Cerebras API: Preise und Kosten vor dem Produktivstart

Die Preise der Cerebras API beginnen für GPT OSS 120B bei $0.35 je Million Eingabetokens und $0.75 je Million Ausgabetokens. Der Developer-Tarif ist allerdings ausdrücklich nicht für den Produktivbetrieb vorgesehen. Das unten durchgerechnete Beispiel für einen Agenten kommt zu diesen Sätzen auf $53.75 im Monat. Soll der Agent für Kunden laufen, braucht es eine gesonderte Vereinbarung für den Produktivbetrieb; zusätzliches Guthaben allein reicht dafür nicht.

Cerebras Inference ist eine gehostete API zum Ausführen von KI-Modellen. Für die Kaufentscheidung zählen drei Fragen: Was kostet eine erledigte Aufgabe, wie lange dauert sie, und passen die Nutzungsbedingungen zum geplanten Einsatz? Für die Erprobung eines Textagenten bietet sich zunächst GPT OSS 120B an. Bevor Kundenanfragen davon abhängen, sollten die Bedingungen für den Produktivbetrieb geklärt sein.

Die Preise wurden im Oktober 2026 anhand der Cerebras-Preisseite geprüft; der Live-Abgleich erfolgte am 20. Oktober. Alle folgenden Beträge sind in US-Dollar angegeben.

Cerebras API: Preise auf einen Blick

Die aktuelle Preisseite führt Developer und Enterprise auf. Das Aktionsguthaben dient dazu, den Dienst zu testen. Es ist kein dritter, dauerhaft kostenloser Tarif.

Enterprise bietet außerdem erweiterte Optionen für geringere Latenzen. Angepasste Modellgewichte sowie Fine-Tuning- oder Trainingsleistungen sind nach Vereinbarung erhältlich. Im Developer-Tarif läuft der Support über den Community-Discord. Diese Unterschiede nennt der aktuelle Tarifvergleich.

Entscheidend ist der geplante Einsatz. Auch ein kostengünstiger Agent mit Kundenkontakt braucht passende Bedingungen für den Produktivbetrieb. Umgekehrt begründet eine hohe Rechnung für Tests allein noch keinen Bedarf an einem bestimmten Enterprise-Vertrag.

Cerebras API: Kosten und Geschwindigkeit der angebotenen Modelle

GPT OSS 120B ist das günstigere der beiden Modelle in der aktuellen Developer-Preisliste. Eingabetokens sind die Textbestandteile, die an das Modell gesendet werden; Ausgabetokens entstehen bei der Antwort. Beide werden getrennt abgerechnet. Ein gemittelter Tokenpreis ist deshalb erst aussagekräftig, wenn das Verhältnis von Eingabe zu Ausgabe feststeht.

Welche Modelle bietet Cerebras an?

OpenAI GPT OSS 120B: $0.35 je Million Eingabetokens, $0.75 je Million Ausgabetokens und laut Cerebras eine Geschwindigkeit von rund 3,000 Tokens pro Sekunde. Die Modelldokumentation nennt Texteingabe und -ausgabe, Reasoning, Streaming, strukturierte Ausgaben und Tool-Aufrufe. Damit ist es hier der erste Kandidat für einen textbasierten Agenten. Ob die Qualität für die eigenen Aufgaben reicht, muss sich im Test zeigen.

Qwen 3.8 27B: $0.99 je Million Eingabetokens, $1.49 je Million Ausgabetokens und laut Cerebras eine Geschwindigkeit von rund 1,850 Tokens pro Sekunde. Die Modelldokumentation führt Bildeingaben und strikte Tool-Aufrufe auf. Bildeingaben erfordern Chat Completions und base64-kodierte PNG- oder JPEG-Daten; eine gewöhnliche externe Bild-URL wird nicht unterstützt.

Auf kleinere Einheiten umgerechnet kostet GPT OSS $0.00035 für die Eingabe und $0.00075 für die Ausgabe je 1,000 Tokens. Bei Qwen sind es $0.00099 und $0.00149. Das sind lediglich andere Recheneinheiten, keine separaten Tarife.

Diese Preise decken die Inferenz ab, kein Abonnement für den Code-Editor. Falls der Editor oder Agentendienst eigene Gebühren verlangt, gehören diese zusätzlich ins API-Budget.

Die Geschwindigkeiten oben stammen vom Anbieter; sie wurden für diesen Artikel nicht gemessen. Ein Coding-Agent wartet außerdem auf die Prompt-Verarbeitung, Reasoning, die Ausführung von Tools, Netzwerkaufrufe und Wiederholungsversuche. Eine schnelle Textgenerierung kann eine lange Antwort beschleunigen, bei einer Aufgabe mit langwierigen Tests oder langsamen Dienstabfragen aber kaum ins Gewicht fallen.

Was kostet ein Agent im Monat?

Ein Textagent, der monatlich 10,000 Aufgaben bearbeitet, kostet mit GPT OSS 120B unter den folgenden Annahmen $53.75. Das ist ein Rechenbeispiel für die Evaluierung zu öffentlichen Developer-Preisen, kein Enterprise-Angebot und keine gemessene Rechnung aus dem Produktivbetrieb.

Angenommen, jede Aufgabe benötigt fünf Modellaufrufe. Pro Aufruf fallen im Durchschnitt 2,000 Eingabetokens und 500 abrechenbare Ausgabetokens an. Das Ausgabebudget muss auch berechnetes Reasoning enthalten, nicht nur den abschließenden Text für den Nutzer. Weitere Annahmen: keine Einsparungen durch Caching, keine Wiederholungsversuche und keine gesonderten Tool-Gebühren.

Daraus ergibt sich pro Monat:

• Eingabe: 10,000 Aufgaben × 5 Aufrufe × 2,000 Tokens = 100 Millionen Tokens.
• Ausgabe: 10,000 Aufgaben × 5 Aufrufe × 500 Tokens = 25 Millionen Tokens.

Zu den ausgewiesenen Preisen für GPT OSS 120B kostet die Eingabe 100 × $0.35 = $35, die Ausgabe 25 × $0.75 = $18.75. Zusammen sind das $53.75 im Monat oder $0.005375 je Aufgabe, jeweils vor Anrechnung eines Aktionsguthabens.

Dasselbe Tokenvolumen kostet mit Qwen 3.8 27B $99 für die Eingabe + $37.25 für die Ausgabe = $136.25 im Monat. Das sind in diesem Szenario $82.50 mehr. Der Aufpreis lohnt sich nur, wenn das andere Modell oder die Möglichkeit zur Bildeingabe die Aufgabenergebnisse entsprechend verbessert. Gleiche Tokenmengen bedeuten keine gleichen Ergebnisse.

Für die eigene Prognose werden die monatlichen Eingabetokens in Millionen mit dem Eingabepreis multipliziert. Dazu kommen die monatlichen Ausgabetokens in Millionen, multipliziert mit dem Ausgabepreis. Die Kosten je erfolgreich erledigter Aufgabe ergeben sich, wenn die gesamte Rechnung durch die Zahl dieser Aufgaben geteilt wird. Dabei gehört auch der Verbrauch fehlgeschlagener Versuche in die Rechnung.

Ist Cerebras kostenlos, und wo endet der Testzugang?

Cerebras bietet einen begrenzten Testzugang, kein dauerhaft erneuertes Freikontingent. Laut Testzugang-Dokumentation gibt es einmalig $5 Guthaben. Es wird durch das Hinterlegen einer gültigen Zahlungsmethode aktiviert und verfällt 30 Tage nach der Aktivierung. Das Hinterlegen der Zahlungsmethode aktiviert weder automatisch eine kostenpflichtige Nutzung noch löst es eine Abbuchung aus.

Ist das Guthaben aufgebraucht oder abgelaufen, pausiert der Zugang zu API und Playground, sofern nicht separat PayGo-Guthaben gekauft wird. Ohne Zahlungsmethode bleibt dieser Zugang inaktiv. Das Aktionsguthaben ist kein Bargeld und lässt sich nicht übertragen.

Für beide aufgeführten Modelle nennt die Dokumentation folgende Standardlimits im Testzugang: 5 Anfragen pro Minute, 30,000 nicht gecachte Tokens pro Minute, 90,000 Tokens insgesamt pro Minute sowie 1 Million Tokens pro Stunde und pro Tag. Maßgeblich für das tatsächliche Kontingent ist die Limits-Ansicht des eigenen Kontos. Die Tokengrenzen pro Minute begrenzen die verarbeitete Menge, das Anfragelimit die Zahl der Aufrufe. Beide können einen Test stoppen, bevor das Guthaben verbraucht ist.

Wer muss gar nichts bezahlen? Wer eine kleine Evaluierung innerhalb der Guthaben-, Zeit- und Durchsatzgrenzen abschließt und den Dienst danach nicht weiter nutzt. Für einen dauerhaft eingesetzten persönlichen Coding-Assistenten sollte dagegen ein Budget für die kostenpflichtige Nutzung eingeplant werden. Der Testzugang hilft bei der Entscheidung über die weitere Nutzung; als Grundlage für einen auf Dauer kostenlosen Dienst taugt er nicht.

Welche Limits zählen vor dem Produktivstart?

Die erste praktische Hürde ist die Kapazität bei Lastspitzen: Eine niedrige Monatsrechnung bedeutet nicht, dass die API beliebig viele gleichzeitige Anfragen annehmen kann. Cerebras dokumentiert getrennte Limits für nicht gecachte Tokens, die neu verarbeitet werden müssen, und für die Gesamtmenge einschließlich Cache-Treffern.

Die aktuellen Standardlimits im Developer-Tarif lauten:

• GPT OSS 120B: 1,000 Anfragen pro Minute, 1 Million nicht gecachte Tokens pro Minute und 3 Millionen Tokens insgesamt pro Minute.
• Qwen 3.8 27B: 300 Anfragen pro Minute, 150,000 nicht gecachte Tokens pro Minute und 750,000 Tokens insgesamt pro Minute. Die Dokumentation kennzeichnet das Gesamtlimit als vorübergehende Erhöhung von 450,000.

Im Developer-Tarif gibt es keine stündliche oder tägliche Tokengrenze; die Minutenlimits gelten dennoch. Auch Organisations- und Projektlimits können dieselbe Arbeitslast begrenzen. Den Monatsverbrauch durch die Zahl der Tage zu teilen, ersetzt deshalb keine Kapazitätsprüfung.

Eine weitere Grenze wird leicht übersehen: Der Dienst schätzt den Ausgabebedarf, bevor er eine Anfrage ausführt. Ein unnötig hoher Wert für max_completion_tokens kann daher schon ein Ratenlimit auslösen, bevor das Modell überhaupt etwas ausgibt. Sinnvoll ist eine zur Aufgabe passende Obergrenze; anschließend sollten die zurückgegebenen Verbrauchsdaten und Kontingentfehler geprüft werden. Zusätzlich gekauftes Guthaben hebt diese Beschränkungen nicht auf.

Bei Coding-Agenten ist Zuverlässigkeit genauso wichtig wie Kapazität. Die Hinweise zum GPT-OSS-Modell warnen davor, dass es Tools vorschlagen kann, die ihm gar nicht bereitgestellt wurden. Tool-Namen und Argumente müssen daher vor der Ausführung validiert werden. Eine falsche Aktion bleibt falsch, auch wenn sie schnell ausgeführt wird.

Enterprise und die vier Zugangswege über Partner

Sobald ein Produktiveinsatz geplant ist, ändern sich die Anforderungen an den Einkauf, selbst bei geringem Tokenverbrauch. Es gibt keinen öffentlichen Enterprise-Preis, aus dem sich eine allgemeine Kostenschwelle für den Wechsel von Developer zu Enterprise berechnen ließe. Für ein Angebot braucht Cerebras Angaben zum Modell, zum erwarteten Verhältnis von Eingabe- und Ausgabetokens, zur maximalen Zahl gleichzeitiger Anfragen und zum Supportbedarf.

Die Cerebras-Preisseite nennt vier Zugangswege über Partner: AWS Marketplace, OpenRouter, Hugging Face und Vercel. Ein bereits genutzter Beschaffungsweg kann sich anbieten. Vor der Umstellung des Datenverkehrs müssen jedoch dessen eigene Preise, verfügbare Modelle, Bedingungen für den Produktivbetrieb und Supportzuständigkeiten geprüft werden. Eine genannte Partnerschaft bedeutet nicht, dass die Endrechnung dem direkten Developer-Preis entspricht.

Die direkte Preisliste rechnet nach Verbrauch ab. Sie weist weder einen Rabatt für jährliche statt monatlicher Abonnements noch Enterprise-Gebühren für Mehrverbrauch aus. Mindestabnahmen, Mehrverbrauchskosten, Kapazitätsgarantien und Ausstiegsbedingungen sollten im Angebot schriftlich festgehalten werden. Vor dem Kauf von Prepaid-Guthaben sind dessen Gültigkeit und Erstattungsbedingungen zu prüfen. Aus dem Verfallsdatum des Aktionsguthabens lässt sich nicht auf die Gültigkeit gekauften Guthabens schließen.

Cerebras vs. Groq und eine GPU-Cloud-API

Groq kostet bei demselben Verhältnis nicht gecachter Ein- und Ausgabetokens für GPT OSS 120B weniger, während Cerebras mit schnellerer Textgenerierung wirbt. Der Groq-Preisleitfaden erläutert die Abwägungen bei Tarifen und Kapazität dieser Alternative. Groq ist ebenfalls ein Anbieter gehosteter Inferenz. Die offizielle Modellseite nennt $0.15 je Million Eingabetokens, $0.60 je Million Ausgabetokens und rund 500 Tokens pro Sekunde.

Bei den 100 Millionen Eingabe- und 25 Millionen Ausgabetokens aus dem Beispiel beträgt die Tokenrechnung bei Groq $30 im Monat. Die Developer-Schätzung von $53.75 für Cerebras liegt $23.75 darüber, also 0.2375 Cent mehr je Aufgabe. Das sind Berechnungen zu öffentlichen Preisen, kein Vergleich ausgehandelter Produktionsverträge. Auch aus den Geschwindigkeitsangaben der Anbieter lässt sich nicht ableiten, wie viel schneller der vollständige Agentenablauf wäre.

Fireworks AI bietet als Anbieter gehosteter Modelle mit serverlosen und dedizierten Bereitstellungsoptionen einen zweiten Vergleich. Die Standard-Preise für GPT OSS 120B betragen ebenfalls $0.15 je Million Eingabetokens und $0.60 je Million Ausgabetokens. Ohne Caching ergibt sich damit dieselbe Monatsschätzung von $30. Die Bereitstellung mit Priorität wird gesondert bepreist; dieser Vergleich verwendet durchgehend Standard.

Für beide Alternativen sollten dieselben Reasoning-Einstellungen, Ausgabelimits und Mindestanforderungen an die Aufgabenqualität gelten. Eine günstige Einstellung, mit der die Aufgabe scheitert, ist kein sinnvoller Vergleich zu einer teureren, die sie erledigt. Ebenso wenig lässt sich der ausgewiesene Stundenpreis einer gemieteten GPU direkt mit einer API-Rechnung vergleichen, in der die Infrastruktur für die Modellbereitstellung bereits enthalten ist.

Wirtschaftlich zählt, ob die gemessene Latenzverbesserung den Aufpreis je erfolgreich erledigter Aufgabe rechtfertigt. Bei einem interaktiv genutzten Coding-Tool kann die Wartezeit entscheidend sein. Bei einem Hintergrundagenten, dessen Laufzeit ohnehin von externen Tool-Aufrufen bestimmt wird, können günstigere Tokens die bessere Wahl sein.

Was sollte vor dem Wechsel geprüft werden?

Vor der Migration der Anwendung sollte der neue Dienst mit einer repräsentativen Aufgabenauswahl getestet werden. Ein Benchmark mit kurzen Antworten allein zeigt nicht, ob ein Coding-Agent Tool-Schemas einhält oder eine längere Codeänderung korrekt abschließt.

1. 1

   Den bisherigen Aufgabenablauf messen

   Eingabe- und Ausgabeverbrauch über sämtliche Modellaufrufe hinweg erfassen, ebenso Wiederholungsversuche, erfolgreiche Abschlüsse und die gesamte Laufzeit. Die Zeit im Modell getrennt von der Zeit in Tools auswerten.

2. 2

   Die Aufgabe über den neuen Zugangsweg wiederholen

   Gleichwertige Reasoning- und Ausgabeeinstellungen verwenden. Vor dem Geschwindigkeitsvergleich prüfen, ob Tool-Aufrufe gültig sind und die Aufgabe korrekt erledigt wurde. Langsame und fehlgeschlagene Aufgaben gehören ebenfalls in den Vergleich.

3. 3

   Den geplanten Betrieb durchrechnen

   Die Preise des ausgewählten Anbieters auf den gemessenen Verbrauch anwenden und anschließend Kapazität sowie Bedingungen für den Produktivbetrieb bestätigen lassen. Für den direkten Produktivzugang zu Cerebras muss das Enterprise-Angebot vorliegen, bevor Kundenanfragen umgestellt werden.

Als nächster Schritt bietet sich an, in der kommenden Woche einen repräsentativen Ausschnitt der Agentenaufgaben erneut auszuführen und die gemessenen Verbrauchs- und Parallelitätswerte in das Einkaufsgespräch mitzunehmen. Eine breitere Auswahl bietet der Überblick über Echtzeit-Inferenzplattformen für Agenten.

Häufige Fragen zu den Cerebras-Preisen

Lässt sich Cerebras kostenlos nutzen?

Ja, im Rahmen des einmaligen Testangebots nach Hinterlegung einer gültigen Zahlungsmethode. Es gelten eine Zeit- und eine Guthabengrenze; ein automatisch erneuertes Freikontingent gibt es nicht. Wer eine Evaluierung abschließt und danach aufhört, kann ohne Kosten auskommen.

Ist Cerebras besser als NVIDIA?

Für einen Agenten gibt es keinen pauschalen Sieger. NVIDIA ist ein Hardwareanbieter; hier geht es um den Kauf einer gehosteten Inferenzleistung. Geeignete API-Bereitstellungen sollten anhand von Aufgabenqualität, Gesamtlatenz, Kapazität und vollständigen Kosten verglichen werden. Die Chiparchitektur allein entscheidet diese Fragen nicht.

Lohnt sich der Kauf von Cerebras?

Beim Inferenzzugang lohnt sich ein Test, wenn die Modellausgabe einen spürbaren Teil der Wartezeit in der Anwendung ausmacht. Für einen Zugangsweg sollte erst bezahlt werden, wenn Aufgabenergebnisse, gemessene Latenz und Betriebsbedingungen die Gesamtkosten rechtfertigen.

Wer sind die wichtigsten Wettbewerber von Cerebras?

Für diese Entscheidung über eine schnelle Inferenz-API gehören Groq und ein GPU-Cloud-Inferenzanbieter wie Fireworks AI auf die Auswahlliste. Bevor Einstiegspreise verschiedener Anbieter als austauschbar betrachtet werden, müssen dasselbe Modell und dieselbe Arbeitslast verglichen werden.

Was kostet ein Chip von Cerebras?

Cerebras-Hardware wird gemäß den Verkaufsbedingungen auf Angebotsbasis verkauft. Die Aktie des Unternehmens ist eine davon getrennte Anlagefrage.

Nennt die Cerebras-Preisseite einen Studierendenrabatt oder Erstattungsbedingungen?

Die aktuelle Preisseite nennt weder einen speziellen Studierendentarif noch eine allgemeine Erstattungszusage für gekauftes Guthaben. Vor der Zahlung sollten die geltenden Bedingungen für den Guthabenkauf bestätigt werden. Aktionsguthaben ist kein erstattungsfähiges Bargeld.

Die AI Business Workflow Audit Checklist hilft dabei, Aufgabenvolumen, den Umgang mit Fehlern und Betriebskosten vor der API-Auswahl zu erfassen. Newsletter abonnieren und die Checkliste erhalten.