„Sechs Wochen Halbwertszeit“? Warum KI-Modelle länger halten als die Schlagzeile

Darum geht es

„KI-Modelle haben nur noch eine Halbwertszeit von sechs Wochen.“ Diese Zahl stand diese Woche bei TechRadar, Infobae in Argentinien, Telset in Indonesien, Dutch IT Leaders in den Niederlanden und auf vielen weiteren Seiten. Sie stammt aus einer einzigen Quelle, dem AI Gateway Production Index von Vercel vom 9. November 2026. Vercels AI Gateway ist eine Vermittlungsschicht: Entwickler sprechen über eine einzige Schnittstelle Modelle vieler Anbieter an und können zwischen ihnen umschalten.

Bei so vielen neuen Modellen ist das eine praktische Frage: Fable 5.2, GPT-6.2 Sol, Muse Ember und Gemini Decision 1 kamen allein in den letzten Tagen. Muss man jedem davon hinterherwechseln? Wir haben nachgesehen, was die Zahl misst, wer gezählt wird und was andere Daten sagen.

Was im Bericht wirklich steht

Der Satz lautet wörtlich: „KI-Modelle haben jetzt eine Halbwertszeit von etwa sechs Wochen.“ Eine Rechnung dazu enthält der Bericht nicht. Belegt sind zwei andere Werte:

• Ein typisches Modell erreicht seinen Nutzungshöhepunkt innerhalb eines Monats nach dem Start. Vier Wochen danach nutzen drei von vier der Teams, die es auf dem Höhepunkt verwendet haben, es nicht mehr.
• Innerhalb einer Modellfamilie erscheint im Median alle 61 Tage eine neue Version.

Unsere Rekonstruktion, nicht die von Vercel: Angenommen, die Nutzung fällt nach dem Höhepunkt gleichmäßig exponentiell ab. Dann sind nach zwei Wochen die Hälfte der Teams weg und nach vier Wochen drei Viertel. Rechnet man die rund vier Wochen bis zum Höhepunkt dazu, kommt man auf etwa sechs Wochen nach dem Start. Gezählt werden dabei Teams, nicht Tokens und nicht Umsatz. Ein Team gilt als „weg“, sobald es das Modell nicht mehr verwendet. Wie viel Arbeit es vorher darüber laufen ließ, spielt keine Rolle.

Mehrere Medien haben die Aussage verdreht. Infobae und Telset schreiben, Teams blieben im Schnitt nur etwa vier Wochen bei einem neuen Modell. Dutch IT Leaders schreibt, ein Modell verliere nach sechs Wochen die Hälfte seiner Nutzung. Beides steht so nicht im Bericht. Auch TechRadars Zeile „der meiste KI-Verkehr läuft auf Modellen unter zwei Monaten“ verkürzt: Gemeint sind Anfragen an Sprachmodelle. Davon gingen im Oktober 52,7 Prozent an Modelle, die höchstens 60 Tage alt waren (14,0 + 14,7 + 24,0 Prozent). Umgekehrt liefen also 47,3 Prozent über ältere Modelle.

Wer gezählt wird und wer an der Zahl verdient

Der Bericht beschreibt keinen Markt, sondern Vercels eigene Kunden. Die Wechselraten gelten für zahlende Teams mit mindestens 10 Millionen Tokens im Monat. Für die Kennzahl „drei von vier“ nennt Vercel keine Mindestgröße. Der Bericht misst das Alter eines Modells ab seinem ersten Tag im Gateway. Jede Version zählt als eigenes Modell, und die Daten reichen nur bis zum 20. Oktober 2025 zurück. Wer von Sonnet 5 auf Sonnet 5.5 umsteigt, hat in dieser Statistik also das Modell gewechselt. Laut Bericht gehen vier von fünf Wechseln zu einer neueren Version.

Dazu kommt eine Auswahlverzerrung: Wer einen Gateway nutzt, will meist mehrere Modelle ansprechen. Laut dem Oktober-Bericht haben Teams mit mindestens 10 Millionen Tokens seit Dezember im Schnitt 15 verschiedene Modelle genutzt. Bei Teams ab 100 Millionen Tokens waren es 26, ab einer Milliarde 42. Das „meistgenutzte Modell“ bestimmt Vercel nach bezahlten Tokens. Im September liefen 71,5 Prozent aller Gateway-Tokens über Open-Weight-Modelle, also Modelle mit frei herunterladbaren Gewichten. Allein DeepSeek kam auf 58 Prozent der Tokens, aber nur auf 6,6 Prozent der Ausgaben. Das Etikett „meistgenutzt“ klebt also oft am billigsten Massenmodell. Wenn ein Team dort eine neue Version einsetzt, zählt das schon als Wechsel.

Vercel hat außerdem ein Geschäftsinteresse. Am 28. Oktober hat das Unternehmen Virtual Models eingeführt. Das sind gespeicherte Konfigurationen, hinter denen man das Modell zentral austauschen kann, laut Vercel „ohne Codeänderungen oder neue Deployments“. Begründet wird das mit 125 neuen Modellen von mehr als zehn Laboren in 90 Tagen, „das sind etwa zehn pro Woche“. Der Index erscheint im Firmenblog und wurde von Vercel-Mitarbeitern geschrieben. Vercel betont selbst, die meisten Teams, die ein Modell verlassen, blieben auf dem Gateway. Die Daten sind nicht falsch. Wer aber Wechselwerkzeuge verkauft, hat ein Interesse daran, dass Wechseln als normal gilt.

Die Gegenbelege im selben Bericht

Weiter unten im Bericht steht, was die Schlagzeile relativiert: Sieben von zehn Teams mit mindestens 10 Millionen Tokens nutzten im Oktober noch ein Modell, das mindestens zehn Monate alt ist. Beim typischen Team liefen darüber allerdings weniger als 3 Prozent der Tokens. Die öffentlichen Leaderboard-Daten (13. August bis 10. November) zeigen dasselbe. Claude Haiku 4.5 vom Oktober 2025 wird von 10,9 Prozent der Teams genutzt und ist für 3,8 Prozent das Hauptmodell. Bei Gemini 2.5 Flash sind es 7,2 und 3,7 Prozent.

Auch die Ausgaben passen nicht zum Bild der Massenflucht. Anthropics Anteil an den Ausgaben fiel von 69,2 Prozent im Dezember 2025 auf 32,2 Prozent im Oktober 2026, der von OpenAI stieg von 8,6 auf 14,5 Prozent. Gleichzeitig stieg der Anteil der Teams, die Anthropic nutzen, von 48 auf 54 von 100. Bei 42,7 Prozent der neuen Teams ist Anthropic das erste Labor. Nach dem Oktober-Bericht haben sich die Gesamtausgaben im Gateway seit Dezember verdreizehnfacht. Unsere grobe Rechnung mit dem September-Anteil von 43,9 Prozent: Anthropics Ausgaben im Gateway wären damit auf etwa das Achtfache gewachsen. Der Anteil schrumpft vor allem, weil neue, billige Kategorien dazukommen. Kunden laufen Anthropic nicht davon. Opus 5.5 bekam im Oktober rund jeden siebten Dollar, ist laut Leaderboard aber nur bei 3,6 Prozent der Teams das Hauptmodell. Für das teure Arbeitsmodell wird also viel bezahlt, auch wenn wenige Teams es als Hauptmodell führen.

Dazu kommen Decision Models. Diese Modelle schreiben keinen Text, sondern beantworten nur Ja/Nein- oder Auswahlfragen. Im Oktober machten sie 26,1 Prozent aller Anfragen aus, aber nur 0,53 Prozent der Ausgaben. Das Modell Jev erreichte im September innerhalb von 14 Tagen 35 Prozent der zahlenden Teams, so schnell wie kein Modell zuvor. Viele Starts mit steilem Höhepunkt spielen sich also bei Aufgaben ab, die pro Anfrage fast nichts kosten.

Was andere Daten zeigen

Am besten vergleichen lässt sich die Kohortenanalyse von OpenRouter und a16z. Dabei wird verfolgt, wie viele Nutzer eines Startmonats in späteren Monaten noch aktiv sind. Die Autoren nennen das den „Glass Slipper“-Effekt, nach Aschenputtels gläsernem Schuh. Löst ein Modell früh ein Problem, das vorher niemand lösen konnte, bauen die ersten Nutzer es tief in ihre Produkte ein und bleiben. Spätere Nutzer probieren eher aus und ziehen beim nächsten Modell weiter. Bei Gemini 2.0 Flash und Llama 4 Maverick hat laut Studie keine einzige Gruppe dauerhaft gehalten. Der Artikel von a16z nennt teils leicht abweichende Werte, etwa knapp 35 Prozent für Gemini 2.5 Pro. Kritiker wie Implicator.ai weisen darauf hin, dass OpenRouter vor allem von unabhängigen Entwicklern genutzt wird und Konzerne kaum vorkommen.

Unsere Einschätzung: Beide Datensätze widersprechen sich nicht. Wenn drei Viertel der Teams vom Höhepunkt wieder gehen, bleibt ein Viertel. Das ist dieselbe Größenordnung wie der stabile Kern bei OpenRouter. Den Höhepunkt treiben zu einem großen Teil Teams, die nur ausprobieren.

Die Umfragen messen etwas anderes, nämlich Plattformen und Verträge statt einzelner API-Modelle. Sie zeigen aber in dieselbe Richtung. Unternehmen nehmen eher Anbieter dazu, als dass sie einen ersetzen, und echte Wechsel sind teuer. Zapier und Stacklok verkaufen selbst Integrations- und Wechselwerkzeuge, das sollte man bei diesen Zahlen mitdenken.

Nicht jeder Wechsel ist freiwillig

Einen Teil der Wechsel erzwingen die Anbieter. Laut seiner offiziellen Abkündigungsliste schaltet Anthropic Claude Sonnet 4.5 am 30. November 2026 ab, 61 Tage nach der Ankündigung. Mit der API-Version vom 21. Oktober hat Anthropic außerdem die Parameter temperature, top_p und top_k entfernt, wer sie weiter mitschickt, bekommt eine Fehlermeldung. Laut dem Tracker llmlatency.dev, also einer Drittquelle, folgen am 1. Dezember Gemini 2.5 Pro und Flash, am 11. Dezember GPT-5 und o3 und am 14. Januar 2027 GPT-4o und GPT-4.1. Am 11. Dezember schaltet OpenAI zusätzlich die Custom GPTs ab.

Es gibt aber auch Zusagen in die andere Richtung. Bei Anthropic laufen aktuelle Modelle laut Tabelle mindestens ein Jahr nach dem Start, Fable 5.2 zum Beispiel „nicht vor dem 9. November 2027“. Die sechs Wochen beschreiben also, wann das Interesse nachlässt. Wie lange ein Modell verfügbar bleibt, sagen sie nicht.

Unser Fazit

Es wird viel gewechselt, das zeigen die Vercel-Daten klar. Aber vor allem am Rand: bei billigen Massenaufgaben, bei Entscheidungsmodellen und beim Ausprobieren neuer Starts. Das eigentliche Arbeitsmodell bleibt deutlich länger, und für viele Firmen kommt ein neues Modell eher dazu, als dass es ein altes ersetzt. Die Schlagzeile von den sechs Wochen ist keine Rechnung. Sie verdichtet zwei Messwerte und kommt von einem Unternehmen, das Wechselwerkzeuge verkauft.

Für alle, deren Prompts, Evals (eigene Testsätze, mit denen man die Qualität eines Modells prüft) und Agenten auf ein Modell abgestimmt sind, heißt das: Nicht am Starttag wechseln, sondern wenn die eigenen Tests einen klaren Vorteil zeigen. Rechne mit Aufwand, denn alte Prompt-Workarounds können neuere Modelle sogar verschlechtern, wie Praktiker berichten. Trage den Modellnamen an einer Stelle in der Konfiguration ein, nicht verstreut im Code, damit ein Wechsel schnell geht. Und behalte die Abschalttermine im Kalender, denn sie zwingen öfter zum Wechsel als jeder neue Benchmark.