Claude-API-Kosten: DeepSeek und Claude im Vergleich

DeepSeek oder Claude: Welches Modell passt zur Aufgabe?

Claude ist die passende Wahl für bestehende Coding- oder Agenten-Workflows auf Claude-Basis. DeepSeek kommt infrage, wenn der Eigenbetrieb zwingend ist oder die API die eigenen Aufgabenprüfungen zu geringeren Gesamtkosten besteht. Bei hohem Anfragevolumen und kurzen Prompts sollte der Preisvergleich mit Haiku beginnen, nicht mit Sonnet oder Opus.

Wer allein ein Produkt entwickelt, findet in Claude Sonnet 5.5 einen sinnvollen Ausgangspunkt für den Programmieralltag. Claude Opus 5.5 lohnt einen Versuch, wenn schwierige Änderungen höhere Ausgaben rechtfertigen. Das ist eine Empfehlung für den Arbeitsablauf, keine Behauptung, dass Claude bei jeder Programmieraufgabe gewinnt. Wer Patches sicher prüfen und Integrationen anpassen kann, sollte auch DeepSeek Flash evaluieren.

Für finanzierte Start-ups, die Daten extrahieren, klassifizieren oder Anfragen zuordnen, verdient Claude Haiku 5.5 den ersten Test, solange die Prompts kurz bleiben. Für CTOs, die lange Dokumente verarbeiten, wird DeepSeek Flash zum interessanteren Kostenkandidaten. Dieselbe monatliche Tokenmenge kann je nach Aufteilung auf einzelne Anfragen für unterschiedliche Anbieter sprechen.

Wer Inferenz auf selbst kontrollierter Infrastruktur betreiben muss, sollte die herunterladbaren Modellgewichte von DeepSeek wählen. Ein Aufruf der gehosteten DeepSeek-API erfüllt diese Anforderung nicht. Für einen verwalteten Dienst mit ausdrücklich geregelter kommerzieller Datenverarbeitung ist Claude der stärkere Ausgangspunkt.

Geprüft am 18. Oktober 2026 anhand der aktuellen Modell- und Preisseite von DeepSeek, der Preisseite von Anthropic, der Modelldokumentation beider Anbieter und der unten verlinkten Richtlinien. Alle Preise in USD. Bewertet werden Aufgabeneignung, Integrationsumfang, effektive Kosten und Kontrolle über den Betrieb. Der Vergleich stützt sich auf dokumentierte Fähigkeiten und berechnete Beispiele, nicht auf eigene Leistungstests.

Claude-API-Kosten und DeepSeek-Preise: je eine Million Tokens

Bei kurzen Anfragen ohne Cache ist Haiku günstiger; im Beispiel mit langen Anfragen gewinnt Flash. Ein Token ist ein Textbaustein, den das Modell zählt. Eingabetokens werden an das Modell gesendet, Ausgabetokens von ihm erzeugt. Eine Million Eingabetokens und eine Million Ausgabetokens werden getrennt abgerechnet.

Die aktuellen API-Namen von DeepSeek lauten deepseek-flash für DeepSeek-V4.1-Flash-1017 und deepseek-v4-pro für DeepSeek-V4-Pro-0813. Von Anthropic berücksichtigt dieser Vergleich Claude Opus 5.5, Claude Sonnet 5.5 und Claude Haiku 5.5. Die öffentlichen Modellkataloge enthalten weitere Modelle; diese Auswahl konzentriert sich auf Programmierung und hohes Anfragevolumen.

Die folgenden Standardpreise gelten beim direkten API-Zugriff für eine Million Eingabetokens ohne Cache beziehungsweise eine Million Ausgabetokens. Toolkosten, Steuern, Batch-Rabatte und besonderes Routing sind nicht enthalten:

Quellen: DeepSeek-API-Preise und Anthropic-API-Preise. Bei Claude werden Cache-Schreibvorgänge separat berechnet; die letzte Spalte nennt den Preis für das Lesen eines vorhandenen Cache-Eintrags.

DeepSeeks Spitzenzeiten liegen Montag bis Freitag von 01:00 bis 04:00 und von 06:00 bis 10:00 UTC, ausgenommen chinesische Feiertage. Zu allen anderen Zeiten, auch am Wochenende, gelten die günstigeren Tarife. Ein Rückstau an Dokumenten lässt sich entsprechend einplanen; eine interaktive Programmiersitzung kann weniger gut warten.

Die vollständigen Preisstaffeln und Abrechnungsdetails erläutern die Artikel zu DeepSeek-Preisen und Claude-API-Preisen. Hier entscheidet die Aufteilung der Anfragen.

Gleiche Tokenmenge, zwei unterschiedliche Gewinner

Als Rechenbeispiel dient eine hypothetische Arbeitslast mit insgesamt 1M Eingabetokens und 200K Ausgabetokens. Dabei stammt kein Eingabetoken aus dem Cache, und alle DeepSeek-Aufrufe fallen in den jeweils angegebenen Tarifzeitraum.

Verteilt auf 100 Anfragen entfallen auf jede Anfrage 10,000 Eingabe- und 2,000 Ausgabetokens. Die Rechnung lautet: Eingabepreis plus ein Fünftel des Ausgabepreises. Haiku kostet $0.20, Flash $0.27 außerhalb oder $0.54 innerhalb der Spitzenzeiten. Für V4 Pro fallen $1.056 außerhalb oder $2.112 innerhalb der Spitzenzeiten an, für Sonnet $4 und für Opus $8.

Werden dieselben Gesamtmengen auf fünf Anfragen mit jeweils 200,000 Eingabe- und 40,000 Ausgabetokens verteilt, steigt Haiku auf $1.00: Jeder Prompt überschreitet nun die Preisschwelle. Die übrigen Gesamtkosten bleiben gleich. Flash ist jetzt selbst zum Spitzentarif günstiger als Haiku.

Entscheidend ist der Unterschied zwischen Promptlänge je Anfrage und Gesamtnutzung. Eine Million Tokens, verteilt auf viele kleine Aufrufe, löst nicht automatisch Haikus Tarif für lange Kontexte aus. Das geschieht erst, wenn ein einzelner Prompt 100,000 Tokens überschreitet. Ein Klassifikator für Supportanfragen und ein Agent zur Dokumentenprüfung können monatlich gleich viele Tokens verarbeiten und dennoch von unterschiedlichen Anbietern profitieren.

Diese Berechnungen setzen dieselbe Zahl abrechenbarer Tokens voraus, nicht identische Dokumente. Anbieter zerlegen Text unterschiedlich in Tokens. Auch Denkprozesse, Wiederholungsversuche und Toolergebnisse können den Verbrauch verändern. Vor einer Hochrechnung sollten daher die tatsächlich gemeldeten Verbrauchswerte der eigenen Anwendung bepreist werden.

Caching kann das Ergebnis bei kurzen Anfragen umkehren

DeepSeek hat einen Vorteil, wenn sich große Teile der Eingabe wiederholen und die Ausgaben sehr kurz sind. Caching verwendet einen bereits verarbeiteten Promptanfang erneut, etwa dasselbe Handbuch, das vielen Fragen vorangestellt wird. DeepSeek aktiviert das automatisch. Cache-Treffer setzen jedoch passende gespeicherte Präfixe voraus und sind nicht garantiert. Die Antwort weist prompt_cache_hit_tokens und prompt_cache_miss_tokens aus. DeepSeek-Dokumentation zum Caching.

Für einen idealisierten Fall mit bereits gefülltem Cache werden 1M bereits gecachte Eingabetokens auf kurze Anfragen verteilt. Die Ausgabe wird als Anteil dieser Gesamtmenge angesetzt. Flash kostet außerhalb der Spitzenzeiten 0.003 + 0.60 × output_fraction, Haiku 0.01 + 0.50 × output_fraction. Beide liegen bei 70,000 Ausgabetokens je Million gecachter Eingabetokens gleichauf. Darunter gewinnt Flash mit günstigeren Cache-Lesezugriffen, darüber Haiku mit günstigeren Ausgaben.

Die Rechnung lässt den vorherigen Aufwand zum Aufbau des Caches außen vor, setzt für jedes Eingabetoken einen Cache-Treffer voraus und hält sämtliche Haiku-Anfragen innerhalb der Preisstufe für kurze Prompts. Das ist eine nützliche Rechengrenze, kein zugesagter Rabatt im Produktivbetrieb. Anthropic bietet außerdem vergünstigte asynchrone Batch-Verarbeitung. Für eine Warteschlange, deren Aufgaben warten können, lohnt eine eigene Batch-Kalkulation. Anthropic-Preise für Cache und Batch-Verarbeitung.

DeepSeek oder Claude zum Programmieren?

Claude hat den Vorteil, wenn ein Team seinen bestehenden Coding-Workflow mit möglichst wenigen Integrationsänderungen weiterführen will. DeepSeek bietet die Option mit offenen Modellgewichten und verdient bei kostensensiblen Programmieraufgaben einen Test. Entscheidend ist die umgebende Agentensoftware, nicht die grundsätzliche Fähigkeit, Code auszugeben.

Claude ist die Modellfamilie von Anthropic. In dieser Auswahl ist Sonnet der ausgewogene Kandidat zum Programmieren, Opus die nächste Stufe für schwierige Aufgaben und Haiku die günstige Wahl für klar begrenzte Arbeiten. Alle verarbeiten Text und Bilder und unterstützen Toolaufrufe, mit denen ein Modell Aktionen in der Anwendung anfordern kann. Übersicht der Claude-Modelle.

Wer allein einen schwierigen Authentifizierungsfehler behebt, sollte den fertigen Patch, die Erklärung und die bestandenen Prüfungen bewerten. Weniger Tokens für eine gescheiterte Änderung helfen nicht. Ein sinnvoller Einstieg ist Sonnet; Opus wird anschließend mit den Aufgaben verglichen, an denen Sonnet scheitert. So erhält das teurere Modell einen konkreten Einsatzbereich, statt pauschal zur Voreinstellung zu werden.

Die DeepSeek-Modellfamilie ist über eine gehostete API und als herunterladbare Gewichte verfügbar. Für eine neue Evaluation der gehosteten API empfiehlt sich Flash: Der aktuelle Endpunkt unterstützt Bilder, V4 Pro verarbeitet ausschließlich Text. Bei einer bestehenden V4-Pro-Installation sollte diese als Vergleichsbasis erhalten bleiben, bis Flash die eigenen Regressionstests besteht. „Pro“ im Modellnamen belegt keine Überlegenheit bei jeder Aufgabe.

Für erfahrene Entwickler, die repetitive Tests erzeugen oder eng begrenzte Änderungen vorschlagen lassen, ist DeepSeek attraktiv, wenn die Tests des Repositorys schlechte Ergebnisse mit geringem Aufwand aussortieren. Bei einem Produktteam, dessen Workflow von Anthropic-spezifischen Antworttypen abhängt, kann der Umstellungsaufwand die Tokenersparnis übersteigen.

Was sagen die veröffentlichten Benchmarks aus?

Die Modellkarten liefern Gründe für eine ernsthafte Vorauswahl, aber keinen universellen Sieger. Benchmark, Modellversion, Denkaufwand und Agenten-Harness spielen zusammen. Ein Harness ist die Software, über die das Modell Dateien untersucht, Befehle ausführt und nach einer Toolantwort weiterarbeitet.

Die am 18. Oktober 2026 abgerufene Modellkarte von DeepSeek V4.1-Flash nennt im Vergleich der Agentenumgebungen 74.2% bei DeepSWE v1.1 mit mini-SWE und 69.8% mit Claude Code. Dasselbe Modell erzielt also mit unterschiedlicher umgebender Software unterschiedliche Ergebnisse. Die Karte verwendet maximalen Denkaufwand. Ihr Hauptvergleich nennt Opus 5.0, nicht Opus 5.5. Modellkarte von DeepSeek V4.1-Flash.

Eine weitere Versionsgrenze ist wichtig: Die Karte bezieht sich auf V4.1-Flash, während der aktuelle gehostete Alias V4.1-Flash-1017 bereitstellt. Sie belegt damit Eigenschaften des veröffentlichten Modells, liefert aber keine neue Evaluation des gehosteten Oktober-Updates.

Anthropic veröffentlicht für Opus 5.5 in der Systemkarte vom 22. September 2026 einen Wert von 89.9% bei SWE-bench Pro, für Sonnet 5.5 in der Karte vom 28. September 2026 81.3% und für Haiku 5.5 in der Karte vom 7. Oktober 2026 64.8%. Das sind Evaluationen von Anthropic mit den in den jeweiligen Karten beschriebenen Konfigurationen. Opus-Systemkarte, Sonnet-Systemkarte, Haiku-Systemkarte.

Ein DeepSWE-Prozentwert lässt sich nicht direkt mit einem SWE-bench-Pro-Prozentwert vergleichen: Beide messen unterschiedliche Aufgabensätze. Selbst bei demselben Benchmark müssen Harness, Denkaufwand und Toolzugriff übereinstimmen, bevor eine kleine Differenz zum Kaufargument wird. Für das eigene Team zählt am Ende eine akzeptierte Änderung im eigenen Repository mit vertretbarem Prüfaufwand.

Kontext und Agenten: Die Schnittstelle zählt ebenso wie das Modell

Beim nominellen Kontextfenster herrscht Gleichstand; bei nativen Integrationen liegt Claude vorn. Das Kontextfenster bezeichnet die Materialmenge, mit der ein Modell innerhalb einer Anfrage arbeiten kann, einschließlich des Platzes für seine Antwort. Beide DeepSeek-APIs und die drei hier verglichenen Claude-Modelle nennen Kontextfenster mit 1M Tokens. DeepSeek gibt 384K als maximale Ausgabe an, Claude 128K als Standardausgabe. Das sind Kapazitätsgrenzen, keine Garantien für zuverlässigen Abruf aus dem Kontext oder hilfreiche lange Antworten. DeepSeek-Grenzen, Claude-Grenzen.

Ein CTO, der ein großes Repository prüfen lässt, sollte deshalb vergleichen, ob der Agent die relevanten Dateien findet und frühere Vorgaben berücksichtigt. Eine längere maximal mögliche Antwort hilft nicht, wenn die Aufgabe nur einen kleinen Patch verlangt. Quellenauswahl und Validierung gehören auch dann in den Workflow, wenn das Modell das gesamte Repository aufnehmen kann.

Bei Aufgaben mit Bildern punktet Claude mit einheitlicher Unterstützung über alle Modellstufen hinweg. Auch Flash kann Bilder untersuchen; die Aussage „DeepSeek kann keine Bilder sehen“ ist damit überholt. V4 Pro bleibt die Ausnahme. Wird ein UI-Fehlerbericht mit Screenshot ungeprüft an den Pro-Endpunkt geleitet, ändert sich, welche Informationen das Modell nutzen kann.

Die größere Falle bei Agenten ist die Annahme, eine Anfrage im Anthropic-Format übernehme automatisch das gesamte Verhalten von Anthropic. DeepSeeks Kompatibilitätsmatrix führt cache_control als ignoriert, Dokument-Inhaltsblöcke und code_execution_tool_result als nicht unterstützt sowie mcp_servers als ignoriert auf. Von output_config wird nur der Teil für den Denkaufwand unterstützt. DeepSeek-Kompatibilität mit der Anthropic-API.

Für einen Agenten zur Dokumentenverarbeitung ist das ein wesentlicher Unterschied: Text selbst zu extrahieren und Tools in der eigenen Anwendung auszuführen, erfordert eine andere Integration, als einen Anthropic-Dokumentblock zu senden und die Ausführung dem Anbieter zu überlassen. Auch lokale Tools eines Coding-Clients unterscheiden sich von serverseitigen API-Funktionen. Bevor ein ganzes Toolökosystem als kompatibel oder inkompatibel gilt, muss der tatsächliche Weg der Anfrage geprüft werden.

Wo werden die Daten verarbeitet?

DeepSeek bietet Kontrolle durch Eigenbetrieb. Claude hat bei einer verwalteten kommerziellen API den Vorteil klarerer veröffentlichter Zusagen zu Training und Aufbewahrung. Das sind unterschiedliche Stärken. Auch ein Modell mit offenen Gewichten übermittelt die Anfrage an den Betreiber des Endpunkts, wenn es über eine gehostete API genutzt wird.

DeepSeeks gehostete API bleibt ein externer Dienst

Laut DeepSeeks Datenschutzerklärung vom 10. Februar 2026 werden die von ihr erfassten personenbezogenen Daten in der Volksrepublik China erhoben, verarbeitet und gespeichert. Als Verwendungszwecke nennt sie unter anderem Modellverbesserung und Training. Das ist für die Anbieterauswahl relevant, doch der Geltungsbereich muss genau betrachtet werden: Die Erklärung grenzt die Regeln für die Verarbeitung von Endnutzerdaten in nachgelagerten Entwickleranwendungen ausdrücklich ab. DeepSeek-Datenschutzerklärung.

Die seit 29. April 2026 geltenden Open Platform Terms beziehen sich ausdrücklich auf API- und Entwicklerdienste. Abschnitt 5.5 unterscheidet ebenfalls zwischen den eigenen personenbezogenen Daten des Entwicklers und der Verarbeitung von Endnutzerdaten in dessen Anwendung. Aus den für diesen Vergleich geprüften öffentlichen Dokumenten ergab sich weder eine pauschale Zusage, API-Daten nicht zum Training zu nutzen, noch eine verbindliche Zusage, auf die Aufbewahrung von Daten vollständig zu verzichten. Sie rechtfertigen aber ebenso wenig die pauschale Behauptung, jede API-Nutzlast werde zum Training verwendet. DeepSeek Open Platform Terms.

Für ein Start-up, das öffentliche Produktbeschreibungen übermittelt, kann diese Unsicherheit mit den eigenen Anforderungen vereinbar sein. Ein CTO, der vertrauliche Kundendaten verarbeitet, sollte Verarbeitungsort, Aufbewahrung und zulässige Nutzung für den vorgesehenen API-Dienst vor der Umstellung klären. Entscheidend ist, ob der Dienst die Datenanforderungen erfüllt, nicht ob sich die Modellgewichte anderswo herunterladen lassen.

Für Claudes kommerzielle API gelten andere Voreinstellungen

Anthropic erklärt, dass kommerzielle Ein- und Ausgaben standardmäßig nicht zum Modelltraining verwendet werden. Freiwilliges Feedback oder eine ausdrückliche Einwilligung können das ändern. Nach der regulären API-Richtlinie werden Ein- und Ausgaben innerhalb von 30 Tagen gelöscht. Ausnahmen betreffen unter anderem Funktionen wie die Files API, abweichende Vertragsbedingungen, die Durchsetzung der Nutzungsrichtlinien und rechtliche Anforderungen. Keine Trainingsnutzung und keine Aufbewahrung sind zwei unterschiedliche Zusagen. Trainingsrichtlinie für kommerzielle Dienste, API-Aufbewahrungsrichtlinie.

Claude führt Inferenz nicht automatisch ausschließlich in den USA aus. Anthropics Einstellung inference_geo verwendet standardmäßig globales Routing. Die Auswahl us beschränkt die Inferenz auf US-Infrastruktur und kostet das 1.1-Fache der Standard-Tokenpreise. Die geografische Workspace-Einstellung steuert davon getrennt die Speicherung ruhender Daten und die Verarbeitung am Endpunkt. Beide Einstellungen müssen zur Anforderung passen; der Hauptsitz des Anbieters ist kein Beleg für den Verarbeitungsort. Anthropic-Dokumentation zur Datenresidenz.

Wer ohnehin eine verwaltete API einkauft, findet durch diese dokumentierten Kontrollmöglichkeiten bei Claude den unkomplizierteren Ausgangspunkt. Die Prüfung des konkret genutzten Dienstes, seiner Funktionen und des Vertrags bleibt erforderlich.

DeepSeek im Eigenbetrieb verschiebt die Datengrenze

DeepSeek veröffentlicht Modellgewichte unter MIT-Lizenz für V4.1-Flash und V4-Pro-0813. Gewichte sind die erlernten Parameter des Modells. Wer sie herunterlädt, kann die Inferenz auf selbst gewählter Infrastruktur betreiben, statt DeepSeeks gehosteten Endpunkt aufzurufen. Claudes veröffentlichter Modellkatalog bietet gehosteten Zugriff, aber keine vergleichbare Verteilung herunterladbarer Gewichte.

Eigenbetrieb ist eine Betriebsentscheidung. DeepSeeks Pro-Modellkarte nennt als Bereitstellungsbeispiel einen Knoten mit vier GB300. Das ist eine Beispielkonfiguration, keine allgemeine Mindestanforderung. Maßgeblich für die Planung sind der gewählte Checkpoint, die Quantisierung, die Kontextlänge und die Zahl gleichzeitiger Nutzer. Herunterladbar bedeutet nicht automatisch, dass das Modell auf einen Laptop passt. Bereitstellungsbeispiel für V4 Pro.

An die Stelle der Inferenzrechnung treten Hardware, Hosting und Entwicklungsarbeit: Kapazitätsplanung, Updates, Betriebsüberwachung und Störungsbehebung. Für ein Unternehmen mit einem etablierten Team für den Modellbetrieb kann diese Kontrolle wertvoll sein. Wer allein entwickelt und nur eine kleine API-Rechnung hat, kann den Aufwand meist schwerer rechtfertigen.

Lokale Inferenz kann Prompts auf der eigenen Infrastruktur halten, sofern Tools, Protokollierung, Telemetrie und Netzwerkzugriff entsprechend konfiguriert sind. Ein lokal gehostetes Modell, das ein Kundendokument an einen externen Such- oder Protokollierungsdienst sendet, hat weiterhin einen ausgehenden Datenpfad. Bevor eine Installation als privat gilt, müssen die Grenzen der gesamten Anwendung erfasst werden.

DeepSeek in Claude Code nutzen

Ja: DeepSeek dokumentiert die Nutzung seiner API innerhalb von Claude Code. Claude Code bleibt der Coding-Client, DeepSeek wird zum Modellanbieter. Der vertraute Terminal-Workflow bleibt damit erhalten, während sich Endpunkt, Abrechnung und Ziel der Datenübermittlung ändern.

DeepSeek Coder vs Claude Code: Modell und Client unterscheiden

Sinnvoll ist der Blick auf das Modell, das die Anfrage beantwortet, und den Client, der die Tools ausführt. Für einen DeepSeek-Test muss Claude Code nicht aufgegeben werden. Das resultierende Verhalten muss allerdings geprüft werden: Ein anderes Modell kann verändern, wie derselbe Client eine Aufgabe plant und ausführt.

Bei einer bestehenden Claude-Code-Installation passt die folgende Bash-Sitzung DeepSeeks aktuelle Konfiguration so an, dass der API-Schlüssel eingelesen wird, ohne seinen Wert im Shell-Verlauf zu hinterlassen. Die Sitzung wird aus dem Repository gestartet, in dem gearbeitet werden soll. Die Subshell begrenzt die Umgebungsänderungen auf diese Sitzung. Der Aufbau ist dokumentiert, wurde für diesen Artikel aber nicht praktisch getestet.

(
  read -rsp 'DeepSeek API key: ' DEEPSEEK_API_KEY
  printf '\n'
  export ANTHROPIC_BASE_URL='https://api.deepseek.com/anthropic'
  export ANTHROPIC_AUTH_TOKEN="$DEEPSEEK_API_KEY"
  export ANTHROPIC_MODEL='deepseek-flash[1m]'
  export ANTHROPIC_DEFAULT_OPUS_MODEL='deepseek-flash[1m]'
  export ANTHROPIC_DEFAULT_SONNET_MODEL='deepseek-flash[1m]'
  export ANTHROPIC_DEFAULT_HAIKU_MODEL='deepseek-flash'
  export CLAUDE_CODE_SUBAGENT_MODEL='deepseek-flash'
  export CLAUDE_CODE_EFFORT_LEVEL='max'
  export CLAUDE_CODE_AUTO_COMPACT_WINDOW='786432'
  claude
)

Die ausdrückliche Modellzuordnung ist wichtig. Das Beispiel leitet die Rollen an Flash weiter. DeepSeeks allgemeine Kompatibilitätszuordnung weist dagegen Namen, die mit claude-opus beginnen, V4 Pro zu und andere Claude-Namen Flash. Ein Opus-Label im Client beweist daher nicht, dass ein Opus-Modell von Anthropic geantwortet hat. Dokumentation zur Modellzuordnung.

Auch Kosten außerhalb des eigentlichen Modellaufrufs gehören ins Budget. DeepSeek dokumentiert zusätzlichen Tokenverbrauch, wenn die Websuche von Claude Code abgerufene Inhalte zusammenfasst. Laut Preisseite soll die integrierte Search- und Fetch-Nutzung ab 1. November 2026 pro Anfrage abgerechnet werden; derzeit sind jeweils $0.75 je 1,000 erfolgreiche Anfragen aufgeführt. Heute kostenlose integrierte Suchanfragen sollten daher keine dauerhafte Annahme in der Agentenkalkulation werden. Integrationsanleitung, Preise für Search und Fetch.

Wechselkosten: Wann lohnt die Umstellung?

Zunächst nur einen Anwendungsfall umstellen. Die entscheidenden Migrationskosten entstehen durch den Aufwand, weiterhin akzeptierte Ergebnisse zu erzielen, nicht durch das Ersetzen einer API-URL.

Für einen CTO im Mittelstand bedeutet das: identische Aufgabeneingaben und Abnahmekriterien beibehalten und zugleich Toolaufrufe, Antwortverarbeitung, Fehlerfälle, Latenz und menschliche Prüfung untersuchen. Gespeicherte Gesprächszustände und anbieterspezifische Antwortblöcke müssen geprüft werden, bevor sie über eine andere API erneut abgespielt werden. Der bisherige Anbieter sollte verfügbar bleiben, bis der Ersatz die entscheidenden Aufgaben besteht.

Im Betrieb zählt der vollständige Ablauf: Eingabe, Ausgabe, Cache-Treffer, Wiederholungsversuche und Übergaben an leistungsfähigere Modelle. Ein billiger erster Aufruf mit wiederholten Korrekturen kann teurer werden als ein erfolgreicher teurer Aufruf. Die menschliche Prüfung kann beide Tokenrechnungen überwiegen.

Im obigen Rechenbeispiel mit kurzen Anfragen spart der Wechsel von Sonnet zu Flash außerhalb der Spitzenzeiten $3.73. Bei 100M Eingabe- und 20M Ausgabetokens ergeben sich daraus $373, bevor Unterschiede in Qualität oder Verhalten berücksichtigt werden. Ein paar Dollar monatliche Ersparnis rechtfertigen selten ein Integrationsprojekt. Wiederkehrende Aufgaben mit einer erheblichen Rechnung und klaren Abnahmekriterien sind bessere Kandidaten.

Noch nicht wechseln, wenn dem Ersatz ein benötigter Antworttyp fehlt, die Datenbedingungen des gehosteten Dienstes nicht zur Anwendung passen oder die Richtigkeit der Ausgabe nicht beurteilt werden kann. Eigenbetrieb lohnt sich nicht allein, um eine kleine Nutzungsrechnung zu vermeiden. Umgekehrt besteht kein Grund, für eine klar begrenzte Klassifikationsaufgabe weiter Opus zu bezahlen, wenn ein günstigeres Modell sie in der eigenen Evaluation ebenso zuverlässig löst.

Claude vs DeepSeek: eine klare Entscheidungsregel

Claude bleibt sinnvoll, wenn die native Integration und die akzeptierten Ergebnisse die Gesamtrechnung rechtfertigen. Ein Verarbeitungspfad sollte zu DeepSeek wechseln, wenn dort dieselben Abnahmekriterien und Datenanforderungen zu geringeren Gesamtkosten erfüllt werden. Selbst gehostetes DeepSeek ist die Wahl, wenn Kontrolle über die Inferenz selbst eine Anforderung ist und der Betrieb bewältigt werden kann.

Der nächste praktische Schritt: Eine häufige Aufgabe auswählen, repräsentative Eingaben samt erwarteten Abnahmeprüfungen speichern und einen begrenzten Vergleich zwischen dem aktuellen Modell und dem plausibelsten Ersatz durchführen. Ein langer Prompt und ein fehlgeschlagener Toolaufruf gehören dazu. Neben den Tokens werden akzeptierte Ergebnisse und Prüfzeit erfasst. Die Voreinstellung wird erst geändert, wenn diese Ergebnisse dafür sprechen.

Falls keine der beiden Modellfamilien wirtschaftlich passt, erweitert der Vergleich der günstigsten KI-APIs die Auswahl. Steht auch ChatGPT auf der Liste, behandelt DeepSeek vs ChatGPT diese separate Entscheidung.

Die Chat-Apps im Kurzvergleich

DeepSeek passt zur Suche nach einem kostenlosen Chat; Claude zu Nutzern, die für eine umfassendere Arbeitsoberfläche bezahlen wollen. DeepSeeks offizielle App-Seite wirbt mit kostenlosem Zugang. Claude bietet einen Free-Tarif; Pro kostet $20 monatlich und ergänzt unter anderem Claude Code und Projects. Bereits die Free-Oberfläche enthält Websuche und Artifacts, einen Arbeitsbereich für erzeugte Inhalte. Auch kostenpflichtige Tarife haben Nutzungsgrenzen. Claude-Tarife für Endnutzer.

Der Preis eines Chat-Abos ist kein Maßstab für die Kosten einer produktiven API. Produkt, Nutzungskontingent und Abrechnungsweg unterscheiden sich. Auch für den Datenschutz gelten andere Einstellungen: Anthropics Richtlinie für Free, Pro und Max beschreibt die Erlaubnis zur Modellverbesserung sowie Ausnahmen für Feedback und Sicherheitsprüfungen getrennt von der Voreinstellung der kommerziellen API. Claude-Trainingsrichtlinie für Endnutzer.

Häufige Fragen

Der Newsletter liefert praktische Hinweise zur Auswahl und zum Betrieb von KI-Workflows für die Softwareentwicklung.