Cheapest LLM API 2026: Die günstigsten Anbieter im Vergleich

OpenAI GPT OSS 20B bei Groq verursacht bei den drei hier verglichenen Aufgaben ohne Caching die niedrigsten Kosten: ab $0.075 pro Million Eingabetokens und $0.30 pro Million Ausgabetokens. Welche API als „cheapest LLM API“ vorn liegt, hängt allerdings davon ab, wie lang die Antworten ausfallen, ob sich ein großer Prompt wiederverwenden lässt und ob ein zweiter Versuch nötig wird. Ministral 3 3B von Mistral kann bei viel Ausgabe günstiger sein. OpenAI GPT-6 Luna und Anthropic Claude Haiku 5.5 bieten dagegen einen preiswerten Einstieg für bestehende Integrationen.

Cheapest LLM API: Preise mit Stand vom 20. Oktober 2026

Eingabe- und Ausgabepreise gehören immer zusammen. Ein Token ist eine kleine Texteinheit, die das Modell verarbeitet. Zur Eingabe zählen Anweisungen, Dokumente und der Gesprächsverlauf. Die Ausgabe umfasst die abgerechnete Antwort und gegebenenfalls auch die Reasoning-Tokens des Modells. Eine Million Eingabetokens und eine Million Ausgabetokens werden getrennt berechnet.

Alle folgenden Preise verstehen sich in USD pro 1 Million Tokens und wurden am 20. Oktober 2026 mit den offiziellen, zu diesem Zeitpunkt verfügbaren Anbieterseiten abgeglichen. Verglichen werden die aktuellen kostenpflichtigen Einstiegstarife der sieben genannten Anbieter. Die Übersicht erfasst weder sämtliche Hostinganbieter noch bewertet sie die Modellqualität. Groq hostet ein Modell von OpenAI mit offenen Gewichten; die Preise stammen von Groq selbst. Bei den übrigen Einträgen handelt es sich um die direkte API des Modellherstellers.

Hinweise: Auf der Modellseite von Groq steht für Eingaben aus dem Cache ein Preis von $0.037. Die Caching-Dokumentation nennt einen Rabatt von 50%, woraus sich rechnerisch $0.0375 ergeben. Die Tabelle übernimmt die angezeigte Genauigkeit der Modellseite; die folgenden Rechenbeispiele verwenden diesen gerundeten Cache-Preis nicht. †Die Batch-Preise für Groq und Mistral wurden aus den dokumentierten Rabatten von 50% berechnet. Groq Batch, Mistral Batch.

Die Tarifbedingungen verändern die Rechnung. Der Eintrag für OpenAI gilt bis 272K Eingabetokens. Bei längeren Prompts gelten höhere Preise für die gesamte Anfrage. Haikus Tarif gilt bis 100,000 Prompt-Tokens einschließlich der Tokens aus dem Cache; darüber steigen Eingabe- und Ausgabepreise auf das Fünffache. Bei Grok Build beginnt die höhere Tarifstufe bei 200K Prompt-Tokens. Die folgenden Beispielaufgaben bleiben unter allen drei Schwellen. OpenAI-Modellpreise, Claude-Preise für langen Kontext, xAI-Preise.

Bei DeepSeek gelten die Hauptzeiten 01:00-04:00 und 06:00-10:00 UTC, Montag bis Freitag, ausgenommen chinesische Feiertage. Alle übrigen Zeiten gelten als Nebenzeiten. Der günstigere zeitabhängige Tarif ist kein Batch-API-Rabatt. DeepSeek-Preise.

Der Cache-Preis gilt für einen erneuten Lesezugriff, der die jeweiligen Voraussetzungen erfüllt, nicht für jedes Eingabetoken. Das Schreiben in den Cache kostet bei OpenAI Luna $0.125 pro Million Tokens. Bei Haiku mit kurzen Prompts kostet es $0.125 für fünf Minuten oder $0.20 für eine Stunde. Google berechnet für die Speicherung $1 pro Million gespeicherter Tokens und Stunde. Diese Kosten fallen zusätzlich zu erfolgreichen Lesezugriffen an. OpenAI-Preise, Claude-Caching, Gemini-Preise.

LLM-API-Kosten berechnen: drei Aufgaben, eine Formel

Zuerst die vollständige Anfrage kalkulieren, dann mit der Zahl der Aufgaben multiplizieren. Das Modell mit dem niedrigsten Eingabepreis kann bei langen Antworten teurer werden. Auch Tool-Definitionen und bisherige Nachrichten der Anwendung zählen zur Eingabe.

Für reguläre Eingaben ohne Cache gilt:

Kosten pro Anfrage = (Eingabetokens × Eingabepreis + abgerechnete Ausgabetokens × Ausgabepreis) ÷ 1,000,000.

Die folgenden Aufgabenprofile sind ausdrücklich Annahmen für diesen Vergleich. Es handelt sich um berechnete Beispiele, nicht um gemessene Modellantworten:

• Ein Support-Ticket klassifizieren: 500 Eingabetokens und 20 abgerechnete Ausgabetokens. Das Ergebnis ist eine kurze Abteilungsbezeichnung oder ein Objekt für die Weiterleitung.
• Ein Dokument zusammenfassen: 10,000 Eingabetokens und 500 abgerechnete Ausgabetokens. Das Ergebnis ist eine Zusammenfassung mit begrenztem Umfang aus einem bereits extrahierten Dokument.
• Ein Schritt eines Coding-Agenten: 20,000 Eingabetokens und 2,000 abgerechnete Ausgabetokens. Das Modell liest Anweisungen, relevanten Code und Tool-Ergebnisse und liefert die nächste Antwort oder einen Änderungsvorschlag.

Die Ausgabebudgets schließen sämtliche berechneten Reasoning-Tokens ein. Ein Reasoning-Modell kann bei einer konkreten Aufgabe mehr verbrauchen; dann müssen die Annahmen durch den gemeldeten Verbrauch ersetzt werden. Auch dasselbe Dokument ergibt je nach Tokenizer unterschiedliche Tokenzahlen. Gleiche Tokenzahlen machen Tarife vergleichbar. Sie belegen weder gleiche Qualität noch gleiche Dokumentlänge oder gleichen Denkaufwand.

Kosten für 1,000 abgeschlossene Aufgaben mit je einem Modellaufruf

Die Tabelle setzt voraus, dass jeder Aufruf erfolgreich ist. Nicht enthalten sind Cache-Lese- und -Schreibzugriffe, Speicherung, Tools, regionale Aufschläge, Steuern, Wiederholungsversuche und menschliche Prüfung. Ein Agentenschritt entspricht einem Modellaufruf, nicht einem vollständig erledigten Programmierauftrag.

Alle Summen sind eigene Berechnungen auf Grundlage der oben datierten Anbieterpreise. Für 10,000 Aufgaben im Monat werden die Werte mit zehn multipliziert. Bei diesem Volumen kostet der angenommene Coding-Schritt $21 mit Groq oder $30 mit Luna. Die Differenz beträgt $9 im Monat, bevor Fehler und Tools hinzukommen. Das ordnet die mögliche Ersparnis ein, bevor eine Woche in die Migration eines funktionierenden Features fließt.

Tickets klassifizieren: Die Antwort muss kurz bleiben

Für diese klar begrenzte Aufgabe ist Groq preislich der erste Kandidat. Ein Aufruf kostet (500 × $0.075 + 20 × $0.30) ÷ 1,000,000 = $0.0000435. Bei 10,000 Tickets im Monat ergibt das $0.435 für Standard-Inferenz oder $0.2175 mit dem dokumentierten Batch-Rabatt, sofern die Warteschlange warten kann.

Wer als Gründer eingehende Support-Anfragen kategorisiert, sollte die erlaubten Kategorien vor der Modellauswahl festlegen. „Abrechnung“, „Technik“ und „Konto“ lassen sich automatisiert prüfen. Ein ungefragter Absatz zur Begründung erzeugt dagegen zusätzliche Ausgabe, ohne der Weiterleitung zu helfen. Mehrdeutige Tickets sollten gesondert geprüft und zur Kontrolle weitergegeben werden, statt eine scheinbar sichere Zuordnung zu erzwingen.

Der Zielkonflikt liegt zwischen Reaktionszeit und Zeitplanung. Eine laufende Erstzuordnung braucht sofort ein Ergebnis. Die erneute Klassifizierung eines alten Helpdesk-Archivs kann auf Batch warten. Groq dokumentiert Verarbeitungsfenster von 24 Stunden bis sieben Tagen. Wer Ergebnisse über Nacht zusagt, braucht deshalb eine Kapazitätsplanung. Groq-Batch-Dokumentation.

Dokumente zusammenfassen: Entscheidend ist der nutzbare Inhalt

Gemini 2.5 Flash-Lite ist ein sinnvoller erster Kandidat für Dokumente, wenn PDF-Unterstützung und multimodale Eingaben gefragt sind. Unter der Annahme reiner Texttokens kostet eine Zusammenfassung (10,000 × $0.10 + 500 × $0.40) ÷ 1,000,000 = $0.00120. Das sind $12 für 10,000 Zusammenfassungen im Monat oder $6 über Batch. Die entsprechende Rechnung für reine Texte fällt bei Groq günstiger aus; das ausgewählte Modell unterstützt jedoch nicht dieselbe Bandbreite an Eingabeformaten. Gemini-Modellfähigkeiten, Groq-Modellfähigkeiten.

Diese Rechnung gilt für extrahierten Text. Bei einem gescannten PDF mit Seitenbildern kann der Tokenverbrauch anders aussehen. Dokumentextraktion, Retrieval und Speicherung können eigene Kosten verursachen. Der sinnvolle Abnahmetest prüft, ob die Zusammenfassung die Entscheidung, Fristen und Ausnahmen erhält, nicht bloß, ob sie gut klingt.

Wer Kundeninterviews auswertet, sollte einen festen Satz von Erkenntnissen mit Quellenverweisen anfordern. Fehlt eine Einschränkung, die eine Produktentscheidung verändert, ist die Aufgabe mit einem günstigeren Absatz nicht erledigt. Das Originaldokument sollte zur Kontrolle verfügbar bleiben, statt für eine zweite, ausufernde Neufassung zu bezahlen.

Ein Schritt eines Coding-Agenten: Die ganze Schleife kalkulieren

In einer bestehenden Integration sind Luna oder Haiku der Ausgangspunkt; Groq lohnt sich als günstigere Alternative im Vergleich. Der angenommene Schritt kostet bei Luna (20,000 × $0.10 + 2,000 × $0.50) ÷ 1,000,000 = $0.003. Haiku mit kurzen Prompts kostet genauso viel. Keiner der beiden Werte belegt, dass das Modell eine konkrete Änderung erfolgreich umsetzen kann.

Ein Coding-Agent sendet wiederholt Kontext, erhält einen Handlungsvorschlag, führt Tools aus und übergibt die Ergebnisse zurück an das Modell. Ein fehlgeschlagener Test kann einen weiteren Aufruf mit noch längerem Verlauf auslösen. In die Rechnung gehören jeder Durchlauf, die berechneten Reasoning-Tokens und die externe Ausführungsumgebung. Ohne Beobachtung dieses Ablaufs lässt sich die gesamte Schleife nicht anhand einer Tokenpreistabelle kalkulieren.

Bei einer kleinen Wartungsaufgabe sollten die geänderten Dateien, das relevante Testergebnis und eine klare Abbruchbedingung verlangt werden. Ein gezielter Patch ist einer langen Erläuterung vorzuziehen. Wird die gesamte abgerechnete Ausgabe bei Luna von 2,000 auf 500 Tokens reduziert, spart das $0.00075 pro Schritt beziehungsweise $7.50 über 10,000 Schritte. Voraussetzung ist, dass die kürzere Antwort die Aufgabe weiterhin erledigt.

Caching, Batch und Antwortlänge verändern den Preisvergleich

Caching hilft bei wiederholten Eingaben, Batch bei Aufgaben ohne Zeitdruck und kürzere Ausgaben bei jedem erfolgreichen Aufruf. Das sind unterschiedliche Stellschrauben. Wer ihre Wirkung ungeprüft kombiniert, überschätzt die Ersparnis.

Den Cache lesen und den Cache schreiben sind zwei Kostenarten

Angenommen, der Coding-Schritt verwendet ein cachefähiges Präfix mit 18,000 Tokens erneut, ergänzt 2,000 neue Eingabetokens und erzeugt 2,000 abgerechnete Ausgabetokens. Das Präfix ist der unveränderte Anfang der Anfrage, etwa Anweisungen und gleichbleibendes Referenzmaterial. Bei einem erfolgreichen Cache-Treffer kostet der Schritt mit Luna oder Haiku im Tarif für kurze Prompts:

(18,000 × $0.01 + 2,000 × $0.10 + 2,000 × $0.50) ÷ 1,000,000 = $0.00138.

Die erste Anfrage, die dieses Präfix für $0.125 pro Million Tokens in den Cache schreibt, kostet $0.00345. Dabei bleibt das wechselnde Suffix reguläre Eingabe. Bei zehn Aufrufen mit einem Schreibzugriff und neun vollständigen Lesezugriffen vor Ablauf des Caches ergeben sich Gesamtkosten von $0.01587 statt $0.030 ohne Caching: eine Ersparnis von 47.1%. Das ist der vollständige Vergleich über zehn Aufrufe. Ein zehnfach günstigerer Eingabepreis macht nicht die gesamte Rechnung zehnmal günstiger.

Derselbe Schritt mit erfolgreichem Cache-Treffer kostet bei DeepSeek $0.001554 zur Nebenzeit oder $0.003108 zur Hauptzeit. Der niedrigere Preis für Cache-Lesezugriffe reicht hier nicht aus, um Luna zu unterbieten, weil neue Eingabe und Ausgabe mehr kosten. Die entsprechende Rechnung allein für einen Cache-Treffer ergibt bei Mistral $0.00058. Das ist ein vielversprechender Preis für eine begrenzte Aufgabe, aber kein Beleg für gleichwertige Programmierfähigkeiten.

In den Cache gehört nur Material, das voraussichtlich erneut gebraucht wird. Bei Google kostet ein expliziter Cache mit 10,000 Tokens für eine Stunde $0.01 Speichergebühr. Jede vollständige Wiederverwendung zum Standard-Tarif spart $0.0009 bei der Eingabe. Es braucht also zwölf Cache-Lesezugriffe, bis die Ersparnis allein die Speichergebühr übersteigt; die Erstverarbeitung kommt noch hinzu. Bei einer einmaligen Zusammenfassung rechtfertigt ein günstiger Lesetarif für sich genommen keinen Cache. Gemini-Caching-Preise.

Für Batch-Rabatte gelten je nach Anbieter andere Regeln

Batch eignet sich für unabhängige Aufgaben aus einem Rückstand, nicht für die nächste Antwort in einem laufenden Gespräch. OpenAI, Anthropic, Google, Mistral und Groq dokumentieren für die ausgewählten Modelle Eingabe- und Ausgabepreise zum halben Preis. DeepSeeks Preisseite nennt stattdessen Zeitfenster. Grok Build 0.1 unterstützt Batch ausdrücklich nicht.

Laut Anthropic lassen sich Batch- und Caching-Rabatte kombinieren. Bei Groq ist das ausgeschlossen: Batch-Tokens erhalten den Rabatt bereits unabhängig vom Cache-Status. Bei Google bleibt der Cache-Lesepreis im ausgewählten Batch-Tarif bei $0.01, statt sich wie der reguläre Eingabepreis zu halbieren. Die Rechnung muss deshalb aus den jeweiligen Tokenkategorien aufgebaut werden. Einfach zwei Rabattprozentsätze auf den Gesamtbetrag anzuwenden, führt in die Irre. Claude-Rabatte, Groq-Caching-Regeln, Google-Batch-Preise.

Bei längeren Ausgaben zieht Mistral an Groq vorbei

Ministral 3 3B wird günstiger als Groq GPT OSS 20B, sobald auf je acht Eingabetokens mehr als ein Ausgabetoken kommt. Das gilt bei gleichen Tokenzahlen im Standard-Tarif ohne Cache und erfolgreichen Ergebnissen. Mistral verlangt mehr für Eingabe, aber weniger für Ausgabe. Aus dem Vergleich beider Rechnungen ergibt sich ein Schwellenwert von 0.125 für das Verhältnis von Ausgabe zu Eingabe.

Bei 20,000 Eingabe- und 4,000 Ausgabetokens kostet ein Aufruf mit Mistral $0.0024, mit Groq dagegen $0.0027. Die drei Ausgangsbeispiele haben kürzere Ausgaben, weshalb Groq dort vorn liegt. Ein Feature, das lange Beschreibungen, Überarbeitungen oder Berichte erzeugt, kann diese Reihenfolge umkehren.

Die Ausgabe sollte nicht allein deshalb gekürzt werden, damit sie in die günstigere Tabellenspalte passt. Zuerst wird das kleinste noch nützliche Ergebnis festgelegt: die Kategorie, der extrahierte Inhalt, der Patch oder die Zusammenfassung mit begrenztem Umfang. Anschließend muss sich zeigen, ob das günstigere Modell dieses Ergebnis zuverlässig liefert.

KI-API-Preise im Vergleich: Welcher Einstiegstarif passt?

Die sieben Einträge geben eine sinnvolle Reihenfolge für die Evaluation vor, keine Rangliste der Modellqualität. Jeder Anbieter hat andere praktische Grenzen. Genannt werden die aktuellen Einstiegspreise für Eingabe und Ausgabe im Standard-Tarif. Die vollständigen Tarifstaffeln stehen auf den Preisseiten der Anbieter.

1. Groq: Erster Preiskandidat für kurze, überprüfbare Texte

Groq ist ein Inferenzanbieter und hostet OpenAI GPT OSS 20B, ein Textmodell mit Tool-Nutzung, Reasoning und strukturierten Ausgaben. In den drei Kostenbeispielen ohne Cache liegt es vorn, weil sein niedriger Eingabepreis gut zu größeren Prompts mit kurzen Antworten passt. Für die Kategorisierung von Support-Anfragen oder eine Warteschlange mit reinen Textdokumenten ist es ein sinnvoller Ausgangspunkt, sofern die Ergebnisqualität mit der bisherigen Lösung verglichen wird. Entscheidend ist das Ergebnis, nicht die beworbene Ausgabegeschwindigkeit: Eine ungültige Kategorie oder ein weiterer Reasoning-Durchlauf kann die Ersparnis aufzehren. Modelldetails.

Geeignet für: Kurze, validierte Antworten und unabhängige Textaufgaben in Warteschlangen
Besonderheit: Niedrigste Kosten ohne Cache bei den drei angegebenen Tokenbudgets
Preise: Ab $0.075 für Eingabe und $0.30 für Ausgabe pro Million Tokens
Kostenlos testen: Aktionsguthaben ist in diesem Vergleich nicht berücksichtigt

Der Leitfaden zu Groq-Preisen behandelt die umfassendere Kaufentscheidung. Für diese Auswahl zählt der GPT-OSS-Eintrag mit öffentlich angegebenem Preis. Groqs aktueller Katalog verweist bei Llama 3.1 8B auf ein Angebot des Vertriebs. Ein alter öffentlicher Preis taugt daher nicht als Kalkulationsgrundlage. Aktueller Katalog der Produktionsmodelle.

Den ersten Vergleich aufsetzen

1. 1

   Eine klar begrenzte Aufgabe auswählen

   Als Test dient die Ticket-Klassifizierung, nicht der gesamte Support-Assistent. Zuerst werden die erlaubten Kategorien und die Bedingungen für eine zusätzliche Prüfung festgelegt.

2. 2

   Repräsentative Anfragen vergleichen

   Für eine erste Einschätzung dienen 100 repräsentative, angemessen bereinigte Beispiele. Dazu gehören auch mehrdeutige, fehlerhaft formatierte und ungewöhnlich lange Tickets. Die bisherige Lösung und der neue Kandidat werden an denselben Abnahmekriterien gemessen.

3. 3

   Das vollständige Ergebnis protokollieren

   Erfasst werden akzeptierte oder abgelehnte Ausgaben, berechnete Eingabe- und Ausgabetokens, die gesamte Antwortzeit sowie Wiederholungsversuche und Eskalationen. Cache-Lesezugriffe werden von regulären Eingaben getrennt ausgewiesen.

4. 4

   Nur die erfolgreich geprüfte Aufgabenklasse umstellen

   Validierte Klassifizierungen gehen an das günstigere Modell. Für abgelehnte Ergebnisse bleibt eine Rückfalloption bestehen. Die Überwachung läuft über die erste Stichprobe hinaus weiter.

2. Mistral: Preiskandidat für Aufgaben mit viel Ausgabe

Mistral bietet mit Ministral 3 3B ein kompaktes Modell, das strukturierte Ausgaben, Function Calling und Fragen zu Dokumenten unterstützt. Der identische Eingabe- und Ausgabepreis macht es für klar begrenzte Textumwandlungen interessant, die aus einem kurzen Prompt ein umfangreicheres Ergebnis erzeugen. Wer standardisierte Produktbeschreibungen erstellt, kann es prüfen, bevor andernorts höhere Ausgabepreise anfallen. Die Grenze liegt in der Aufgabenkomplexität: Günstige Ausgabe hilft nur, wenn das kleine Modell die erforderlichen Details und Vorgaben einhält. Fähigkeiten von Ministral.

Geeignet für: Klar begrenzte Überarbeitungen, Beschreibungen und Extraktionen mit maschinell prüfbarer Ausgabe
Besonderheit: Gleicher Standard-Preis für Eingabe und Ausgabe
Preise: Ab $0.10 für Eingabe und $0.10 für Ausgabe pro Million Tokens
Kostenlos testen: Testguthaben ist nicht eingerechnet; der genannte Preis gilt für kostenpflichtige Inferenz

Um diesen Kandidaten zu reproduzieren, wird ministral-3b-2512 verwendet. „Small“, „Mini“ und „3B“ sind keine austauschbaren Produktnamen. Ergibt die Evaluation, dass ein größeres Mistral-Modell nötig ist, muss die Rechnung mit dessen Tarif neu erstellt werden. Der Preis des kleinsten Modells lässt sich nicht auf eine andere Leistungsklasse übertragen.

3. Google: Praktischer Einstieg für Dokumente und Prototypen

Google Gemini bietet Gemini 2.5 Flash-Lite als aktuell gelistetes stabiles Modell für einfache Aufgaben mit Text, Bildern, Video, Audio und PDFs. Es ist ein sinnvoller erster Kandidat, wenn eine Zusammenfassung mehr als extrahierten Text verarbeiten soll oder ein Prototyp mit einem veröffentlichten kostenlosen Kontingent geplant ist. Die kostenpflichtige Textverarbeitung liegt preislich nah genug an den günstigsten Einträgen, dass die unterstützten Eingabeformate den Ausschlag geben können. Die Grenze liegt im Unterschied zwischen einem vereinheitlichten Textbudget und der tatsächlichen Anfrage mit mehreren Medientypen. Gemini-Modelldetails.

Geeignet für: Einfache Dokumentverarbeitung und Prototypen mit bereinigten Daten
Besonderheit: Viele Eingabeformate und ein veröffentlichtes kostenloses Kontingent
Preise: Kostenpflichtiger Standard-Tarif ab $0.10 für Texteingabe und $0.40 für Ausgabe pro Million Tokens
Kostenlos testen: Kostenloses Kontingent verfügbar, mit eigenen Grenzen und Bedingungen

Googles Preisseite unterscheidet zwischen der Inhaltsnutzung im kostenlosen und im kostenpflichtigen Tarif. Für einen kostenlosen Prototyp sollten entsprechend bereinigte Daten verwendet werden. Vor der Verarbeitung von Kundenmaterial sind die Bedingungen des kostenpflichtigen Tarifs zu prüfen. Die Übersicht zu Gemini-Preisen trennt die weitergehenden Abo- und API-Optionen. Dieser Vergleich bezieht sich ausschließlich auf die Developer API.

4. OpenAI: Eine funktionierende Integration günstig betreiben

OpenAI bietet GPT-6 Luna für gezielte Aufgaben mit hohem Volumen, strukturierten Ausgaben und einstellbarem Reasoning-Aufwand. Nutzt eine Anwendung bereits OpenAI, ist Luna das erste günstige Modell, das vor einem Anbieterwechsel geprüft werden sollte. Bestehende Validatoren und Rückfallmechanismen haben einen Wert, gerade wenn die rechnerische Ersparnis einer Migration nur wenige Dollar im Monat beträgt. Das Kostenrisiko liegt in unkontrolliertem Reasoning oder wiederholten Tool-Schleifen: Ein niedriger Stückpreis begrenzt die Zahl der berechneten Tokens nicht. Luna-Modelldokumentation.

Geeignet für: Begrenzte Aufgaben in einer bestehenden OpenAI-Anwendung
Besonderheit: Günstiger Kandidat ohne Umbau der anbieterspezifischen Abläufe
Preise: Ab $0.10 für Eingabe und $0.50 für Ausgabe pro Million Tokens im Tarif für kurzen Kontext
Kostenlos testen: Von den genannten Kosten wurde kein Aktionsguthaben abgezogen

Für Abläufe mit Tools verweist die Modellseite auf Responses. Function Calling über Chat Completions setzt voraus, dass reasoning_effort auf none steht. Endpunkt und Einstellungen gehören deshalb ins Evaluationsprotokoll. „Dasselbe Modell“ mit anderen Reasoning- oder Tool-Einstellungen ist im Betrieb nicht derselbe Versuch.

Bei einer kurzen Klassifizierungsaufgabe sollte mit dem geringsten Reasoning-Aufwand begonnen werden, der die Validierung besteht. Bei einem Änderungsvorschlag für Code ist mehr Aufwand nur dann gerechtfertigt, wenn die zusätzlichen Tokens die Zahl akzeptierter Ergebnisse ausreichend verbessern. Das muss der eigene Testsatz zeigen; aus einer Preisseite lässt es sich nicht ableiten.

5. Anthropic: Günstige Claude-Schritte innerhalb der Prompt-Tarifstufe

Anthropic positioniert Claude Haiku 5.5 für Klassifizierung, Weiterleitung, Extraktion und Aufgaben von Subagenten. In einer bestehenden Claude-Anwendung gehört es weit nach vorn auf die Evaluationsliste, weil die Preise für kurze Prompts denen von Luna entsprechen. Erfüllen beide Modelle die Aufgabe und bringt eine Migration keinen betrieblichen Vorteil, spricht das für die bestehende Integration. Die Grenze ist die Schwelle von 100,000 Prompt-Tokens. Dabei zählen Cache-Lesezugriffe genauso mit wie neu übermitteltes Material. Haiku-Übersicht, Preisregeln.

Geeignet für: Klassifizierung und Extraktion in einem bestehenden Claude-Workflow
Besonderheit: Bei kurzen Prompts preisgleich mit Luna; Batch- und Cache-Rabatte sind kombinierbar
Preise: Ab $0.10 für Eingabe und $0.50 für Ausgabe pro Million Tokens bis 100,000 Prompt-Tokens
Kostenlos testen: Die Dokumentation nennt ein kleines Testguthaben ohne festen Betrag

Ein kurzer Klassifizierungsaufruf und ein wachsender Coding-Dialog können auf demselben Modell beginnen und in unterschiedlichen Tarifstufen enden. Die Prompt-Länge sollte pro Anfrage protokolliert werden, nicht nur als Monatsdurchschnitt. Ein niedriger Durchschnitt kann eine kleinere Gruppe teurer Aufrufe mit langem Kontext verdecken.

Der Leitfaden zu Claude-API-Preisen behandelt die gesamte Preisstaffel. Hier ist die Entscheidung enger gefasst: Haiku für den begrenzten Schritt prüfen und ein stärkeres Ersatzmodell bereithalten, wenn der Abnahmetest es verlangt. Das unterstützte Kontextfenster eines Modells ist nicht mit seiner günstigsten Kontext-Tarifstufe gleichzusetzen.

6. DeepSeek: Wiederholter Kontext und zeitlich planbare Aufgaben

DeepSeek stellt unter deepseek-flash derzeit DeepSeek V4.1 Flash-1017 bereit, mit JSON-Ausgabe, Tools und großem Kontextfenster. Eine Evaluation lohnt sich für Aufgaben mit wiederholtem Kontext, die außerhalb der Hauptzeiten laufen können. Das gilt besonders, wenn ein vorhandener DeepSeek-Prompt die Anforderungen bereits erfüllt. Bei den obigen Aufgaben ohne Cache liegt das Modell nicht vorn. Sein sehr niedriger Cache-Lesepreis gleicht auch nicht jede ausgabelastige Anfrage aus. Die Grenze ergibt sich aus dem Zusammenspiel von Uhrzeit, fehlenden Cache-Treffern und Antwortlänge. Aktuelles Modell und Preise.

Geeignet für: Wiederholten Kontext und zeitlich flexible Warteschlangen
Besonderheit: Niedrige Eingabepreise bei Cache-Treffern mit ausdrücklich festgelegten Nebenzeiten
Preise: Ab $0.15 für Eingabe und $0.60 für Ausgabe pro Million Tokens zur Nebenzeit
Kostenlos testen: Der Vergleich setzt kein dauerhaftes Freikontingent voraus

Der Leitfaden zu DeepSeek-Preisen behandelt die weitergehende Entscheidung zu Konto und Nutzung. Für die Zeitplanung sollten das abgerechnete Zeitfenster der Anfrage und die tatsächlich aus dem Cache gelesenen Tokens protokolliert werden. Ein Rückstand alter Dokumente lässt sich in die Nebenzeit verschieben. Ein laufendes Kundengespräch muss dagegen stattfinden, wenn der Kunde da ist.

In die Kostenaufzeichnung gehören deepseek-flash und die tatsächlich bereitgestellte Version. Laut offizieller Seite verweisen ältere Flash-Aliase inzwischen auf das aktuelle Modell und dessen Preise. Ein Modellname in einer alten Konfiguration ist keine Preisgarantie.

7. xAI: Die Eignung fürs Programmieren muss den Aufpreis rechtfertigen

xAI führt Grok Build 0.1 in der aktuellen öffentlichen Preistabelle als sein günstigstes Textmodell. Es ist auf Programmieraufgaben ausgerichtet und unterstützt Function Calling, strukturierte Ausgaben und Reasoning. Eine Evaluation ist sinnvoll, wenn diese Ausrichtung die höheren Kosten pro Aufruf rechtfertigen könnte. Den Beleg müssen dann die eigenen Aufgaben liefern. Die Grenze in diesem Vergleich ist eindeutig: Das Modell kostet mehr als die anderen ausgewählten Optionen, und laut Modellseite wird Batch nicht unterstützt. Grok-Build-Modell, aktuelle xAI-Preise.

Geeignet für: Coding-Workflows mit nachgewiesenem Vorteil bei akzeptierten Ergebnissen
Besonderheit: Auf Programmierung ausgerichteter Kandidat mit dokumentierten Tool-Funktionen
Preise: Ab $1.00 für Eingabe und $2.00 für Ausgabe pro Million Tokens unter 200K Prompt-Tokens
Kostenlos testen: Weder Abo-Guthaben noch Testkontingent eingerechnet

Ein früherer Preis eines älteren Grok-Fast-Modells darf nicht auf diesen Eintrag übertragen werden. Grundlage der Empfehlung ist die aktuelle offizielle Preistabelle. Sind in einem Konto andere Modelle oder ausgehandelte Konditionen verfügbar, müssen diese vor einem Austausch gesondert kalkuliert werden.

Ein guter Grund für xAI wären weniger fehlgeschlagene oder wiederholte Coding-Schritte bei den eigenen Aufgaben. Dieser Vorteil wurde hier nicht getestet. Ohne einen solchen Nachweis liefern die genannten Tokenkosten keinen Grund, das Modell standardmäßig für Ticket-Klassifizierung oder einfache Zusammenfassungen einzusetzen.

Welche API passt zu welcher Aufgabe?

Die günstigste Lösung wählen, die die Aufgabe erfüllt, und anschließend weiter die abgeschlossenen Ergebnisse messen. Die erste Empfehlung richtet sich nach den Anforderungen der Aufgabe.

Für einen Ticket-Klassifizierer ist Groq preislich zuerst zu prüfen, gefolgt von Mistral als weiterem Kandidaten für begrenzte Ausgaben. Erforderlich sind eine erlaubte Kategorie und ein verlässlicher Prüfpfad. Funktioniert OpenAI oder Claude bereits, muss die mögliche kleine Ersparnis gegen den Entwicklungsaufwand eines Wechsels abgewogen werden.

Für Dokumentzusammenfassungen lohnt sich Gemini, wenn PDF- oder gemischte Medieneingaben einen separaten Vorbereitungsschritt ersparen. Liegen die Dokumente bereits als sauberer Text vor, ist Groq ein Kandidat. Entscheidend sind die vollständige Wiedergabe der Fakten und der Erhalt von Ausnahmen, erst danach der Stil. Unabhängige Rückstände können über Batch laufen, wenn die Frist es erlaubt.

Für einen Schritt eines Coding-Agenten sind Luna oder Haiku in der bereits gepflegten Integration der Ausgangspunkt. Hinzu kommen Groq als Preiskandidat, DeepSeek für wiederholten Kontext oder planbare Aufgaben und Grok Build, wenn dessen Eignung fürs Programmieren gezielt geprüft werden soll. Ein niedrigerer Eingabepreis sagt nicht, wie viele Tool-Schleifen der Auftrag braucht.

Wann kippt die Entscheidung zugunsten der teureren API?

Der günstige Erstaufruf lohnt sich nicht mehr, wenn seine Fehlschläge den gesamten Ablauf verteuern. Ein ausdrücklich hypothetischer Coding-Workflow verdeutlicht das: Der günstige Aufruf kostet $0.0021, eine Eskalation weitere $0.003. Werden 40% der Aufgaben eskaliert und ist jede Rückfalloption erfolgreich, liegen die durchschnittlichen Tokenkosten bei $0.0021 + 0.40 × $0.003 = $0.0033 pro abgeschlossener Aufgabe.

Das ist mehr als die direkten Kosten von $0.003 bei denselben angenommenen Tokenzahlen. Kostengleichheit wird bei einer Eskalationsquote von 30% erreicht. Es handelt sich um eine Routing-Rechnung, nicht um eine beobachtete Fehlerquote von Groq, Luna oder einem anderen Modell. Längere Prompts bei Wiederholungen und menschliche Nacharbeit können die Schwelle weiter senken.

Erfolg muss definiert werden, bevor er gezählt wird. Bei der Klassifizierung ist es die richtige erlaubte Kategorie. Bei Zusammenfassungen müssen die erforderlichen Fakten erhalten bleiben. Beim Programmieren muss die beabsichtigte Änderung die vereinbarten Prüfungen bestehen. Eine eingetroffene Antwort allein ist noch keine erledigte Aufgabe.

Wer verschiedene Wege über ein Gateway vergleicht, muss dessen eigene Konditionen einrechnen. Der Leitfaden zu OpenRouter-Preisen erklärt diesen Bezugsweg. In den Anbietertabellen dieses Artikels werden weder OpenRouter- noch andere Wiederverkäuferpreise verwendet.

Wie die Auswahl und der Vergleich entstanden sind

Dies ist ein datierter Preisvergleich mit eigenen Kostenberechnungen, kein Praxistest der Modellqualität. Die offiziellen Preis- und Funktionsseiten wurden bei der Erstellung des Artikels gelesen. Keines der Modelle wurde mit den drei Aufgaben getestet. Keine Empfehlung behauptet deshalb eine gemessene Überlegenheit bei Genauigkeit oder Latenz.

Die Auswahl umfasst die sieben untersuchten Anbieter mit einem aktuell gelisteten, vielseitig einsetzbaren günstigen Textmodell. Bei xAI ist der derzeit günstigste Texteintrag ein auf Programmierung ausgerichtetes Modell. Ausgeschlossen sind abgekündigte Modellfamilien, Preise nur auf Anfrage, spezialisierte Sicherheitsklassifizierer, Bildgenerierung, Sprachverarbeitung und Embeddings. Ihre Fähigkeiten oder Abrechnungseinheiten würden einen Vergleich der günstigsten Text-APIs verzerren.

Die Bewertung folgt fünf praktischen Kriterien: reguläre Eingabe- und Ausgabekosten, Regeln für Caching und Batch, benötigte Eingabeformate, Schwellen für die Prompt-Länge und Aufwand bis zu einem akzeptierten Ergebnis. Die zweite Tabelle hält die Tokenzahlen konstant, damit sich die Rechnung nachvollziehen lässt. Eine Prognose für den Produktivbetrieb muss diese Annahmen durch den tatsächlichen Verbrauch jedes Modells ersetzen.

Dieser Artikel ergänzt den umfassenderen Vergleich günstiger KI-APIs um eine Preistabelle direkter Anbieter und drei Aufgabenbudgets. Preise von Trackern, Aggregatoren und Wiederverkäufern bleiben außen vor. Öffentliche Preise sind ein Ausgangspunkt. Ein ausgehandelter Vertrag oder modellspezifische Kontobeschränkungen erfordern einen eigenen Vergleich.

Welche Entscheidungen sich vermeiden lassen

Zu vermeiden ist die unpassende Lösung, nicht pauschal ein Anbieter. Die folgenden Entscheidungen machen aus einem günstig aussehenden Preis eine falsche Prognose.

• Groq Llama 3.1 8B mit einem alten öffentlichen Preis kalkulieren: Der aktuelle Katalog verweist auf den Vertrieb. Ein Angebot einholen oder den derzeit bepreisten GPT-OSS-Eintrag verwenden.
• Grok Build ohne gemessenen Vorteil als einfachen Klassifizierer einsetzen: Es verursacht hier die höchsten Ausgangskosten. Die Ausrichtung auf Programmierung hilft einer Weiterleitung mit drei Kategorien nicht von selbst.
• Haikus Preis für kurze Prompts auf lange Gespräche übertragen: Auch der Verlauf im Cache zählt zur Prompt-Schwelle. Jede Anfrage muss mit ihrer jeweiligen Tarifstufe kalkuliert werden.
• DeepSeek dauerhaft zum Nebenzeit-Tarif budgetieren: Laufende Nachfrage kann in die teureren Zeitfenster fallen. Maßgeblich ist der Zeitplan, den die Kunden tatsächlich erzeugen.
• Geminis expliziten Cache für ein einmal gelesenes Dokument anlegen: Speicherung und Erstverarbeitung können teurer sein als die Ersparnis eines vergünstigten Lesezugriffs, der nie stattfindet.
• Ministral ohne Validierung autonom programmieren lassen: Günstige Ausgabe ist ein Anlass, eine begrenzte Aufgabe zu prüfen, aber kein Beleg dafür, dass jeder Änderungsvorschlag korrekt ist.
• Einen Batch-geeigneten Rückstand zum Standard-Tarif verarbeiten: Wenn der Zeitplan es zulässt, sollte der dokumentierte Batch-Weg vor einem Modell- oder Anbieterwechsel verglichen werden.

Häufige Fragen zu kostenlosen LLM-APIs und Preisen

Wie lassen sich LLM-API-Preise sinnvoll vergleichen?

Für ein konkret benanntes Modell gehören Eingabe, abgerechnete Ausgabe, Cache-Lesezugriffe, Cache-Erstellung oder -Speicherung, Batch und Tarifstufen nach Prompt-Länge in den Vergleich. Groq liegt in den drei Beispielen ohne Cache vorn. Bei längerer Ausgabe kann Mistral günstiger werden. Welche Ergebnisse akzeptiert werden, die Tokenisierung und Wiederholungsversuche bestimmen die Rechnung der eigenen Anwendung.

Welche LLM-API ist für Entwickler kostenlos?

Google bietet für Gemini 2.5 Flash-Lite einen kostenlosen Tarif. Dessen Grenzen und Bedingungen zur Inhaltsnutzung unterscheiden sich vom kostenpflichtigen Tarif. Für die Evaluation eignen sich entsprechend bereinigte Daten. Bevor Kundennachfrage über ein Freikontingent bedient wird, sollte der kostenpflichtige Betrieb kalkuliert sein.

Gibt es eine unbegrenzt kostenlose LLM-API?

Keine der angeführten Preisquellen belegt einen unbegrenzt kostenlosen Dienst für den Produktivbetrieb. Kostenloser Zugang ist eine Evaluationsmöglichkeit mit eigenen Bedingungen. Ein kostenpflichtiger Tokenpreis zusammen mit gemessenem Anfragevolumen ergibt ein brauchbareres Produktionsbudget als ein unbelegtes Unbegrenzt-Versprechen.

Der nächste Schritt am Montag

Am Montag zunächst ein Feature messen, bevor der gesamte Stack umgebaut wird. Eine repräsentative Stichprobe von Anfragen ziehen, tatsächliche Eingabe und abgerechnete Ausgabe zählen und die bisherige Lösung mit dem günstigsten plausiblen Kandidaten vergleichen. Der Abnahmetest bleibt gleich. Wiederholungsversuche, Cache-Schreibzugriffe, Cache-Treffer und Tool-Kosten werden mitprotokolliert.

Bei einem Klassifizierer werden die erlaubten Kategorien durchgesetzt. Bei einer Zusammenfassung werden Fakten und Ausnahmen geprüft. Bei einem Coding-Schritt sind der Patch und das relevante Testergebnis erforderlich. Umgestellt wird nur die Aufgabenklasse, die den Test besteht. Die Rückfalloption bleibt erhalten, und das Preisdatum wird zusammen mit der Berechnung gespeichert. So lässt sich das Budget aktualisieren, ohne die gesamte Evaluation zu wiederholen.

Die Checkliste für den Audit von KI-Workflows im Unternehmen hilft dabei, Eingaben, Abnahmekriterien und Rückfalloption eines Features festzuhalten, bevor dessen Modell gewechselt wird.