OpenAI hat gestern einen Beitrag mit dem Titel ‘A scorecard for the AI age’ veröffentlicht. Die Kernfrage: Woran misst man eigentlich, ob sich KI-Ausgaben lohnen?
Die Antwort, die OpenAI vorschlägt, heißt ‘Useful Intelligence per Dollar’ — nützliche Intelligenz pro Dollar.
Das Argument
Software wurde jahrelang über Adoption gemessen: gekaufte Seats, aktive Nutzer, verlängerte Lizenzen. Bei KI, so OpenAI, funktioniert das nicht. Was zählt, ist erledigte Arbeit.
Und dafür sei der Preis pro Token die falsche Linse:
“A lower-cost model may have cheaper tokens, but getting great results may require more attempts, more time, or more human review. A more capable model may have more expensive tokens, but complete the same task in one pass.”
Die vorgeschlagene Rechnung ist simpel: Volle Kosten der Arbeit zusammenzählen — inklusive Mitarbeiterzeit, Review, Retries, Nacharbeit. Dann zählen, wie viele Aufgaben die Qualitätslatte gerissen haben. Kosten durch erfolgreiche Aufgaben teilen. Fertig ist die Kennzahl Kosten pro erfolgreicher Aufgabe.
Vier Fragen sollen die Scorecard beantworten: Erledigt die KI Arbeit, die zählt? Was kostet jede erfolgreiche Aufgabe? Kann man sich auf das Ergebnis verlassen? Und kauft jeder Dollar mehr Wert, wenn die Nutzung wächst?
Das Timing ist alles andere als zufällig
Der Post erscheint zwei Tage nachdem Kimi K3 angetreten ist — 2,8 Billionen Parameter, offene Gewichte angekündigt, und ein API-Preis von 3 Dollar Input und 15 Dollar Output pro Million Token. Das ist rund die Hälfte von Anthropics Opus 4.8. In Blindtests bevorzugten Entwickler Kimi beim Frontend-Coding gegenüber jedem führenden US-Modell.
Wenn dein Preisvorteil weg ist, wechselst du die Kennzahl. So funktioniert das.
Und OpenAI verkauft im selben Text natürlich die eigene Lösung mit: GPT-5.6 hat drei Stufen — Sol als Flaggschiff, Terra für die Balance, Luna als schnellste und günstigste Variante. Wer die richtige Stufe pro Aufgabe wählt, optimiert eben genau diese Gleichung. Praktisch.
Meine Einordnung
Ich mag das Argument, obwohl ich die Absicht dahinter sehe.
Denn stimmt ja: Wer schon mal ein billiges Modell dreimal hintereinander dieselbe Aufgabe verhauen lassen und dann selbst nachgearbeitet hat, weiß, dass der Token-Preis nur die Spitze der Rechnung ist. Ich merke das bei Claude Code täglich — das teurere Modell, das im ersten Versuch trifft, ist fast immer das günstigere.
Nur: Die Kennzahl hat einen Haken. Kosten pro erfolgreicher Aufgabe lässt sich wunderbar so definieren, dass das eigene Modell gewinnt. Wer entscheidet, was “erfolgreich” heißt? Wer zählt die Nacharbeit? Solange jeder Anbieter seine eigene Scorecard schreibt, ist das kein Benchmark, sondern Marketing mit Formel.
Trotzdem: Die Frage, die OpenAI stellt, ist die richtige. Nur sollte sie besser jemand anderes beantworten.
Quellen: