Warum der Preis pro Token fast nichts über Ihre Kosten sagt

Der Fehler, den fast jede Anbietertabelle macht

Anbieter A verlangt 2,00 USD pro Million Eingabe-Token, Anbieter B verlangt 2,50 USD. Also ist A um 20 Prozent günstiger.

Diese Rechnung ist falsch, und zwar aus einem Grund, der in den Tabellen nie steht: Ein Token ist bei verschiedenen Modellen nicht dieselbe Menge Text. Jedes Modell zerlegt Text mit einem eigenen Verfahren. Für denselben Absatz kommen unterschiedliche Token-Zahlen heraus.

Wie groß der Unterschied sein kann, steht ausnahmsweise dokumentiert: Anthropic weist für Claude 4.7 und neuer aus, dass deren Tokenizer rund 30 Prozent mehr Token für denselben Text erzeugt als die Vorgängermodelle. Bei einem um 20 Prozent niedrigeren Preis pro Token zahlt man damit pro Seite trotzdem mehr.

Für deutschsprachige Texte ist der Effekt tendenziell größer als für englische, weil die Verfahren überwiegend an englischem Material entwickelt wurden. Umlaute, Komposita und Fachvokabular werden in mehr Stücke zerlegt.

Wer Anbieter vergleicht, muss also nicht Token vergleichen, sondern Seiten.

Die vier Größen, die die Rechnung bestimmen

Erstens: Token pro Seite Ihres eigenen Textes. Nicht pro Seite irgendeines Textes. Ein Wartungshandbuch, ein Anwaltsschriftsatz und ein Chatprotokoll verhalten sich unterschiedlich. Nehmen Sie zehn typische Dokumente und lassen Sie sie von jedem Kandidaten zählen — alle großen Anbieter haben dafür eine Schnittstelle, die nichts kostet.

Zweitens: das Verhältnis von Eingabe zu Ausgabe. Ausgabe kostet bei allen Anbietern ein Vielfaches der Eingabe, meist das Fünf- bis Sechsfache. Eine Anwendung, die lange Dokumente liest und drei Sätze antwortet, hat ein völlig anderes Kostenprofil als eine, die aus einer Zeile einen Bericht erzeugt. Wer nur den Eingabepreis vergleicht, vergleicht bei der zweiten Anwendung die falsche Zahl.

Drittens: der Anteil zwischengespeicherter Eingaben. Wiederkehrende Teile — Systemanweisung, Preisliste, Handbuch — lassen sich zwischenspeichern. Ein Cache-Treffer kostet bei aktuellen Modellen typischerweise ein Zehntel des Eingabepreises. Bei einer Anwendung, die jedem Aufruf dasselbe Handbuch mitgibt, ist das der größte Einzelposten der Ersparnis, und er unterscheidet sich zwischen Anbietern erheblich. Nicht alle rechnen ein Zehntel: Ältere Modelle berechnen für den Cache-Treffer bis zur Hälfte des Eingabepreises.

Viertens: der Anteil, der warten kann. Was nicht in Sekunden beantwortet werden muss, läuft über die Batch-Schnittstelle mit 50 Prozent Rabatt auf Eingabe und Ausgabe. Nächtliche Auswertungen, Massenklassifikation, Migration eines Altbestands. In vielen Projekten sind das zwei Drittel des Volumens, und niemand hatte je gefragt, ob sie sofort fertig sein müssen.

Was in keiner Preistabelle steht und trotzdem die Rechnung bestimmt

Nacharbeit. Ein Modell, das pro Vorgang halb so viel kostet und in einem von zwanzig Fällen eine Korrektur durch einen Menschen auslöst, ist teurer als das teurere Modell. Rechnen Sie den internen Stundensatz mit ein, dann kippt die Rangfolge in der Regel.

Wiederholungen. Modelle, die eine Aufgabe im ersten Anlauf nicht sauber lösen, werden noch einmal aufgerufen. In der Abrechnung erscheinen zwei Vorgänge, in der Statistik einer.

Schlussketten. Modelle, die vor der Antwort intern nachdenken, erzeugen dabei Ausgabe-Token — die teure Sorte. Ein niedriger Grundpreis sagt wenig, wenn pro Antwort das Fünffache an Token anfällt. Das ist auch der Grund, warum ein zu knapp gesetztes Token-Budget nicht zu einer kürzeren Antwort führt, sondern zu gar keiner: Das Denken verbraucht das Budget, bevor das erste Zeichen der Antwort geschrieben ist. Wir haben das in einem eigenen Projekt erlebt — ein Bericht war vier Tage leer, weil das Budget knapp bemessen war, und der Fehler sah aus wie ein Ausfall der Schnittstelle.

Wie ein belastbarer Vergleich aussieht

Nehmen Sie hundert echte Vorgänge aus Ihrem Alltag, keine ausgedachten Beispiele. Lassen Sie jeden Kandidaten alle hundert bearbeiten. Messen Sie drei Dinge: die tatsächlich abgerechneten Kosten, den Anteil der Ergebnisse, die ohne Nacharbeit brauchbar sind, und die Zeit, die eine Korrektur der übrigen kostet.

Das ist ein halber Tag Arbeit und ersetzt jede Tabelle. Die Zahl, die dabei herauskommt — Kosten pro brauchbarem Ergebnis — ist die einzige, die sich zwischen Anbietern vergleichen lässt.

In unseren eigenen Vergleichen lagen zwischen der naiven und der sauber gebauten Integration derselben Aufgabe beim selben Modell regelmäßig Faktor drei bis fünf. Der Anbieterwechsel bringt selten so viel wie die Frage, ob man Caching und Batch überhaupt nutzt.

Zu den einzelnen Anbietern

Die aktuellen Listenpreise mit Stand 30.08.2026 stehen in den jeweiligen Einträgen: Claude, OpenAI, GLM von Z.ai und OpenRouter. Wenn ein Modell dauerhaft in großer Menge läuft, lohnt zusätzlich die Frage, ab wann sich der eigene Betrieb rechnet: on-premise oder Cloud.