Siffrorna, som The Information rapporterat från dokument som delats med aktieägarna, understryker AI-branschens centrala dilemma: den explosiva efterfrågan leder ännu inte till hållbar lönsamhet . Insatserna är höga – både OpenAI och Anthropic har enligt uppgift lämnat in hemliga börsintroduktionsansökningar i mitten av 2026, vilket tvingar dem att visa en trovärdig väg till vinst .

Mjukvarulösningen: Multimodellroutning

Den specifika mjukvaruoptimering som OpenAI utvecklat för att minska inferenskostnaderna med mer än hälften kallas multimodellroutning. Tekniken skickar automatiskt enkla frågor till mindre, billigare modeller medan de mest kraftfulla (och dyra) modellerna reserveras för komplexa förfrågningar .

Branschguider beskriver hybridmetoden som en 30–75% kostnadsminskning på modellnivå genom kvantisering, destillation och rätt dimensionering, kombinerat med runtime-optimeringar som batchningsbehandling, spekulativ avkodning och KV-cachehantering som kan ge 40–80% genomströmningsvinster . OpenAI har även operationaliserat detta genom att erbjuda 50% prisavdrag för fördröjd inferens via sitt Batch-API – om kunderna går med på att vänta upp till 24 timmar på svar .

Utöver routning har OpenAI:s ingenjörer, enligt The Information, berättat att optimeringarna är så kraftfulla att de vid ett tillfälle kunde betjäna ChatGPT för utloggade besökare med bara ett par hundra Nvidia-GPU:er .

Hårdvarusatsningen: Det egna chipet Jalapeño

Den 24 juni 2026 presenterade OpenAI tillsammans med Broadcom Jalapeño – OpenAI:s första egenutvecklade inferenschip . Viktiga detaljer:

• Typ: Applikationsspecifik integrerad krets (ASIC) – inte en GPU, utan specialbyggd enbart för LLM-inferens
• Kostnadsminskning: Tidiga tester visar cirka 50% lägre kostnad per inferens jämfört med nuvarande Nvidia-baserad inferenshårdvara
• Prestanda: Levererar ”betydligt bättre” prestanda per watt än nuvarande toppmoderna alternativ
• Utvecklingstid: Från design till produktion på bara nio månader, påskyndad av att OpenAI:s egna AI-modeller hjälpt till med chipdesignen
• Driftsättning: Gigawattskalig driftsättning planerad till slutet av 2026
• Långsiktigt åtagande: Del av ett 10 GW infrastrukturåtagande fram till 2029
• Årliga besparingar: 50-procentig kostnadsminskning kan omräknat innebära 500 miljoner till 1 miljard dollar i årliga besparingar för OpenAI till 2028

OpenAI beskriver chipet som ”den första byggstenen i en flerårig roadmap för egenutvecklad kisel” för att bygga en egen beräkningsstack och minska beroendet av Nvidias prissättning . Chipet är vertikalt integrerat – OpenAI kommer att använda det uteslutande för sina egna inferensarbetsbelastningar och inte sälja det till externa kunder .

Finansiellt tryck i detalj

Nyckeltal från aktieägardokumenten för Q1 2026:

• Intäkter: 5,7 miljarder dollar (ungefär tredubblat jämfört med föregående år)
• Kassaflöde: -3,7 miljarder dollar (också tredubblat jämfört med föregående år)
• Rörelseförlust: 9,3 miljarder dollar under kvartalet
• Nettoförlust: 21,3 miljarder dollar (inklusive aktierelaterad ersättning på 2,3 miljarder dollar och en icke-kassamässig redovisningsavgift på 12,4 miljarder dollar)
• FoU-kostnader: 8,6 miljarder dollar
• Bruttomarginal: Förbättrades något till 39 %
• Kassareserv: 73 miljarder dollar i kontanter och värdepapper, vilket ger utrymme trots de massiva förlusterna

Bolagets rörelsemarginal var ungefär -122 %, vilket innebär att man förlorade cirka 1,22 dollar för varje intjänad dollar . Totalt för 2025 redovisade OpenAI förluster på ungefär 38,5 miljarder dollar på utgifter på 34 miljarder dollar .

Den bredare industrikapplöpningen: Inferenskostnader rasar

OpenAI:s kostnadsbesparingar är en del av ett bredare priskrig som omformar AI-ekonomin:

• Anthropic har ökat sin kundtillväxt och gått om OpenAI i amerikansk företagsanvändning (34,4 % mot 32,3 %) i maj 2026 .
• Open source-modeller pressar priserna: fyra kinesiska open-weights-modeller matchar nu toppmoderna kodningsriktmärken till en tredjedel av kostnaden jämfört med proprietära alternativ . DeepSeek V4 rapporterades vara femtio gånger billigare att köra än Claude Opus 4.6 .
• Googles Gemini 3.1 Flash kostar 0,10 dollar per miljon inmatningstoken – en prisminskning på 99,7 % på tre år .
• Anthropics Claude Sonnet 4.6 överträffar GPT-4 på samtliga äldre riktmärken och kostar 3 dollar per miljon inmatningstoken .
• Inferenskostnaderna har fallit ungefär 50 gånger på tre år, och marknaden beräknas växa från 103 miljarder dollar (2025) till 255 miljarder dollar (2030) .
• OpenAI överväger betydande prissänkningar per token för utvecklare och företagskunder för att förekomma liknande drag från Anthropic .
• Kunderna använder allt oftare multimodellroutningsverktyg för att blanda och matcha billigare modeller och undvika premiumprissättning från enskilda leverantörer .

Vad detta betyder för AI-branschen

Kombinationen av mjukvaru- och hårdvaruoptimeringar positionerar OpenAI för att potentiellt halvera sina inferenskostnader samtidigt som man skalar upp. Men bolaget agerar inte i ett vakuum. Den bredare prisnedgången för inferens – driven av konkurrenter, open source-alternativ och specialiserad hårdvara – innebär att prissättningskraften urholkas i hela branschen .

För företag är detta goda nyheter: den effektiva kostnaden för att köra AI-arbetsbelastningar sjunker snabbare än kapaciteten växer. OpenAIs Batch-API erbjuder redan 50 % rabatt för fördröjda arbetsbelastningar, medan multimodellroutning kan minska kostnaderna med 40–60 % utan att kompromissa med kvaliteten . Frågan är om någon enskild leverantör kan upprätthålla premiumprissättning på en marknad där kinesiska open source-modeller erbjuder toppmodern kapacitet till en bråkdel av kostnaden .

Siffrorna, som The Information rapporterat från dokument som delats med aktieägarna, understryker AI-branschens centrala dilemma: den explosiva efterfrågan leder ännu inte till hållbar lönsamhet . Insatserna är höga – både OpenAI och Anthropic har enligt uppgift lämnat in hemliga börsintroduktionsansökningar i mitten av 2026, vilket tvingar dem att visa en trovärdig väg till vinst .

Mjukvarulösningen: Multimodellroutning

Den specifika mjukvaruoptimering som OpenAI utvecklat för att minska inferenskostnaderna med mer än hälften kallas multimodellroutning. Tekniken skickar automatiskt enkla frågor till mindre, billigare modeller medan de mest kraftfulla (och dyra) modellerna reserveras för komplexa förfrågningar .

Branschguider beskriver hybridmetoden som en 30–75% kostnadsminskning på modellnivå genom kvantisering, destillation och rätt dimensionering, kombinerat med runtime-optimeringar som batchningsbehandling, spekulativ avkodning och KV-cachehantering som kan ge 40–80% genomströmningsvinster . OpenAI har även operationaliserat detta genom att erbjuda 50% prisavdrag för fördröjd inferens via sitt Batch-API – om kunderna går med på att vänta upp till 24 timmar på svar .

Utöver routning har OpenAI:s ingenjörer, enligt The Information, berättat att optimeringarna är så kraftfulla att de vid ett tillfälle kunde betjäna ChatGPT för utloggade besökare med bara ett par hundra Nvidia-GPU:er .

Hårdvarusatsningen: Det egna chipet Jalapeño

Den 24 juni 2026 presenterade OpenAI tillsammans med Broadcom Jalapeño – OpenAI:s första egenutvecklade inferenschip . Viktiga detaljer:

• Typ: Applikationsspecifik integrerad krets (ASIC) – inte en GPU, utan specialbyggd enbart för LLM-inferens
• Kostnadsminskning: Tidiga tester visar cirka 50% lägre kostnad per inferens jämfört med nuvarande Nvidia-baserad inferenshårdvara
• Prestanda: Levererar ”betydligt bättre” prestanda per watt än nuvarande toppmoderna alternativ
• Utvecklingstid: Från design till produktion på bara nio månader, påskyndad av att OpenAI:s egna AI-modeller hjälpt till med chipdesignen
• Driftsättning: Gigawattskalig driftsättning planerad till slutet av 2026
• Långsiktigt åtagande: Del av ett 10 GW infrastrukturåtagande fram till 2029
• Årliga besparingar: 50-procentig kostnadsminskning kan omräknat innebära 500 miljoner till 1 miljard dollar i årliga besparingar för OpenAI till 2028

OpenAI beskriver chipet som ”den första byggstenen i en flerårig roadmap för egenutvecklad kisel” för att bygga en egen beräkningsstack och minska beroendet av Nvidias prissättning . Chipet är vertikalt integrerat – OpenAI kommer att använda det uteslutande för sina egna inferensarbetsbelastningar och inte sälja det till externa kunder .

Finansiellt tryck i detalj

Nyckeltal från aktieägardokumenten för Q1 2026:

• Intäkter: 5,7 miljarder dollar (ungefär tredubblat jämfört med föregående år)
• Kassaflöde: -3,7 miljarder dollar (också tredubblat jämfört med föregående år)
• Rörelseförlust: 9,3 miljarder dollar under kvartalet
• Nettoförlust: 21,3 miljarder dollar (inklusive aktierelaterad ersättning på 2,3 miljarder dollar och en icke-kassamässig redovisningsavgift på 12,4 miljarder dollar)
• FoU-kostnader: 8,6 miljarder dollar
• Bruttomarginal: Förbättrades något till 39 %
• Kassareserv: 73 miljarder dollar i kontanter och värdepapper, vilket ger utrymme trots de massiva förlusterna

Bolagets rörelsemarginal var ungefär -122 %, vilket innebär att man förlorade cirka 1,22 dollar för varje intjänad dollar . Totalt för 2025 redovisade OpenAI förluster på ungefär 38,5 miljarder dollar på utgifter på 34 miljarder dollar .

Den bredare industrikapplöpningen: Inferenskostnader rasar

OpenAI:s kostnadsbesparingar är en del av ett bredare priskrig som omformar AI-ekonomin:

• Anthropic har ökat sin kundtillväxt och gått om OpenAI i amerikansk företagsanvändning (34,4 % mot 32,3 %) i maj 2026 .
• Open source-modeller pressar priserna: fyra kinesiska open-weights-modeller matchar nu toppmoderna kodningsriktmärken till en tredjedel av kostnaden jämfört med proprietära alternativ . DeepSeek V4 rapporterades vara femtio gånger billigare att köra än Claude Opus 4.6 .
• Googles Gemini 3.1 Flash kostar 0,10 dollar per miljon inmatningstoken – en prisminskning på 99,7 % på tre år .
• Anthropics Claude Sonnet 4.6 överträffar GPT-4 på samtliga äldre riktmärken och kostar 3 dollar per miljon inmatningstoken .
• Inferenskostnaderna har fallit ungefär 50 gånger på tre år, och marknaden beräknas växa från 103 miljarder dollar (2025) till 255 miljarder dollar (2030) .
• OpenAI överväger betydande prissänkningar per token för utvecklare och företagskunder för att förekomma liknande drag från Anthropic .
• Kunderna använder allt oftare multimodellroutningsverktyg för att blanda och matcha billigare modeller och undvika premiumprissättning från enskilda leverantörer .

Vad detta betyder för AI-branschen

Kombinationen av mjukvaru- och hårdvaruoptimeringar positionerar OpenAI för att potentiellt halvera sina inferenskostnader samtidigt som man skalar upp. Men bolaget agerar inte i ett vakuum. Den bredare prisnedgången för inferens – driven av konkurrenter, open source-alternativ och specialiserad hårdvara – innebär att prissättningskraften urholkas i hela branschen .

För företag är detta goda nyheter: den effektiva kostnaden för att köra AI-arbetsbelastningar sjunker snabbare än kapaciteten växer. OpenAIs Batch-API erbjuder redan 50 % rabatt för fördröjda arbetsbelastningar, medan multimodellroutning kan minska kostnaderna med 40–60 % utan att kompromissa med kvaliteten . Frågan är om någon enskild leverantör kan upprätthålla premiumprissättning på en marknad där kinesiska open source-modeller erbjuder toppmodern kapacitet till en bråkdel av kostnaden .