Der Ablauf ist mittlerweile so vorhersagbar, dass er fast schon langweilig wird: Ein neues Sprachmodell wird veröffentlicht, die ersten Wochen sind euphorisch, danach folgen die ersten Beschwerden. Die Antworten wirken kürzer, vorsichtiger, weniger beweglich. Manche Nutzer sprechen von Modell-Degradation, andere von schlechteren Prompts oder gestiegenen Erwartungen. Beides kann gleichzeitig stimmen.
Der interessante Punkt ist nicht, ob jedes einzelne Modell tatsächlich objektiv schlechter wurde. Die Frage ist, warum diese Wahrnehmung so regelmäßig entsteht und welche technischen, psychologischen und ökonomischen Faktoren sie plausibel machen.
Der Nutzer als Variable
Ein oft unterschätzter Faktor ist der Nutzer selbst. Gewöhnung verändert Maßstäbe. Was in den ersten Tagen außergewöhnlich wirkt, wird schnell zum neuen Normalzustand. Diese Hedonic Adaptation betrifft auch den Umgang mit KI-Systemen: Ein Modell, das gestern noch erstaunlich war, fühlt sich heute nur noch brauchbar an.
Bei Coding-Tools kommt ein zweiter Effekt hinzu. Am Anfang werden Prompts oft sorgfältig formuliert, Kontext wird vollständig mitgegeben, Anforderungen sind überschaubar. Mit wachsender Vertrautheit werden Anfragen knapper. Gleichzeitig wachsen die Projekte. Eine kleine Codebasis mit klarer Aufgabe wird zu einem System mit Altlasten, Randfällen, impliziten Konventionen und mehreren offenen Baustellen.
Wenn Kontextpflege, Projektregeln und Akzeptanzkriterien nicht mitwachsen, werden die Ergebnisse schlechter, ohne dass sich am Modell etwas geändert haben muss. Das ist kein bloßes "Skill Issue", aber auch kein Beweis für eine verdeckte Modellverschlechterung. Es ist eine Verschiebung der Arbeitsteilung zwischen Nutzer, Projektorganisation und Modell.
Ein wiederkehrendes Wahrnehmungsmuster
Berichte aus Nutzergemeinschaften zeigen ein wiederkehrendes Muster. Direkt nach einem Launch werden lange, flexible und hilfreiche Antworten geteilt. Einige Wochen später erscheinen erste Hinweise auf veränderten Ton, mehr Sicherheitsvorbehalte, kürzere Antworten oder übersehene Kontexte. Danach entsteht eine Debatte: Modelländerung, Routing, Safety-Tuning, Laststeuerung, Promptqualität oder Einbildung?
Diese Berichte sind methodisch begrenzt. Einzelne Nutzer vergleichen selten dieselben Prompts, dieselben Modellversionen, dieselben Systemeinstellungen und dieselben Aufgaben. Produktoberflächen ändern sich, Systemprompts werden angepasst, Default-Modelle wechseln, Kontextfenster werden anders genutzt. Anekdoten sind kein Beweis.
Trotzdem sind sie nicht wertlos. Wenn ähnliche Wahrnehmungen über mehrere Anbieter und Modellgenerationen hinweg auftreten, lohnt sich die Frage nach gemeinsamen Ursachen. Die naheliegende Antwort ist nicht eine einzige Erklärung, sondern ein Bündel aus Nutzeradaption, Produktänderungen und wirtschaftlichem Druck.
Die ökonomische Spannung
Viele Zahlen zur LLM-Branche stammen aus Sekundärquellen, Investorenbriefen oder Schätzungen. Sie sind keine geprüften Bilanzen, geben aber eine Richtung vor: Große Sprachmodelle sind teuer in Training, Betrieb und Support. Gleichzeitig wurden Endkundenpreise lange so gesetzt, dass sie breite Nutzung fördern. OpenAI und Anthropic erzielten 2024/2025 hohe Umsätze, verbrannten nach externen Schätzungen aber ebenfalls erhebliche Summen.321322
Flat-Rate-Angebote verschärfen diese Spannung. Ein Gelegenheitsnutzer mit wenigen Anfragen pro Woche ist wirtschaftlich ein anderer Fall als ein Power-User, der täglich große Codebasen analysieren lässt. Trotzdem zahlen beide oft ähnliche Abo-Preise. Damit entsteht eine interne Quersubvention: Gelegenheitsnutzer finanzieren intensive Nutzer mit, Enterprise-Kunden finanzieren Consumer-Angebote mit, API-Preise liegen näher an den tatsächlichen Nutzungskosten.
Die Tokenpreise sind zwar stark gefallen. In manchen Rechnungen ergibt sich für GPT-4-nahe Modelle seit 2023 ein deutlicher Preisrückgang pro Million Tokens.323 Gleichzeitig wächst die Nutzung. Coding-Agenten, lange Kontexte, Tool Calls und Reasoning-Modelle verschieben den Verbrauch nach oben. Die Frage ist daher nicht nur, ob Tokens billiger werden, sondern ob Effizienzgewinne schneller wachsen als Nachfrage und Qualitätsanspruch.
Routing und Produktvarianten
Dynamisches Routing ist kein Geheimnis. Cloud-Anbieter und Modellplattformen nutzen Router, Modellvarianten und Laststeuerung, um Kosten, Latenz und Qualität auszubalancieren.324 Das belegt aber nicht, dass Endkunden heimlich schlechtere Modelle erhalten. Es zeigt nur, dass Modellbereitstellung heute mehr ist als "ein Prompt geht an ein festes Modell".
Plausible technische Mechanismen wären etwa:
- Routing nach Aufgabe oder Last: einfache Anfragen gehen an günstigere Modelle, schwierige an stärkere Varianten.
- Kontextmanagement: lange Gespräche werden zusammengefasst, gekürzt oder anders priorisiert.
- Quantisierung und Optimierung: Modelle werden effizienter ausgeführt, mit möglichen Auswirkungen auf Randfälle.
- Safety- und Produkt-Tuning: Antworten werden vorsichtiger, kürzer oder stärker standardisiert.
- Reasoning-Budget: Systeme investieren je nach Produkt, Auslastung oder Aufgabe unterschiedlich viel Rechenzeit.
Diese Mechanismen sind nicht automatisch problematisch. Sie sind bei großen Diensten erwartbar. Problematisch wird es, wenn Nutzer keine Transparenz über Modellvariante, Routing, Changelog oder Qualitätserwartung erhalten. Dann wird jede Veränderung als Verdacht wahrgenommen.
Warum der Druck steigt
Der Markt für Sprachmodelle steht unter mehreren Spannungen. Open-Weight-Modelle reduzieren die Differenzierung proprietärer Anbieter. API-Preise fallen. Nutzer erwarten bessere Qualität, längere Kontexte, niedrigere Latenz und stabile Verfügbarkeit. Gleichzeitig steigen Nutzungsmengen und Integrationsgrad in Arbeitsprozesse.
Aus dieser Lage folgt kein sicherer Niedergang. Aber es entsteht ein Anreiz, Qualität, Kosten und Latenz permanent gegeneinander zu optimieren. Manche Produktänderung kann für den Anbieter rational sein und für den Nutzer wie Degradation wirken: kürzere Antworten, strengeres Safety-Verhalten, geringeres Reasoning-Budget, anderes Kontextmanagement.
Die wahrgenommene Modell-Degradation muss daher nicht bedeuten, dass ein Modell objektiv "dümmer" wurde. Sie kann auch bedeuten, dass ein Dienst anders geroutet, anders instruiert, anders abgesichert oder anders bepreist wird. Für den Nutzer ist der Unterschied aber nur begrenzt tröstlich: Entscheidend ist, ob die Leistung im eigenen Workflow stabil bleibt.
Was Nutzer tun können
Nutzer können mehrere Dinge tun, um Wahrnehmung und Realität besser zu trennen.
Kontextpflege hilft mehr als Prompt-Magie. Gute Projektregeln, klare Akzeptanzkriterien, relevante Dateien, Tests und kurze Problemdefinitionen sind stabiler als immer neue Formulierungstricks.
Reproduzierbarkeit macht Veränderungen sichtbar. Wer wichtige Workflows hat, sollte feste Testprompts, Beispielaufgaben und Bewertungsraster pflegen. So lässt sich zumindest grob prüfen, ob ein Modellwechsel, ein Produktupdate oder die eigene Aufgabenkomplexität den Unterschied macht.
Diversifizierung reduziert Abhängigkeit. Für wichtige Aufgaben lohnt es sich, mehrere Modelle oder Anbieter zu vergleichen, lokale Modelle für bestimmte Aufgaben zu testen und API-basierte Workflows nicht vollständig an eine Oberfläche zu binden.
Transparenzforderungen bleiben berechtigt. Sinnvoll wären Modell- und Variant-IDs pro Antwort, stabile Kanäle für definierte Qualität, Changelogs bei Default-Änderungen und klarere Angaben zu Kontextmanagement oder Routing. Ohne solche Informationen bleibt jede Qualitätsdebatte unnötig spekulativ.
Die offene Frage
Das vermeintliche "Schlechterwerden" von Sprachmodellen ist wahrscheinlich kein einzelnes Phänomen. Es entsteht aus psychologischer Gewöhnung, wachsenden Projektanforderungen, schwächerer Kontextpflege, Produktänderungen und ökonomischem Optimierungsdruck.
Die LLM-Industrie muss Flat-Rate-Modelle, Power-User-Nutzung, Qualitätserwartungen und Rechenkosten in Balance halten. Wie lange diese Balance funktioniert, ist offen. Effizienzgewinne, bessere Modelle, Enterprise-Umsätze und fallende Hardwarekosten sprechen für Stabilisierung. Steigende Nutzung, Reasoning-Kosten, Preisdruck und Transparenzdefizite sprechen für anhaltende Spannung.
Die Frage ist daher nicht nur, ob Modelle objektiv schlechter werden. Die wichtigere Frage lautet, wie transparent Anbieter mit Qualität, Routing und Produktänderungen umgehen, wenn Sprachmodelle zu Infrastruktur für tägliche Arbeit werden.
Quellen
- "How Much Money Do OpenAI And Anthropic Actually Make?" - wheresyoured.at ↩
- "OpenAI and Anthropic Revenue Breakdown" - Tanay Jaipuria ↩
- Custom Silicon Inflection 2026. Introl, 2026. https://introl.com/blog/custom-silicon-inflection-2026-hyperscaler-asics-nvidia-gpu ↩
- Inference efficiency and GPU cost optimization in 2026. regolo.ai, 2026. https://regolo.ai/inference-efficiency-and-gpu-cost-optimization-in-2026-how-to-cut-llm-serving-waste/ sowie KV Cache Optimization for LLMs 2026. Digital Applied. https://www.digitalapplied.com/blog/kv-cache-optimization-techniques-2026-engineering-guide ↩
- DeepSeek V4-Pro Cuts Prices 75% Permanently. AI Automation Global, 2026. https://aiautomationglobal.com/blog/deepseek-v4-pro-75-percent-permanent-price-cut-inference-war-2026 ↩
- "Falling LLM Token Prices and What They Mean for AI Companies" - deeplearning.ai ↩
- Microsoft Azure Model Router Documentation - azure.microsoft.com ↩
- Startups and tech giants wage AI price war as inference costs spiral. Crypto Briefing, 2026. https://cryptobriefing.com/ai-price-war-startups-tech-giants/ ↩
- Tokens are getting cheaper, but AI costs keep climbing. Fortune, 2026. https://fortune.com/2026/06/17/why-is-ai-spending-increasing-as-tokens-get-cheaper-jevons-paradox/ ↩
- AI inference costs set to plunge. CIO Dive zu Gartner, 2026. https://www.ciodive.com/news/ai-inference-costs-drop-2030-gartner/815725/ ↩
- Ouyang et al.: Training language models to follow instructions with human feedback ↩
- OpenAI: GPT-4 Technical Report ↩
- OpenAI: Learning to reason with LLMs ↩
- Liu et al.: Lost in the Middle ↩