Ein chinesisches Open-Weights-Modell erreicht plötzlich fast das Niveau von Opus und GPT, kostet aber nur einen Bruchteil davon. Für die Kalkulation teurer KI-Verträge im Mittelstand verschiebt das die Ausgangslage spürbar.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügenGLM 5.2 kostet rund 3,80 Euro pro Million Ausgabe-Token, etwa ein Sechstel dessen, was Frontier-Anbieter für vergleichbare Coding-Leistung aufrufen. Der Cloud-Infrastruktur-Analyst Martin Alderson leitet daraus einen bevorstehenden Margen-Kollaps der gesamten KI-Branche ab[1]. Die eigentliche Frage ist, was davon bei Ihren KI-Kosten ankommt.
Das Wichtigste in Kürze
- GLM 5.2 vom chinesischen Anbieter Zhipu liegt bei Coding-Benchmarks fast auf Opus-Niveau, zu rund einem Sechstel der Kosten.
- Die freie MIT-Lizenz macht das Modell selbst hostbar und Inferenz damit zur austauschbaren Ware.
- Verwundbar sind die geschätzt 90 Prozent Bruttomarge, die Frontier-Labs auf reine Rechenleistung nehmen.
- In der Praxis bremsen Wechselkosten und fehlender Konjunkturdruck den Umstieg noch.
Was macht GLM 5.2 für die Preise so gefährlich?
Der chinesische Anbieter Zhipu hat GLM 5.2 am 13. Juni 2026 veröffentlicht, ein Open-Weights-Modell auf Frontier-Niveau mit rund 750 Milliarden Parametern in sparsamem Mixture-of-Experts-Aufbau und einem Kontextfenster von einer Million Token. Auf Coding-Benchmarks wie SWE-bench Pro liegt es nur knapp hinter Opus 4.8 und zieht an OpenAIs GPT-5.5 im Coding-Alltag vorbei.
Entscheidend ist aber nicht der Benchmark, sondern die freie MIT-Lizenz. Zhipu hat die vollständigen Gewichte herausgegeben, jeder darf das Modell selbst betreiben. Damit wird Inferenz zur Ware, die sich über kompatible Programmierschnittstellen fast reibungslos austauschen lässt.
Dass die reine Rechnung pro Token als Kennzahl leicht in die Irre führt, haben wir bereits gezeigt. Alderson rechnet vor, dass Frontier-Labs rund 22 Euro pro Million Token verlangen und darauf schätzungsweise 90 Prozent Bruttomarge nehmen. Genau diese Marge steht zur Disposition, sobald ein offenes Modell die gleiche Aufgabe zum Selbstkostenpreis erledigt.
Warum geraten die Margen der Anbieter jetzt unter Druck?
Solche Margen-Einbrüche sind kein Novum. In den 1980er-Jahren sind die Preise für Speicherchips so stark gefallen, dass Intel das Geschäft komplett aufgegeben hat. Die teuren Unix-Workstations von SGI und Sun sind später an billigerer Standard-Hardware zugrunde gegangen.
Schon DeepSeek hat mit Tarifen von deutlich unter einem Euro je Million Token vorgemacht, wie schnell offene Modelle den Preis drücken. Der teure Kurs der Spitzenanbieter, den auch Anthropics Milliardenwette auf eigene Rechenzentren zeigt, gerät damit doppelt unter Druck. GLM 5.2 hebt das Muster auf ein neues Qualitätsniveau, weil es erstmals nah an die geschlossene Spitze heranreicht.
Nicht das beste Modell entscheidet diesen Markt, sondern das ausreichend gute zum Bruchteil des Preises. Langfristig festgeschriebene KI-Verträge sind damit eine Wette gegen fallende Kosten.
— Michael Dobler, Herausgeber Dr. Web
So sind fette Margen schon früher gekippt
Was sollten deutsche Unternehmen jetzt tun?
In der Diskussion auf Hacker News wird allerdings eingewandt, dass ein Wechsel selten am Modell allein hängt. Eigene Wechselkosten aus Werkzeug-Ketten, Caching und laufenden Verträgen bremsen den Umstieg, und GLM 5.2 gerät bei komplexen Werkzeug-Aufrufen häufiger in Schleifen als Opus.
Ein weiterer Einwand aus der Community betrifft die Konjunktur. Historisch hat es meist eine Rezession gebraucht, damit Unternehmen den Aufwand eines Wechsels wirklich auf sich nehmen. Ohne diesen Druck hält die Trägheit die teuren Anbieter am Leben.
Für den Mittelstand heißt das zweierlei. Interne Modell-Weichen, die 80 Prozent der Anfragen an günstige Modelle leiten, senken die Rechnung spürbar, ohne dass die Qualität leidet. Wie schnell die Ausgaben sonst den Entwickler-Lohn überholen, lässt sich leicht durchrechnen. Die MIT-Lizenz erlaubt zudem den Eigenbetrieb im eigenen Rechenzentrum, ein Argument für alle, die ihre Daten aus DSGVO-Gründen nicht in fremde Clouds geben wollen. Einen Überblick über die Modell-Landschaft bietet unsere KI-Themenseite.
Der praktische Schritt für die nächsten Wochen ist nüchtern: bestehende KI-Verträge auf kurze Laufzeiten umstellen und parallel ein offenes Modell als Ausweichoption testen. Ob der große Margen-Kollaps kommt oder nur ein langsames Abschmelzen, die Preismacht verschiebt sich bereits heute Richtung Kunde.
Quelle
[1] Martin Alderson: „GLM 5.2 and the coming AI margin collapse“ ↩
Mehr Newshunger?
- Preis pro Million Token: Warum die beliebteste KI-Kostenkennzahl in die Irre führt
- Wenn die KI mehr kostet als der Entwickler
- GPT-5.6 Sol Ultra in Codex: OpenAIs Coding-Modell steuert jetzt eigene Subagenten
- 16,5 Milliarden Euro: Anthropic bindet sich 20 Jahre an ein Rechenzentrum
- KI als Verkaufsargument: Warum ‚AI-First‘ als Markenversprechen an Zugkraft verliert
