Die versteckte Kostenfalle der KI-Modelle
Du kaufst Kaffee – aber jede Tasse wird in unterschiedlich große Stücke geteilt, und du zahlst pro Stück, nicht pro Tasse. So funktionieren die Preise für KI-Modelle wie GPT oder Claude. Nur heißen die Stücke Tokens. Ein aktueller Test zeigt: Derselbe Inhalt erzeugt bei verschiedenen Anbietern völlig unterschiedlich viele Tokens. Der gleiche TypeScript-Code kostet bei Claude mit dem neuen Tokenizer 73 Prozent mehr als bei GPT – obwohl die Listenpreise auf dem Papier vergleichbar sind.
Viele Entwickler vergleichen KI-Modelle nur anhand der Dollar-pro-Million-Tokens-Preise auf den Preisseiten. Aber ein Token ist keine feste Einheit. Jeder Anbieter zerlegt denselben Text anders. Manche Tokenizer sind effizienter, andere zerstückeln den Text stärker. Da die Abrechnung pro Token erfolgt, entscheidet die Effizienz des Tokenizers über die tatsächlichen Kosten. Der Listenpreis ist nur die eine Hälfte; die andere ist die Anzahl der Tokens, die dein Inhalt ergibt.
Wie der Test durchgeführt wurde
Die Macher des Tests nahmen 16 verschiedene Textbeispiele: englische Prosa, eine HTML-Seite, JavaScript, Python, TypeScript, Rust, JSON-Tool-Schemas, chinesische Texte und den System-Prompt eines Agenten. Jeden Text zählten sie Byte für Byte mit den offiziellen Tokenizern aller aktuellen Modelle. Für Anthropic (Claude Opus, Sonnet, Fable) nutzten sie den offiziellen count_tokens-Endpunkt. Für OpenAI kam der dokumentierte o200k_base-Tokenizer via Tiktoken zum Einsatz, auch Gemini und Grok wurden über die entsprechenden Endpunkte gemessen.
Zur Überprüfung sendeten sie echte API-Anfragen mit max_tokens: 1. Die gemessenen usage.input_tokens stimmten mit den Vorhersagen überein. Die Überprüfung kostete weniger als zehn Cent.
Das erste Ergebnis: Gleicher Listenpreis, 30 Prozent mehr Tokens
Claude Opus 4.6 und Opus 4.8 haben denselben Listenpreis von 5 Dollar für eine Million Eingabe-Tokens. Opus 4.8 verwendet einen neuen Tokenizer, der aus dem gleichen Text rund 30 Prozent mehr Tokens macht. Das gilt auch für Sonnet 5 und Fable 5. Die Steigerung variiert je nach Inhaltstyp: Englische Prosa +34 Prozent, HTML +15 Prozent, JavaScript +20 Prozent, Python +23 Prozent, TypeScript +31 Prozent, Rust +29 Prozent, JSON-Tool-Schema +26 Prozent, Agenten-System-Prompt +39 Prozent. Chinesische Texte blieben nahezu unverändert.
Bei der Gewichtung eines typischen Coding-Agenten – viel System-Prompt, Tool-Schemas, Code und JSON – ergibt sich eine durchschnittliche Steigerung von etwa 32 Prozent pro Anfrage. Wer denselben Code auf Claude Opus 4.8 ausführt, bezahlt effektiv 32 Prozent mehr als auf Opus 4.6. Der Listenpreis ist identisch. Sonnet 5 hatte einen Einführungspreis von 2 Dollar bis Ende August 2026, dann steigt er auf 3 Dollar. In der Einführungsphase gleicht der niedrigere Preis die extra Tokens teilweise aus, aber ab September wird die Arbeit auf Sonnet 5 etwa ein Drittel teurer als auf Sonnet 4.6.
Zweites Ergebnis: Der größte Unterschied tritt bei Code auf
GPT dient als Referenz (Faktor 1,0). Claude schneidet bei Code besonders schlecht ab: TypeScript 1,73x, Rust 1,58x, JavaScript 1,52x, Python 1,50x. Bei englischer Prosa sind es 1,40x, bei HTML 1,36x. Gemini 3 Flash liegt meist nur bei 1,01x bis 1,23x, Grok nahe 1,0x. Chinesische Texte sind bei Claude ebenfalls teurer (1,44–1,55x), während Gemini und Grok hier effizienter sind als GPT.
TypeScript ist der schlimmste Fall, weil GPTs Tokenizer o200k darauf besonders effizient ist: etwa 4,24 Zeichen pro Token. Das liegt vermutlich an vielen Webinhalten im Training, in denen camelCase-Bezeichner und JSX-Muster zu einem einzigen Token zusammengefasst werden. Auf Rust sinkt die Effizienz auf 3,51 Zeichen pro Token. Claudes Tokenizer ist auf beide Sprachen ähnlich dicht – die Lücke ist dort am größten, wo GPT am besten ist.
Was das für den effektiven Preis bedeutet
Der effektive Preis ergibt sich aus Listenpreis mal Token-Faktor. Für einen typischen englischsprachigen Coding-Request: GPT-5.1 liegt bei 1,25/10 Dollar pro Million Tokens (Eingabe/Ausgabe). Claude Sonnet 5 (ab September) kostet 3/15 Dollar, aber wegen des 1,5-fachen Token-Faktors effektiv 4,50/22,50 Dollar. Opus 4.8: Listenpreis 5/25, effektiv 7,50/37,50. Fable 5: 10/50, effektiv 15/75. Gemini 3 Flash bleibt mit 0,50/3 Dollar und einem Faktor von 1,09x bei 0,55/3,27 Dollar der günstigste Anbieter.
Ein Entwickler berichtete bei einer Produktionsmigration zu GPT-5.6 Sol von 1,70 Millionen Eingabe-Tokens gegenüber 2,60 Millionen bei Claude Opus 4.8 für dieselben Builds – etwa 35 Prozent weniger. Das schließt die Modell-Wortwahl (Verbosity) ein, zeigt aber denselben Trend.
Was der reine Input-Vergleich nicht abbildet
Der Test misst nur, wie viele Eingabe-Tokens aus identischen Bytes werden. Bei einer vollständigen Agentenaufgabe kommen weitere Faktoren hinzu: Wie viele Ausgabe- und Thinking-Tokens benötigt das Modell? Wie viel Kontext wird pro Schritt geladen? Wie oft werden Tools aufgerufen oder Subagenten gestartet? Wie werden Cache-Schreib- und Lesevorgänge abgerechnet? Diese Variablen können die Gesamtkosten weit stärker beeinflussen als der reine Input-Unterschied.
Cache-Traffic wird ebenfalls pro Token abgerechnet. Ein Tokenizer, der 32 Prozent mehr Tokens produziert, macht auch jeden Cache-Write und Cache-Read etwa 32 Prozent teurer. In langen Agenten-Sitzungen dominieren Cache-Reads oft die Rechnung. Zudem können sich die Gesamtkosten durch unterschiedliche Verbosity und Thinking-Stufen um ein Vielfaches unterscheiden – es gibt Berichte über Modelle, die zwei- bis viermal so viele Tokens verbrauchen.
Praktische Lehren für Entwickler
Vergleiche auf deinem eigenen Content. Deine Sprache und Dateitypen bestimmen den Multiplikator. Nimm eine repräsentative Stichprobe deiner tatsächlichen Anfragen und zähle sie mit den Tokenizern der Anbieter, bevor du einem Listenpreis vertraust. Wenn ein Anbieter ein neues Modell zum gleichen Listenpreis ausliefert, prüfe, ob der Tokenizer sich geändert hat. Opus 4.6 zu 4.8 ist eine Effektivsteigerung von 32 Prozent, die auf keiner Rechnung auftaucht.
Messe den Preis pro abgeschlossener Aufgabe. Die usage-Felder der API liefern die Rohdaten. Der Dollar-pro-Million-Tokens-Wert ist ein nützlicher erster Anhaltspunkt, aber nicht über verschiedene Tokenizer hinweg vergleichbar. GPT ist token-effizient bei Englisch und Code, Gemini ist günstig im effektiven Preis, Claude-Modelle haben oft eine höhere Qualität, kosten aber mehr Tokens. Der Preis nach Tokenizer-Arbeit zählt.
Quelle: playcode.io
