Wer führt wirklich bei der agentischen Entwicklung? Nicht, wer du denkst
Anthropic
DeepSeek
OpenAI
Google/DeepMind
Alibaba/Qwen
Ein zweiwöchiges Produktionsexperiment eines einzelnen Entwicklers mit agentischem Codieren unter einem Governance-Stack verbrauchte 8,8 Milliarden Tokens über 30.993 Anfragen. Die Kosten offenbaren eine 72-fache Preisdifferenz zwischen Anthropics Modellen und DeepSeek, bedingt durch eine 93-prozentige KV-Cache-Kompressionstechnologie, die Governance nur mit DeepSeeks Architektur erschwinglich macht.
Der Artikel berichtet über ein zweiwöchiges Produktionsexperiment im Juni 2026, bei dem ein Entwickler agentische Codierungswerkzeuge mit einem Governance-Stack nutzte und dabei 8,82 Milliarden Tokens in 30.993 Anfragen verbrauchte, mit einer Cache-Trefferquote von 99,38 %. Der Kontext-Overhead für Governance (Richtlinien, Fähigkeiten, Review-Prompts) liegt bei 70.000 bis 90.000 Tokens pro Aufruf. Die Kosten variieren stark je nach Modell: Anthropics Sonnet 4.6 würde für dieselbe Arbeitslast bei einer realistischen Cache-Trefferquote von 92 % 4.770 US-Dollar kosten, während DeepSeek V4 Pro nur 66,17 US-Dollar kostete – ein Unterschied um den Faktor 72. Diese Kluft ist auf DeepSeeks Multi-Head Latent Attention (MLA) zurückzuführen, die den KV-Cache um 93,3 % komprimiert, wodurch Cache-Lesezugriffe nahezu kostenlos sind und Caches tagelang auf handelsüblichen SSDs über 3FS erhalten bleiben, während Anthropic, OpenAI und Google GQA/MHA mit Caches verwenden, die aufgrund von HBM-Limits innerhalb einer Stunde ablaufen. Der Artikel zitiert außerdem Vorfälle bei Uber, Microsoft, Amazon, Pinterest und einem ungenannten Unternehmen, die außer Kontrolle geratene Kosten durch unkontrollierte Agentennutzung zeigen, und argumentiert, dass DeepSeeks architektonische Wahl Governance wirtschaftlich machbar macht, im Gegensatz zu teureren Alternativen, die Teams dazu zwingen, Sicherheitsmaßnahmen zu reduzieren.
Quelle: Habr — хаб ИИ —
Original