Wettbewerb und Kosteneffizienz im chinesischen KI-Markt

Chinas KI-Wettbewerb: Alibaba und DeepSeek treiben Kostenoptimierung voran

Die Landschaft der Künstlichen Intelligenz in China erlebt eine dynamische Entwicklung, geprägt durch einen intensiven Wettbewerb, der zunehmend auf Kosteneffizienz und Zugänglichkeit abzielt. Technologieriesen wie Alibaba und innovative Unternehmen wie DeepSeek prägen diesen Trend maßgeblich. Sie stellen nicht nur immer leistungsfähigere KI-Modelle vor, sondern setzen auch neue Maßstäbe bei den Betriebskosten, was weitreichende Implikationen für den globalen B2B-Markt hat.

Alibabas Qwen3.8-Max: Skalierung und Effizienz

Alibaba hat kürzlich sein bisher größtes KI-Modell, Qwen3.8-Max, vorgestellt. Dieses Modell verfügt über beeindruckende 2,4 Billionen Parameter und nutzt eine sogenannte Mixture-of-Experts (MoE)-Architektur. Diese Architektur ermöglicht es, für jede Anfrage nur einen Teil des Modells zu aktivieren, wodurch die aktiven Parameter auf etwa 95 Milliarden reduziert werden. Dieser Ansatz führt zu einer deutlichen Senkung der Betriebskosten und einer Verbesserung der Reaktionszeiten im Vergleich zur Aktivierung des gesamten Modells.

Qwen3.8-Max ist multimodal und kann Text, Bilder und Videos verarbeiten. Es unterstützt ein Kontextfenster von bis zu einer Million Token, was es für komplexe Aufgaben wie die Softwareentwicklung über längere Zeiträume hinweg geeignet macht. Berichten zufolge konnte das Modell ein Softwareentwicklungsprojekt innerhalb von 16 Tagen erfolgreich abschließen. In Bezug auf die Kosten positioniert sich Qwen3.8-Max mit 2 US-Dollar pro Million Input-Token und 6 US-Dollar pro Million Output-Token wettbewerbsfähig, insbesondere im Vergleich zu Modellen wie Kimi K3 von Moonshot AI.

Nach seiner Veröffentlichung erreichte Qwen3.8-Max auf der Vergleichsplattform Arena.AI die Spitzenposition unter den chinesischen Textmodellen und belegte den zweiten Platz bei der Analyse visueller Materialien, hinter einer Variante von Anthropic Claude Fable 5. Dies unterstreicht die Leistungsfähigkeit des Modells in verschiedenen Anwendungsbereichen.

DeepSeeks V4-Flash: Aggressive Preisgestaltung als Strategie

DeepSeek verfolgt mit seinem neuesten Modell, V4-Flash, eine andere, aber ebenso wirkungsvolle Strategie: die aggressive Preisgestaltung. Anstatt die gleiche Skalierung wie Alibaba oder Moonshot AI anzustreben, konzentriert sich DeepSeek darauf, die Inferenzkosten drastisch zu senken. Das V4-Flash-Modell wird laut Artificial Analysis mit 0,14 US-Dollar pro Million Input-Token und 0,28 US-Dollar pro Million Output-Token bepreist. Diese Preise liegen deutlich unter denen vieler etablierter KI-Systeme.

Das V4-Flash-Modell verfügt über 284 Milliarden Gesamtparameter, von denen 13 Milliarden während der Inferenz aktiv sind. Es bietet ebenfalls ein Kontextfenster von einer Million Token. Besonders hervorzuheben ist die Cache-Hit-Preisgestaltung von DeepSeek, die bei 0,003 US-Dollar pro Million Token für die Max Effort-Version liegt. Dies entspricht einer Reduzierung um 98 % gegenüber dem Standard-Input-Preis und ist relevant für wiederverwendete Kontextinformationen.

Benchmarking-Ergebnisse von Artificial Analysis zeigen, dass die durchschnittlichen Kosten pro Aufgabe für V4-Flash bei nur 3 Cent liegen. Dies steht im starken Kontrast zu 86 Cent für Kimi K3, 1,86 US-Dollar für OpenAI GPT-5.6 Sol und 3,15 US-Dollar für Anthropic Claude Fable 5. Diese Zahlen verdeutlichen, dass niedrigere Token-Preise in Verbindung mit effizienter Architektur zu erheblichen Kosteneinsparungen pro Aufgabe führen können, selbst wenn die reine Modellgröße geringer ist.

Kosten pro Aufgabe: Eine differenzierte Betrachtung

Die reinen Token-Preise eines KI-Modells geben oft nur einen Teil des Gesamtbildes der Kosten wieder. Für Unternehmen ist es entscheidend, die Kosten pro abgeschlossener Aufgabe zu betrachten. Faktoren wie die Modellarchitektur, die Anzahl der aktiven Parameter, der Token-Verbrauch und die erforderliche Anzahl von Aufrufen zur Erledigung einer Aufgabe beeinflussen die tatsächlichen Betriebskosten erheblich.

Ein Beispiel hierfür ist Moonshot AIs Kimi K3. Obwohl es mit 3 US-Dollar pro Million Input-Token und 15 US-Dollar pro Million Output-Token bepreist ist, zeigen Benchmarks auf der AA-Briefcase-Plattform von Artificial Analysis durchschnittliche Kosten von 10,57 US-Dollar pro Aufgabe. Dies liegt daran, dass das Modell für diese Aufgaben durchschnittlich 120.000 Output-Token generierte und 83 Aufrufe pro Aufgabe benötigte. Wiederholte Modellaufrufe und umfangreichere Ausgaben können die Gesamtkosten einer Arbeitslast über die beworbenen API-Raten hinaus erhöhen.

Diese Erkenntnisse sind für B2B-Kunden von großer Bedeutung, da sie die Notwendigkeit unterstreichen, nicht nur die Basistarife zu vergleichen, sondern eine umfassende Analyse der Kosten pro Aufgabe durchzuführen, um eine fundierte Entscheidung für das am besten geeignete KI-Modell zu treffen.

Open Weights: Mehr Flexibilität und Kontrolle für Unternehmen

Ein weiterer wichtiger Aspekt des chinesischen KI-Wettbewerbs ist die zunehmende Verfügbarkeit von Open-Weight-Modellen. Sowohl Alibaba als auch DeepSeek und Moonshot AI bieten neben dem gehosteten API-Zugang auch Open-Weight-Versionen ihrer Modelle an. Dies bedeutet, dass die zugrunde liegenden Modelleinstellungen, die für den Betrieb oder die Anpassung des Systems erforderlich sind, zum Download verfügbar sind.

Die Bereitstellung von Open Weights bietet Unternehmen signifikante Vorteile: Sie können die Modelle auf ihrer eigenen Infrastruktur oder über Drittanbieter betreiben, anstatt ausschließlich auf den vom Entwickler gehosteten Inferenzdienst angewiesen zu sein. Dies erhöht die Flexibilität bei der Bereitstellung und kann die Abhängigkeit von einem einzelnen Anbieter reduzieren. Obwohl die Bereitstellungskosten weiterhin von der verwendeten Hardware und Infrastruktur abhängen, ist der Zugriff auf das Modell nicht an eine einzelne gehostete API gebunden.

Dieser Ansatz unterscheidet sich von dem vieler westlicher Anbieter wie OpenAI, Anthropic und Google, deren Hauptmodelle in der Regel Closed-Source sind. Lian Jye Su, Chief Analyst bei Omdia, betont, dass für viele geschäftliche Arbeitsabläufe nicht das leistungsfähigste System erforderlich ist, sondern Modelle, die "gut genug, erschwinglich, transparent und zugänglich" sind. Open-Weight-Modelle tragen dazu bei, diese Anforderungen zu erfüllen und bieten Unternehmen mehr Kontrolle über ihre KI-Lösungen.

Fazit

Der chinesische KI-Markt entwickelt sich rasant und ist durch einen intensiven Wettbewerb gekennzeichnet, der sowohl auf Skalierung und Leistungsfähigkeit als auch auf Kosteneffizienz und Zugänglichkeit abzielt. Die Strategien von Alibaba mit Qwen3.8-Max und DeepSeek mit V4-Flash zeigen unterschiedliche, aber gleichermaßen disruptive Ansätze. Für B2B-Kunden bedeutet dies eine wachsende Auswahl an leistungsstarken und kostengünstigen KI-Modellen, die durch transparente Preismodelle und die Verfügbarkeit von Open Weights zusätzliche Flexibilität bieten. Die genaue Analyse der Kosten pro Aufgabe wird dabei zu einem entscheidenden Kriterium für die Auswahl der optimalen KI-Lösung.

Bibliography: - Artificial Intelligence News. (2026, August 5). Alibaba, DeepSeek push China’s AI model race towards lower costs. - CNA. (2026, August 3). Alibaba unveils its largest AI model yet, DeepSeek's latest model is ultra-low cost. - Digitimes. (2026, August 4). Alibaba unveils biggest Qwen model as DeepSeek deepens China's AI price war. - CTech. (2026, August 3). China's AI competition intensifies as Alibaba unveils its biggest model and DeepSeek drives costs lower. - The Asia Business Daily. (2026, August 4). From Kimi to DeepSeek and Alibaba... Chinese AI Models Launch an All-Out Offensive. - Semafor. (2026, August 4). China’s AI giants target enterprise profits. - Digital Trends. (2026, August 3). DeepSeek just slashed AI prices again, and China's AI race is getting even messier. - Value Add Pulse. (2026, August 3). Alibaba Undercuts Kimi K3 With a Cheaper Flagship Model. - AP News. (2026, July 26). Cheaper, intelligent Chinese AI models make inroads in the US. - American Bazaar Online. (2026, August 3). Alibaba unveils its largest, most capable AI model.