Ein chinesisches Unternehmen sagt, sein neues Modell habe die Nutzungskosten um 70 Prozent gesenkt. Schaut man sich die Preisliste an, wurde der Preis pro Million Token nur halbiert. Die übrigen 20 Prozent verstecken sich in der Spalte für den Cache.
Am 19. Oktober brachte MiniMax M3.1 Flash heraus. Eine Mixture-of-Experts-Architektur mit 428 Milliarden Parametern, von denen jeweils nur 23 Milliarden aktiviert werden. Eine Million Token Kontextfenster, Bilder und Videos kann es direkt verarbeiten. All diese Angaben stammen vom Unternehmen selbst; unabhängig reproduziert hat sie bisher niemand.
Die Preisliste ist dagegen eindeutig. Eine Million Eingabe-Token kosten 0,15 Dollar, Ausgabe-Token 0,60 Dollar. Für bereits im Cache gelesene Eingaben sind es 0,015 Dollar. Bei der Vorgängerversion M3 waren es 0,30 und 1,20 Dollar. Die Stückpreise wurden also halbiert.
In der offiziellen Pressemitteilung steht, die Kosten seien um 70 Prozent gesunken. Die fehlenden 20 Prozent stecken nicht im Preis. Nicht ein einziges davon.
Ich habe die halbe Nacht darüber nachgedacht. 0,15 und 0,015 – ein Unterschied um den Faktor zehn, beides in Dollar. Da ist eine ziemlich große Lücke. Wer schon einmal Agenten betrieben hat, weiß, wo in einem Durchlauf das meiste Geld verbrannt wird: in dem Kontext, der bei jeder Runde erneut eingefügt werden muss. Codebasis, Tool-Definitionen, Logs der ersten zehn oder mehr Schritte – immer wieder wird dasselbe eingespeist, kein einziges Wort hat sich geändert, aber bezahlt wird der volle Preis.
Der Cache-Preis rechnet diesen Teil separat ab – zum Zehntel des Preises. So sinkt die Gesamtrechnung. Der Stückpreis fällt um 50 Prozent, die Gesamtrechnung um 70 Prozent. Beide Zahlen stimmen, aber sie beschreiben völlig verschiedene Dinge. Zwei verschiedene Paar Schuhe.
Der Anbieter lügt nicht, wenn er von 70 Prozent Einsparung spricht. Das Problem entsteht erst, wenn man das so versteht, als wäre alles billiger geworden. Billiger ist der Stückpreis; gespart wird bei Wiederholungen.
Ethereum hat vor vielen Jahren etwas Ähnliches gemacht. Beim Istanbul-Upgrade 2019 sanken die Kosten für Daten, die in einer Transaktion mitgeführt werden, von 68 auf 16 Gas pro Byte. Die Begründung war einfach: Diese Bytes müssen dauerhaft gespeichert werden, aber nicht von jedem Knoten immer wieder ausgeführt werden. Beim Cancun-Upgrade 2024 bekam die Datenübertragung für Rollups dann einen eigenen Kanal: 128 KB pro Blob, mit Gebühren, die getrennt von den Ausführungskosten in Gas berechnet werden und unabhängig davon steigen oder fallen. Dieselben Bytes landen in zwei verschiedenen Kostenkategorien – und können sich im Preis um ein Vielfaches unterscheiden.
Auf diesem ganzen Weg hat niemand „billiger“ gerufen. Niemand hat gesagt, die Kosten seien um so und so viel Prozent gesunken. Geändert wurde nur die Abrechnungsgrundlage. Das Ergebnis ist dasselbe. Mehr steckt nicht dahinter.
Wie kommen diese 70 Prozent Einsparung also zustande?
Im Grunde erkennt man einfach die Teile, die in Agenten-Szenarien wiederholt gelesen werden, und berechnet dafür ein Zehntel des Preises. Wer in seinem eigenen Geschäft erkennt, welche Teile wiederholt anfallen, bekommt diesen Rabatt. Wer sie nicht erkennt, zahlt den vollen Preis – jeden Cent. So einfach ist das.
Deshalb kann das Unternehmen in der Pressemitteilung schreiben, die Kosten lägen bei weniger als fünf Cent pro Aufgabe. Verkauft man nach Token, greifen die Kunden zum Taschenrechner. Verkauft man pro Aufgabe, können sie nicht vergleichen. Beim hauseigenen Benchmark mit 152 Aufgaben belief sich die Rechnung auf 111 Dollar. Diese Zahl lässt sich überprüfen; die anderen überprüft niemand.
Ein paar Dinge sind noch offen. Die Gewichte sollen am 23. veröffentlicht werden, zur Lizenz steht kein Wort. Alle Benchmark-Ergebnisse stammen vom Unternehmen selbst; eine unabhängige Reproduktion gibt es nicht. Im Test DeepSWE erreicht es 73,7 Punkte; DeepSeek V4.1 Flash liegt mit 74,2 einen halben Punkt vorn. Im Terminal-Test kommt es auf 38,1 Punkte; Opus 5 liegt 13,7 Punkte höher. Das Unternehmen hat all diese Zahlen selbst in die Tabelle geschrieben. Versteckt ist daran wirklich nichts.
Und noch etwas: Das Reasoning lässt sich nicht abschalten. Auch bei einfachen Fragen muss das Modell erst einmal nachdenken. In dem Geld, das man spart, steckt also noch eine andere Rechnung. Wer zahlt sie? Darauf gibt es noch keine klare Antwort.
Wenn du gerade Agenten laufen hast, konzentrier dich nicht zuerst auf den Stückpreis. Schau nach, wie viel unveränderten Inhalt du in jeder Runde erneut in den Kontext einfügst. Genau dort lässt sich etwas kürzen.
Dieses Geld steht schon die ganze Zeit auf der Rechnung.
$BTC $ARB $TAO
#AI #大模型 #以太坊 #比特币 #Kostensenkung
Am 19. Oktober brachte MiniMax M3.1 Flash heraus. Eine Mixture-of-Experts-Architektur mit 428 Milliarden Parametern, von denen jeweils nur 23 Milliarden aktiviert werden. Eine Million Token Kontextfenster, Bilder und Videos kann es direkt verarbeiten. All diese Angaben stammen vom Unternehmen selbst; unabhängig reproduziert hat sie bisher niemand.
Die Preisliste ist dagegen eindeutig. Eine Million Eingabe-Token kosten 0,15 Dollar, Ausgabe-Token 0,60 Dollar. Für bereits im Cache gelesene Eingaben sind es 0,015 Dollar. Bei der Vorgängerversion M3 waren es 0,30 und 1,20 Dollar. Die Stückpreise wurden also halbiert.
In der offiziellen Pressemitteilung steht, die Kosten seien um 70 Prozent gesunken. Die fehlenden 20 Prozent stecken nicht im Preis. Nicht ein einziges davon.
Ich habe die halbe Nacht darüber nachgedacht. 0,15 und 0,015 – ein Unterschied um den Faktor zehn, beides in Dollar. Da ist eine ziemlich große Lücke. Wer schon einmal Agenten betrieben hat, weiß, wo in einem Durchlauf das meiste Geld verbrannt wird: in dem Kontext, der bei jeder Runde erneut eingefügt werden muss. Codebasis, Tool-Definitionen, Logs der ersten zehn oder mehr Schritte – immer wieder wird dasselbe eingespeist, kein einziges Wort hat sich geändert, aber bezahlt wird der volle Preis.
Der Cache-Preis rechnet diesen Teil separat ab – zum Zehntel des Preises. So sinkt die Gesamtrechnung. Der Stückpreis fällt um 50 Prozent, die Gesamtrechnung um 70 Prozent. Beide Zahlen stimmen, aber sie beschreiben völlig verschiedene Dinge. Zwei verschiedene Paar Schuhe.
Der Anbieter lügt nicht, wenn er von 70 Prozent Einsparung spricht. Das Problem entsteht erst, wenn man das so versteht, als wäre alles billiger geworden. Billiger ist der Stückpreis; gespart wird bei Wiederholungen.
Ethereum hat vor vielen Jahren etwas Ähnliches gemacht. Beim Istanbul-Upgrade 2019 sanken die Kosten für Daten, die in einer Transaktion mitgeführt werden, von 68 auf 16 Gas pro Byte. Die Begründung war einfach: Diese Bytes müssen dauerhaft gespeichert werden, aber nicht von jedem Knoten immer wieder ausgeführt werden. Beim Cancun-Upgrade 2024 bekam die Datenübertragung für Rollups dann einen eigenen Kanal: 128 KB pro Blob, mit Gebühren, die getrennt von den Ausführungskosten in Gas berechnet werden und unabhängig davon steigen oder fallen. Dieselben Bytes landen in zwei verschiedenen Kostenkategorien – und können sich im Preis um ein Vielfaches unterscheiden.
Auf diesem ganzen Weg hat niemand „billiger“ gerufen. Niemand hat gesagt, die Kosten seien um so und so viel Prozent gesunken. Geändert wurde nur die Abrechnungsgrundlage. Das Ergebnis ist dasselbe. Mehr steckt nicht dahinter.
Wie kommen diese 70 Prozent Einsparung also zustande?
Im Grunde erkennt man einfach die Teile, die in Agenten-Szenarien wiederholt gelesen werden, und berechnet dafür ein Zehntel des Preises. Wer in seinem eigenen Geschäft erkennt, welche Teile wiederholt anfallen, bekommt diesen Rabatt. Wer sie nicht erkennt, zahlt den vollen Preis – jeden Cent. So einfach ist das.
Deshalb kann das Unternehmen in der Pressemitteilung schreiben, die Kosten lägen bei weniger als fünf Cent pro Aufgabe. Verkauft man nach Token, greifen die Kunden zum Taschenrechner. Verkauft man pro Aufgabe, können sie nicht vergleichen. Beim hauseigenen Benchmark mit 152 Aufgaben belief sich die Rechnung auf 111 Dollar. Diese Zahl lässt sich überprüfen; die anderen überprüft niemand.
Ein paar Dinge sind noch offen. Die Gewichte sollen am 23. veröffentlicht werden, zur Lizenz steht kein Wort. Alle Benchmark-Ergebnisse stammen vom Unternehmen selbst; eine unabhängige Reproduktion gibt es nicht. Im Test DeepSWE erreicht es 73,7 Punkte; DeepSeek V4.1 Flash liegt mit 74,2 einen halben Punkt vorn. Im Terminal-Test kommt es auf 38,1 Punkte; Opus 5 liegt 13,7 Punkte höher. Das Unternehmen hat all diese Zahlen selbst in die Tabelle geschrieben. Versteckt ist daran wirklich nichts.
Und noch etwas: Das Reasoning lässt sich nicht abschalten. Auch bei einfachen Fragen muss das Modell erst einmal nachdenken. In dem Geld, das man spart, steckt also noch eine andere Rechnung. Wer zahlt sie? Darauf gibt es noch keine klare Antwort.
Wenn du gerade Agenten laufen hast, konzentrier dich nicht zuerst auf den Stückpreis. Schau nach, wie viel unveränderten Inhalt du in jeder Runde erneut in den Kontext einfügst. Genau dort lässt sich etwas kürzen.
Dieses Geld steht schon die ganze Zeit auf der Rechnung.
$BTC $ARB $TAO
#AI #大模型 #以太坊 #比特币 #Kostensenkung