BrowserTools
Startseite / KI / KI-API-Kostenrechner

KI-API-Kostenrechner

Finden Sie heraus, was ein KI-Modell pro Anfrage, pro Tag und pro Monat kostet, und vergleichen Sie die wichtigsten Anbieter direkt nebeneinander.

Betreut von BrowserTools · Zuletzt aktualisiert 2026-09-29

KI-API-Kostenrechner wird geladen… Wenn nichts passiert, aktiviere JavaScript.

APIs für große Sprachmodelle werden pro Token abgerechnet, einem Textstück, das meist einem kurzen Wort oder einem Teil eines längeren Wortes entspricht. Jeder Anbieter veröffentlicht einen Preis pro Million Tokens, und bei jeder Anfrage laufen zwei Zähler: die Eingabe-Tokens, die Sie senden (System-Prompt, Gesprächsverlauf, abgerufene Dokumente, Tool-Definitionen), und die Ausgabe-Tokens, die das Modell zurückschreibt. Dieser Rechner nimmt die Größe einer typischen Anfrage und deren Anzahl, multipliziert sie mit einer Tabelle aktueller Listenpreise und zeigt die Kosten pro Anfrage, pro Tag und pro Monat für alle Modelle gleichzeitig, so sortiert, dass die günstigste Option oben steht.

Häufig gestellte Fragen

Was ist ein Token und wie viele Wörter sind das?
Ein Token ist die Einheit, die ein Modell liest und schreibt, erzeugt von einem Tokenizer, der Text in häufige Bruchstücke zerlegt. Bei normalem englischem Text entspricht ein Token etwa drei Vierteln eines Wortes oder rund vier Zeichen, 1.000 Tokens sind also etwa 750 Wörter. Code, Zahlen, andere Sprachen und ungewöhnliche Formatierung zerfallen in mehr Tokens, deshalb sind die Optionen für Wörter und Zeichen als ungefähr gekennzeichnet.
Warum kosten Ausgabe-Tokens mehr als Eingabe-Tokens?
Das Modell kann Ihren gesamten Prompt parallel verarbeiten, muss die Antwort aber Token für Token erzeugen, mit einem vollständigen Durchlauf durch das Netz für jedes einzelne. Dadurch ist die Ausgabe viel teurer bereitzustellen, und die Anbieter bepreisen sie entsprechend, typischerweise mit einem Mehrfachen des Eingabepreises. Kurze Antworten oder strukturierte Ausgabe statt Fließtext sind oft der schnellste Weg, die Rechnung zu senken.
Was bedeutet der Anteil zwischengespeicherter Eingabe?
Beim Prompt Caching speichert der Anbieter die bereits verarbeitete Form eines Prompt-Anfangs und verwendet sie bei späteren Aufrufen wieder, wobei diese Tokens zu einem viel niedrigeren Cache-Lesepreis abgerechnet werden. Wenn Ihr System-Prompt und Ihr Referenzmaterial 80 % jeder Anfrage ausmachen und sich nur die Nutzerfrage ändert, tragen Sie 80 ein. Caches verfallen nach einigen Minuten ohne Nutzung, und manche Anbieter berechnen einen Aufschlag für das Schreiben in den Cache; betrachten Sie das Ergebnis daher als besten Fall bei gleichmäßigem Verkehr.
Wann lohnt sich eine Batch-API?
Immer dann, wenn niemand auf die Antwort wartet. Batch-Endpunkte nehmen eine Datei mit Anfragen entgegen und liefern die Ergebnisse asynchron, meist innerhalb von 24 Stunden, für etwa den halben Normalpreis. Sie eignen sich für Evaluierungsläufe, Massenklassifizierung, Datenextraktion, die Übersetzung großer Kataloge und nächtliche Berichte. Aktivieren Sie das Kästchen Batch API, um die rabattierten Kosten zu sehen; Modelle von Anbietern ohne veröffentlichten Batch-Rabatt bleiben beim Standardpreis und sind mit no batch markiert.
Zählen Reasoning- oder Thinking-Tokens als Ausgabe?
Ja, bei den hier aufgeführten Anbietern wird das interne Nachdenken des Modells vor der Antwort zum Ausgabepreis berechnet, auch wenn Sie nur eine kurze Endantwort sehen. Eine Anfrage mit 300 sichtbaren Tokens kann mehrere Tausend kosten, wenn das Modell ausführlich nachgedacht hat. Messen Sie einige echte Aufrufe und verwenden Sie die gesamte Ausgabemenge, die die API meldet, nicht nur die Länge der sichtbaren Antwort.
Warum steigt der Preis eines Modells bei sehr langen Prompts?
Mehrere Anbieter nutzen eine zweistufige Preisliste, bei der Prompts oberhalb einer bestimmten Größe sowohl bei der Eingabe als auch bei der Ausgabe teurer abgerechnet werden, weil Attention über sehr lange Kontexte mehr Rechenaufwand kostet. Überschreitet Ihre Eingabe pro Anfrage diese Schwelle, stellt der Rechner die betroffenen Modelle auf ihre Long-Context-Stufe um und markiert die Zeile, sodass Sie sehen, ob sich das Aufteilen von Dokumenten in kleinere Stücke lohnen würde.
Wie genau sind diese Schätzungen?
Die Rechnung ist für die eingegebenen Zahlen exakt, aber eine echte Rechnung hängt von Dingen ab, die ein Rechner nicht sieht: wie viele Tokens Ihr Text tatsächlich ergibt, Wiederholungen, Tool-Definitionen und Bilder, Cache-Trefferquoten, regionale oder priorisierte Preise und Steuern. Die Preise stammen aus der öffentlichen Preisliste des jeweiligen Anbieters, geprüft an dem Datum unter der Tabelle, und sie ändern sich häufig. Nutzen Sie das Ergebnis, um Modelle zu vergleichen und ein Budget abzuschätzen, und prüfen Sie es anschließend auf der Preisseite des Anbieters und in Ihrem Nutzungs-Dashboard.
Werden meine Daten irgendwohin gesendet?
Nein. Die Preistabelle ist Teil der Seite, und alle Berechnungen laufen in Ihrem Browser. Das Werkzeug ruft nie einen KI-Anbieter auf, sodass Sie auch vertrauliche Arbeitslasten durchrechnen können, ohne dass etwas Ihr Gerät verlässt.

Über KI-API-Kostenrechner

Eingabe und Ausgabe haben sehr unterschiedliche Preise. Ausgabe-Tokens kosten in der Regel ein Mehrfaches der Eingabe-Tokens, weil das Erzeugen von Text Token für Token für den Anbieter viel teurer ist als das parallele Lesen eines Prompts. Das verändert, welches Modell vorne liegt: Eine Anwendung, die lange Dokumente schickt und eine einzeilige Antwort erwartet, wird vom Eingabepreis bestimmt, ein Schreibassistent, der seitenweise Text produziert, vom Ausgabepreis. Reasoning-Modelle kommen noch hinzu, denn das verborgene Nachdenken vor der Antwort wird normalerweise als Ausgabe berechnet; der eingetragene Ausgabewert sollte es also enthalten. Manche Anbieter verlangen außerdem einen höheren Preis, sobald ein Prompt eine bestimmte Größe überschreitet, und die Tabelle stellt diese Modelle automatisch auf die Long-Context-Stufe um, wenn Ihre Eingabe groß genug ist.

Zwei Rabatte können die Rechnung deutlich senken. Prompt Caching erlaubt dem Anbieter, den Teil eines Prompts wiederzuverwenden, der sich zwischen Aufrufen wiederholt, etwa einen langen System-Prompt oder ein Dokument, zu dem Sie mehrere Fragen stellen, und zwischengespeicherte Eingabe-Tokens kosten nur einen kleinen Bruchteil des normalen Preises. Tragen Sie als Cache-Anteil den Prozentsatz jedes Prompts ein, der von Aufruf zu Aufruf gleich bleibt. Batch-APIs nehmen eine Datei mit Anfragen entgegen, verarbeiten sie innerhalb von etwa einem Tag statt sofort und berechnen dafür ungefähr den halben Preis, was gut zu Evaluierungen, Klassifizierungsjobs und nächtlichen Zusammenfassungen passt. Wenn Sie Ihre Token-Zahlen nicht kennen, stellen Sie die Einheit auf Wörter oder Zeichen um und erhalten eine grobe Schätzung, oder fügen Sie echten Text in den Token-Zähler ein, um einen genauen Wert zu bekommen. Alles wird in Ihrem Browser berechnet, und die Preistabelle zeigt das Datum ihrer letzten Prüfung.

Warum ein Token kein Wort ist

Die meisten modernen Modelle lesen Text mithilfe von Byte Pair Encoding, einem Verfahren, das 1994 erstmals als Methode zur Datenkompression beschrieben wurde. Es beginnt mit einzelnen Zeichen und verschmilzt immer wieder das Paar, das in einem Trainingskorpus am häufigsten vorkommt, sodass häufige Wörter am Ende ein einziges Token bilden und seltene aus mehreren Teilen zusammengesetzt werden. Das Ergebnis ist ein festes Vokabular, meist zwischen 50.000 und 250.000 Einträgen, mit dem sich jeder beliebige Text schreiben lässt.

Da das Vokabular überwiegend aus englischem Text gelernt wird, kann derselbe Satz in verschiedenen Sprachen sehr unterschiedlich viel kosten. Ein Absatz auf Deutsch braucht oft merklich mehr Tokens als seine englische Übersetzung, und Sprachen mit nicht lateinischer Schrift können ein Mehrfaches benötigen. Bei einer Abrechnung pro Token ist das ein echter Preisunterschied und einer der Gründe, warum neuere Tokenizer größere Vokabulare mit mehr nicht englischen Einträgen haben.

Die Tokenisierung erklärt auch einige berühmte Eigenheiten von Modellen. Ein Modell, das das Wort strawberry als zwei oder drei Stücke sieht, schaut nie auf die einzelnen Buchstaben, weshalb das Zählen der r früher sonst fähige Systeme ins Straucheln brachte. Zahlen werden aus demselben Grund in seltsame Zifferngruppen zerlegt, was Arithmetik für frühe Modelle schwieriger machte, als es aussah.

Verwandte Tools

Token-Zähler

Sehen Sie, wie viele Tokens Ihr Text in ChatGPT und anderen KI-Modellen belegt, dazu eine Schätzung für Claude. Nichts verlässt Ihren Browser.

Prozentrechner

Beantworten Sie jede Prozentfrage: X % von Y, wie viel Prozent X von Y ist oder die Veränderung zwischen zwei Zahlen.

Zinseszinsrechner

Sehen Sie, wie Ihr Erspartes mit regelmäßigen Einzahlungen wächst, mit und ohne Inflation.

llms.txt- und KI-robots.txt-Generator

Erstellen Sie eine llms.txt, die KI-Assistenten Ihre Website erklärt, und robots.txt-Regeln, die KI-Crawler zulassen oder sperren.
Unterstützen