Google senkt die Preise für Alltagsmodelle, während das offene LongCat-2.0 OpenRouter anführt

Zwei Tage nach dem Beginn von Anthropics Investorenpräsentationen zum Börsengang verlagert sich der KI-Markt dorthin, wo es für eine Organisation, die ihre Token bezahlt, wirklich zählt: in die Mittelklasse. Am 21. Juli hat Google drei auf Durchsatz und Kosten ausgelegte Gemini-Flash-Modelle eingeführt und einen Ausblick auf Gemini 4 gegeben. Am selben Tag zählt das offene chinesische Modell LongCat-2.0, das ohne eine einzige Nvidia-GPU trainiert wurde, bereits zu den meistgenutzten Modellen auf OpenRouter. Meta, lange Verfechter kostenloser Modelle mit offenen Gewichten, verlangt erstmals Geld für seine API. Drei Signale weisen in dieselbe Richtung: Routinearbeit wird massiv günstiger und der Zugang offener, während Spitzenmodelle hinter Verbrauchszählern verschwinden.

Google entfacht den Preiskrieg bei den Alltagsmodellen neu

Am 21. Juli 2026 hat Google drei Modelle zugleich veröffentlicht: Gemini 3.6 Flash, Gemini 3.5 Flash-Lite und Gemini 3.5 Flash Cyber. Alle zielen auf Effizienz, geringe Latenz und Zuverlässigkeit beim Betrieb von Agenten im grossen Massstab. Das Alltagsmodell der Reihe, Gemini 3.6 Flash, kostet $1.50 / $7.50 pro Million Token (Eingabe/Ausgabe). Die Ausgabe liegt damit unter den $9.00 des Vorgängers 3.5 Flash. Zugleich sinkt Flash-Lite auf $0.30 / $2.50 für sehr hohen Durchsatz. Flash Cyber, das über Googles CodeMender-Agent Sicherheitslücken aufspürt und behebt, bleibt dagegen wegen möglicher missbräuchlicher Nutzung in einem eingeschränkten Pilotprogramm für Regierungen und vertrauenswürdige Partner.

Entscheidend ist nicht nur der Listenpreis. Google betont die höhere Effizienz pro Aufgabe: 3.6 Flash soll für dieselbe Arbeit rund 17% weniger Ausgabetoken verbrauchen als 3.5 Flash und in mehrstufigen Abläufen weniger Denkschritte und Werkzeugaufrufe benötigen. Zusammen mit dem niedrigeren Tarif senkt das die tatsächlichen Aufgabenkosten deutlich stärker, als der Listenpreis vermuten lässt (laut Anbieter um bis zu ~71% bei Programmieraufgaben mit Agenten). Der Wissensstand rückt endlich von Januar 2025 auf März 2026 vor. Im Hintergrund hat Google einen Ausblick auf Gemini 4 gegeben, ohne verbindlichen Zeitplan; das für Juni versprochene 3.5 Pro fehlt weiterhin. Die Botschaft an den Markt ist klar: Entscheidend sind inzwischen die Kosten pro abgeschlossener Aufgabe, nicht mehr nur die Kosten pro Million Token.

LongCat-2.0: Ein Modell mit offenen Gewichten erreicht die Spitze von OpenRouter

Der zweite Umbruch kommt aus China und ist struktureller Natur. LongCat-2.0, von Meituan am 30. Juni 2026 unter MIT-Lizenz veröffentlicht, ist ein Mixture-of-Experts-Modell mit 1.6 Billionen Parametern (davon rund 48 Milliarden pro Token aktiv) und einem nativen Kontextfenster von einer Million Token. Über seine Benchmark-Ergebnisse hinaus (SWE-bench Pro bei 59.5, gegenüber 58.6 für GPT-5.5 laut Anbieter) fallen zwei Punkte auf. Erstens stieg es nach fast zwei Monaten anonymen Betriebs unter dem Namen «Owl Alpha» unter die meistgenutzten Modelle auf OpenRouter auf, mit einem gemeldeten Volumen von rund 10.1 Billionen Token pro Monat und einem Anstieg von +242% gegenüber dem Vormonat. VentureBeat bezeichnet es sogar als führend auf der Plattform. Zweitens erklärt Meituan, es vollständig auf mehr als 50’000 in China hergestellten Chips (ASICs) und ohne Nvidia-GPUs trainiert zu haben. Es wäre damit das erste auf einheimischer Rechenleistung entwickelte Modell mit Parametern in Billionenhöhe.

Bei den Preisen ist der Abstand zur westlichen Spitzenklasse deutlich: $0.75 / $2.95 pro Million Token zum Standardtarif und $0.30 / $1.20 im Aktionsangebot; Cache-Treffer sind kostenlos. Ein annähernd auf Spitzenniveau liegendes Modell, offen und selbst hostbar, zu einem Zwanzigstel des Ausgabepreises von Claude Fable 5: Das ist genau das Argument, das China vergangene Woche in Shanghai vorgebracht hat. Inzwischen geht es dabei nicht mehr nur um Rhetorik, sondern um Marktanteile.

Meta verlangt erstmals Geld für den Zugang

Das dritte Signal ist leiser, aber bedeutsam: Meta, bisher grundsätzlich auf kostenlose Modelle mit offenen Gewichten ausgerichtet, hat am 9. Juli eine kostenpflichtige API eröffnet. Sein Modell Muse Spark 1.1 kostet dort $1.25 / $4.25 pro Million Token (mit $20 Startguthaben; ein Cache-Tarif von etwa $0.15 ist im Gespräch, aber nicht offiziell bestätigt). Mark Zuckerberg bezeichnet dies als «das erste Mal, dass wir eine wirklich ernstzunehmende API anbieten». Die Preise seien «sehr aggressiv und attraktiv» und lägen bei etwa einem Viertel dessen, was OpenAI oder Anthropic für vergleichbare Modelle verlangen. Die API akzeptiert direkt die Formate von OpenAI (Chat Completions) und Anthropic (Messages), um einen Wechsel ohne Migrationskosten zu ermöglichen. Anders gesagt: Selbst der traditionell offenste Anbieter vermarktet den Zugang inzwischen, allerdings mit Preisen, die den Markt von unten unter Druck setzen.

Vergleichstabelle: API-Preise am 22. Juli 2026

Zwischen dem teuersten und dem günstigsten Angebot liegt weiterhin der Faktor hundert. Im unteren und mittleren Bereich der Tabelle ist das Angebot jedoch innerhalb einer einzigen Woche dichter geworden.

Modell	Eingabe ($/Mio. Token)	Ausgabe ($/Mio. Token)	Hinweis
Claude Fable 5 (Anthropic)	10.00	50.00	Spitzenmodell; Abo-Grenzen am 20. Juli verschärft
GPT-5.6 Sol (OpenAI)	5.00	30.00	erschienen am 9. Juli
Claude Opus 4.8	5.00	25.00
GPT-5.6 Terra	2.50	15.00	erschienen am 9. Juli
Kimi K3 (Moonshot, China, offene Gewichte)	3.00	15.00	erschienen am 16. Juli; Cache-Treffer 0.30
Gemini 3.1 Pro (Google)	2.00	12.00	doppelter Preis bei mehr als 200k Kontext
Claude Sonnet 5	2.00	10.00	Einführungspreis bis 31. August, danach 3/15
Gemini 3.6 Flash (Google)	1.50	7.50	erschienen am 21. Juli; −17% Token pro Aufgabe
Grok 4.5 (xAI)	2.00	6.00	Preis veröffentlicht; EU-Zugang weiterhin eingeschränkt
GPT-5.6 Luna	1.00	6.00	erschienen am 9. Juli
Meta Muse Spark 1.1	1.25	4.25	erschienen am 9. Juli; Metas erste kostenpflichtige API
LongCat-2.0 (Meituan, offene Gewichte)	0.75	2.95	Aktion 0.30/1.20; MIT; führend auf OpenRouter
Gemini 3.5 Flash-Lite (Google)	0.30	2.50	erschienen am 21. Juli; sehr hoher Durchsatz
Grok 4.3 / 4.20 (xAI)	1.25	2.50	Kontextfenster von 1M Token
Mistral Large 3	0.50	1.50
DeepSeek V4 Pro	0.435	0.87	nach der Preissenkung im Mai
DeepSeek V4 Flash	0.14	0.28	Kontextfenster von 1M Token; Cache bis zu −99%

Preise am 22. Juli 2026 auf offiziellen Seiten (Anthropic, OpenAI, Google, Meta) erhoben; bei Modellen ohne direkt zugängliche Preisseite wurden spezialisierte Aggregatoren herangezogen. Aktions- und Cache-Tarife sind in der Hinweisspalte gekennzeichnet und können ohne Vorankündigung auslaufen.

Die Spitzenklasse schottet sich ab, Rechenleistung bleibt der blinde Fleck

Während die Mittelklasse günstiger wird, nimmt die Tabellenspitze den entgegengesetzten Weg. Claude Fable 5 bleibt bei $10 / $50. Seit dem 20. Juli sind seine Nutzungsgrenzen in Max und Team Premium um rund ein Drittel gesenkt; Nutzer von Pro und Team Standard wechseln zur verbrauchsabhängigen Abrechnung. Anthropics Investorenpräsentationen für einen bereits für Oktober angestrebten Börsengang, dessen Anfangsbewertung Prognosemärkte bei rund $1.1 Billionen sehen, setzen auf die konsequente Monetarisierung des leistungsfähigsten Modells statt auf ein unbegrenztes Abonnement. Der Markt spaltet sich in zwei Pole: knappe, nach Verbrauch abgerechnete Spitzenleistung auf der einen Seite, ein reichliches, offenes und günstiges Angebot auf der anderen.

Die Hardwarebasis bleibt teuer, verändert aber ihre Zusammensetzung. Die Miete einer H100 kostet je nach Anbieter weiterhin rund $2 bis rund $11 pro Stunde, und ein gekaufter Server amortisiert sich nach wie vor erst nach vielen Monaten anhaltender Nutzung. Zwei tiefgreifendere Entwicklungen verändern jedoch die Rechnung: LongCat-2.0 zeigt, dass sich ein Spitzenmodell ohne amerikanische Chips trainieren lässt. Das verschiebt die Machtverhältnisse bei der Versorgung mit Rechenleistung. Zudem beschleunigt sich die Konsolidierung: Qualcomm hat den Kauf der KI-Plattform Modular für rund $3.9 Milliarden angekündigt, um seine Infrastruktur vom Endgerät bis zum Rechenzentrum zu stärken. Der Tokenpreis sinkt, während die Kontrolle über die zugrunde liegende Rechenleistung zu einer geopolitischen Frage wird.

Was das für eine Schweizer Organisation bedeutet

Drei konkrete Punkte verdienen Aufmerksamkeit. Erstens: Der eigentliche Ansatzpunkt zur Kostensenkung ist nicht mehr der Preis pro Token, sondern die Zahl der pro Aufgabe verbrauchten Token. Das Gemini-Flash-Update zeigt, dass ein günstigeres und bei der Ausgabe sparsameres Modell die tatsächliche Rechnung deutlich stärker senken kann als der ausgewiesene Preisnachlass. Sichtbar wird das nur, wenn Sie Ihren eigenen Verbrauch messen. Zweitens: Modelle mit offenen Gewichten sind keine Ausweichlösung mehr, sondern ein Standard im Vertrieb. Mit LongCat-2.0 unter den meistgenutzten Modellen auf OpenRouter und einer MIT-Lizenz wird souveränes Selbsthosting zu einer Entscheidung über Governance und Kosten ohne Leistungskompromiss. Und schliesslich: Die Zweiteilung des Marktes verlangt eine gezielte Auswahl statt einer festen Lagerzugehörigkeit. Reservieren Sie die nach Verbrauch abgerechnete Spitzenklasse für Aufgaben, die sie wirklich benötigen. Leiten Sie Routinevolumen an die inzwischen reichlich verfügbare, günstige Mittelklasse weiter, und behalten Sie die Kontrolle über diese Zuweisung: Grenzen und Tarife können sich über Nacht ändern, am oberen wie am unteren Ende.