Das Silicon Valley, das Chinas Hausaufgaben kopiert hat, steht nun vor der Herausforderung der KI-Anwendungen.

Das Silicon Valley hat damit begonnen, Chinas Hausaufgaben zu kopieren.

In jüngster Zeit sind in den Vereinigten Staaten eine Reihe von preisgünstigen Open-Source-Modellen aufgetaucht, die darauf abzielen, hinsichtlich Leistungsfähigkeit und Preis mit den chinesischen Open-Source-Modellen gleichzuziehen.

Mira Muratis Thinking Machines Lab veröffentlichte letzten Monat sein erstes Modell, Inkling. Die offizielle Beschreibung erwähnt zwei Dinge: Die zugrundeliegende Architektur basiert auf DeepSeek-V3, und die Trainingsdaten wurden mit Kimi K2.5 generiert.

Die teuersten Köpfe im Silicon Valley nutzen das Grundgerüst eines chinesischen Open-Source-Modells, um die von diesem Modell generierten Daten zu verarbeiten. Vor zwei Jahren wäre es genau umgekehrt gewesen.

Anfang dieses Jahres erzielte Arcee AIs Trinity-Large-Thinking bei PinchBench 91,9 Punkte, 1,4 Punkte weniger als Anthropics Opus 4.6, und das zu einem Preis von 4 % des letzteren.

„Wir arbeiten daran, dass die USA zu China aufschließen und es überholen“, sagte Mark McQuade, CEO von Arcee AI.

Das Silicon Valley kopiert jetzt nicht nur Modelle, sondern auch die von chinesischen Unternehmen gedrückten Preise.

Die Architektur kann übernommen, die Trainingsmethoden reproduziert und die Daten anderen Modellen zur Batch-Generierung zur Verfügung gestellt werden. Sobald die Gewichte veröffentlicht sind, können die Entwickler die Entwicklung fortsetzen. Die Preisgestaltung ist noch einfacher: Sobald ein Unternehmen den Preis senkt, müssen die anderen früher oder später nachziehen.

In den vergangenen drei Jahren hat das große Modellbauunternehmen ein imposantes Bauwerk errichtet und seine Gäste mit Hilfe von Parametern, Rechenleistung und proprietärer Technologie begeistert. Nun steht dieses Bauwerk kurz vor dem Einsturz.

Sechzehn Tage

In den frühen Morgenstunden des 17. Juli veröffentlichte Dark Side of the Moon Kimi K3. Mit insgesamt 2,8 Billionen Parametern und 1 Million Kontext-Tokens ist es das weltweit größte offene Modell.

In der Frontend Code Arena-Rangliste erzielte K3 1679 Punkte, gefolgt von Claude Fable 5 und GPT-5.6 Sol. Dies ist das erste Mal, dass ein Open-Source-Modell ein proprietäres Modell übertroffen hat. Es sicherte sich den ersten Platz in sechs von sieben Frontend-Spezialisierungen.

Musk hinterließ unter den Testergebnissen den Kommentar „Beeindruckend“.

Die API von K3 ist nicht günstig und kostet 100 Yuan pro Million ausgegebener Token. Im Vergleichstest von SuperCLUE erzielte K3 jedoch eine um 18 % höhere Punktzahl als der Zweitplatzierte und die durchschnittlichen Kosten lagen bei der Ausführung desselben Aufgabenstapels um 16 % niedriger.

Ob ein Modell teuer ist oder nicht, hängt nicht vom Preis pro Million Token ab, sondern von den Gesamtkosten des Prozesses von Anfang bis Ende. Je größer die Differenz zwischen diesen beiden Werten ist, desto weniger aussagekräftig ist der Preis selbst.

Zwei Tage später, spät in der Nacht, stellte Dark Side of the Moon die Annahme neuer Abonnements für Endnutzer ein. Die Anzahl der Anfragen innerhalb von 48 Stunden hatte die Erwartungen weit übertroffen, und die Rechenleistung reichte nicht aus.

Am 27. Juli veröffentlichte K3 die vollständigen Gewichte sowie technische Berichte und die zugehörige Infrastruktur.

Als nächstes kommt DeepSeek.

Der Markt hatte die offizielle Veröffentlichung von V4 mit Spannung erwartet. Ende April veröffentlichte DeepSeek zwei Vorabversionen, V4-Pro und V4-Flash, die beide eine Million Token-Kontexte unterstützten. Offiziell wurde dies als Beginn der „Ära des universellen Zugriffs auf Millionen von Kontexten“ bezeichnet. In den folgenden zwei bis drei Monaten herrschte wenig Aktivität, bis am 2. August V4 Flash offiziell veröffentlicht und die Gewichtungen freigegeben wurden. Mit insgesamt 284 Milliarden Parametern und nur 13 Milliarden aktivierten Parametern pro Inferenz stieg der DeepSeek-Programmiertestwert von 7,3 auf 54,4.

Noch drastischer war die Preissenkung. Im Mai wurde der Preis des V4-Pro auf ein Viertel des ursprünglichen Preises reduziert – die vierte Preisanpassung von DeepSeek innerhalb eines Monats. Als Flash offiziell auf den Markt kam, waren alle dennoch von seinem hervorragenden Preis-Leistungs-Verhältnis überrascht.

„Man bekommt, was man bezahlt“ – so lautete früher die Devise. Doch nun werden chinesische Modelle immer konkurrenzfähiger und sind immer günstiger. Ausländische Konkurrenten sind verständlicherweise verärgert, können aber wenig dagegen tun. Die Verbraucher haben bereits günstige und gute Produkte kennengelernt und wollen sich nicht länger übervorteilen lassen.

Alibaba kündigte daraufhin an, die Spezifikationen des Qwen3.8-Max nächste Woche zu veröffentlichen. Die Max-Serie, bisher ein Flaggschiff mit proprietärer Software, ist nun frei erhältlich. Ihr internationaler Preis liegt bei etwa 40 % der Anschaffungskosten und nur 24 % der Leistung des Opus 5.

Diese Dinge geschahen in nur 16 Tagen.

Früher nutzten Modellbaufirmen Knappheit zur Preisgestaltung: Wenn nur ich es herstellen konnte, mussten Sie meinen Preis zahlen. Schon wenige Punkte Unterschied auf der Liste konnten einen Preisunterschied um das Zehnfache ausmachen.

Kimi, DeepSeek und Qwen verfolgen zwar unterschiedliche technische Ansätze, aber sie tun alle dasselbe: Sie erweitern die Leistungsfähigkeit, reduzieren das Gewicht, senken die Preise und integrieren die neuen Funktionen dann schnell in ihre Produkte.

Ich möchte Hausaufgaben abschreiben, aber niemand will mich dafür bezahlen.

Auch in den USA haben einige Menschen diesen Trend erkannt.

Bis Ende 2025 hatte Arcee AI fast ihr gesamtes Budget in das Projekt investiert. Innerhalb von nur 33 Tagen entwickelten sie 2.048 B300-Module, investierten 20 Millionen US-Dollar und beschäftigten lediglich 30 Mitarbeiter. Das daraus resultierende Trinity Large-Modell umfasste 400 Milliarden Parameter und 13 Milliarden Aktivierungen pro Inferenz, wobei fast die Hälfte der Trainingsdaten synthetisch war. Im Juli dieses Jahres unterzeichnete Arcee ein Kooperationsabkommen mit dem US-Energieministerium zur Entwicklung eines forschungsorientierten Modells.

Das Team, die Erfolge, die Kosten, die Regierungsaufträge – alles war vorhanden. Doch die Tür zur Finanzierung blieb verschlossen.

Arcee hat bisher insgesamt 50 Millionen Dollar eingesammelt und wird mit 240 Millionen Dollar bewertet. In der heutigen Branche der kurvigen Models käme man mit so viel Geld nicht einmal in ein Privatzimmer, geschweige denn zu einer Mahlzeit.

„Fast alle Top-Venture-Capital-Gesellschaften haben uns abgelehnt“, sagte CEO Mark McQuade.

Das US-amerikanische Open-Modell wurde bereits von seinem eigenen Investitionsausschuss blockiert, bevor es überhaupt gegen China antreten konnte.

Im ersten Quartal 2026 sammelten KI-Startups weltweit 255,5 Milliarden US-Dollar ein, wobei fast zwei Drittel auf drei Finanzierungsrunden entfielen: 122 Milliarden US-Dollar für OpenAI, 30 Milliarden US-Dollar für Anthropic und 20 Milliarden US-Dollar für xAI. Fast das gesamte Kapital floss in Unternehmen mit proprietärer Software.

Joe Floyd, ein früher Investor von Arcee und Partner bei Emergence Capital, sagte, dass die Ablehnungsgründe, die er von vielen Risikokapitalgebern hörte, ähnlich waren:

„Ich möchte nicht, dass dieses Modell Erfolg hat. Ich möchte nicht investieren, weil es meine Investitionen in Anthropic und OpenAI gefährden würde.“

Diejenigen, die wirklich bereit sind, Geld für offene Modelle auszugeben, sind in Wirklichkeit die Chiphersteller.

Im März dieses Jahres gab Nvidia in einer Meldung an die US-Börsenaufsicht SEC bekannt, in den nächsten fünf Jahren 26 Milliarden US-Dollar in die Förderung von Open Weights zu investieren. Reflection AI, Poolside und Thinking Machines Lab haben bereits Mittel aus dieser Investition erhalten.

Jensen Huang versteht das besser als jeder andere. Das Closed-Source-Modell generiert Einnahmen über APIs, während das Open-Source-Modell die GPUs verbraucht. Je günstiger das Modell angeboten wird, desto mehr Entwickler nutzen es und desto besser verkaufen sich Nvidias GPUs.

Am Abend des 24. Juli registrierte Jensen Huang einen X-Account und sein erster Tweet war ein Retweet eines offenen Briefes mit dem Titel „Open Weights and America's Leadership in AI“. In dem Brief wurde festgestellt, dass die Führungsrolle der Vereinigten Staaten in der Branche nicht nur davon abhängt, ob sie über die fortschrittlichsten Modelle verfügen, sondern auch davon, ob sie ein Ökosystem besitzen, das sich auf verschiedene Branchen ausweiten lässt.

Später wandten sich die Gründer von fast 200 amerikanischen Startups gemeinsam mit einem Brief an die Trump-Regierung und protestierten gegen das Verbot des offenen chinesischen Modells. Das Interessanteste an diesem Brief, den ich gelesen habe, war, dass er kein einziges positives Wort enthielt. Sie äußerten sich weder lobend über China, noch priesen sie die Offenheit des Unternehmens an; ihr einziges Argument war, dass das kostengünstige chinesische Modell bereits zum Standard geworden sei und sie im Falle einer tatsächlichen Blockierung nur noch auf teure amerikanische APIs zurückgreifen könnten.

In einem Interview sagte McQuade außerdem, dass eine breite Akzeptanz nur eine Frage der Zeit sei.

Nachfrage aufgrund niedriger Preise

Während im Silicon Valley noch darüber debattiert wird, ob eine offene Gewichtung eingeführt werden soll oder nicht, hat China bereits begonnen, die nächste Hürde anzugehen.

Der Ausdruck „das erste Jahr der KI-Anwendungen“ wurde in den letzten drei Jahren häufig verwendet. Um jedoch zu beurteilen, ob eine Technologie tatsächlich die Anwendungsphase erreicht hat, müssen wir nur zwei Dinge betrachten: ob die Nutzer bereit sind, dafür zu bezahlen, und ob Unternehmen sie in ihre Geschäftsprozesse integriert haben.

In diesem Jahr haben sowohl Claude Code als auch Cursor einen annualisierten Umsatz von über einer Milliarde Dollar erzielt, und KI-Programmierwerkzeuge haben eine Verbreitungsrate von fast der Hälfte unter einzelnen Entwicklern.

Die Veränderungen sind im Unternehmensbereich noch deutlicher ausgeprägt. Laut einer Studie des Dune Think Tanks stieg die Nutzungsrate von KI-Systemen in chinesischen Unternehmen von 17,3 % Ende 2024 auf 40,3 % Mitte 2026.

Li Yanhong schlug eine neue Kennzahl namens DAA vor, was für „Daily Active Agents“ (täglich aktive Agenten) steht. Bisher zählten Internetunternehmen, wie viele Nutzer täglich ihre Produkte öffneten; künftig werden sie zählen, wie viele Agenten tatsächlich arbeiten und Ergebnisse liefern.

Noch erstaunlicher ist die Entwicklung des Anrufvolumens. Laut Statistiken von CCTV stieg das durchschnittliche tägliche Anrufvolumen in China von etwa 100 Milliarden Anfang 2024 auf 140 Billionen Ende März dieses Jahres – mehr als das Tausendfache in nur gut zwei Jahren.

Modelle werden immer günstiger, während Rechenleistung immer knapper wird. Im März dieses Jahres erhöhten Tencent Cloud, Alibaba Cloud und Baidu AI Cloud innerhalb von zehn Tagen nacheinander ihre Preise für Rechenleistung um rund 30 %. Nach dem Boom intelligenter Agenten im ersten Halbjahr stiegen die Mietpreise für Inferenz-Rechenleistung um mehr als 40 %.

Der Grund dafür ist, dass sich die Nutzung von KI verändert hat. Früher war es ein einfacher Frage-Antwort-Prozess, der nur wenige Token kostete. Heute benötigt ein Agent, um eine Aufgabe erfolgreich zu erledigen, Kontext, diverse Tools und ständige Überprüfungen; macht er einen Fehler, muss er von vorn beginnen. Der Stückpreis ist gesunken, der Verbrauch jedoch exponentiell gestiegen.

Die Preissenkung hat den Markt nicht verkleinert; im Gegenteil, sie hat die gesamte Nachfrage hervorgebracht, die zuvor nicht erklärbar war.

1981 öffnete IBM seine PC-Architektur, und kompatible Rechner überschwemmten den Markt, was die Hardwarepreise drückte. Letztendlich verdienten nicht die Rechnerhersteller das große Geld, sondern Lotus 1-2-3, WordPerfect und später Microsoft, deren Produkte auf diesen Rechnern basierten.

Heute verläuft der Weg nahezu identisch. Während sich alle noch auf die geringfügigen Unterschiede in den zugrundeliegenden Fähigkeiten konzentrieren, haben die führenden Unternehmen bereits begonnen, um Nutzer, Einstiegspunkte und Arbeitsabläufe zu konkurrieren.

Amerikanische Unternehmen können die Architektur von DeepSeek studieren, von Kimi generierte Daten nutzen oder 20 Millionen Dollar investieren, um ein leistungsstarkes Open-Source-Modell zu trainieren. Anwendungen lassen sich jedoch nicht so einfach kopieren.

Die Anwendung verfügt über keine herunterladbaren Gewichtungen und keine Benchmarks. Ob sie lauffähig ist, entscheiden die kleinen Tricks, die ein Unternehmen in über einem Jahrzehnt harter Arbeit und Erfahrung gesammelt hat.

Früher entwickelten große Unternehmen ihre Chatbots als eigenständige Produkte und warteten darauf, dass die Nutzer ein separates Chatfenster öffneten. Mittlerweile integrieren sich die Chatbots in DingTalk, Lark und WeChat Work, wobei die Agenten direkt in die bestehenden Organisationen und Prozesse eingebunden werden.

In den USA könnte sich ein Office-Agent ähnlich wie Gmail, Slack und Salesforce entwickeln. In China hingegen könnte er mit DingTalk, Lark und WeChat Work beginnen und sich dann auf Finanzsoftware, Lieferkettensysteme, Produktionssysteme und Regierungsplattformen ausweiten. Selbst wenn beide Seiten dasselbe Modell verwenden, werden sich die Endprodukte unterscheiden.

Nachdem der Preis gesenkt wurde

Von 2022 bis 2025 werden die USA ihre Beschränkungen für chinesische Chips verschärfen. H100- und B300-Chips werden nicht mehr verkauft, und auch fortschrittliche Fertigungsprozesse und -anlagen werden eingeschränkt. Unter diesen Umständen haben chinesische Unternehmen das weltweit größte offene Marktmodell geschaffen.

Bis 2026 begannen die USA, über Beschränkungen der Gewichtung chinesischer Modelle zu diskutieren. OpenAI und Anthropic haben Berichten zufolge Bedenken gegenüber den Regulierungsbehörden geäußert, und der Kongress prüft ebenfalls, ob der grenzüberschreitende Austausch von Modellgewichten weiterhin zulässig ist.

Noch bevor das Messer fiel, schrien ihre eigenen Männer vor Schmerz auf.

Das Chipverbot beschränkt das Angebot an chinesische Unternehmen, das Modellverbot hingegen senkt zunächst die Kosten für amerikanische Startups. In dem gemeinsamen Schreiben wurde außerdem klargestellt, dass das Verbot die Verbreitung nicht stoppen wird; es zwingt Entwickler lediglich dazu, alle verfügbaren Modelle herunterzuladen, bevor sie ihre Programme abschalten.

Chips sind physische Objekte; sie können Bestell-, Logistik- und Fertigungsprozesse stören. Sobald ein Gewicht freigegeben ist, kann es unendlich oft heruntergeladen, gespiegelt, quantifiziert, feinabgestimmt und destilliert werden.

Noch unkontrollierbarer ist der Preis.

Die USA sind weiterhin führend bei hochmodernen, proprietären Modellen. OpenAI und Anthropic spielen nach wie vor eine führende Rolle, und das Training von Spitzenmodellen ist weiterhin stark von Nvidia-Grafikkarten abhängig – eine Situation, die sich kurzfristig voraussichtlich nicht ändern wird.

Bei der praktischen Anwendung entscheidet jedoch selten das leistungsstärkste Modell über den Erfolg. Vielmehr kommt es darauf an, ob das Modell kostengünstig genug ist, ob das Unternehmen über einen fertigen digitalen Einstiegspunkt verfügt und ob die Entwickler die Geschäftsprozesse wirklich verstehen können.

Wenn man auf die letzten dreißig Jahre zurückblickt, hat China viele Male gewonnen, aber die Methoden, mit denen es siegte, waren im Wesentlichen dieselben.

Mobile Zahlungen, E-Commerce, Essenslieferungen und Live-Streaming – all diese Bereiche integrieren extern entwickelte Technologien in den Alltag von Milliarden von Menschen und schaffen so Unternehmen von erstaunlichem Ausmaß. Die zugrundeliegende Infrastruktur wurde lange Zeit von anderen bereitgestellt. Transistoren stammen von den Bell Labs, x86 gehört Intel, TCP/IP wurde von der US-Regierung finanziert, und Windows, Android und iOS haben ihren Ursprung an der Westküste der USA. Selbst TensorFlow und PyTorch, die am häufigsten verwendeten Technologien im Zeitalter des Deep Learning, stammen ursprünglich von Google bzw. Meta.

„Erfindung in Amerika, Maßstab in China“ – dieses Sprichwort kursiert seit dreißig Jahren, und es gab nur sehr wenige wirkliche Ausnahmen.

Nun ist eine Ausnahme aufgetreten.

Die technischen Spezifikationen des Thinking Machines Lab sind sehr klar. Eines der prominentesten und finanzstärksten neuen Unternehmen aus dem Silicon Valley orientierte sich in der Basisschicht seines Modells an der Architektur eines chinesischen Unternehmens und nutzte anschließend Daten, die von einem anderen chinesischen Modell generiert wurden, für das Training.

Früher bezog das Silicon Valley Produktionskapazitäten, rekrutierte Fachkräfte und suchte nach Märkten in China. Jetzt beginnt es, direkt den von chinesischen Unternehmen validierten Technologiepfaden zu folgen.

Die Verehrung des Silicon Valley hat zweifellos ihren Ursprung. In den letzten Jahrzehnten sind die meisten der wichtigsten Basistechnologien der Computerindustrie tatsächlich dort entstanden. Von den Chips in den Rechnern bis hin zu den IDEs, die Programmierer täglich nutzen, steht das Silicon Valley seit Langem an der Spitze der Technologiekette.

Doch in der Tech-Welt zählen Ergebnisse. Wer eine neue Architektur vorschlagen, die Kosten senken und die Konkurrenz zur Nachahmung bewegen kann, hat das Recht, die vorgelagerten Prozesse neu zu definieren.

Nun tauchen auch chinesische Unternehmen auf dieser Liste auf.

Das Silicon Valley wird angesichts seines großen Pools an Ingenieuren, Kapital und Chips in Zukunft wahrscheinlich aufholen. Anwendungen, die bereits in realen Unternehmen implementiert sind, warten jedoch nicht. Wer als Erster in die Unternehmensprozesse eindringt, gewinnt Kunden, Daten und die Chance auf die nächste Verbesserungsrunde. Die Ausgangslage ist für alle unterschiedlich.

Das Zeitalter der KI-Anwendungen wird nicht mit großem Pomp an einem besonderen Tag beginnen. Es wird sich zuerst in Finanzberichten, in rasant steigender Nutzung und darin zeigen, dass einem Programmierer mitten in der Nacht wieder einmal das Geld ausgeht.

Eine breite Akzeptanz ist nur eine Frage der Zeit. Das sagte ein Amerikaner.