
Open-Source-KI im Unternehmen: Lizenzen und echte Ersparnis
Open-Source-KI im Unternehmen: was jede Lizenz offener Modelle erlaubt, wie viel sie gegenüber APIs spart und warum ihre Regeln strenger werden.
Am 3. November 2026 erklärte Duolingo, dass die Kosten eines Videoanrufs mit seiner KI von etwa 0,30 $ auf „well under $0.01“ gesunken seien, „mainly by moving to open-source models or open-weight models“. Wenige Tage zuvor meldete Pinterest Kosten pro Transaktion von weniger als 8 % derjenigen vergleichbarer geschlossener Modelle, und Revolut berichtete, seine Rechnung für KI-gestütztes Programmieren auf etwa ein Zehntel dessen gesenkt zu haben, was Claude Code und Codex gekostet hatten. In allen drei Fällen war es Open-Source-KI, die die Rechnung gedrückt hat.
Die KI-Budgets dagegen laufen aus dem Ruder. Laut Menlo Ventures gaben Unternehmen 4,7-mal so viel für KI aus wie 2025, obwohl sie mit dem 1,9-Fachen geplant hatten. Bei Tinder stiegen nach Angaben des CTO die annualisierten KI-Ausgaben zwischen Januar und Juli von 1 auf 10 Millionen Dollar. Und jeder Arbeitsplatz mit Microsoft 365 Copilot Business kostet 21 $ pro Monat. Ein offenes Modell lässt sich herunterladen, beliebig hosten und kostet so viel wie die Infrastruktur. Was man damit tun darf, bestimmt aber seine Lizenz, nicht das Etikett „Open Source“.
Für eine IT-Abteilung wirft der Umstieg auf ein offenes Modell also zwei Fragen auf: Wie viel spart man, und bietet die Lizenz das erwartete Schutzniveau, rechtlich wie mit Blick auf die Kontinuität? Unsere Antwort: Die Ersparnis ist real, aber sie beruht auf einem Text, den der Anbieter mit der nächsten Version verschärfen kann. Mehrere Anbieter tun das bereits bei ihren Flaggschiffmodellen, und die Lizenz eines Modells sollte deshalb wie ein Vertrag verwaltet werden.
Wir schreiben „Open-Source-KI“, weil alle diesen Begriff verwenden, aber er ist ungenau: Diese Modelle veröffentlichen ihre Gewichte, nicht ihre Trainingsdaten oder ihren Trainingscode. „Open Weights“ (offene Gewichte) ist der korrekte Begriff, wie wir in unserem Artikel über den Unterschied zwischen Open Source und Open Weights erklären.
Wie viel sparen Unternehmen mit Open-Source-KI?
Die 2026 veröffentlichten Zahlen beeindrucken, aber es sind Selbstauskünfte: Jedes Unternehmen spricht über sich selbst, für seinen eigenen Bereich, ohne seine Rechnung offenzulegen.
| Unternehmen | Was es angibt | Bereich |
|---|---|---|
| Duolingo | Von 0,30 $ auf unter 0,01 $ pro Anruf (3. November 2026) | Videoanrufe mit der KI |
| Kosten pro Transaktion unter 8 % der geschlossenen Modelle (29. Oktober 2026) | Visuelle KI, intern nachtrainierte offene Modelle | |
| Revolut | Etwa ein Zehntel der Kosten von Claude Code oder Codex (Oktober 2026) | KI-gestütztes Programmieren für rund 2.000 Ingenieure, selbst gehostetes GLM |
| AT&T | Bis zu 56 % weniger, Qualität 2 % niedriger (August 2026) | Code und bestimmte anspruchsvolle Aufgaben, 40 % der Anfragen an offene Modelle |
Pinterest ist der belastbarste Fall: Der CEO sagt seit einem Jahr dasselbe, von einer „orders of magnitude reduction in cost“ im November 2025 bis zu den 8 % im Oktober 2026. Revolut ist der fragwürdigste: Der Vergleich stellt eine API-Rechnung den Inferenzkosten auf 56 B200-GPUs gegenüber, die die Bank selbst betreibt, und die präsentierte Zahl sagt nichts über den Preis der Hardware oder das Team, das sie betreibt. AT&T schließlich spricht von bestimmten Aufgaben, nicht von der gesamten Rechnung.
Bei Vercel, dessen Gateway die Aufrufe zahlreicher Kunden weiterleitet, entfielen im September 2026 71,5 % der Token, aber nur 22,6 % der Ausgaben auf offene Modelle. Menlo Ventures misst 19 % der Token von Unternehmen bei 4 % ihrer Ausgaben. Anders gesagt: Das offene Modell übernimmt das Volumen, das geschlossene behält die schwierigen Fälle. Duolingo sagt es ganz offen: „There are some small cases where a frontier model's still needed“. Die Ersparnis kommt eher vom Routing als von einem vollständigen Ersatz.
Ist ein Open-Source-LLM wirklich günstiger als eine geschlossene API?
Bei einem Modell unter Apache 2.0 kassiert kein Anbieter mit: Konkurrierende Hoster stellen es bereit und berechnen die Rechenleistung. Im Oktober 2026 kostete dasselbe Qwen 3.8 27B 0,40 € pro Million Token bei der Eingabe und 2,70 € bei der Ausgabe bei OVHcloud und 0,60 € / 3,30 € bei Scaleway, beide in Frankreich.
Bei gleichem Niveau ist der Abstand nicht der, den man erwartet. In der Rangliste von Artificial Analysis vom 10. November (Version 5.0.1 des Index) erreicht Qwen 3.8 27B 20 Punkte. Die geschlossenen Modelle auf gleichem Niveau sind die kleinen Modelle der großen Anbieter, und sie werden günstiger abgerechnet:
| Modell | Anbieter | Preis pro Million Token (Eingabe / Ausgabe) | Artificial-Analysis-Index v5.0.1 |
|---|---|---|---|
| Qwen 3.8 27B (maximales Reasoning) | OVHcloud, Frankreich | 0,40 € / 2,70 € | 20 |
| GPT-6 Luna (Reasoning „high“) | OpenAI | 0,10 $ / 0,50 $ | 21 |
| Claude Haiku 5.5 (Reasoning „low“) | Anthropic | 0,10 $ / 0,50 $ | 19 |
| Claude Sonnet 5.5 (Reasoning „low“) | Anthropic | 2 $ / 10 $ | 26 |
Pro Token und bei gleichem Niveau kostet ein kleines geschlossenes Modell heute bei der Ausgabe mehr als fünfmal weniger als ein in Frankreich bereitgestelltes Qwen 3.8 27B. Der tatsächliche Abstand ist sogar noch größer, denn Qwen 3.8 27B denkt lange nach: Artificial Analysis beobachtete, dass es 128 Millionen Token erzeugte, um seinen Index zu absolvieren, gegenüber 77,7 Millionen im Median.
Diese Preise sind neu. OpenAI brachte GPT-5.6 Luna am 9. Juli 2026 für 1 $ pro Million Token bei der Eingabe und 6 $ bei der Ausgabe auf den Markt und senkte den Preis drei Wochen später auf 0,20 $ / 1,20 $. Am 22. September kam GPT-6 Luna für 0,10 $ / 0,50 $: In weniger als drei Monaten wurde der Ausgabepreis des kleinen OpenAI-Modells durch zwölf geteilt. Anthropic folgte am 7. Oktober mit Claude Haiku 5.5, das 90 % weniger kostet als Haiku 4.5, für Anfragen unter 100.000 Token, und laut Anbieter im Durchschnitt etwa 75 % weniger, weil sein neuer Tokenizer denselben Text in mehr Token zerlegt. OpenAI führt seine Senkung auf Effizienzgewinne zurück. Wir sehen darin auch eine Antwort auf die kleinen offenen Modelle, die das Volumen einfacher Aufgaben zum Preis des Hostings übernahmen. Die Konkurrenz der offenen Modelle hat zuerst die Preise der geschlossenen Modelle gedrückt.
Die Einsparungen von Duolingo oder Pinterest haben andere Ursachen. Sie vergleichen ein offenes Modell mit weit teureren Spitzenmodellen, bei Aufgaben, die diese nicht brauchten; oder sie beruhen, wie bei Revolut, auf dauerhaft betriebenen GPUs. Für ein Unternehmen, das pro Token bezahlt, kommt die Ersparnis vor allem vom richtigen Modellniveau für jede Aufgabe, ob offen oder geschlossen.
Der Vorteil des offenen Modells liegt also weniger im Listenpreis als in der Kontrolle. Ein offenes Modell lässt sich hosten, wo man will: bei einem europäischen Betreiber, im eigenen Rechenzentrum oder auf Servern ohne Verbindung nach außen. Man wählt also, wer die Daten sieht und welches Recht gilt, die zentrale Frage der KI-Souveränität. Es lässt sich auf das eigene Fachvokabular feinabstimmen, behält dasselbe Verhalten, solange man es nicht ändert, und lässt sich ersetzen, ohne einen Vertrag neu zu verhandeln. Die Wege, es zu betreiben, vom GPU-Kauf bis zur API eines Hosters, vergleichen wir in unserem Artikel über KI-Inferenz im Unternehmen, und die Vollkosten eines Betriebs auf eigenen Servern in unserem Artikel über On-Premise-LLM.
Was erlaubt jede Open-Source-KI-Lizenz wirklich?
Eine Modelllizenz ist der Vertrag, der die veröffentlichten Gewichte begleitet: Sie legt fest, wer sie nutzen darf, wofür und unter welchen Bedingungen. Man liest sie in der Datei LICENSE des Repositorys, nicht in der Zusammenfassung auf der Seite: Bei Mistral steht die Umsatzobergrenze von Timestral in dieser Datei, nicht in der Modellbeschreibung. Die Lizenzen offener Modelle lassen sich in vier Familien einteilen, von der permissivsten bis zur restriktivsten.
Apache 2.0 und MIT: fast alles erlaubt
Die Lizenzen Apache 2.0 und MIT stammen aus der freien Software. Sie erlauben kommerzielle Nutzung, Änderung, Feinabstimmung und Weiterverbreitung, sofern die Lizenzhinweise erhalten bleiben. Apache 2.0 fügt eine Patentlizenz hinzu und bezeichnet sich als „perpetual“ und „irrevocable“: Eine unter dieser Lizenz heruntergeladene Version bleibt es.
Das ist das Regime von Qwen 3.8 27B, von Gemma 4 bei Google, von gpt-oss bei OpenAI, von Mistral Small 4 und von Mistral Large 3. DeepSeek veröffentlicht seine neueren Modelle unter MIT. OVH hat am 17. November 2026 sein eigenes angekündigt, Olala mini, unter Apache 2.0, mit Gewichten, die am 19. November auf Hugging Face erwartet werden; wir analysieren es in unserem Artikel über Olala mini. Für ein Unternehmen ist das der einfache Fall: keine Schwelle zu überwachen, kein Vertrag zu verhandeln.
Eine Variante fügt eine Kennzeichnungspflicht hinzu. Die Lizenz von Kimi K2, eine modifizierte MIT, verlangt ab 100 Millionen monatlich aktiven Nutzern oder 20 Millionen Dollar Monatsumsatz, „Kimi K2“ im Produkt anzuzeigen. Die Auflage betrifft das Image, die Nutzung bleibt frei.
Llama: eine Community-Lizenz, die Europa ausschließt
Meta veröffentlicht Llama unter einer eigenen Lizenz. Die Lizenz von Llama 4 verlangt, „Built with Llama“ anzuzeigen, den Namen jedes verbreiteten abgeleiteten Modells mit „Llama“ beginnen zu lassen und ab 700 Millionen monatlich aktiven Nutzern eine Lizenz bei Meta zu beantragen. Sie unterliegt kalifornischem Recht, und Meta kann sie bei Verstößen beenden: Dann müssen die Modelle gelöscht werden.
Für Leser in Europa steht der entscheidende Punkt in der Nutzungsrichtlinie, auf die die Lizenz verweist. Für die multimodalen Modelle von Llama 4 werden die Rechte einem Unternehmen „with a principal place of business in the European Union“ nicht gewährt. Nun sind aber alle Llama-4-Modelle multimodal. Ein Unternehmen mit Hauptsitz in der EU kann Llama 4 nicht selbst einsetzen; es kann nur ein Drittprodukt nutzen, das es integriert.
Mistral Large 4, Qwen, Meta Muse: ein Vertrag für den Weiterverkauf als Dienst
Eine neuere Familie lässt die interne Nutzung frei, behält sich aber den Weiterverkauf des Modells als Inferenzdienst vor, das „Model as a Service“. Einem Dritten direkten Zugang zum Modell zu geben, etwa über eine API, erfordert dann einen Vertrag mit dem Anbieter.
- Die Lizenz von Mistral Large 4, veröffentlicht am 29. Oktober 2026, verlangt eine separate kommerzielle Lizenz von jedem Unternehmen, dessen Konzern ein Model-as-a-Service-Geschäft betreibt. Die interne Nutzung ist ausgenommen, ebenso Produkte, die das Modell in ihre eigenen Funktionen einbetten.
- Die Qwen Community License von Qwen 3.8 Flash-Next, das Alibaba als Vorschau auf die Architektur von Qwen 4 vorstellt, geht weiter: Die separate Lizenz gilt auch für einen „AI Work Assistant“, ein Produkt, das hauptsächlich für KI-gestütztes Programmieren oder Büroarbeit konzipiert ist.
- Die Muse Model License des großen offenen Modells von Meta, veröffentlicht am 15. Oktober 2026, verlangt eine separate Vereinbarung für einen Inferenzdienst ab 20 Millionen Dollar Umsatz über zwölf Monate.
Für ein Unternehmen, das einen Assistenten für seine Mitarbeitenden einführt, ändern diese Lizenzen nichts. Für einen Softwareanbieter, einen Hoster oder einen IT-Dienstleister, der Zugang zu Modellen weiterverkauft, ändern sie das Geschäftsmodell.
Mistral Medium 3.5: eine Umsatzobergrenze
Die restriktivste Familie entzieht ab einer bestimmten Unternehmensgröße alle Rechte. Die Lizenz von Mistral Medium 3.5, eine „modifizierte MIT“, gilt nicht, wenn der konsolidierte Monatsumsatz Ihres Konzerns 20 Millionen Dollar übersteigt, also etwa 240 Millionen pro Jahr. Die Einschränkung erfasst auch abgeleitete Modelle. Darüber muss man bei Mistral eine kommerzielle Lizenz beantragen, die das Unternehmen „at its sole discretion“ gewährt. Devstral 2 und Timestral enthalten dieselbe Klausel. Ein KMU kann sie frei nutzen; ein Großkonzern kann es nicht, nicht einmal intern.
Die Übersicht für die Praxis
Hier unsere Lesart der Texte, die keine juristische Beratung ersetzt:
| Nutzung | Apache 2.0, MIT (Qwen 3.8 27B, Gemma 4, gpt-oss, DeepSeek) | Llama 4 Community License | Klausel Inferenzdienst (Mistral Large 4, Qwen Community, Muse) | Umsatzobergrenze (Mistral Medium 3.5) |
|---|---|---|---|---|
| Interner Assistent für Mitarbeitende | Frei | Ausgeschlossen bei Hauptsitz in der EU | Frei | Frei unter 20 Mio. $ Monatsumsatz, darüber Vertrag |
| KI-Funktion in Ihrem Produkt | Frei | „Built with Llama“, außerhalb der EU | Frei; bei Qwen Vertrag, wenn das Produkt ein Code- oder Büroassistent ist | Je nach Umsatz |
| Feinabstimmen, destillieren, Ableitung weiterverbreiten | Frei, Hinweise beibehalten | Name der Ableitung beginnt mit „Llama“ | Frei, Ableitung unterliegt derselben Klausel | Ableitung unterliegt der Obergrenze |
| Zugang zum Modell weiterverkaufen (API) | Frei | Frei unter 700 Mio. Nutzern | Vertrag | Vertrag oberhalb der Grenze |
Bleibt die Destillation: Ein kleines Modell mit den Antworten eines großen zu trainieren, erlauben die offenen Lizenzen, mit ihren Bedingungen zu Namensgebung oder Schwellen. Die Bedingungen der geschlossenen APIs verbieten es dagegen: Die von Anthropic untersagen, seine Dienste zu nutzen, „to train competing AI models“.
Werden die Lizenzen offener Modelle strenger?
Unsere Überzeugung: Ja, bei den Anbietern, die es sich leisten können, und von oben her. Die Signale aus 2026 zeichnen alle dasselbe Muster: Das kleine Modell bleibt unter Apache 2.0, um das Ökosystem zu nähren, das Flaggschiffmodell wechselt zu einer hauseigenen Lizenz.
- Mistral schrieb im Januar 2025, es erneuere sein Bekenntnis zu Apache 2.0 für seine Allzweckmodelle. Seitdem sind Devstral 2, Medium 3.5 und Timestral mit einer Umsatzobergrenze erschienen, und Mistral Large 4 unter hauseigener Lizenz, während Large 3 unter Apache 2.0 stand.
- Alibaba behält Qwen 3.8 27B unter Apache 2.0, hat sein großes Modell aber unter einer „Qwen3.8-Max License“ veröffentlicht und die Vorschau auf Qwen 4 unter der Qwen Community License. Auf dieses Risiko für Qwen 4 hatten wir in unserem Artikel über Qwen 3.8 27B hingewiesen.
- Meta kündigte bereits im Juli 2025 an, es werde „careful about what we choose to open source“ sein. Sein Modell Muse Spark erschien im April 2026 mit API-Zugang für ausgewählte Partner, die offene Version im Oktober unter hauseigener Lizenz.
Die Texte sehen bereits Mittel vor, die Regeln zu verschärfen. Die Nutzungsrichtlinie von Llama verweist auf „the most recent copy of this policy“, ein Dokument, das Meta ändern kann. Die von Falcon „may be updated from time to time“. Die offene Lizenz von NVIDIA sieht vor, dass „NVIDIA may update this Agreement … at any time“, wobei der Nutzer sich daran halten oder aufhören muss.
Die Softwarewelt hat dieses Szenario schon erlebt. MongoDB verließ 2018 seine freie Lizenz, weil es „too easy for cloud vendors … to capture all of the value“ war, Elastic verließ 2021 Apache 2.0, HashiCorp änderte 2023 die Lizenz von Terraform. Jedes Mal zielte das auf den Weiterverkauf als Dienst durch Dritte, genau das, worauf die neuen Modelllizenzen abzielen. Die letzte offene Version blieb dagegen nutzbar: OpenTofu entstand aus der letzten freien Version von Terraform.
Die Gegenargumente sind ernst zu nehmen. Wir haben keinen Fall gefunden, in dem eine Lizenz für eine bereits veröffentlichte Version zurückgezogen wurde: Die Änderungen betreffen die Folgeversionen. Die umgekehrte Bewegung gibt es auch: Google ist mit Gemma 4 zu Apache 2.0 gewechselt, DeepSeek und Z.ai sind für DeepSeek V3 und GLM-4.5 zu MIT übergegangen, NVIDIA wird die offene Lizenz OpenMDW für seine nächsten Modelle übernehmen. In Frankreich veröffentlicht OVH, dessen CEO in seiner Pressemitteilung erklärt, nicht mehr von „der Großzügigkeit bestimmter Labs“ (eigene Übersetzung) abhängen zu wollen, sein erstes Modell, Olala mini, unter Apache 2.0. Die US-Regierung fördert offene Modelle seit Juli 2025, und der chinesische Entwurf zur Exportkontrolle nimmt aus, was bereits als Open Source veröffentlicht ist. Solange konkurrierende Labore Modelle nahe am Stand der Technik unter Apache 2.0 veröffentlichen, verliert ein Anbieter, der zu stark abschottet, sein Publikum. Die Verschärfung zielt also auf die Flaggschiffmodelle und den Weiterverkauf als Dienst; die mittelgroßen Modelle, die die meisten Unternehmen einsetzen, dürften länger offen bleiben.
Was eine IT-Abteilung daraus mitnehmen kann
Sofern Sie nicht gegen die Lizenz verstoßen, bleibt die Version, die Sie heute nutzen, nutzbar. Es ist die nächste, die Sie in einem Jahr brauchen werden, die unter anderen Bedingungen kommen kann. Die Kanzlei Cooley rät, Rückfallpläne für Lizenzänderungen vorzusehen, und erinnert daran, dass ein selbst gehostetes Modell möglicherweise keinerlei Gewährleistung des Anbieters genießt. Konkret:
- Die Lizenzdatei und die Nutzungsrichtlinie lesen, nicht die Model Card, zusammen mit der Rechtsabteilung. Die Schwellen auf Konzernebene prüfen (konsolidierter Umsatz, verbundene Unternehmen) und das Geschäftsmodell: Ein IT-Dienstleister oder Softwareanbieter hat nicht dieselben Auflagen wie eine Bank, die ihre Mitarbeitenden ausstattet.
- Gewichte, Lizenz und Nutzungsrichtlinie datiert archivieren, mit der genauen Kennung der heruntergeladenen Revision. Ändert sich das Repository, behalten Sie den Nachweis dessen, was Ihnen gewährt wurde.
- Die Version in der Produktion einfrieren. Jede neue Version durchläuft vor dem Einsatz erneut eine Lizenzprüfung.
- Eine Alternative unter Apache 2.0 oder MIT bereithalten, bereits an den eigenen Fragen getestet. Verschärft ein Anbieter seine Bedingungen, wechseln Sie.
- Das Modell austauschbar machen: eine OpenAI-kompatible API, ein Gateway zwischen Anwendung und Modellen, ein Referenzsatz von Fragen. Ein Modellwechsel sollte einen Tag dauern, kein Projekt.
- Den Hoster mit derselben Sorgfalt wählen wie die Lizenz. Ein offenes Modell, das von einem Hoster bereitgestellt wird, dessen Muttergesellschaft außerhalb des Europäischen Wirtschaftsraums sitzt, bleibt dem Recht dieses Landes ausgesetzt. Für das Hosting OVHcloud; für die europäische Inferenz Scaleway.
Eine letzte Erinnerung: Das günstigste Modell ist immer noch das, das man nicht aufruft. KI lohnt sich nur dort, wo die Aufgabe nicht deterministisch ist; anderswo ist ein Algorithmus zuverlässiger und sparsamer, wie wir in unserem Artikel über Automatisierung ohne überflüssige KI erklären.
Bei ATG nutzen wir viele offene Modelle. Qwen 3.8 27B verfasst die Antworten auf die Nachrichten unserer Nutzer und dient als Modell für unseren FinanceBench-Benchmark, und unsere Embeddings berechnen wir mit Qwen 3 Embedding 8B. Ein Unternehmen, das sich nicht mit Lizenzen befassen will, kann sich auch auf uns stützen: Unsere Plattform wählt und betreibt die Modelle, mit pauschaler Abrechnung pro Nachricht oder pro Nutzer.
Häufige Fragen zu Open-Source-KI-Lizenzen
Kann ein europäisches Unternehmen Llama 4 nutzen?
Nicht direkt. Die Nutzungsrichtlinie von Llama 4, die Teil seiner Lizenz ist, gewährt die Rechte an seinen multimodalen Modellen nicht an Unternehmen mit Hauptsitz in der Europäischen Union, und alle Llama-4-Modelle sind multimodal. Das Unternehmen kann aber ein Drittprodukt nutzen, das Llama 4 integriert: Die Einschränkung zielt nicht auf Endnutzer. Modelle unter Apache 2.0 wie Qwen 3.8 27B, Gemma 4 oder Mistral Small 4 haben diese Grenze nicht.
Kann ein Anbieter die Apache-2.0-Lizenz eines bereits veröffentlichten Modells zurückziehen?
Nein. Der Text der Apache 2.0 gewährt eine unbefristete und unwiderrufliche Lizenz: Eine unter dieser Lizenz heruntergeladene Version bleibt nutzbar, änderbar und weiterverbreitbar, selbst wenn der Anbieter die nächste unter anderen Bedingungen veröffentlicht. Die einzige Ausnahme ist die Patentlizenz, die erlischt, wenn man selbst den Anbieter wegen Patentverletzung verklagt. Daher lohnt es sich, Gewichte und Lizenzdatei der eingesetzten Version zu archivieren.
Was ist eine „Model as a Service“-Klausel in einer Modelllizenz?
Eine Klausel, die einen Vertrag mit dem Anbieter verlangt, um Dritten direkten Zugang zum Modell zu geben, etwa durch den Weiterverkauf per API als Inferenzdienst. Sie findet sich in den Lizenzen von Mistral Large 4, in der Qwen Community License und beim großen offenen Modell von Meta. Die interne Nutzung bleibt frei, und Produkte, die das Modell in ihre eigenen Funktionen integrieren, sind in der Regel von der Klausel ausgenommen.
Ist ein Open-Source-Modell günstiger als die API von OpenAI?
Nicht unbedingt. Am 10. November 2026 kostete Qwen 3.8 27B, in Frankreich bei OVHcloud gehostet, 0,40 € pro Million Token bei der Eingabe und 2,70 € bei der Ausgabe, während GPT-6 Luna von OpenAI, auf vergleichbarem Niveau im Index von Artificial Analysis, 0,10 $ und 0,50 $ kostete. Die von Unternehmen gemeldeten Einsparungen stammen vor allem aus dem Ersatz von Spitzenmodellen bei einfachen Aufgaben und aus dem Self-Hosting in großem Maßstab. Das offene Modell behält den Vorteil der Kontrolle: Wahl des Hosters, eingefrorene Version, Reversibilität.
Die Unternehmen, die am meisten sparen, behalten oft ein geschlossenes Modell für die schwierigen Fälle; ihre Stärke ist, dass sie das Modell problemlos wechseln können. Diese Fähigkeit schützt auch vor einer Verschärfung der Lizenz. Bevor wir ein Modell für 2027 wählen, würden wir deshalb nur eines messen: wie lange Sie brauchen, um es zu wechseln.


