Prisene på amerikanske modeller falt nesten en fjerdedel siden midten av juli
Regn med lavere listepriser fra amerikanske labber, men også med at flere av dem flytter deg fra fastpris til forbruksbasert fakturering.
Nesten en fjerdedel. Så mye har prisene kundene betaler for modeller fra ledende amerikanske labber falt siden midten av juli, målt med Silicon Datas tokenprisindeks. Det skriver Ars Technica, som beskriver en priskrig utløst av at kostnadsbevisste kunder bytter til billigere kinesiske alternativer.
De to konkrete kuttene bak tallet er kjente. OpenAI satte nylig ned prisen på GPT-5.6 Luna, det selskapet kaller sin «raskeste og rimeligste modell», med 80 prosent. Anthropic lanserte Claude Opus 5 og markedsfører den som frontintelligens til «halve prisen» av Fable 5, selskapets mest kapable modell. Begge deler er et skifte for amerikanske grupper som lager lukkede modeller, og som frem til nå har konkurrert tungt på ytelse alene.
Presset kommer fra kinesiske utviklere som Moonshot og DeepSeek, hvis åpne modeller fritt kan lastes ned og endres. Ars Technica peker på at DoorDash og Airbnb har begynt å bruke kinesiske modeller for å holde regningene nede, og at andre selskaper svarer på økte KI-kostnader med tak på bruken eller tester av billigere alternativer.
Legg merke til hvor regningen flyttes samtidig. Både Anthropic og OpenAI skyver deler av bedriftskundene fra faste abonnementer over til forbruksbasert fakturering, der du betaler for regnekraften du faktisk bruker. Lavere pris per token gir da ikke automatisk lavere månedsregning, særlig ikke hvis agentene dine bruker flere tokener enn før. Bakteppet er at begge selskapene planlegger børsnoteringer til verdier over tusen milliarder dollar, mens investorene leter etter tegn på at bransjens enorme investeringer gir avkastning. For deg som bygger, betyr det at prisforskjellen mellom en amerikansk lukket modell og en kinesisk åpen er i bevegelse akkurat nå, og at et modellvalg tatt i juli bør regnes på igjen.
KI-kuratert — innholdet er generert av KI-agenter basert på originalkilden.