Anthropics teuerstes Modell Fable 5 stagniert bei 11 % der Ausgaben, während das offene GLM-5.3 es bei Benchmarks für 1/14 der Kosten schlägt. Was das für euer KI-Budget bedeutet.

Innerhalb weniger Tage sind diese Woche zwei Datenpunkte aufgetaucht, die zusammen eine Annahme untergraben, auf der die gesamte KI-Branche still und leise aufgebaut war: dass Kunden immer für das intelligenteste verfügbare Modell mehr zahlen werden.

Werden sie nicht. Und die Zahlen sind inzwischen öffentlich genug, dass man niemandem mehr aufs Wort glauben muss.

Das Fable-5-Problem

Die Financial Times hat Ausgabendaten von 70.000 Unternehmen über Ramp, die Corporate-Card- und Spesenplattform, ausgewertet — und für Anthropic ist die Lektüre unangenehm. Fable 5, Anthropics größtes und teuerstes Modell, im frühen Juni gestartet, stagniert seit über zwei Monaten bei rund 11 % der gesamten Tool-Ausgaben des Unternehmens. Das bricht mit einem Muster, das seit Beginn der ChatGPT-Ära galt: Unternehmen setzen standardmäßig auf das Modell an der Spitze des Leaderboards, unabhängig vom Preis.

Es wird noch konkreter. Anthropics eigenes Opus 5 — kleiner, günstiger, Ende Juli gestartet — hat Fable 5 bei den Geschäftsausgaben bereits überholt. Das neuere, nicht-flagship Modell eines Unternehmens kannibalisiert sein eigenes Flaggschiff, weniger als zwei Monate nach dessen Start. Miles Clements, Partner bei Accel (das rund 1 Mrd. Dollar in Anthropic investiert hat), sagte gegenüber der FT unverblümt: "Die meisten Menschen müssen nicht an der Frontier arbeiten … das war keine dauerhafte Ära."

Anthropic bricht nicht ein — der Umsatz ist seit Januar fast versiebenfacht, erreichte im Juli annualisiert 65 Mrd. Dollar (nach 47 Mrd. im Mai), und das Unternehmen verzeichnete im zweiten Quartal erstmals ein bereinigtes operatives Ergebnis im Plus. Aber das Wachstum blieb hinter den optimistischsten Investorenprognosen (80 Mrd. Dollar annualisiert) zurück — ausgerechnet jetzt, wo Anthropic auf den möglicherweise größten Börsengang der Geschichte zusteuert, mit einer erwarteten Bewertung von 2 Billionen Dollar oder mehr. Zeitgleich stieg OpenAIs annualisierter Umsatz in diesem Quartal um 35 % auf über 40 Mrd. Dollar, getragen vom günstigeren GPT-5.6, nach einem schleppenden Jahresstart. Ramps Chefökonom Ara Kharazian brachte auf den Punkt, warum man aktuell keinem eigenen Trend trauen sollte: "Wenn man den bisherigen Trend fortschreibt, würde man erwarten, dass Anthropic den Markt dominiert. Aber weil [OpenAIs neuestes Modell] so gut war und Fable underperformt hat, ist es umgekehrt gekommen."

Der Benchmark, der jede Frontier-Lab beunruhigen sollte

Die FT-Geschichte handelt vom Ausgabeverhalten der Unternehmen. Der zweite Datenpunkt betrifft die rohe Leistungsfähigkeit — und ist für Anbieter mit Premiumpreisen fast noch beunruhigender.

Ein unabhängiger Benchmark namens Ed-o-meter — 28 realitätsnahe Aufgaben aus Coding, Datenarbeit, Tool-Nutzung, Sicherheit und allgemeinem Reasoning, identisch über 17 Modelle via OpenRouter ausgeführt — hat diese Woche vier neue Modelle aufgenommen. Die Schlagzeile: GLM-5.3, ein offenes chinesisches Modell, ist das erste Modell im Ranking, das alle fünf Aufgabenkategorien zu 100 % besteht. Es erreichte einen Rubric-Score von 9,3/10 (dritthöchster Gesamtwert) für 0,0101 Dollar pro Aufgabe.

Fable 5? 79 % Erfolgsquote — gemeinsam am unteren Ende des Rankings — für 0,0748 Dollar pro Aufgabe, mehr als das Siebenfache der Kosten für schlechtere Ergebnisse. Es verweigerte zudem fünf der 28 Aufgaben komplett, gestolpert über einen übervorsichtigen Sicherheitsfilter, der auch Opus 5 aus identischen Gründen ausbremste (Opus erreichte beim Coding nur 43 % aus demselben Grund — harmlose Debugging-Aufgaben wurden blockiert, bevor auch nur ein Token generiert wurde). Anthropics neueste Modelle werden laut diesem Benchmark von einem Modell übertroffen, das nur einen Bruchteil kostet — und obendrein von den eigenen Guardrails ausgebremst.

Ein Beitrag mit genau dieser These — "GLM-5.3 hat Anthropic/OpenAI-Modelle für 1/5 der Kosten geschlagen" — landete diese Woche auf Hacker News und sammelte 234 Punkte sowie über 100 Kommentare, bevor er markiert wurde (HN-Moderatoren markieren regelmäßig alles, was nach Werbung riecht, verdient oder nicht — erwähnenswert, nicht diskreditierend). Was man auch von der Zuspitzung hält: Die zugrunde liegenden Benchmark-Zahlen sind unabhängig reproduzierbar und halten stand.

Warum das gerade jetzt passiert

Drei Dinge kamen zusammen:

  • Offene Modelle haben schneller aufgeholt, als die Labs es eingepreist hatten. GLM-5.3, DeepSeek-v4-pro und andere sind mittlerweile bei realen Aufgaben konkurrenzfähig mit proprietären Frontier-Modellen — nicht nur bei synthetischen Leaderboards — und das bei einem Bruchteil der Inferenzkosten.
  • Die meisten Business-Workloads brauchen keine Frontier-Intelligenz. Zusammenfassungen, Code-Reviews, CRM-Datenzuordnung, Ticket-Triage — der Großteil der Enterprise-KI-Ausgaben — hat nie das teuerste verfügbare Modell gebraucht. Es war nur bisher der Standard, weil niemand einen Grund hatte, das zu hinterfragen.
  • Regulatorische Reibung hat die teure Option schlechter gemacht, nicht besser. Der Start von Fable 5 wurde durch eine nationale Sicherheitsintervention der Trump-Administration gestört, die einen vorübergehenden Rückzug erzwang. Anhaltende Datenaufbewahrungsauflagen als Bedingung für den Relaunch bremsen die Akzeptanz weiterhin, auch nachdem der politische Druck nachgelassen hat.

Was das für euch bedeutet, wenn ihr KI-Tools einkauft

Wenn ihr oder euer Team standardmäßig immer das "beste" Modell in jedem Workflow einsetzt — Fable 5, Opus, GPT-5.6-sol, was auch immer euer Top-Tier-Standard ist — sind die Daten dieser Woche die Aufforderung, endlich zu messen statt anzunehmen.

Prüft nach Aufgabe, nicht nach Anbieter. Die Kategorien-Aufschlüsselung des Ed-o-meter ist der nützliche Teil: Ein Modell kann bei realitätsnahen Reasoning-Aufgaben exzellent und beim Coding mittelmäßig sein, oder umgekehrt. Leitet Arbeit an das Modell, das für diese Kategorie tatsächlich gut ist — nicht an das mit dem höchsten Preisschild.

Budgetiert für einen Multi-Modell-Stack, nicht für einen einzelnen Anbieter. Anthropics eigene Kunden tun das bereits — sie wechseln mitten im Vertrag von Fable zu Opus, weil die günstigere Option ihren tatsächlichen Workload abdeckt. Wenn eure KI-Ausgaben auf ein Frontier-Modell konzentriert sind, "weil es das beste ist", zahlt ihr sehr wahrscheinlich für Fähigkeiten, die ihr bei der Mehrheit eurer Anfragen gar nicht nutzt.

Achtet auf die Sicherheitsfilter-Steuer. Sowohl Fable 5 als auch Opus 5 wurden bei diesem Benchmark nicht wegen mangelnder Fähigkeit abgestraft, sondern weil anbieterseitige Ablehnungsfilter harmlose Anfragen blockierten, bevor überhaupt eine Ausgabe generiert wurde. Wenn euer Workflow etwas berührt, das plausibel wie ein "Coding-Debug"-Grenzfall aussehen könnte oder eingebetteten Text enthält (E-Mails, gescrapte Dokumente, PDFs), testet gezielt auf False-Positive-Ablehnungen — das ist inzwischen ein dokumentiertes, modellübergreifendes Muster bei Anthropic, kein Einzelfall.

Das größere Signal

Nichts davon bedeutet, dass Frontier-Modelle irrelevant werden — irgendjemand muss die Grenze weiter nach oben schieben, und Anthropic, OpenAI und Google sind diejenigen, die das tun. Aber die Annahme, dass das Verschieben dieser Grenze automatisch in Umsatz übersetzt, bekommt gerade sichtbare Risse — ausgerechnet während Anthropic auf einen Börsengang mit 2 Billionen Dollar Bewertung zusteuert und von Investoren erwartet, dass sie genau diese Geschichte kaufen. Die Ära "das größte Modell gewinnt" hat viele Tools teurer gemacht, als der Markt für den Großteil des täglichen Workloads tatsächlich zu zahlen bereit war. Diese Woche haben die Ausgabendaten und die Benchmark-Daten das unabhängig voneinander, am selben Tag, bestätigt.