Kvalitetsgabet er reelt kun for de sværeste opgaver

For ~90% af rutineopgaver er ydelsen fra open-weight modeller sammenlignelig med de proprietære frontier-modeller . Den meningsfulde kvalitetsforskel findes kun på en smal del af de sværeste, mest avancerede benchmarks – ikke på langt de fleste virkelige produktionsopgaver. Branchedata understøtter dette: For specifikke opgaver som kodegenerering skrumper benchmarkgabet (10–15%) til et produktionsgap på blot 2–5% for åbne modeller .

Kapabilitetsforsinkelsen er komprimeret til 3-4 måneder

Deutsche Banks forskning viser, at efterslæbet for open-weight modeller i forhold til proprietære frontier-modeller er reduceret dramatisk – fra et flerårigt gab til blot 3–4 måneder pr. midten af 2026 . EpochAIs samtidige analyse placerer forsinkelsen på ~3 måneder på deres holistiske Capabilities Index med en gennemsnitlig scoreforskel på ca. 7 point . Denne 'faseændring' i udgivelseshastighed (fra en 6-måneders kadence i 2024 til en 72-timers kadence i Q1 2026) betyder, at enhver proprietær præstationsfordel er kortlivet .

Ikke et geografisk skel – men et åben vs. lukket skel

Deutsche Bank understreger, at dette ikke er et geografisk skel (f.eks. USA vs. Kina). Pris-ydelses-kompressionen er et strukturelt, globalt fænomen drevet af open-weight model-udbredelse på tværs af flere regioner – herunder Kinas DeepSeek og Zhipu AI, USAs Meta (Llama) og andre . Den relevante akse er åben vs. lukket, ikke øst vs. vest. Banken fremhæver specifikt, at DeepSeeks gennembrud i starten af 2025 markerede det tidspunkt, hvor den gamle geografiske indramning brød sammen .

Konsekvenser for AI-aktier og markedet

Deutsche Bank mener, at denne dynamik kan udløse en markedsomvurdering af AI . Centrale implikationer:

• Prispræmie-erosion: Proprietære modeludbydere (Anthropic, OpenAI, Google) kan få svært ved at opretholde høje API-priser, når virksomheder skifter til open-weight alternativer med sammenlignelig kvalitet til en brøkdel af prisen .
• Pres på forbrugsbaseret fakturering: Efterhånden som AI-fakturering skifter mod forbrugsbaserede modeller, bliver den økonomiske grøft for frontier-laboratorier smallere .
• 'Honeymoon er slut'-tesen: Denne junirapport udvider bankens tidligere advarsler fra 2026 om, at AI-sektoren står over for sit hårdeste år endnu, hvor værdiansættelser i stigende grad er koblet fra enhedsøkonomi og infrastrukturinvesteringer, der overstiger omsætningen . Banken har tidligere flaget, at 2026 ville være et 'gør eller dø'-år for uafhængige AI-virksomheder .
• Værdiansættelsesrisiko: Hvis de præmiepriser, der understøtter profitforventningerne for frontier-modelvirksomheder, ikke kan opretholdes, kan nuværende AI-aktieværdiansættelser komme under pres . Banken kalder dette et potentielt 'DeepSeek-øjeblik' for det luksuriøse prissegment på AI-markedet .

Kvalitetsgabet er reelt kun for de sværeste opgaver

For ~90% af rutineopgaver er ydelsen fra open-weight modeller sammenlignelig med de proprietære frontier-modeller . Den meningsfulde kvalitetsforskel findes kun på en smal del af de sværeste, mest avancerede benchmarks – ikke på langt de fleste virkelige produktionsopgaver. Branchedata understøtter dette: For specifikke opgaver som kodegenerering skrumper benchmarkgabet (10–15%) til et produktionsgap på blot 2–5% for åbne modeller .

Kapabilitetsforsinkelsen er komprimeret til 3-4 måneder

Deutsche Banks forskning viser, at efterslæbet for open-weight modeller i forhold til proprietære frontier-modeller er reduceret dramatisk – fra et flerårigt gab til blot 3–4 måneder pr. midten af 2026 . EpochAIs samtidige analyse placerer forsinkelsen på ~3 måneder på deres holistiske Capabilities Index med en gennemsnitlig scoreforskel på ca. 7 point . Denne 'faseændring' i udgivelseshastighed (fra en 6-måneders kadence i 2024 til en 72-timers kadence i Q1 2026) betyder, at enhver proprietær præstationsfordel er kortlivet .

Ikke et geografisk skel – men et åben vs. lukket skel

Deutsche Bank understreger, at dette ikke er et geografisk skel (f.eks. USA vs. Kina). Pris-ydelses-kompressionen er et strukturelt, globalt fænomen drevet af open-weight model-udbredelse på tværs af flere regioner – herunder Kinas DeepSeek og Zhipu AI, USAs Meta (Llama) og andre . Den relevante akse er åben vs. lukket, ikke øst vs. vest. Banken fremhæver specifikt, at DeepSeeks gennembrud i starten af 2025 markerede det tidspunkt, hvor den gamle geografiske indramning brød sammen .

Konsekvenser for AI-aktier og markedet

Deutsche Bank mener, at denne dynamik kan udløse en markedsomvurdering af AI . Centrale implikationer:

• Prispræmie-erosion: Proprietære modeludbydere (Anthropic, OpenAI, Google) kan få svært ved at opretholde høje API-priser, når virksomheder skifter til open-weight alternativer med sammenlignelig kvalitet til en brøkdel af prisen .
• Pres på forbrugsbaseret fakturering: Efterhånden som AI-fakturering skifter mod forbrugsbaserede modeller, bliver den økonomiske grøft for frontier-laboratorier smallere .
• 'Honeymoon er slut'-tesen: Denne junirapport udvider bankens tidligere advarsler fra 2026 om, at AI-sektoren står over for sit hårdeste år endnu, hvor værdiansættelser i stigende grad er koblet fra enhedsøkonomi og infrastrukturinvesteringer, der overstiger omsætningen . Banken har tidligere flaget, at 2026 ville være et 'gør eller dø'-år for uafhængige AI-virksomheder .
• Værdiansættelsesrisiko: Hvis de præmiepriser, der understøtter profitforventningerne for frontier-modelvirksomheder, ikke kan opretholdes, kan nuværende AI-aktieværdiansættelser komme under pres . Banken kalder dette et potentielt 'DeepSeek-øjeblik' for det luksuriøse prissegment på AI-markedet .