Schlagwort: Kosten

Auch Anthropics Sonnet 5 kommt mit versteckten Kosten und ist deutlich teurer als der Vorgänger

Claude Sonnet 5 erreicht im Artificial Analysis Intelligence Index mit 53 Punkten Platz fünf und übertrifft bei agentischen Aufgaben teils sogar das teurere Opus 4.8. Doch das Modell verbraucht pro Aufgabe rund 40 Prozent mehr Tokens als sein Vorgänger, was die realen Kosten trotz gleicher Listenpreise fast verdoppelt. Anthropics versteckte Preissteigerungen werden zum Muster.

Der Artikel Auch Anthropics Sonnet 5 kommt mit versteckten Kosten und ist deutlich teurer als der Vorgänger erschien zuerst auf The Decoder.
Amazon baut aus Anthropics großen KI-Modellen kleinere Versionen – aus Angst vor steigenden Kosten

Amazon-Ingenieure destillieren offenbar vorsorglich Anthropic-Modelle zu kleineren, günstigeren Varianten für den internen Gebrauch. Hintergrund: Ab nächstem Jahr zahlt Amazon nicht mehr nach Rechenstunden, sondern nach Tokens, was die Kosten deutlich erhöhen könnte. Parallel prüft der Konzern bereits Alternativen wie OpenAI.

Der Artikel Amazon baut aus Anthropics großen KI-Modellen kleinere Versionen – aus Angst vor steigenden Kosten erschien zuerst auf The Decoder.
DeepSeek senkt Preise für KI dauerhaft um 75%

GPT-Images-2.0

Kurzfassung
▾

Quellen
▾

DeepSeek senkt die Preise für sein KI-Modell V4-Pro dauerhaft um 75 Prozent.
Gleichzeitig bereitet das Unternehmen eine Finanzierungsrunde mit einer Bewertung von bis zu 50 Milliarden US-Dollar vor.
Westliche Anbieter wie Anthropic und Google verteuern ihre KI-Modelle durch neue Tokenizer oder den Wegfall von Flatrates.
Unternehmen wie Uber und Microsoft reagieren bereits und kürzen ihre KI-Budgets wegen explodierender Kosten.

DeepSeek Models & Pricing
Reuters: China’s DeepSeek to make permanent 75% price cut on flagship V4-Pro AI model
TechCrunch: DeepSeek previews new AI model that ‚closes the gap‘ with frontier models
Reuters: DeepSeek value could be up to $50 billion in first fundraising, sources say
DeepSeek X Statusmeldung

DeepSeek senkt die API-Preise für sein aktuelles KI-Modell V4-Pro dauerhaft um 75 Prozent. Gleichzeitig strebt das chinesische Unternehmen eine Rekordbewertung von 50 Milliarden US-Dollar an. Damit reagiert der Entwickler intelligent auf die steigenden Kosten der westlichen Konkurrenz. Hohe Kosten bremsen die Industrie Amerikanische Anbieter von KI-Modellen erhöhen derzeit faktisch ihre Preise. Anthropic verlangt für Claude Opus 4.7 durch einen veränderten Tokenizer deutlich mehr Geld als für den Vorgänger. Auch Google streicht etablierte, kostenlose Kontingente bei seinem Gemini-Modell. Unternehmen spüren die finanziellen Folgen dieser Preispolitik bereits deutlich. Uber hat sein komplettes KI-Budget für das Jahr 2026 innerhalb von nur vier Monaten aufgebraucht. Sogar Microsoft stornierte kürzlich interne Lizenzen für Claude Code, da die nutzungsbasierte Abrechnung zu teuer wurde. Die Ausgaben für amerikanische KI-Produkte stiegen zuletzt um 20 bis 37 Prozent. Viele Anbieter, darunter das zu Microsoft gehörende GitHub, verabschieden sich von festen Flatrates und setzen auf eine reine Abrechnung nach Nutzung. + Quelle: DeepSeek Asiatischer Preisdruck DeepSeek wählt in dieser Phase einen entgegengesetzten Ansatz und reduziert die Kosten für eine Million Tokens bei V4-Pro dauerhaft auf 0,025 bis 6 Yuan. Zuvor lagen die Preise zwischen 0,1 und 24 Yuan. Ein Bruchteil zur US-Konkurrenz, wie man auf der Grafik sehen kann. Mit diesem Schritt positioniert sich das KI-Modell als Alternative für Unternehmen, deren Budgets durch die aktuellen Kosten stark belastet sind. Token-basierte Abrechnungen zwingen Firmen dazu, die tatsächlichen Betriebskosten der Modelle kritisch zu prüfen. Gleichzeitig plant DeepSeek eine neue Finanzierungsrunde, die den Wert des Unternehmens auf 50 Milliarden US-Dollar steigern könnte. Damit sichert sich der Entwickler frisches Kapital, um die niedrigen Preise langfristig aufrechtzuerhalten. Der Markt für kommerzielle KI-Modelle erfährt somit eine spürbare Neuausrichtung der Preisstrukturen. Anzeige
NVIDIA GB300 NVL72: 35-fach geringere Token-Kosten

Nvidia

Kurzfassung
▾

Quellen
▾

NVIDIA präsentiert mit dem GB300 NVL72 neue Benchmarks für die Inferenz des Reasoning-Modells DeepSeek-R1. Im Vergleich zu Systemen mit H200-GPUs sinken die Kosten pro Token um das 35-fache, während die Effizienz auf 50 Tokens pro Watt steigt. Gegenüber dem Vorgänger GB200 reduzieren sich die Kosten bei rechenintensiven langen Kontexten nochmals um den Faktor 1,5. Möglich macht dies ein Verbund aus 72 Blackwell Ultra GPUs mit schnellem HBM3e-Speicher und NVFP4-Berechnungen.

NVIDIA Blog: New SemiAnalysis InferenceX Data Shows NVIDIA Blackwell Ultra Delivers up to 50x Better Performance

NVIDIA: Designed for AI Reasoning Performance & Efficiency | NVIDIA GB300 NVL72

NVIDIA präsentiert neue Leistungsdaten für sein GB300 NVL72 Rack-System. Die Blackwell Ultra Architektur liefert bei dem Reasoning-Modell DeepSeek-R1 bis zu 50-mal mehr Tokens pro Watt und senkt die Kosten im Vergleich zu älteren Hopper-GPUs um das 35-fache. Fokus auf Agentic AI und Effizienz NVIDIA richtet das neue System explizit auf komplexe KI-Aufgaben und Agentic AI aus. Diese modernen Anwendungen arbeiten zunehmend selbstständig und analysieren oft umfangreiche Code-Basen am Stück. Das erfordert extrem lange Kontextfenster und zieht eine hohe Rechenlast nach sich. Der GB300 NVL72 fängt diese Anforderungen hardwareseitig ab. Das System vernetzt 72 Blackwell Ultra GPUs in einem einzigen flüssigkeitsgekühlten Rack. NVIDIA stattet jede GPU mit 288 Gigabyte schnellem HBM3e-Speicher aus. Ein NVLink-Netzwerk mit einer Bandbreite von 130 Terabyte pro Sekunde verbindet die Chips untereinander. Der gesamte Verbund agiert dadurch bei großen Workloads als zusammenhängende Recheneinheit. Ein zentraler Baustein für den Leistungssprung ist die Nutzung des NVFP4-Datenformats. Es quantisiert die Parameter der Modelle effizient und beschleunigt die reine Rechengeschwindigkeit bei der Inferenz spürbar. NVIDIA kombiniert diese Hardware-Basis mit tiefgehenden Software-Optimierungen im eigenen Stack. Anzeige Die Benchmarks im Detail Die aktuellen Leistungstests konzentrieren sich stark auf das Open Source Modell DeepSeek-R1. Die veröffentlichten Diagramme zeigen hier deutliche Sprünge. Gegenüber einem älteren H200-System sinken die Kosten pro Million Tokens bei einem Standard-Kontext (1k/1k) um den Faktor 35. + Quelle: Nvidia Gleichzeitig steigt die Energieeffizienz stark an. Der Blackwell Ultra Cluster generiert 50-mal mehr Tokens pro Watt als die Hopper-Generation. + Quelle: Nvidia Auch der interne Generationsvergleich verdeutlicht den Fortschritt. Gegenüber dem Vorgänger, dem GB200 NVL72, sinken die Token-Kosten bei sehr langen Kontexten (128k/8k) noch einmal um das 1,5-fache. + Quelle: Nvidia Solche langen Prompts belasten normalerweise den Speicher stark und treiben die Kosten für Cloud-Anbieter in die Höhe. Dieses Hardware-Setup adressiert exakt die aktuellen Herausforderungen großer Rechenzentren. Reasoning-Modelle wie DeepSeek-R1 benötigen während der Textgenerierung deutlich mehr Zeit und Rechenkraft, da sie interne Denkprozesse abbilden. Durch die Kombination aus hohem Speicherausbau und extrem schneller Vernetzung bewältigt der GB300 diese komplexen Inferenz-Aufgaben sehr effizient. Die neuen Racks bilden die physische Basis für kommende Rechenzentren und setzen den aktuellen technischen Standard.
Oracle streicht tausende Stellen wegen hoher KI-Kosten

Oracle plant die Streichung tausender Stellen, um die hohen Kosten für den massiven Ausbau seiner KI-Rechenzentren zu bewältigen, berichtet Bloomberg.

Der Artikel Oracle streicht tausende Stellen wegen hoher KI-Kosten erschien zuerst auf The Decoder.
OpenAI verdoppelt Cashburn-Prognose: 111 Milliarden US-Dollar mehr bis 2030

OpenAI hebt seine Umsatzprognosen an, warnt Investoren aber zugleich vor einem drastisch höheren Mittelabfluss. Die Kosten für Training und Betrieb von KI-Modellen steigen schneller als die Einnahmen.

Der Artikel OpenAI verdoppelt Cashburn-Prognose: 111 Milliarden US-Dollar mehr bis 2030 erschien zuerst auf The Decoder.
Anthropic übernimmt Stromkosten für Anwohner bei neuen Rechenzentren

Nano Banana

Kurzfassung
▾

Quellen
▾

Anthropic kündigte an, sämtliche Kosten für den Netzausbau bei neuen, selbst genutzten Rechenzentren zu übernehmen. Sollten lokale Stromtarife durch die Anlagen steigen, plant das Unternehmen direkte Gutschriften auf den Rechnungen betroffener Haushalte. Die Maßnahme gilt ausschließlich für zukünftige Standorte, an denen der KI-Entwickler als Hauptmieter auftritt.

Anthropic – Covering electricity price increases from our data centers

X / @AnthropicAI – Covering electricity price increases from our data centers

Der KI-Entwickler Anthropic reagiert auf die wachsende Kritik am Energiehunger moderner Sprachmodelle mit einer finanziellen Garantie für Anwohner. Das Unternehmen kündigte an, sämtliche Kosten für den durch neue Rechenzentren notwendigen Netzausbau zu tragen und resultierende Tariferhöhungen direkt zu kompensieren. Finanzierung der Infrastruktur Der Betrieb großer KI-Cluster erfordert immense Mengen elektrischer Energie, was lokale Stromnetze häufig an ihre Belastungsgrenzen bringt. Um die Versorgungssicherheit zu gewährleisten, müssen Netzbetreiber oft neue Umspannwerke errichten oder Hochspannungsleitungen verstärken. Diese Investitionskosten werden im Regelfall auf alle Anschlussinhaber im Versorgungsgebiet umgelegt, wodurch der Strompreis für Privathaushalte steigt. Anthropic will diesen Automatismus durchbrechen. Nach Angaben des Unternehmens sollen bei neuen Projekten, in denen Anthropic als Hauptnutzer (Anchor Tenant) auftritt, 100 Prozent der anfallenden Kosten für die Netzertüchtigung übernommen werden. Ziel ist es, die Investitionslast von der Allgemeinheit auf den Verursacher zu verlagern. Dies betrifft primär die Modernisierung der Übertragungs- und Verteilnetze, die für den Anschluss der Serverfarmen erforderlich sind. Anzeige Direkte Gutschriften auf der Stromrechnung Sollte es trotz der Übernahme der Infrastrukturkosten zu einer Erhöhung der lokalen Stromtarife kommen, stellt der Hersteller weitergehende Maßnahmen in Aussicht. Anthropic plant nach eigenen Angaben, die Differenzbeträge direkt auf den Stromrechnungen der betroffenen Haushalte gutzuschreiben. Wie dieser Mechanismus technisch und bürokratisch umgesetzt werden soll, lässt das Unternehmen bislang offen. Es erfordert eine komplexe Zusammenarbeit mit lokalen Versorgern, um die spezifisch durch das Rechenzentrum verursachte Preisskomponente zu isolieren und anschließend gutzuschreiben. Grenzen der Selbstverpflichtung Die Ankündigung enthält relevante Einschränkungen. Die Regelung greift ausschließlich bei neuen Anlagen, in denen Anthropic eine dominante Mieterrolle einnimmt. Bestehende Rechenzentren oder Standorte, an denen das Unternehmen nur geringe Kapazitäten anmietet, fallen nicht unter diese Garantie. Experten sehen in dem Vorstoß einen Versuch, regulatorischen Eingriffen zuvorzukommen. Da der Energiebedarf der Branche exponentiell wächst, steigt der politische Druck auf Technologieunternehmen, die externen Kosten ihres Wachstums nicht auf die Bevölkerung abzuwälzen. Ob die angekündigten Maßnahmen in der Praxis ausreichen, um lokale Widerstände gegen neue Bauprojekte zu neutralisieren, bleibt abzuwarten.
Amazon entwickelt KI-Werkzeuge für Film- und Fernsehproduktion

Amazon will KI nutzen, um Film- und Fernsehproduktionen zu beschleunigen und Kosten zu senken.

Der Artikel Amazon entwickelt KI-Werkzeuge für Film- und Fernsehproduktion erschien zuerst auf The Decoder.
KI-generierte Modefotos bei Zara: So spart der Konzern Millionen Euro

Nano Banana

Kurzfassung
▾

Quellen
▾

Zara stellt die Produktfotografie im Onlineshop großflächig auf digitale Klone und High-Fidelity-Renderings um. Mithilfe von Scans werden reale Models als digitale Zwillinge lizenziert, was die physische Präsenz bei Shootings überflüssig macht. Das Verfahren spart dem Konzern erhebliche Kosten für Logistik sowie Personal und beschleunigt die Veröffentlichung neuer Kollektionen. Damit etabliert sich KI-generierter Content endgültig als neuer Industriestandard im globalen Modehandel.

heise.de – KI-Bilder statt Modefotografie

FashionUnited.de – Nachrichten und News aus der Modebranche

setupbots.com – AI Ad Generation for Fashion Brands Cost: The New Math

BEF Models – A portal for all fashion models

Zalando Corporate – Digital Twins High-Fidelity Replicas of Real Models

Der Modekonzern Zara stellt seine Produktpräsentation massiv auf computergenerierte Bilder um und nutzt digitale Abbilder echter Models. Dieser Schritt markiert das Ende klassischer Studiofotografie im industriellen Maßstab und verändert die ökonomischen Grundlagen des weltweiten Onlinehandels grundlegend. Hochauflösende Klone im industriellen Einsatz Zara integriert nun flächendeckend digitale Klone in den Produktionsprozess seiner Onlineshops. Diese sogenannten Digitalen Zwillinge entstehen durch hochauflösende Scans realer Models, die anschließend in jeder beliebigen Pose und Kleidung computergestützt gerendert werden. Die Technologie erlaubt eine fotorealistische Darstellung, die von herkömmlichen Aufnahmen kaum noch zu unterscheiden ist. Dabei lizenziert das Unternehmen die Rechte an den digitalen Abbildern der Models über spezialisierte Agenturen wie BEF Models. Die physische Anwesenheit der Personen im Fotostudio entfällt für die tägliche Katalogarbeit fast vollständig. Die Models erhalten Vergütungen für die Nutzung ihres digitalen Ebenbildes, ohne für jedes neue Kleidungsstück selbst vor der Kamera stehen zu müssen. Anzeige Effizienzgewinne durch den Wegfall der Logistik Die Umstellung folgt einer strikten wirtschaftlichen Logik. Ein herkömmliches Fotoshooting verursacht hohe Kosten durch die Buchung von Studios, Fotografen, Stylisten und die aufwendige Logistik der Warenmuster. Generative Bildsysteme produzieren die notwendigen Bildmengen in einem Bruchteil der Zeit und zu deutlich geringeren Kosten pro Artikel. Besonders bei der schieren Menge an wöchentlichen Neuheiten sichert sich Zara so einen strategischen Wettbewerbsvorteil. Die Skalierbarkeit der Bildproduktion ist für den schnellen Zyklus der Fast-Fashion-Industrie mittlerweile zum entscheidenden Faktor geworden. Algorithmen übernehmen hierbei die Aufgabe, die Kleidung digital auf die virtuellen Körper zu drapieren, wobei Stoffeigenschaften wie Elastizität und Glanz präzise simuliert werden. Branchenweiter Standard im digitalen Modehandel Mit dieser Strategie folgt Zara dem Beispiel von Konkurrenten wie Zalando und H&M, die bereits frühzeitig in die Entwicklung von High-Fidelity-Replikaten investierten. High-Fidelity beschreibt dabei eine besonders hohe Wiedergabetreue zum Original. Während erste Versuche mit rein virtuellen Charakteren oft künstlich wirkten, garantieren die aktuellen Klone die nötige Authentizität für die Kaufentscheidung. Andere Plattformen nutzen ähnliche Verfahren, um Kleidung an unterschiedlichen Körpertypen gleichzeitig zu visualisieren. Damit sinkt potenziell die Retourenquote, da Kunden die Passform an einem Modell sehen, das ihrem eigenen Körperbau entspricht. Der Einsatz von Künstlicher Intelligenz in der Modefotografie ist somit kein Experiment mehr, sondern der neue Industriestandard im E-Commerce.
98 % günstiger als der Vorgänger

98 % günstiger als der Vorgänger xAI stellt Grok 4 Fast vor und will damit die hohen Kosten für Spitzen-KI radikal senken – bei fast identischer Leistung. Kurzfassung | Andreas Becker, 21.09.25
gpt-image-1 | All-AI.de EINLEITUNG Das KI-Wettrüsten geht in die nächste Runde, doch diesmal stehen nicht nur reine Leistungsdaten im Fokus. Mit Grok 4 Fast schickt xAI, das Unternehmen von Elon Musk, ein neues Sprachmodell ins Rennen, das bei nahezu gleicher Performance wie das bisherige Spitzenmodell Grok 4 eine drastisch höhere Effizienz verspricht. Dieser Schritt zielt direkt auf die hohen Betriebskosten ab, die eines der größten Hemmnisse für den breiten Einsatz von Spitzen-KI darstellen. NEWS Gleiche Leistung, deutlich geringere Kosten Der Kern der Neuerung liegt in einer optimierten Architektur. Grok 4 Fast benötigt für vergleichbare Ergebnisse im Schnitt 40 Prozent weniger sogenannte „Thinking Tokens“ als sein Vorgänger. Diese Reduzierung des Rechenaufwands schlägt sich direkt in den Kosten nieder, die laut xAI um bis zu 98 Prozent sinken können. Möglich wird dies durch ein hybrides Design, das einfache Anfragen und komplexe Denkprozesse in einem einzigen Modell vereint, anstatt wie bisher zwischen unterschiedlichen Modellen zu wechseln. In etablierten Benchmarks wie GPQA Diamond oder AIME 2025 muss sich das neue Modell nicht verstecken und liegt auf einem ähnlichen Niveau wie Grok 4. Besonders hervorzuheben ist jedoch die Fähigkeit des Modells, eigenständig auf externe Werkzeuge wie einen Webbrowser oder eine Code-Ausführungsumgebung zuzugreifen. Diese „Agenten-Fähigkeiten“ wurden gezielt trainiert und führen dazu, dass Grok 4 Fast in spezialisierten Benchmarks, die solche Aufgaben bewerten, sogar besser abschneidet als sein Vorgänger und Konkurrenten wie OpenAIs Websuche-Modell. + Quelle: xAI Neue Architektur und Fokus auf praktische Anwendung Im Gegensatz zu früheren Versionen, die auf getrennte Modelle für einfache und komplexe Aufgaben setzten, integriert Grok 4 Fast beide Fähigkeiten in einer einzigen Architektur. Das Verhalten des Modells wird dabei über den System-Prompt gesteuert, was die Latenz und die Kosten für Entwickler reduziert. xAI stellt das Modell über seine API in zwei Varianten bereit, die beide auf ein beeindruckendes Kontextfenster von zwei Millionen Token zugreifen können. Die aggressive Preisgestaltung, die je nach Nutzung bei nur 0,20 US-Dollar pro einer Million Input-Token startet, unterstreicht die Strategie von xAI. Das Unternehmen will nicht nur in den Leistungs-Benchmarks an der Spitze mitspielen, sondern KI auch für anspruchsvolle, hochfrequente Aufgaben wie Websuchen und interaktive Agenten wirtschaftlich attraktiv machen. Mit der Veröffentlichung auf Plattformen wie OpenRouter und Vercel wird zudem die Zugänglichkeit für Entwickler weiter erhöht. MITMACHEN Hat Dir der Beitrag gefallen oder geholfen? Dann hilf uns mit einem Klick weiter – dauert nur Sekunden. Teile diesen Beitrag Folge uns auf Social Media Mastodon X Bluesky Facebook LinkedIn Youtube Unterstütze uns direkt KI-Tools sind teuer – unser Wissen bleibt kostenlos. Spende einmalig via PayPal oder werde YouTube-Mitglied (ab 0,99 €). Dafür liefern wir täglich News, ehrliche Tests und praxisnahe Anleitungen. Danke dir! PayPal – Spende Youtube – ABO KURZFASSUNG
xAI hat Grok 4 Fast vorgestellt, ein neues KI-Modell, das die Leistung von Grok 4 bei deutlich geringeren Kosten bietet.
Durch eine optimierte Architektur sinkt der Rechenaufwand um 40%, was die Kosten pro Aufgabe um bis zu 98% reduzieren kann.
Das Modell wurde speziell für die Nutzung von Tools wie der Websuche trainiert und übertrifft hier sogar Konkurrenten.
Grok 4 Fast verfügt über ein Kontextfenster von 2 Millionen Token und eine neue hybride Architektur, die es effizienter macht.
QUELLEN
Times of India
MarkTechPost
Yahoo News
Artificial Analysis