Kinas AI-priskrig har sendt tokenprisen under 1 dollar – men AI-forbruget vokser fortsat

Silicon Datas LLM Token Expenditure Index faldt til 0,97 dollar pr. million tokens den 1. september 2026. Det er rekordlavt og under halvdelen af indeksniveauet tidligere på sommeren. Faldet betyder dog ikke, at efterspørgslen efter AI er kollapset. Indekset måler den effektive, brugsvejede pris, markedet betaler pr. million tokens – ikke det samlede antal tokens eller alle virksomheders samlede AI-udgifter. 24

Hvad måler tallet på 97 cent egentlig?

Silicon Data beskriver SDLLMTK som et benchmark for den blandede pris på inference i store sprogmodeller, LLM'er. Indekset kombinerer udbydernes priser med observeret forbrug på tværs af et afgrænset univers af modeller og beregner dermed en effektiv markedspris pr. million tokens. 24

Det er en vigtig forskel. Hvis virksomheder sender en større andel af deres opgaver til billigere modeller, kan indekset falde, selv om både tokenvolumen og de samlede AI-udgifter vokser. Indekset afspejler altså både prisniveauet og sammensætningen af de valgte modeller – ikke markedets samlede omsætning.

Kinesisk API-konkurrence har ændret prismikset

Priskrigen har givet virksomheder meget billige alternativer til opgaver, der ikke kræver den dyreste model i absolut topklasse. DeepSeek V4-Flash var eksempelvis listet til 0,14 dollar pr. million inputtokens og 0,28 dollar pr. million outputtokens. 49

DeepSeek sænkede desuden prisen på V4-Pro med 75 % i maj 2026, et skridt der blev beskrevet som en optrapning af konkurrencen mellem kinesiske modeludbydere. 58 Andre prisnedsættelser og lavprisprodukter i det kinesiske AI-økosystem har øget presset på udbydere, der konkurrerer om store mængder inference-arbejde. 452

Tallene peger på en klar sammenhæng mellem konkurrencen og de faldende blandede tokenpriser. Men de kan ikke fastslå præcist, hvor stor en del af faldet der skyldes ét bestemt laboratorium, én model eller én annonceret rabat. Mere effektive modeller, større kapacitet og kundernes egen trafikstyring mellem modeller spiller også ind.

Derfor kan AI-regningen vokse, mens tokenprisen falder

Sammenhængen kan forenkles sådan:

samlet tokenudgift = effektiv pris pr. token × tokenvolumen

Når en token bliver billigere, bliver flere anvendelser økonomisk attraktive. Virksomheder kan automatisere flere processer, bruge længere prompts og større kontekstvinduer, generere mere kode eller sætte flere AI-agenter i drift. Hvis tokenvolumen vokser hurtigere, end stykprisen falder, stiger den samlede udgift.

Det stemmer med rapporter om, at prisen pr. token er faldet med over 90 % siden 2023, mens udgifterne til brug af LLM'er omtrent er fordoblet siden slutningen af 2025. 4143 Mekanismen er ikke, at prisnedsættelserne har fejlet, men at billigere inference gør langt flere opgaver rentable at automatisere.

Tokenforbruget i Kina viser efterspørgslen i stor skala

Det daglige AI-tokenforbrug i Kina passerede ifølge regeringsprognoser citeret af Reuters 140 billioner tokens i marts 2026, op fra 100 billioner ved udgangen af 2025. 18

Oplysninger fra virksomheder og den finansielle sektor peger i samme retning. China Merchants Bank oplyste, at bankens gennemsnitlige daglige tokengennemløb steg med mere end 78 % fra året før. Separat rapportering placerede bankens daglige forbrug på cirka 33 milliarder tokens ved udgangen af maj. 1929 Andre kinesiske banker skal ifølge rapporter have set endnu større stigninger i deres gennemsnitlige daglige tokenbrug. 20

Tallene er ikke et direkte mål for API-omsætning, og de beviser heller ikke, at enhver AI-opgave skaber økonomisk værdi. Men de viser, at billigere inference bliver omsat til markant højere brug i stor skala.

Udfordringen for modeludbyderne

For køberne er lavere inferencepriser en fordel. For udviklerne af modeller skaber de en vanskeligere forretningsligning: Indtægten pr. token kan falde, mens udgifterne til chips, datacentre, træning og videre modeludvikling fortsat er betydelige.

Det afgørende spørgsmål er derfor ikke længere, om kunderne vil bruge billige tokens. Det tyder dataene på, at de vil. Spørgsmålet er, om højere volumen, premium-modeller og virksomhedsprodukter hurtigt nok kan skabe holdbare indtægter og målbare produktivitetsgevinster til at understøtte de fortsatte investeringer i infrastruktur. Faldet i indekset har sat fokus på netop risikoen for svækket prisstyrke hos udbyderne. 436

Det bør man holde øje med

En enkelt models listepris fortæller ikke hele historien. Følg i stedet forholdet mellem:

• Blandede effektive tokenpriser, som SDLLMTK, der viser, hvor kunderne faktisk placerer deres opgaver. 2
• Tokenvolumener, der viser, om lavere priser udvider efterspørgslen.
• Omsætning og marginer, som afgør, om udbyderne kan omsætte stigende brug til en bæredygtig forretning.
• Kvaliteten af arbejdsopgaverne, fordi et højt tokenforbrug i sig selv ikke dokumenterer forretningsværdi.

Hovedpointen er enkel: Kinesisk konkurrence om billige API'er har bidraget til at gøre LLM-inference dramatisk billigere og har presset den blandede markedspris under 1 dollar pr. million tokens. Men de lavere priser får samtidig flere til at bruge AI mere, så både tokenforbruget og de samlede AI-udgifter kan fortsætte opad. 2441