SG.hu·
Árháborúba kezdtek az MI-cégek, zuhanó tokenárak mellett versenyeznek egymással
Az OpenAI, a Google és az Anthropic egyre nagyobb nyomás alatt állnak, mivel a kínai versenytársak olcsóbb modelljei arra kényszerítik őket, hogy egyszerre növeljék a teljesítményt és csökkentsék az árakat.
Az MI-iparág fejlődésének új szakaszába léptünk, amelyben az összes nagy szereplő jelentősen csökkenti a költségeket, miközben növeli belépő szintű modelljeinek képességeit annak érdekében, hogy versenybe szálljon az új kínai modellekkel, például a Moonshot Kimi K3 és a DeepSeek V4 Flash rendszereivel. Az OpenAI tette meg ezt legutóbb, amikor 80 százalékkal csökkentette alapvető csúcskategóriás modelljének, a ChatGPT 5.6 Luna-nak az árát egymillió tokenre vetítve, valamint 20 százalékkal mérsékelte a középkategóriás 5.6 Terra árát. Ez alig több, mint egy héttel azután történt, hogy a Google bemutatta olcsóbb Gemini 3.6 Flash és 3.5 Flash-Lite modelljeit. Az Anthropic nem csökkentette az árait, viszont a legolcsóbb Opus 4.8 modelljét egy nagyobb képességű Claude 5.0 modellre cserélte ugyanazon az árszinten.
Az intelligencia egyre megfizethetőbbé válik a globális verseny erősödésének köszönhetően, ám az ezeknek a nagyvállalatoknak a haszonkulcsa lehet az ára. Mindez annak a folyamatnak a része, amely során hónapokon keresztül a legnagyobb MI-vállalatok egymás után jelentettek be költségcsökkentéseket és korlátozásokat a technológia használatával kapcsolatban, még olyan jelentős MI-pártolók is, mint Elon Musk xAI vállalata. Annak ellenére, hogy minden eddiginél több dolgozó használ MI-t, a jelentések szerint a termelékenységnövekedés elmaradt a várakozásoktól.
A kínai és amerikai MI-fejlesztési törekvések története bizonyos értelemben jól példázza a két ország történelmi erősségeit. Miközben az amerikai vállalatok hatalmas összegeket égetnek el a legfejlettebb technológiák fejlesztésére, a kínai fejlesztők ipari hátterüket kihasználva olcsóbb, karcsúbb és a csúcskategóriában szinte ugyanolyan jó modelleket hoztak létre. A DeepSeek 2025-ben sokkolta a nyugati MI-fejlesztőket, a Kimi K3 pedig 2026-ban hasonló hatást váltott ki. Ezek az események önmagukban is aggodalmat keltenének az olyan vállalatoknál, mint az OpenAI, a Google és az Anthropic. Azonban több hónapnyi panaszkodás után, amelyben az MI-t intenzíven használó cégek a tokenköltségek robbanásszerű növekedéséről beszéltek, egy majdnem ugyanolyan jó, de jóval olcsóbb modell híre valódi felfordulást okozott.
Most a nagy MI-fejlesztők már nem tudnak egyszerűen úgy versenyezni, hogy még több paramétert adnak hozzá a modellekhez és még több tanítási adatot nyelnek el. Most már valódi árversenyben kell helytállniuk, és ennek érdekében az OpenAI jelentősen csökkentette modelljeinek árait. Nem a legerősebb és legképességesebb modelljét érinti ez a változás, sőt annak gyorsabb változata valójában egyre drágább lesz, hanem a csúcskategóriás modelljei kerültek most minden eddiginél alacsonyabb árszintre. Az intelligencia és az árak ilyen gyors átrendeződése pedig rendkívül figyelemre méltó.
Az OpenAI márciusban indította el a ChatGPT 5.4 modellt, amely erős új ügynöki képességekkel rendelkezett, ára pedig egymillió bemeneti tokenenként 2,50 dollár, egymillió kimeneti tokenenként pedig 15 dollár volt. A GPT 5.6 Luna ára most mindössze 0,20 dollár, illetve 1,20 dollár ugyanezen mennyiségek esetében. Ez azt jelenti, hogy egy csúcskategóriás modell kevesebb mint négy hónapig maradt valóban élvonalbeli és ennek megfelelően árazott termék. Ezek a legújabb árcsökkentések a Luna modellt a DeepSeek V4 szintjére hozzák, amelynek Pro változata egymillió bemeneti tokenenként 0,435 dollárba, egymillió kimeneti tokenenként pedig 0,87 dollárba kerül.
A GPT 5.6 Terra ennél is többre képes modell, azonban a 20 százalékos árcsökkentés után már csak 2 dollárba kerül egymillió bemeneti tokenenként és 12 dollárba egymillió kimeneti tokenenként. Ez aláígér a nagy figyelmet kapott K3 modellnek, amelynek ára ugyanezekre a mennyiségekre 3, illetve 15 dollár. Eközben a GPT 5.6 Sol ára változatlanul 5 és 30 dollár egymillió bemeneti és kimeneti tokenenként. Az OpenAI valójában meg is emelte legfelső kategóriás modelljének árát, ugyanis az 5.6 Sol Fast módban 10, illetve 60 dollárt kér ugyanezekért a mennyiségekért. Ez ugyanazt a szintű intelligenciát biztosítja, de kisebb késleltetéssel működik, így közvetlenül versenyez más zászlóshajó csúcskategóriás modellekkel, például a Claude Fable 5 és a Mythos 5 rendszerekkel.
Miután az OpenAI az idei év elején bejelentette, hogy gyakorlatilag feladja saját adatközpontok birtoklásának elképzelését, a felhőszolgáltatókkal kötött bérleti szerződései minden korábbinál fontosabbá váltak. Az olyan megállapodások, mint az Oracle-lel kötött hatalmas, 300 milliárd dolláros számítási kapacitási szerződés, az OpenAI szolgáltatásának vállalatként való fennmaradása szempontjából kulcsfontosságúvá váltak. Ha korábban kérdéses volt, hogyan tudná az OpenAI finanszírozni ezt a vállalkozást, ezek a kérdések most még hangsúlyosabbá váltak. Az OpenAI már jelenleg is veszteséget termel előfizetéses fiókjaival, és az idei év elején nem teljesítette a legfontosabb bevételi céljait. Mindez azok után történt, hogy 2025-ben több tízmilliárd dolláros veszteséget halmozott fel, annak ellenére, hogy bevételei az év során folyamatosan növekedtek.
Az OpenAI 2030-ig mintegy 600 milliárd dollárnyi számítási kapacitásra fordítandó kiadást vállalt. Még ha a bevételek növekednek is, elképzelhető, hogy közel sem elég gyorsan ahhoz, hogy fedezzék ezeket a költségeket. A legnépszerűbb és legmegfizethetőbb modellek árának csökkentése pedig arra utal, hogy a haszonkulcsok vagy drámaian csökkenni fognak, vagy teljesen eltűnnek. Ez lehet az oka annak is, hogy egyre több szó esik arról, hogy az Nvidia egy 250 milliárd dolláros befektetéssel segítené az OpenAI-t.
Az OpenAI ebben a helyzetben korántsincs egyedül. A Google az elmúlt évben körülbelül kilencszer annyit költött MI-infrastruktúrára, mint amennyi bevételt a felhőszolgáltatása termelt, míg az Anthropic csak nemrég tudott évesített bevételi szinten nyereséget felmutatni, részben az xAI-val kötött korlátozott, kedvezményes megállapodásnak köszönhetően, amelynek keretében a Colossus adatközpont bérlésére került sor.
Az MI használata nem lett hirtelen olcsóbb, és az MI-rendszerek felépítése sem lett kevésbé költséges. Hogy lehet az, hogy ennek ellenére a vállalatok drasztikusan csökkentik áraikat, miközben gyorsabb és többre képes modelleket tesznek elérhetővé kevesebb pénzért? Első pillantásra a számok egyszerűen nem állnak össze. Az MI-iparág gyakran hivatkozik a Jevons-paradoxonra, amikor az MI gyorsabb elterjedéséről és tömeges használatáról beszél. Jevons korában, 1865-ben a hatékonyabb széntüzelésű motorok nem kevesebb, hanem több szén felhasználásához vezettek. Az MI-fejlesztők szerint hasonló folyamat történhet az MI esetében is: ahogy az MI használata hatékonyabbá válik, újabb és újabb alkalmazási lehetőségeket találnak majd számára, ami végső soron az általános felhasználás növekedéséhez vezet.
Lehet, hogy éppen ez a jövőkép áll a tokenárak csökkentése mögött. Ha a tokenek olcsók, az emberek összességében többet fognak használni belőlük, ami magasabb bevételhez vezethet. Ha ehhez hozzávesszük, hogy az év végére az új generációs MI-gyorsítók egyre nagyobb szerepet kapnak az MI-adatközpontokban, akkor akár tízszer több token feldolgozására lehetünk képesek egy watt energiafelhasználással. Ez azt jelentheti, hogy a kisebb haszonkulcsok nagyobb volumen mellett mégis nyereségesebbé válhatnak.
A következő nagy lépés a Vera Rubin platform, amelytől az Nvidia állítása szerint újabb tízszeres növekedés várható a tokenfeldolgozás energiahatékonyságában. Elképzelhető, hogy a Blackwell és a Vera Rubin platformok előnyei valóban egy jövedelmezőbb iparággá teszik az MI-következtetési szerverek piacát. De még ebben az esetben is nehéz elképzelni, hogy a nagyvállalatok közvetlen MI-bevételeikből képesek lesznek fedezni a hatalmas beruházásaikhoz hasonló nagyságrendű költségeket. Különösen úgy, hogy az egyre erősödő verseny folyamatosan lefelé nyomja a tokenárakat.
Az MI-iparág fejlődésének új szakaszába léptünk, amelyben az összes nagy szereplő jelentősen csökkenti a költségeket, miközben növeli belépő szintű modelljeinek képességeit annak érdekében, hogy versenybe szálljon az új kínai modellekkel, például a Moonshot Kimi K3 és a DeepSeek V4 Flash rendszereivel. Az OpenAI tette meg ezt legutóbb, amikor 80 százalékkal csökkentette alapvető csúcskategóriás modelljének, a ChatGPT 5.6 Luna-nak az árát egymillió tokenre vetítve, valamint 20 százalékkal mérsékelte a középkategóriás 5.6 Terra árát. Ez alig több, mint egy héttel azután történt, hogy a Google bemutatta olcsóbb Gemini 3.6 Flash és 3.5 Flash-Lite modelljeit. Az Anthropic nem csökkentette az árait, viszont a legolcsóbb Opus 4.8 modelljét egy nagyobb képességű Claude 5.0 modellre cserélte ugyanazon az árszinten.
Az intelligencia egyre megfizethetőbbé válik a globális verseny erősödésének köszönhetően, ám az ezeknek a nagyvállalatoknak a haszonkulcsa lehet az ára. Mindez annak a folyamatnak a része, amely során hónapokon keresztül a legnagyobb MI-vállalatok egymás után jelentettek be költségcsökkentéseket és korlátozásokat a technológia használatával kapcsolatban, még olyan jelentős MI-pártolók is, mint Elon Musk xAI vállalata. Annak ellenére, hogy minden eddiginél több dolgozó használ MI-t, a jelentések szerint a termelékenységnövekedés elmaradt a várakozásoktól.
A kínai és amerikai MI-fejlesztési törekvések története bizonyos értelemben jól példázza a két ország történelmi erősségeit. Miközben az amerikai vállalatok hatalmas összegeket égetnek el a legfejlettebb technológiák fejlesztésére, a kínai fejlesztők ipari hátterüket kihasználva olcsóbb, karcsúbb és a csúcskategóriában szinte ugyanolyan jó modelleket hoztak létre. A DeepSeek 2025-ben sokkolta a nyugati MI-fejlesztőket, a Kimi K3 pedig 2026-ban hasonló hatást váltott ki. Ezek az események önmagukban is aggodalmat keltenének az olyan vállalatoknál, mint az OpenAI, a Google és az Anthropic. Azonban több hónapnyi panaszkodás után, amelyben az MI-t intenzíven használó cégek a tokenköltségek robbanásszerű növekedéséről beszéltek, egy majdnem ugyanolyan jó, de jóval olcsóbb modell híre valódi felfordulást okozott.
Most a nagy MI-fejlesztők már nem tudnak egyszerűen úgy versenyezni, hogy még több paramétert adnak hozzá a modellekhez és még több tanítási adatot nyelnek el. Most már valódi árversenyben kell helytállniuk, és ennek érdekében az OpenAI jelentősen csökkentette modelljeinek árait. Nem a legerősebb és legképességesebb modelljét érinti ez a változás, sőt annak gyorsabb változata valójában egyre drágább lesz, hanem a csúcskategóriás modelljei kerültek most minden eddiginél alacsonyabb árszintre. Az intelligencia és az árak ilyen gyors átrendeződése pedig rendkívül figyelemre méltó.
Az OpenAI márciusban indította el a ChatGPT 5.4 modellt, amely erős új ügynöki képességekkel rendelkezett, ára pedig egymillió bemeneti tokenenként 2,50 dollár, egymillió kimeneti tokenenként pedig 15 dollár volt. A GPT 5.6 Luna ára most mindössze 0,20 dollár, illetve 1,20 dollár ugyanezen mennyiségek esetében. Ez azt jelenti, hogy egy csúcskategóriás modell kevesebb mint négy hónapig maradt valóban élvonalbeli és ennek megfelelően árazott termék. Ezek a legújabb árcsökkentések a Luna modellt a DeepSeek V4 szintjére hozzák, amelynek Pro változata egymillió bemeneti tokenenként 0,435 dollárba, egymillió kimeneti tokenenként pedig 0,87 dollárba kerül.
A GPT 5.6 Terra ennél is többre képes modell, azonban a 20 százalékos árcsökkentés után már csak 2 dollárba kerül egymillió bemeneti tokenenként és 12 dollárba egymillió kimeneti tokenenként. Ez aláígér a nagy figyelmet kapott K3 modellnek, amelynek ára ugyanezekre a mennyiségekre 3, illetve 15 dollár. Eközben a GPT 5.6 Sol ára változatlanul 5 és 30 dollár egymillió bemeneti és kimeneti tokenenként. Az OpenAI valójában meg is emelte legfelső kategóriás modelljének árát, ugyanis az 5.6 Sol Fast módban 10, illetve 60 dollárt kér ugyanezekért a mennyiségekért. Ez ugyanazt a szintű intelligenciát biztosítja, de kisebb késleltetéssel működik, így közvetlenül versenyez más zászlóshajó csúcskategóriás modellekkel, például a Claude Fable 5 és a Mythos 5 rendszerekkel.
Miután az OpenAI az idei év elején bejelentette, hogy gyakorlatilag feladja saját adatközpontok birtoklásának elképzelését, a felhőszolgáltatókkal kötött bérleti szerződései minden korábbinál fontosabbá váltak. Az olyan megállapodások, mint az Oracle-lel kötött hatalmas, 300 milliárd dolláros számítási kapacitási szerződés, az OpenAI szolgáltatásának vállalatként való fennmaradása szempontjából kulcsfontosságúvá váltak. Ha korábban kérdéses volt, hogyan tudná az OpenAI finanszírozni ezt a vállalkozást, ezek a kérdések most még hangsúlyosabbá váltak. Az OpenAI már jelenleg is veszteséget termel előfizetéses fiókjaival, és az idei év elején nem teljesítette a legfontosabb bevételi céljait. Mindez azok után történt, hogy 2025-ben több tízmilliárd dolláros veszteséget halmozott fel, annak ellenére, hogy bevételei az év során folyamatosan növekedtek.
Az OpenAI 2030-ig mintegy 600 milliárd dollárnyi számítási kapacitásra fordítandó kiadást vállalt. Még ha a bevételek növekednek is, elképzelhető, hogy közel sem elég gyorsan ahhoz, hogy fedezzék ezeket a költségeket. A legnépszerűbb és legmegfizethetőbb modellek árának csökkentése pedig arra utal, hogy a haszonkulcsok vagy drámaian csökkenni fognak, vagy teljesen eltűnnek. Ez lehet az oka annak is, hogy egyre több szó esik arról, hogy az Nvidia egy 250 milliárd dolláros befektetéssel segítené az OpenAI-t.
Az OpenAI ebben a helyzetben korántsincs egyedül. A Google az elmúlt évben körülbelül kilencszer annyit költött MI-infrastruktúrára, mint amennyi bevételt a felhőszolgáltatása termelt, míg az Anthropic csak nemrég tudott évesített bevételi szinten nyereséget felmutatni, részben az xAI-val kötött korlátozott, kedvezményes megállapodásnak köszönhetően, amelynek keretében a Colossus adatközpont bérlésére került sor.
Az MI használata nem lett hirtelen olcsóbb, és az MI-rendszerek felépítése sem lett kevésbé költséges. Hogy lehet az, hogy ennek ellenére a vállalatok drasztikusan csökkentik áraikat, miközben gyorsabb és többre képes modelleket tesznek elérhetővé kevesebb pénzért? Első pillantásra a számok egyszerűen nem állnak össze. Az MI-iparág gyakran hivatkozik a Jevons-paradoxonra, amikor az MI gyorsabb elterjedéséről és tömeges használatáról beszél. Jevons korában, 1865-ben a hatékonyabb széntüzelésű motorok nem kevesebb, hanem több szén felhasználásához vezettek. Az MI-fejlesztők szerint hasonló folyamat történhet az MI esetében is: ahogy az MI használata hatékonyabbá válik, újabb és újabb alkalmazási lehetőségeket találnak majd számára, ami végső soron az általános felhasználás növekedéséhez vezet.
Lehet, hogy éppen ez a jövőkép áll a tokenárak csökkentése mögött. Ha a tokenek olcsók, az emberek összességében többet fognak használni belőlük, ami magasabb bevételhez vezethet. Ha ehhez hozzávesszük, hogy az év végére az új generációs MI-gyorsítók egyre nagyobb szerepet kapnak az MI-adatközpontokban, akkor akár tízszer több token feldolgozására lehetünk képesek egy watt energiafelhasználással. Ez azt jelentheti, hogy a kisebb haszonkulcsok nagyobb volumen mellett mégis nyereségesebbé válhatnak.
A következő nagy lépés a Vera Rubin platform, amelytől az Nvidia állítása szerint újabb tízszeres növekedés várható a tokenfeldolgozás energiahatékonyságában. Elképzelhető, hogy a Blackwell és a Vera Rubin platformok előnyei valóban egy jövedelmezőbb iparággá teszik az MI-következtetési szerverek piacát. De még ebben az esetben is nehéz elképzelni, hogy a nagyvállalatok közvetlen MI-bevételeikből képesek lesznek fedezni a hatalmas beruházásaikhoz hasonló nagyságrendű költségeket. Különösen úgy, hogy az egyre erősödő verseny folyamatosan lefelé nyomja a tokenárakat.