Intelligenz im Überfluss schaffen

KI-Infrastruktur ist nicht wertvoll, weil sie groß ist. Ihr Wert liegt in dem, was sie ermöglicht: leistungsfähigere Intelligenz, die mehr Menschen zu geringeren Kosten zur Verfügung steht.

So verstehe ich Überfluss. Dieser Gedanke ist sowohl in unserer Mission verankert, dafür zu sorgen, dass künstliche allgemeine Intelligenz der gesamten Menschheit zugutekommt, als auch im wirtschaftlichen Motor unseres Unternehmens.

Wenn die Kosten nützlicher Intelligenz sinken, lohnt es sich, mehr Aufgaben anzugehen. Wenn Modelle leistungsfähiger werden, schafft diese Arbeit mehr Wert. Mit wachsender Nutzung gewinnen wir die nötigen Umsätze, Erkenntnisse aus der Praxis und Einblicke in die Nachfrage, um weiter in die nächste Generation von Forschung und Infrastruktur zu investieren.

Bessere Intelligenz fördert eine umfassendere Nutzung. Eine umfassendere Nutzung ermöglicht weitere Investitionen. Mehr Investitionen verbessern Intelligenz und Effizienz. Diesen Kreislauf bauen wir auf.

Unsere kürzlich angekündigten Preise zeigen, wie schnell dieser Kreislauf Kund:innen zugutekommt. Gestern haben wir den Preis von GPT‑5.6 Luna um 80 Prozent und den von GPT‑5.6 Terra um 20 Prozent gesenkt. Luna kostet jetzt 0,20 USD pro Million Eingabe-Token und 1,20 USD pro Million Ausgabe-Token, Terra entsprechend 2 USD und 12 USD.

Bei GPT‑5.6 Sol bietet der Schnellmodus bis zu 2,5-mal so viel Geschwindigkeit wie die Standardverarbeitung, zum doppelten Preis und bei unveränderter Intelligenz.

Das sind nicht bloß Änderungen an einer Preisliste. Sie erweitern das Spektrum praktisch umsetzbarer Aufgaben und geben Kund:innen mehr Spielraum, Intelligenz, Geschwindigkeit, Zuverlässigkeit und Kosten auszubalancieren.

Die entscheidende Frage ist nicht, welches Modell zu welcher Aufgabe gehört. Entscheidend ist, wie viel Intelligenz das gewünschte Ergebnis erfordert, wie schnell sie verfügbar sein muss und was sie kosten darf. Dieses Verhältnis kann sich innerhalb desselben Arbeitsablaufs mehrmals ändern.

Kund:innen kaufen Token nicht um ihrer selbst willen. Sie wollen, dass das Supportproblem gelöst, die Software ausgeliefert, der Vertrag geprüft oder die wissenschaftliche Frage beantwortet wird. Der richtige Maßstab sind die Kosten eines erfolgreichen Ergebnisses, einschließlich des nötigen Zeitaufwands, wiederholter Versuche, der Kontrolle und auftretender Fehler.

Ein leistungsfähigeres Modell, das eine Aufgabe korrekt und effizient erledigt, kann letztlich wirtschaftlicher sein als ein günstigeres Modell, das mehrere Versuche oder umfangreiche menschliche Eingriffe erfordert. Umgekehrt kann ein günstigeres Modell den Zugang erheblich erweitern, wenn es denselben Qualitätsanspruch erfüllt. Die Chance liegt darin, zum richtigen Preis ein Höchstmaß an nützlicher Intelligenz einzusetzen.

Um diesen Wert zu schaffen, reicht es nicht, zusätzliche Rechenzentren zu bauen. Jede Einheit Rechenleistung muss produktiver werden.

Unsere jüngsten Entwicklungsarbeiten zeigen, wie das aussehen kann. Gemeinsam mit unseren technischen Teams half GPT‑5.6 Sol, die für die Bereitstellung unserer Modelle eingesetzte Produktionssoftware zu optimieren. Dadurch sanken die Gesamtkosten der Bereitstellung um 20 Prozent. Das Modell half außerdem, die spekulative Dekodierung zu verbessern und die Effizienz der Token-Generierung um mehr als 15 Prozent zu steigern.

Ebenso wichtig ist, dass die Effizienz nicht allein vom Modell abhängt. Auch das umgebende System ist entscheidend. Besseres Routing sorgt für eine produktive Nutzung der Hardware. Ein intelligenteres Kontextmanagement verhindert, dass Agenten Arbeit wiederholen. Leistungsfähigere Tools und ein besseres Produktdesign verringern die Zahl der Schritte, die zum Erledigen einer Aufgabe nötig sind.

In einer aktuellen Benchmark-Analyse steigerten Verbesserungen beim beibehaltenen Reasoning und beim Kontextmanagement die Punktzahl von GPT‑5.6 Sol im öffentlichen ARC-AGI-3-Aufgabensatz von 13,3 auf 38,3 Prozent. Gleichzeitig benötigte das System sechsmal weniger Ausgabe-Token. Das Modell blieb unverändert. Das umgebende System hingegen nicht.

Diese Fortschritte verstärken sich gegenseitig. Leistungsfähigere Modelle helfen unseren Teams, neue Effizienzpotenziale zu erschließen. Diese Effizienzgewinne senken die Kosten für die Betreuung der Kundschaft und erweitern das Spektrum der Aufgaben, die wir mit derselben Infrastruktur unterstützen können. Das wiederum macht die nächste Generation von Intelligenz leichter zugänglich.

Der Vorteil, Infrastruktur, Modelle, Plattform und Produkte gemeinsam zu entwickeln, liegt nicht allein darin, dass wir auf jeder Ebene aktiv sind. Entscheidend ist, dass jede Ebene die anderen verbessert.

Der praktische Einsatz unserer Produkte zeigt uns, wo Kund:innen einen Mehrwert sehen und wo Schwierigkeiten auftreten. Dieses Feedback prägt unsere Forschung. Fortschritte in der Forschung stärken unsere Produkte und senken deren Betriebskosten. Die Nachfrage nach ChatGPT, ChatGPT Work, Codex und der API hilft uns, besser zu entscheiden, wo wir zusätzliche Kapazitäten schaffen.

Der Umfang dieser Erkenntnisse ist entscheidend. Unsere Modelle erreichen inzwischen mehr als eine Milliarde aktive Nutzende und über zwei Millionen Unternehmen. Mit wachsendem Vertrauen in die Technologie setzen Menschen sie intensiver ein. Sechs Monate nach der Registrierung senden Menschen täglich rund 50 Prozent mehr Nachrichten und nutzen ChatGPT für etwa doppelt so viele Arten von Aufgaben. ChatGPT Work verändert die Wissensarbeit: Statt nur Fragen zu beantworten, erledigt es komplexe, mehrstufige Aufgaben vollständig. Aus „fragen“ wird „handeln“. Bei OpenAI entfallen inzwischen 99,8 Prozent der wöchentlich ausgegebenen Token auf agentenbasierte Arbeit mit Codex. Das Finanzteam gehört zu den Teams, bei denen agentenbasierte Tools inzwischen fester Bestandteil der täglichen Arbeit sind.

In Unternehmen zeigt sich ein ähnliches Muster. Ein Unternehmen beginnt vielleicht mit einem einzelnen Team oder Arbeitsablauf. Wenn Qualität und Wirtschaftlichkeit steigen, breitet sich die Nutzung auf weitere Bereiche aus und KI wird Teil des Unternehmensalltags.

So entsteht ein wertvoller Kreislauf aus Nachfrage, Produktverbesserung, Effizienz und Infrastrukturplanung. Dafür müssen wir weder alle Ressourcen besitzen noch jede Komponente selbst entwickeln. Je nachdem, was Kund:innen am besten dient und wirtschaftlich am sinnvollsten ist, können wir selbst investieren, Partnerschaften eingehen oder Leistungen einkaufen. Entscheidend ist, das System zu koordinieren und über alle Ebenen hinweg daraus zu lernen.

KI-Infrastruktur muss Jahre vor ihrem Einsatz geplant werden, während sich Modelle, Produkte und die Nachfrage der Kundschaft wesentlich schneller entwickeln. Dieses unterschiedliche Tempo macht Disziplin unverzichtbar.

Unsere Investitionsentscheidungen beruhen auf Fakten: dem Wachstum von Nutzungszahlen und Arbeitslasten, den Zusagen von Unternehmen, der API-Nutzung, der Auslastung, dem Umsatz sowie den Fortschritten bei Leistungsfähigkeit und Effizienz der Modelle. Technische und wirtschaftliche Meilensteine bestimmen mit, wann Projekte in die nächste Phase gehen. Langfristige Partnerschaften bündeln die Finanzierung, Infrastruktur und betriebliche Expertise, die für eine Bereitstellung im großen Maßstab nötig sind.

Produkterlöse, privates Kapital und kommerzielle Partnerschaften tragen auf unterschiedliche Weise zu diesem Wachstum bei. Unser Ziel ist nicht, möglichst viel Infrastruktur aufzubauen. Wir wollen zum richtigen Zeitpunkt die passende Kapazität für eine glaubwürdige Nachfrage bereitstellen.

Für mich sind die zentralen Fragen klar: Wie schnell lässt sich neue Kapazität produktiv nutzen? Wie effizient wird sie eingesetzt? Welche Nachfrage der Kundschaft deckt sie ab? Wie schnell kann technischer Fortschritt die Kosten für die Bereitstellung nützlicher Intelligenz senken?

Diese Fragen verbinden langfristigen Anspruch mit betrieblicher Disziplin.

Wir stehen noch am Anfang. Leistungsfähigere Systeme werden längere Projekte abschließen, verschiedene Tools koordinieren und mehr von der Arbeit zwischen einer Idee und dem fertigen Ergebnis übernehmen. Einzelpersonen und kleine Unternehmen werden Möglichkeiten erhalten, die bislang nur deutlich größeren Organisationen offenstanden. Große Unternehmen werden Intelligenz in ihren Abläufen umfassender einsetzen.

Unser Ziel sind nicht einfach mehr Rechenleistung, größere Modelle oder niedrigere Token-Preise. Wir wollen nützliche Intelligenz für mehr Menschen zugänglich machen.

Das verstehen wir unter Überfluss: Intelligenz, die immer leistungsfähiger und erschwinglicher wird und den Menschen, die sie nutzen, immer mehr Wert bietet. Wir messen unseren Fortschritt daran, wie viel nützliche Arbeit dadurch möglich wird, wie effizient wir sie bereitstellen und wie vielen Menschen die Vorteile zugutekommen.