Die Schlagzeile: Am 31. Juli passierten zwei Dinge am selben Tag. OpenAI senkte GPT-5.6 Luna um 80 % – Input von 1 $ auf 0,20 $ pro Million Tokens, Output von 6 $ auf 1,20 $ – und DeepSeek lieferte die offizielle V4-Flash-0731 aus, die mit 0,14 $ Input und 0,28 $ Output pro Million Tokens angegeben wird, inklusive 98 % Cache-Hit-Rabatt. Bis August ordneten Analysten Modelle nach „Intelligenz pro Dollar“ ein statt nach Fähigkeit. Die nützliche Zahl für Engineering-Teams ist weder Listenpreis noch Benchmark-Ergebnis: Es sind die Kosten pro Aufgabe – und die ändern sich mit jeder Arbeitslast.
Der Doppelschlag am selben Tag
Die Preissenkung war OpenAIs erste Reaktion auf den anhaltenden Druck durch chinesische Open-Weight-Modelle. Luna – das Batch-Inferenz-Modell in der GPT-5.6-Familie – fiel beim Input von 1 $ auf 0,20 $ und beim Output von 6 $ auf 1,20 $. Die Mittelklasse Terra sank um 20 % (Input 2,50 $→2,00 $, Output 15 $→12 $). Das Flaggschiff Sol blieb bei 5 $/30 $, erhielt aber einen „Fast mode“ – 2,5-fache Geschwindigkeit zum doppelten Preis, ohne Intelligenzverlust. OpenAI stellte zudem das Auto-Review-Modell in ChatGPT und der Codex CLI von GPT-5.4 auf Luna um und schätzt, dass die Kosten dieser häufigen Agent-Arbeitslast auf ungefähr ein Zehntel sinken. Lunas Input-Preis entspricht nun der Nano-Stufe der vorherigen Generation – OpenAI verkauft agentenfähige Modelle zu Preisen, die früher kleine Modelle hatten.
Am selben Tag lieferte DeepSeek die offizielle V4-Flash-0731 aus: dieselbe Architektur und Parameterzahl wie die Vorschau, mit einem reinen Post-Training-Upgrade, das auf Agent-Fähigkeiten ausgerichtet ist – Terminal-Operationen, Tool-Nutzung, mehrstufige Ausführung. Ihre API-Preise: 0,14 $ Input / 0,28 $ Output pro Million Tokens (Cache-Miss) und 0,0028 $ für Cache-Hit-Input – ein Rabatt von 98 % gegenüber den rund 90 %, die die meisten Anbieter bieten. DeepSeek berichtete, dass das Modell im Artificial Analysis Intelligence Index v4.1 50 Punkte erreicht, einen Punkt hinter Luna mit 51 – bei gemeldeten Kosten pro Aufgabe, die rund 60 % unter denen von Luna liegen.
Die Kennzahl hat sich geändert
Der aussagekräftigste Wandel betrifft die Art, wie der Markt Modelle heute bewertet. Der August-Bericht von Huatai Securities formulierte es unmissverständlich: Die Preissenkung von GPT-5.6 verschiebt den Wettbewerb von der „Fähigkeits-Rangliste“ zu den „gleichen Intelligenz-Kosten“. Ihre Zahlen: Der Mischpreis von V4-Flash-0731 liegt bei etwa 0,06 $ pro Million Tokens, die durchschnittlichen Kosten pro Aufgabe bei etwa 0,03 $ – ungefähr 65 % bzw. 57 % unter denen von Luna. Kimi K3 mit 57 Punkten markiert die Fähigkeitsobergrenze unter den chinesischen Open-Weight-Modellen; V4-Flash setzt die Kostengrenze in seinem Fähigkeitsband neu.
Genau das ist die richtige Rahmung, und genau deshalb ist der Token-Preis die falsche Linse. Agent-Arbeitslasten sind token-hungrig und kontextlastig: Eine einzige Coding-Aufgabe kann Hunderttausende Tokens über Tool-Aufrufe, Wiederholungen und langen Kontext hinweg verbrennen. Zwei Modelle zum selben Token-Preis können sich bei den Kosten pro fertiger Aufgabe um ein Vielfaches unterscheiden – und zwei Modelle mit sehr unterschiedlichen Token-Preisen können pro Aufgabe beinahe gleich teuer sein, weil das eine Tokens an redundanten Ausgaben verschwendet und das andere nicht. DeepSeek berichtete, dass das Post-Training seinen Output-Token-Verbrauch bei denselben Intelligenz-Index-Evaluierungen um etwa 12 % gesenkt hat. Token-Effizienz ist ein Kostenmerkmal, keine Qualitäts-Fußnote.
Die Komplikation der dynamischen Preisgestaltung
Der Preiskrieg machte die Rechnung zudem schwerer vorhersagbar. DeepSeek kündigte nach dem Launch einen Zuschlag für Spitzenzeiten an – Preise, die sich in Spitzenfenstern ungefähr verdoppeln –, und dieselbe Berichterstattung erwartet die API-Bereitstellung von V4-Pro Anfang August. Nutzungsbasierte Preisgestaltung mit Spitzenzeiten-Multiplikatoren bedeutet, dass die Kosten einer Aufgabe davon abhängen, wann man sie ausführt – nicht nur davon, wie viele Tokens sie verbraucht. Für Teams verwandelt das die Kostenmodellierung von einem einmaligen Vergleich in eine laufende Disziplin: Messen Sie die Kosten pro Aufgabe auf Ihren eigenen Arbeitslasten, zu Ihren eigenen Zeiten, gegen Ihre eigenen Abnahmekriterien – genau dafür gibt es ein begrenztes Pilotprojekt.
Was der Preiskrieg nicht ändert
Günstigere Tokens ändern nichts an den Teilen der Entscheidung, die nichts mit dem Preis zu tun haben:
- Der Datenpfad ist nicht bepreist. Ob Ihre Prompts, Ihr Kontext und Ihre Protokolle Ihre Umgebung verlassen, ist eine eigene Frage neben der, was sie kosten. Teams in regulierten Kontexten brauchen weiterhin selbst gehostete, verwaltete Umgebungen, unabhängig davon, wer den Preiskrieg gewinnt.
- Auch das Genehmigungs-Gate ist nicht bepreist. Der Auto Mode des Marktführers entfernt Berechtigungsabfragen; die Kosten, Review-Gates wieder in Ihren Workflow einzubauen, sind eine reale Zahl – und sie ist bei jedem Anbieter dieselbe.
- Die Gesamtkosten sind arbeitslastförmig. Ein Werkzeug, das pro Token am günstigsten ist, kann bei Ihrer spezifischen Arbeitslast pro Aufgabe teuer sein – und umgekehrt. Das wissen Sie nur, wenn Sie Ihre eigenen Aufgaben Ende-zu-Ende ausführen und messen.
Das Fazit
Der Preiskrieg vom 31. Juli ist für Teams im engen Sinne eine gute Nachricht: Fähige Agents werden günstiger, und der Druck auf die Preisgestaltung jedes Anbieters ist strukturell. Die strategische Lesart ist subtiler. Wenn Token-Preise gegen die Kosten von Strom konvergieren, wandert die Differenzierung den Stack hinauf – zur Umgebung, in der Agents laufen, zu den Gates um ihre Aktionen und zur Plattform, die das Ganze prüfbar hält. Genau hier greift dieselbe Checkliste: Beweisen Sie es auf Ihrem Code, modellieren Sie die realen Kosten pro Aufgabe, kennen Sie den Datenpfad und behalten Sie das Review-Gate im menschlichen Workflow. Günstige Tokens machen schlechte Entscheidungen billiger zu treffen. Besser machen sie sie nicht.