Silicon Datas LLM Token Expenditure Index föll under en dollar per miljon tokens när marknaden började använda billigare modeller samtidigt som leverantörerna upprepade gånger sänkte sina API-priser. Det breda marknadsindexet nådde 0,97 dollar den 31 augusti 2026 – den lägsta nivån sedan indexet skapades och mindre än hälften av toppnivån tidigare under sommaren.
4
Men rubriken kräver en viktig förklaring. Indexet mäter, viktat efter användning, vad marknaden betalar för en miljon inferenstokens. Det är alltså inte ett mått på de totala AI-utgifterna eller på hur många tokens som används. Ett fallande index visar därför att AI-intelligens blir billigare per enhet – inte nödvändigtvis att efterfrågan minskar.
2
7
8
Därför nådde priserna en rekordlåg nivå
Flera faktorer drog ned det effektiva marknadspriset samtidigt:
- Billigare kinesiska modeller tog marknadsandelar. Öppna och lågkostnadsmodeller gav utvecklare alternativ till dyra, proprietära system och pressade ned det sammanvägda marknadspriset.
38
39
- Pris blev ett konkurrensvapen. API-rabatter kan hjälpa modellutvecklare att locka användare, öka utrullningen och försvara marknadsandelar i en bransch där skillnaderna i kapacitet har börjat minska.
39
- Inferensekonomin förbättrades. Lägre kostnader för produktion och drift gjorde det lättare att erbjuda mer AI-output för mindre pengar. Det tillgängliga underlaget visar dock inte att alla leverantörer har samma kostnadsstruktur.
- Globala konkurrenter svarade. Prissänkningarna stannade inte i Kina. Även ledande internationella leverantörer sänkte priserna på billigare nivåer, vilket ökade pressen på hela marknaden.
36
37
Utvecklingen har i stora drag gått nedåt: indexet låg över 2 dollar per miljon tokens i början av juni, nådde ungefär 1,16–1,18 dollar i början av augusti och passerade senare under en dollar.
1
38
4 De exakta mellanvärdena är mer osäkra eftersom offentliga ögonblicksbilder och andrahandsrapporter inte alltid stämmer överens. En offentlig avläsning för den 27 juli angavs exempelvis till 1,43 dollar.
1
2
Så förvandlade kinesiska AI-labb rabatter till ett priskrig
Den tydligaste utlösande faktorn var DeepSeeks beslut i maj att göra en prissänkning på 75 procent för företagets V4-Pro-API permanent. De nya priserna skulle ligga kvar på en fjärdedel av den ursprungliga nivån, med variationer beroende på användningstyp.
33
Andra kinesiska aktörer följde efter. Xiaomi meddelade API-sänkningar på upp till 99 procent för MiMo-V2.5-modellerna. Samtidigt rapporterades prissänkningar från flera stora kinesiska AI-labb, däribland ByteDance, Tencent, MiniMax och Alibaba.
39
46
Det förändrar konkurrensbilden. Köpare behöver inte längre bara fråga vilken modell som är bäst, utan också väga kapacitet per krona, svarstid, hantering av långa kontexter, driftsäkerhet och flexibilitet vid utrullning. När modellerna är tillräckligt lika för många rutinuppgifter kan en stor prisskillnad snabbt styra om användningen.
Priskriget nådde samtidigt en vändpunkt. I augusti höjde DeepSeek priserna för nyare flaggskeppsmodeller och införde hög- och låglastpriser. Priset under lågtrafik sattes till hälften av priset under högtrafik. Det antyder att leverantörer inte kan bygga en hållbar affär på obegränsad efterfrågan till lägsta möjliga pris. De måste också hantera GPU-belastningen och få tillbaka kostnaderna för infrastrukturen.
35
Varför fallande tokenpriser inte betyder minskade AI-utgifter
Den skenbara motsägelsen är enkel:
Totala utgifter = pris per token × antalet använda tokens.
Om priset faller med 90 procent men användningen ökar med mer än 90 procent kan de totala utgifterna fortfarande stiga. Lägre priser gör arbetsflöden som tidigare var för dyra ekonomiskt attraktiva – bland annat automatiserad kundservice, programmering, dokumenthantering, tillämpningar med långa kontexter och agentbaserade arbetsflöden.
Vissa analyser uppger att tokenpriserna har fallit med mer än 90 procent sedan 2023, samtidigt som de totala AI-utgifterna ungefär har fördubblats. Det är förenligt med en marknad där billigare inferens gör fler AI-tillämpningar lönsamma, snarare än att efterfrågan försvinner.
19
22
Kinas bredare tokenekonomi ger också en signal om efterfrågan. Den nationella dataförvaltningen uppgav att den dagliga tokenförbrukningen översteg 140 biljoner i mars – mer än 40 procent över de 100 biljoner som noterades i slutet av föregående år.
26
32 Kinas stora telekomoperatörer har dessutom investerat i AI-beräkningskapacitet. China Telecom rapporterade en ökning på 95 procent i intäkterna från intelligent databehandling under första halvåret, medan China Unicoms investeringar i beräkningsinfrastruktur steg med mer än 80 procent jämfört med året innan.
17
18
Siffrorna bevisar inte att varje modellleverantör går med vinst. De visar däremot hur lägre styckpriser kan bidra till betydligt större volymer av infrastruktur och användning.
Vad investeringsgapet säger om AI-affären
Den optimistiska tolkningen är att fallande inferenspriser markerar början på ett bredare genombrott. Billigare AI-intelligens kan skapa tillräckligt stora tokenvolymer för att motivera fortsatta investeringar i molnkapacitet, datacenter, chip, nätverk och el.
Den mer försiktiga tolkningen handlar om när investeringarna börjar ge avkastning. Rapporter som hänvisar till Allianz Research sätter gapet mellan AI-investeringar och försäljningstillväxt till omkring 46 procent, jämfört med cirka 32 procent under överhettningen på telekommarknaden 2001.
20
22
23
Jämförelsen är en varningssignal, inte ett bevis på att AI upprepar telekombubblan. Infrastrukturen kan så småningom bära mycket större arbetsvolymer, men både leverantörer och infrastrukturbeställare står inför tre risker:
- Prisdeflation: Mer kapabla modeller kan fortsätta säljas billigare.
- Nyttjanderisk: Höga fasta kostnader för infrastrukturen kräver varaktig efterfrågan, inte bara tillfälliga användningstoppar.
- Intäktsrisk: Tokenvolymen måste växa tillräckligt snabbt för att kompensera för lägre realiserade priser och ge avkastning på de stora kapitalinvesteringarna.
Så bör indexet läsas
En ny bottennotering för Silicon Data-indexet bör främst ses som en signal om prissättningskraft och betalningsvilja, inte som ett fristående mått på AI-efterfrågan. Indexet visar att marknaden betalar mindre för varje inferensenhet, delvis eftersom användningen flyttas mot billigare modeller och leverantörerna konkurrerar aggressivt med priset.
7
8
14
Den avgörande frågan är vad som händer härnäst: om fallande priser låser upp tillräckligt många nya arbetsflöden för att öka de totala intäkterna – eller om priskriget går snabbare än användningen och lämnar branschen med dyr infrastruktur men svag avkastning.
Det tillgängliga underlaget stöder den första möjligheten som en efterfrågehistoria och den andra som en betydande finansiell risk. Det avgör däremot inte vilket utfall som till slut vinner.