in der API, sondern im eigenen Rechenzentrum.
Benchmarks ersetzen keine Messung. Terminal-Bench und Arena-Score sind Indikatoren, keine Zusagen. Bevor ein Modell in einen Produktivprozess wandert, gehört es an den eigenen Daten gemessen — mit denselben Prompts, denselben Dokumenten und einer Fehlerquote, die man akzeptieren kann.
Unsere Sicht
Der Preiskampf ist kein Rabattzyklus, sondern Folge zweier Effekte: bessere Inferenz-Technik bei den Anbietern und offene Gewichte, die den geschlossenen Anbietern die Preissetzung nehmen. Für Unternehmen ist das gute Nachricht und Fallstrick zugleich — die Kosten fallen, aber nur für den, der seine Architektur austauschbar hält. Wer sich fest an ein Modell bindet, bekommt den Preisverfall der anderen nicht mit.
Weiterführende Quellen
Wie stark sind die KI-Preise 2026 tatsächlich gefallen?+
Am 30. Juli 2026 hat OpenAI GPT-5.6 Luna um 80 Prozent auf 0,20 US-Dollar je Million Input- und 1,20 US-Dollar je Million Output-Token gesenkt, Terra um 20 Prozent auf 2 bzw. 12 US-Dollar. OpenAI selbst rechnet vor, dass eine Aufgabe, die mit den Spitzenmodellen von vor einem Jahr einen Dollar gekostet hat, mit Luna rund sechs Cent kostet. DeepSeek V4-Flash liegt bei 0,14 bzw. 0,28 US-Dollar — das ist rund ein Prozent des Preises von Claude Fable 5, bei besserem Terminal-Bench-Ergebnis.
Heißt billiger auch schlechter?+
Nicht mehr automatisch. Im Terminal-Bench 2.1 erreicht DeepSeek V4-Flash 82,7 Punkte und liegt damit vor Claude Fable 5 mit 80,5 — bei rund einem Prozent der Kosten. Qwen3.8-Max landet im Arena-Leaderboard für Frontend-Code auf Rang 4, 37 Punkte hinter Claude Opus 5. Der Abstand zur Spitze ist real, aber er ist klein geworden, und er rechtfertigt den Preisunterschied in vielen Aufgaben nicht mehr.
Was heißt das konkret für ein Unternehmen mit KI-Budget?+
Drei Dinge: Erstens Preise jährlich neu verhandeln statt Verträge fortschreiben — die Basis fällt schneller als jeder Rahmenvertrag. Zweitens Modell-Routing statt Ein-Modell-Strategie: einfache Aufgaben auf günstige Modelle, nur die schwierigen auf Spitzenmodelle. Drittens bei sensiblen Daten weiter auf Eigenbetrieb offener Gewichte setzen — dort schlägt der Preisverfall über verfügbare Hardware und offene Modelle durch, nicht über die API-Preisliste.