Der von Silicon Data zusammengestellte LLM-Token-Ausgabenindex schloss am Montag bei 0,97 US-Dollar pro Million Token – erstmals seit seiner Einführung Ende vergangenen Jahres unter der Marke von 1 US-Dollar und mehr als halbiert gegenüber dem Höchststand dieses Sommers. Innerhalb einer einzigen Woche gab der Wert um 8,6 Prozent nach.
Auf dem Bloomberg Terminal läuft der Index unter dem Kürzel SDLLMTK. Er erfasst mehr als 200 Open-Source- und über 120 proprietäre Modelle, bezieht Daten aus mehr als 20 Preis- und Volumenquellen und ist hinsichtlich Input-Output-Verhältnis und Kontextfenster normalisiert. Anders gesagt: Er misst den tatsächlich am Markt gezahlten Durchschnittspreis pro Million Token – nicht die Listenpreise eines einzelnen Anbieters.
Wer den Preis nach unten zieht
Drei Kräfte wirken zusammen. Chinesische Open-Source-Modelle wie Kimi K3 von Moonshot AI drücken das Preisniveau im unteren Segment insgesamt nach unten; OpenAI senkte Ende Juli die Preise der GPT-5.6-Serie; mehrere führende Labore haben nacheinander dynamische Preismodelle eingeführt, um ungenutzte Rechenkapazität vergünstigt zu verkaufen.
Die ersten beiden Punkte sind leicht nachvollziehbar, die Wirkung des dritten wird dagegen leicht unterschätzt. Dynamische Preise führen dazu, dass dasselbe Modell zu unterschiedlichen Tageszeiten zu unterschiedlichen Preisen verkauft wird, wodurch der gewichtete Durchschnitt naturgemäß nach unten tendiert. Der Index wird nach tatsächlichem Verbrauch gewichtet, und Routing-Gateways verteilen Anfragen auf mehrere Anbieter – wer günstiger ist, bekommt den Traffic. Genau dieser Mechanismus drückt den Wert kontinuierlich weiter nach unten.
Erlöslinie unter Druck, Rechenleistungs-Verpflichtungen bleiben fix
Charles-Henry Monchau, Chief Investment Officer der Syz Group, formuliert es unverblümt: „Foundation model labs are the most directly exposed... Token deflation compresses the revenue line while compute commitments stay fixed.“ (Foundation-Model-Labore sind am unmittelbarsten betroffen ... Die Token-Deflation drückt die Erlöslinie zusammen, während die Rechenleistungs-Verpflichtungen unverändert bleiben.)
Damit ist genau die Stelle der Fehlpassung benannt. Mietverträge für Rechenzentren, GPU-Beschaffung und Stromverträge sind mehrjährige Fixkosten, während sich der Token-Preis wöchentlich ändert. Eine grobe Überschlagsrechnung: Würden die Inferenz-Erlöse eines Anbieters vollständig dem Index folgen, müsste sich das Nutzungsvolumen verdoppeln, nur um die Halbierung seit dem Sommerhoch auszugleichen – eine Verdopplung des Volumens bedeutet jedoch auch eine Verdopplung der gebundenen Rechenkapazität, sodass die Bruttomarge dadurch nicht automatisch zum alten Niveau zurückkehrt. Das ist lediglich eine Größenordnungsschätzung; Modellstruktur und Rabattsysteme unterscheiden sich von Anbieter zu Anbieter erheblich.
Ein unglücklicher Zeitpunkt vor dem IPO-Fenster
Sowohl OpenAI als auch Anthropic haben in diesem Sommer vertrauliche Börsengangsanträge bei den Aufsichtsbehörden eingereicht. Für Unternehmen, die sich auf Roadshows vorbereiten, ist ein Preisindex, der immer neue Tiefstände markiert, eine unbequeme Kulisse – die erste Frage der Investoren wird sich um die Preissetzungsmacht drehen.
Hinzu kommt ein langsamerer, aber ebenso wirksamer Effekt: Günstige Preise bleiben im Gedächtnis. Sobald sich Nutzer und Unternehmenskunden erst an das aktuelle Preisniveau gewöhnt haben, bleibt kaum noch Spielraum für spätere Preiserhöhungen. Mit jedem weiteren Schritt der Open-Source-Modelle schrumpft der Preisaufschlag, den Anbieter proprietärer Modelle noch halten können. Die Zahl 1 US-Dollar hat für sich genommen keine magische Bedeutung – sie markiert lediglich, dass die Verschiebung der Preissetzungsmacht bereits ein gutes Stück vorangekommen ist.
Quellen: Erläuterungsseite des Silicon-Data-Index, SDLLMTK-Kursdaten auf dem Bloomberg Terminal, CNBC, CocoLoop, Yahoo Finance; der Stand von 0,97 US-Dollar, der Wochenrückgang von 8,6 Prozent und der Abdeckungsbereich des Index folgen den offiziellen Angaben von Silicon Data.