Zwei KI-Modelle mit fast identischem Token-Preis, und am Monatsende steht trotzdem ein Vielfaches auf der Rechnung. Der Preis pro Million Token gilt als Standardvergleich für KI-Dienste, führt Entscheider aber systematisch in die Irre. Was zählt, sind die Kosten pro erledigter Aufgabe, nicht der Preis für tausend Wörter.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Der Token-Preis ist die meistgenannte Kennzahl beim KI-Einkauf, und ausgerechnet sie taugt kaum zum Vergleich. Der Entwickler Jan Iłowski hat für einen einzelnen Blogpost nachgezählt: Derselbe Text ergibt in einem Modell 160 Token, im nächsten 200, bei identischem Inhalt.[1]
Das Wichtigste in Kürze
- Jedes Labor zählt Token anders, derselbe Text ergibt je nach Modell unterschiedlich viele Einheiten.
- Denkschritte werden wie sichtbare Ausgabe berechnet und treiben die Kosten unsichtbar nach oben.
- Aussagekräftig ist der Preis pro gelöster Aufgabe, nicht pro Million Token.
- Prompt-Caching senkt die realen Kosten wiederkehrender Kontexte stark, je nach Anbieter unterschiedlich.
Warum sagt der Token-Preis so wenig aus?
Weil ein Token keine feste Größe ist. Jeder Anbieter nutzt einen eigenen Tokenizer, also eine eigene Zerlegung von Text in Recheneinheiten. Derselbe Satz kostet bei zwei Modellen damit unterschiedlich viele Token, obwohl der Inhalt gleich bleibt.
Verborgener Aufwand kommt hinzu, denn moderne Modelle erzeugen vor der eigentlichen Antwort lange Denkketten. Diese Reasoning-Token tauchen im Endergebnis nicht auf, werden aber wie normale Ausgabe abgerechnet. Wie stark ein Modell diesen unsichtbaren Aufwand betreibt, verrät das Preisschild nicht.
Iłowski nennt zusätzlich eine Tokenizer-Anpassung bei Anthropic, die identische Eingaben um rund 30 % verteuert hat, ganz ohne Änderung am Listenpreis. Schon vor der ersten Rechnung bricht der Vergleich also auseinander.
Was kostet eine Aufgabe wirklich?
Oft ganz anders, als der Token-Preis vermuten lässt. Rechnet man die Kosten auf eine gelöste Benchmark-Aufgabe um, dreht sich die Rangfolge teilweise um.
Ein Beispiel aus Iłowskis Auswertung auf Basis der Benchmark-Plattform Artificial Analysis: GPT-5.5 löst eine Aufgabe für rund 0,86 € und schlägt damit das teurere Claude Opus 4.8, das trotz niedrigerer Kartenwerte bei rund 1,55 € pro Aufgabe landet. Zum günstigsten Modell im Vergleich ist der Abstand noch größer, denn DeepSeek V4 Pro erledigt dieselbe Aufgabe für wenige Cent.
Caching bleibt in Preistabellen unsichtbar. In der Diskussion zum Beitrag heben Entwickler hervor, dass sich die Token-Kosten mit einem zwischengespeicherten Kontext auf einen Bruchteil senken lassen und Anthropics Umsetzung dabei als besonders effizient gilt. Der Nominalpreis relativiert sich dadurch weiter.
Ein Modell nach dem Token-Preis auszuwählen, heißt Tankstellenpreise zu vergleichen und den Verbrauch zu ignorieren. Bezahlt wird am Ende die erledigte Aufgabe, nicht die Zeichenzahl.
— Markus Seyfferth, Chefredakteur Dr. Web
Warum die beliebteste KI-Kennzahl wenig über die Monatsrechnung verrät.
Bis zu 90 % günstiger: Prompt-Caching senkt die Token-Kosten wiederkehrender Kontexte auf einen Bruchteil, je nach Anbieter unterschiedlich stark.
Was heißt das für Ihr KI-Budget?
Vergleichen Sie mit Ihren eigenen Aufgaben, nicht mit Listenpreisen. Ein Modell, das pro Aufgabe teurer wirkt, kann in der Praxis günstiger sein, wenn es seltener nachfragt und weniger Reasoning-Token verbraucht.
Für den Mittelstand folgt daraus ein klarer Testweg: Kandidaten an einer Handvoll echter, repräsentativer Aufgaben messen und die Kosten pro fertigem Ergebnis erfassen, nicht pro Million Token. Reine Durchsatzrekorde wie bei Open-Source-Modellen auf schneller Hardware helfen dabei nur bedingt.
Zwei Stellschrauben senken die Rechnung zusätzlich: wiederkehrende Kontexte per Caching bündeln und die Denk-Tiefe als Kostenfaktor behandeln, denn mehr Reasoning kann günstiger sein, wenn es Fehlversuche spart. Manche Betreiber umgehen die laufenden Kosten ganz und betreiben Modelle auf eigener Hardware.
Der Token-Preis bleibt als grobe Orientierung nützlich, taugt aber nicht als alleiniges Entscheidungskriterium. Die Kosten pro Aufgabe einmal sauber zu messen, kostet etwas Testaufwand und schützt danach vor bösen Überraschungen auf der Rechnung, gerade wenn die KI-Ausgaben ohnehin steigen.
Quelle
[1] Jan Iłowski: „Price per 1M tokens is meaningless“ ↩
Mehr Newshunger?
- Wenn die KI mehr kostet als der Entwickler
- Spitzen-KI-Modelle lokal betreiben: Was ein Praxisleitfaden empfiehlt
- GPT-5.6 Sol Ultra in Codex: Coding-Modell mit eigenen Subagenten
- Open-Source-KI-Modell GLM schafft 2626 Token pro Sekunde
- Beeinflusst sauberer Code KI-Coding-Agenten?
- KI als Verkaufsargument: Warum „AI-First“ an Zugkraft verliert
