Die Parametergröße großer Sprachmodelle ist um das 100-fache gestiegen und hat mittlerweile die Billionen-Marke überschritten. Der enorme Ressourcenverbrauch führt zu steigenden Kosten für Speicherung, Inferenz, Wartung und Implementierung. Unternehmen, die mit großen Sprachmodellen arbeiten, starten daher eine „Kostenoptimierungs“-Initiative. Diese umfasst vier Hauptansätze: Erstens, Skalierung der Daten, um durch Skaleneffekte die Rendite der Daten zu verbessern; zweitens, Komprimierung der Modelle, um bei gleichbleibender Leistung schnellere Inferenzzeiten, geringere Latenz und einen reduzierten Ressourcenbedarf zu erreichen; drittens, Steigerung der Rechenleistung durch Optimierung von Chips und Rechenclustern; und viertens, eine differenzierte Geschäftsstrategie, bei der sich die Monetarisierungsansätze für große Sprachmodelle unterschiedlicher Größe, Funktionalität und Ausrichtung klar voneinander abgrenzen. Kostenkontrolle und Effizienzsteigerung sind für einen langfristigen und nachhaltigen Betrieb großer Sprachmodelle unerlässlich und daher ein notwendiger Schritt.