Parviz Sayed Mohammad ist der Ansicht, dass die Enthüllung der Identität des mysteriösen Modells Ox Alpha einen wichtigen Wandel im KI-Markt verdeutlicht: Beim Vergleich von Modellen geht es nicht mehr nur um das höchste Maß an Intelligenz, sondern darum, wie viel Intelligenz eine Organisation für jeden Dollar erhält. Am 26. August gab Z.ai bekannt, dass das auf OpenRouter erschienene Modell GLM-5.3-Flash war und dass es absichtlich vor der Bekanntgabe seiner Identität in einem öffentlichen Datenverkehr betrieben worden war.
Das Modell hatte die Aufmerksamkeit von Enthusiasten und unabhängigen Entwicklern erregt, weil es zunächst ohne Kosten eine gute Leistung erbrachte. Dadurch wurden täglich mehrere Billionen Token verarbeitet, während die Schätzungen der Community zum Nutzungsvolumen innerhalb einer Woche zwischen einstelligen Billionen und mehr als 20 Billionen Token lagen. Noch wichtiger ist laut dem Beitrag, dass der Dienst vollständig auf chinesischen Chips und chinesischer Infrastruktur beruhte und nicht auf einem US-amerikanischen Labor, wie einige Beobachter während der sechs Tage vor der Enthüllung vermutet hatten.
Der Preis ordnet den Vergleich neu
Der angekündigte Preis für GLM-5.3-Flash beträgt 15 Cent für Eingaben und 50 Cent für Ausgaben pro einer Million Token. OpenRouter gewährt bis zum 9. September einen Rabatt von 50 %, wodurch der Preis auf 7,5 Cent für Eingaben und 25 Cent für Ausgaben sinkt. Außerdem sind die Gewichte des Modells unter einer MIT-Lizenz offen, während das Inferenz-Hosting von Anbietern wie Z.ai, GMI Cloud, Cloudflare und weiteren Anbietern in den Vereinigten Staaten übernommen wird.
Laut dem Vergleich von Artificial Analysis, in den das Modell am selben Tag aufgenommen wurde, erzielte GLM-5.3-Flash im Intelligence Index eine Punktzahl von 57 bei Kosten von etwa neun Cent pro Aufgabe. GPT-5.6 Sol (max) erreicht dagegen eine Punktzahl von etwa 59 bei 67 Cent pro Aufgabe, während Grok 4.6 eine Punktzahl von 61 bei 94 Cent erzielt. Der Autor berechnet, dass einem Unterschied von nur zwei Punkten zwischen den ersten beiden Modellen ein etwa 7,4-mal höherer Preis gegenübersteht, während der Unterschied von ungefähr vier Punkten fast das Zehnfache der Kosten erfordert.
Diese Zahlen sind kein allgemeines Urteil über die Qualität der Modelle und ersetzen nicht die für jede Organisation erforderlichen eigenen Tests. Sie verdeutlichen jedoch das zentrale Argument des Beitrags: Wenn sich Modelle bei den Leistungsindikatoren annähern, können die Inferenzkosten zu einem entscheidenden Faktor für das Nutzungsvolumen werden, insbesondere bei Programmierung, Agenten und wiederkehrenden Aufgaben.
Budgetdruck geht der Entscheidung voraus, auf KI zu verzichten
Der Autor führt Uber als Beispiel zur Veranschaulichung des Problems an. The Information berichtete im April unter Berufung auf den technischen Leiter Praveen Neppalli Naga, dass das erwartete jährliche Programmierbudget für 2026 innerhalb von vier Monaten aufgebraucht worden sei und dass eine zweistündige Demonstration ihn persönlich 1.200 Dollar gekostet habe. Bis Juni hatte Uber eine Obergrenze von 1.500 Dollar pro Person und pro Tool festgelegt.
Das bedeutet nicht, dass die Tools nutzlos sind; der Beitrag unterscheidet zwischen „Nutzen“ und „Wert“. Der Autor berichtet, dass Andrew Macdonald, Chief Operating Officer von Uber, keinen Zusammenhang zwischen den Tools und einer Steigerung der Zahl nützlicher Funktionen für Verbraucher um 25 % herstellen konnte. Die Ergebnisse einer McKinsey-Umfrage aus dem Jahr 2026, wie sie die Quelle wiedergibt, zeigen außerdem, dass 80 % der Befragten angaben, schneller geworden zu sein, dass 37 % der Unternehmen einen Effekt auf das Ergebnis vor Zinsen und Steuern feststellten und dass mehr als 32 % der Unternehmen den Kauf mindestens eines Softwareprogramms vermieden, weil sie die Funktion intern mithilfe von Programmieragenten entwickeln konnten.
Die redaktionelle Schlussfolgerung lautet hier, dass Organisationen mit einer doppelten Gleichung konfrontiert sind: Sie wollen die Rechnung senken, können ihre KI-Investitionen aber nicht einfach einstellen. Deshalb verlagert sich die Diskussion von der Frage „Sollen wir KI einsetzen?“ zu einer praktischeren Frage: Welches Modell verwendet jedes Team für welche Art von Aufgaben und anhand welcher Erfolgskennzahl?
Drei Ebenen statt eines einzigen Modells
Mohammad schlägt vor, Programmier- und agentische Arbeitsaufgaben auf drei Ebenen zu verteilen, wobei der Anteil der Aufgaben und Token und nicht der Anteil der finanziellen Ausgaben berechnet werden soll. Auf der obersten Ebene stehen die Modelle Fable und Opus für nicht umkehrbare Entscheidungen, Strategieanalysen und detaillierte Umsetzungspläne; der Autor schätzt, dass diese Aufgaben nicht mehr als 5 % des Arbeitsvolumens ausmachen.
Die mittlere Ebene umfasst Kimi K3, Gemini 3.7 Flash, GPT-5.6 Sol und Grok 4.6, die laut Quelle im Intelligence Index alle ungefähr bei 60 Punkten liegen. Der Autor schlägt vor, ihnen etwa 50 % des Aufgabenvolumens zuzuweisen, insbesondere für die tägliche Programmierung und die üblichen Arbeiten. Er weist darauf hin, dass Kimi bei der Programmierung beliebt ist, während Grok 4.6 ihm nahekommt, wobei die kleinere Kontextgröße weiterhin eine Einschränkung darstellt.
Die verbleibenden 45 % sollen nach dem Vorschlag des Autors GLM-5.3-Flash als Modell für Arbeiten mit hohem Volumen zugewiesen werden. Dieser Anteil ist jedoch kein festes Rezept; das zum Betrieb der Modelle verwendete Tool, die Verteilung der Aufgaben auf Programmierung, Inhalte und Marketing sowie die Ergebnisse der internen Evaluierung sollten die tatsächliche Verteilung bestimmen.
Was sollte vor einer Neugestaltung des Budgets gemessen werden?
Der Artikel kommt zu dem Schluss, dass chinesische Modelle mit offenen Gewichten, etwa die Modelle von Zhipu, Qwen, DeepSeek und andere, ausdrücklich in die Kostenberechnungen einbezogen werden sollten, statt sie allein aufgrund ihrer Herkunft auszuschließen. Er erwähnt, dass der Anteil chinesischer Modelle an den Token auf OpenRouter Anfang Juni den Anteil US-amerikanischer Modelle überstieg und dass die Spitzenposition der Liste größtenteils bei chinesischen Laboren blieb.
Vor der erwarteten Veröffentlichungswelle von Google, xAI, Anthropic, OpenAI und DeepSeek im September schlägt der Autor vor, den Token-Verbrauch zu erfassen und die Ausgaben an eine klare Kennzahl wie Kunden- oder Umsatzwachstum oder zumindest Entwicklungsgeschwindigkeit und Produktivität zu koppeln. Außerdem fordert er, ein KI-Budget auf Ebene jeder Organisation oder jedes Teams aufzustellen und anschließend eine Modellrichtlinie nach Ebenen zu definieren: ein leistungsstarkes Modell für strategische Entscheidungen, ein mittleres Modell für bezahlte Kontingente und die tägliche Programmierung sowie ein kostengünstiges Modell für umfangreiche und wiederkehrende Aufgaben.
Die Sichtweise des Autors beweist weder, dass GLM-5.3-Flash für jede Organisation die beste Wahl sein wird, noch dass allgemeine Vergleichsindikatoren die Leistung in jedem Kontext widerspiegeln. Sie bietet jedoch einen praktischen Maßstab für die Überprüfung: Nicht jede Anfrage sollte das teuerste verfügbare Modell erhalten, ebenso wenig sollte das günstigste Modell ohne klare Evaluierungen und Wertkennzahlen übernommen werden. Die offene Frage, die der Artikel hinterlässt, lautet, ob die Kosten- und Leistungskurven nach dem Eintreffen der neuen Veröffentlichungen auf diesem Kurs bleiben werden und ob KI-Unternehmen, die die Inferenzkosten senken können, tatsächlich den größten Teil des Nutzungsvolumens an sich ziehen werden.