Die großen KI-Entwickler verlagern den Wettbewerb zunehmend von der reinen Leistungsfähigkeit auf die Kosteneffizienz ihrer Modelle. OpenAI erklärte, sein neues Modell GPT-5.6 sei darauf ausgelegt, mit deutlich weniger Token mehr Arbeit zu erledigen, was die Nutzung für Unternehmen günstiger mache. SpaceXAI, das Unternehmen von Elon Musk, bewirbt Grok 4.5 mit einer doppelt so hohen Token-Effizienz wie vergleichbare Modelle der Konkurrenz. Meta kündigte an, sein Muse Spark 1.1 zu einem „sehr attraktiven Preis“ anzubieten. Diese Entwicklung folgt auf eine Phase, in der Unternehmen nach anfänglich unbegrenzter KI-Nutzung – intern als „Tokenmaxxing“ bezeichnet – angesichts hoher Rechnungen ihre Ausgaben strenger kontrollieren.

Der Druck zur Kostensenkung hat mehrere Ursachen. Zum einen setzen Firmen wie Anthropic zunehmend auf nutzungsbasierte Abrechnungsmodelle statt fester Abonnements, was die Kosten für intensive Nutzer in die Höhe treibt. Zum anderen müssen die KI-Labore Wege finden, die enormen Investitionen in Chips und Rechenzentren zu refinanzieren, ohne die Kunden zu verlieren. Aus dem Silicon Valley heißt es, dass einige Unternehmen monatlich Millionen Dollar für KI-Dienste ausgeben und nun nach günstigeren Alternativen suchen. Chinesische Anbieter wie DeepSeek drängen mit preiswerten Open-Source-Modellen auf den Markt, die zwar nicht die Spitzenleistung erreichen, aber für viele Alltagsaufgaben ausreichen.

Die Fokussierung auf Effizienz hat auch Nebenwirkungen. Entwickler berichten von einer wachsenden „KI-Erschöpfung“: Die neuen Programmierwerkzeuge steigern die Produktivität, führen aber zu mentaler Ermüdung, weil die ständige Interaktion mit KI-Assistenten den Zustand des „Flow“ verhindert. Gleichzeitig entbrennt ein Streit um die sogenannte Destillation, bei der Konkurrenten die Ausgaben fremder Modelle nutzen, um eigene Systeme zu verbessern. Anthropic warnt vor solchen „Destillationsangriffen“, während Kritiker darauf hinweisen, dass die KI-Firmen selbst jahrelang Webinhalte ohne Erlaubnis extrahiert haben. Diese Debatte könnte die rechtlichen Grenzen des KI-Trainings neu definieren.

Die nächste Runde der Modellveröffentlichungen ist für das dritte Quartal angekündigt; sie wird Aufschluss darüber geben, wie sich der Wettbewerb um Kosteneffizienz auf die Preisgestaltung und die Verfügbarkeit von Spitzenmodellen auswirkt.