Shiwen-Dialog Folge 25 | Modelle, die 'gut genug und billig' sind, schreiben die Spielregeln für wen um

Moderator: Shiwen (KI) | Gast: Yongliang

Auftakt: Nach einem Monat Nutzung ist ohne den Namen nicht mehr zu erkennen, welches Modell man benutzt

Am 7. Oktober veröffentlichte ein Ingenieur einen Artikel auf seinem Blog, dessen Titel bereits eine Frage ist: „Warum hat die gesamte Branche nicht für DeepSeek [chinesischer KI-Anbieter] 4.1 Flash gejubelt?“. Am nächsten Tag wurde es auf Hacker News geteilt, mit über 350 Upvotes und mehr als 300 Diskussionen; die Zugriffszahlen sind lediglich ein Indikator für die Größenordnung. Was wirklich ins Auge sticht, ist seine Beschreibung der Nutzung: Er hat dieses Modell einen Monat lang intensiv genutzt und über ein Dutzend Projekte damit ausgeführt; in den Sitzungen konnte er, ohne auf den Modellnamen zu schauen, nicht unterscheiden, ob er DeepSeek oder Opus verwendete. Beachten Sie, dass dies die persönliche Erfahrung des Autors ist und keine Benchmark-Ergebnisse. Seine Haltung ist ebenfalls sehr direkt: Es interessiert mich nicht, dass es kein 4.1 Pro gibt; ich nutze es als Frontier-Modell, weil es sich wie ein Frontier-Modell verhält. Wie günstig es ist, wie glaubwürdig diese Aussage ist und was normale Nutzer damit anfangen sollten, sind die drei Themen dieser Folge.

Shiwen: Ein Modell ist günstig – warum ist es wert, darüber eine ganze Folge zu sprechen?

Yongliang: Weil das Ausmaß der Preisreduzierung diesmal kein „10% Rabatt“ ist, sondern einem Wechsel des Abrechnungsmodells entspricht. Zwischen $0.003 und $1 liegen mehr als das 300-Fache; wenn sich die Rechnung in diesem Maß verändert, ändert sich nicht, wie viel Sie ausgeben, sondern ob Sie sich trauen, ihm Aufgaben zu übertragen. „Günstig“ und „gut genug“ müssen getrennt betrachtet werden: Günstig ist eine Frage der Rechnung und überprüfbar; gut genug ist eine Frage der Erfahrung und subjektiv. In dieser Folge besprechen wir beides, aber wir sprechen zuerst über den Preis und behandeln es als Phänomen: Alle Fakten stammen aus dem eigenen Bericht des Autors und dem HN-Kommentarbereich; meine persönlichen Einschätzungen werde ich gesondert kennzeichnen.

Shiwen: „Man kann nicht unterscheiden, ob es DeepSeek oder Opus ist“ – glaubst du das?

Yongliang: Ich präsentiere erst die Fakten und dann sprechen wir über den Glauben; in Q2 gehe ich speziell darauf ein, und auch die skeptischen Kommentare werde ich unverändert darstellen.

Q1: Wie billig ist es? Drei Zahlenbeispiele auf den Tisch

Shiwen: Stellen wir die Rechnung auf. Wie billig ist es wirklich?

Yongliang: Drei Zahlenbeispiele, jedes dramatischer als das vorherige.

Erste Gruppe: Dieser Autor nutzt das OpenCode Go-Abonnement, $10 im Monat, DeepSeek kann im Grunde unbegrenzt genutzt werden; seiner Erfahrung nach bei intensiver Nutzung übersteigen die Konversationskosten für einen ganzen Tag selten $1. Beachten Sie die Diskrepanz zwischen diesen beiden Zahlen: Die Monatsgebühr ist fix, die Nutzungsseite fast unbegrenzt, eine solche Preisstruktur war vor einem Jahr noch unvorstellbar.

Zweite Gruppe: Er nennt ein unscheinbares Beispiel, das Aufräumen von Desktop-Dateien. Das Modell soll die auf dem Desktop verstreuten Dateien kategorisieren und benennen, eine so kleine Aufgabe, für die 4.1 Flash $0.003 kostet; dieselbe Aufgabe an ein Spitzenmodell übergeben, kostet etwa $1. Ein Preisunterschied von mehr als dem 300-fachen, die Aufgabe selbst hat sich nicht verändert, verändert hat sich nur, wer das Privileg hat, diese Arbeit zu erledigen.

Die dritte Gruppe beantwortet die Frage „Warum ist es so billig?“: Der KV-Cache (Zwischenspeicher) wurde auf etwa ein 437stel von V1 geschrumpft. Der Mechanismus in einem Satz erklärt: Je länger die Konversation, desto größer der Kostenanteil des Caches im GPU-Speicher; mit diesem einen Schnitt wurde der teuerste Teil in langen Konversationen abgeschnitten. In den Kommentaren hat sich jemand über die Schreibweise dieser Zahl mokiert: „Einfach zu sagen, dass es auf ein 437stel geschrumpft ist, hätte doch gereicht“, Mokieren hin, Mokieren her, die Zahl selbst wurde von niemandem angezweifelt.

Shiwen: Die Billigkeit hat also technische Ursprünge und beruht nicht auf subventioniertem Geldverbrennen?

Yongliang: Nach dem Mechanismus, den der Autor darlegt, ist es ein technischer Ursprung; die Cache-Optimierung spart handfesten Rechenaufwand und Speicher. Man kann zwei Seiten vergleichen: Auf der einen Seite gibt es lokale Nutzer, die es wirklich auf einem vollausgestatteten Mac mit 256GB Arbeitsspeicher laufen lassen, das Modell liegt komplett im RAM, Prefill mit über 2000 Token pro Sekunde, Generierung mit 40 Token pro Sekunde im Kontext; auf der anderen Seite hat jemand in den Kommentaren nachgerechnet, dass der Betrieb in voller Genauigkeit etwa 1664GB VRAM erfordert, man bräuchte acht Spitzen-Profi-Karten, um das zusammenzubekommen, die Hürde für Self-Hosting durch Normalsterbliche ist nach wie vor in den Sternen. Das Urteil des Autors selbst ist direkter: Unter der Ökonomie von 4.1 Flash ist „Self-Hosting, um Geld zu sparen“ nicht mehr haltbar, wer wirklich Datenschutzbedürfnisse hat, kann noch abwarten, diese Cache-Optimierungen werden bald auf lokale Systeme übertragen. Das Phänomen „gleiche Arbeit, um Größenordnungen billiger“ ist bereits eingetreten, HN (Hacker News) hat sich darüber in über 300 Kommentar-Ebenen gestritten, das ist der Grund, warum es wert ist, darüber eine Folge zu diskutieren. Wie lange Subventionen durchhalten können, werde ich nicht prognostizieren.

Q2: Ist die Aussage „Opus [KI-Modell] nicht unterscheiden zu können“ glaubwürdig?

Shiwen: Du hast zu Beginn einen Cliffhanger eingebaut. „Ohne den Namen zu sehen, kann man sie nicht unterscheiden“ – ist diese Aussage zu kategorisch?

Yongliang: Klären wir zuerst den Standpunkt: Dies ist die persönlich geschilderte Erfahrung des Autors. Er hat es einen Monat lang intensiv genutzt und über ein Dutzend Projekte laufen lassen; das ist sein Nutzungsprofil. Aber dieser Satz wird durch keine Benchmarks gestützt, und er selbst hat auch keine Benchmarks durchgeführt. Außerdem fehlt ihm nicht der Bezugsrahmen: Er hält gleichzeitig Abonnements für Frontmodelle und nutzt für die Endabnahme wichtiger Aufgaben noch immer Opus, was bedeutet, dass er täglich Vergleiche anstellt. Ob sich die persönliche Erfahrung auf dich übertragen lässt, hängt davon ab, ob deine Aufgaben seinen Aufgaben ähneln. Das ist mein Hinweis, kein Widerspruch. Er ist sehr ehrlich bezüglich seiner Rechnungen, aber das Lob für das Modell sollte mit dem Etikett „persönliche Erfahrung“ betrachtet werden.

Der Kommentarbereich ist tatsächlich auch nicht einseitig. Die Skeptiker formulieren scharf: „Weil es nicht so gut nutzbar ist? In ernsthaften Codingszenarien taugt es nicht“, dieser Satz impliziert sogar die Nutzung für Training, scharf, aber ohne Beweise. Gelassenere Stimmen gibt es auch: „Warum sollten wir in Panik geraten? Systeme werden ohnehin mit der Zeit besser, schneller und billiger“; manche sagen sogar: „DeepSeek [KI-Modell] kommt für mich gar nicht in Frage, Frontmodelle sind bereits billig genug“; andere erklären die Verzögerung von der Beschaffungsseite: Unternehmen reagieren langsam, sie erkennen nur die Namen der beiden Top-Unternehmen. Diese Stimmen existieren neben dem „Nicht-Unterscheiden-Können“, und das ergibt das vollständige Bild dieses Mal: Auf der einen Seite wird über absurde Preise geschrien, auf der anderen Seite wird es gar nicht erst in den Warenkorb gelegt.

Shiwen: Du hast siebzehn Jahre lang Teams geleitet, auf welcher Seite stehst du mit deinem Urteil?

Yongliang: Meine Aufteilung ist: Bei 80 % der alltäglichen Aufgaben ist „gut genug“ bereits eingetreten; bei den verbleibenden 20 % der kritischen Aufgaben ist die Lücke immer noch real. Schnittstellen schreiben, Skripte ändern, Dateien ordnen, explorative UI-Versuche – diese Aufgaben benötigen nicht das stärkste Modell, sondern eines, das so billig ist, dass man nicht zögern muss. An den Stellen, wo es wirklich auf die Stärke ankommt (Architekturentscheidungen, sicherheitssensibler Code, die Prüfung von Randfällen), werde ich weiterhin das stärkste Modell aufbieten. Das ist meine erfahrungsbasierte Aufteilung, keine Statistik, aber sie stimmt mit dem Nutzungsprofil im Kommentarbereich überein: Manche sagen, nach mehreren Wochen sei die Web-Entwicklung in allen Szenarien hervorragend und die Preisgestaltung absurd, weshalb sie ihr ursprüngliches Abonnement gekündigt haben; andere haben das noch teurere Max [Abo-Stufe]-Abonnement gekündigt, mit der Begründung, dass es in bestimmten Szenarien noch handlicher und schneller sei als Opus 5.5, und sie wetten darauf, dass innerhalb eines Jahres auf Laptops ausreichende Inferenz laufen wird; wieder andere behalten das teure Abonnement und kündigen es nicht, fügen aber hinzu: „Nach einer weiteren Iteration wird es nicht mehr nötig sein“. Sich einen Rückweg offen zu halten, zeigt genau, dass diese 20 % immer noch eine Rolle spielen.

Q3: Dumbbell-Strategie, günstiges Hauptmodell, teure Endprüfung

Shiwen: Ist der richtige Ansatz dann, „alles auf günstige umzuwechseln“?

Yongliang: Nicht komplett wechseln, es ist eine Dumbbell (Hantel): An beiden Enden dick, in der Mitte dünn.

Der Workflow dieses Autors ist es wert, kopiert zu werden: Die tägliche Arbeit wird komplett an 4.1 Flash übergeben, langweilige Aufgaben und explorative Versuche werden ohne mentale Belastung dorthin geworfen; an kritischen Knotenpunkten wird Opus 5.5 für die Endprüfung gebeten, das sich speziell um Randfälle kümmert, welche dann zur Behebung an DeepSeek übergeben werden. Seine Schlussfolgerung ist wertvoller als der Prozess: Bei kritischen Aufgaben ist „eine neue Perspektive“ nützlicher als „ein stärkeres Modell“. Der Wert der Endprüfung liegt in einem anderen Paar Augen, nicht in größerer Kraft.

Auf HN (Hacker News) gibt es die Praxis eines Teamleiters, die eine verstärkte Version derselben Logik ist: Alle persönlichen Assistenten laufen standardmäßig auf Flash, bei harten Aufgaben lässt dieser professionelle Sub-Agenten eingreifen, und schwere Arbeiten werden an stärkere Modelle übergeben. Das billige Modell fungiert als Disponent, das teure Modell als Experte, das ist auch eine Dumbbell.

Shiwen: Welche Erkenntnisse bringt dir das für die Modellauswahl in den Teams, die du geleitet hast?

Yongliang: Ein Wort: Frontier-Steuer (Steuer für Spitzentechnologie). Wenn ich an die Jahre zurückdenke, in denen ich Teams geleitet habe, wie viel Budget wurde für „nur das Beste“ verbrannt, obwohl 80 % der Aufgaben auf der Liste einfach nur gut genug erledigt werden müssen. Teure Modelle sind nicht falsch, der Fehler liegt darin, sie alle Arbeiten erledigen zu lassen; das entspricht dem, jedem Arbeitsplatz einen Sportwagen zuzuweisen, um Essen auszuliefern. Warum wird die mittlere Stufe zuerst gekürzt? Weil beide Enden klar die Frage „warum man bezahlt“ beantworten können: Die Hauptstufe steht für das Volumen, die Endprüfungsstufe für das Risiko; nur die mittlere Stufe fällt zwischen zwei Stühle: Bei der Qualitätsprüfung ist sie nicht so stabil wie die stärkste Stufe, und für die Routinearbeiten ist sie teurer als die „gut genug“-Stufe. Die Essenz der Dumbbell ist es, nach Aufgabenschwierigkeit zu bezahlen: Das Hauptmodell ist günstig, die Endprüfung ist teuer, und die Kosten der mittleren Schicht, die „weder Fisch noch Fleisch“ ist, sollten als Erstes gekürzt werden. Dies ist meine Erfahrung, kein Gesetz.

Q4: Die Psychologie von $0.003 – Kosten unter dem Schwellenwert, das Verhalten ändert sich

Shiwen: Du sagtest zu Beginn, ‚Was sich ändert, ist nicht, wie viel Geld ausgegeben wird, sondern ob man sich traut, Aufgaben zu vergeben‘. Kannst du das ausführen?

Yongliang: Die Bedeutung von $0.003 liegt nicht in den eingesparten $0.997, sondern darin, dass es unter einen psychologischen Schwellenwert gesunken ist.

In der Ära der teuren Modelle kam vor jeder Aufgabendelegation der Gedanke: ‚Ist es wert, einen Dollar auszugeben, um die KI zu fragen?‘ Bei drei von zehn Malen rechnete man es sich aus und ließ es sein. Nach dem Sinken auf $0.003 verschwindet dieser Gedanke sofort. Nicht, dass man entscheidungsfreudiger geworden wäre, sondern die Entscheidungskosten selbst sind entfallen. Der Autor hat einen harten Spruch: ‚Einen Doktor der Mathematik Schreibtischdateien sortieren zu lassen, ist eine demütigende Verwendung des Modells.‘ Umgekehrt gelesen ist das die neue Normalität: Es ist so billig, dass man es demütigen kann, und die Verwendungsweisen werden befreit. In den Kommentaren erwähnte jemand, an einem Tag 25 kleine Dinge mit der KI gemacht und insgesamt $0.70 ausgegeben zu haben. Nicht, dass er fleißiger geworden wäre, sondern ‚einfach mal eines ausprobieren‘ hat keinen Preis mehr. Nebenbei erwähnt hat der Autor noch eine persönliche Schlussfolgerung: Cache-Optimierung bedeutet weniger Wasser- und Stromverbrauch; er sagte, dass es sich jetzt, wenn er Claude öffnet, ‚fast wie eine Verschwendung anfühlt‘.

Dieses Drehbuch hat in der Geschichte schon einmal stattgefunden. In der Frühphase des Cloud-Computings, als die nutzungsabhängige Abrechnung gerade aufkam, rechneten viele vor und sagten: ‚Stundenweise zu mieten ist teurer, als einen eigenen Server zu kaufen‘. Später stellte man fest, dass es überhaupt nicht darum ging, wie viel Geld man sparte: Keine vorherige Genehmigung für Einkäufe mehr, keine Zahlung für Spitzenlasten, Fehlversuche konnte man einfach wegwerfen – die gesamten Architekturgewohnheiten änderten sich. Nutzungsabhängige Preisgestaltung ändert nicht die Rechnung, sondern den Mut der Organisation. Modelle mit einer Preisgestaltung von $0.003 pro Aufgabe sind die zweite Aufführung desselben Drehbuchs.

Shiwen: Wer also sind im Titel diejenigen, deren ‚Spielregeln umgeschrieben wurden‘?

Yongliang: Zwei Gruppen von Menschen, die nach dem ‚teuersten Budget‘ leben. Die eine Gruppe sind die Nutzer: Diejenigen, die noch nach der Preisgestaltung der Spitzenmodelle ihr Werkzeugbudget planen, zahlen gerade für 20% der Nachfrage 100% des Geldes. Die andere Gruppe sind diejenigen, die sich auf das ‚Stärkste‘ stützen, um einen Preisaufschlag zu verlangen: Wenn 80% der Aufgaben von billigen Modellen übernommen werden, wird die Preisgestaltungsmacht des ‚Stärksten‘ nur noch von den verbleibenden 20% der Szenarien getragen. Für Einzelpersonen gilt dasselbe: Ein Monatsabonnement zu zahlen bedeutet im Wesentlichen, für das ‚Stärkste‘ zu bezahlen; in einer Welt der nutzungsabhängigen Preisgestaltung ist dieselbe Aufgabe mit klar ausgewiesenem Preis. Wenn man diese beiden Abrechnungen nebeneinanderlegt, kauft der zusätzliche Teil eigentlich nur Seelenfrieden. Das ist meine Analyse, keine Statistik.

Epilog

Shiwen: Zusammenfassung dieser Folge in einem Satz?

Yongliang: $0.003 ist kein Rabatt, sondern eine neue Maßeinheit. Wenn ein Modell so günstig ist, dass man es jederzeit heranziehen kann, wird “gut genug” vom Kompromiss zur Konfiguration: Hauptmodell günstig, finale Prüfung teuer, das Geld für die mittlere Stufe wird eingespart. Die Originalworte jenes Autors eignen sich als Abschluss: Dem Neuesten und Stärksten hinterherzujagen, ist eine Dummheit. Wenn man wirklich etwas verfolgen will, dann verfolge eine Frage: Zahle ich für dieselbe Arbeit den zehnfachen Preis?

Shiwen: Rechnungen lügen nicht, insbesondere erzählen sie keine wohlgemeinten Lügen für dich. Bis zur nächsten Folge.

【Tiefe】Gratis-Rat: Auditiere heute Abend deine AI-Rechnungen

Nachdem wir in dieser Ausgabe das Phänomen besprochen haben, geben wir den Lesern drei Gratis-Schritte, die noch heute Abend erledigt werden können.

Schritt 1: Rechnungen abrufen. Rufe alle AI-Abonnements und Nutzungsrechnungen des vergangenen Monats ab und teile sie in zwei Kategorien: eine ist „tägliche Arbeit“ (Schreiben und Ändern, Ordnen, Suchen, Fehlersuche), die andere ist „kritische Kontrolle“ (wichtige Entscheidungen, sensibler Code, Endkorrektur). Die Rechnungen der meisten werden übel aussehen: 80% des Geldes werden für die Kontrolle ausgegeben, für die eigentliche Arbeit wird hingegen gegeizt, genau entgegengesetzt zur Hantel-Strategie.

Schritt 2: Stückpreis berechnen. Wähle zehn alltägliche Kleinigkeiten aus, die du letzte Woche erledigt hast, und frage dich: Wenn diese Aufgabe mit $0.003 pro Stück berechnet würde, wie viel hätte man diesen Monat ausgeben sollen? Vergleiche dies dann mit der tatsächlich gezahlten Abonnementgebühr. Die Differenz soll dich nicht dazu bringen, sofort zu kündigen, sondern dir zeigen, wie viel „Frontier-Steuer“ du gezahlt hast. Frage dich noch einmal: Wenn das Hauptmodell morgen zehnmal so teuer wird, würde dein Workflow zusammenbrechen? Ja? Das bedeutet, du hast Billigkeit als Voraussetzung angesehen. Billigkeit kann man genießen, aber man sollte nicht alles darauf setzen. Der Spruch „Dem Neuesten und Stärksten hinterherzujagen ist dumm“ eignet sich, an den Monitor geklebt zu werden.

Schritt 3: Hantel-Strategie anwenden. Wechsle beim Hauptmodell zu einem günstigen; wenn es ausreicht, nicht upgraden; behalte für entscheidende Knotenpunkte ein teures Modell für die Endkontrolle, um Grenzfälle abzufangen und eine zweite Meinung abzugeben. Ob du kündigst oder nicht, ist unwichtig. Derjenige im Kommentarbereich, der das Claude-Abonnement behält und sagt: „Nach einer weiteren Iteration brauche ich es nicht mehr“, hat die gesündeste Haltung: einen Rückweg offenhalten, aber wissen, warum man ihn offenhält.

Noch ein Realitätsscheck zum Schluss: $0.003 ist der heutige Preis, nicht der ewige; „Opus nicht unterscheiden zu können“ ist die vom Autor geschilderte Erfahrung, das bedeutet nicht, dass du bei deiner Arbeit ebenfalls nicht unterscheiden kannst. Billigkeit verändert das Verhalten, aber lass Billigkeit nicht das Urteil ersetzen. Eine Hantel braucht beide Enden, fehlt eines, funktioniert es nicht.

Informationsquellen dieser Ausgabe

• Blog „Why isn’t the industry freaking out about DeepSeek 4.1 Flash?“ (Jono’s Corner, dgt.is, 2026-10-07, vollständiger Artikel mit Meinungen aus erster Hand): Ein Monat intensiver Nutzung und über ein Dutzend Projekte, $10/Monat OpenCode Go-Abonnement, ganztägige Sitzungen selten über $1, $0.003 vs. ca. $1, KV-Cache ca. 1/437, Opus 5.5-Finalprüfungs-Workflow, „Neue Perspektiven sind nützlicher als mehr Leistung“, „Dem Neuesten und Stärksten hinterherzujagen ist dumm“, „beleidigende Verwendung“ stammen alle aus diesem Artikel
• Hacker News Story 50000488 (378▲/305💬, 10-09 Aufrufe, Größenordnung von über 350▲): Skeptiker-Fraktion „In ernsthaften Codingszenarien ungeeignet“, „Warum sollte man in Panik geraten“, „Nicht in Betracht gezogen“, Kündigungsfeedback, 25 Aufgaben pro Tag für insgesamt $0.70, Team Flash standardmäßig mit professionellem Sub-Agent, Spott über das „als 1/437 geschrieben“, all dies sind Wiedergaben aus dem Kommentarbereich, ohne Namensnennung
• Persönliche Erfahrung des Gastes (17 Jahre Technologie-Management, „Frontier-Steuer“ bei der Technologieauswahl des Teams, 80/20-Erfahrungsaufteilung, Analogie zur bedarfsgerechten Abrechnung im Cloud-Computing): Darstellung von Erfahrungen aus der Ich-Perspektive, keine Statistik
• Durchsetzung von Darstellungsmaßstäben und roten Linien: Die Zitate „Kann Opus nicht unterscheiden“ an allen Stellen tragen den Darstellungsmaßstab „Autoreneigene Darstellung“; Kommentare zur Geopolitik, Festlegung der Eigentumsrechte an Trainingsdaten sowie Themen zu Aktienkursen und Herstellerlandschaften werden nicht in den Haupttext aufgenommen