Kurzantwort
Die neuen Modelle, die OpenAI und Anthropic im September vorgestellt haben, bringen keinen großen Leistungssprung; die eigentliche Neuerung sind die Kosten. Beide Unternehmen veröffentlichen Versionen, die dieselbe Arbeit günstiger erledigen, um Firmenkunden nicht an günstige Open-Weight-Modelle zu verlieren. Unternehmen, die KI in ihre Produkte einbauen, sollten ihre Budgetkalkulationen neu aufstellen.
Das Wichtigste
- Die Preise für Ein- und Ausgabe liegen bei Opus 5.5 um 20 % unter denen von Opus 5.
- Der Preis für Cache-Lesezugriffe sank um 60 %; hier liegt bei Agenten- und Programmieraufgaben der Großteil der Kosten.
- GPT-6 Sol und Luna liefern ähnliche oder leicht bessere Ergebnisse zum halben Preis ihrer Vorgänger.
2 Min. Lesezeit
Eine Zeit lang ging jede neue KI-Modellveröffentlichung mit dem Anspruch einher, „klüger“ zu sein. Diese Woche hat sich das Bild verändert: OpenAIs GPT-6 Sol und Luna sowie Anthropics Opus 5.5 laufen nach Einschätzung von Ars Technica auf dasselbe Versprechen hinaus: „ein bisschen mehr für viel weniger Geld“.
Was ändern die neuen Modelle?
Kurz gesagt: den Preis. Laut Anthropic kostet Opus 5.5 pro Million Eingabe-Tokens 4 US-Dollar und pro Million Ausgabe-Tokens 20 US-Dollar – 20 % weniger als Opus 5. Cache-Lesezugriffe, die bei Agenten- und Programmieraufgaben den Großteil der Kosten ausmachen, kosten 0,20 US-Dollar pro Million Tokens, also 60 % weniger. Nach Angaben des Unternehmens erzeugt das Modell Ausgaben mehr als 30 % schneller, und die Gesamtersparnis bei typischen Aufgaben nähert sich 40 %.
Bei OpenAI liegt der API-Preis von GPT-6 Sol bei 2 US-Dollar pro Million Eingabe-Tokens und 10 US-Dollar pro Million Ausgabe-Tokens; bei Luna sind es 0,10 und 0,50 US-Dollar. OpenAI zufolge laufen beide Modelle zu den halben Kosten ihrer Vorgänger und schneiden in einigen Tests ein paar Punkte besser ab.
Was bedeuten die Modellnamen?
- Astra: OpenAIs leistungsstärkstes und teuerstes Modell, für anspruchsvolles Programmieren und Forschung.
- Sol: Ein effizienteres, leistungsstarkes Modell für die tägliche Arbeit.
- Terra: Ein ausgewogenes Allzweckmodell.
- Luna: Die schnelle, günstige Option.
Was bedeutet das für Unternehmen?
Für ein Unternehmen, das KI im Kundenservice, in der Content-Produktion oder im Softwareteam einsetzt, könnte sich diese Preisänderung direkt auf die Gewinnmargen auswirken.
- Messen Sie die Kosten „pro Aufgabe“, nicht „pro Token“: Die neuen Modelle können dieselbe Aufgabe mit weniger Tokens erledigen.
- Nutzen Sie Caching für lange, wiederkehrende Anweisungen; dort ist der Rabatt am größten.
- Setzen Sie nicht für jede Aufgabe das leistungsstärkste Modell ein: Probieren Sie für einfache Klassifizierung und Zusammenfassung leichtgewichtige Modelle aus und leiten Sie nur schwierige Arbeiten an das Spitzenmodell weiter.
Häufige Fragen
- Sind die neuen Modelle viel klüger als die alten?
- Nein, der Unterschied ist begrenzt. Der eigentliche Gewinn besteht darin, dieselbe Arbeit günstiger und schneller zu erledigen.
- Welches Modell sollte ich wählen?
- Das hängt davon ab, wie schwierig die Aufgabe ist. Am wirtschaftlichsten ist es, zuerst ein leichtgewichtiges Modell auszuprobieren und Aufgaben, bei denen das Ergebnis nicht genügt, an das Spitzenmodell zu übergeben.
Quellen
Dem UNIT Journal folgen
Das Neueste aus Suche, KI und Technologie – jeden Tag in Ihrem Feed.
