LLM Preisgestaltung: Top 15+ Anbieter im Vergleich

API-Preise ändern sich mit jeder Modellgeneration. Das folgende Diagramm zeigt jedes Modell zum Zeitpunkt seiner Markteinführung, zeigt seinen Listenpreis pro Million Token, verwendet ein gemischtes Verhältnis von 3:1 Input zu Output und gruppiert die Modelle in acht Größenklassen. Die Preise sind Standard-API-Tarife ohne Cache- oder Batch-Rabatte, und die y-Achse ist logarithmisch.

• Flaggschiff-Chat-Modelle werden günstiger. GPT-4 startete im März 2023 bei $37,50; Claude Opus 4.8 im Mai 2026 bei $10,00.
• Die Reasoning-Pro-Stufen setzen eine neue Obergrenze. o1-pro erreichte im März 2025 einen Höchststand von $262,50; OpenAI’s Pro-Launches 2026 liegen bei $67,50.
• Das günstige Segment steigt langsam an. Die Einführungspreise kleiner Modelle 2026 liegen bei $1,69–$5,62, verglichen mit GPT-4o Mini’s $0,26 im Juli 2024.
• Offene Gewichte steigen langsam. Der Medianpreis für offene Flaggschiff-Starts stieg von $0,48 (2024) auf $1,35 (2026), immer noch unter den geschlossenen Stufen.
• Die mittlere Stufe steht still. GPT-Basis-, Sonnet- und Gemini Pro-Starts halten seit 2024 einen Median von $4–6.

LLM-Preismodelle

Es gibt zwei Möglichkeiten, für ein LLM zu bezahlen: Abonnementpläne mit Pauschalpreisen für LLM von den großen Anbietern oder ein Pay-as-you-go-API-Modell, das nach Token-Nutzung abgerechnet wird.

Klicken Sie auf die Modellnamen, um deren Benchmark-Ergebnisse, reale Latenz und Preise anzuzeigen und so die Effizienz und Kosteneffektivität jedes Modells zu bewerten.

Ranking: Die Modelle werden nach ihrer durchschnittlichen Position über alle Benchmarks hinweg eingestuft.

Sie können die Halluzinationsraten und die Reasoning-Leistung der führenden LLMs in unseren Benchmarks überprüfen.

LLM API-Preisbewertung

Vergleich von LLM-Abonnementplänen

Nicht-technische Benutzer bevorzugen möglicherweise die Benutzeroberfläche anstelle der API. Im Jahr 2026 bündeln die meisten Anbieter-Abonnements weit mehr als nur eine Chat-Oberfläche. Programmieragenten wie Claude Code, Codex, Kimi Code und Mistral Vibe sind in den Pro-Tarifen enthalten. Für Entwickler und Power-User ersetzt das passende $-10–$200-Abonnement oft das, was ansonsten ein separates Coding-IDE-Abonnement, ein Token-basiertes API-Budget und ein Video- oder Recherche-Tool kombiniert wäre.

OpenAI

Der kostenlose Plan beinhaltet Zugriff auf GPT-5.5 Instant mit gedeckelter täglicher Nutzung, Standard-Sprachmodus, begrenzten Uploads und grundlegender Bilderzeugung. Kontextbezogene Werbung erscheint jetzt in einigen Regionen, einschließlich der USA.

• ChatGPT Go ($8/Monat) ist ein kostengünstiger, werbefinanzierter Plan, der etwa 10x die Nachrichten des kostenlosen Kontingents, Datei-Uploads, Bilderstellung und vollen Zugriff auf GPT-5.5 bietet.
• ChatGPT Plus ($20/Monat) beinhaltet erweiterte Nutzungslimits, Zugriff auf GPT-5.5 und aktuelle Reasoning-Modelle, erweiterten Sprachmodus, Codex-Agenten, Bild- und Videoerzeugung sowie Early-Access-Funktionen.

Der Pro-Plan hat seit April 2026 zwei Stufen:

• ChatGPT Pro ($100/Monat) bietet dieselbe Modellausstattung wie die $200-Stufe (einschließlich GPT-5.5 Pro und der neuesten Reasoning-Modelle) mit etwa 5x der Plus-Nutzungslimits. Gebündelt: Codex mit 5x Plus-Nutzung, mehr Deep-Research-Durchläufe und vollständiger Sora-Zugriff.
• ChatGPT Pro ($200/Monat) bietet die höchsten individuellen Nutzungslimits (etwa 20x Plus), 250 Deep-Research-Durchläufe pro Monat, erweiterten Sprachmodus mit Video und Bildschirmfreigabe, Codex mit maximalem Nutzungs-Boost, Sora und Operator-Vorschau (nur USA).

Beide Pro-Stufen beinhalten priorisierten Zugriff zu Spitzenzeiten. Die Codex-Preisgestaltung bei Plus, Pro und Business wurde im April 2026 von pro Nachricht auf API-Token-ausgerichtete Nutzung umgestellt.

• Business-Plan ($20/Benutzer/Monat jährlich oder $25/Benutzer/Monat monatlich) ist OpenAIs Plan für kleine und mittelgroße Teams (ehemals ChatGPT Team, umbenannt im August 2025). Er bietet höhere Nachrichtenlimits, Admin-Konsole, SSO, von Training ausgeschlossene Teamdaten und gemeinsame Guthabenpools für erweiterte Funktionen. Gebündelt: Codex mit gemeinsam genutzten Workspace-Credits und der Möglichkeit, separate reine Codex-Sitzplätze zu flexiblen, nutzungsabhängigen Preisen zuzuweisen. Mindestens 2 Sitzplätze.

• Der Enterprise-Plan (individuelle Preisgestaltung) bietet Hochgeschwindigkeits-Modellzugriff, erweiterte Kontextfenster, Datenkontrollen auf Unternehmensniveau, Domain-Überprüfung, Analysen und Audit-Logs. Gebündelt: Codex mit gemeinsamem Guthabenpool, optionale reine Codex-Sitzplätze und Operator-Zugang.

Anthropic (Claude)

Der kostenlose Plan beinhaltet Web- und Mobile-Zugriff, grundlegende Analyse, Zugriff auf Claude Sonnet 4.6 und Dokument-Upload. Die tägliche Nutzung ist begrenzt, und Opus-Modelle sind nicht verfügbar.

• Pro-Plan ($20/Monat oder $17/Monat bei jährlicher Abrechnung) bietet Zugang zu allen Claude-Modellen, einschließlich Opus 4.7 und Sonnet 4.6, etwa 5x mehr Nutzung als der kostenlose Plan, Projektorganisation und priorisierten Zugang zu Spitzenzeiten. Gebündelt: Claude Code (Anthropics Coding-Agent in Terminal und IDE) und Cowork (Research-Modus), beide teilen sich denselben Nutzungspool wie der Chat. Seit Mai 2026 wurden die Fünf-Stunden-Ratenlimits von Claude Code verdoppelt und die Reduzierung zu Spitzenzeiten aufgehoben.

• Max 5x-Plan ($100/Monat) bietet etwa 5x mehr Nutzung als Pro, priorisierten Zugang zu den neuesten Funktionen und Modellen sowie vollständigen Claude Code-Zugang auf der höheren Max-Nutzungsstufe.

• Max 20x-Plan ($200/Monat) bietet etwa 20x mehr Nutzung als Pro, maximalen priorisierten Zugang und vollständigen Claude Code-Zugang. Entwickelt für tägliche Power-User, die Claude Code-Workloads ausführen.

Der Team-Plan bietet zwei Sitzplatztypen und unterstützt 5–150 Mitglieder:

• Standard-Sitzplatz: $20/Benutzer/Monat jährlich ($25/Benutzer/Monat monatlich). Beinhaltet Basisfunktionen, Standard-Nutzungslimits und Claude Code-Zugang.
• Premium-Sitzplatz: $100/Benutzer/Monat jährlich ($125/Benutzer/Monat monatlich). Alles aus Standard plus höhere Nutzungslimits für Power-User, die umfangreichere Claude Code-Workloads ausführen.

Gebündelte Apps: Claude Code und Cowork sind in jedem Team-Sitzplatz (Standard und Premium) enthalten; der Unterschied liegt in der Nutzungszulage, nicht im Zugang. Beide Sitzplatztypen umfassen zentrale Abrechnung, Kollaborationstools und Admin-Kontrollen.

• Enterprise-Plan (individuelle Preisgestaltung) bietet erweiterte Kontextfenster, SSO, Domain-Erfassung, rollenbasierte Zugriffskontrolle, SCIM, Audit-Logs und Datenintegrationen. Gebündelte Apps: Bei neuen und Self-Serve-Enterprise-Plänen sind Claude Code und Cowork in jedem Sitzplatz enthalten; ältere Enterprise-Verträge können zwischen reinen Chat-Sitzplätzen und Chat + Claude Code-Sitzplätzen mit nutzungsabhängiger Abrechnung unterscheiden.

Google (Gemini)

Der kostenlose Plan bietet Zugriff auf Gemini 3 Flash und unterschiedlichen Zugriff auf Gemini 3.1 Pro, grundlegende Bilderzeugung, Deep Research, Gemini Live, Canvas und Gems. Gebündelte Apps: NotebookLM (Recherche- und Schreibassistent) und Flow (eingeschränkter Veo 3.1-Zugang für KI-Filmemachen).

Google verwendet regionale Preisgestaltung, daher können die Preise je nach Region variieren.

• Google KI Plus ($7,99/Monat, USA) ist die Einstiegs-Stufe. Gebündelte Apps: verbesserter Gemini 3.1 Pro-Zugang im Chat, Bilderzeugung mit Nano Banana Pro, Veo 3.1 Lite-Videogenerierung, Flow mit eingeschränktem Veo 3.1, NotebookLM mit mehr Audio-Übersichten, Gemini in Gmail, Docs und Vids sowie Early-Access-Gemini in Chrome. Beinhaltet 200 GB Speicher.

• Google KI Pro ($19,99/Monat, USA) bietet höhere Nutzungslimits für Gemini 3.1 Pro und 5 TB Speicher. Gebündelte Apps: Jules (asynchroner Coding-Agent), Gemini Code Assist und Gemini CLI für IDEs, Google Antigravity (agentenbasierte Entwicklungsplattform), NotebookLM mit 5x Audio-Übersichten, Deep Research, Veo 3.1 Lite-Video und Google Home Premium (Standard-Plan).

• Google KI Ultra ($249,99/Monat, mit einem US-Einführungsangebot von $124,99/Monat für die ersten drei Monate) bietet die höchsten Nutzungslimits für alle Funktionen und 30 TB Speicher. Gebündelte Apps: vollständige Veo 3.1-Videogenerierung, Deep Think Reasoning, Gemini Agent (nur USA), Project Mariner agentenbasiertes Browsen, Project Genie (interaktives Weltmodell), Jules mit 20x Pro-Limits, höchste Antigravity-Stufe, NotebookLM mit maximaler Leistungsfähigkeit, Google Home Premium (Advanced-Plan) und ein individuelles YouTube Premium-Abonnement.

Microsoft Copilot

Der kostenlose Plan (Copilot Chat) ist ohne zusätzliche Kosten für alle Microsoft Entra-Benutzer mit einem berechtigten Microsoft 365-Abonnement verfügbar. Er beinhaltet grundlegenden Copilot-Chat in den Microsoft-Apps, jedoch ohne die tiefergehenden In-Dokument-Funktionen.

• Copilot Pro ($20/Monat) fügt priorisierten Modellzugriff, Boosts für die Bilderzeugung und vollständige Copilot-Integration in Word, Excel, PowerPoint, Outlook und OneNote hinzu, sowie Copilot in Designer für Bild- und Dokument-Layouts. Erfordert ein aktives Microsoft 365 Personal- oder Family-Abonnement. Microsoft hat die meisten Pro-Funktionen auch in einen neuen Microsoft 365 Premium-Plan ($19,99/Monat) integriert, der Office-Apps, 1 TB OneDrive und Copilot in einem Abonnement bündelt.

• Microsoft 365 Copilot Business ($18/Benutzer/Monat Aktionspreis bis zum 30. Juni 2026, danach $21/Benutzer/Monat jährlich; $25,20/Benutzer/Monat monatlich) fügt Copilot in allen Microsoft 365-Apps, Teams-Integration und Admin-Kontrollen hinzu. Gebündelte Apps: Copilot Studio Lite zum Erstellen einfacher Agenten, Copilot in SharePoint und Copilot Pages für kollaborative Entwürfe. Begrenzt auf Organisationen mit bis zu 300 Benutzern.

• Microsoft 365 Copilot Enterprise ($30/Benutzer/Monat, jährliche Verpflichtung) bietet erweiterte Sicherheit, Compliance und Analysen zusätzlich zu den Business-Funktionen. Gebündelte Apps: vollständiges Copilot Studio für benutzerdefinierte Agentenentwicklung, Copilot in Microsoft Purview und Intune für IT- und Sicherheits-Workflows sowie unternehmensweite Governance für bereitgestellte Agenten.

xAI (Grok)

Der kostenlose Plan bietet eingeschränkten Grok-Zugang mit etwa 10 Anfragen alle zwei Stunden.

• SuperGrok Lite ($10/Monat) ist die Einstiegs-Stufe. Sie beinhaltet 2x längere Konversationen, erhöhte Ratenlimits und KI-Bild- und Videoerstellung. Gebündelt: 1 KI-Agent im Expertenmodus und Grok Imagine für Bild- und Videogenerierung.

• SuperGrok ($30/Monat oder $300/Jahr) beinhaltet verbesserte Reasoning-Fähigkeiten, blitzschnelle Antworten, längere Datei-Uploads und die schrittweise Einführung von Grok 4.3. Gebündelte Apps: 4 KI-Agenten im Expertenmodus, die parallel laufen, DeepSearch für Live-Webrecherche, Big Brain-Modus für erweitertes Denken, Voice-Modus für gesprochenen Chat und 20x mehr Grok Imagine-Bild- und Videogenerationen inklusive HD 720p 30-Sekunden-Video.

• SuperGrok Heavy ($300/Monat) bietet vollständigen Zugriff auf Grok 4.3, Grok 4 Heavy (Multi-Agenten-Reasoning mit einem 256K-Kontextfenster), maximale Ratenlimits, priorisierten Zugriff bei Spitzenlast und frühe Vorschauen auf kommende xAI-Funktionen. Gebündelte Apps: maximale Agenten-Parallelität im Expertenmodus, vollständige DeepSearch-, Big Brain-, Voice- und Grok Imagine-Kontingente.

Grok ist auch in X-Abonnements enthalten: X Premium ($8/Monat) ist der günstigste kostenpflichtige Zugang zu Grok innerhalb der X-App und beinhaltet verifizierten Status und werbefreies Browsen. X Premium+ ($40/Monat) bündelt Grok mit voller Creator-Monetarisierung, der schrittweisen Einführung von Grok 4.3 und denselben Grok Agenten- und DeepSearch-Funktionen auf der X Premium+-Nutzungsstufe.

Moonshot KI (Kimi)

Kimis Verbraucherpläne sind nach musikalischen Tempoangaben benannt, von langsam bis schnell. Die internationale Preisangabe erfolgt in USD; chinesische Nutzer zahlen in CNY zu niedrigeren Tarifen.

• Adagio (Kostenlos) bietet unbegrenzte grundlegende Konversationen mit 6 Agenten-Nutzungen, begrenzten Deep-Research-Abfragen und grundlegenden OK-Computer-Agentenaufgaben.

• Moderato ($19/Monat) fügt Kimi K2.6 in Chat und Agentenaufgaben hinzu sowie erweiterte Deep-Research-Sitzungen. Gebündelte Apps: Kimi Code (terminalbasierter KI-Coding-Agent mit 300–1.200 API-Aufrufen pro 5-Stunden-Fenster) mit 1x Guthaben, plus Slides und Websites-Authoring-Tools.

• Allegretto ($39/Monat) bietet höhere Nutzung bei allem aus Moderato. Gebündelte Apps: Agent Swarm (parallele Sub-Agenten-Orchestrierung mit 100 Sub-Agenten und ~1.500 koordinierten Schritten in K2.5, skalierend auf 300 Sub-Agenten und 4.000 Schritte in K2.6), Kimi Claw Cloud-Deployment für heterogene Agentengruppen mit persistentem Speicher und 5x Kimi Code-Guthaben.

• Allegro ($99/Monat) bietet Agent Swarm mit 120 monatlichen Nutzungen, 15x Kimi Code-Guthaben und 12.000 Pro-Data-Anfragen für forschungsintensive Workflows.

• Vivace ($199/Monat) bietet Agent Swarm mit 240 monatlichen Nutzungen und bis zu 8 parallelen Sub-Agenten, 30x Kimi Code-Guthaben und 24.000 Pro-Data-Anfragen. Zielgruppe: umfangreiche Recherche- und agentenbasierte Workloads.

Die Mitgliedschaft beinhaltet keine API-Nutzung, die separat pro Token abgerechnet wird.

MiniMax

MiniMax trennt sein Verbraucher-Agentenprodukt von seinen coding-fokussierten Abonnements, die beide auf der zugrunde liegenden M2.x-Modellfamilie aufbauen.

MiniMax Agent-Pläne (autonome mehrstufige Recherche-, Programmier- und Office-Workflows):

• Kostenlos: 1.000 Startguthaben, gültig für 3 Tage, plus 200 tägliche Guthaben, die sich erneuern und übertragen.
• Basic ($39/Monat): 5.000 Guthaben pro Monat (~30 Pro-Modus-Aufgaben), Priorität zu Spitzenzeiten, Wasserzeichenentfernung, benutzerdefinierte Domain, 1 MaxClaw und 1 MaxHermes 24/7 Cloud-Deployments.
• Pro ($119/Monat): 20.000 Guthaben pro Monat (~120 Pro-Modus-Aufgaben), 3 MaxClaw- und 1 MaxHermes-Deployment, plus alle Basic-Vorteile.
• Ultra ($219/Monat): 40.000 Guthaben pro Monat (~240 Pro-Modus-Aufgaben), dieselbe Deployment-Anzahl wie Pro und die höchste Priorität.
• Team (individuell): zentrale Abrechnung und Admin-Kontrollen für Organisationen.

MiniMax Coding-Plan (separat, auf der API für Entwickler aufbauend; angetrieben von MiniMax M2.x):

• $10/Monat: 100 Prompts pro 5-Stunden-Fenster.
• $20/Monat (Plus): 300 Prompts pro 5-Stunden-Fenster.
• $50/Monat (Max): 1.000 Prompts pro 5-Stunden-Fenster.

Der Coding-Plan liefert vorhersehbare Prompt-Kontingente anstelle von Token-basierter Abrechnung und ist damit einer der günstigsten Wege zu einem hochmodernen Coding-Modell, wenn er mit einer CLI wie Cline oder Kilo Code kombiniert wird.

Mistral KI

Der kostenlose Plan (Le Chat) umfasst Web-Browsing, grundlegende Dateianalyse, Bilderzeugung, schnelle Flash-Antworten, in Projekten organisierte Gruppenchats, bis zu 500 gespeicherte Erinnerungen und 40+ Enterprise-Connectoren.

• Pro-Plan ($14,99/Benutzer/Monat) beinhaltet mehr Nachrichten und Websuchen, mehr erweitertes Denken und Deep-Research-Berichte, 15 GB Dokumentenspeicher, bis zu 1.000 Projekte und hochmoderne Bilderzeugung. Gebündelte Apps: Mistral Vibe (Mistrals Coding-Agent für ganztägige Entwicklung, mit Pay-as-you-go über das enthaltene Kontingent hinaus). Mistral bietet auch eine Studentenstufe zu $7,04/Benutzer/Monat mit denselben Pro-Funktionen.

• Team-Plan ($24,99/Benutzer/Monat) beinhaltet alles aus Pro mit bis zu 30 GB Speicher pro Benutzer, zentraler Abrechnung, rollenbasierter Zugriffskontrolle, Domain-Namensverifizierung und Datenexport. Gebündelte Apps: Mistral Vibe auf der Team-Nutzungsstufe mit gemeinsamen Admin-Kontrollen.

• Enterprise-Plan (individuelle Preisgestaltung) bietet sichere Deployment-Optionen, einschließlich Self-Hosted und Private Cloud, SAML SSO, Audit-Logs, Premium-Support und detaillierte Analysen. Gebündelte Apps: Mistral Vibe mit Vor-Ort-Deployment-Optionen für regulierte Workloads.

DeepSeek

DeepSeek bietet keine traditionellen Abonnementpläne an. Der Web- und Mobile-Chat-Zugang zu den neuesten Modellen (derzeit DeepSeek V4-Flash und V4-Pro) ist für alle Benutzer kostenlos, mit einer Fair-Use-Drosselung, die täglich zurückgesetzt wird.

Der API-Zugang erfolgt ausschließlich als Pay-per-Token. V4-Flash kostet $0,14 pro Million Input-Token (Cache-Miss) und $0,28 pro Million Output-Token, wobei Cache-Treffer zu etwa 1/50 des Input-Tarifs berechnet werden.

Meta (Muse Spark)

Meta verkauft derzeit kein Verbraucherabonnement für seinen KI-Assistenten. Muse Spark, das erste Modell der Meta Superintelligence Labs (gestartet am 8. April 2026), ist ein nativ multimodales Reasoning-Modell mit Tool-Nutzung, visuellem Chain-of-Thought und Multi-Agenten-Orchestrierung. Es treibt Meta KI in WhatsApp, Instagram, Facebook, Messenger, der Meta KI-App und Ray-Ban Meta-Brillen an, alles ohne Kosten für Endbenutzer.

Der API-Zugang befindet sich derzeit in einer privaten Vorschau für ausgewählte Entwickler und Unternehmen, ohne veröffentlichte Preisangaben. Meta hat darauf hingewiesen, dass eine breitere Verfügbarkeit und Preisgestaltung folgen werden.

LLM-Preisgestaltung verstehen

Tokens: die grundlegende Einheit der Preisgestaltung

Abbildung 1: Beispiel für die Tokenisierung mit dem GPT-4o & GPT-4o mini Tokenizer für den Satz „Identify New Technologies, Accelerate Your Enterprise.“¹

Während Anbieter eine Vielzahl von Preisstrukturen anbieten, ist die Preisgestaltung pro Token die gängigste. Tokenisierungsmethoden unterscheiden sich zwischen den Modellen; Beispiele hierfür sind:

• Byte-Pair Encoding (BPE): Zerlegt Wörter in häufige Teilworteinheiten und balanciert so Vokabulargröße und Effizienz.²
  • Beispiel: „unbelievable“ → [„un“, „believ“, „able“]
• WordPiece: Ähnlich wie BPE, aber optimiert für die Wahrscheinlichkeit von Sprachmodellen, verwendet in BERT.³
  • Beispiel: „tokenization“ → [„token“, „##ization“]. „token“ ist ein eigenständiges Wort; „##ization“ ist ein Suffix.
• SentencePiece: Tokenisiert Text ohne Berücksichtigung von Leerzeichen, effektiv für mehrsprachige Modelle wie T5.⁴
  • Beispiel: „natural language“ → [” natural“, ” lan“, „guage“] oder [” natu“, „ral“, ” language“].

Bitte beachten Sie, dass die genauen Teilwörter von den Trainingsdaten und dem BPE-/WordPiece-Prozess abhängen. Um diese Tokenisierungsmethoden besser zu verstehen, sehen Sie sich das folgende Video an:

Nachdem Sie die Tokenisierung verstanden haben, kann ein Durchschnittspreis basierend auf der Token-Länge des Projekts geschätzt werden. Tabelle 2 zeigt Token-Bereiche nach Inhaltstyp, einschließlich UI-Prompts, E-Mail-Ausschnitten, Marketing-Blogs, detaillierten Berichten und Forschungsarbeiten, und weist darauf hin, dass die Token-Anzahl je nach Modell variiert. Sobald ein Modell ausgewählt ist, kann sein Tokenizer verwendet werden, um die durchschnittliche Token-Anzahl für den Inhalt zu schätzen.

Tabelle 2: Typische Inhaltstypen, ihre Größenbereiche und Unternehmensüberlegungen (Bereiche sind Schätzungen und können variieren).

Auswirkungen des Kontextfensters

Das Kontextfenster legt eine harte Grenze für die Anzahl der Input- und Output-Token pro Aufruf fest, einschließlich aller Token, die von Reasoning-Modellen für das Chain-of-Thought-Reasoning verwendet werden. Wenn die Gesamtzahl diese Grenze überschreitet, wird die Antwort abgeschnitten oder die Anfrage schlägt vollständig fehl.

Abbildung 2: Veranschaulichung der Kontextfenster-Beschränkungen, die zu einer Ausgabeabschneidung in einer mehrstufigen Konversation führen.⁵

Bei Anwendungen, die lange Konversationen führen, schiebt jede zusätzliche Runde mehr Verlauf in die Eingabe. Ohne Gegenmaßnahmen wachsen die Eingabe-Token linear mit der Gesprächsdauer, und die Rechnung steigt entsprechend. API-Benutzer begegnen dem typischerweise auf eine von drei Arten:

• Prompt-Caching. OpenAI, Anthropic, Google und DeepSeek speichern alle wiederholte Prompt-Präfixe serverseitig im Cache und berechnen Cache-Treffer zu einem Bruchteil des Standard-Eingabetarifs, typischerweise 10 bis 50 Prozent des Cache-Miss-Preises. Bei Anwendungen, die einen langen System-Prompt oder Konversations-Präfix wiederverwenden, kann Caching die Eingabekosten um eine Größenordnung senken.
• Rollierendes Fenster oder RAG. Die ältesten Runden werden verworfen, sobald ein Schwellenwert erreicht ist, oder es werden nur relevante vergangene Nachrichten bei jedem Aufruf aus einem Vektorspeicher abgerufen.
• Zusammenfassung. Ältere Runden werden periodisch zu einer Zusammenfassung verdichtet, anstatt sie wortwörtlich erneut zu senden.

Für agentenbasierte Workloads wie Coding-Sessions oder Deep Research übernehmen moderne Coding-Agenten dies automatisch in der Sitzung. Claude Code beispielsweise liefert Kontextverdichtung: Wenn die Konversation sich dem Limit nähert, fasst es ältere Nachrichten zu einer verdichteten Version zusammen, während die jüngsten Runden intakt bleiben. Nachfolgende Runden senden nur die Zusammenfassung plus den jüngsten Kontext zurück an das Modell.

Die Auswirkungen auf die Preisgestaltung sind direkt. Bei Token-basierten APIs begrenzen Prompt-Caching und Verdichtung, wie stark die Eingabe jedes Aufrufs wächst, sodass die Kosten pro Runde in langen Sitzungen vorhersehbar bleiben. Bei Pauschalabonnements wie Claude Pro, ChatGPT Plus oder Kimi Moderato streckt die Verdichtung die täglichen und wöchentlichen Nutzungslimits, weil jeder Aufruf weniger Kontext mit sich führt. Eine Coding-Session, die sonst ein 5-Stunden-Ratenlimit ausreizen würde, kann länger laufen, wenn ältere Runden komprimiert werden.

Der Kompromiss besteht darin, dass jede Form der Zusammenfassung verlustbehaftet ist. Die Zusammenfassung kann Details auslassen, die sich später als wichtig erweisen, sodass der Benutzer sie erneut bereitstellen muss.

Maximale Ausgabe-Tokens

Die maximale Anzahl der Ausgabe-Tokens begrenzt die Länge der Antwort eines Modells. In vielen Dokumentationen wird erwähnt, dass sie mit dem Parameter max_tokens angepasst werden kann, aber es ist entscheidend, die Dokumentation der spezifischen verwendeten API zu überprüfen, um den korrekten Parameter zu identifizieren. Er sollte den spezifischen Anforderungen entsprechend angepasst werden:

Wird er zu niedrig angesetzt, kann dies zu unvollständigen Ausgaben führen, sodass das Modell Antworten abschneidet, bevor die vollständige Antwort geliefert wird.

Wird er zu hoch angesetzt, kann dies, abhängig von der Temperatur (einem Parameter, der die Kreativität der Antwort steuert), zu unnötig ausführlichen Ausgaben, längeren Antwortzeiten und erhöhten Kosten führen.

Daher ist es ein Parameter, der sorgfältige Überlegung erfordert, um die Ressourcennutzung zu optimieren und gleichzeitig Ausgabequalität, Kosten und Leistung abzuwägen.

Tabelle 3: Beispiel-Eingabe-Prompts und geschätzte Token-Anzahl pro Inhaltstyp.

*Dies setzt voraus, dass jedes Modell Antworten mit einer gleichen Anzahl von Ausgabe-Token erzeugt, obwohl die Token-Anzahl sowohl für Eingabe als auch Ausgabe je nach Tokenisierung des Modells variieren kann; die Zahl wurde hier für jedes Modell konstant gehalten.

Die Kombination der Token-Bereiche aus Tabelle 2 mit den Token-Tarifen eines Modells ergibt die erwarteten Kosten pro Inhaltstyp; die Beispiel-Prompts in Tabelle 3 zeigen die Eingabe- und Ausgabegrößen, die diesen Schätzungen zugrunde liegen.

Verwendung mehrerer Sprachmodelle

Ein KI-Gateway wie OpenRouter ermöglicht es, denselben Prompt gleichzeitig an mehrere Modelle zu senden. Die Antworten, der Token-Verbrauch, die Antwortzeit und die Preisgestaltung können dann verglichen werden, um zu bestimmen, welches Modell für die Aufgabe am besten geeignet ist.

Abbildung 3: Oberfläche, die zeigt, wie ein Prompt über OpenRouter an mehrere Large Language Models gesendet wird.⁶

Vorteile und Herausforderungen

• Erhöhte Anpassungsfähigkeit und Effizienz: Orchestrierung verbessert die Reaktionsfähigkeit, ermöglicht die Echtzeit-Bewertung der Modelleffizienz und identifiziert kosteneffektive Modelle und potenzielle Einsparungen.
• Prompt-Sensitivität und -Optimierung: Identische Prompts können stark unterschiedliche Ausgaben über Modelle hinweg hervorrufen, was ein auf jedes Modell zugeschnittenes Prompt Engineering erfordert, um die gewünschten Ergebnisse zu erzielen, was die Entwicklungs- und Wartungskomplexität erhöht.

Preismechanismen & versteckte Kosten

Reasoning-Token vs. Ausgabe-Token

Eine wachsende Zahl von Anbietern hat Reasoning-Modelle eingeführt, die zusätzliche Rechenleistung aufwenden, um internes Chain-of-Thought-Reasoning durchzuführen. Diese Modelle können eine separate „Reasoning-Token“-Klasse verwenden (die sich von den Standard-Ausgabe-Token unterscheidet), was typischerweise deutlich höhere Kosten verursacht.

Beispielsweise generieren Modelle wie GPT-5.5 Pro, Claude Opus 4.7 mit erweitertem Denken oder Gemini 3.1 Pro Deep Think interne Reasoning-Spuren, selbst wenn Sie nicht explizit anfordern. Diese internen Token zählen zu Ihrer Rechnung und können die Kosten erheblich erhöhen, insbesondere bei langen analytischen Aufgaben wie juristischen Überprüfungen, Datenanalysen oder mehrstufigem Reasoning.

Daher ist es unerlässlich, Folgendes zu beachten:

• Wählen Sie ein Reasoning-Modell nur dann, wenn die Genauigkeit die Kosten deutlich überwiegt.
• Deaktivieren Sie nach Möglichkeit das Chain-of-Thought oder legen Sie eine kürzere maximale Ausgabe-Token-Anzahl fest.
• Testen Sie dieselbe Aufgabe mit Nicht-Reasoning-Modellen, um zu sehen, ob die Leistung vergleichbar zu einem Bruchteil der Kosten ist.

Da Reasoning-Modelle pro Anfrage 10-30x mehr Denk-Token generieren können, ist es entscheidend, diesen Unterschied für die Kostenplanung zu verstehen.

Architekturbedingte Preisunterschiede

LLM-Architekturen beeinflussen direkt die Modelleffizienz und damit die API-Preisgestaltung. Zum Beispiel:

• Mixture-of-Experts (MoE)-Modelle aktivieren pro Anfrage nur eine Teilmenge der Parameter, was die Rechenkosten senkt und es den Anbietern ermöglicht, niedrigere Token-Tarife anzubieten.
• Spekulative Dekodierung paart ein kleineres Entwurfsmodell mit einem größeren, was den Durchsatz verbessert und die Kosten für deterministische Aufgaben senkt.
• Quantisierte Varianten (z. B. 4-Bit oder 8-Bit) können Inferenz mit geringerer Präzision durchführen und so niedrigere Preise für lokal bereitgestellte oder in der Cloud gehostete Versionen ermöglichen.

Das Verständnis dieser architektonischen Entscheidungen hilft Benutzern, nicht nur Preisunterschiede, sondern auch Latenz, Qualität und die Skalierung eines Modells unter Produktionslast vorherzusagen.

Betriebskosten jenseits der API-Gebühren

Während die Token-Preisgestaltung der primäre Kostentreiber ist, entstehen bei vielen Produktionsbereitstellungen zusätzliche Kosten jenseits der API-Nutzung:

• Embeddings und Vektordatenbanken: Das Speichern und Abrufen von Vektoren (z. B. Pinecone, Weaviate, ChromaDB) verursacht Kosten pro Abfrage und pro GB Speicher.
• Reranking- und Post-Processing-Modelle: Viele Anwendungen verwenden kleinere Modelle zur Zusammenfassung, Filterung oder Klassifizierung, bevor eine endgültige Anfrage an ein größeres Modell gesendet wird.
• Caching-Schichten: Anbieter wie OpenAI bieten jetzt Prompt-Caching an, aber die lokale Caching-Infrastruktur kann zusätzliche Rechenleistung erfordern.
• Protokollierung, Überwachung und Auditierung: Unternehmen tragen oft Kosten für Token-Monitoring, Latenzverfolgung und Sicherheitsaudits.

Diese versteckten Kosten machen oft 20–40% der gesamten LLM-Betriebskosten aus und sollten bei der Bewertung von Preisstrukturen berücksichtigt werden.

Entdecken Sie weitere unserer Benchmarks und datengestützten Erkenntnisse in der Google-Suche.

Als bevorzugte Quelle hinzufügen

Unternehmensspezifische Preisüberlegungen

Viele LLM-Anbieter verlangen zusätzliche Gebühren für Sicherheits- und Compliance-Funktionen auf Unternehmensniveau, wie z. B.:

• Einzelmandanten-Bereitstellungen
• Dedizierte GPU-Cluster
• Verbesserte SLAs (z. B. Verfügbarkeits-, Latenzgarantien)
• Datenresidenz und regionale Kontrollen
• SOC2-, HIPAA- oder GDPR-Compliance-Modi

Diese Angebote können die Kosten erheblich erhöhen, sind aber für regulierte Branchen wie Gesundheitswesen, Finanzwesen, Rechtsdienstleistungen und öffentliche Einrichtungen unerlässlich.

Zukünftige Trends in der LLM-Preisgestaltung

Drei Dinge prägten die LLM-Preisgestaltung im Jahr 2025: Commodity-Modelle wurden billig, jeder große Anbieter brachte ein Chat-Abonnement auf den Markt, und Reasoning-Modelle blieben teuer. Die zweistufige Kluft zwischen 0,14$-Commodity-Tokens (DeepSeek V4-Flash) und 180$-Frontier-Reasoning-Tokens (GPT-5.5 Pro) ist nun strukturell und wird sich wahrscheinlich vergrößern. Die interessanten Fragen für 2026 und darüber hinaus drehen sich darum, was sich auf dieser Basis verschiebt.

Pro-Token-Abrechnung weicht der Preisgestaltung pro Aufgabe

Agenten treiben jetzt den größten Teil der intensiven LLM-Nutzung voran. Eine einzelne Coding-Aufgabe mit Claude Code, ein Research-Lauf mit Cowork oder eine autonome Browsing-Sitzung mit Operator kann Hunderte von sequenziellen Modellaufrufen verursachen. Die Token-Abrechnung wird sowohl für Käufer als auch Verkäufer unvorhersehbar.

Als Reaktion darauf wechseln die Anbieter von Token-Zählern zu Aufgabenkontingenten. Kimi Code berechnet 300 bis 1.200 API-Aufrufe pro 5-Stunden-Fenster. Die Ratenlimits von Claude Code sind durch 5-Stunden-Sitzungen begrenzt, nicht durch die Anzahl der Nachrichten. Der MiniMax Coding Plan verkauft 100 bis 1.000 Prompts pro 5-Stunden-Fenster. Kimi Agent Swarm verkauft monatliche Durchläufe mit einer festen Anzahl paralleler Sub-Agenten. MiniMax Agent bewertet Credits, die in Pro-Modus-Aufgaben pro Monat umgerechnet werden.

Anbieterübergreifende Agenten-Geschirre wie OpenClaw und MaxHermes treiben dies weiter voran. Sie sitzen zwischen Benutzern und mehreren Modell-APIs, und ihre Preisgestaltung folgt zunehmend dem Aufgabendurchsatz statt den Kosten pro Million Token. Es ist zu erwarten, dass mehr Anbieter im nächsten Jahr Pro-Aufgabe- oder Pro-Sitzungs-SKUs veröffentlichen.

Kleine Reasoning-Modelle wandern auf das Gerät

Apple Intelligence führt Inferenz für Routineabfragen auf dem Gerät aus und greift nur bei komplexen Anfragen auf Private Cloud Compute zurück. Microsoft Copilot+-PCs werden mit einem lokalen Modell ausgeliefert. Pixel-Geräte führen Gemini Nano aus. Jüngste kleine Modelle (Phi-4 von Microsoft, Gemma 3 von Google, Llama 4 Scout von Meta, Claude Haiku 4.5 von Anthropic) sind reasoning-fähig in Größen, die auf die Neural Processing Unit eines Telefons oder Laptops passen.

Die preisliche Konsequenz ist ein zweistufiger Verbrauchermarkt. Routinearbeit läuft kostenlos zum marginalen Token auf dem Gerät. Cloud-Abonnements konkurrieren mit dem, was lokal nicht möglich ist: Frontier-Reasoning, großer Kontext, multimodale Generierung und Agenten-Orchestrierung. Der kostenlose lokale Boden drückt reine Chat-Abonnements gegen null, und gebündelte Apps werden zum eigentlichen Grund zu zahlen.

Langer Kontext und Speicher entscheiden, wer agentenbasierte Arbeit gewinnt

Langfristige agentenbasierte Aufgaben scheitern, wenn Modelle frühere Anweisungen vergessen oder Fakten halluzinieren, die sie sich merken sollten. Dauerhafte agentenbasierte Arbeit hängt von drei Dingen ab: einem großen Kontextfenster, persistentem Speicher und einer niedrigen Halluzinationsrate.

In einem Jahr sind drei Frontier-Fähigkeiten zur Baseline zusammengefallen. 1M-Token-Kontextfenster werden standardmäßig bei Claude Opus 4.7, Sonnet 4.6, Gemini 3.1 Pro und GPT-5.5 ausgeliefert. Prompt-Caching ist allgegenwärtig, mit Cache-Treffern bei 10 bis 20 Prozent der Cache-Miss-Raten bei OpenAI, Anthropic, Google und DeepSeek. Der persistente Speicher ist der langsamste, der zur Ware wird, wobei der Zugang bei ChatGPT und Claude immer noch hinter kostenpflichtigen Stufen verborgen ist.

Spezialisierte agentenbasierte Modelle entstehen an der Spitze dieses Marktes. Anthropics Claude Mythos-Vorschau⁷ , zu 25 $ Eingabe und 125 $ Ausgabe pro Million Token, zielt auf agentenbasiertes Coding, Computer-Nutzung und Cybersicherheits-Workloads ab. Es schlägt Opus 4.6 um 13 Punkte bei SWE-bench Verified (93,9% vs. 80,8%) und 17 Punkte bei Terminal-Bench 2.0 (82,0% vs. 65,4%). Anthropic gibt an, keine allgemeine Verfügbarkeit für Mythos selbst zu planen, aber das Modell markiert die Fähigkeits- und Preisobergrenze, auf die sich die Veröffentlichungen der nächsten Opus-Generation zubewegen werden.

Die Wettbewerbsfrage verschiebt sich von „Wie groß ist das Kontextfenster“ zu „Wie günstig und zuverlässig kann das Modell eine lange agentenbasierte Aufgabe aufrechterhalten?“ Anbieter, die dies gut lösen, werden Prämien verlangen. Diejenigen, die es nicht tun, werden agentenbasierte Workloads verlieren, unabhängig vom nominalen Token-Preis.

FAQs

Zitieren Sie diesen Benchmark

Wählen Sie das Format, das zu Ihrem Veröffentlichungsort passt. Wenn Sie die Link-Version in Ihr CMS einfügen, bleibt der Backlink erhalten.

@misc{dilmegani2026,
  author = {Dilmegani, Cem},
  title  = {{LLM Preisgestaltung: Top 15+ Anbieter im Vergleich}},
  year   = {2026},
  month  = jul,
  howpublished    = {\url{https://aimultiple.com/llm-pricing}},
  note   = {AIMultiple. Abgerufen am 14. Juli 2026}
}

Referenzlinks

1.

OpenAI Platform

2.

[1508.07909] Neural Machine Translation of Rare Words with Subword Units

3.

[1810.04805] BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding

4.

[1808.06226] SentencePiece: A simple and language independent subword tokenizer and detokenizer for Neural Text Processing

5.

Models | OpenAI API

6.

OpenRouter

OpenRouter

7.

Assessing Claude Mythos Preview’s cybersecurity capabilities \ Anthropic

Cem Dilmegani

Leitender Analyst

Folgen auf

Cem ist seit 2017 leitender Analyst bei AIMultiple. AIMultiple informiert monatlich Hunderttausende von Unternehmen (laut similarWeb), darunter 55 % der Fortune 500. Cems Arbeit wurde von führenden globalen Publikationen wie Business Insider, Forbes und der Washington Post, von globalen Unternehmen wie Deloitte und HPE sowie von NGOs wie dem Weltwirtschaftsforum und supranationalen Organisationen wie der Europäischen Kommission zitiert. Weitere namhafte Unternehmen und Ressourcen, die AIMultiple referenziert haben, finden Sie hier. Im Laufe seiner Karriere war Cem als Technologieberater, Technologieeinkäufer und Technologieunternehmer tätig. Über ein Jahrzehnt lang beriet er Unternehmen bei McKinsey & Company und Altman Solon in ihren Technologieentscheidungen. Er veröffentlichte außerdem einen McKinsey-Bericht zur Digitalisierung. Bei einem Telekommunikationsunternehmen leitete er die Technologiestrategie und -beschaffung und berichtete direkt an den CEO. Darüber hinaus verantwortete er das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos, das innerhalb von zwei Jahren von null auf einen siebenstelligen jährlichen wiederkehrenden Umsatz und eine neunstellige Unternehmensbewertung kam. Cems Arbeit bei Hypatos wurde von führenden Technologiepublikationen wie TechCrunch und Business Insider gewürdigt. Er ist ein gefragter Redner auf internationalen Technologiekonferenzen. Cem absolvierte sein Studium der Informatik an der Bogazici-Universität und besitzt einen MBA der Columbia Business School.

Vollständiges Profil anzeigen

Seien Sie der Erste, der kommentiert

Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.

Name

E-Mail-Adresse

Kommentar

0/450

Kommentar posten