Warum Open-Weight-Modelle im Vercel AI Gateway plötzlich dominieren

Auf Vercels AI Gateway zeichnet sich ein deutlicher Strategiewechsel bei der Modellauswahl ab: Entwickler leiten große, kostenempfindliche Arbeitslasten zunehmend an Modelle mit offenen Gewichten weiter. Am Dienstag, dem 25. August 2026, entfielen 54 Prozent des über das Gateway verarbeiteten Token-Volumens auf Open-Weight-Modelle. Proprietäre Modelle kamen auf 46 Prozent.4

Am Samstag zuvor hatte der Anteil offener Modelle laut den gemeldeten Plattformdaten sogar 62 Prozent erreicht – gegenüber 38 Prozent für proprietäre Modelle.4

Der unmittelbare Auslöser war DeepSeek V4 Flash. Eine Aktualisierung der Gewichte verbesserte die Fähigkeiten des Modells beim Programmieren, bei der Nutzung von Tools und in agentischen Workflows, ohne es zu einem hochpreisigen Premium-Modell zu machen.19

Der Sprung beim Token-Volumen

Gemeldeter Zeitpunkt im August	Open-Weight-Modelle	Proprietäre Modelle
Samstag zuvor	62 %	38 %
Dienstag, 25. August	54 %	46 %

Damit lagen Open-Weight-Modelle am Dienstag um 8 Prozentpunkte vorn. Beim zuvor gemeldeten Rekord betrug der Vorsprung 24 Prozentpunkte.

Wichtig ist die Messgröße: Verglichen wird das Token-Volumen, das über das Gateway verarbeitet wurde. Die Zahlen sagen nicht unmittelbar etwas über Umsatz, Gewinn oder die Zahl der Unternehmen aus, die die jeweiligen Modelle einsetzen.

Warum DeepSeek V4 Flash den Unterschied machte

Vercel teilte mit, dass DeepSeek V4 Flash im AI Gateway standardmäßig mit aktualisierten Gewichten läuft. Im Benchmark Terminal-Bench stieg die Punktzahl von 56,9 in der April-Vorschau auf 82,7 – ein Plus von 25,8 Punkten.19

Für bestehende Anwendungen war die Umstellung besonders reibungslos: An der Modell-ID und am Anwendungscode musste nichts geändert werden. Nutzer, die bereits deepseek/deepseek-v4-flash verwendeten, erhielten die neuen Gewichte automatisch.19

Der Reiz des Modells liegt deshalb nicht allein im niedrigen Preis. Die bessere Leistung bei agentischen Aufgaben macht es für umfangreiche Programmier- und Tool-Use-Workloads interessanter. Gleichzeitig bietet die Einordnung als Effizienzmodell Entwicklern eine Möglichkeit, die Inferenzkosten bei hohem Volumen zu begrenzen. Vercel nennt Unterstützung für Reasoning, Tool-Nutzung und implizites Caching sowie ein Kontextfenster von 1 Million Tokens.27

Auch die Preisstruktur unterstreicht diese Positionierung. Reuters zufolge startete DeepSeek V4 Pro ungefähr mit dem Neunfachen des Preises von V4 Flash für Eingabetokens und dem 14-Fachen für Ausgabetokens.17 Unabhängige Vergleiche sehen für V4 Flash ebenfalls einen erheblichen Kostenvorteil, weisen aber darauf hin, dass Benchmark-Ergebnisse je nach Test und Konfiguration variieren.25

Warum proprietäre Modelle an Token-Anteil verloren

Die verfügbare Berichterstattung führt den Rückgang bei proprietären Modellen unter anderem auf eine schwächere Nachfrage nach Anthropic Fable 5 zurück, dessen Preis höher liegt.4 Das ist für Arbeitslasten nachvollziehbar, bei denen Durchsatz und Kosten pro Einheit wichtiger sind als die maximal mögliche Modellleistung. Die vorliegenden Gateway-Daten belegen jedoch keine einzige Ursache für jede Anfrage und jeden Kunden.

Fable 5 bleibt laut Vercels Produktbeschreibung auf lang laufende, mehrdeutige und mehrstufige Aufgaben ausgerichtet.3 Der August-Trend ist daher weniger ein allgemeines Urteil zugunsten offener Modelle als eine Frage des Routings: Für große Mengen geeigneter Aufgaben kommt ein günstigeres Modell zum Einsatz; anspruchsvollere Aufgaben, die den Aufpreis rechtfertigen, bleiben bei Premium-Modellen.

Mehr Token bedeuten nicht mehr Ausgaben

Die wichtigste Einschränkung betrifft den Unterschied zwischen Nutzung und Umsatz. In einer früheren Vercel-Auswertung stiegen Open-Weight-Modelle auf 29 Prozent des Gateway-Token-Volumens, machten aber weniger als 4 Prozent der Ausgaben aus.44

Der Grund ist einfach: Die Zahl der verarbeiteten Tokens berücksichtigt nicht, welchen Preis ein Anbieter pro Eingabe- oder Ausgabetoken verlangt. Proprietäre Modelle können daher weiterhin einen überproportional großen Anteil der Ausgaben auf sich vereinen, selbst wenn günstigere offene Modelle mehr Tokens verarbeiten.

Was Entwickler daraus ableiten können

Die Daten sprechen für ein bewussteres Modell-Routing:

• Effizienzmodelle für große Mengen einsetzen: Generierung mit hohem Volumen, Programmierhilfe und routinemäßige Tool-Aufrufe reagieren besonders empfindlich auf Kosten pro Token.
• Nach Aktualisierungen neu testen: Das Beispiel von DeepSeek V4 Flash zeigt, dass neue Gewichte das Leistungsprofil verändern können, ohne dass der Anwendungscode angepasst werden muss.19
• Qualität und Wirtschaftlichkeit getrennt bewerten: Ein besserer Benchmark-Wert beweist nicht, dass ein Modell für jede Produktionsumgebung geeignet ist. Genauigkeit, Zuverlässigkeit, Latenz, Datenschutz und Verfügbarkeit des Anbieters müssen ebenfalls geprüft werden.
• Ausgaben und Tokens gemeinsam beobachten: Das Modell mit dem größten Token-Volumen ist nicht automatisch das Modell mit dem größten Kostenbeitrag oder dem besten Preis-Leistungs-Verhältnis.

Die breitere Lehre aus Vercels August-Daten lautet: Open-Weight-Modelle können im Produktionseinsatz viel Volumen gewinnen, wenn sie ausreichende Fähigkeiten mit deutlich niedrigeren Kosten verbinden. DeepSeek V4 Flash ist dafür das auffälligste Beispiel. Der grundlegende Wandel besteht jedoch nicht darin, jedes proprietäre Modell sofort zu ersetzen, sondern für jede Arbeitslast das günstigste Modell zu wählen, das zuverlässig genug arbeitet.