LLM-Preise: Top 15+ Anbieter im Vergleich

LLM-Preise erstrecken sich über drei Größenordnungen: Die günstigsten Commodity-Modelle kosten unter $0,20 pro Million Token, während die Reasoning-Tier-Preise für Spitzenmodelle bei bis zu $262,50 lagen. Das folgende Diagramm zeigt die Entwicklung der Einführungspreise: Jedes Modell ist am Tag seiner Einführung mit dem damaligen Listenpreis pro Million Token positioniert, gemittelt bei einem Eingabe-zu-Ausgabe-Verhältnis von 3:1, in acht Größenklassen. Die Preise sind Standard-API-Tarife ohne Cache- oder Stapelrabatte; die y-Achse ist logarithmisch.

• Flaggschiff-Chat-Modelle werden günstiger. GPT-4 wurde im März 2023 zu $37,50 eingeführt; Claude Opus 4.8 im Mai 2026 zu $10,00.
• Die Reasoning Pro-Tarife setzen eine neue Obergrenze. o1-pro erreichte im März 2025 seinen Höchststand bei $262,50; die Pro-Modelle von OpenAI aus 2026 bleiben bei $67,50.
• Die billige Preisklasse steigt langsam. Die Einführungspreise kleinerer Modelle im Jahr 2026 liegen zwischen $1,69 und $5,62, verglichen mit $0,26 für GPT-4o mini im Juli 2024.
• Open-Weights-Modelle steigen langsam. Der mittlere Einführungspreis von Open-Flagship-Modellen stieg von $0,48 (2024) auf $1,35 (2026) und bleibt weiterhin unter den geschlossenen Tarifen.
• Der mittlere Tarif stagniert. Die Einführungspreise von GPT-Basis, Sonnet und Gemini Pro liegen seit 2024 stabil bei einem Median von $4–6.

LLM-API-Preisbewertung

Es gibt zwei Möglichkeiten, für ein LLM zu bezahlen: Abonnementpläne mit Pauschalpreisen für LLMs der großen Anbieter oder ein nutzungsabhängiges API-Modell, das nach Token-Verbrauch abgerechnet wird.

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

Ranking: Die Modelle werden nach ihrer durchschnittlichen Position in allen Benchmarks eingestuft.

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

Vergleich der LLM-Abonnementpläne

Nicht-technische Benutzer bevorzugen möglicherweise die Benutzeroberfläche anstelle der API. Im Jahr 2026 bündeln die meisten Abonnements der Anbieter weit mehr als nur eine Chat-Oberfläche. Coding-Agenten wie Claude Code, Codex, Kimi Code und Mistral Vibe sind in den Pro-Tarifplänen enthalten. Für Entwickler und Vielnutzer ersetzt das passende $10–$200-Abonnement oft das, was sonst ein separates Abonnement für eine Coding-IDE, ein Budget für tokenbasierte API-Nutzung und ein Video- oder Recherche-Tool in einem wäre.

OpenAI

Der kostenlose Tarif beinhaltet Zugang zu GPT-5.5 Instant mit täglichem Nutzungslimit, Standard-Sprachmodus, begrenzten Uploads und einfacher Bildgenerierung. Kontextbezogene Werbung erscheint jetzt in einigen Regionen, darunter den USA.

• ChatGPT Go ($8/Monat) ist ein günstiger, werbefinanzierter Tarif, der etwa das 10fache der Nachrichten, Dateiuploads und Bilderstellung des kostenlos-Tarifs sowie 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 Videogenerierung sowie Early-Access-Funktionen.

Der Pro-Tarif hat seit April 2026 zwei Stufen:

• ChatGPT Pro ($100/Monat) bietet dieselbe Modellpalette wie der $200-Tarif (einschließlich GPT-5.5 Pro und den neuesten Reasoning-Modellen) mit etwa dem 5-fachen der Nutzungslimits von Plus. Gebündelte Apps: Codex mit 5-facher Plus-Nutzung, mehr Deep Research-Durchläufe und voller Sora-Zugriff.
• ChatGPT Pro ($200/Monat) bietet die höchsten individuellen Nutzungslimits (etwa das 20-fache von Plus), 250 Deep Research-Durchläufe pro Monat, erweiterten Sprachmodus mit Video und Bildschirmfreigabe, Codex mit maximaler Nutzungssteigerung, Sora und Operator-Vorschau (nur USA).

Beide Pro-Tarife beinhalten priorisierten Zugang während der Spitzenzeiten. Die Codex-Preise für Plus, Pro und Business wurden im April 2026 von einer Abrechnung pro Nachricht auf eine an API-Token ausgerichtete Nutzung umgestellt.

• Business-Tarif ($20/Benutzer/Monat jährlich oder $25/Benutzer/Monat monatlich) ist der Plan von OpenAI für kleine und mittlere 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. Gebündelte Apps: Codex mit gemeinsamen Workspace-Guthaben und der Möglichkeit, separate Nur-Codex-Lizenzen zu flexiblen, nutzungsbasierten Preisen zuzuweisen. Mindestens 2 Lizenzen.

• Der Enterprise-Tarif (individuelle Preisgestaltung) bietet Hochgeschwindigkeitszugriff auf Modelle, erweiterte Kontextfenster, unternehmensgerechte Datenkontrollen, Domain-Verifizierung, Analysen und Audit-Protokolle. Gebündelte Apps: Codex mit gemeinsamem Guthabenpool, optionale Nur-Codex-Lizenzen und Operator-Zugriff.

Anthropic (Claude)

Der kostenlose Tarif beinhaltet Web- und Mobilzugang, grundlegende Analysen, Zugang zu Claude Sonnet 4.6 und das Hochladen von Dokumenten. Die tägliche Nutzung ist begrenzt, und Opus-Modelle sind nicht verfügbar.

• Pro-Tarif ($20/Monat oder $17/Monat bei jährlicher Abrechnung) bietet Zugang zu allen Claude-Modellen, einschließlich Opus 4.7 und Sonnet 4.6, etwa 5-mal mehr Nutzung als Free, Projektorganisation und priorisierten Zugang während der Spitzenzeiten. Gebündelte Apps: Claude Code (Anthropics Coding-Agent in Terminal und IDE) und Cowork (Forschungsmodus), die sich den gleichen Nutzungspool wie der Chat teilen. Seit Mai 2026 wurden die Fünf-Stunden-Ratenlimits von Claude Code verdoppelt und die Reduzierung zu Spitzenzeiten aufgehoben.

• Max-5x-Tarif ($100/Monat) bietet etwa 5-mal mehr Nutzung als Pro, priorisierten Zugang zu den neuesten Funktionen und Modellen sowie vollen Claude Code-Zugriff auf dem höheren Max-Nutzungstarif.

• Max-20x-Tarif ($200/Monat) bietet etwa 20-mal mehr Nutzung als Pro, maximale Priorität und vollen Claude Code-Zugriff. Entwickelt für tägliche Power-User, die Claude Code-Workloads ausführen.

Der Team-Tarif bietet zwei Lizenztypen und unterstützt 5–150 Mitglieder:

• Standard-Lizenz: $20/Benutzer/Monat jährlich ($25/Benutzer/Monat monatlich). Beinhaltet Basisfunktionen, Standard-Nutzungslimits und Claude Code-Zugriff.
• Premium-Lizenz: $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 jeder Team-Lizenz enthalten (Standard und Premium); der Unterschied liegt im Nutzungskontingent, nicht im Zugang. Beide Lizenztypen umfassen zentrale Abrechnung, Kollaborationstools und Administrationskontrollen.

• Enterprise-Tarif (individuelle Preisgestaltung) bietet erweiterte Kontextfenster, SSO, Domain-Erfassung, rollenbasierte Zugriffssteuerung, SCIM, Audit-Protokolle und Datenintegrationen. Gebündelte Apps: Bei neuen und Self-Service-Enterprise-Tarifen sind Claude Code und Cowork in jeder Lizenz enthalten; ältere Enterprise-Verträge können zwischen Nur-Chat-Lizenzen und Chat-+-Claude-Code-Lizenzen mit nutzungsbasierter Abrechnung unterscheiden.

Google (Gemini)

Der kostenlos-Tarif bietet Zugang zu Gemini 3 Flash und variierenden Zugang zu Gemini 3.1 Pro, grundlegende Bildgenerierung, 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 Preise, daher können die Preise je nach Region variieren.

• Google KI Plus ($7,99/Monat, USA) ist der Einstiegs-Bezahltarif. Gebündelte Apps: erweiterter Zugang zu Gemini 3.1 Pro im Chat, Bildgenerierung 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. Inklusive 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 5-mal Audio-Übersichten, Deep Research, Veo 3.1 Lite Video und Google Home Premium (Standard-Tarif).

• Google KI Ultra ($249,99/Monat, mit einem Einführungsangebot in den USA 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 20-mal den Pro-Limits, höchstwertiges Antigravity, NotebookLM mit maximaler Leistung, Google Home Premium (Advanced-Plan) und ein YouTube Premium-Einzelabonnement.

Microsoft Copilot

Der kostenlos-Tarif (Copilot Chat) ist ohne zusätzliche Kosten für alle Microsoft Entra-Benutzer mit einem berechtigten Microsoft 365-Abonnement verfügbar. Er umfasst grundlegende Copilot-Chats in Microsoft-Apps ohne die tieferen In-Dokument-Funktionen.

• Copilot Pro ($20/Monat) fügt priorisierten Modellzugang, Bildgenerierungs-Boosts und vollständige Copilot-Integration mit Word, Excel, PowerPoint, Outlook und OneNote hinzu, sowie Copilot in Designer für Bild- und Dokumentlayouts. Er erfordert ein aktives Microsoft 365 Personal- oder Family-Abonnement. Microsoft hat außerdem die meisten Pro-Funktionen 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 Microsoft 365-Apps, Teams-Integration und Administrationskontrollen hinzu. Gebündelte Apps: Copilot Studio Lite zum Erstellen leichter Agenten, Copilot in SharePoint und Copilot Pages für kollaborative Entwürfe. Beschränkt auf Organisationen mit bis zu 300 Benutzern.

• Microsoft 365 Copilot Enterprise ($30/Benutzer/Monat, jährliche Vertragsbindung) 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 Sicherheitsworkflows sowie unternehmensweite Governance über bereitgestellte Agenten.

xAI (Grok)

Der kostenlos-Tarif bietet eingeschränkten Grok-Zugang mit etwa 10 Anfragen alle zwei Stunden.

• SuperGrok Lite ($10/Monat) ist der Einstiegs-Bezahltarif. Er beinhaltet 2-mal längere Gespräche, erhöhte Ratenlimits und KI-Bild- und Videoerstellung. Gebündelte Apps: 1 KI-Agent im Expertenmodus und Grok Imagine für Bild- und Videogenerierung.

• SuperGrok ($30/Monat oder $300/Jahr) beinhaltet verbessertes Reasoning, blitzschnelle Antworten, längere Dateiuploads 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 intensiveres Denken, Sprachmodus für gesprochenen Chat und 20-mal mehr Grok Imagine-Bild- und Videogenerierungen, einschließlich HD-720p-30-Sekunden-Video.

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

Grok ist auch in X-Abonnements enthalten: X Premium ($8/Monat) ist der günstigste bezahlte Zugang zu Grok innerhalb der X-App und beinhaltet verifizierten Status sowie werbefreies Browsen (kostenlos). X Premium+ ($40/Monat) bündelt Grok mit vollständiger Creator-Monetarisierung, der schrittweisen Grok 4.3-Einführung sowie denselben Grok-Agenten- und DeepSearch-Funktionen im X Premium+-Nutzungstarif.

Moonshot KI (Kimi)

Die Verbrauchertarife von Kimi sind nach musikalischen Tempobezeichnungen benannt, von langsam bis schnell. Die internationalen Preise gelten in USD; chinesische Nutzer zahlen in CNY zu niedrigeren Tarifen.

• Adagio (kostenlos) bietet unbegrenzte Basiskonversationen mit 6 Agentennutzungen, limitierte Deep Research-Abfragen und grundlegende 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 für alles in Moderato. Gebündelte Apps: Agent Swarm (parallele Subagenten-Orchestrierung mit 100 Subagenten und ~1.500 koordinierten Schritten in K2.5, skalierbar auf 300 Subagenten und 4.000 Schritte in K2.6), Kimi Claw Cloud-Implementierung 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 Subagenten, 30x Kimi Code-Guthaben und 24.000 Pro Data-Anfragen. Ausgerichtet auf intensive Forschungs- und agentenbasierte Workloads.

Die Mitgliedschaft umfasst keine API-Nutzung; diese wird separat pro Token abgerechnet.

MiniMax

MiniMax trennt sein Verbraucher-Agent-Produkt von seinen codeorientierten Abonnements, die beide auf der zugrunde liegenden M2.x-Modellfamilie basieren.

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

• Free: 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-Bereitstellung.
• Pro ($119/Monat): 20.000 Guthaben pro Monat (~120 Pro-Modus-Aufgaben), 3 MaxClaw- und 1 MaxHermes-Bereitstellung, plus alle Basic-Vorteile.
• Ultra ($219/Monat): 40.000 Guthaben pro Monat (~240 Pro-Modus-Aufgaben), dieselbe Bereitstellungsanzahl wie Pro und höchste Priorität.
• Team (individuell): zentrale Abrechnung und Administrationskontrollen 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 wird mit vorhersehbaren Prompt-Kontingenten anstelle von tokenbasierter Abrechnung geliefert, was ihn zu einem der günstigsten Wege zu einem Frontier-Coding-Modell macht, wenn er mit einer CLI wie Cline oder Kilo Code kombiniert wird.

Mistral KI

Der kostenlose Tarif (Le Chat) umfasst Web-Browsing, grundlegende Dateianalyse, Bildgenerierung, schnelle Flash-Antworten, in Projekten organisierte Gruppenchats, bis zu 500 gespeicherte Erinnerungen und über 40 Enterprise-Connectors.

• Pro-Tarif ($14,99/Benutzer/Monat) umfasst mehr Nachrichten und Websuchen, mehr tiefgründiges Denken und Deep Research-Berichte, 15 GB Dokumentenspeicher, bis zu 1.000 Projekte und modernste Bildgenerierung. Gebündelte Apps: Mistral Vibe (Mistrals Coding-Agent für die ganztägige Entwicklung, mit nutzungsabhängiger Abrechnung über das enthaltene Kontingent hinaus). Mistral bietet außerdem einen Studententarif für $7,04/Benutzer/Monat mit denselben Pro-Funktionen.

• Team-Tarif ($24,99/Benutzer/Monat) umfasst alles aus Pro mit bis zu 30 GB Speicher pro Benutzer, zentraler Abrechnung, rollenbasierter Zugriffskontrolle, Domain-Verifizierung und Datenexport. Gebündelte Apps: Mistral Vibe auf Team-Nutzungsstufe mit gemeinsamen Administrationskontrollen.

• 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 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 per Token-Abrechnung. V4-Flash kostet $0,14 pro Million Eingabetoken (Cache Miss) und $0,28 pro Million Ausgabetoken, wobei Cache-Treffer etwa zu 1/50 des Eingabepreises bereitgestellt werden.

Meta (Muse Spark)

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

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

Grundlegendes zu LLM-Preisen

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. Die Tokenisierungsmethoden unterscheiden sich je nach Modell; Beispiele sind:

• Byte-Pair Encoding (BPE): Zerlegt Wörter in häufige Subword-Einheiten und gleicht Vokabulargröße und Effizienz aus.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 Leerzeichen, effektiv für mehrsprachige Modelle wie T5.⁴
  • 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:

Sobald Sie die Tokenisierung verstanden haben, kann ein Durchschnittspreis basierend auf der Projekt-Tokenlänge geschätzt werden. Tabelle 2 zeigt die Token-Bereiche nach Inhaltstyp, einschließlich UI-Prompts, E-Mail-Snippets, Marketing-Blogs, detaillierter Berichte und Forschungsarbeiten, und weist darauf hin, dass die Token-Anzahl je nach Modell variiert. Sobald ein Modell ausgewählt ist, kann dessen Tokenizer verwendet werden, um die durchschnittliche Token-Anzahl für den Inhalt zu schätzen.

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

Auswirkungen des Kontextfensters

Das Kontextfenster legt eine harte Grenze für die Anzahl der Ein- und Ausgabetoken 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 Einschränkungen des Kontextfensters, die zur Ausgabetrunkierung in einer mehrzügigen Konversation führen.⁵

Bei Anwendungen, die lange Konversationen aufrechterhalten, fügt jede weitere Runde mehr Verlauf in die Eingabe ein. Ohne Gegenmaßnahmen wachsen die Eingabetoken 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-Treffer zu einem Bruchteil des Standardeingabepreises, typischerweise 10 bis 50 Prozent des Cache-Miss-Preises. Für Anwendungen, die einen langen Systemprompt oder ein Konversationspräfix wiederverwenden, kann Caching die Eingabekosten um eine Größenordnung senken.
• Gleitendes Fenster oder 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. Fassen Sie ältere Runden regelmäßig in einer Zusammenfassung zusammen, anstatt sie wörtlich erneut zu senden.

Für agentenbasierte Workloads wie Coding-Sessions oder Deep Research handhaben moderne Coding-Agenten dies automatisch in der Sitzung. Claude Code beispielsweise wird mit Kontextkomprimierung ausgeliefert: Wenn die Konversation sich der Grenze nähert, fasst sie ältere Nachrichten in einer komprimierten Version zusammen, während die letzten Runden intakt bleiben. Nachfolgende Runden senden nur die Zusammenfassung plus den aktuellen Kontext zurück an das Modell.

Die Auswirkungen auf die Preisgestaltung sind direkt. Bei tokenbasierten APIs begrenzen Prompt-Caching und -Komprimierung, wie groß die Eingabe jedes Aufrufs wird, sodass die Kosten pro Runde in langen Sitzungen vorhersehbar bleiben. Bei Pauschalabonnements wie Claude Pro, ChatGPT Plus oder Kimi Moderato verlängert die Komprimierung die täglichen und wöchentlichen Nutzungslimits, da jeder Aufruf weniger Kontext mit sich bringt. Eine Coding-Session, die sonst ein 5-Stunden-Ratenlimit ausschöpfen würde, kann länger laufen, wenn ältere Runden komprimiert werden.

Der Nachteil ist, dass jede Form der Zusammenfassung verlustbehaftet ist. Die Zusammenfassung kann Details weglassen, die sich später als wichtig erweisen, was den Benutzer zwingt, sie erneut bereitzustellen.

Maximale Ausgabetoken

Die maximalen Ausgabetoken begrenzen 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 jeweiligen API zu überprüfen, um den korrekten Parameter zu identifizieren. Sie sollte entsprechend den spezifischen Anforderungen angepasst werden:

Wenn sie zu niedrig eingestellt ist, kann dies zu unvollständigen Ausgaben führen, sodass das Modell Antworten abschneidet, bevor es die vollständige Antwort liefert.

Wenn sie zu hoch eingestellt ist, kann dies je nach Temperatur (ein Parameter, der die Antwortkreativität steuert) zu unnötig ausführlichen Ausgaben, längeren Antwortzeiten und höheren Kosten führen.

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

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

*Dies setzt voraus, dass jedes Modell Antworten mit einer gleichen Anzahl von Ausgabetoken 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-Preisen 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 Preise können dann verglichen werden, um zu bestimmen, welches Modell für die Aufgabe am besten geeignet ist.

Abbildung 3: Oberfläche, die einen über OpenRouter an mehrere Large Language Models gesendeten Prompt zeigt.⁶

Vorteile und Herausforderungen

• Erhöhte Anpassungsfähigkeit und Effizienz: Orchestrierung verbessert die Reaktionsfähigkeit, ermöglicht eine Echtzeitbewertung der Modelleffizienz und identifiziert ein kosteneffektives Modell sowie potenzielle Einsparungen.
• Prompt-Empfindlichkeit und -Optimierung: Identische Prompts können über Modelle hinweg sehr unterschiedliche Ausgaben hervorrufen, was ein Prompt-Engineering erfordert, das auf jedes Modell zugeschnitten ist, um die gewünschten Ergebnisse zu erzielen, was die Entwicklungs- und Wartungskomplexität erhöht.

Preismechanismen & versteckte Kosten

Reasoning-Token vs. Ausgabetoken

Eine wachsende Anzahl von Anbietern hat Reasoning-Modelle eingeführt, die zusätzliche Rechenleistung für internes Chain-of-Thought-Reasoning aufwenden. Diese Modelle verwenden möglicherweise eine separate „Reasoning-Token“-Klasse (unterschieden von Standard-Ausgabetoken), die in der Regel deutlich höhere Kosten verursacht.

Beispielsweise erzeugen 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 diese 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:

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

Da Reasoning-Modelle pro Anfrage 10- bis 30-mal mehr Denktoken erzeugen können, ist es entscheidend, diesen Unterschied für die Kostenplanung zu verstehen.

Architekturbedingte Preisunterschiede

LLM-Architekturen beeinflussen direkt die Effizienz der Modelle 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 Anbietern ermöglicht, niedrigere Token-Preise anzubieten.
• Spekulatives Decoding kombiniert ein kleineres Draft-Modell 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 Genauigkeit durchführen, was niedrigere Preise für lokal bereitgestellte oder Cloud-gehostete Versionen ermöglicht.

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

Betriebskosten jenseits der API-Gebühren

Während die Preisgestaltung pro Token der Hauptkostentreiber ist, entstehen in vielen Produktionsumgebungen zusätzliche Kosten über die API-Nutzung hinaus:

• Embeddings und Vektordatenbanken: Das Speichern und Abrufen von Vektoren (z. B. Pinecone, Weaviate, ChromaDB) verursacht Kosten pro Abfrage und pro GB Speicher.
• Reranking- und Nachbearbeitungsmodelle: 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-Infrastrukturen können zusätzliche Rechenleistung erfordern.
• Protokollierung, Überwachung und Auditierung: Unternehmen entstehen häufig Kosten für Token-Level-Überwachung, 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 Preisüberlegungen

Viele LLM-Anbieter erheben zusätzliche Gebühren für unternehmensgerechte Sicherheits- und Compliance-Funktionen wie:

• Einzelmandantenfähige 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.

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 LLM-Preisen

Drei Dinge bestimmten die LLM-Preise im Jahr 2025: Commodity-Modelle wurden günstig, jeder große Anbieter startete ein Chat-Abonnement und Reasoning-Modelle blieben teuer. Die zweistufige Lücke zwischen $0,14-Commodity-Token (DeepSeek V4-Flash) und $180-Frontier-Reasoning-Token (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.

Tokenbasierte Abrechnung weicht der aufgabenbasierten Preisgestaltung

Agenten treiben heute den Großteil der intensiven LLM-Nutzung. Eine einzige Coding-Aufgabe mit Claude Code, eine Recherche mit Cowork oder eine autonome Browsersitzung mit Operator kann Hunderte von sequenziellen Modellaufrufen erzeugen. Die Token-Abrechnung wird für Käufer und 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 Nachrichtenanzahl. 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 Subagenten. MiniMax Agent bepreist Credits, die sich in Pro-Modus-Aufgaben pro Monat übersetzen.

Anbieterübergreifende Agenten-Plattformen wie OpenClaw und MaxHermes treiben dies weiter voran. Sie sitzen zwischen Benutzern und mehreren Modell-APIs, und ihre Preisgestaltung orientiert sich zunehmend am Aufgabendurchsatz statt an Token pro Million. Es ist zu erwarten, dass im nächsten Jahr mehr Anbieter aufgaben- oder sitzungsbasierte SKUs veröffentlichen.

Kleine Reasoning-Modelle wandern auf das Gerät

Apple Intelligence führt Inferenz für Routineanfragen 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 (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. Routinearbeiten laufen kostenlos mit marginalen Token auf dem Gerät. Cloud-Abonnements konkurrieren darüber, was lokal nicht möglich ist: Frontier-Reasoning, großer Kontext, multimodale Generierung und Agenten-Orchestrierung. Der kostenlose lokale Unterbau drückt reine Chat-Abonnements gegen Null, sodass gebündelte Apps der eigentliche Grund zum Bezahlen sind.

Langer Kontext und Speicher entscheiden, wer bei agentenbasierten Aufgaben gewinnt

Langfristige agentenbasierte Aufgaben scheitern, wenn Modelle frühere Anweisungen aus den Augen verlieren oder Fakten halluzinieren, die sie sich merken sollten. Nachhaltige agentenbasierte 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 zusammengeschrumpft. 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 zu 10 bis 20 Prozent der Cache-Miss-Raten bei OpenAI, Anthropic, Google und DeepSeek. Der persistente Speicher standardisiert sich am langsamsten, der Zugriff ist bei ChatGPT und Claude weiterhin hinter Bezahltarifen verborgen.

Spezialisierte agentenbasierte Modelle entstehen an der Spitze dieses Marktes. Anthropics Claude Mythos-Vorschau⁷ , bepreist mit $25 Eingabe und $125 Ausgabe pro Million Token, zielt auf agentenbasiertes Codieren, Computernutzung und Cybersicherheits-Workloads ab. Es schlägt Opus 4.6 um 13 Punkte beim SWE-bench Verified (93,9 % vs. 80,8 %) und um 17 Punkte beim Terminal-Bench 2.0 (82,0 % vs. 65,4 %). Anthropic gibt an, dass es keine allgemeine Verfügbarkeit für Mythos selbst plant, aber das Modell markiert die Leistungs- und Preisobergrenze, auf die sich die nächsten Opus-Veröffentlichungen 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 können. 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-Preise: 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 60% der Fortune 500.

Cems Arbeit wurde von führenden globalen Publikationen zitiert, darunter Business Insider, Forbes, Washington Post, globalen Unternehmen wie Deloitte, HPE und NGOs wie dem World Economic Forum sowie supranationalen Organisationen wie der European Commission.

Während seiner Karriere war Cem als Tech-Berater, Tech-Einkäufer und Tech-Unternehmer tätig. Er beriet Unternehmen über ein Jahrzehnt lang bei McKinsey & Company und Altman Solon in Technologieentscheidungen. Er veröffentlichte auch einen McKinsey-Bericht zur Digitalisierung.

Er leitete die Technologiestrategie und Beschaffung eines Telekommunikationsunternehmens und berichtete dabei direkt an den CEO. Zudem führte er das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos an, das innerhalb von 2 Jahren von null auf einen siebenstelligen jährlich wiederkehrenden Umsatz und eine neunstellige Bewertung anwuchs. Cems Arbeit bei Hypatos wurde von führenden Technologiepublikationen wie TechCrunch und Business Insider aufgegriffen.

Cem spricht regelmäßig auf internationalen Technologiekonferenzen. Er schloss sein Studium an der Bogazici University als Computer-Ingenieur ab 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