Warum der Aufstieg der Open-Source-KI Anthropic bislang noch nicht schadet

Am Montag stellte Jesse Zhang, CEO von Decagon, unter der Überschrift „Alle irren sich, was Open-Source-KI in Unternehmen angeht“ eine provokante neue Theorie vor. Der Beitrag beleuchtet einen der derzeit spannendsten Widersprüche in der KI-Wirtschaft: Während ausgereiftere KI-Implementierungen – sogar innerhalb seines eigenen Unternehmens – zunehmend auf schlankere Modelle umgestellt werden, bleiben die Gesamtausgaben für teure, hochmoderne Modelle weitgehend unverändert.

Diese Sichtweise rückt das Verhältnis zwischen Pioniermodellen und Open-Source-Modellen in ein neues Licht. Laut Zhang sind sie keine Konkurrenten, und der Erfolg von Open-Source-Modellen geht nicht auf Kosten der „Frontier“-Labore. Vielmehr stellen sie zwei Phasen desselben Lebenszyklus dar: Teure „Frontier“-Modelle werden zur Validierung von Anwendungsfällen eingesetzt, die dann, sobald sie ausgereift sind, an kostengünstigere Open-Source-Alternativen übergeben werden.

Während etablierte Anwendungsfälle auf schlankere Modelle umgestellt werden, entstehen kontinuierlich neue Anwendungsfälle, wodurch die Gesamtausgaben für „Frontier“-Modelle stabil bleiben.

Obwohl Zhang nur begrenzte Daten zur Untermauerung seiner These liefert, sind die Belege leicht zugänglich. Das KI-Gateway-Dashboard von Vercel zeigt, dass DeepSeek in der vergangenen Woche bei den Token-Volumina an die Spitze sprang und etwas mehr als ein Drittel aller Token über seine Infrastruktur verarbeitete. Unterdessen kletterte Z.ai – das Labor hinter dem beliebten GLM-5.2-Modell – im gleichen Zeitraum auf einen respektablen vierten Platz.

Betrachtet man jedoch die gesamten Token-Ausgaben, so entfällt nach wie vor mehr als die Hälfte der gesamten KI-Ausgaben auf der Plattform auf Anthropic. Obwohl dieser Anteil im letzten Monat aufgrund von Anthropics eigenen Preiserhöhungen leicht gesunken ist, ist der Rückgang nicht signifikant.

Bildnachweis:Vercel-Dashboard / Datenexport

OpenRouter zeigt ein ähnliches Bild und bedient ein größeres (wenn auch etwas weniger auf Unternehmen ausgerichtetes) Marktsegment. DeepSeek V4 Flash führt bei der Gesamtnutzung an und verarbeitet wöchentlich 5,3 Billionen Token. Das beliebteste Frontier-Modell, Opus 4.8, verarbeitet etwas mehr als 2 Billionen Token. Zwar erstellt OpenRouter keine Rangliste der Modelle nach Gesamtausgaben, doch zeigt sich, dass die durchschnittlichen Token-Kosten für Opus 4.8 etwa 23-mal höher sind als die für V4 Flash (1,37 US-Dollar pro Million Token gegenüber nur 6 Cent), was darauf hindeutet, dass Opus nach wie vor den Großteil der Ausgaben auf sich vereint.

In diesen Zahlen ist Nvidias neuestes Modell, Nemotron, noch nicht einmal berücksichtigt, das dank Nvidias starker Branchenverbindungen und der außergewöhnlichen Anpassungsfähigkeit des Modells kurz davor steht, an die Spitze zu springen.

Zwar belegen diese Zahlen Zhangs These zu KI-Lebenszyklen nicht vollständig, doch deuten sie darauf hin, dass Pionierlabore wie Anthropic noch nicht wesentlich unter dem Aufstieg von Open Source leiden – zumindest vorerst nicht. Eine Erklärung dafür ist, dass der Markt für KI-gestützte Aufgaben so rasant wächst, dass Spitzenmodelle ihre Dominanz durch die Kontrolle über Einsätze in der Frühphase aufrechterhalten können. Wie Zhang feststellt: „Die Pionierlabore werden weiterhin die Vorreiterrolle bei der Forschung einnehmen. Open Source wird zunehmend die Produktion dominieren.“ Eine weitere Möglichkeit besteht darin, dass viele Anwendungsfälle – selbst wenn Kunden Open-Source-Modelle einsetzen – zu komplex sind, um vollständig durch kostengünstigere Alternativen ersetzt zu werden.

Unabhängig davon könnte sich dieses zweistufige Wirtschaftsmodell zu einem festen Bestandteil der KI-Landschaft entwickeln.

Erst im vergangenen September schrieb ich über die Möglichkeit, dass „Foundation Labs“ letztendlich Kaffeebohnen an Starbucks verkaufen würden – im Wesentlichen als Rohstofflieferanten fungieren, während die Anwendungsschicht die Gewinne einstreut. Einige Aspekte dieser Vorhersage haben sich bewahrheitet: Vertikale KI-Unternehmen sind auf schlankere Modelle umgestiegen, und die Wirtschaftlichkeit von „GPT-Wrapper“-Start-ups ist weitgehend stabil geblieben.

Gleichzeitig beobachten wir jedoch, dass die Pioniere des Marktes, Token für Token, das wertvollste Segment des Marktes für sich behalten haben: die Premium-Token-Preisgestaltung. Dieser Trend dürfte sich in absehbarer Zeit nicht ändern.