LLM-Preise: Top 15+ Anbieter im Vergleich

LLM-Preise erstrecken sich über vier Größenordnungen: Die günstigsten Modelle starteten bei unter $0,03 pro Million Tokens, während Frontier-Reasoning-Stufen bei bis zu $262,50 starteten. Das folgende Diagramm zeigt die Einführungspreise: Jeder Punkt ist der Durchschnittspreis der Modelle einer Größenklasse, die in einem Kalenderquartal eingeführt wurden, gemischt im Verhältnis 3 Teile Eingabe zu 1 Teil Ausgabe, über 8 Größenklassen hinweg. Die Preise sind die üblichen Listenpreise der Anbieter ohne Cache- oder Batch-Rabatte oder der gehostete Preis zum Einführungszeitpunkt für Open-Weight-Modelle ohne eigenen Erstanbieterpreis; die y-Achse ist logarithmisch.

• Flaggschiff-Chat-Modelle werden günstiger. GPT-4 startete im März 2023 bei $37,50; Claude Opus 5 im Juli 2026 bei $10.00.
• Reasoning-Pro-Stufen setzen eine neue Obergrenze. o1-pro erreichte im März 2025 mit $262,50 seinen Höchststand; die Pro-Einführungen 2026 von OpenAI liegen bei $67.50.
• Die günstige Preisklasse driftet nach oben. Der Median für geschlossene kleine Modelle lag 2024 bei $0,53 und in den ersten acht Monaten 2026 bei $3.00. Sechs Modelle kamen in diesem Jahr in dieser Klasse auf den Markt, und nur Upstage’s Solar Pro 4 blieb mit $0,53 unter $1.00.
• Open-Weight-Flaggschiffe haben sich im Preis verdreifacht und unterbieten dennoch geschlossene Modelle. Ihr mittlerer Einführungspreis stieg von $0,48 im Jahr 2024 auf $1,63 im Jahr 2026, verglichen mit einem Median von $3,75 für geschlossene Mid-Tier-Einführungen. Moonshot’s Kimi K3 ist mit $6,00 die teuerste Open-Weight-Einführung im Diagramm.
• Geschlossene Mid-Tier-Einführungen kosten 38 % weniger als 2024. Der Median fiel von $6,00 im Jahr 2024 auf $4,38 im Jahr 2025 und $3,75 im Jahr 2026. Grok 4.5 und Grok 4.6 starteten bei $3,00, Meta’s Muse Spark 1.1 bei $2.00.

Die Preise sind gemischte Einführungspreise pro Million Tokens, gewichtet mit drei Teilen Eingabe zu einem Teil Ausgabe, und schließen zeitlich begrenzte Einführungsaktionen aus.

LLM-API-Preisbewertung

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

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

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

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

Vergleich von LLM-Abonnementplänen

Nicht-technische Nutzer ziehen möglicherweise die Benutzeroberfläche der API vor. Im Jahr 2026 bündeln die meisten Anbieter-Abonnements weit mehr als nur eine Chat-Oberfläche. Coding-Agenten wie Claude Code, Codex, Kimi Code und Mistral Vibe sind in Pro-Tarifen enthalten. Für Entwickler und Vielnutzer ersetzt das passende Abonnement von $10–$200 oft das, was sonst ein separates Abonnement für eine Coding-IDE, ein Budget für die API pro Token und ein Video- oder Recherchetool zusammen wären.

OpenAI

Der Free-Tarif umfasst unbegrenzte alltägliche Textchats mit GPT-5.6 Luna, Standard-Sprachmodus, begrenzte Uploads und grundlegende Bilderzeugung. Kontextbezogene Werbung erreicht ab August 2026 etwa 40 Märkte, darunter die USA und den größten Teil Europas, und erscheint nur in den Free- und Go-Tarifen.

• ChatGPT Go ($8/Monat) ist ein kostengünstiger Tarif, der Werbung enthalten kann. Textchats sind wie im Free-Tarif unbegrenzt; das Upgrade bietet höhere Limits für Datei-Uploads, Bilderzeugung, Sprache und Speicher, alles mit GPT-5.6 Luna.
• ChatGPT Plus ($20/Monat) beinhaltet erweiterte Nutzungslimits, Zugriff auf GPT-5.6 Sol, Terra und Luna, erweiterten Sprachmodus, den Codex-Agenten, Bilderzeugung und Early-Access-Funktionen.

Der Pro-Tarif hat seit April 2026 zwei Stufen:

• ChatGPT Pro ($100/Monat) bietet dieselbe Modellpalette wie die $200-Stufe (einschließlich GPT-5.6 Sol) mit etwa dem 5x-fachen der Plus-Nutzungslimits.
• ChatGPT Pro ($200/Monat) bietet die höchsten individuellen Nutzungslimits (etwa das 20x-fache von Plus), maximale Deep-Research-Kontingente, erweiterte Sprachfunktionen mit Video und Bildschirmfreigabe, Codex mit maximalem Nutzungsschub und Sora.

Beide Pro-Stufen beinhalten priorisierten Zugriff während der Spitzenzeiten. Die Codex-Preisgestaltung in Plus, Pro und Business wurde im April 2026 von einer Abrechnung pro Nachricht auf eine an API-Token ausgerichtete Nutzung umgestellt.

ChatGPT Work, der Agent von OpenAI für langlaufende mehrstufige Projekte (eingeführt am 9. Juli 2026), ist in kostenpflichtigen Tarifen enthalten, und die Desktop-App, die Chat, Work und Codex bündelt, ist in jedem Tarif verfügbar, einschließlich Free.

• Business-Tarif ($20/Benutzer/Monat jährlich oder $25/Benutzer/Monat monatlich) ist der Tarif von OpenAI für kleine und mittelgroße Teams (ehemals ChatGPT Team, im August 2025 umbenannt). Er bietet höhere Nachrichtenlimits, Admin-Konsole, SSO, von Trainings ausgeschlossene Teamdaten und gemeinsame Guthabenpools für erweiterte Funktionen. Gebündelte Apps: Codex mit gemeinsamen Workspace-Guthaben. Reine Codex-Plätze wurden am 24. Juni 2026 für neue Workspaces geschlossen; OpenAI hat Premium-Plätze für $100/Benutzer/Monat jährlich ($125 monatlich) mit der 5x-fachen Standardnutzung angekündigt. Der Tarif erfordert mindestens 2 Plätze.
• Der Enterprise-Tarif (individuelle Preisgestaltung) bietet Hochgeschwindigkeitszugriff auf Modelle, erweiterte Kontextfenster, Datenkontrollen auf Unternehmensniveau, Domänenüberprüfung, Analysen und Audit-Protokolle. Gebündelte Apps: Codex mit gemeinsamem Guthabenpool und optionalen reinen Codex-Plätzen.

Anthropic (Claude)

Der Free-Tarif umfasst Web- und Mobilzugriff, grundlegende Analysen, Zugriff auf Claude Sonnet 5 und Haiku sowie das Hochladen von Dokumenten. Die tägliche Nutzung ist begrenzt, und die Modelle Opus und Fable sind nicht verfügbar.

• Pro-Tarif ($20/Monat oder $17/Monat bei jährlicher Abrechnung) bietet Zugriff auf Opus 5, Sonnet 5 und Haiku, etwa 5x mehr Nutzung als Free, Projektorganisation und priorisierten Zugriff während der Spitzenzeiten. Fable 5 ist nicht Teil der Pro-Nutzungslimits; es wird über nutzungsabhängige Guthaben zu API-Tarifen abgerechnet. Gebündelte Apps: Claude Code (der Coding-Agent von Anthropic im Terminal und der IDE), Cowork, Claude Design und Claude für Microsoft 365, die alle denselben Nutzungspool wie der Chat teilen.
• Max-5x-Tarif ($100/Monat) bietet etwa 5x mehr Nutzung als Pro, priorisierten Zugriff auf die neuesten Funktionen und Modelle sowie vollständigen Zugriff auf Claude Code auf der höheren Max-Nutzungsstufe.
• Max-20x-Tarif ($200/Monat) bietet etwa 20x mehr Nutzung als Pro, maximalen priorisierten Zugriff und vollständigen Zugriff auf Claude Code. Entwickelt für tägliche Power-User, die Claude-Code-Workloads ausführen. Beide Max-Stufen enthalten Fable 5, das teuerste Modell von Anthropic; dessen Nutzung kann bis zur Hälfte des wöchentlichen Nutzungslimits des Tarifs beanspruchen.

Der Team-Tarif bietet zwei Platztypen und unterstützt 2 bis 150 Mitglieder:

• Standard-Platz: $20/Benutzer/Monat jährlich ($25/Benutzer/Monat monatlich). Enthält Basisfunktionen, Standard-Nutzungslimits und Zugriff auf Claude Code.
• Premium-Platz: $100/Benutzer/Monat jährlich ($125/Benutzer/Monat monatlich). Alles aus Standard plus höhere Nutzungslimits für Power-User, die intensivere Claude-Code-Workloads ausführen.

Gebündelte Apps: Claude Code und Cowork sind in jedem Team-Platz (Standard und Premium) enthalten; der Unterschied liegt im Nutzungskontingent, nicht im Zugriff. Beide Platztypen umfassen zentrale Abrechnung, Tools für die Zusammenarbeit und Admin-Kontrollen.

• Enterprise-Tarif ($20/Platz/Monat zuzüglich Nutzung zu API-Tarifen im Self-Serve-Tarif; individuelle Preise über den Vertrieb) bietet erweiterte Kontextfenster, SSO, Domänenerfassung, rollenbasierte Zugriffskontrolle, SCIM, Audit-Protokolle und Datenintegrationen. Gebündelte Apps: In neuen und Self-Serve-Enterprise-Tarifen sind Claude Code und Cowork in jedem Platz enthalten; ältere Enterprise-Verträge unterscheiden möglicherweise zwischen Nur-Chat-Plätzen und Chat-+-Claude-Code-Plätzen mit nutzungsbasierter Abrechnung.

Google (Gemini)

Der free-Tarif bietet Zugriff auf Gemini 3.6 Flash und unterschiedlichen Zugriff auf Gemini 3.1 Pro, grundlegende Bilderzeugung, Deep Research, Gemini Live, Canvas und Gems. Gebündelte Apps: Gemini Notebook (ehemals NotebookLM) und Flow mit begrenztem Nano Banana Pro-Zugriff.

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

• Google KI Plus ($4,99/Monat, USA) ist der kostenpflichtige Einstiegstarif mit dem 2x-fachen der Free-Nutzungslimits. Gebündelte Apps: mehr Zugriff auf Gemini 3.1 Pro im Chat, Bilderzeugung mit Nano Banana Pro, Videoerzeugung mit Gemini Omni Flash, 200 Flow-Guthaben, Gemini Notebook mit mehr Audio-Übersichten, Gemini in Gmail, Docs und Vids sowie Early-Access-Gemini in Chrome. Enthält 400 GB Speicherplatz.
• Google KI Pro ($19,99/Monat, USA) bietet das 4x-fache der Free-Nutzungslimits und 5 TB Speicherplatz. Gebündelte Apps: Jules (asynchroner Coding-Agent), Google Antigravity (agentische Entwicklungsplattform), erweiterte KI Studio-Limits, $40/Monat an Google Cloud-Guthaben, Gemini Notebook mit 5x-Audio-Übersichten, Deep Research, 1.000 Flow-Guthaben, YouTube Premium Lite und Google Home Premium (Standard-Tarif).
• Google KI Ultra (USA) kostet $99,99/Monat für das 5x-fache der KI-Pro-Nutzungslimits oder $199,99/Monat für das 20x-fache. Gebündelte Apps: Deep Think Reasoning, Gemini Agent (nur USA), Gemini Spark, Project Genie (interaktives Weltmodell), Jules mit den höchsten Limits, erstklassiges Antigravity, 10.000 oder 25.000 Flow-Guthaben, Google Home Premium (Advanced-Tarif) und ein YouTube Premium Einzelabonnement. Der Speicherplatz beginnt bei 20 TB.

Microsoft Copilot

Der free-Tarif (Copilot Chat) ist ohne zusätzliche Kosten für alle Microsoft-Entra-Benutzer mit einem berechtigten Microsoft-365-Abonnement verfügbar. Er umfasst grundlegenden Copilot-Chat in allen Microsoft-Apps, ohne die tiefergehenden In-Dokument-Funktionen.

• Microsoft 365 Premium ($19,99/Monat oder $199,99/Jahr) ist jetzt der Copilot-Tarif für Verbraucher. Er bündelt die Office-Apps, bis zu 6 TB Speicherplatz (1 TB pro Person für bis zu sechs Personen) und die höchsten Copilot-Limits für Verbraucher; die KI-Funktionen gelten nur für den Abonnementinhaber. Das frühere Copilot Pro ($20/Monat) ist für Neukäufe geschlossen; bestehende Abonnenten können es behalten oder zu Premium wechseln.
• Microsoft 365 Copilot Business ($21/Benutzer/Monat jährlich; $18/Benutzer/Monat erster Jahrespreis für Käufe bis zum 30. September 2026; $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 leichter Agenten, Copilot in SharePoint und Copilot Pages für gemeinsame Entwürfe. Begrenzt auf Organisationen mit bis zu 300 Benutzern.
• Microsoft 365 Copilot Enterprise ($30/Benutzer/Monat jährlich oder $31,50/Benutzer/Monat bei monatlicher Abrechnung; erfordert eine qualifizierende Microsoft-365-Lizenz) bietet erweiterte Sicherheit, Compliance und Analysen zusätzlich zu den Business-Funktionen. Gebündelte Apps: Agentenerstellung mit Copilot Studio (Arbeitsdaten und vorgefertigte Agenten können nach Verbrauch abgerechnet werden; eigenständiges Copilot Studio wird separat verkauft), Copilot in Microsoft Purview und Intune für IT- und Sicherheitsworkflows sowie Governance über bereitgestellte Agenten.

xAI (Grok)

Der free-Tarif bietet begrenzten Zugriff auf Grok.

• SuperGrok Lite ($10/Monat) ist der kostenpflichtige Einstiegstarif. Er umfasst 2x längere Konversationen, erhöhte Ratenlimits sowie KI-Bild- und Videoerzeugung. Gebündelte Apps: Grok Build (xAI’s App-Bau-Agent, seit August 2026 auch kostenlos im Web) und Grok Imagine für Bild- und Videoerzeugung.
• SuperGrok ($30/Monat oder $300/Jahr) umfasst verbessertes Reasoning mit Grok 4.6, 5x längere Konversationen, längere Datei-Uploads, Sprachmodus für gesprochenen Chat und 20x mehr Grok-Imagine-Bild- und Videoerzeugungen, einschließlich HD-720p-30-Sekunden-Videos.
• SuperGrok Plus ($100/Monat) fügt Zugriff auf Grok Bot, 1080p-Videoerzeugung, höhere Nutzungslimits, schnellere Antworten und priorisierten Zugriff hinzu.
• SuperGrok Heavy ($300/Monat) bietet alles aus Plus, ein Agententeam für paralleles Arbeiten, maximale Ratenlimits, frühe Vorschauen auf kommende xAI-Funktionen und ein X Premium+-Abonnement. Im Juli 2026 lieferte xAI außerdem Add-ins für Excel, Outlook und Google Workspace sowie geplante Automatisierungen; die meisten sind kostenlos, wobei das Outlook-Add-in und per E-Mail ausgelöste Automatisierungen zahlenden Benutzern vorbehalten sind.

Grok ist auch in X-Abonnements gebündelt: X Premium ($8/Monat) ist der günstigste kostenpflichtige Weg zu Grok innerhalb der X-App und beinhaltet verifizierten Status sowie reduzierte Werbung. X Premium+ ($40/Monat) entfernt Werbung auf ganz X und bietet die höchsten Grok-Nutzungslimits sowie die vollständige Monetarisierung für Creator.

Moonshot KI (Kimi)

Kimis Verbrauchertarife sind nach musikalischen Tempoangaben benannt, von langsam nach schnell. Internationale Preise sind in USD; chinesische Benutzer zahlen in CNY zu niedrigeren Tarifen. Seit August 2026 stehen Neukäufe auf der Warteliste. Die Preisseite kündigt kommende Tarife an, die Vorteile von Kimi und Kimi Code trennen, und die Mitteilung von Moonshot vom 20. Juli verweist auf Kapazitätsengpässe bei der Rechenleistung für den verzögerten Start, vier Tage nach der Veröffentlichung von K3. Bestehende Abonnenten behalten ihre Tarife und können sie verlängern.

• Adagio (Free) bietet unbegrenzte grundlegende Konversationen mit 6 Agentennutzungen, begrenzte Deep-Research-Abfragen und grundlegende OK Computer-Agentenaufgaben.
• Moderato ($19/Monat) ergänzt Kimi K3 in Chat- und Agentenaufgaben sowie erweiterte Deep-Research-Sitzungen. Gebündelte Apps: Kimi Code (terminalorientierter KI-Coding-Agent; schätzungsweise 300 bis 1.200 Anfragen pro 5-Stunden-Fenster, abgerechnet aus dem gemeinsamen Guthabenpool) sowie Autorentools für Slides und Websites.
• Allegretto ($39/Monat) bietet höhere Nutzung bei allem aus Moderato. Gebündelte Apps: Agent Swarm (parallele Orchestrierung von Subagenten, bis zu 4 parallele Teilaufgaben in diesem Tarif), Kimi Claw-Cloud-Bereitstellung für heterogene Agentengruppen mit persistentem Speicher und das 2x-fache der Agentenguthaben von Moderato.
• Allegro ($99/Monat) bietet 5x Agentenguthaben, Agent Swarm mit bis zu 8 parallelen Teilaufgaben und K3-Chat mit bis zu 1M Tokens Kontext.
• Vivace ($199/Monat) bietet 10x Agentenguthaben, 4 gleichzeitige Aufgaben, Agent Swarm mit bis zu 8 parallelen Teilaufgaben und K3-Chat mit bis zu 1M Tokens Kontext, ausgerichtet auf intensive Recherchen und agentische Workloads.

Die Mitgliedschaft umfasst Kimi-Code-API-Schlüssel zur Verwendung in Drittanbieter-Coding-Tools; die separate Kimi-Open-Platform-API wird pro Token abgerechnet.

MiniMax

MiniMax verkauft einen einheitlichen Token Plan auf Basis seiner M3- und M2.7-Modelle. Er ersetzte Mitte 2026 die früheren separaten Agenten-Guthabenpläne und den Coding Plan.

MiniMax Token Plan (ein Kontingent für Agenten, Coding und multimodale Arbeiten):

• Plus ($20/Monat): gleitende 5-Stunden- und Wochenkontingentfenster, ausreichend für 3 bis 4 parallel laufende Coding-Agenten; für persönliche Projekte und Prototyping.

• Max ($50/Monat): dieselben Fenster für 4 bis 5 parallele Agenten; für tägliches Coding mit Agenten und multimodale Arbeiten.

• Ultra ($120/Monat): 6 bis 7 parallele Agenten; für intensive Agenten-Workflows und längere Sitzungen.

• Guthabenpakete: $5 für 5.000 Credits, $25 für 25.000, $100 für 100.000 (1.000 Credits = $1, gültig 365 Tage), zusätzlich zu jedem Tarif nutzbar.

Der Token Plan deckt die gesamte Modellpalette (M3, M2.7, Bild und Sprache) in einem einzigen Kontingent ab und ist damit einer der günstigsten Wege zu einem Frontier-Coding-Modell, wenn er mit einer CLI wie Cline oder Kilo Code kombiniert wird.

Mistral KI

Der Free-Tarif von Mistral Vibe (ehemals Le Chat) umfasst Web-Browsing, grundlegende Dateianalyse, Bilderzeugung, begrenzte Coding-Sitzungen, 100+ Konnektoren und $10/Monat an API-Guthaben.

• Pro-Tarif ($14,99/Benutzer/Monat) umfasst mehr Nachrichten und Websuchen, mehr erweitertes Denken und Deep-Research-Berichte, 15 GB Dokumentenspeicher, bis zu 1.000 Projekte, Bilderzeugung und $30/Monat an API-Guthaben. Gebündelte Apps: der Code-Modus von Mistral Vibe in der CLI, IDE oder im Web, mit Pay-as-you-go über das enthaltene Kontingent hinaus. Verifizierte Studierende erhalten Pro für $5,99/Monat.
• Team-Tarif ($24,99/Benutzer/Monat) umfasst alles aus Pro mit bis zu 30 GB Speicherplatz pro Benutzer, zentraler Abrechnung, rollenbasierter Zugriffskontrolle, Überprüfung des Domainnamens und Datenexport. Gebündelte Apps: Mistral Vibe auf der Team-Nutzungsstufe mit gemeinsam genutzten Admin-Kontrollen.
• Enterprise-Tarif (individuelle Preisgestaltung) bietet sichere Bereitstellungsoptionen, einschließlich Self-Hosted und Private Cloud, SAML SSO, Audit-Protokolle, Premium-Support und detaillierte Analysen. Gebündelte Apps: Mistral Vibe mit On-Premise-Bereitstellungsoptionen für regulierte Workloads.

DeepSeek

DeepSeek bietet keine herkömmlichen Abonnementpläne an. Der Web- und Mobil-Chat-Zugriff auf die neuesten Modelle (derzeit DeepSeek V4-Flash und V4-Pro) ist für alle Benutzer kostenlos, mit Fair-Use-Drosselung.

Der API-Zugriff ist seit dem 16. August 2026 Pay-per-Token mit Spitzen- und Nebenzeiten-Tarifen. Außerhalb der Spitzenzeiten kostet V4-Flash $0,22 pro Million Eingabe-Tokens (Cache-Miss) und $0,66 pro Million Ausgabe-Tokens; zu Spitzenzeiten gelten doppelte Tarife ($0,44 und $1,32). V4-Pro kostet außerhalb der Spitzenzeiten $0,66 und $1.98. Cache-Hits kosten etwa 3 % des Miss-Tarifs, und die Spitzenzeiten sind 01:00-04:00 und 06:00-10:00 UTC an Wochentagen.

DeepSeek ist auch in das Agenten-Tooling eingestiegen. DeepSeek Harness, ein Open-Source-, Plugin-basiertes Toolkit zum Erstellen und Ausführen von KI-Agenten, befindet sich in der Entwickler-Vorschau mit öffentlichem Quellcode. Es hat keinen eigenen Preis und ist model-agnostisch; die Nutzung wird über die API des jeweiligen Modells abgerechnet, das der Agent aufruft.

Meta (Muse Spark)

Meta KI bleibt in WhatsApp, Instagram, Facebook, Messenger, der Meta-KI-App und Ray-Ban-Meta-Brillen kostenlos, angetrieben von Muse Spark (eingeführt am 8. April 2026, jetzt in Version 1.2). Meta hat mit begrenzten Tests kostenpflichtiger Meta-One-Abonnements begonnen. Die Plus- und Premium-Tarife erhöhen das monatliche KI-Nutzungskontingent und den Thinking-Modus-Zugang, Berichten zufolge für $7,99 bzw. $19,99 pro Monat.¹

Die Meta-Model-API befindet sich in der öffentlichen Vorschau, ist self-serve und OpenAI-SDK-kompatibel. Die Pay-as-you-go-Preise für Muse Spark 1.2 beginnen bei $1,25 pro Million Eingabe-Tokens und $4,25 pro Million Ausgabe-Tokens mit einem Kontextfenster von 1M Tokens. Muse Code, ein Terminal-Coding-Agent, wurde am 5. August 2026 in der Beta veröffentlicht.

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 „Identifizieren Sie neue Technologien, beschleunigen Sie Ihr Unternehmen.“²

Während Anbieter eine Vielzahl von Preisstrukturen anbieten, ist die Preisgestaltung pro Token am häufigsten. Die Tokenisierungsmethoden unterscheiden sich je nach Model; Beispiele sind:

• Byte-Pair Encoding (BPE): Zerlegt Wörter in häufige Subwort-Einheiten und gleicht Wortschatzgröße und Effizienz aus.³
  • Beispiel: „unbelievable“ → [„un“, „believ“, „able“]
• WordPiece: Ähnlich wie BPE, aber optimiert für die Wahrscheinlichkeit von Sprachmodellen; wird in BERT verwendet.⁴
  • Beispiel: „tokenization“ → [„token“, „##ization“]. „token“ ist ein eigenständiges Wort; „##ization“ ist ein Suffix.
• SentencePiece: Tokenisiert Text ohne Leerzeichen zu verwenden, effektiv für mehrsprachige Modelle wie T5.⁵
  • Beispiel: „natural language“ → [„ natural“, „ lan“, „guage“] oder [„ natu“, „ral“, „ language“].

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

Nachdem die Tokenisierung verstanden wurde, lässt sich ein Durchschnittspreis anhand der Projekt-Tokenlänge schätzen. Tabelle 2 skizziert Tokenbereiche nach Inhaltstyp, einschließlich UI-Prompts, E-Mail-Snippets, Marketing-Blogs, detaillierten Berichten und Forschungsarbeiten, und weist darauf hin, dass die Tokenanzahl je nach Model variiert. Sobald ein Model gewählt ist, kann dessen Tokenizer verwendet werden, um die durchschnittliche Tokenanzahl für den Inhalt zu schätzen.

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

Auswirkungen des Kontextfensters

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

Abbildung 2: Illustration der Einschränkungen des Kontextfensters, die in einer mehrzügigen Konversation zur Ausgabekürzung führen.⁶

Bei Anwendungen, die lange Konversationen führen, drückt jede weitere Runde mehr Verlauf in die Eingabe. Ohne Eingreifen wachsen die Eingabe-Tokens linear mit der Konversationslänge, und ebenso die Rechnung. API-Benutzer begegnen dem typischerweise auf eine von drei Arten:

• Prompt-Caching. OpenAI, Anthropic, Google und DeepSeek cachen alle wiederholte Prompt-Präfixe serverseitig und berechnen Cache-Hits zu einem Bruchteil des Standard-Eingabetarifs, typischerweise 3 bis 10 Prozent des Cache-Miss-Preises. Für Anwendungen, die einen langen System-Prompt oder Konversations-Präfix wiederverwenden, kann Caching die Eingabekosten um eine Größenordnung senken.
• Rollierendes Fenster oder Retrieval-Augmented Generation (RAG). Verwerfen Sie die ältesten Runden, sobald ein Schwellenwert erreicht ist, oder rufen Sie bei jedem Aufruf nur relevante frühere Nachrichten aus einem Vektorspeicher ab.
• Zusammenfassung. Ältere Runden werden regelmäßig zu einer Zusammenfassung verdichtet, anstatt sie wörtlich erneut zu senden.

Bei agentischen Workloads wie Coding-Sitzungen oder Deep Research erledigen moderne Coding-Agenten dies automatisch innerhalb der Sitzung. Claude Code wird beispielsweise mit Kontextverdichtung ausgeliefert: Wenn sich die Konversation dem Limit nähert, fasst er ältere Nachrichten zu einer komprimierten Version zusammen, während die jüngsten Runden intakt bleiben. Nachfolgende Runden senden nur die Zusammenfassung plus den jüngsten Kontext an das Model.

Die Auswirkungen auf die Preisgestaltung sind direkt. Bei APIs pro Token begrenzt die Verdichtung, wie groß die Eingabe jedes Aufrufs anwächst, und das Caching senkt den Preis des wiederholten Präfixes, sodass die Kosten pro Runde über lange Sitzungen hinweg vorhersehbar bleiben. Bei Pauschalabos wie Claude Pro, ChatGPT Plus oder Kimi Moderato dehnt die Verdichtung die täglichen und wöchentlichen Nutzungslimits, weil jeder Aufruf weniger Kontext mitführt. Eine Coding-Sitzung, die sonst ein 5-Stunden-Ratenlimit aufbrauchen würde, kann länger laufen, wenn ältere Runden komprimiert werden.

Der Kompromiss besteht darin, dass jede Form der Zusammenfassung verlustbehaftet ist. Die Zusammenfassung kann Details weglassen, die sich später als wichtig erweisen, und den Benutzer zwingen, sie erneut bereitzustellen.

Maximale Ausgabe-Tokens

Maximale Ausgabe-Tokens begrenzt die Länge der Antwort eines Modells. Während viele Dokumentationen erwähnen, dass dies über den Parameter max_tokens angepasst werden kann, ist es entscheidend, die Dokumentation der konkret verwendeten API zu prüfen, um den richtigen Parameter zu ermitteln. Er sollte entsprechend den spezifischen Anforderungen angepasst werden:

Wenn er zu niedrig eingestellt ist, kann es zu unvollständigen Ausgaben kommen, sodass das Modell Antworten abschneidet, bevor die vollständige Antwort geliefert wird.

Wenn er zu hoch eingestellt ist, kann dies je nach Temperatur (ein Parameter, der die Kreativität der Antwort steuert) zu unnötig weitschweifigen Ausgaben, längeren Antwortzeiten und höheren Kosten führen.

Daher ist es ein Parameter, der sorgfältig abgewogen werden muss, um die Ressourcennutzung zu optimieren und gleichzeitig Ausgabequalität, Kosten und Leistung in Einklang zu bringen.

Tabelle 3: Beispielhafte Eingabe-Prompts und geschätzte Tokenanzahl pro Inhaltstyp.

*Dies setzt voraus, dass jedes Modell Antworten mit einer gleichen Anzahl von Ausgabe-Tokens erzeugt, obwohl die Tokenanzahl für Ein- und Ausgabe je nach Tokenisierung des jeweiligen Modells variieren kann; die Zahl wurde hier für jedes Modell konstant gehalten.

Die Kombination der Tokenbereiche in Tabelle 2 mit den Token-Tarifen eines Modells ergibt die zu erwartenden Kosten pro Inhaltstyp; die Beispiel-Prompts in Tabelle 3 zeigen die Ein- und Ausgabegrößen, die diesen Schätzungen zugrunde liegen.

Verwendung mehrerer Language Models

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

Abbildung 3: Oberfläche, die einen Prompt zeigt, der über OpenRouter an mehrere Large Language Models gesendet wird.⁷

Vorteile und Herausforderungen

• Erhöhte Anpassungsfähigkeit und Effizienz: Orchestrierung verbessert die Reaktionsfähigkeit, ermöglicht die Bewertung der Model-Effizienz in Echtzeit und identifiziert kosteneffiziente Models sowie potenzielle Einsparungen.
• Prompt-Sensitivität und -Optimierung: Identische Prompts können über verschiedene Models hinweg stark unterschiedliche Ausgaben hervorrufen, was ein auf jedes Model zugeschnittenes Prompt Engineering erfordert, um die gewünschten Ergebnisse zu erzielen, und die Komplexität von Entwicklung und Wartung erhöht.

Preisgestaltungsmechanik & versteckte Kosten

Reasoning-Tokens vs. Ausgabe-Tokens

Immer mehr Anbieter führen Reasoning-Modelle ein, die zusätzliche Rechenleistung für internes Chain-of-Thought-Reasoning aufwenden. OpenAI, Anthropic und Google rechnen diese Reasoning-Tokens als Ausgabe-Tokens zum Standard-Ausgabetarif des Modells ab, sodass der Kostenanstieg aus dem Volumen und nicht aus einem höheren Preis pro Token resultiert.

Models wie GPT-5.5 Pro, Claude Opus 5 mit erweitertem Denken oder Gemini 3.1 Pro Deep Think erzeugen interne Reasoning-Spuren
selbst wenn Sie diese nicht ausdrücklich anfordern. Diese internen Tokens fließen in Ihre Rechnung ein und können die Kosten erheblich erhöhen, insbesondere bei langen analytischen Aufgaben wie juristischer Prüfung, Datenanalyse oder mehrstufigem Reasoning.

Daher ist es unerlässlich:

• Wählen Sie ein Reasoning-Modell nur dann, wenn die Genauigkeit die Kosten erheblich überwiegt.
• Deaktivieren Sie die Chain-of-Thought oder legen Sie, wenn möglich, eine kürzere maximale Anzahl an Ausgabe-Tokens fest.
• Testen Sie dieselbe Aufgabe mit Nicht-Reasoning-Modellen, um zu sehen, ob die Leistung zu einem Bruchteil des Preises vergleichbar ist.

Da ein Reasoning-Modell 10- bis 30-mal so viele Ausgabe-Tokens erzeugen kann wie derselbe Prompt ohne Reasoning, ist es entscheidend, diesen Unterschied für die Kostenplanung zu verstehen.

Architekturbedingte Preisunterschiede

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

• Mixture-of-Experts (MoE)-Models aktivieren pro Anfrage nur eine Teilmenge der Parameter, was die Rechenkosten senkt und Anbietern ermöglicht, niedrigere Tarife pro Token anzubieten.
• Spekulatives Decoding kombiniert ein kleineres Draft-Model mit einem größeren und verbessert so den Durchsatz und senkt die Kosten für deterministische Aufgaben.
• Quantisierte Varianten (z. B. 4-Bit oder 8-Bit) können Inferenz mit geringerer Präzision durchführen und ermöglichen niedrigere Preise für lokal bereitgestellte oder cloudgehostete Versionen.

Das Verständnis dieser Architekturentscheidungen hilft Benutzern, nicht nur Preisunterschiede vorherzusagen, sondern auch Latenz, Qualität und die Skalierbarkeit eines Modells unter Produktions-Workloads.

Betriebskosten jenseits der API-Gebühren

Während die Preisgestaltung pro Token der Hauptkostentreiber 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 Nachbearbeitungs-Models: Viele Anwendungen verwenden kleinere Modelle für Zusammenfassung, Filterung oder Klassifizierung, bevor sie eine endgültige Anfrage an ein größeres Modell senden.
• Caching-Schichten: Anbieter wie OpenAI bieten jetzt Prompt-Level-Caching an, aber lokale Caching-Infrastruktur kann zusätzliche Rechenleistung erfordern.
• Protokollierung, Überwachung und Auditierung: Unternehmen verursachen häufig Kosten für Überwachung auf Token-Ebene, Latenzverfolgung und Sicherheitsaudits.

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

Unternehmensspezifische Überlegungen zur Preisgestaltung

Viele LLM-Anbieter erheben zusätzliche Gebühren für Sicherheits- und Compliance-Funktionen auf Unternehmensniveau, wie zum Beispiel:

• Single-Tenant-Bereitstellungen
• Dedizierte GPU-Cluster
• Erweiterte SLAs (z. B. Verfügbarkeits- und 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.

Verpassen Sie nicht unsere Benchmarks und datengestützten Erkenntnisse. Die Schaltfläche öffnet Google; die Auswahl von AIMultiple bestätigt, dass Sie AIMultiple häufiger in den Google-Suchergebnissen sehen möchten.

Als bevorzugte Quelle hinzufügen

Zukünftige Trends bei der LLM-Preisgestaltung

Drei Dinge prägten die LLM-Preisgestaltung 2025: Commodity-Modelle wurden billig, fast jeder große Anbieter brachte ein Chat-Abonnement auf den Markt, und Reasoning-Modelle blieben teuer. Die Kluft ist strukturell und dürfte sich vergrößern: Eine Million Ausgabe-Tokens kostet bei DeepSeek V4-Flash (außerhalb der Spitzenzeiten) $0,66 und bei GPT-5.5 Pro $180. Die interessanten Fragen ab 2026 drehen sich darum, was sich auf dieser Basis verschiebt.

Abrechnung pro Token weicht der Preisgestaltung pro Aufgabe

Agenten treiben heute den größten Teil der intensiven LLM-Nutzung an. Eine einzige Coding-Aufgabe mit Claude Code, ein Research-Lauf mit Cowork oder eine autonome Browsing-Sitzung mit Operator kann Hunderte von sequenziellen Model-Aufrufen auslösen. Die Token-Abrechnung wird für Käufer und Verkäufer unvorhersehbar.

Als Reaktion stellen die Anbieter von Token-Zählern auf Aufgaben- und Sitzungskontingente um. Moonshot schätzt 300 bis 1.200 Kimi-Code-Anfragen pro 5-Stunden-Fenster aus einem gemeinsamen Guthabenpool. Claude Code begrenzt die Nutzung pro 5-Stunden-Sitzung statt pro Nachricht. MiniMax legt die Kontingente des Token Plans als gleitende 5-Stunden- und Wochenfenster fest, deren Größe sich nach der Anzahl paralleler Coding-Agenten richtet. Kimi setzt stufenspezifische Limits für parallele Agent-Swarm-Subagenten.

Anbieterübergreifende Agenten-Harnesse wie OpenClaw und MaxHermes treiben dies weiter voran. Sie sitzen zwischen Benutzern und mehreren Model-APIs, und ihre Preisgestaltung orientiert sich zunehmend am Durchsatz pro Aufgabe statt an Millionen Tokens. Es ist zu erwarten, dass im kommenden Jahr mehr Anbieter SKUs pro Aufgabe oder pro Sitzung veröffentlichen.

Kleine Reasoning-Modelle wandern auf das Gerät

Apple Intelligence führt für Routineanfragen Inferenz 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. Neuere kleine Modelle wie Microsoft’s Phi-4 und Google’s Gemma 3 sind in Größen, die auf die Neural Processing Unit eines Telefons oder Laptops passen, reasoning-fähig.

Die Konsequenz für die Preisgestaltung ist ein zweistufiger Verbrauchermarkt. Routinearbeiten laufen auf dem Gerät zum Grenztoken kostenlos. Cloud-Abonnements konkurrieren bei dem, was lokal nicht möglich ist: Frontier-Reasoning, großer Kontext, multimodale Erzeugung und Agenten-Orchestrierung. Der free-lokale Boden drückt reine Chat-Abonnements gegen null, sodass gebündelte Apps der eigentliche Grund zum Bezahlen sind.

Langer Kontext und Speicher entscheiden, wer agentische Arbeit gewinnt

Langfristige agentische Aufgaben scheitern, wenn Modelle den Überblick über frühere Anweisungen verlieren oder Fakten halluzinieren, die sie sich merken sollten. Nachhaltige agentische Arbeit hängt von drei Dingen ab: einem großen Kontextfenster, persistentem Speicher und einer niedrigen Halluzinationsrate.

Innerhalb eines Jahres sind drei Frontier-Fähigkeiten auf das Basisniveau zurückgefallen. Claude Opus 5, Gemini 3.1 Pro, GPT-5.6 und Kimi K3 bieten Kontextfenster von 1M Tokens. Bei OpenAI, Anthropic, Google und DeepSeek kosten Cache-Hits 3 bis 10 Prozent der Cache-Misses. ChatGPT und Claude enthalten jetzt persistenten Speicher in ihren free-Tarifen.

Am oberen Ende dieses Marktes entstehen spezialisierte agentische Modelle. Im Juni 2026 lieferte Anthropic Claude Fable 5 aus, ein allgemein verfügbares Modell der Mythos-Klasse⁸, zu einem Preis von $10 für die Eingabe und $50 für die Ausgabe pro Million Tokens, das Doppelte des Opus-5-Tarifs. Fable 5 zielt auf agentisches Coding, Computernutzung und langfristige Forschung; Claude Mythos 5, dasselbe Modell mit in einigen Bereichen aufgehobenen Sicherheitsvorkehrungen, bleibt genehmigten Partnern zum selben Preis vorbehalten.

Die Wettbewerbsfrage verschiebt sich von „Wie groß ist das Kontextfenster?“ zu „Wie kostengünstig und zuverlässig kann das Modell eine lange agentische Aufgabe durchhalten?“ Anbieter, die dies gut lösen, werden Premiumpreise erzielen. Wer dies nicht tut, wird agentische Workloads unabhängig vom nominalen Tokenpreis verlieren.

FAQs

Diese Forschung zitieren

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-Preise: Top 15+ Anbieter im Vergleich}},
  year   = {2026},
  month  = aug,
  howpublished    = {\url{https://aimultiple.com/llm-pricing}},
  note   = {AIMultiple. Abgerufen am 27. August 2026}
}

Änderungsprotokoll

8 Aktualisierungen

1. 202626. Aug

   Die Diagrammbeschreibung in der Einleitung aktualisiert.

2. 23. Jul

   Ein Diagramm wurde zum Abschnitt LLM-Preistypen hinzugefügt.

3. 11. Mai

   Der Abschnitt „LLM-Preise verstehen“ wurde entfernt.

4. 8. Mai

   Der Abschnitt „Auswirkungen des Kontextfensters“ wurde um Strategien zur Verwaltung der Token-Nutzung in langen Konversationen erweitert.

5. 21. Jan

   ChatGPT Go wurde dem OpenAI-Abschnitt hinzugefügt.

6. 20259. Dez

   Der Abschnitt „Vergleich von LLM-Abonnementplänen“ wurde um detaillierte Preisinformationen für Microsoft Copilot, Google Gemini, Mistral AI, OpenAI und Claude.ai erweitert.

7. 20. Nov

   Der Artikel wurde um den Abschnitt „Preismechanismen & versteckte Kosten“ erweitert.

8. 27. Mär

   Die Definition von Rang (Obergrenze) wurde aus dem Abschnitt vor den FAQ entfernt.

Referenzlinks

1.

Meta testing AI subscription services, cheapest plan at $7.99 a month

CNBC

2.

OpenAI Platform

3.

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

4.

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

5.

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

6.

Models | OpenAI API

7.

OpenRouter

OpenRouter

8.

Claude Fable 5 and Claude Mythos 5 \ Anthropic

Cem Dilmegani

Leitender Analyst

Folgen auf

Cem ist seit 2017 leitender Analyst bei AIMultiple.

Cems Arbeit bei AIMultiple wurde von führenden globalen Publikationen wie Business Insider, Forbes, Morning Brew und Washington Post, von globalen Unternehmen wie Deloitte und HPE, von NGOs wie dem World Economic Forum und von supranationalen Organisationen wie der European Commission zitiert. [1], [2], [3], [4], [5]

Im Laufe seiner Karriere war Cem als Tech-Berater, Tech-Einkäufer und Tech-Unternehmer tätig. Er beriet Unternehmen bei ihren Technologieentscheidungen bei McKinsey & Company und Altman Solon über mehr als ein Jahrzehnt. Er veröffentlichte außerdem einen McKinsey-Bericht zur Digitalisierung.

Er leitete Technologiestrategie und -beschaffung eines Telekommunikationsunternehmens und berichtete dabei direkt an den CEO. Außerdem verantwortete er das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos, das innerhalb von zwei Jahren von 0 einen siebenstelligen jährlich wiederkehrenden Umsatz und eine neunstellige Bewertung erreichte. Cems Arbeit bei Hypatos wurde von führenden Technologiepublikationen wie TechCrunch und Business Insider aufgegriffen.

Cem spricht regelmäßig auf internationalen Technologiekonferenzen. Er absolvierte die Bogazici University als Computeringenieur und hat einen MBA von 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