Preise für KI-Tokens fallen um 67 %, Gesamtausgaben mehr als verdoppelt laut a16z
Die durchschnittlichen Preise für KI-Tokens sind seit Mai 2026 um 67 % eingebrochen, während die Gesamtausgaben um bis zu 160 % gestiegen sind, da autonome Agenten massiv Rechenleistung verbrauchen. Das zeigen Daten von a16z.
KI-Inferenz ist in den vergangenen fünf Monaten deutlich günstiger geworden, doch die Gesamtausgaben für Modell-Rechenleistung sind sprunghaft angestiegen. Daten, die das Risikokapitalunternehmen a16z am 31. Oktober 2026 in seinen Charts of the Week veröffentlichte, zeigen, dass die durchschnittlichen Preise für KI-Tokens seit Mai 2026 um 67 % eingebrochen sind, während die Gesamtausgaben für Tokens zwischen 122 % und 160 % zulegten.
Bei der Abrechnung von KI-Inferenz stellen Tokens die kleinen Textsegmente dar, die Modelle lesen oder generieren. Während der Preis pro Token einbrach, übertraf der massive Nutzungsanstieg die Preissenkungen rasch.
Der Haupttreiber hinter dem Volumensprung ist der Aufstieg von KI-Agenten. Laut a16z verbrauchen Agenten fast fünfmal mehr Tokens als herkömmliche menschliche Nutzer. Während ein einzelner Nutzer in der Regel einen einzelnen Prompt einreicht und das Ergebnis prüft, führt ein Agent komplexe, mehrstufige Aktionen aus, bei denen der Kontext beibehalten werden muss und in jeder Phase Tokens verbraucht werden.
Der Token-Verbrauch von Agenten hat sich seit Februar 2026 etwa um das 14-Fache vergrößert, was einen deutlichen Übergang hin zu automatisierten, lang laufenden Prozessen anstelle von isolierten Nutzeranfragen widerspiegelt.
Der Bericht bringt diesen Trend mit dem Jevons-Paradoxon in Verbindung – einem ökonomischen Prinzip, bei dem eine höhere Ressourceneffizienz zu einem höheren Gesamtverbrauch führt. Geringere Kosten pro Token haben komplexe automatisierte Abläufe wirtschaftlich tragfähig gemacht, nachdem sie unter den Preisen vom Mai noch zu teuer im Betrieb waren.
Die Infrastrukturkosten entwickelten sich jedoch in die entgegengesetzte Richtung. Während die Inferenz-Ausgabepreise sanken, stiegen die GPU-Mietkosten drastisch an. Die Mietpreise für Nvidia B300-Chips sprangen seit Mitte Juli 2026 um 106 % nach oben, während die B200-Mietpreise im selben Zeitraum um 66 % kletterten.
Dieser Gegensatz führt zu einem operativen Druck, der als Rack Spread bezeichnet wird. Modellanbieter liefern Ergebnisse zu einbrechenden Stückpreisen, während ihre zugrunde liegenden Kosten für GPU-Hardware weiter steigen.
Die Daten zeigten zudem, dass die Token-Nachfrage weiterhin konzentriert ist: Ein kleiner Kreis von Power-Usern macht einen erheblichen Teil der gesamten Ausgaben aus. Während GPU-Anbieter und Cloud-Hoster davon profitieren, dass die Rechennachfrage das Angebot übersteigt, stehen Anwendungsentwickler und Modellanbieter vor steigenden Gesamtrechnungen und knappen Margen.
Risikohinweis: Dieser Artikel ist keine Anlageberatung. Kryptowerte sind hochvolatil; ein Totalverlust ist möglich.
