Sora AI-Videoökonomie: 20 US-Dollar Nutzerkosten verursachen 65 US-Dollar Rechenkosten für OpenAI

Soras Stückkostenökonomie
Laut einer Analyse von OpenAIs Sora KI-Videoerstellungs-App kostet jeder 20 US-Dollar/Monat-Abonnent, der 50 Videos erstellt, OpenAI etwa 65 US-Dollar an Rechenleistung. Je mehr Nutzer das Produkt nutzten, desto schneller verlor es Geld.
Kostenaufschlüsselung
- Spitzen-Rechenkosten: 15 Millionen US-Dollar pro Tag (Schätzung des Analysten)
- Gesamtlebensdauerumsatz: 2,1 Millionen US-Dollar über alle Plattformen in sechs Monaten
- Konservative Schätzung: ~1 Million US-Dollar täglicher Nettoverlust nach Drosselung und Optimierung
- Kostenverhältnis: Die Erstellung eines 10-Sekunden-KI-Videos kostet etwa 160-mal mehr als die gleichwertige Texterstellung
Technische Details
Jedes 10-Sekunden-Video kostet etwa 1,30 US-Dollar an GPU-Rechenleistung und erfordert etwa 40 Minuten Gesamt-GPU-Zeit auf 4 H100-GPUs parallel. Bei Spitzennutzung, mit 25 % von Soras 4,5 Millionen kumulativen Nutzern, die täglich 10 Videos veröffentlichten, ergab dies 11,3 Millionen Videos pro Tag zu je 1,30 US-Dollar.
Das strukturelle Kostenproblem rührt von den Rechenanforderungen von Videos her: Ein 10-Sekunden-720p-Video erfordert die Verarbeitung von etwa 80.000 kleinen Pixelbereichen über Raum und Zeit, verglichen mit ein paar hundert Tokens für typische ChatGPT-Eingaben. Der Rechenbedarf wächst mit dem Quadrat der Anzahl der Bereiche – eine Verdoppelung der Auflösung vervierfacht die Kosten.
Marktkontext
Laut der Analyse hat kein KI-Videounternehmen nachweislich Netto-Rentabilität erreicht. Runway meldete -155 Millionen US-Dollar EBITDA, Pika hatte 7,6 Millionen US-Dollar Umsatz bei 80 Millionen US-Dollar eingeworbenem Kapital, und während Kling 240 Millionen US-Dollar Jahresumsatzrate meldete, haben sie keine Gewinndaten veröffentlicht. Sora zeigte eine 1 %-Tage-30-Retention gegenüber TikToks 32 %, wobei Nutzer typischerweise Videos erstellten, sie einmal ansahen und nicht zurückkehrten.
📖 Read the full source: HN LLM Tools
👀 Siehe auch

Claude-Code v2.1.97 Veröffentlichung: NO_FLICKER-Verbesserungen, Berechtigungsbehebungen und MCP-Updates
Claude-Code v2.1.97 fügt einen Fokus-Ansichts-Umschalter (Strg+O) im NO_FLICKER-Modus hinzu, behebt mehrere Berechtigungs- und MCP-Verbindungsprobleme und verbessert den Sandbox-Netzwerkzugriff. Das Release behandelt das 429-Wiederholungsverhalten, Transkript-Persistenzprobleme und verschiedene UI-Fehler.

Die KI-Ping-Pong: Wenn jede Antwort ein ChatGPT-Screenshot ist
Entwickler berichten, dass sie mit KI-generierten Antworten überschwemmt werden – von Kollegen, Chefs und sogar GitHub-Kommentatoren – die den Kontext ignorieren und Zeit verschwenden. Die HN-Diskussion zeigt eine wachsende Frustration.

AIME 2026 Ergebnisse: Offene und geschlossene Modelle ueber 90%
KI-Modelle erreichen 90%+ bei AIME 2026, DeepSeek V3.2 fuehrt den gesamten Test fuer nur bash.09 durch.

Claude Code v2.1.133: Worktree.baseRef-Rücknahme, Sandbox-Pfade, Proxy-Fix für MCP OAuth
Anthropic veröffentlicht v2.1.133 des Claude Code CLI mit einer neuen worktree.baseRef-Einstellung, die standardmäßig fresh (Branch von origin/default) verwendet, sandbox.bwrapPath und sandbox.socatPath für benutzerdefinierte bubblewrap/socat-Binärdateien, einen Proxy/mTLS-Fix für den MCP-OAuth-Ablauf und mehrere Fehlerbehebungen.