Textkosten-Rechner

Kalkulation-Basis

Konfiguriere Deine Anfrage

Mengen-Format

Token

Optionen: Token · Wörter · Zeichen

Provider & Modell

GPT-6 Astra (OpenAI)

Input (Anfrage)

1000 Token

Output (Antwort)

500 Token

Anzahl API-Aufrufe

1 Calls

Prompt-Caching aktiv

Aus

Rechnet den gesamten Input zum Cache-Read-Preis - die Obergrenze der Ersparnis. Modelle ohne Cache-Preis bleiben unverändert.

Preis-Details

GPT-6 Astra

Input (1M Tokens)

$10.00

Output (1M Tokens)

$50.00

Context Window

1M

Cache-Read (1M)

$1.00

über 272K Input

$20.00 / $75.00

Long-Context-Schwelle bei 272K Input-Tokens (2x Input, 1.5x Output). Regionaler Aufschlag 10% für Modelle ab 5. März 2026.

Quelle: offizielle Preisseite, geprüft am 02.11.2026

Marktvergleich

Alle Preise ohne Gewähr, letzte Aktualisierung (02.11.2026)

Häufige Fragen (FAQ)

Was ist ein Token?

Ein Token ist die kleinste Texteinheit, die ein Sprachmodell verarbeitet - ein häufiges Wort, ein Wortteil oder ein Satzzeichen. Faustregeln: 1 Token entspricht ca. 4 Zeichen im Englischen, im Deutschen eher 2-3 Zeichen. Ein Wort sind im Schnitt etwa 1.3 Token. Die exakte Anzahl hängt von Sprache, Satzbau und dem jeweiligen Tokenizer des Anbieters ab - daher liefern verschiedene APIs für denselben Text leicht unterschiedliche Token-Zahlen.

Wie funktioniert der API-Kosten-Kalkulator?

Du gibst Input- und Output-Mengen ein - entweder direkt in Token oder geschätzt über Wörter beziehungsweise Zeichen. Anschliessend wählst Du Anbieter und Modell aus dem Dropdown. Der Rechner kombiniert die Mengen mit den hinterlegten Preisen und zeigt Dir die voraussichtlichen Kosten pro API-Aufruf sowie hochgerechnet auf eine beliebige Anzahl von Calls.

Was ist der Unterschied zwischen Input- und Output-Tokens?

Input-Tokens sind alles, was Du an die API schickst: System Prompt, User Prompt, mitgegebener Kontext, Funktions-Definitionen, Conversation-Historie. Output-Tokens sind die von der KI generierten Antworten. Output ist bei praktisch allen Anbietern deutlich teurer als Input - typischerweise um den Faktor 3-5 -, weil die Generierung deutlich rechenintensiver ist als das Einlesen.

Welches Modell sollte ich wählen?

Das hängt vom Use Case und vom Budget ab. Für einfache Aufgaben - Klassifikation, kurze Antworten, Formatierung, einfache Extraktion - reichen kleinere, günstige Modelle. Für komplexes Reasoning, lange Texte, mehrstufige Analysen oder kritische Entscheidungen lohnt sich ein grösseres Modell. Faustregel: starte mit dem günstigsten Modell, das die Aufgabe noch zuverlässig löst, und steige nur auf, wenn die Qualität nicht reicht.

Welcher Anbieter passt zu mir?

Die grossen Anbieter unterscheiden sich vor allem in Ökosystem, Stärken einzelner Modellfamilien und Preisniveau. Manche bieten breite Modellauswahl mit ausgereiftem Tooling, andere punkten bei Reasoning oder Sicherheit, wieder andere mit besonders grossen Kontextfenstern und aggressiv günstigen Preisen für leichte Modelle. Welcher Anbieter für Dich passt, hängt davon ab, ob Du Stabilität, niedrigste Kosten, lange Kontexte oder spezifische Features brauchst.

Wie kann ich API-Kosten effektiv senken?

Schreibe kürzere, präzisere Prompts. Nutze günstige Modelle für einfache Tasks. Setze harte max_tokens Limits. Implementiere Caching für wiederholte Anfragen. Verwende Batch-APIs, wenn Latenz egal ist. Und prüfe, ob Du wirklich lange Kontexte brauchst.

Was bringen Batch-Verarbeitung und Caching?

Batch-Verarbeitung bietet je nach Anbieter bis zu 50% Rabatt, wenn Antworten nicht sofort kommen müssen. Caching spart massiv Kosten, wenn Du wiederholt ähnliche oder identische Prompts mit gleichem Kontext nutzt.

Gibt es kostenlose Kontingente oder Rabatte?

Mehrere Anbieter geben neuen Accounts ein Startguthaben oder zeitlich begrenzte Free-Quotas. Für grosse Volumen gibt es Enterprise-Verträge mit Mengenrabatten. Einige Anbieter bieten zusätzlich Prompt- oder Context-Caching, das bei wiederkehrenden System-Prompts oder grossen, gleichbleibenden Kontexten massiv Kosten spart.

Wie genau sind die berechneten Kosten?

Die Berechnungen basieren auf den offiziellen API-Preisen der Anbieter. Es sind Näherungen, weil Tokenizer, Kontextlänge, Caching und Batch-Modi den Endpreis beeinflussen können. Für exakte Werte zählt immer die Abrechnung des Providers.

Wie werden Wörter und Zeichen in Token umgerechnet?

Faustwerte: 1000 Wörter entsprechen etwa 1333 Token. 1000 Zeichen etwa 250 Token. Deutscher Text braucht meist mehr Token als englischer. Das sind Richtwerte, keine Garantie.

Was kostet eine einfache Frage-Antwort?

Hängt vom Anbieter und Modell ab. Eine typische Frage-Antwort-Runde liegt bei rund 500 Input-Token und 1.000 Output-Token. Bei kleinen, günstigen Modellen bewegt sich das im Bereich von Bruchteilen eines Cent - bei Premium-Modellen schnell zwei bis drei Grössenordnungen darüber. Über den Rechner kannst Du das pro Modell direkt vergleichen.

Was kostet eine Textzusammenfassung?

Eine typische Zusammenfassung hat ca. 1.000 Input-Token (Originaltext) und 200 Output-Token (kurze Zusammenfassung). Bei günstigen Modellen liegt das pro Call deutlich unter einem Cent. Skaliert das auf tausende Texte hoch, wird der Modell-Unterschied schnell entscheidend.

Was kostet Code-Generierung?

Bei etwa 200 Input-Token (Aufgabe + Kontext) und 500 Output-Token (generierter Code) liegen kleine Modelle pro Call im Bruchteil eines Cent. Bei grossen Coding-Modellen mit viel internem Reasoning kann derselbe Call jedoch deutlich teurer werden - gerade bei langen Funktionen oder mehreren Iterationen.

Warum explodieren die Kosten bei Reasoning-Modellen?

Reasoning-Modelle erzeugen vor der eigentlichen Antwort einen längeren, internen Gedankengang („thinking tokens"). Dieser wird mit dem Output-Tarif abgerechnet - meist tausende zusätzliche Tokens pro Anfrage. Du bekommst dafür tiefere Analysen und höhere Trefferquote bei schwierigen Aufgaben, zahlst aber pro Call ein Vielfaches gegenüber einem klassischen Modell.

Wann lohnt sich ein teures Modell wirklich?

Wenn Fehlentscheidungen oder schlechte Outputs teurer sind als die zusätzlichen API-Kosten: Strategie-Analysen, juristische Recherche, medizinische Vorklärung, komplexe Code-Refactorings, kritische Kundenkommunikation. Für Alltagsaufgaben - Formatierung, Klassifikation, kurze Antworten, einfache Extraktion - sind kleine Modelle fast immer die wirtschaftlichere Wahl.

Was ist ein Context Window?

Das Context Window ist die maximale Anzahl an Tokens, die ein Modell pro Anfrage gleichzeitig verarbeiten kann - Input plus erwarteter Output. Je grösser das Context Window, desto längere Dokumente, Code-Files oder Konversations-Historien kannst Du in einem Call mitgeben. Sehr lange Kontexte erhöhen die Kosten linear (jeder Token wird abgerechnet) und können je nach Modell auch die Antwortqualität in den hinteren Teilen schwächen - daher: nur so viel Kontext mitgeben, wie wirklich nötig ist.

Was ist Prompt-Caching und wann lohnt es sich?

Prompt-Caching speichert wiederkehrende Teile Deines Prompts - etwa einen langen System-Prompt, ein fixes Regelwerk oder ein Referenz-Dokument - auf Anbieter-Seite zwischen. Beim nächsten Call mit identischem Anfang wird nur der neue Teil berechnet, der gecachte Teil ist deutlich günstiger oder kostenlos. Es lohnt sich überall dort, wo Du denselben grossen System-Prompt immer wieder verwendest: Support-Bots, Coding-Assistenten, RAG-Anwendungen mit fixem Regelteil. Bei reinen Einmalanfragen bringt es nichts.

Wie schätze ich monatliche API-Kosten realistisch ab?

Drei Schritte: (1) Bestimme die durchschnittliche Anzahl Input- und Output-Tokens pro Call - am besten an echten Beispielen messen, nicht raten. (2) Multipliziere mit der erwarteten Anzahl Calls pro Monat (User × Calls pro User). (3) Schlage 20-30 % Puffer drauf für Retries, längere Antworten als erwartet, Tests und Edge Cases. Plane zusätzlich Budget-Alerts beim Anbieter ein, um Kostenausreisser frühzeitig zu erkennen.

Warum brauchen deutsche Texte mehr Tokens als englische?

Die Tokenizer der grossen Anbieter sind primär auf englischen Text trainiert. Englische Standardwörter sind oft genau ein Token, deutsche Komposita („Bundesausbildungsförderungsgesetz") und Umlaute werden dagegen in mehrere Subwort-Tokens zerlegt. Faustregel: derselbe Inhalt braucht in Deutsch ungefähr 1,3-1,5x mehr Tokens als in Englisch. Bei kostenkritischen Anwendungen mit grossen Mengen kann sich ein englischer Prompt mit deutscher Antwort lohnen - oder umgekehrt.

Was ist Streaming und beeinflusst es die Kosten?

Im Streaming-Modus schickt die API die Antwort token-für-token zurück, sobald sie generiert wird - der User sieht den Text sofort wachsen statt am Ende auf einen Block zu warten. Kostenseitig macht das keinen Unterschied: abgerechnet werden die generierten Tokens, egal ob gestreamt oder gesammelt ausgeliefert. Streaming verbessert nur die wahrgenommene Geschwindigkeit und erlaubt einen Abbruch, sobald die Antwort offensichtlich passt - was indirekt Tokens sparen kann.