Tokens wurden 214-mal billiger. Die KI-Rechnungen stiegen trotzdem

Am 30. Juli 2026 senkte OpenAI den Preis für GPT-5.6 Luna um 80 Prozent. Der Input fiel auf 20 Cent pro Million Tokens, der Output auf 1,20 Dollar. Terra wurde um ein Fünftel günstiger. Sechs Tage zuvor hatte Anthropic Opus 5 zum Preis der Vorgängergeneration veröffentlicht, nach eigenen Messungen mit mehr als doppelter Leistung pro Aufgabe. Googles Gemini 3.6 Flash wiederum verbraucht für vergleichbare Arbeit 17 Prozent weniger Output-Tokens.

Wer nur auf die Preislisten schaut, sieht den besten Monat, den zahlende Unternehmen je hatten.

Die Buchhaltung sagt etwas anderes. Die Umfrage State of FinOps 2026 mit 1.192 Fachleuten, die zusammen über 83 Milliarden Dollar jährlicher Cloud-Ausgaben verantworten, fand heraus, dass 73 Prozent der Organisationen ihr KI-Budget überschritten haben. Im gleichen Zeitraum wuchs das durchschnittliche KI-Budget von 1,2 Millionen Dollar im Jahr 2024 auf 7 Millionen im Jahr 2026.

Die Preise fallen. Die Rechnungen steigen. Beides stimmt gleichzeitig, und der Grund lohnt sich, bevor Sie das nächste KI-Projekt freigeben.

Der Juli 2026 war der dichteste Monat in der Geschichte der Sprachmodelle

Vier große Labore brachten innerhalb von dreißig Tagen Flaggschiff- oder fast-Flaggschiff-Modelle heraus, dazu kamen die größten offenen Gewichte, die je veröffentlicht wurden.

Kimi K3 von Moonshot ist mit 2,8 Billionen Parametern das größte offen verfügbare Modell. Der komplette Download der Gewichte liegt bei rund 1,56 TB, im eigenen Rack betreibt das also kaum jemand. Wichtiger ist eine andere Beobachtung. Modelle, die vor einem Jahr am oberen Ende der Preisskala standen, sitzen heute im Mittelfeld.

Der Tokenpreis ist nicht mehr der interessante Preis

Als GPT-4 im März 2023 startete, kostete eine Million Input-Tokens 30 Dollar. Ende Juli 2026 ist vergleichbare Qualität für 14 Cent zu haben. Das ist eine 214-fache Kompression in vierzig Monaten, eine Deflationskurve ohne Vorbild in der Unternehmenssoftware.

Trotzdem platzen die Budgets. Die Erklärung steht nicht in der Preisliste, sondern in der Art, wie Modelle heute eingesetzt werden.

Ein Chatbot bekommt eine Frage und liefert eine Antwort. Ein Aufruf, eine abgerechnete Portion Tokens. Ein agentischer Workflow, der eine eingehende Rechnung verarbeitet, holt das Dokument, klassifiziert es, extrahiert Positionen, gleicht sie mit der Bestellung ab, markiert die Abweichung und formuliert eine Antwort. Das sind schnell zwanzig Aufrufe für ein Dokument. Gleicher Tokenpreis, zwanzigfacher Verbrauch.

Dazu kommen Reasoning-Modelle. Sie erzeugen vor der Antwort internes Denken, das Sie nie sehen und immer zum Output-Tarif bezahlen. Hinter fünfhundert sichtbaren Wörtern können Zehntausende abgerechneter Tokens stecken.

Der Analyst Jacob Bourne brachte es gegenüber VentureBeat auf den Punkt. „The era of tokenmaxxing is over. Enterprises have figured out how easy it is to burn tokens without getting value back.“

Die Kennzahl, die sich lohnt

Hören Sie auf, Preise pro Million Tokens zu vergleichen. Vergleichen Sie Kosten pro fertiger Aufgabe.

Der Abstand zwischen beiden Zahlen ist größer als er wirkt, und die veröffentlichten Messungen aus SWE-Bench Pro zeigen ihn sauber. Grok 4.5 löst eine durchschnittliche Aufgabe mit 15.954 Output-Tokens. Opus 4.8 im Modus maximaler Anstrengung braucht 67.020.

Die Preisliste unterscheidet sich um den Faktor 4,2. Der Verbrauch ebenfalls um rund 4,2. Diese beiden Faktoren addieren sich aber nicht, sie multiplizieren sich, womit der reale Abstand pro Aufgabe bei etwa siebzehn liegt.

Nehmen Sie das als Illustration des Mechanismus, nicht als Urteil über die Modelle. Es sind veröffentlichte Benchmark-Zahlen, keine eigenen Messungen, und bei anderer Arbeitslast dreht sich die Reihenfolge. Das Prinzip bleibt. Der Tokenverbrauch ist die zweite Hälfte des Preises, und die meisten Unternehmen verfolgen sie gar nicht.

Die Labore wissen das längst. Google führte die Ankündigung von Gemini 3.6 Flash mit 17 Prozent weniger Output-Tokens an, nicht mit höherer Intelligenz. Weniger reden, nicht mehr denken.

Anstrengung wurde zur Position auf der Rechnung

Die zweite Verschiebung aus dem Juli ist leiser und in der Praxis wichtiger. Ein Modell ist nicht mehr eine Sache zu einem Preis.

Opus 5 kommt mit wählbarer Anstrengungsstufe von niedrig über mittel bis hoch. Gleiche Frage, gleiches Modell, anderer Verbrauch und andere Antwort. GPT-5.6 Sol bekam einen schnellen Modus, der etwa 2,5-mal zügiger läuft und das Doppelte kostet. Grok 4.5 rechnet unterhalb von 200.000 Tokens Kontext anders ab als darüber, und beim Überschreiten wird die gesamte Anfrage neu bepreist.

Praktisch heißt das, dass „wir nehmen dieses Modell" keine einzelne Entscheidung mehr ist. Es sind Modell, Anstrengungsstufe, Kontextgröße und Caching-Strategie. Wer das einmal konfiguriert und liegen lässt, bezahlt die Sortierung von E-Mails zum Tarif einer Vertragsanalyse.

Was Sie im Unternehmen konkret tun können

Kosten pro Prozess messen, nicht pro API

Die Rechnung des Anbieters sagt Ihnen, wie viel Sie ausgegeben haben. Sie sagt nicht, welcher Workflow es ausgegeben hat. Markieren Sie Aufrufe nach dem auslösenden Prozess und verfolgen Sie die Kosten pro verarbeitetem Dokument, pro gelöstem Ticket, pro erstelltem Angebot. Erst diese Zahl lässt sich neben einen Stundensatz legen.

Modellnamen nicht fest in den Code schreiben

Allein im Juli hat sich die Rangfolge dreimal geändert. Steht der Modellname als Konstante in zwanzig Dateien, ist jeder Wechsel ein Projekt. Liegt er als ein Konfigurationswert hinter einer Schnittstelle, ist es eine Änderung von zehn Minuten. Das ist die günstigste Versicherung auf dem Markt und kostet Sie einen Nachmittag.

Das Evaluationsset vor dem Umschalten aufbauen

Ohne dreißig bis fünfzig echte Fälle mit erwartetem Ergebnis ist der Wechsel auf ein günstigeres Modell ein Glücksspiel. Mit ihnen ist es ein einziger Messlauf. Dasselbe Set ist zugleich der einzige Schutz gegen stille Qualitätsverluste, wenn ein Anbieter das Modell unter Ihnen aktualisiert.

Obergrenzen auf Workflow-Ebene setzen

Ein Alarm auf die Monatssumme meldet sich, wenn es zu spät ist. Ein Limit für Aufrufe und Tokens innerhalb eines Agentenlaufs stoppt eine Endlosschleife noch am selben Tag. Die meisten teuren Überraschungen sind kein langsames Wachstum, sondern ein Fehler, der übers Wochenende lief.

Caching und günstige Modelle für die Vorsortierung nutzen

Zwischengespeicherter Input kostet bei den meisten Anbietern einen Bruchteil des Normaltarifs. Grok 4.5 berechnet ihn mit 0,50 statt 2 Dollar. Bei einem Agenten, der in jedem Schritt denselben Systemkontext mitschickt, ist das kein Rundungsfehler. Klassifikation, Routing und Feldextraktion laufen ohnehin auf der günstigsten Klasse, die heute fast nichts kostet.

Was das für ein kleineres Unternehmen bedeutet

Für eine Firma mit zwanzig Leuten entscheidet der Unterschied zwischen 5 Dollar und 20 Cent pro Million Tokens nicht über die Rentabilität eines Projekts. Bei üblichem Volumen geht es um zweistellige Eurobeträge im Monat.

Das Gewicht liegt woanders. Wenn ein Modellwechsel bedeutet, zwanzig Dateien umzuschreiben, nützt Ihnen jede Preissenkung am Markt nichts, weil Sie gar nicht an sie herankommen. Die zweite Sache ist Sichtbarkeit. Ein Unternehmen, das auf Nachfrage sagen kann, was die Verarbeitung einer Rechnung kostet, bekommt diese Zahl auch gedrückt. Wer das nicht weiß, erfährt vom steigenden Verbrauch erst durch die Rechnung.

Der Markt bewegt sich weiter. In einem Monat fiel die Mittelklasse um ein Fünftel, die untere Klasse um vier Fünftel, und die Flaggschiffe wurden teurer. Wer KI als austauschbares Bauteil angelegt hat, nimmt das mit. Wer sich auf einen Anbieter festgelegt und ihn in den Code gegossen hat, zahlt weiter für die Entscheidung der letzten Saison.

Bei Rise.sk bauen wir Automatisierung und KI-Workflows so, dass sich das Modell ohne Eingriff in die Architektur tauschen lässt. Die Kosten pro verarbeiteter Einheit messen wir ab dem ersten Tag. Wenn Sie wissen wollen, was ein Prozess Sie heute kostet und ob es günstiger geht, melden Sie sich.

Quellen

• Anthropic, Introducing Claude Opus 5
• OpenAI, Advancing the price-performance frontier with GPT-5.6
• VentureBeat, AI price wars, OpenAI cuts GPT-5.6 Luna prices by 80 percent
• CNBC, OpenAI cuts prices for two of its GPT-5.6 AI models
• FinOps Foundation, State of FinOps 2026
• Analytics Vidhya, July 2026 AI releases timeline
• DataCamp, Grok 4.5 features, benchmarks and pricing
• Axis Intelligence, AI inference cost statistics 2026
• OpenRouter, Kimi K3 model card