Tallene, som The Information har fått fra dokumenter delt med aksjonærene, understreker den sentrale utfordringen for AI-bransjen: den eksplosive etterspørselen blir ennå ikke til bærekraftig profitt . Innsatsen er høy, ettersom både OpenAI og Anthropic angivelig har levert hemmelige IPO-søknader i midten av 2026, noe som tvinger dem til å vise en troverdig vei til lønnsomhet .

Programvareløsningen: Routingsystem for flere modeller

Den spesifikke programvareoptimaliseringen OpenAI har utviklet for å kutte inferenskostnadene med mer enn halvparten, kalles multimodell-ruting (multi-model routing). Teknikken ruter enkle spørsmål automatisk til mindre, billigere modeller, mens de kraftigste (og dyreste) modellene bare brukes til komplekse oppgaver .

Bransjeoversikter beskriver hybridtilnærmingen som en 30–75 prosents kostnadsreduksjon på modellnivå, ved bruk av kvantisering, destillasjon og riktig dimensjonering. Kombinert med kjøretidsoptimaliseringer som samling i batcher, spekulativ dekoding og KV-cache-administrasjon, kan man oppnå 40–80 prosents gjennomstrømningsgevinster . OpenAI har også gjort dette til en tjeneste ved å tilby 50 prosents priskutt for utsatt inferens via Batch API – for kunder som godtar å vente i opptil 24 timer .

Utover rutingen har ingeniører hos OpenAI fortalt The Information at teknikkene er så effektive at de på et tidspunkt kunne betjene ChatGPT for ikke-innloggede brukere med bare et par hundre NVIDIA-GPU-er .

Maskinvaresatsingen: Jalapeño – en spesialbygget inferensbrikke

Den 24. juni 2026 avduket OpenAI og Broadcom Jalapeño, OpenAIs første egenutviklede inferensbrikke . Viktige detaljer:

• Type: Application-specific integrated circuit (ASIC) – ikke en GPU, men en brikke bygget utelukkende for LLM-inferens
• Kostnadsreduksjon: Tidlige tester viser omtrent 50 prosent lavere kostnad per inferens sammenlignet med dagens NVIDIA-GPU-baserte inferensmaskinvare
• Ytelse: Gir "vesentlig bedre" ytelse per watt enn dagens teknologi
• Utvikling: Designet og produsert på bare ni måneder, akselerert av OpenAIs egne AI-modeller som hjalp til med brikkedesignet
• Utrulling: Målsetting om utrulling i gigawattskala innen utgangen av 2026
• Langsiktig forpliktelse: Del av en 10 GW infrastrukturforpliktelse frem til 2029
• Årlige besparelser: 50 prosents kostnadsreduksjon kan gi 500 millioner til 1 milliard dollar i årlige besparelser for OpenAI innen 2028

OpenAI beskriver brikken som "den første byggesteinen i en flerårig, egenutviklet silisiumsveikart" for å bygge sin egen databærebjelke og redusere avhengigheten av NVIDIAs prissetting . Brikken er vertikalt integrert – OpenAI vil bruke den utelukkende til egne inferensoppgaver, og den selges ikke til eksterne kunder .

De økonomiske utfordringene i detalj

Nøkkeltall fra aksjonærdokumentene for Q1 2026:

• Inntekter: 5,7 milliarder dollar (omtrent tredoblet fra året før)
• Kontantforbrenning: 3,7 milliarder dollar (også tredoblet)
• Driftsunderskudd: 9,3 milliarder dollar i Q1 alene
• Nettotap: 21,3 milliarder dollar (inkludert aksjebasert kompensasjon på 2,3 milliarder dollar og en ikke-kontant regnskapspost på 12,4 milliarder dollar)
• FoU-utgifter: 8,6 milliarder dollar
• Bruttomargin: Forbedret seg svakt til 39 prosent
• Kontantbeholdning: 73 milliarder dollar i kontanter og verdipapirer, noe som gir handlingsrom til tross for de store tapene

Selskapets driftsmargin var omtrent -122 prosent, noe som betyr at det tapte omtrent 1,22 dollar for hver dollar det tjente . I 2025 som helhet hadde OpenAI et underskudd på omtrent 38,5 milliarder dollar på 34 milliarder dollar i utgifter .

Det bredere kappløpet i bransjen: Inferenskostnadene raser

OpenAIs kostnadskutt er en del av en bredere priskrig som omformer AI-økonomien:

• Anthropic har økt kundeveksten og gått forbi OpenAI i bedriftsadopsjon i USA (34,4 prosent mot 32,3 prosent) per mai 2026 .
• Open-source-modeller presser prisene ned: Fire kinesiske modeller med åpne vekter matcher nå de beste kodebenchmarkene til en tredjedel av prisen for proprietære alternativer . DeepSeek V4 skal visstnok være femti ganger billigere å kjøre enn Claude Opus 4.6 .
• Googles Gemini 3.1 Flash koster 0,10 dollar per million inndata-tokens – en prisreduksjon på 99,7 prosent på tre år .
• Anthropics Claude Sonnet 4.6 overgår GPT-4 på alle etablerte benchmarker til 3 dollar per million inndata-tokens .
• Inferenskostnadene har falt omtrent 50 ganger på tre år, og markedet forventes å vokse fra 103 milliarder dollar (2025) til 255 milliarder dollar (2030) .
• OpenAI vurderer betydelige priskutt per token for utviklere og bedriftskunder for å komme lignende trekk fra Anthropic i forkjøpet .
• Kunder tar i økende grad i bruk verktøy for multimodell-ruting for å blande og matche billigere modeller og unngå premiumprising fra én enkelt leverandør .

Hva dette betyr for AI-bransjen

Kombinasjonen av programvare- og maskinvareoptimaliseringer gjør at OpenAI potensielt kan halvere sine inferenskostnader samtidig som de skalerer opp. Men selskapet opererer ikke i et vakuum. Det bredere fallet i inferensprising – drevet av konkurrenter, open-source-alternativer og spesialisert maskinvare – betyr at priskraften er i ferd med å erodere i hele bransjen .

For bedrifter er dette gode nyheter: den effektive kostnaden for å kjøre AI-arbeidsmengder faller raskere enn evnene vokser. OpenAIs Batch API tilbyr allerede 50 prosent rabatt for utsatte arbeidsmengder, mens multimodell-ruting kan kutte kostnadene med 40–60 prosent uten å ofre kvalitet . Spørsmålet er om noen enkeltleverandør kan opprettholde premiumprising i et marked der kinesiske open-source-modeller tilbyr evner på frontlinjenivå til en brøkdel av prisen .

Tallene, som The Information har fått fra dokumenter delt med aksjonærene, understreker den sentrale utfordringen for AI-bransjen: den eksplosive etterspørselen blir ennå ikke til bærekraftig profitt . Innsatsen er høy, ettersom både OpenAI og Anthropic angivelig har levert hemmelige IPO-søknader i midten av 2026, noe som tvinger dem til å vise en troverdig vei til lønnsomhet .

Programvareløsningen: Routingsystem for flere modeller

Den spesifikke programvareoptimaliseringen OpenAI har utviklet for å kutte inferenskostnadene med mer enn halvparten, kalles multimodell-ruting (multi-model routing). Teknikken ruter enkle spørsmål automatisk til mindre, billigere modeller, mens de kraftigste (og dyreste) modellene bare brukes til komplekse oppgaver .

Bransjeoversikter beskriver hybridtilnærmingen som en 30–75 prosents kostnadsreduksjon på modellnivå, ved bruk av kvantisering, destillasjon og riktig dimensjonering. Kombinert med kjøretidsoptimaliseringer som samling i batcher, spekulativ dekoding og KV-cache-administrasjon, kan man oppnå 40–80 prosents gjennomstrømningsgevinster . OpenAI har også gjort dette til en tjeneste ved å tilby 50 prosents priskutt for utsatt inferens via Batch API – for kunder som godtar å vente i opptil 24 timer .

Utover rutingen har ingeniører hos OpenAI fortalt The Information at teknikkene er så effektive at de på et tidspunkt kunne betjene ChatGPT for ikke-innloggede brukere med bare et par hundre NVIDIA-GPU-er .

Maskinvaresatsingen: Jalapeño – en spesialbygget inferensbrikke

Den 24. juni 2026 avduket OpenAI og Broadcom Jalapeño, OpenAIs første egenutviklede inferensbrikke . Viktige detaljer:

• Type: Application-specific integrated circuit (ASIC) – ikke en GPU, men en brikke bygget utelukkende for LLM-inferens
• Kostnadsreduksjon: Tidlige tester viser omtrent 50 prosent lavere kostnad per inferens sammenlignet med dagens NVIDIA-GPU-baserte inferensmaskinvare
• Ytelse: Gir "vesentlig bedre" ytelse per watt enn dagens teknologi
• Utvikling: Designet og produsert på bare ni måneder, akselerert av OpenAIs egne AI-modeller som hjalp til med brikkedesignet
• Utrulling: Målsetting om utrulling i gigawattskala innen utgangen av 2026
• Langsiktig forpliktelse: Del av en 10 GW infrastrukturforpliktelse frem til 2029
• Årlige besparelser: 50 prosents kostnadsreduksjon kan gi 500 millioner til 1 milliard dollar i årlige besparelser for OpenAI innen 2028

OpenAI beskriver brikken som "den første byggesteinen i en flerårig, egenutviklet silisiumsveikart" for å bygge sin egen databærebjelke og redusere avhengigheten av NVIDIAs prissetting . Brikken er vertikalt integrert – OpenAI vil bruke den utelukkende til egne inferensoppgaver, og den selges ikke til eksterne kunder .

De økonomiske utfordringene i detalj

Nøkkeltall fra aksjonærdokumentene for Q1 2026:

• Inntekter: 5,7 milliarder dollar (omtrent tredoblet fra året før)
• Kontantforbrenning: 3,7 milliarder dollar (også tredoblet)
• Driftsunderskudd: 9,3 milliarder dollar i Q1 alene
• Nettotap: 21,3 milliarder dollar (inkludert aksjebasert kompensasjon på 2,3 milliarder dollar og en ikke-kontant regnskapspost på 12,4 milliarder dollar)
• FoU-utgifter: 8,6 milliarder dollar
• Bruttomargin: Forbedret seg svakt til 39 prosent
• Kontantbeholdning: 73 milliarder dollar i kontanter og verdipapirer, noe som gir handlingsrom til tross for de store tapene

Selskapets driftsmargin var omtrent -122 prosent, noe som betyr at det tapte omtrent 1,22 dollar for hver dollar det tjente . I 2025 som helhet hadde OpenAI et underskudd på omtrent 38,5 milliarder dollar på 34 milliarder dollar i utgifter .

Det bredere kappløpet i bransjen: Inferenskostnadene raser

OpenAIs kostnadskutt er en del av en bredere priskrig som omformer AI-økonomien:

• Anthropic har økt kundeveksten og gått forbi OpenAI i bedriftsadopsjon i USA (34,4 prosent mot 32,3 prosent) per mai 2026 .
• Open-source-modeller presser prisene ned: Fire kinesiske modeller med åpne vekter matcher nå de beste kodebenchmarkene til en tredjedel av prisen for proprietære alternativer . DeepSeek V4 skal visstnok være femti ganger billigere å kjøre enn Claude Opus 4.6 .
• Googles Gemini 3.1 Flash koster 0,10 dollar per million inndata-tokens – en prisreduksjon på 99,7 prosent på tre år .
• Anthropics Claude Sonnet 4.6 overgår GPT-4 på alle etablerte benchmarker til 3 dollar per million inndata-tokens .
• Inferenskostnadene har falt omtrent 50 ganger på tre år, og markedet forventes å vokse fra 103 milliarder dollar (2025) til 255 milliarder dollar (2030) .
• OpenAI vurderer betydelige priskutt per token for utviklere og bedriftskunder for å komme lignende trekk fra Anthropic i forkjøpet .
• Kunder tar i økende grad i bruk verktøy for multimodell-ruting for å blande og matche billigere modeller og unngå premiumprising fra én enkelt leverandør .

Hva dette betyr for AI-bransjen

Kombinasjonen av programvare- og maskinvareoptimaliseringer gjør at OpenAI potensielt kan halvere sine inferenskostnader samtidig som de skalerer opp. Men selskapet opererer ikke i et vakuum. Det bredere fallet i inferensprising – drevet av konkurrenter, open-source-alternativer og spesialisert maskinvare – betyr at priskraften er i ferd med å erodere i hele bransjen .

For bedrifter er dette gode nyheter: den effektive kostnaden for å kjøre AI-arbeidsmengder faller raskere enn evnene vokser. OpenAIs Batch API tilbyr allerede 50 prosent rabatt for utsatte arbeidsmengder, mens multimodell-ruting kan kutte kostnadene med 40–60 prosent uten å ofre kvalitet . Spørsmålet er om noen enkeltleverandør kan opprettholde premiumprising i et marked der kinesiske open-source-modeller tilbyr evner på frontlinjenivå til en brøkdel av prisen .