Deutsche Bank: Öppna AI-modeller utmanar lyxprissättning – 65 gånger billigare och nästan lika bra

Banken noterar att denna prispremie för proprietära modeller blir allt svårare att motivera i takt med att billigare öppna modeller snabbt närmar sig frontlinjens prestanda .

Kvalitetsgapet

För cirka 90 % av alla rutinuppgifter fann Deutsche Bank att prestandan hos öppna vikt-modeller är jämförbar med proprietära frontlinje-modeller . Det meningsfulla kvalitetsövertaget för proprietära modeller finns bara inom ett smalt spektrum av de svåraste, mest avancerade testerna – inte för den stora majoriteten av verkliga produktionsarbetsflöden. Branschövergripande data stöder detta: för specifika produktionsuppgifter som kodgenerering krymper benchmark-gapet (10–15 %) till ett produktionsgap på bara 2–5 % för öppna modeller .

Kompression av kapacitetsfördröjningen

Deutsche Banks forskning överensstämmer med oberoende resultat som visar att kapacitetsfördröjningen för öppna vikt-modeller bakom proprietära frontlinje-modeller har komprimerats dramatiskt – från ett gap på flera år till bara 3–4 månader i mitten av 2026 . EpochAIs samtida analys placerar fördröjningen på cirka 3 månader på deras holistiska Capabilities Index, med ett genomsnittligt poänggap på cirka 7 poäng . Denna "fasförändring" i lanseringshastighet (från en 6-månaders kadens 2024 till en 72-timmars kadens under Q1 2026) innebär att alla proprietära prestandafördelar är kortlivade .

Icke-geografisk karaktär av klyftan

Deutsche Bank betonar att detta inte är en geografisk klyfta (t.ex. USA vs. Kina). Kostnads- och prestandakompressionen är ett strukturellt, globalt fenomen som drivs av spridningen av öppna vikt-modeller från flera regioner – inklusive Kinas DeepSeek och Zhipu AI, USA:s Meta (Llama) och andra . Den relevanta axeln är öppet vs. stängt, inte öst vs. väst. Banken lyfter särskilt fram att DeepSeek:s genombrott i början av 2025 markerade den tidpunkt då den gamla geografiska inramningen bröts sönder .

Bredare marknadskonsekvenser för AI-värderingar

Deutsche Bank menar att denna dynamik kan utlösa en marknadsomvärdering av AI . Viktiga konsekvenser:

• Urholkning av prispremien: Leverantörer av proprietära modeller (Anthropic, OpenAI, Google) kan få svårt att upprätthålla höga API-priser när företag byter till öppna vikt-alternativ som levererar jämförbar kvalitet till dramatiskt lägre kostnad .
• Tryck på användningsbaserad prissättning: I takt med att AI-fakturering skiftar mot användningsbaserade modeller, minskar de ekonomiska försvarsverken för frontlinje-labb .
• "Smekmånaden är över"-tesen: Denna junirapport förlänger bankens tidigare varningar från 2026 om att AI-sektorn står inför sitt tuffaste år hittills, med värderingar som alltmer kopplas loss från enhetsekonomi och infrastrukturinvesteringar som överstiger intäkterna . Banken flaggade tidigare för att 2026 skulle bli ett "gör eller dö"-år för oberoende AI-företag .
• Värderingsrisk: Om den premieprissättning som ligger till grund för vinstförväntningarna för frontlinje-företag inte kan upprätthållas, kan nuvarande AI-aktievärderingar möta nedåtriktat tryck . Banken kallar detta en potentiell "DeepSeek-moment" för lyxprissegmentet på AI-marknaden .