LLM-Preise: Top 15+ Anbieter im Vergleich

Es gibt zwei Möglichkeiten, für einen LLM zu bezahlen: Abonnementpläne der großen Anbieter oder ein Pay-as-you-go-API-Modell, das nach Token-Nutzung abgerechnet wird.

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

Rangliste: Die Modelle sind nach ihrer durchschnittlichen Position über alle Benchmarks hinweg geordnet.

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

LLM-API-Preisrechner

Sie können Ihre Gesamtkosten berechnen, indem Sie die folgenden 3 Werte ausfüllen und die Ergebnisse nach Eingabekosten, Ausgabekosten, Gesamtkosten oder alphabetisch in auf- oder absteigender Reihenfolge sortieren:

Hinweis: Die Standard-Rangliste basiert auf den Gesamtkosten.

Vergleich von LLM-Abonnementplänen

Nicht-technische Benutzer ziehen es möglicherweise vor, die Benutzeroberfläche anstelle der API zu verwenden. Im Jahr 2026 bündeln die meisten Anbieterabonnements 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 Power-User ersetzt das richtige Abonnement für 10–200 $ oft ein separates Coding-IDE-Abonnement, ein API-Budget pro Token und ein kombiniertes Video- oder Recherchetool.

OpenAI

Der kostenlose Plan umfasst Zugriff auf GPT-5.5 Instant mit einer täglichen Obergrenze, Standard-Sprachmodus, begrenzte Uploads und grundlegende Bilderzeugung. Kontextbezogene Werbung erscheint jetzt in einigen Regionen, einschließlich der USA.

• ChatGPT Go (8 $/Monat) ist ein kostengünstiger, werbefinanzierter Plan, der etwa das Zehnfache an Nachrichten des free-Tarifs, Dateiuploads, Bilderstellung und vollen Zugriff auf GPT-5.5 bietet.
• ChatGPT Plus (20 $/Monat) umfasst erweiterte Nutzungslimits, Zugriff auf GPT-5.5 und aktuelle Reasoning-Modelle, erweiterten Sprachmodus, Codex-Agenten, Bild- und Videoerzeugung sowie Vorabzugriff auf Funktionen.

Der Pro-Plan hat seit April 2026 zwei Stufen:

• ChatGPT Pro (100 $/Monat) bietet dasselbe Modell-Line-up wie die 200 $-Stufe (einschließlich GPT-5.5 Pro und der neuesten Reasoning-Modelle) mit etwa dem Fünffachen der Plus-Nutzungslimits. Gebündelte Apps: Codex mit 5-fachem Plus-Nutzungsumfang, mehr Deep Research-Durchläufe und vollständiger 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 Zugriff während Stoßzeiten. Codex-Preise für Plus, Pro und Business wurden im April 2026 von pro Nachricht auf eine API-Token-ausgerichtete Nutzung umgestellt.

• Business-Plan (20 $/Benutzer/Monat jährlich oder 25 $/Benutzer/Monat monatlich) ist OpenAIs Plan für kleine und mittlere Teams (ehemals ChatGPT Team, umbenannt im August 2025). Er bietet höhere Nachrichtenlimits, Admin-Konsole, SSO, trainingsausgeschlossene Teamdaten und geteilte Guthabenpools für erweiterte Funktionen. Gebündelte Apps: Codex mit geteilten Workspace-Guthaben und der Option, separate Codex-only-Sitzplätze mit flexiblen, nutzungsbasierten Preisen zuzuweisen. Mindestens 2 Sitzplätze.

• Der Enterprise-Plan (individuelle Preisgestaltung) bietet Hochgeschwindigkeits-Modellzugriff, erweiterte Kontextfenster, unternehmenstaugliche Datenkontrollen, Domänenverifizierung, Analysen und Audit-Logs. Gebündelte Apps: Codex mit geteiltem Guthabenpool, optionale Codex-only-Sitzplätze und Operator-Zugriff.

Anthropic (Claude)

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

• Pro-Plan (20 $/Monat oder 17 $/Monat bei jährlicher Abrechnung) bietet Zugriff auf alle Claude-Modelle, einschließlich Opus 4.7 und Sonnet 4.6, etwa fünfmal mehr Nutzung als Free, Projektorganisation und priorisierten Zugriff während Stoßzeiten. Gebündelte Apps: Claude Code (Anthropics Coding-Agent im Terminal und in der IDE) und Cowork (Recherche-Modus), die beide denselben Nutzungspool wie der Chat teilen. Seit Mai 2026 haben sich die Fünf-Stunden-Ratenlimits von Claude Code verdoppelt und die Reduzierung in Stoßzeiten wurde aufgehoben.

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

• Max 20x-Plan (200 $/Monat) bietet etwa zwanzigmal mehr Nutzung als Pro, maximale Priorität und vollständigen Claude Code-Zugriff. 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). Enthält Basisfunktionen, Standard-Nutzungslimits und Claude Code-Zugriff.
• 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 im Nutzungskontingent, nicht im Zugriff. Beide Sitzplatztypen umfassen zentrale Abrechnung, Kollaborationstools und Admin-Kontrollen.

• Enterprise-Plan (individuelle Preisgestaltung) bietet erweiterte Kontextfenster, SSO, Domain Capture, 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 Nur-Chat-Sitzplätzen und Chat- + Claude Code-Sitzplätzen mit nutzungsbasierter Abrechnung unterscheiden.

Google (Gemini)

Der free-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 (begrenzter Veo 3.1-Zugriff für KI-Filmerstellung).

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

• Google AI Plus (7,99 $/Monat, USA) ist der kostenpflichtige Einstiegstarif. Gebündelte Apps: erweiterter Gemini 3.1 Pro-Zugriff im Chat, Bilderzeugung mit Nano Banana Pro, Veo 3.1 Lite-Videoerzeugung, Flow mit begrenztem Veo 3.1, NotebookLM mit mehr Audio-Übersichten, Gemini in Gmail, Docs und Vids sowie Vorabzugriff auf Gemini in Chrome. Enthält 200 GB Speicher.

• Google AI 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 (agentische Entwicklungsplattform), NotebookLM mit dem Fünffachen an Audio-Übersichten, Deep Research, Veo 3.1 Lite-Video und Google Home Premium (Standard-Plan).

• Google AI 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-Videoerzeugung, Deep Think Reasoning, Gemini Agent (nur USA), Project Mariner agentisches Browsen, Project Genie (interaktives Weltmodell), Jules mit 20-fachem Pro-Limit, Antigravity auf höchster Stufe, NotebookLM mit maximaler Leistungsfähigkeit, Google Home Premium (Advanced-Plan) und ein individuelles YouTube Premium-Abonnement.

Microsoft Copilot

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

• Copilot Pro (20 $/Monat) fügt priorisierten Modellzugriff, Bildgenerierungs-Boosts und vollständige Copilot-Integration in 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 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 einzigen Abonnement bündelt.

• Microsoft 365 Copilot Business (18 $/Benutzer/Monat Einführungspreis bis 30. Juni 2026, danach 21 $/Benutzer/Monat jährlich; 25,20 $/Benutzer/Monat monatlich) fügt Copilot in 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 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 Sicherheitsworkflows sowie unternehmenstaugliche Governance über eingesetzte Agenten.

xAI (Grok)

Der free-Plan bietet begrenzten Grok-Zugriff mit etwa 10 Anfragen alle zwei Stunden.

• SuperGrok Lite (10 $/Monat) ist der kostenpflichtige Einstiegstarif. Er umfasst 2x längere Konversationen, erhöhte Ratenlimits und KI-Bild- und Videoerstellung. Gebündelte Apps: 1 KI-Agent im Expertenmodus und Grok Imagine für Bild- und Videoerzeugung.

• SuperGrok (30 $/Monat oder 300 $/Jahr) umfasst 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 erweitertes Denken, Voice-Modus für gesprochenen Chat und 20-mal mehr Grok Imagine Bild- und Videogenerationen einschließlich HD 720p 30-Sekunden-Video.

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

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 und werbefreies free-Browsen. X Premium+ (40 $/Monat) bündelt Grok mit vollständiger Creator-Monetarisierung, der schrittweisen Einführung von Grok 4.3 und denselben Grok-Agenten- und DeepSearch-Funktionen auf der X Premium+-Nutzungsstufe.

Moonshot AI (Kimi)

Kimis Verbraucherpläne sind nach musikalischen Tempobezeichnungen benannt, von langsamsten bis schnellsten. Die internationalen Preise sind in USD; chinesische Nutzer zahlen in CNY zu niedrigeren Sätzen.

• Adagio (Free) bietet unbegrenzte einfache Konversationen mit 6 Agentennutzungen, 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 für alles in Moderato. Gebündelte Apps: Agent Swarm (parallele Subagenten-Orchestrierung mit 100 Subagenten und ~1.500 koordinierten Schritten in K2.5, skalierend auf 300 Subagenten 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 Subagenten, 30x Kimi Code-Guthaben und 24.000 Pro Data-Anfragen. Ausgerichtet auf intensive Recherche- und agentische Workloads.

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

MiniMax

MiniMax trennt sein Agent-Produkt für Verbraucher 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):

• Free: 1.000 Starter-Guthaben, gültig für 3 Tage, plus 200 tägliche Guthaben, die sich erneuern und übertragen werden.
• Basic (39 $/Monat): 5.000 Guthaben pro Monat (~30 Pro-Modus-Aufgaben), Priorität in Stoßzeiten, 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-Deployments plus alle Basic-Vorteile.
• Ultra (219 $/Monat): 40.000 Guthaben pro Monat (~240 Pro-Modus-Aufgaben), dieselbe Anzahl an Deployments wie Pro und höchste Priorität.
• Team (individuell): zentrale Abrechnung und Admin-Kontrollen für Organisationen.

MiniMax Coding Plan (separat, auf der API für Entwickler aufbauend; betrieben 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 anstatt 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 AI

Der kostenlose Plan (Le Chat) umfasst Webbrowsen, grundlegende Dateianalyse, Bilderzeugung, schnelle Flash-Antworten, in Projekte organisierte Gruppenchats, bis zu 500 gespeicherte Erinnerungen und über 40 Unternehmenskonnektoren.

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

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

• Enterprise-Plan (individuelle Preisgestaltung) bietet sichere Bereitstellungsoptionen, einschließlich selbstgehostet und Private Cloud, SAML SSO, Audit-Logs, Premium-Support und detaillierte Analysen. Gebündelte Apps: Mistral Vibe mit On-Premise-Bereitstellungsoptionen für regulierte Workloads.

DeepSeek

DeepSeek bietet keine traditionellen Abonnementpläne an. Der Web- und Mobil-Chat-Zugriff auf die neuesten Modelle (derzeit DeepSeek V4-Flash und V4-Pro) ist für alle Benutzer free, mit fairer Nutzungsdrosselung, die täglich zurückgesetzt wird.

Der API-Zugang erfolgt ausschließlich als Pay-per-token. V4-Flash kostet 0,14 $ pro Million Eingabe-Token (Cache-Miss) und 0,28 $ pro Million Ausgabe-Token, wobei Cache-Treffer zu etwa 1/50 des Eingabepreises bedient werden.

Meta (Muse Spark)

Meta verkauft derzeit kein Verbraucher-Abonnement für seinen KI-Assistenten. Muse Spark, das erste Modell von Meta Superintelligence Labs (veröffentlicht am 8. April 2026), ist ein nativ multimodales Reasoning-Modell mit Werkzeugnutzung, visuellem Chain-of-Thought und Multi-Agenten-Orchestrierung. Es betreibt Meta AI in WhatsApp, Instagram, Facebook, Messenger, der Meta AI-App und der Ray-Ban Meta-Brille, alles kostenlos für Endbenutzer.

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.

LLM-Preise verstehen

Token: Die grundlegende Abrechnungseinheit

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

Während Anbieter verschiedene Preisstrukturen anbieten, ist die Token-basierte Preisgestaltung am weitesten verbreitet. Die Tokenisierungsverfahren unterscheiden sich je nach Modell; Beispiele hierfür sind:

• Byte-Pair Encoding (BPE): Zerlegt Wörter in häufige Subwort-Einheiten, um Vokabulargröße und Effizienz auszugleichen.²
  • Beispiel: „unbelievable“ → [„un“, „believ“, „able“]
• WordPiece: Ähnlich wie BPE, optimiert jedoch auf die Wahrscheinlichkeit des Sprachmodells, verwendet in BERT.³
  • Beispiel: „tokenization“ → [„token“, „##ization“]. „token“ ist ein eigenständiges Wort; „##ization“ ist ein Suffix.
• SentencePiece: Tokenisiert Text ohne Verwendung 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 der BPE/WordPiece-Verarbeitung abhängen. Um diese Tokenisierungsverfahren 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 Inhaltstypen, einschließlich UI-Prompts, E-Mail-Schnipseln, Marketing-Blogs, detaillierten Berichten und Forschungsarbeiten, und weist darauf hin, dass die Token-Zahlen je nach Modell variieren. Sobald ein Modell ausgewählt wurde, kann dessen Tokenizer verwendet werden, um die durchschnittliche Token-Zahl 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 Obergrenze für die Anzahl der Eingabe- und Ausgabe-Token pro Aufruf fest, einschließlich aller Token, die von Reasoning-Modellen für Chain-of-Thought-Reasoning verwendet werden. Wenn die Summe diese Grenze überschreitet, wird die Antwort abgeschnitten oder die Anfrage schlägt fehl.

Abbildung 2: Illustration der Einschränkungen des Kontextfensters, die zu einer Ausgabeabschneidung in einer mehrzügigen Konversation führen.⁵

Für Anwendungen, die lange Konversationen führen, schiebt jede zusätzliche Runde mehr Verlauf in die Eingabe. Ohne Eingriff wachsen die Eingabe-Token linear mit der Konversationslänge, und ebenso die Rechnung. API-Nutzer begegnen dem typischerweise auf eine von drei Arten:

• Prompt-Caching. OpenAI, Anthropic, Google und DeepSeek cachen alle wiederholten Prompt-Präfixe serverseitig und stellen Cache-Treffer zu einem Bruchteil des Standard-Eingabepreises in Rechnung, typischerweise 10 bis 50 Prozent des Cache-Miss-Preises. Für Anwendungen, die einen langen System-Prompt oder ein Konversationspräfix 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 aus einem Vektorenspeicher bei jedem Aufruf abgerufen.
• Zusammenfassung. Ältere Runden werden periodisch in eine Zusammenfassung verdichtet, anstatt sie wörtlich erneut zu senden.

Für agentische Workloads wie Coding-Sessions oder Deep Research handhaben moderne Coding-Agenten dies automatisch während der Sitzung. Claude Code liefert beispielsweise Kontextkomprimierung: Wenn die Konversation sich dem Limit nähert, fasst es ältere Nachrichten in eine verdichtete Version zusammen, während aktuelle Runden intakt bleiben. Nachfolgende Runden senden nur die Zusammenfassung plus aktuellen Kontext zurück an das Modell.

Die Auswirkung auf die Preisgestaltung ist direkt. Bei APIs mit Token-Abrechnung begrenzen Prompt-Caching und Komprimierung, wie stark die Eingabe jedes Aufrufs anwächst, sodass die Kosten pro Runde über lange Sitzungen hinweg vorhersehbar bleiben. Bei Pauschalabonnements wie Claude Pro, ChatGPT Plus oder Kimi Moderato streckt die Komprimierung die täglichen und wöchentlichen Nutzungslimits, da jeder Aufruf weniger Kontext mitführt. Eine Coding-Session, 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 auslassen, die sich später als wichtig erweisen, sodass der Benutzer sie erneut bereitstellen muss.

Maximale Ausgabe-Token

Die maximale Anzahl an Ausgabe-Token begrenzt die Länge der Antwort eines Modells. Obwohl viele Dokumentationen erwähnen, dass dies mit dem Parameter max_tokens angepasst werden kann, ist es entscheidend, die Dokumentation der jeweils verwendeten API zu prüfen, um den richtigen Parameter zu identifizieren. Er sollte entsprechend den spezifischen Anforderungen angepasst werden:

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

Wenn zu hoch eingestellt, kann es abhängig von der Temperatur (einem Parameter, der die Kreativität der Antwort steuert) zu unnötig ausführlichen Ausgaben, längeren Antwortzeiten und erhöhten Kosten führen.

Es handelt sich daher um einen Parameter, der sorgfältige Abwägung erfordert, um die Ressourcennutzung zu optimieren und gleichzeitig Ausgabequalität, Kosten und Leistung in Einklang zu bringen.

Tabelle 3: Beispiel-Eingabe-Prompts und geschätzte Token-Zahlen nach Inhaltstyp.

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

Der LLM-API-Preisrechner kann verwendet werden, um die Gesamtkosten pro Modell zu bestimmen, wenn Inhaltstypen aus Tabelle 2 über die API mit den in Tabelle 3 bereitgestellten Beispiel-Prompts generiert werden. Darüber hinaus kann er verwendet werden, um Kosten für benutzerdefinierte Fälle jenseits der vorgeschlagenen Inhaltstypen zu berechnen.

Verwendung mehrerer Sprachmodelle

Ein AI-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 geeignetsten ist.

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

Vorteile und Herausforderungen

• Erhöhte Anpassungsfähigkeit und Effizienz: Orchestrierung verbessert die Reaktionsfähigkeit und ermöglicht eine Echtzeit-Bewertung der Modell-Effizienz sowie die Identifizierung eines kosteneffektiven Modells und potenzieller Einsparungen.
• Prompt-Sensitivität und -Optimierung: Identische Prompts können je nach Modell stark unterschiedliche Ergebnisse liefern, was ein auf jedes Modell zugeschnittenes Prompt-Engineering erfordert, um die gewünschten Ergebnisse zu erzielen, was die Entwicklungs- und Wartungskomplexität erhöht.

Preismechanismen und 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 standardmäßigen Ausgabe-Token unterscheidet), die typischerweise deutlich höhere Kosten verursacht.

Zum Beispiel 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 sie nicht explizit anfordern. Diese internen Token zählen zu Ihrer Rechnung und können die Kosten erheblich erhöhen, insbesondere bei langen analytischen Aufgaben wie juristischer Prüfung, Datenanalyse oder mehrstufigem Reasoning.

Dies macht es unerlässlich:

• Ein Reasoning-Modell nur dann zu wählen, wenn die Genauigkeit die Kosten deutlich überwiegt.
• Den Chain-of-Thought zu deaktivieren oder eine kürzere maximale Ausgabe-Token-Anzahl festzulegen, wenn möglich.
• Dieselbe Aufgabe mit nicht-Reasoning-Modellen zu testen, um zu sehen, ob die Leistung zu einem Bruchteil des Preises vergleichbar ist.

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

Architekturbedingte Preisunterschiede

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

• Mixture-of-Experts (MoE)-Modelle aktivieren nur eine Teilmenge der Parameter pro Anfrage, was die Rechenkosten senkt und es Anbietern ermöglicht, niedrigere Preise pro Token anzubieten.
• Speculative Decoding koppelt 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 Genauigkeit durchführen und ermöglichen niedrigere Preise für lokal oder in der Cloud gehostete Versionen.

Das Verständnis dieser architektonischen Entscheidungen hilft Nutzern, nicht nur Preisunterschiede, sondern auch Latenz, Qualität und die Skalierung eines Modells unter Produktions-Workloads vorherzusagen.

Betriebskosten jenseits der API-Gebühren

Obwohl die Token-basierte Preisgestaltung der Hauptkostentreiber ist, entstehen bei vielen Produktionsbereitstellungen 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 zur Zusammenfassung, Filterung oder Klassifizierung, bevor sie eine endgültige Anfrage an ein größeres Modell senden.
• Caching-Ebenen: Anbieter wie OpenAI bieten jetzt Prompt-Level-Caching an, aber lokale Caching-Infrastruktur kann zusätzliche Rechenleistung erfordern.
• Protokollierung, Überwachung und Auditierung: Unternehmen entstehen oft 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.

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

Unternehmensspezifische Preisüberlegungen

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

• Single-Tenant-Bereitstellungen
• Dedizierte GPU-Cluster
• Erweiterte 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, Finanzen, juristische Dienstleistungen und öffentliche Einrichtungen unerlässlich.

Zukünftige Trends bei LLM-Preisen

Drei Dinge bestimmten die LLM-Preise 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-Token (DeepSeek V4-Flash) und 180 $ Frontier-Reasoning-Token (GPT-5.5 Pro) ist jetzt strukturell und wird sich wahrscheinlich vergrößern. Die interessanten Fragen für 2026 und darüber hinaus betreffen das, was sich auf dieser Basis verschiebt.

Token-Abrechnung weicht Aufgaben-Abrechnung

Agenten treiben heute die meiste starke LLM-Nutzung an. Eine einzige Coding-Aufgabe mit Claude Code, ein Recherche-Durchlauf mit Cowork oder eine autonome Browsing-Sitzung mit Operator kann Hunderte von sequenziellen Modellaufrufen auslösen. Die Token-Abrechnung wird für Käufer und Verkäufer unvorhersehbar.

Als Reaktion darauf wechseln Anbieter von Token-Zählern zu Aufgabenkontingenten. Kimi Code berechnet 300 bis 1.200 API-Aufrufe pro 5-Stunden-Fenster. Claude Code-Ratenlimits werden 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 Subagenten. MiniMax Agent bepreist Guthaben, die Pro-Modus-Aufgaben pro Monat entsprechen.

Anbieterübergreifende Agenten-Harnesse wie OpenClaw und MaxHermes treiben dies weiter voran. Sie sitzen zwischen Benutzern und mehreren Modell-APIs, und ihre Preisgestaltung orientiert sich zunehmend am Durchsatz pro Aufgabe und nicht an pro Million Token. Es ist zu erwarten, dass mehr Anbieter im nächsten Jahr Aufgaben- oder Sitzungs-basierte 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 Implikation für die Preisgestaltung ist ein zweistufiger Verbrauchermarkt. Routinearbeiten laufen free zu marginalen Token-Kosten auf dem Gerät. Cloud-Abonnements konkurrieren damit, was lokal nicht möglich ist: Frontier-Reasoning, großer Kontext, multimodale Generierung 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 Gedächtnis entscheiden, wer agentische Arbeit gewinnt

Langwierige agentische Aufgaben scheitern, wenn Modelle frühere Anweisungen vergessen oder Fakten halluzinieren, an die sie sich eigentlich erinnern sollten. Nachhaltige agentische Arbeit hängt von drei Dingen ab: einem großen Kontextfenster, persistentem Gedächtnis und einer niedrigen Halluzinationsrate.

In einem Jahr sind drei Frontier-Fähigkeiten zur Basis 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 zu 10 bis 20 Prozent der Cache-Miss-Raten bei OpenAI, Anthropic, Google und DeepSeek. Persistenter Speicher ist am langsamsten bei der Kommodifizierung, der Zugang ist bei ChatGPT und Claude immer noch hinter bezahlten Tarifen verborgen.

Spezialisierte agentische Modelle entstehen an der Spitze dieses Marktes. Anthropics Claude Mythos Preview⁷ , bepreist mit 25 $ Eingabe und 125 $ Ausgabe pro Million Token, zielt auf agentisches Coding, Computernutzung und Cybersicherheits-Workloads ab. Es übertrifft 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 Leistungs- und Preisobergrenze, auf die sich die nächsten Opus-Versionen zubewegen werden.

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

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  = jun,
  howpublished    = {\url{https://aimultiple.com/llm-pricing}},
  note   = {AIMultiple. Abgerufen am 30. Juni 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

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