Sind diese Trendraten Prognosen?

Nein. Es handelt sich um veröffentlichte Schätzungen über definierte historische Zeiträume, die nicht als garantierte zukünftige Raten betrachtet werden sollten.

Was fügen die TokenLab-Modelldaten hinzu?

Es zeigt die aktuelle Modellverfügbarkeit, Kategorien und Preiseinheiten. Externe Studien erläutern die breitere Marktentwicklung.

Warum widersprechen sich verschiedene Quellen?

Sie messen unterschiedliche Stichproben: öffentliche Berichte, Plattform-Traffic, Benchmark-Tests, Umfragen und Modelldaten. Die getrennte Betrachtung macht Vergleiche klarer.

KI-Modellberichte

Bericht zu Trends in der KI-Modellbranche

Modellskalierung, Trainingskosten, Kontextlänge, Unternehmensausgaben und aktuelle Zusammensetzung des Modellmarktes.

Wachstum der Trainings-Rechenleistung

Epoch AI

4.5x/yr

Wachstumsrate

Die für das Training bedeutender KI-Modelle verwendete Rechenleistung ist seit 2010 rapide gestiegen.

Wachstum der Frontier-Trainingskosten

Epoch AI

3.5x/yr

Wachstumsrate

Epoch schätzt, dass die Trainingskosten für Frontier-Sprachmodelle seit 2020 schnell gestiegen sind.

Wachstum der Kontextfenster

Epoch AI

30x/yr

Wachstumsrate

Kontextfenster haben sich seit 2023 extrem schnell erweitert.

Wachstum der Unternehmensausgaben

Menlo Ventures

3.2x YoY

Wachstum

Die geschätzten GenAI-Unternehmensausgaben stiegen von 11,5 Mrd. $ im Jahr 2024 auf 37 Mrd. $ im Jahr 2025.

Branchen-Trendindikatoren

Extern bezogene Signale für Skalierung, Kontextlänge, Unternehmensausgaben, Umfang von Nutzungsstudien und organisatorische Einführung.

4.5x/yr

Wachstum der Trainings-Rechenleistung

3.5x/yr

Wachstum der Frontier-Trainingskosten

30x/yr

Wachstum der Kontextfenster

$37B

Unternehmensausgaben für GenAI

3.2x YoY

Wachstum der Unternehmensausgaben

100T tokens

OpenRouter-Nutzungsstudie

88%

Organisatorische KI-Einführung

320x YoY

Wachstum der Reasoning-Tokens

Skalierung bleibt der Schwerpunkt, aber die Inferenzökonomie verändert sich schneller als reine Modelllisten.

Epoch, Stanford und Artificial Analysis deuten alle auf einen Markt hin, in dem Compute, Kontextfenster, Preis, Latenz und Qualität gemeinsam betrachtet werden müssen. Modellnamen allein erklären selten die Eignung.

Quelle: Trends in Artificial Intelligence / 2026 AI Index Report / Models: Intelligence, Performance & Price

Die tatsächliche Nutzung ist über Verbraucher-, Unternehmens-, Entwickler- und Aggregator-Oberflächen fragmentiert.

OpenRouter, OpenAI Signals und der Anthropic Economic Index offenbaren jeweils einen anderen Ausschnitt der Nutzung. Prüfen Sie die Stichprobe und den Berichtszeitraum, bevor Sie die Zahlen vergleichen.

Quelle: State of AI: 100T Token Study / Signals Consumer Data / Anthropic Economic Index

Die Ausgaben verlagern sich von Experimenten hin zu Anwendungen, aber die Anbieter-Rankings sind nicht stabil genug, um sie festzuschreiben.

Menlo und a16z zeigen, dass sich Einführung und Ausgaben schnell verlagern. Datierte Quellenlinks sind wichtiger als Behauptungen über dauerhafte Gewinner.

Quelle: State of Generative AI in the Enterprise / Top 100 Gen AI Consumer Apps

Benchmarks sind am nützlichsten, wenn das Diagramm erklärt, was gemessen wurde.

Artificial Analysis und Arena liefern Ranking-Signale, aber Aufgabenmix, Preisannahmen und Stichprobendesign verändern die Interpretation dieser Rankings.

Quelle: Models: Intelligence, Performance & Price / Arena Leaderboard