senn-techWas ein KI-Modell wirklich kostet: Token-Preis, Token-Verbrauch, Wartezeit
Die Preisliste eines KI-Anbieters beantwortet die Frage, die niemand hat. Sie nennt den Preis je Million Token — aber eine Rechnung wird nicht in Token gestellt, sondern in erledigten Aufgaben. Und wie viele Token ein Modell für dieselbe Aufgabe braucht, unterscheidet sich um mehr als den Faktor drei.
Drei Kostenarten statt einer
Wer die Kosten eines Modells verstehen will, muss drei Größen zusammen betrachten:
- Der Token-Preis — was der Anbieter je Million Ein- und Ausgabe-Token verlangt. Die einzige Zahl, die in jeder Preisliste steht, und die am wenigsten aussagt.
- Der Token-Verbrauch — wie viele Token das Modell für dieselbe Aufgabe erzeugt. Reasoning-Modelle bezahlen ihre Denkschritte mit, auch wenn diese nie in der Antwort erscheinen.
- Die Zeit — wie lange bis zum ersten Zeichen und wie schnell danach. Diese Größe taucht auf keiner Rechnung auf und ist trotzdem oft der größte Kostenblock, weil davor ein bezahlter Mensch wartet.
Artificial Analysis misst alle drei an derselben Prüfung: Kosten eines vollständigen Index-Laufs, dabei erzeugte Token-Menge, Ausgabegeschwindigkeit und Zeit bis zum ersten Token.
| Modell | Index | Preis je 1 Mio. (Ein/Aus) | Ausgabe-Token | Kosten je Testlauf | Tempo | 1. Token nach |
|---|---|---|---|---|---|---|
| Claude Opus 5 (max) | 61 | $5 / $25 | 100 Mio. | $3.836 | 54,9 T/s | 85,6 s |
| Claude Fable 5 | 60 | $10 / $50 | 87 Mio. | $5.631 | 76,4 T/s | 144,0 s |
| GPT-5.6 Sol | 59 | $5 / $30 | 70 Mio. | $2.824 | 67,7 T/s | 123,3 s |
| Kimi K3 (max) | 57 | $3 / $15 | 130 Mio. | $2.437 | 34,9 T/s | 2,9 s |
| GLM-5.2 (max) | 51 | $1,40 / $4,40 | 140 Mio. | $975 | 179,4 T/s | 1,5 s |
| GPT-5.6 Luna (max) | 51 | $0,20 / $1,20 | 130 Mio. | $174 | 177,8 T/s | 128,3 s |
| Gemini 3.6 Flash | 50 | $1,50 / $7,50 | 59 Mio. | $727 | 213,5 T/s | 16,5 s |
| DeepSeek V4-Flash 0731 | 50 | $0,14 / $0,28 | 210 Mio. | $72 | 122,7 T/s | 1,5 s |
| MiniMax-M3 | 44 | $0,30 / $1,20 | 89 Mio. | $204 | 82,2 T/s | 1,3 s |
Schon die vierte Spalte sprengt jede Preislisten-Logik: Gemini 3.6 Flash braucht 59 Millionen Ausgabe-Token für dieselbe Prüfung, DeepSeek V4-Flash 210 Millionen — der Faktor 3,6. Beide erreichen Indexwert 50. Wer nur auf den Token-Preis schaut, hält DeepSeek für 27-mal günstiger; tatsächlich ist es beim Testlauf das Zehnfache an Ersparnis, weil der Mehrverbrauch einen Teil auffrisst.
Der Fall Kimi K3: billiger je Token, aber nicht halb so billig
Kimi K3 kostet je Ausgabe-Token 40 Prozent weniger als Claude Opus 5 — 15 statt 25 US-Dollar. Auf der Rechnung kommt davon weniger an, denn Kimi verbraucht 30 Prozent mehr Token für dieselbe Arbeit: 130 gegenüber 100 Millionen. Übrig bleiben 36 Prozent Ersparnis. Der Rabatt überlebt, aber er schrumpft — und die Hälfte war es nie.
Bezahlt wird der Rest in Zeit. Kimi K3 erzeugt 34,9 Token pro Sekunde, Claude Opus 5 schafft 54,9. Mehr Token bei geringerem Tempo heißt: Für dieselbe Arbeitslast läuft Kimi gut doppelt so lange.
Die Umkehrung: im Agenten gewinnt das schnelle Modell
An dieser Stelle wird es unbequem für einfache Merksätze, denn es gibt eine zweite Zeitgröße: die Zeit bis zum ersten Token. Bei Reasoning-Modellen auf hoher Denkstufe umfasst sie die gesamte Denkphase, bevor überhaupt ein Zeichen erscheint. Dort liegen Welten zwischen den Modellen: Kimi K3 antwortet nach 2,9 Sekunden, Claude Opus 5 nach 85,6, Claude Fable 5 nach 144.
In einem Agenten mit vielen kleinen Schritten kommt dieser Wert bei jedem einzelnen Werkzeugaufruf erneut zum Tragen. Ein typischer Lauf mit zwanzig Schritten à 800 Ausgabe-Token:
Das Ergebnis widerspricht dem Abschnitt davor — und beides stimmt. Bei einer langen Generierung ist Claude Opus 5 schneller fertig als Kimi K3 (13,6 gegenüber 19,1 Minuten für 40.000 Token). Bei zwanzig kurzen Schritten dreht sich das Bild vollständig: Claudes Denkphase fällt zwanzigmal an und summiert sich auf über eine halbe Stunde, während GLM-5.2 nach zwei Minuten durch ist.
Die Lehre daraus ist keine Modellempfehlung, sondern eine Messvorschrift: Man muss die eigene Aufgabenform kennen, bevor man Modelle vergleicht. Wenige lange Antworten und viele kurze Schritte sind zwei verschiedene Rechnungen.
Drei Arbeitslasten, durchgerechnet
Die folgenden Rechnungen sind unsere eigenen, mit offengelegten Annahmen. Sie verwenden die Listenpreise aus der Tabelle oben und unterstellen für alle Modelle dieselbe Token-Menge je Vorgang — der reale Mehrverbrauch von Reasoning-Modellen kommt also noch obendrauf.
Belegextraktion: 10.000 Rechnungen im Monat
Annahme: 4.000 Eingabe-Token je Dokument (Text einer durchschnittlichen Rechnung), 800 Ausgabe-Token je Ergebnis. Macht 40 Millionen Eingabe- und 8 Millionen Ausgabe-Token im Monat.
Zwischen der teuersten und der günstigsten Variante liegen 792 Dollar im Monat — bei einer Aufgabe, deren Ergebnis sich maschinell gegenprüfen lässt (Summen, Steuersätze, Lieferantennummern). Genau dort ist ein günstiges Modell die richtige Wahl: Der Fehler fällt in der Prüfung auf, nicht beim Kunden.
Interaktive Assistenz: 30 Mitarbeitende, 20 Anfragen am Tag
Annahme: 12.600 Anfragen im Monat, je 2.000 Eingabe- und 600 Ausgabe-Token. Die reinen Token-Kosten reichen von 5,65 Dollar (DeepSeek V4-Flash) über 14,11 (GPT-5.6 Luna) bis 352,80 Dollar (GPT-5.6 Sol).
Und jetzt die Zeit. Die Vorlaufzeit bis zum ersten Token fällt bei jeder einzelnen Anfrage an:
| Modell | Vorlauf je Anfrage | Wartezeit im Monat | Kosten der Wartezeit* |
|---|---|---|---|
| DeepSeek V4-Flash | 1,5 s | 5,1 h | ~257 € |
| GLM-5.2 (max) | 1,5 s | 5,3 h | ~264 € |
| Gemini 3.6 Flash | 16,5 s | 57,8 h | ~2.890 € |
| Claude Opus 5 (max) | 85,6 s | 299,5 h | ~14.975 € |
| GPT-5.6 Sol | 123,3 s | 431,7 h | ~21.585 € |
Der Unterschied in den Token-Kosten beträgt 347 Dollar. Der Unterschied in der bezahlten Wartezeit beträgt über 21.000 Euro. Das ist der eigentliche Grund, warum die Denkstufe bei interaktiven Anwendungen keine Detailfrage ist: Wer ein Reasoning-Modell auf „max" in einen Chat stellt, den ein Mensch bedient, verbrennt Arbeitszeit in einer Größenordnung, die jede Token-Diskussion erledigt.
Der Agentenlauf
Zwanzig Schritte à 800 Token kosten in Token gerechnet zwischen 0,4 Cent (DeepSeek) und 80 Cent (Fable 5) — vernachlässigbar. Entscheidend ist die Laufzeit aus dem Chart oben: 1,9 Minuten gegen 51,5 Minuten. Bei einem Agenten, der zehnmal am Tag läuft, ist das der Unterschied zwischen einem Werkzeug, das benutzt wird, und einem, das man umgeht.
Der Eigenbetrieb als vierte Option
Für Daten, die das Haus nicht verlassen dürfen, ist der Vergleich kein API-Vergleich mehr. Unsere eigene Inferenz-Maschine mit einer RTX 5090 kostet in der Vollrechnung rund 155 Euro im Monat: etwa 111 Euro Abschreibung (4.000 Euro Hardware auf drei Jahre) und rund 44 Euro Strom (240 Watt im Mittel, 0,25 Euro je Kilowattstunde). Dazu kommt Betreuungsaufwand, der sich schlecht in eine Zahl gießen lässt.
Damit unterbietet der Eigenbetrieb in der Belegextraktion oben jedes Modell ab Kimi K3 aufwärts (222 Euro und mehr) — und liegt gleichzeitig um den Faktor 21 über DeepSeek V4-Flash. Die Schlussfolgerung ist unbequem, aber klar: Der Eigenbetrieb rechnet sich gegen teure APIs, nicht gegen billige. Wer ihn allein mit Kosten begründet, argumentiert auf schwachem Boden. Wer ihn mit Datenhoheit begründet, argumentiert richtig — und bekommt die Kostenparität bei den oberen Modellklassen als Zugabe.
Zwei Hebel, die in keinem Vergleich auftauchen
Prompt-Caching verschiebt die Rechnung erheblich, sobald derselbe Kontext mehrfach geschickt wird — bei Agenten der Normalfall, weil Systemprompt und Werkzeugbeschreibungen bei jedem Schritt erneut mitgehen. DeepSeek berechnet für einen Cache-Treffer 0,0028 statt 0,14 US-Dollar je Million Token, also ein Fünfzigstel. Wer seine Prompts so baut, dass der stabile Teil vorne steht, zahlt auf der Eingabeseite einen Bruchteil.
Zeitabhängige Preise kommen gerade dazu. DeepSeek hat angekündigt, in den Spitzenzeiten 9–12 und 14–18 Uhr Pekinger Zeit — bei uns 3–6 und 8–12 Uhr — alle Abrechnungsposten zu verdoppeln (Preisliste). Für Stapelläufe heißt das: in die günstigen Stunden legen und die Rechnung halbieren. OpenAI geht den umgekehrten Weg und verkauft Tempo als Aufpreis — der Fast Mode für GPT-5.6 Sol beschleunigt die Verarbeitung um bis zu das 2,5-Fache zum doppelten Preis.
Ein Raster für die Auswahl
Stapelverarbeitung ohne Wartenden — Belegextraktion, Massenklassifikation, Übersetzungsläufe. Hier zählt ausschließlich der Preis je Arbeitslast, und die Prüfbarkeit des Ergebnisses erlaubt ein günstiges Modell. DeepSeek V4-Flash kostet ein Dreiundfünfzigstel von Claude Opus 5, bei elf Indexpunkten Rückstand.
Interaktive Arbeit mit einem Menschen davor. Die Wartezeit dominiert die Rechnung um den Faktor 60. Kurze Vorlaufzeit schlägt hier jeden Indexpunkt — oder man senkt die Denkstufe, was genau diesen Vorlauf verkürzt.
Agentische Abläufe mit vielen Schritten. Entscheidend ist die Zeit bis zum ersten Token, nicht die Ausgabegeschwindigkeit. Modelle mit kurzem Vorlauf gewinnen, auch wenn sie im Index hinten liegen.
Wenige, lange, schwierige Generierungen. Hier — und praktisch nur hier — spielt das Spitzenmodell seine Stärke aus: höhere Indexwerte, weniger Nacharbeit, und die lange Denkphase fällt einmal statt zwanzigmal an.
Sensible Daten. Eigenbetrieb, aus Gründen der Datenhoheit. Die Kostenparität stellt sich gegenüber den oberen Modellklassen von selbst ein.
Unsere Sicht
Wir betreiben für unsere eigenen Abläufe ein Gateway, das Anfragen nach Aufgabe verteilt statt nach Marke: Klassifikation und Extraktion auf günstige, schnelle Modelle, schwierige Fälle auf ein Spitzenmodell, sensible Daten auf lokale Modelle auf eigener Hardware. Genau diese Aufteilung ist der Grund, warum der Preisverfall bei uns ankommt — er wirkt nur, wenn die Architektur austauschbar bleibt.
Was wir uns abgewöhnt haben: Modelle nach der Preisliste zu vergleichen. Die Zahl, die zählt, ist der Preis je erledigter Aufgabe — und daneben die Zeit, die jemand dafür wartet. Beides steht in keinem Angebot.
Weiterführende Quellen
- Artificial Analysis — Modell-Leaderboard mit Kosten und Geschwindigkeit
- Claude Opus 5 — Messwerte im Detail
- Kimi K3 — Messwerte im Detail
- DeepSeek V4-Flash — Messwerte im Detail
- Gemini 3.6 Flash — Messwerte im Detail
- DeepSeek — offizielle Preisliste mit Cache- und Spitzenzeitregeln
- Der KI-Preisverfall 2026 — was die Anbieter gesenkt haben
Warum ist der Preis je Million Token die falsche Kennzahl?+
Weil zwei Modelle für dieselbe Aufgabe unterschiedlich viele Token verbrauchen. Kimi K3 kostet je Ausgabe-Token 40 Prozent weniger als Claude Opus 5, verbraucht für denselben Testlauf aber 30 Prozent mehr Token — netto bleiben 36 Prozent Ersparnis statt 40. Zwischen Gemini 3.6 Flash und DeepSeek V4-Flash liegt sogar der Faktor 3,6 im Token-Verbrauch für dieselbe Prüfung. Wer vergleichen will, muss die Kosten einer identischen Arbeitslast heranziehen, nicht die Preisliste.
Welches Modell ist bei uns das günstigste?+
Das hängt davon ab, ob jemand auf die Antwort wartet. Für Stapelverarbeitung ohne Wartenden zählt nur der Preis je Arbeitslast — dort liegt DeepSeek V4-Flash mit 72 US-Dollar gegenüber 3.836 bei Claude Opus 5 um den Faktor 53 vorn, bei elf Indexpunkten Rückstand. Sitzt ein Mitarbeiter davor, dominiert die Wartezeit die Rechnung: Bei 12.600 Anfragen im Monat summiert sich allein die Vorlaufzeit von Claude Opus 5 auf höchster Denkstufe auf rund 300 Stunden, bei DeepSeek auf fünf.
Ab wann rechnet sich der Eigenbetrieb auf eigener Hardware?+
Gegen teure APIs schnell, gegen billige praktisch nie. Eine Inferenz-Maschine mit einer RTX 5090 kostet über drei Jahre gerechnet rund 155 Euro im Monat an Abschreibung und Strom. Das unterbietet GPT-5.6 Sol oder Claude in einer Belegextraktion mit 10.000 Dokumenten deutlich, liegt aber weit über den 7 US-Dollar, die dieselbe Arbeitslast bei DeepSeek V4-Flash kostet. Das Argument für den Eigenbetrieb ist deshalb Datenhoheit, nicht der Preis.