AnswersPublished31 sources
Hvorfor AI-tokenpriser falt under én dollar
Silicon Datas indeks falt til 97 cent per million token 31. august 2026 – det laveste nivået siden indeksen ble opprettet.
Publisert avRedigert med GPT-5.6 LunaBilder generert med GPT Image 1.5
Research answer
Key takeaways
- Silicon Datas indeks falt til 97 cent per million token 31. august 2026 – det laveste nivået siden indeksen ble opprettet.
- DeepSeeks permanente priskutt på 75 prosent og Xiaomis kutt på opptil 99 prosent bidro til å utløse en bredere priskrig på AI inferens.
- Billigere inferens kan føre til langt høyere bruk, men et rapportert gap på 46 prosent mellom AI investeringer og salgsvekst viser at lønnsomheten fortsatt er usikker.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What caused the Silicon Data LLM Token Expenditure Index to fall below $1 per million tokens to a record low, how did Chinese AI laboratorie. Article summary: The index fell below $1 because the effective market price of inference was pushed down by cheaper open-weight Chinese models, aggressive API discounting, lower production costs, and competitive cuts by frontier provider. Topic tags: general, general web, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
Silicon Datas LLM Token Expenditure Index falt under én dollar per million token fordi markedet beveget seg mot billigere modeller samtidig som leverandørene kuttet API-prisene gjentatte ganger. Den brede markedsindeksen nådde 97 cent 31. august 2026 – det laveste nivået siden indeksen ble opprettet, og mindre enn halvparten av toppnivået tidligere i sommer. 4
Det er likevel viktig å lese tallet riktig. Indeksen er et bruksvektet mål på hva markedet betaler for én million inferenstoken – altså tekstbiter som behandles av en språkmodell. Den måler ikke samlet AI-forbruk, samlet tokenvolum eller den totale AI-regningen. En fallende indeks viser derfor at KI blir billigere per enhet, ikke nødvendigvis at etterspørselen faller. 2
7
8
Derfor nådde prisen et rekordlavt nivå
Flere krefter trakk den effektive markedsprisen ned samtidig:
- Billigere kinesiske modeller tok markedsandeler. Åpne og kostnadseffektive modeller ga utviklere alternativer til de dyreste, proprietære systemene. Det presset den sammenveide markedsprisen ned.
38
39
- Pris ble brukt som konkurransevåpen. Lavere API-priser kan hjelpe modellutviklere med å skaffe brukere, øke utbredelsen og forsvare markedsandeler i en situasjon der forskjellene i modellkapasitet blir mindre.
- Inferens ble billigere å levere. Lavere produksjons- og driftskostnader gjorde det enklere å tilby mer datakraft for mindre penger. Kildene viser imidlertid ikke at alle leverandører har samme kostnadsstruktur.
- Globale konkurrenter svarte. Prispresset spredte seg utenfor Kina da også ledende internasjonale aktører satte ned prisene på rimeligere modellnivåer.
36
37
Utviklingen gikk i hovedsak nedover: Indeksen lå over 2 dollar per million token tidlig i juni, falt til rundt 1,16–1,18 dollar i begynnelsen av august og krysset senere grensen på én dollar. 1
38
4 De nøyaktige mellomnivåene er mindre sikre, fordi offentlige øyeblikksbilder og videreformidlede rapporter ikke alltid samsvarer. En offentlig avlesning 27. juli var for eksempel oppgitt til 1,43 dollar.
1
2
Slik ble kinesisk AI-konkurranse til priskrig
Den tydeligste utløsende faktoren var DeepSeeks beslutning i mai om å gjøre et priskutt på 75 prosent for V4-Pro permanent. Selskapet opplyste at de nye prisene skulle ligge på en fjerdedel av det opprinnelige nivået, med variasjoner avhengig av bruksområde. 33
Andre kinesiske leverandører fulgte etter. Xiaomi varslet API-kutt på opptil 99 prosent for MiMo-V2.5-modellene. Samtidig ble det meldt om prisreduksjoner hos flere store kinesiske AI-laboratorier, blant andre ByteDance, Tencent, MiniMax og Alibaba. 39
46
Dette endrer hva kundene sammenligner. Det handler ikke lenger bare om hvilken modell som er smartest, men om hvor mye kapasitet man får per krone, i tillegg til responstid, konteksthåndtering, stabilitet og hvor fleksibelt modellen kan tas i bruk.
Når modellene er gode nok til mange rutineoppgaver, kan en stor prisforskjell raskt flytte bruken fra én leverandør til en annen. Det kan gjelde alt fra kundeservice og programmering til dokumentbehandling, lange kontekster og såkalte agentiske arbeidsflyter – systemer som utfører flere trinn på egen hånd.
Priskrigen har samtidig nådd et vendepunkt. I august satte DeepSeek opp prisene på nyere flaggskipmodeller og innførte egne topp- og lavtrafikkpriser. Prisene utenom rushtiden ble satt til halvparten av toppprisene. Det tyder på at leverandørene ikke kan tilby ubegrenset etterspørsel til lavest mulig pris uten å ta hensyn til GPU-kapasitet, belastning og kostnadene ved infrastrukturen. 35
Hvorfor lavere tokenpriser ikke betyr lavere AI-forbruk
Sammenhengen kan oppsummeres slik:
Totale utgifter = pris per token × antall token som brukes.
Hvis prisen faller med 90 prosent, men bruken øker med mer enn 90 prosent, kan de samlede utgiftene fortsatt stige. Lavere priser gjør arbeidsoppgaver som tidligere var for dyre, økonomisk interessante. Det gjelder blant annet automatisert kundeservice, kodeproduksjon, dokumentbehandling, løsninger med lang kontekst og agentiske systemer.
Enkelte analyser anslår at tokenprisene har falt med mer enn 90 prosent siden 2023, samtidig som de samlede AI-utgiftene omtrent har doblet seg. Det passer med et marked der billigere inferens åpner for flere lønnsomme bruksområder, i stedet for å ødelegge etterspørselen. 19
22
Kinas bredere «tokenøkonomi» gir et signal om etterspørselen. Den nasjonale kinesiske datamyndigheten opplyste at det daglige tokenforbruket passerte 140 billioner i mars – mer enn 40 prosent over de 100 billionene som ble registrert ved utgangen av året før. 26
32
Kinas største teleoperatører investerer også i kapasitet for AI-beregninger. China Telecom rapporterte en økning på 95 prosent i inntektene fra intelligent databehandling i første halvår, mens China Unicoms investeringer i datainfrastruktur steg med mer enn 80 prosent fra året før. 17
18
Tallene viser ikke at alle modellutviklere tjener penger. De illustrerer heller hvordan lavere enhetspriser kan legge grunnlaget for langt større volum – og dermed mer etterspørsel etter datasentre, brikker, nettverk og strøm.
Det store spørsmålet: investeringer eller overinvesteringer?
Den optimistiske tolkningen er at fallende inferenspriser markerer starten på masseutbredelse. Billigere KI kan utløse så mye ny bruk at den samlede tokenmengden vokser nok til å forsvare videre investeringer i nettskykapasitet, datasentre, prosessorer, nettverk og energi.
Den mer skeptiske tolkningen handler om når investeringene faktisk gir avkastning. Rapporter som viser til Allianz Research, setter gapet mellom AI-investeringer og salgsvekst til rundt 46 prosent. Det er større enn avstanden på omtrent 32 prosent under telekom-overinvesteringene i 2001. 20
22
23
Sammenligningen er en advarsel, ikke et bevis på at AI gjentar telekomboblen. Infrastruktur kan etter hvert støtte langt større arbeidsmengder, men både modellutviklere og infrastruktureiere står overfor tre tydelige risikoer:
- Prisdeflasjon: Mer kapable modeller kan fortsette å bli solgt billigere.
- Utnyttelsesrisiko: Kostbar, fast infrastruktur krever vedvarende etterspørsel – ikke bare midlertidige brukstopper.
- Inntektsrisiko: Tokenvolumet må vokse raskt nok til å kompensere for lavere priser og gi avkastning på store kapitalbindinger.
Slik bør indeksen leses
Den nye bunnoteringen i Silicon Data-indeksen bør først og fremst tolkes som et signal om prissettingsmakt og betalingsvilje, ikke som et selvstendig mål på AI-etterspørsel. Den viser at markedet betaler mindre for hver inferensenhet, delvis fordi bruken flyttes mot billigere modeller og fordi leverandørene konkurrerer aggressivt på pris. 7
8
14
Det avgjørende spørsmålet er hva som skjer videre: Klarer lavere priser å åpne så mange nye bruksområder at de samlede inntektene vokser, eller løper priskrigen fra etterspørselen og etterlater bransjen med dyr infrastruktur og svak avkastning?
Det tilgjengelige materialet støtter begge tolkningene: Økt bruk taler for en ekspanderende etterspørsel, mens det store gapet mellom investeringer og salgsvekst viser at den finansielle risikoen er reell. Utfallet er foreløpig ikke avgjort.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Hvorfor AI-tokenpriser falt under én dollar"?
Silicon Datas indeks falt til 97 cent per million token 31. august 2026 – det laveste nivået siden indeksen ble opprettet.
What are the key points to validate first?
Silicon Datas indeks falt til 97 cent per million token 31. august 2026 – det laveste nivået siden indeksen ble opprettet. DeepSeeks permanente priskutt på 75 prosent og Xiaomis kutt på opptil 99 prosent bidro til å utløse en bredere priskrig på AI inferens.
What should I do next in practice?
Billigere inferens kan føre til langt høyere bruk, men et rapportert gap på 46 prosent mellom AI investeringer og salgsvekst viser at lønnsomheten fortsatt er usikker.