Trage Tokens und Volumen ein — alle Modelle erscheinen nebeneinander mit Tages-, Monats- und Pro-Request-Kosten. Preise editierbar.
| {{ __t('model') }} | {{ __t('th_in') }} $/Mtok |
{{ __t('th_out') }} $/Mtok |
{{ __t('th_cache_read') }} $/Mtok |
{{ __t('th_per_request') }} $ |
{{ __t('th_per_day') }} $ |
{{ __t('th_per_month') }} $ |
|---|---|---|---|---|---|---|
| {{ m.name }} {{ m.vendor }} |
{{ calcRequest(m).toFixed(5) }} | {{ calcDay(m).toFixed(2) }} | {{ calcMonth(m).toFixed(2) }} |
Anbieter rechnen pro Million Token (Mtok) ab — separat für Input (Prompt + System + Kontext) und Output (Modellantwort). Dazu kommt bei vielen Anbietern ein Caching-Tarif: stabile Kontext-Anteile werden gecached und beim nächsten Mal zu einem Bruchteil des Input-Preises gelesen. Bei vielen Requests mit ähnlichem System-Prompt kann das die Rechnung drastisch senken — typischerweise um 50–90 % des Input-Anteils.
Klassifikation, Summarization, einfache Extraktionen: kleine Modelle (Haiku, GPT-4o mini, Gemini Flash, DeepSeek) sind oft 20–100× günstiger als die Top-Modelle und reichen für 80 % der Workloads. Reasoning-, Code- und Multi-Hop-Aufgaben profitieren von Opus, GPT-4o, Gemini Pro. Tipp: in Production einen Router bauen, der einfache Aufgaben an günstige Modelle und komplexe an Top-Modelle leitet — typische Ersparnis 40–70 %.
Eine LLM-API-Rechnung setzt sich aus mehr Komponenten zusammen, als die meisten Teams am Anfang erwarten. Die offensichtlichen sind Input-Tokens (alles, was du sendest: System-Prompt, History, User-Message, Tool-Definitionen) und Output-Tokens (was das Modell generiert). Die nicht so offensichtlichen sind Cache-Read-Tokens (5-10x günstiger als Input bei Anthropic und OpenAI), Cache-Write-Tokens (bei Anthropic 25 % teurer als Input für den ersten Write, danach kostenlos pro Cache-Hit für 5 Minuten), und bei Vision-Modellen Image-Tokens (z.B. ca. 765-1100 Tokens pro 1024x1024-Bild bei GPT-4o, je nach detail-Setting).
Mitte 2026 liegt die Preisspanne zwischen den größten und kleinsten Modellen bei circa 100x. Claude Opus 4.7 kostet 15 USD / 75 USD pro Million Tokens (Input/Output). Claude Haiku 4.5 liegt bei 1 USD / 5 USD. GPT-4o-mini bei 0.15 USD / 0.60 USD. Gemini 2.0 Flash bei 0.075 USD / 0.30 USD. DeepSeek V3 bei 0.27 USD / 1.10 USD. Das bedeutet: ein gleicher Workload, der bei Opus 1.000 USD pro Monat kostet, läuft bei Haiku 4.5 für circa 67 USD, bei Gemini Flash für circa 5 USD. Die richtige Frage ist nicht "welches Modell hat die niedrigsten Token-Preise", sondern "welches Modell ist gerade groß genug, um die konkrete Aufgabe zu lösen".
Beachte auch die Output-Asymmetrie: bei fast allen Anbietern kostet ein Output-Token 3-5x so viel wie ein Input-Token. Wer also Antworten von "erkläre ausführlich" auf "antworte in 50 Wörtern" kürzt, spart oft mehr als wer den Prompt reduziert. Im Default-Setting dieses Tools (5.000 Input, 1.000 Output) bestimmt der Input zwar die Latenz, aber häufig nur 40-50 % der Kosten — der Rest geht in den Output, obwohl er nur ein Fünftel der Tokens ausmacht.
Die Berechnung pro Request — inklusive Cache-Hit-Rate — ist:
cached_in = input_tokens * (cache_hit_rate / 100)
fresh_in = input_tokens - cached_in
cost_request = (fresh_in * price_in +
cached_in * price_cache +
out_tokens * price_out) / 1_000_000
cost_day = cost_request * requests_per_day
cost_month = cost_day * 30
// Beispiel: Claude Sonnet 4.6 (3.00 / 15.00 / 0.30 USD pro Mtok),
// 5000 Input, 1000 Output, 0 % Cache, 1000 Requests/Tag
// fresh_in = 5000
// cost_req = (5000 * 3 + 0 * 0.3 + 1000 * 15) / 1_000_000 = 0.030 USD
// cost_day = 30 USD
// cost_month = 900 USD
// Gleiche Last mit 80 % Cache:
// fresh_in = 1000
// cost_req = (1000 * 3 + 4000 * 0.3 + 1000 * 15) / 1_000_000 = 0.0192 USD
// cost_month = 576 USD --> 36 % ErsparnisFünf konkrete Workloads und ihre Monatskosten — basierend auf Default-Preisen aus dem Tool. Die Zahlen helfen, ein Bauchgefühl zu entwickeln, was bei einer Idee real auf die Rechnung kommt:
Die Berechnung ist ein lineares Modell und ignoriert mehrere reale Effekte. (1) Preise ändern sich. Die Default-Werte sind ein Stand Mitte 2026 — Anthropic, OpenAI und Google senken Preise alle 6-12 Monate (manchmal um 50 %+), gleichzeitig kommen neue Top-Modelle zu höheren Preisen dazu. Prüfe vor produktivem Einsatz immer die offiziellen Preisseiten. (2) Cache-Write-Kosten sind hier nicht modelliert. Anthropic verlangt für den ersten Cache-Write 1.25x den Input-Preis (Standard) oder 2x (1h-TTL). Bei sehr niedrigem Cache-Hit-Anteil kann Caching kurzfristig teurer sein. (3) Image-, Audio- und Video-Tokens sind separat abgerechnet. Bei GPT-4o ca. 765-1100 Tokens pro 1024x1024-Bild, bei Claude Sonnet ca. 1.500 Tokens. (4) Tool-Use-Overhead: jede Tool-Definition verbraucht zwischen 50 und mehrere hundert Tokens pro Request. (5) Latenz-Kosten (=langsamere Responses bei großen Modellen) sind nicht eingerechnet — können aber UX-relevant sein und indirekt Conversion kosten. Nutze diese Kalkulation als Größenordnungs-Schätzer, nicht als Abrechnungs-Tool.
max_tokens=200 statt max_tokens=1000 kann monatlich die Rechnung halbieren.