Uber hat sein gesamtes KI-Coding-Budget in 4 Monaten aufgebraucht

Die Kosten für KI-Coding steigen rasant.

Uber hat sein gesamtes Claude Code Budget für 2026 bereits bis April aufgebraucht. Sie mussten die Ausgaben der Mitarbeiter auf 1.500 $ pro Monat begrenzen.

Andere Daten zeigen einen massiven Trend:

  • Gartner gibt an, dass 23 % der Tech-Führungskräfte monatlich zwischen 200 $ und 500 $ pro Entwickler für Token ausgeben.
  • GitHub Copilot hat auf nutzungsbasierte Abrechnung umgestellt.
  • Führende Unternehmen geben monatlich 7.500 $ pro Mitarbeiter für KI aus.

Das Problem ist simpel. Agentische Workflows verbrauchen zu schnell Token. Wenn man für jede Aufgabe ein teures Modell verwendet, verschwendet man Geld.

Ich habe das bei meinen eigenen Ausgaben erlebt. Meine KI-Coding-Rechnung erreichte 10.000 $ pro Monat.

Ich habe Claude Opus für alles verwendet. Ich habe es für die Code-Planung, das Schreiben von Tests, das Formatieren von Dateien und das Umbenennen von Variablen genutzt.

Das ist so, als würde man einen Senior-Architekten engagieren, um Möbel zu rücken. Die Arbeit wird erledigt, aber man zahlt zu viel.

Ich habe meine Nutzung analysiert und ein Muster gefunden:

  • 15 % der Aufgaben erforderten komplexes Reasoning.
  • 25 % der Aufgaben erforderten mittlere Fähigkeiten.
  • 60 % der Aufgaben waren rein mechanisch.

Diese 60 % der Arbeit benötigen kein Frontier-Modell. Kleinere Modelle können das für viel weniger Geld erledigen.

Kluge Teams leiten Aufgaben an das richtige Modell weiter:

  • Tier 1 (Frontier-Modelle): Nutzen Sie diese für Architektur, komplexe Bugs und Sicherheit.
  • Tier 2 (Mid-Tier-Modelle): Nutzen Sie diese für die Implementierung von Features und Code-Reviews.
  • Tier 3 (Schnelle/Günstige Modelle): Nutzen Sie diese für Formatierung, Dokumentation und Boilerplate-Code.

Ich bin auf diese Methode umgestiegen. Meine monatlichen Ausgaben sanken von 10.000 $ auf 3.000 $. Die Qualität meiner Ergebnisse blieb gleich.

So fangen Sie an:

  • Protokollieren Sie Ihre API-Prompts für eine Woche.
  • Achten Sie auf Context Bloat oder unnötige Denk-Schleifen.
  • Routen Sie nach Aufgaben, nicht nach Sitzungen. Ein einzelner Workflow sollte in verschiedenen Schritten unterschiedliche Modelle verwenden.

Die Unternehmen, die mit KI erfolgreich sind, geben nicht einfach nur mehr aus. Sie geben smarter aus. Sie kombinieren verschiedene Modelle, um die Kosten niedrig zu halten.

Hören Sie auf, für teures Reasoning bei einfachen Aufgaben zu bezahlen.

Quelle: https://dev.to/aplomb2/uber-burned-through-its-entire-ai-coding-budget-in-4-months-heres-what-smart-teams-do-instead-2792

Optionale Lern-Community: https://t.me/GyaanSetuAi