Im Juli belegten erstmals von chinesischen Entwicklern stammende Modelle alle fünf Spitzenplätze auf OpenRouter, der neutralen Routing-Plattform, die Hunderte von Modellen Dutzender Anbieter hinter einer einzigen API bündelt und in der KI-Branche dem Nächsten kommt, was einem Nielsen-Rating entspricht. Xiaomi — besser bekannt für Smartphones und inzwischen auch für Elektrofahrzeuge — erreichte mit MiMo V2.5 den ersten Platz nach Token-Volumen, gefolgt von Modellen von DeepSeek (dem Labor aus Hangzhou, dessen kostengünstige Veröffentlichungen Anfang 2025 die globalen Märkte aufrüttelten), MiniMax, Alibabas Qwen-Familie und Moonshots Kimi. Chinesische Modelle tragen inzwischen mehr als 60% des Traffics der Plattform, die mehr als 20 trillionen Tokens pro Woche verarbeitet — Tokens sind die Textfragmente, die Modelle lesen und erzeugen, und die Einheit, in der KI-Nutzung gemessen und abgerechnet wird. Wie der Fortune-Kommentar es formuliert: Das ist kein Benchmark-Ergebnis, sondern eine Nutzungskurve.

Vor einem Jahr trugen US-Modelle noch rund 70% des OpenRouter-Traffics; heute sind es etwa 30%. Noch auffälliger ist, dass chinesische Modelle bis Mitte Juli einen Rekordwert von 58% der von amerikanischen Unternehmen auf der Plattform verarbeiteten Tokens ausmachten. Aus Sicht des Autors werden US-Unternehmen nicht zu chinesischer KI gezwungen — sie wählen sie, Arbeitslast für Arbeitslast, weil sich die Preis-Leistungs-Rechnung nicht ignorieren lässt.

Das Rennen teilt sich in zwei

Das Paradox, so argumentiert der Autor, sollte in diesem Herbst auf jeder Agenda eines Aufsichtsrats stehen. Amerikanische Labore halten zwar weiterhin die absolute Spitze: GPT 5.5 von OpenAI, Claude Fable 5 von Anthropic und Gemini 3.x von Google führen bei den schwierigsten Denkaufgaben, bei Agenten mit langem Zeithorizont und bei den anspruchsvollsten Unternehmensanwendungen, und die Lücke an der Spitze ist real und in Monaten messbar. Doch das Rennen hat sich in zwei Wettbewerbe aufgeteilt — Fähigkeiten und Distribution — und Amerika gewinnt den ersten, verliert aber den zweiten.

DeepSeeks V4-Pro ist bei vergleichbarer Benchmark-Leistung mit ungefähr einem Zwölftel der Kosten von GPT-5.5 bepreist, und DeepSeek V4 Flash kostet $0.14 pro Million Input-Tokens gegenüber $5.00 für GPT-5.5. Eigene Analysten von OpenRouter berichten, dass chinesische Open-Modelle 60% bis 90% günstiger laufen als die führenden amerikanischen Angebote. Bei produktiven Workloads mit hohem Volumen — Coding-Agenten, Dokumentenverarbeitung und Kundenoperationen — entscheidet genau dieser Unterschied über die Kaufentscheidung.

Bei der Distribution verankern sich Ökosysteme, so der Beitrag weiter. Alibabas Qwen-Familie hat mehr als eine Milliarde kumulierte Downloads erreicht und Metas Llama als weltweit meistgeladene Open-Model-Familie abgelöst — Open-Weight-Modelle veröffentlichen herunterladbare Parameterdateien, die Entwickler auf ihrer eigenen Infrastruktur ausführen, prüfen und feinabstimmen können, anders als Closed-Modelle, die nur über die kostenpflichtige API eines Anbieters erreichbar sind — während Llama, das Open-Weight-KI in 2023 und 2024 geprägt hatte, unter 1% des gerouteten Volumens gefallen ist. Entwickler optimieren, was sie herunterladen können, und bauen Werkzeuge um das herum, was sie einsetzen; so gewann Linux die Server und Android die Smartphones, und genau das geschieht erneut vor aller Augen, schreibt der Autor.

Willkommen in der Todeszone

Zwischen der Spitze und dem Rohstoff-Niveau liegt das, was der Autor eine Todeszone nennt: jedes Modell, Produkt oder jede unternehmerische KI-Strategie, die weder klar die beste noch klar die günstigste ist, wird gleichzeitig von beiden Seiten zermalmt.

Die Marktdaten zeigen genau, wie diese Zweiteilung funktioniert. Laut einer Analyse der OpenRouter-Nutzungsdaten hält Anthropic — das Unternehmen hinter der Claude-Familie — nur etwa 12% des Token-Anteils der Plattform, erfasst aber ungefähr die Hälfte der Gesamtausgaben — das ist die Premiumspur mit weniger Tokens, bepreist für die Arbeit, die diesen Preis rechtfertigt. Die Commodity-Spur gehört effizienten Open-Modellen, die Billionen günstiger Tokens bewegen. Die Mitte — geschlossene Modelle ohne klaren Fähigkeitsvorsprung und Unternehmens-Deployments, die für Commodity-Arbeit Frontier-Preise zahlen — hat überhaupt keine Spur.

Die meisten KI-Strategiepläne der Fortune 500 stehen derzeit genau in dieser Mitte, behauptet der Autor. Das typische Unternehmen schloss 2024 einen Frontier-API-Vertrag ab, leitete alles darüber und blickte nie zurück; 2026 ist das so, als würde man die gesamte Logistik ausschließlich per Overnight-Luftfracht betreiben.

China hat das absichtlich aufgebaut

Nichts davon ist zufällig geschehen, betont der Kommentar. US-Exportkontrollen für fortgeschrittene KI-Chips, erstmals 2022 verhängt und seither mehrfach verschärft, verweigerten chinesischen Laboren die größten GPU-Cluster. Daher entwickelten sie sich an der Knappheit vorbei — mit Token-Effizienz, neuartigen Aufmerksamkeitsmechanismen, effizienten Mixture-of-Experts-Designs, höherwertigen Daten statt bloßem Volumen und von Anfang an auf Inferenz ausgelegter Architektur. Staatliche Unterstützung senkte die effektiven Kosten weiter, und Xiaomi senkte die MiMo-API-Preise im Mai um bis zu 99%. Einschränkung wurde zur Strategie — und amerikanische Labore, die Effizienz nur nachrangig behandeln, riskieren, ihren technologischen Vorsprung zu behalten und zugleich Marktvolumen, Entwicklerinteresse und schließlich das gesamte KI-Ökosystem zu verlieren.

Das Playbook des Builders für 2026

Für Führungskräfte und Gründer, die tatsächlich auf KI aufbauen, sind jetzt vier Schritte wichtiger als alles andere.

1. Machen Sie hybrides Routing zur Standardarchitektur. Leiten Sie die schwierigsten, am stärksten regulierten und risikoreichsten Aufgaben an Frontier-Modelle, volumenstarke und kostensensible Aufgaben an effiziente Open-Modelle. Unternehmen, die so vorgehen, senken ihre Inferenzkosten auf der Mehrheit ihrer Workloads um 60% bis 90%, ohne die Qualität dort anzutasten, wo sie zählt. Wenn Ihr KI-Budget über eine einzige geschlossene API läuft, bezahlen Sie nach Ansicht des Autors für den Großteil dessen, was Sie tun, zu viel.

2. Behandeln Sie Effizienz als erstklassige Waffe. Inferenzoptimierung, Quantisierung, spekulative Dekodierung und das gemeinsame Design von Modell und Hardware sind heute Standardpraxis und keine bloßen Forschungsneugierden mehr. Studieren Sie, wie die unter Knappheit arbeitenden Labore gebaut haben, und wenden Sie diese Lehren mit amerikanischer Rechenleistung an.

3. Differenzieren Sie oberhalb der Modellebene. Proprietäre Daten, die Anwendungsebene, domänenspezifisches Fine-Tuning, Agenten-Frameworks und rigorose Evaluations-Frameworks überdauern jeden Vorteil eines Basismodells. Basismodelle nähern sich zunehmend einer Infrastruktur an. Ihr Burggraben war nie das Modell eines anderen.

4. Verlassen Sie die Mitte. Wenn Ihr Produkt von einem Modell abhängt, das weder das beste noch das günstigste ist, wählen Sie dieses Jahr eine Richtung: mit echter Differenzierung die Fähigkeitskurve nach oben gehen oder hart über Kosten und Offenheit konkurrieren. Die Mitte überlebt 2027 nicht.

Amerika braucht jetzt eine Open-Weight-Antwort

Meine Sicht ist, dass Washington den falschen Kampf vorbereitet. Im Kongress besteht der Reflex darin, chinesische Modelle aus Sicherheitsgründen einzuschränken, und für sensible Regierungs- und Verteidigungsanwendungen ist diese Vorsicht gerechtfertigt. Bedenken zur Datensouveränität begrenzen bereits die Nutzung chinesisch gehosteter Modelle in regulierten westlichen Sektoren, auch wenn selbst gehostete Open Weights einen Großteil dieses Arguments abschwächen.

Ein Verbot ist keine Strategie, sondern ein Zoll auf die eigenen Entwickler, heißt es in dem Beitrag. Chinesische Open Weights sind nicht wegen Täuschung erfolgreich, sondern weil sie hochwertig, erschwinglich und zugänglich sind — und weil derzeit kein amerikanisches Labor in regelmäßigen Abständen Frontier-Modelle als Open Weight veröffentlicht. Metas Rückzug ließ das Feld offen, und China übernahm es schnell.

Die Antwort sei, mit glaubwürdigen US- und verbündeten Open-Weight-Modellen zu konkurrieren, die regelmäßig veröffentlicht und durch Beschaffungsanreize oder direkte Zusagen der Labore gestützt werden. Open Weights sind der Weg, wie ein Land sein Ökosystem, seine Sicherheitsnormen und seine Standards in den Rest der Welt exportiert. Amerika habe dies beim Internet-Stack verstanden und müsse sich jetzt daran erinnern, schreibt der Autor.

Die Spitze bleibt wichtig, und die USA sollten sie verteidigen. Aber das praktische Rennen in 2026 wird gewonnen, indem man beide Wettbewerbe gleichzeitig beherrscht — absolute Fähigkeit und radikale Effizienz, geschlossene Exzellenz und offene Verbreitung, die größte zuverlässige Rechenleistung und ihre intelligenteste Nutzung. Innovation unter Knappheit sollte kein Trostpreis mehr sein.

Die Frage für amerikanische Führungsetagen, Aufsichtsräte und Washington ist dieselbe, schließt der Autor: Wenn die nächste Generation globaler Software gebaut wird, auf welchen Modellen wird sie aufgebaut sein? Im Moment geben die Download-Zahlen die Antwort — und es ist nicht die Antwort, die Amerika hören möchte.

Die in Fortune.com-Kommentarstücken geäußerten Ansichten sind ausschließlich die der Autoren und spiegeln nicht notwendigerweise die Ansichten und Überzeugungen von Fortune wider.

Diese Geschichte erschien ursprünglich auf Fortune.com.