Das Modell-Beben im Sommer 2026: Familien, Zugangsklassen, Preisverfall
Zwischen Juni und August 2026 haben die großen KI-Häuser ihre Angebote grundlegend umgebaut: neue Modellfamilien, eine neue Leistungsklasse oberhalb der bisherigen Spitze, Denk-Regler für den Nutzer und ein Preisverfall, der das Kostenargument gegen KI beerdigt. Wer seine Modell-Entscheidung im Frühjahr getroffen hat, entscheidet heute auf einer veralteten Landkarte. Die vier strukturellen Verschiebungen dahinter, und die Prüffragen, mit denen Sie künftige Releases einordnen, ohne jedem einzelnen hinterherzulaufen.
Im Mai habe ich an dieser Stelle die LLM-Tool-Landschaft kartiert: fünf Lager, unterschiedliche Stärken, klare Einsatzempfehlungen. Die Karte stimmt in ihrer Struktur noch. Das Gelände darunter hat sich in zehn Wochen deutlicher bewegt als im ganzen Jahr davor.
Die nackte Chronik: Anthropic stellte am 9. Juni mit Claude Fable 5 das erste Modell einer neuen Leistungsklasse vor, die oberhalb der bisherigen Opus-Spitze sitzt. OpenAI zog am 9. Juli mit der GPT-5.6-Familie nach, in drei Größen von günstig bis Frontier, und öffnete Anfang August den unlimitierten Gratis-Zugang. Google staffelt Gemini nach demselben Prinzip: schlanke Flash-Stufen für den Alltag, Pro für schwere Aufgaben. Und aus China kam parallel eine Welle offener Modelle, die erstmals in einzelnen Disziplinen die Spitze erreicht. Der Open-Weight-Sommer bekommt deshalb einen eigenen Artikel.
Unter diesen Releases liegen vier strukturelle Verschiebungen. Sie werden bleiben, wenn die Versionsnummern längst wieder andere sind.
Verschiebung 1: Familien statt Flaggschiffe
Die Frage „Welches Modell hat Anbieter X?" ist nicht mehr sinnvoll stellbar. Jedes große Haus verkauft heute eine Größenstaffel: ein kleines, schnelles Modell zu Centpreisen für Massenaufgaben, eine mittlere Stufe für den Arbeitsalltag und ein Frontier-Modell für die Fälle, in denen Qualität den Ausschlag gibt. OpenAI nennt seine Stufen Luna, Terra und Sol. Anthropic staffelt von Sonnet über Opus bis zur neuen Mythos-Klasse. Google von Flash bis Pro.
Für Ihr Unternehmen heißt das: Die Modellwahl ist keine Glaubensfrage mehr, die Sie einmal beantworten. Sie ist eine Portfolio-Entscheidung je Aufgabentyp. Rechnungseingang klassifizieren braucht kein Frontier-Modell, die Due-Diligence-Zusammenfassung sehr wohl. Wer alles über die teuerste Stufe laufen lässt, verbrennt Budget. Wer alles über die billigste laufen lässt, bekommt Mittelmaß an den Stellen, an denen es wehtut. Die Zuordnung von Aufgabe zu Stufe ist inzwischen ein eigener, lohnender Arbeitsschritt in jedem KI-Projekt.
Verschiebung 2: Die Zugangsklasse ist neu
Die bemerkenswerteste Neuerung des Sommers ist keine technische, es ist eine organisatorische. Anthropic liefert sein stärkstes Modell in zwei Ausgaben aus: Fable 5 für alle, mit zusätzlichen Schutzschichten für Missbrauchsfelder wie offensive IT-Angriffe und Biowaffen-relevantes Wissen. Und Mythos 5, dasselbe Modell ohne diese Schichten, zugänglich nur für geprüfte Organisationen wie Sicherheitsforscher und Biomedizin-Teams. Branchendienste berichten, dass OpenAI im August ähnlich verfuhr und ein spezialisiertes Sicherheitsmodell auflegte, das ausschließlich nach Antragsprüfung nutzbar ist.
Das Muster dahinter: Die Anbieter regulieren Spitzenfähigkeiten zunehmend über Zugangsarchitektur. Nicht jeder bekommt alles, und wer mehr bekommt, wird geprüft. Für Einkauf und Compliance entsteht damit eine Frage, die es vor einem Jahr nicht gab: Auf welcher Zugangsstufe sitzt eigentlich unser Anbieter, und was folgt daraus für Verfügbarkeit und Vertragsgestaltung? Wer KI-Leistungen einkauft, sollte diese Frage stellen können. Die Grundlagen, um Anbieter zu prüfen, habe ich an anderer Stelle beschrieben.
Verschiebung 3: Denken bekommt einen Regler
Bis vor Kurzem war die Denktiefe eines Modells eine interne Eigenschaft. Jetzt wird sie zum Bedienelement: OpenAI zeigt Nutzern einen Regler für die Gründlichkeit des Nachdenkens, Anthropic bietet gestufte Aufwandssteuerung, und für besonders harte Probleme gibt es Modi, die zusätzliche Rechenzeit oder mehrere parallel arbeitende Agenten auf eine einzige Aufgabe setzen.
Der Regler ist ein Kostenhebel. Dieselbe Frage kann in der Beantwortung um Größenordnungen unterschiedlich viel kosten, je nachdem, wie viel Denkbudget Sie ihr zuweisen. Teams, die diesen Hebel bewusst bedienen, zahlen für Routineaufgaben Centbeträge und reservieren das teure Denken für die Entscheidungen, die es rechtfertigen. Teams, die ihn ignorieren, wundern sich über die Monatsrechnung.
Verschiebung 4: Der Preisverfall und sein Kleingedrucktes
Die Preisbewegung des Sommers lief nur in eine Richtung: nach unten. OpenAI senkte Ende Juli die Preise seiner kleineren Stufen drastisch und schaltete den Gratis-Zugang wenige Tage später auf unlimitiert. Chinesische Anbieter liefern brauchbare Frontier-Nähe für einen Bruchteil westlicher API-Preise, die günstigsten Varianten kosten Centbeträge je Million Tokens. Ein Anbieter führte sogar Lastfenster-Preise ein, wie beim Stromtarif: nachts rechnen ist billiger.
Damit ist ein Standardeinwand aus Strategie-Gesprächen tot. „KI ist uns zu teuer" trägt 2026 nicht mehr, die Rohintelligenz kostet fast nichts mehr. Was teuer bleibt, sind Integration, saubere Daten, Prozessanpassung und die Menschen, die das Ganze führen. Warum genau dort die meisten Projekte scheitern, steht im Artikel über KI-Adoption im Mittelstand.
Ein Kleingedrucktes verdient dabei Ihre Aufmerksamkeit. Gratis und Billig haben in dieser Branche oft einen zweiten Preis: Daten. Branchenberichten zufolge bepreist ein großer Anbieter seine Coding-Stufe deutlich günstiger, wenn Kunden der Nutzung ihrer Eingaben für das Training zustimmen. Bei Gratis-Tiers ist die Datenfrage grundsätzlich zu stellen. Prüfen Sie vor dem Einsatz, was mit Ihren Eingaben passiert, wo die Grenze verläuft, habe ich im Artikel über Context-Engineering beschrieben.
Wie Sie künftige Releases lesen
Die Release-Frequenz wird nicht sinken. Statt jedem Modell hinterherzulesen, reichen für Entscheider vier Prüffragen, um ein neues Release in Minuten einzuordnen:
- Wo in der Familie sitzt es? Ein neues Kleinmodell verändert Ihre Massenprozesse, ein neues Frontier-Modell Ihre anspruchsvollen Einzelfälle. Selten beides.
- Ändert sich eine Zugangsklasse? Neue Fähigkeiten hinter Prüfverfahren betreffen Sie nur, wenn Sie die Prüfung bestehen wollen oder Ihr Dienstleister sie besteht.
- Bewegt sich der Preis je Aufgabe? Es zählt, was Ihre konkrete Aufgabe unter realistischem Denkbudget kostet. Der Listenpreis je Token sagt darüber wenig.
- Was passiert mit Ihren Daten? Jede Preissenkung und jeder Gratis-Zugang verdient einen Blick in die Datennutzungsbedingungen, bevor er in Ihre Prozesse darf.
Wer diese vier Fragen routiniert stellt, braucht keine Release-Ticker. Die Karte aus dem Mai bleibt als Struktur gültig, und neue Modelle sind dann genau das: neue Orte auf einer bekannten Karte.
Die Quintessenz
Die Modell-Landschaft ist nach diesem Sommer geordneter als davor. Größenfamilien, Zugangsklassen, steuerbares Denkbudget und fallende Preise bilden ein Raster, in dem sich jedes künftige Release verorten lässt. Die strategische Arbeit liegt darin, Ihre Aufgaben so gut zu kennen, dass Sie jeder davon die richtige Stufe, die richtige Zugangsklasse und das richtige Denkbudget zuordnen können. Das ist Fleißarbeit, und sie wird mit jeder Preisrunde wertvoller, weil dieselbe Zuordnung dann über größere Beträge entscheidet.
Stand: 28. August 2026. Daten und Termine nach Hersteller-Angaben und Branchenberichten zum Redaktionszeitpunkt. Verwandte Artikel: LLM-Tool-Landschaft 2026 · Der Open-Weight-Sommer · KI-Adoption im Mittelstand.