Kinesiska AI-modeller utlöser priskrig – OpenAI och Anthropic tvingas till drastiska sänkningar

AI Intelligence Index visar på nästan jämbördig prestanda: DeepSeek V4 Flash får 50, GPT-5.6 Luna 51 och GPT-5.6 Terra 55 . DeepSeek har också lanserat ett starkare V4-0731-checkpoint till samma baspris, vilket omedelbart undercut OpenAI:s drag .

Moonshot AIs Kimi K3 beskrevs av Axios som ”på väg mot den amerikanska marknaden” som en del av den våg av kinesiska modeller som drev julipriserna . Moonshot har också skalat upp infrastrukturen aggressivt och lagt till 20 000 nya NVIDIA GPU:er .

Anthropic svarade genom att tyst uppgradera sin mellanklassmodell utan att röra prislappen, istället för att matcha sänkningarna rakt av .

Börspress

OpenAI och Anthropic uppges båda planera börsnoteringar som kommer att kräva att de visar lönsamhet – vilket gör priskriget särskilt smärtsamt. Kinesiska modeller pressar ner API-priserna och försvagar bristen på proprietära modeller, vilket krymper marginalerna precis när de amerikanska labben behöver visa att de kan tjäna pengar . Taipei Times noterade att kinesisk AI ”sätter press på Silicon Valleys ledande labb att sänka priserna för att ta marknadsandelar när de försöker hitta sätt att bli lönsamma” .

Företagens AI-strategi: Hybridanvändning av öppna viktmodeller

Företagens AI-kostnader nådde en bottennotering i augusti 2026, drivet av priskriget och en ökande användning av billiga kinesiska öppna viktmodeller, enligt Jefferies forskning . Viktiga förändringar:

• Token-andelsomsvängning: Sedan februari 2026 har kinesiska modeller stått för över 30% av de amerikanska företagens tokens på OpenRouter varje vecka, med en topp på 46% i mitten av juli. Amerikanska modeller hade 35,7% under samma period .
• Pris, inte kapacitet, driver användning: Prestandagapet är nu så litet att kostnad är den primära faktorn vid byte .
• Hybridstrategier: Företag använder alltmer öppna viktmodeller för kostnad och dataintegritet, samtidigt som de behåller proprietära API:er för specifika arbetsuppgifter . Fyra frontklass-öppna modeller lanserades inom sju veckor våren 2026, och användning sker nu inom dagar snarare än kvartal .

Öppen källkod vs proprietär: Gapet har nästan sluttis

Mozillas första State of Open Source AI-rapport, publicerad den 14 juli 2026, visade att prestandagapet mellan de bästa öppna modellerna och de främsta proprietära systemen har krympt till cirka 3% . Andra observatörer noterar att MMLU-gapet minskade från 17,5 till bara 0,3 procentenheter mellan 2024 och 2025 . Endast cirka 51% av de öppna modellerna når dock faktisk produktion, där ”selningslagret” och tillståndsmodellen fortfarande håller tillbaka företagsanvändningen .

Effekter på halvledarmarknaden

Även om bevisen är tunnare när det gäller specifika effekter på halvledarmarknaden, är dynamiken tydlig:

• Kinesiska AI-labb fortsätter att köpa NVIDIA GPU:er i stor skala (Moonshot lägger till 20 000 GPU:er) , vilket upprätthåller efterfrågan även när USA:s exportkontroller skärps.
• Den massiva ökningen av total AI-tokenvolym – driven av nära noll marginalkostnader – kan öka den totala chip-efterfrågan även när kostnaden per token sjunker.
• Analytiker som citeras av SCMP menar att ”rasande modellkostnader kommer att gynna AI-industrin i längden” genom att kraftigt expandera den tillgängliga marknaden .

Viktiga osäkerhetsfaktorer

• Lönsamhetstidslinje: Detaljer om börsnoteringar för OpenAI och Anthropic är fortfarande obekräftade; priskriget gör deras pre-IPO-marginalberättelser svårare att sälja.
• Halvledardata: Direkta bevis på prisförändringar eller utbudsförskjutningar på chipmarknaden som är specifikt knutna till detta priskrig är begränsade.
• Hållbarhet: Kinesiska labb är också förlustbringande och kan acceptera svaga marginaler för strategiska vinster ; det är oklart hur länge prisbotten kan fortsätta falla.