Coinbase-CEO Brian Armstrong hat in einem Post auf X eine ungewöhnlich konkrete Einblick in die KI-Strategie seines Unternehmens gegeben: Die Krypto-Plattform setzt GLM 5.2 von Zhipu AI (Z.ai) und Kimi 2.7 von Moonshot AI als Standard-Modelle für ihre Entwickler ein – und hat damit die KI-Ausgaben annähernd halbiert. Das Besondere daran: Der Token-Verbrauch wächst weiterhin exponentiell. Weniger Kosten bei mehr Nutzung – das klingt nach einem Trick, ist aber ein Systemwechsel.
Warum 91 Prozent der Entwickler nie an ihre Limits stießen
Armstrong begründete den Wechsel nüchtern: 91 Prozent der Coinbase-Ingenieure erreichten die bisherigen Nutzungslimits für teure US-Frontier-Modelle ohnehin nie. Statt die Obergrenzen zu senken oder Budgetalarme einzubauen, entschied sich das Unternehmen für einen anderen Weg: günstigere Modelle als neue Standardoption. Für komplexe Planungsaufgaben stehen Frontier-Modelle weiterhin zur Verfügung – aber als bewusste Ausnahme, nicht als Default.
Dazu kommt eine technische Hebelvariable: Ein internes Routing-System verteilt Anfragen automatisch nach Aufgabentyp und Preis. Gleichzeitig wurde das Caching verbessert – die Trefferquote stieg dabei von fünf auf 60 Prozent. Das bedeutet: Viele Anfragen werden gar nicht mehr frisch berechnet, sondern aus dem Cache bedient. Das senkt Kosten, ohne die Ausgabequalität zu beeinflussen.
GLM 5.2 und Kimi 2.7: Was die Modelle können
Die Wahl der Modelle ist kein Zufallsgriff. GLM 5.2 von Z.ai (ehemals Zhipu AI) ist ein quelloffenes Mixture-of-Experts-Modell mit 744 Milliarden Parametern und einem Kontextfenster von einer Million Token – unter MIT-Lizenz, ohne regionale Nutzungsbeschränkungen. Auf dem Intelligence Index v4.1 des unabhängigen Analysehauses Artificial Analysis erreicht es einen Wert von 51 und liegt damit vor Googles Gemini 3.1 Pro Preview (46). Bei agentischen Frontend-Aufgaben verdrängte es zuletzt sogar Claude Fable 5 vom Spitzenplatz.
Der Preisvorteil ist erheblich: Über OpenRouter kostet GLM 5.2 rund 1,40 Dollar je Million Input-Token und 4,40 Dollar je Million Output-Token. GPT-5.5 liegt bei 5 bzw. 30 Dollar, Claude Opus bei 5 bzw. 25 Dollar. Chinesische Frontier-Modelle sind damit je nach Vergleich 10 bis 20 Mal günstiger als ihre amerikanischen Pendants – bei Leistungswerten, die in der Praxis für Standardaufgaben kaum unterscheidbar sind.
Kimi 2.7 von Moonshot AI ergänzt das Portfolio: Das Modell ist besonders für lange agentische Sessions stabil und hält eigenständig tausende Tool-Calls am Laufen – genau das, was in automatisierten Entwickler-Workflows gefragt ist.
Kein Einzelfall: Der Markt verschiebt sich
Coinbases Entscheidung steht nicht allein. Auf der API-Aggregationsplattform OpenRouter halten chinesische Modelle seit Februar 2026 mehr Token-Verbrauch als ihre US-amerikanischen Konkurrenten. In der Woche vom 16. bis 22. März 2026 entfielen auf chinesische Modelle rund 61 Prozent des Token-Verbrauchs unter den zehn meistgenutzten Modellen. Risikokapitalgeber Martin Casado von Andreessen Horowitz schätzt, dass rund 80 Prozent junger KI-Unternehmen, die auf Open-Source-Stacks setzen, inzwischen chinesische Modelle nutzen.
Der Trend hat auch eine geopolitische Dimension: Als die Trump-Administration Anthropics fortschrittlichste Modelle für ausländische Staatsangehörige sperrte, veröffentlichte Zhipu AI GLM 5.2 am selben Tag unter einer vollkommen offenen MIT-Lizenz – ohne regionale Sperren. Diese Planbarkeit und Unabhängigkeit wird für internationale Teams zunehmend zum echten Argument, nicht nur der Preis. Wer sich tiefer mit dem Aufstieg offener Modelle und ihrer rechtlichen Absicherung beschäftigen möchte, findet dazu ausführlichere Hintergründe.
Was DACH-Unternehmen konkret mitnehmen können
Das Coinbase-Beispiel liefert ein konkretes Playbook für jedes Unternehmen, das KI produktiv einsetzt. Drei Hebel machen den Unterschied:
1. Modell-Routing statt Einheitslösung: Nicht jede Aufgabe braucht das stärkste Modell. Wer Anfragen automatisch nach Komplexität und Kosten verteilt, kann Ausgaben ohne Qualitätsverlust deutlich senken. API-Aggregationsplattformen machen solche Setups heute technisch zugänglich – auch ohne eigenes KI-Team.
2. Caching konsequent nutzen: Viele Unternehmensanfragen sind repetitiv. Intelligentes Caching – ob auf Prompt- oder Response-Ebene – kann Kosten erheblich reduzieren, wie die Coinbase-Zahlen zeigen.
3. Modellwahl nach Aufgabentyp: Chinesische Open-Weight-Modelle eignen sich besonders für Standardaufgaben wie Code-Generierung, Datenextraktion und Zusammenfassungen. Für sensible Daten empfiehlt sich Self-Hosting der MIT-lizenzierten Gewichte – dann entfällt auch die Bindung an chinesisches Recht.
Der letzte Punkt bleibt die wichtigste Einschränkung: Wer GLM 5.2 oder Kimi über die Cloud-API der chinesischen Anbieter nutzt, unterliegt chinesischem Datenschutzrecht. Das ist für viele Unternehmensanwendungen im DACH-Raum rechtlich heikel. Self-Hosting auf eigener Infrastruktur löst das Problem – erfordert aber entsprechende technische Ressourcen. Ähnliche Infrastruktur-Überlegungen spielen auch beim Aufbau eigener KI-Chips durch Anbieter wie OpenAI eine zentrale Rolle.
Für Unternehmen, die KI-Kosten strategisch im Blick haben wollen, ohne sofort auf Eigeninfrastruktur umzusteigen, lohnt sich ein Blick auf Multi-Modell-Strategien. Das Bild einer monolithischen Abhängigkeit von einem einzigen US-Anbieter war schon länger nicht mehr zeitgemäß – Coinbase hat das nur besonders messbar gemacht. Wie KI-Tools im DACH-Markt bereits ankommen, zeigt auch die ifo-Erhebung zur KI-Nutzung unter Selbständigen: Die Nachfrage steigt – damit steigt auch der Druck, Kosten im Griff zu halten.
Quellen
- The Decoder – Coinbase wechselt zu chinesischen KI-Modellen und halbiert seine KI-Ausgaben
- Trending Topics – GLM-5.2: Zhipu AI aus China schlägt mit offenem Modell sogar Googles Top-Modelle
- Trending Topics – Chinas KI-Modelle überholen US-Rivalen: Moonshot AI, MiniMax und Co. dominieren globale Token-Ökonomie
- Never Code Alone – Chinesische KI Modelle für AI Coding 2026
Beitragsbild: Foto von Brett Sayles auf Pexels
Antworten