Hyperscaler bieten GPUs zu fast dem Doppelten des GPU-Cloud-Preises an, so Fluence Research

Die AI Compute Race Berichtspreise für GPU-Compute außerhalb der größten Käufer: Eine Drei-Jahres-Zusage senkt den Medianpreis um 48 %, während 17 der 22 verfolgten GPU-Modelle im vergangenen Jahr an Preis gestiegen sind

DALLAS, Texas – November 13, 2026 — Fluence hat veröffentlicht Die AI Compute Race, einen Bericht, der GPU-Cloud-Compute für jedes Unternehmen preist, das kein Frontiers-Labor oder Hyperscaler ist. Er wurde in Zusammenarbeit mit Forschungspartnern erstellt NEAR AI, io.net, Boundless, Phala, Gensyn, Fortytwo, Theta, Compute Labs und GAIB. Die zentrale Erkenntnis: Wo ein Unternehmen eine GPU-Stunde kauft, bestimmt den Preis. Bei den Modellen H100, H200 und B200 listen Hyperscaler GPUs zum 1,98-fachen des GPU-Cloud-Medians, von 1,4-fach beim B200 bis zu 2,8-fach beim H100. Dasselbe H200 wird stundenweise zwischen $4,08 und $10,60 gelistet.

Die Commitment-Länge ist fast so wichtig wie die Anbieterwahl. Im Vergleich zu den On-Demand-Preisen jedes Anbieters senkt eine einjährige Reservierung den Medianpreis um 21 %, eine dreijährige Laufzeit um 48 %. Spot-Kapazitäten werden mit 53 % des On-Demand-Preises gelistet, für Workloads, die unterbrochen werden können.

Käufer, die mit einem Rückgang der GPU-Preise rechnen, sollten ihre Budgets möglicherweise neu überprüfen. Siebzehn der 22 von GetDeploying verfolgten GPU-Modelle kosten mehr als noch vor einem Jahr, und die mittleren Mieten für H100 liegen je nach betrachtetem Zeitraum um 13 % bis 30 % höher.

Der Bericht erklärt auch, warum die Preise rapide steigen:

• Die Nachfrage hat sich auf Open-Source-Modelle verlagert. Der Anteil chinesischer Modelle an den Token-Anfragen von OpenRouter bei Unternehmen in den USA, Europa und dem Globalen Süden stieg innerhalb von weniger als acht Monaten von 6–13 % auf 57–67 %, wie CNBC berichtet. Open Weights ermöglichen es jedem Unternehmen mit GPUs, ein nahezu frontierfähiges Modell auf eigener Hardware bereitzustellen.
• Die größten Käufer haben das neueste Angebot gesichert. Die vier größten Hyperscaler planen Kapitalausgaben in Höhe von 720–740 Milliarden US-Dollar für 2026, und die vier größten öffentlich bekannt gegebenen Vereinbarungen zwischen KI-Labs und Meta mit Neoclouds belaufen sich auf rund 233 Milliarden US-Dollar; drei davon sind als „bis zu“-Beträge angegeben, und ein Großteil davon betrifft Kapazitäten, die noch nicht bereitgestellt wurden.
• Die GPU-Stunde wird zu einer finanziellen Anlageklasse. CME, ICE und Nodal Exchange haben GPU-Futures angekündigt, die jeweils auf unterschiedlichen Preisindizes basieren, während Kreditgeber bereits Kredite gegen GPUs vergeben: Der kreditwürdige Kredit von Lambda wurde mit 6,78 % verzinst, jener von Sharon AI (ohne offengelegte Bonitätsbewertung) mit 9,95 %.

„Open-Weight-Modelle liegen dicht hinter den besten Closed-Source-Modellen und Unternehmen wechseln zu ihnen. Jedes Unternehmen mit GPUs kann jetzt ein nahezu state-of-the-art-Modell auf eigener Hardware betreiben. Die GPUs sind der schwierigste Teil“, sagte Evgeny Ponomarev, Mitgründer von Fluence.

Der Bericht schließt mit vier Möglichkeiten, weniger für dieselbe Rechenleistung zu zahlen: denselben Chip über verschiedene Anbietertypen hinweg vergleichen, bei stabilen Workloads Commitments eingehen, die GPU-Generation an das Modell anpassen und über die Hyperscaler hinausblicken, da ein Großteil der neuesten Neocloud-Kapazität bereits Jahre im Voraus an Labs vergeben wurde.

Der vollständige Bericht ist verfügbar unter fluence.ai/compute-race-2026.

Über Fluence

Fluence Cloud ist ein GPU-Cloud-Anbieter mit Kapazität aus unabhängigen Rechenzentren (fluence.ai). Das 2017 von Dmitry Kurinskiy, Evgeny Ponomarev und Tom Trowbridge gegründete Unternehmen hat 14 Millionen US-Dollar von Investoren wie 1KX, Multicoin, Distributed Global, Blockchange, Tiger Global und Protocol Labs eingesammelt.