Alibaba verhoogt stilletjes de prijzen van DeepSeek drievoudig

Samenvatting

• Alibaba heeft overnight de outputprijs van DeepSeek V4 Flash 0731 drievoudig verhoogd.
• SF Compute heeft een enorme compute-verkoop van 245 miljoen dollar uitgevoerd.
• Meta debuteerde Muse Wonder Full en bracht de 30B Muse Glimmer uit.
• MiniMax onthulde dat het stealth-model 'Space Bunny' in werkelijkheid M3.1 Flash is.
• NVIDIA lanceerde Nemotron 3.5 om de inferentiekosten drastisch te verlagen.
• Een onschuldig ogende webpagina kan stilletjes de volgende opdracht voor een AI-agent worden.

Het tijdperk van gesubsidieerde intelligentie loopt stilletjes ten einde. Als u uw bedrijfseconomie heeft gebouwd op de aanname dat frontier-modellen eeuwig in een race naar de bodem zouden gaan wat betreft prijzen, raad ik u aan om nu naar uw volgende cloudfactuur te kijken.

Bij Stork beheren we onze eigen LLM-prijslijst en controleren we dagelijks de officiële lijstprijzen, omdat labs de eigenaardige gewoonte hebben om geen persberichten uit te brengen wanneer ze zaken duurder maken. Gisteravond sloegen onze trackers alarm. Alibaba verhoogde de outputprijs van DeepSeek V4 Flash 0731 van $0,40 naar $1,32 per miljoen tokens — een stijging van 230%. De inputkosten zijn meer dan verdubbeld.

Ze waren niet de enige. Mistral verhoogde de prijzen van zijn nieuwste Ministral 3B- en 8B-modellen met respectievelijk 150% en 50%. De Qwen3.6 35B-A3B van Alibaba steeg met 52%. In totaal zagen we 17 verschillende prijsbewegingen, waarbij alleen Zhipu AI agressief de tegenovergestelde richting koos door de prijs van GLM-5V-Turbo met 85% te verlagen.

Voor de actieve bouwer is de betekenis simpel: de honingmaand is voorbij. De door durfkapitaal (VC) gesubsidieerde compute, die het mogelijk maakte om contextwindows van miljoenen tokens tegen triviale problemen aan te gooien, verdampt. Labs realiseren zich dat inferentie echt geld kost, en zij schuiven die realiteit nu door naar de gebruiker. Als uw applicatie vertrouwt op agentische loops die tokens verbruiken zonder direct meetbare omzet te genereren, dan zijn uw marges zojuist verdwenen. De labs betalen u niet langer om hun speelgoed te gebruiken. Het is tijd om prompts te optimaliseren, outputs agressief te cachen en te stoppen met het behandelen van compute alsof het aan bomen groeit. De rekening wordt nu gepresenteerd.

Alibaba verhoogt outputprijzen van DeepSeek V4 Flash 0731 met 230%

De plotselinge kostensprong legt de kwetsbaarheid bloot van het bouwen van bedrijven op basis van gesubsidieerde API-toegang. Als uw marges afhankelijk zijn van goedkope tokens, bent u volledig overgeleverd aan de grillen van de labs.

Uit de officiële lijstprijzen geregistreerd door de LLM-prijslijst van Stork blijkt dat er overnight enorme verhogingen hebben plaatsgevonden:

• DeepSeek V4 Flash 0731: Inputkosten stegen van $0,20 naar $0,44 per miljoen tokens; outputkosten stegen van $0,40 naar $1,32.
• Mistral Ministral 3B & 8B: Verhogingen van respectievelijk 150% en 50%.
• Alibaba Qwen3.6 35B-A3B: Outputprijs steeg met 52%.

Voor iedereen die deze modellen op grote schaal gebruikt, herschrijven deze cijfers het volledige financiële model. Een stijging van 230% op output-tokens verandert een winstgevende functie onmiddellijk in een verliespost. De enige grote daling kwam van Zhipu AI, dat de prijzen voor GLM-5V-Turbo met 85% verlaagde.

De labs vestigen hiermee hun prijsmacht. Bouwers die geen caching-lagen hebben gebouwd of die vertrouwen op uitgebreide, niet-geoptimaliseerde prompts, zijn de directe verliezers. De winnaars zijn de infrastructuur-engineers die token-efficiëntie behandelen als een kernmetriek voor prestaties.

SF Compute voert compute-verkoop van 245 miljoen dollar uit

De vraag naar programmeerbare compute-resources blijft agressief genoeg om transacties van negen cijfers te ondersteunen. SF Compute heeft met succes een compute-verkoop van 245 miljoen dollar uitgevoerd.

Deze transactie benadrukt de intense en aanhoudende vraag naar programmeerbare compute-resources in de huidige markt. Naarmate labs en bedrijven hun trainings- en inferentiewerklasten opschalen, is de strijd om gegarandeerde compute-capaciteit uitgegroeid tot een aparte activaklasse.

Voor bouwers is dit een signaal dat de onderliggende infrastructuurmarkt fel competitief blijft. Als er deals van negen cijfers worden gesloten voor compute-toegang, zullen de kosten van ruwe rekenkracht op korte termijn niet dalen. De winnaars hier zijn de infrastructuurmakelaars; de verliezers zijn kleinere teams die hoopten dat een overvloed aan hardware hun serverkosten zou drukken.

Bron: sfcompute.com

Meta introduceert Muse Wonder Full en 30B Muse Glimmer

Meta claimt de derde plek als laboratorium, terwijl ze tegelijkertijd open-weight agentische modellen naar consumentenhardware pushen.

Meta debuteerde Muse Wonder Full (Max), die op nummer zes staat in de Code Arena WebDev, waarmee Meta zich positioneert als het nummer drie lab. Naast het vlaggenschipmodel publiceerde Meta een technisch rapport over Muse Glimmer, een open-weight agentisch model van 30B, specifiek gebouwd voor implementatie op een enkele consumenten-GPU. Hierin worden het distillatierecept en de trainingsmethoden beschreven.

Deze dubbele release laat zien dat Meta beide uiteinden van het spectrum aanvalt: concurreren op top-benchmarks en tegelijkertijd ervoor zorgen dat onafhankelijke ontwikkelaars hun modellen lokaal kunnen draaien. Het distillatierecept voor Muse Glimmer is bijzonder waardevol voor onderzoekers die agentisch gedrag willen persen in beperkte hardware.

Meta dwingt de rest van de industrie hiermee om hun gesloten-bron-bescherming (moats) te rechtvaardigen. Als een 30B-model op een enkele GPU lokale agentische taken kan afhandelen, zal de markt voor mid-tier API-aanvragen bij gesloten labs drastisch krimpen.

Bron: x.com

MiniMax onthult stealth-model 'Space Bunny' als M3.1 Flash

Het mysterieuze model dat de gebruikslijsten aanvoerde, is officieel gelanceerd en claimt te draaien tegen een derde van de kosten van M3.

MiniMax heeft M3.1 Flash officieel gelanceerd en bevestigd dat dit het stealth-'Space Bunny'-model is. Het bedrijf stelt dat het nieuwe model drie keer zo snel is en slechts een derde van de kosten van M3 heeft, met sterke prestaties op DeepSWE, Automation-Bench en BabyVision.

De overgang van een stealth-testomgeving naar een officiële release biedt bouwers een nieuwe snelle en kosteneffectieve optie voor geautomatiseerde workflows. Onafhankelijke evaluaties wijzen echter op een hoog hallucinatiepercentage, ondanks de nauwkeurigheid bij specifieke taken.

Bouwers die op zoek zijn naar snelheid en lage kosten zullen hiervan profiteren, maar de afweging met hallucinaties betekent dat M3.1 Flash strikte output-validatie vereist. Het is een instrument voor beperkte, volumineuze taken, niet voor open-ended redeneren.

Bron: x.com

NVIDIA brengt Nemotron 3.5 uit voor goedkopere inferentie

Een model met 120B parameters, waarvan er slechts 12B actief zijn per token, richt zich op de stijgende kosten van AI-implementatie.

NVIDIA lanceerde Nemotron 3.5, een model dat specifiek is ontworpen om AI-inferentie goedkoper te maken. De architectuur maakt gebruik van een hybride Mamba-Transformer en Mixture-of-Experts design met in totaal 120B parameters, waarvan er slechts 12B actief zijn per token. Het bevat daarnaast native speculative decoding voor multi-token voorspelling.

Nu inferentiekosten de primaire bottleneck vormen voor productie-AI, biedt NVIDIA een structurele oplossing. Door het aantal actieve parameters laag te houden en speculative decoding in te bouwen, stelt Nemotron 3.5 teams in staat om een massief model te draaien zonder de bijbehorende compute-belasting.

Deze release verstevigt de greep van NVIDIA op het ecosysteem. Ze verkopen niet alleen de chips; ze leveren ook de geoptimaliseerde architecturen die deze chips economisch rendabel maken voor inferentie op schaal.

Bron: developer.nvidia.com

Inception lanceert Mercury 3 Diffusion LLM

Een model dat veertig keer groter is dan zijn voorganger, claimt GPT-6 Luna op kwaliteit te verslaan met meer dan 1.000 tokens per seconde.

Inception bracht Mercury 3 uit en verklaarde dit tot het meest capabele diffusion LLM dat beschikbaar is. Het bedrijf claimt dat het model GPT-6 Luna en Haiku 5.5 op kwaliteit verslaat, terwijl het meer dan 1.000 tokens per seconde genereert. Mercury 3 is 40 keer groter dan Mercury 1.

De prestatieclaims zijn verbazingwekkend, maar de enorme toename in omvang roept direct vragen op over wie het zich daadwerkelijk kan veroorloven om dit model te draaien. Een model van deze omvang dat op deze snelheid opereert, vereist serieuze infrastructuur, waardoor het onbereikbaar is voor de meeste onafhankelijke ontwikkelaars.

Als de kwaliteitsclaims van Inception standhouden bij onafhankelijk testen, winnen zij de high-end generatiemarkt. Echter, zonder bevestigde parameter-aantallen of toegangsdetails, lijkt het momenteel meer op een machtsvertoon dan op een praktisch instrument voor de gemiddelde bouwer.

Bron: x.com

Highlights van vandaag

• Enterprise: Prompt Injection Is Only the First Agent Threat — Een onschadelijke webpagina kan uw AI-agent kapen, wat het ernstige gebrek aan enterprise-governance binnen Microsoft-systemen blootlegt.
• Indie Hacking: $41K From a “Boring” App—Without Ads — Terwijl anderen jagen op virale installaties, haalde deze indie hacker stilletjes $41.000 binnen via App Store Optimization en AI-coding.
• Strategie: The Three Endgames That Could Decide AI — De race van Sam Altman naar superintelligentie eindigt ofwel in strikt toezicht, ofwel in onomkeerbare machtsconcentratie.
• Techniek: Make Your AI Agent Fix Its Own Mistakes — Stop met het behandelen van LangChain-gesprekken als wegwerplogs en gebruik agent-geheugen om kostbare productiefouten te herstellen.
• Maatschappij: The Hidden Cost of a World Without Work — David Shapiro legt de aannames achter een toekomst zonder arbeid bloot en waarschuwt dat AI onze fundamentele sociale banden verstoort.

Tool van de dag: Whiteboard

Het reviewen van door agents gegenereerde code door simpelweg naar ruwe 'diffs' te staren, is de snelste manier om catastrofale logische fouten over het hoofd te zien. Whiteboard visualiseert code-wijzigingen van AI-agents als interactieve diagrammen die direct gekoppeld zijn aan uw broncode. Dit geeft menselijke reviewers de structurele context die nodig is om daadwerkelijk te verifiëren wat de agent heeft aangepast.

Overige interessante tools

• Dev Tools: Rork Max — Bouwt native Swift-applicaties voor Apple-apparaten direct vanuit natuurlijke taalprompts.
• Audio: Moondream Parakeet Redux — Verkleint de voetafdruk van NVIDIA’s Parakeet voor snelle, lokale spraak-naar-tekst transcriptie.
• Productivity: Tenvar — Organiseert onderzoek en geïmporteerde notities in een private desktop-werkruimte met on-device AI-transcriptie.
• Analytics: LiveHandle — Analyseert openbare Instagram- en TikTok-profielen om engagement rates te berekenen zonder dat een platform-login vereist is.
• Entertainment: Fantasy Football AI Weekly Recaps — Genereert 'trash talk' en highlights voor de groepschat van uw fantasy league.

Conclusie

Verwacht dat ten minste drie grote AI-labs hun API-prijzen tegen het einde van het vierde kwartaal stilletjes zullen verhogen, naarmate de realiteit van de inferentiekosten indaalt.

Houd uw cache warm en uw contextwindows kort.