Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com25. Juni 2026 · Q011069

OpenAI Burned $38.5 Billion in 2025. I Ship on Their API, So I Read the Whole Leak.

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Für diesen Bericht lag nur ein Auszug oder keine vollständige Fassung vor. Die Zusammenfassung sagt das selbst.

Kurz

Der Text ist nur ein Auszug; die vollständige Medium-Geschichte ist durch eine Bezahlschranke nicht enthalten. Der Autor hebt OpenAIs laut den zitierten Unterlagen ausgewiesene Zahlung von 17,2 Milliarden US-Dollar an Microsoft im Jahr 2025 hervor und vermutet, dass ein großer Teil davon Rechenkosten betrifft. Ob OpenAI damit langfristig tragfähig ist oder sich API-Kosten ändern, beantwortet der Auszug nicht.

Mittel

Der bereitgestellte Text ist nur ein Artikelauszug: Nach der Einleitung sperrt eine Medium-Bezahlschranke den vollständigen Bericht. Der Autor sagt, er betreibe drei produktive Dienste mit OpenAI-API-Aufrufen und betrachte die Finanzzahlen deshalb als Kunde, der mögliche Änderungen seiner Kosten einschätzen möchte. Laut seiner Darstellung veröffentlichte Ed Zitron geprüfte Zahlen, die die Financial Times unabhängig bestätigt habe und die aus Unterlagen zu einer vertraulichen Börseneinreichung von OpenAI stammten.

Der Autor meint, der Nettoverlust von 38,5 Milliarden US-Dollar im Jahr 2025 sei weniger aufschlussreich als OpenAIs Zahlungen an Microsoft: 17,2 Milliarden US-Dollar, davon mehr als zehn Milliarden unter der Kategorie Forschung und Entwicklung. Er vermutet, dass Letzteres überwiegend Rechenleistung für Modelltraining und -betrieb bezeichnet. Daraus entwickelt er die Frage, ob die Differenz zwischen den Zahlungen, die OpenAI von Kunden erhält, und denen an Microsoft langfristiges Bestehen ermöglicht. Der Auszug enthält jedoch keine weitere Finanzanalyse und keine belegte Antwort zu Kosten, Margen oder Zukunftsaussichten.

Ausführlich lesen

Der bereitgestellte Quelltext enthält nur den Anfang des Medium-Artikels und anschließend eine Bezahlschranke. Der eigentliche Bericht ist daher lediglich als Auszug verfügbar; seine angekündigten weiteren Analysen und Schlussfolgerungen lassen sich daraus nicht zusammenfassen.

Der Autor erklärt, drei produktive Dienste in kritischen Abläufen auf die OpenAI-API zu stützen. Deshalb lese er die veröffentlichten Finanzzahlen aus Sicht eines Kunden, der wissen möchte, ob sich seine Kosten ändern könnten. Laut seiner Darstellung veröffentlichte Ed Zitron geprüfte Finanzdaten, die die Financial Times unabhängig bestätigt habe und die aus Unterlagen im Zusammenhang mit einer vertraulichen Börseneinreichung von OpenAI stammten. Diese Herkunft und Prüfung werden im vorliegenden Text behauptet, aber hier nicht weiter belegt.

Der Autor hält den vielfach zitierten Nettoverlust von 38,5 Milliarden US-Dollar im Jahr 2025 für weniger entscheidend als eine andere Zahl: OpenAI habe Microsoft im selben Jahr 17,2 Milliarden US-Dollar gezahlt. Mehr als zehn Milliarden davon seien in den Dokumenten als Forschung und Entwicklung ausgewiesen. Der Autor vermutet, dass damit hauptsächlich Rechenleistung für das Training und den Betrieb der Modelle gemeint sei; er kennzeichnet diese Deutung selbst als nahezu sicher, nicht als ausdrücklich bestätigte Aufschlüsselung.

Aus dieser Zahlungsbeziehung leitet er seine zentrale Frage ab: Er bezahlt OpenAI, während OpenAI Microsoft bezahlt. Entscheidend sei für ihn, wie groß der Abstand zwischen diesen Zahlungen ist und ob OpenAI mit diesem Verhältnis langfristig wirtschaftlich bestehen kann. Der Titel und die Einleitung stellen damit die finanzielle Tragfähigkeit des API-Anbieters und mögliche Folgen für Kundenkosten in den Mittelpunkt. Konkrete Ergebnisse zu Kostenentwicklung, Margen, Prognosen oder Überlebenschancen enthält der verfügbare Auszug jedoch nicht.

Nach der Zwischenüberschrift „Was die Dokumente tatsächlich sagen“ fordert Medium zur Anmeldung auf und erklärt, dass die vollständige Geschichte Mitgliedern vorbehalten sei. Ein beigefügter Leserkommentar fragt, wie große Cloudanbieter auf die zunehmende Nutzung lokaler Modelle beim Programmieren reagieren könnten und ob sie bei nachlassender Nachfrage vor allem Entwickler und Produktteams stärker belasten würden. Das ist eine Frage des Kommentators, kein Ergebnis des Artikels.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19 ungeprüft

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 7 von 7
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 60 %Hintergrund, keine Belege
    • JEV 41 %gleiches Oberthema, hilft nicht
    • amos 52 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 72 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
Agenten und vernetzte Systeme
  1. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 35 %gleiches Oberthema, hilft nicht
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 81 %Hintergrund, keine Belege
    • JEV 59 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 44 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 38 %gleiches Oberthema, hilft nicht
Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →