Das Institut für Künstliche Intelligenz der Chinesischen Akademie für Informations- und Kommunikationstechnologie (CAICT) hat gemeinsam mit weiteren Einrichtungen am 23. Oktober den „Monitoringbericht zur Leistung von Token-Diensten großer Modelle (2026)“ veröffentlicht. Die meistbeachtete Zahlengruppe des Berichts betrifft den Preis: Der normalisierte Durchschnittspreis chinesischer Modelldienste stieg von 6,8 Yuan im zweiten Halbjahr 2025 auf 13,46 Yuan seit Beginn des Jahres 2026, ein Plus von knapp 100 Prozent.
Herausgeber des Berichts sind das KI-Institut der CAICT, das Schlüssellabor des Ministeriums für Industrie und Informationstechnologie für die Bewertung großer KI-Modelle sowie von Soft- und Hardware und die Allianz für die Entwicklung der KI-Industrie. Die Daten stammen aus dem Monitoring von Januar bis August 2026; erfasst wurden Aufruf-Erfolgsquote, Durchsatz, Latenz bis zum ersten Token, Stabilität, Preis und Kontextfenster.
Drei Kurven: Preis, Tempo, Latenz
Zuerst der Preis. Nach zwei Jahren Preiskampf seien die Preise 2026 im In- und Ausland deutlich gestiegen, heißt es im Bericht. Typische Modelle aus dem Ausland, die seit Anfang 2026 erschienen sind, kommen auf einen durchschnittlichen normalisierten Preis von etwa 117,8 Yuan und liegen damit weiterhin weit über dem chinesischen Niveau.
Dann das Tempo. Die chinesischen Modelle erreichten im August im Schnitt 78,23 TPS (ausgegebene Token pro Sekunde), der Mittelwert 2025 lag bei 38,25, also fast eine Verdopplung. Typische ausländische Modelle kamen im August auf durchschnittlich 112,82 TPS, im Dezember des Vorjahres waren es 51,35, ebenfalls mehr als eine Verdopplung; insgesamt liegen die chinesischen Modelle weiterhin zurück.
Die Latenz hat sich dagegen verlängert. Die durchschnittliche Zeit bis zum ersten Token (TTFT) lag bei chinesischen Modellen im August bei 1,26 Sekunden, 2025 im Schnitt bei 0,78 Sekunden; bei typischen ausländischen Modellen waren es im August 2,08 Sekunden, im April nur 1,04 Sekunden. Der Bericht erklärt:
„Der Anstieg der TTFT ist nicht bloß ein Leistungsrückgang“
Er führt dies auf das Zusammenspiel größerer Parameterzahlen, längerer Kontexte und steigender Aufrufmengen zurück. Die Veränderung beim Kontext ist deutlich: Unter den überwachten Modellen haben 47,8 Prozent ein Kontextfenster von 1 Million Token, Modelle ab 200K machen zusammen 95,7 Prozent aus, mehr als 76 Prozentpunkte über dem Stand von Ende 2025.
Eine Überschlagsrechnung
Stellt man die Zahlengruppen nebeneinander, lassen sich einige Verhältnisse grob ausrechnen.
- Preis: 13,46 ÷ 6,8 ≈ 1,98-fach; der ausländische Durchschnittspreis ist mit 117,8 ÷ 13,46 ≈ 8,8 etwa das 8,8-Fache des chinesischen.
- Tempo: Die chinesischen TPS stiegen um das gut 2,05-Fache und damit nahezu im Gleichschritt mit dem Preis.
- Latenz: Die Latenz bis zum ersten Token wuchs in China um rund 0,48 Sekunden, ein Plus von etwa 60 Prozent.
Schätzt man grob die „Ausgabegeschwindigkeit pro Yuan“, bleibt China in diesem Jahr im Wesentlichen auf Vorjahresniveau: Der Preis verdoppelt sich, der Durchsatz ebenfalls. Was Entwickler mehr bezahlen, kaufen sie vor allem als längeren Kontext und größere Modelle, während die Wartezeit auf das erste Zeichen je Anfrage sogar länger wird. Das ist unsere eigene Schätzung auf Basis der im Bericht veröffentlichten Durchschnittswerte; zwischen Modellen und Tageszeiten gibt es große Unterschiede, sie lässt sich nicht auf die Rechnung eines einzelnen Anbieters übertragen.
Die Preisanpassungen chinesischer Anbieter in diesem Jahr liefern eine Fußnote zu diesen Durchschnittswerten. Tencent Cloud hat die Preise für KI-Dienste wie Hunyuan im Jahresverlauf mehrfach angehoben; Medienberichten zufolge gilt für die DeepSeek-V4-API seit dem 17. August eine zeitabhängige Preisgestaltung, bei der der Ausgabepreis zu Spitzenzeiten auf das 4,5-Fache steigt. Die im Preiskampf auf den Boden gedrückten Angebote werden Anbieter für Anbieter wieder angehoben.
Dasselbe Modell, andere Plattform
Der Bericht hat außerdem vier Open-Source-Modelle, nämlich DeepSeek, Qwen, GLM und Kimi, beim Originalanbieter und auf Drittplattformen gesondert überwacht. Ergebnis: Dasselbe Modell kann je nach Plattform bei den TPS um bis zu fast das Doppelte abweichen, manche Drittplattformen laufen sogar schneller als die offizielle. Als Hauptgrund für die Leistungsunterschiede nennt der Bericht die unterschiedlichen Abwägungen der Anbieter bei Inferenzbeschleunigung, Optimierungsstrategien und Kostenkontrolle.
Im Einzelnen erreichte DeepSeek-V4-Pro im August doppelt so hohe TPS wie DeepSeek-V3.2; nach dem Generationswechsel der wichtigsten Modelle im Mai stieg die Latenz bis zum ersten Token vorübergehend allgemein an und fiel mit der Umsetzung von Inferenzoptimierungen schrittweise wieder auf das Niveau vor dem Wechsel zurück.
Das Nutzungswachstum erklärt, warum Anbieter Preiserhöhungen wagen. Laut Bericht lag der tägliche Token-Verbrauch in China im Juni 2026 bei rund 500 Billionen, fast das Vierfache von Dezember 2025.
Zwei Einschränkungen zur Datenbasis sind zu beachten. Die öffentliche Zusammenfassung erläutert weder den Algorithmus noch die Abrechnungseinheit des „normalisierten Preises“; die drei Werte 6,8, 13,46 und 117,8 Yuan lassen sich nur untereinander nach derselben Methode vergleichen und sollten nicht direkt mit der offiziellen Preisliste eines Anbieters verglichen werden. Auch die Liste der überwachten Modelle und Plattformen ist in der Zusammenfassung nicht aufgeführt; maßgeblich ist der vollständige Bericht.
Quellen: Chinesische Akademie für Informations- und Kommunikationstechnologie (CAICT), CocoLoop, Jiemian News, ITHome, 21st Century Business Herald; die Werte zu normalisiertem Durchschnittspreis, TPS, Latenz bis zum ersten Token und Kontextanteilen wurden samt Erhebungszeiträumen gegengeprüft.