Warum OpenAI und Anthropic ihre KI-Preise um bis zu 80 Prozent reduzieren

OpenAI und Anthropic haben die Preise mehrerer großer Sprachmodelle innerhalb weniger Monate teils um bis zu 80 Prozent gesenkt. Der stärkere Wettbewerb untereinander und durch offene Modelle erhöht offenbar den Druck auf beide Unternehmen. Max Woolf schreibt in seinem Blog, dass Umfang und Tempo dieser Preissenkungen über übliche Produktanpassungen hinausgehen.

Betroffen sind Preise für die Verarbeitung von Text durch KI-Modelle. Dazu zählen eingegebene Tokens, erzeugte Antworten und der Zugriff auf zwischengespeicherte Kontexte. Gerade bei Coding-Agenten und anderen Werkzeugen mit langen Gesprächen oder umfangreichen Dokumenten ist dieser Cache wichtig. Günstigere Cache-Zugriffe können die tatsächlichen Kosten eines Auftrags daher deutlich stärker senken als der reine Tokenpreis vermuten lässt.

OpenAI sorgte Ende Juli für Aufmerksamkeit, als das Unternehmen GPT-5.6 Luna um 80 Prozent verbilligte. Der Preis für eine Million Eingabe-Tokens sank von einem Dollar auf 20 Cent. Für Ausgabe-Tokens fiel der Preis von sechs Dollar auf 1,20 Dollar. Später reduzierte OpenAI auch die Preise größerer Sol-Modelle. GPT-6.1 Sol kostet Ende September zwei Dollar für Eingaben und zehn Dollar für Ausgaben je Million Tokens. Cache-Zugriffe kosten 10 Cent.

Anthropic ging ähnlich vor. Das Unternehmen machte den Einführungspreis von Claude Sonnet 5 dauerhaft, senkte die Kosten von Claude Opus 5.5 und reduzierte bei Fable 5.1 den Preis für Cache-Zugriffe um 75 Prozent gegenüber dem Vorgänger. Anthropic erklärt den niedrigeren Preis bei Opus 5.5 damit, dass das Modell weniger Rechenleistung im Betrieb benötige.

Offene Modelle erhöhen den Preisdruck

Woolf zufolge können Nutzer heute einfacher zwischen Modellen wechseln als noch vor wenigen Monaten. Viele Entwicklungsumgebungen und KI-Plattformen erlauben die Auswahl eines anderen Anbieters direkt in der Oberfläche oder über eine API-Einstellung. Damit wird es schwieriger, dauerhaft hohe Preisaufschläge durchzusetzen, wenn vergleichbare Modelle verfügbar sind.

Zusätzlichen Druck erzeugen offene Modelle. DeepSeeks Flash V4.1 wird beispielsweise von zahlreichen externen Inferenzanbietern über OpenRouter angeboten. Diese Unternehmen betreiben das Modell auf eigener Infrastruktur und konkurrieren bei Preis, Geschwindigkeit und Verfügbarkeit. Woolf nennt 29 Anbieter für die aktualisierte Version. Bei einer früheren Fassung waren es 13.

Damit konkurrieren OpenAI und Anthropic nicht nur mit anderen großen KI-Unternehmen. Auch kleinere Anbieter können offene Modelle effizient betreiben und günstiger anbieten. Entwickler können bei einigen Plattformen gezielt den preiswertesten verfügbaren Endpunkt wählen.

Für Anwender zeigt sich der Effekt besonders bei KI-Agenten. Sie können Code erstellen, Recherchen zusammenfassen, Texte entwerfen oder mehrstufige Aufgaben bearbeiten. Sinkende Modellpreise ermöglichen mehr Nutzung innerhalb desselben Budgets. Niedrigere API-Preise bedeuten jedoch nicht zwangsläufig günstigere Abonnements. Woolf verweist darauf, dass OpenAI bei einem teuren Codex-Tarif gleichzeitig die Nutzungsgrenze gesenkt habe.

Die Frage nach der Rentabilität bleibt

Der Zeitpunkt der Preissenkungen ist auch mit Blick auf mögliche Börsengänge bemerkenswert. OpenAI und Anthropic investieren hohe Summen in Forschung, Modelltraining und Rechenzentren. Auf den ersten Blick passen deutliche Preissenkungen nicht zu Unternehmen, die Investoren einen Weg zur Profitabilität zeigen müssen.

Woolf argumentiert jedoch, dass der Betrieb bereits trainierter Modelle weiterhin hohe Margen ermöglichen könnte. Wenn Anbieter Tokens trotz niedrigerer Preise rentabel verarbeiten können, dürfte der Wettbewerb die Preise weiter in Richtung der Grenzkosten drücken. Gemeint sind die Kosten für eine zusätzliche Nutzungseinheit.

Entscheidend bleibt, ob die Qualität der Modelle schneller steigt als ihre Preise fallen. Von Woolf zitierte Daten von Vercel zeigen sinkende durchschnittliche Tokenkosten, aber steigende Gesamtausgaben. Der Grund: Leistungsfähigere Modelle werden häufiger und für mehr Aufgaben eingesetzt. Für Teams bedeutet das vor allem, dass sie nicht nur Listenpreise vergleichen sollten. Maßgeblich sind die Gesamtkosten für den jeweiligen Arbeitsablauf.