Die Rechnung eines Coding-Agenten wächst anders als die eines Chats. Jeder Zug sendet den System-Prompt, die Tool-Liste, die bereits gelesenen Dateien und den bisherigen Verlauf erneut. Bei Zug 30 kann eine einzige Anfrage Hunderttausende Input-Tokens enthalten, die meisten davon Wiederholungen. Die zehn Taktiken unten setzen genau dort an, wo diese Tokens hingehen. Zu jeder gibt es eine geschätzte Ersparnis samt Rechnung, auf Basis der Preise von BroadNet Inference, Stand 2026-11-14. Ihre Zahlen werden abweichen, messen Sie also vorher und nachher.
Wofür gibt ein Coding-Agent sein Geld aus?
Drei Zähler, bei den meisten Agenten in absteigender Größe:
- Input, in jedem Zug erneut gesendet. Größtenteils cachebar.
- Output, einschließlich Reasoning-Tokens, die Sie nie sehen.
- Verschwendung: Retries, Schleifen ohne Fortschritt und Kontext, den niemand brauchte.
Lesen Sie für einen Tag echter Arbeit prompt_tokens, prompt_tokens_details.cached_tokens und completion_tokens aus, bevor Sie etwas ändern. Wohin die Tokens einer Agenten-Schleife gehen zeigt, wie Sie sie aufschlüsseln.
Welche Taktiken sparen am meisten?
| # | Taktik | Was sie senkt | Geschätzte Ersparnis |
|---|---|---|---|
| 1 | Prompt-Präfix stabil halten | Neuer Input | Input-Rechnung halbiert oder mehr |
| 2 | Dateien nennen, statt den Agenten suchen zu lassen | Erkundungszüge | Weniger Züge, weniger erneutes Senden |
| 3 | Tool-Output kürzen | Input in jedem späteren Zug | Wächst mit der Log-Größe |
| 4 | Reasoning-Aufwand bei Routineschritten senken | Versteckter Output | Hängt vom Aufgabenmix ab |
| 5 | Schritte pro Aufgabe begrenzen | Ausufernde Schleifen | Deckelt den schlimmsten Fall |
| 6 | Retries begrenzen und loggen | Doppelte Anfragen | Jeder vermiedene Retry ist eine volle Anfrage |
| 7 | Pro Aufgabe eine neue Session starten | Veralteter Verlauf | Kürzerer Kontext pro Zug |
| 8 | Einfache Schritte an ein günstigeres Modell leiten | Preis pro Token | Groß bei umgeleiteten Schritten |
| 9 | Selten zusammenfassen, oft anhängen | Cache-Misses | Hält Taktik 1 am Laufen |
| 10 | Ab dem Break-even auf eine Flatrate wechseln | Den Token-Zähler | $5.40 im Monat in unserem Beispiel |
1. Das Prompt-Präfix stabil halten, damit es gecacht wird
Gecachter Input kostet bei DeepSeek V4.1 Flash $0.0055 pro 1 Mio.; neuer Input kostet $0.175, etwa 32-mal so viel. Ordnen Sie Prompts so: System-Prompt, Tools, Dateien, Verlauf, neue Nachricht. Setzen Sie nie einen Zeitstempel an den Anfang. Cursor berichtete im September 2026, dass Änderungen am Harness, darunter ein um etwa zwei Drittel kürzerer System-Prompt und Tools, die erst bei Bedarf geladen werden, die Token-Kosten der Nutzer um 7 % gesenkt haben. So strukturieren Sie Prompts, damit das Präfix gecacht wird.
Geschätzte Ersparnis. Nehmen Sie 1.000 Mio. Input-Tokens im Monat. Bei 50 % Cache-Treffern zahlen Sie den Preis für neuen Input auf 500 Mio.; bei 80 % auf 200 Mio. Einschließlich des gecachten Teils sinkt die Input-Rechnung um etwa 56 %. So erhöhen Sie Ihre Cache-Quote, oder probieren Sie Ihre eigenen Zahlen im Prompt-Caching-Rechner aus.
2. Dem Agenten sagen, welche Dateien wichtig sind
Eine vage Aufgabe („fix the login bug“, also „behebe den Login-Fehler“) schickt den Agenten auf die Suche: Verzeichnisse auflisten, Dateien öffnen, sie in den Kontext lesen. Jede geöffnete Datei wird danach in jedem späteren Zug erneut gesendet. Nennen Sie die Dateien und die erwartete Änderung. Legen Sie im Repository eine kurze Projektübersicht ab, die der Agent zuerst liest.
Geschätzte Ersparnis. Wird eine Datei mit 40.000 Tokens in Zug 3 einer Aufgabe mit 30 Zügen gelesen, wird sie etwa 27-mal erneut gesendet: über eine Million Input-Tokens für eine einzige Datei. Wer sie nicht liest, spart all das.
3. Tool-Output kürzen, bevor er in den Kontext gelangt
Test-Runner, Build-Logs und git diff können Zehntausende Tokens zurückgeben. Zeigen Sie dem Agenten die letzten 100 Zeilen eines Logs oder nur die fehlschlagenden Tests. In den meisten Agenten-Tools lässt sich ein Output-Limit für Befehle setzen.
Geschätzte Ersparnis. Dieselbe Rechnung wie bei Taktik 2: Jedes gekürzte Token wird einmal pro verbleibendem Zug gespart.
4. Den Reasoning-Aufwand bei Routineschritten senken
DeepSeek V4.1 Flash und GLM 5.3 denken nach, bevor sie antworten, und dieses Nachdenken wird als Output abgerechnet. Setzen Sie reasoning_effort: "low" für Umbenennungen, Formatierung und kleine Änderungen. Halten Sie max_tokens hoch genug, damit die Antwort fertig wird; sonst zahlen Sie für das Nachdenken und erhalten eine leere Antwort. Kosten von Reasoning-Tokens.
Geschätzte Ersparnis. Messen Sie completion_tokens_details.reasoning_tokens vorher und nachher an denselben 20 Aufgaben. Die Ersparnis ist der Rückgang mal dem Output-Preis ($0.52 pro 1 Mio.).
5. Schritte pro Aufgabe begrenzen
Ein Agent, der einen Test nicht reparieren kann, dreht unter Umständen 100 Züge lang Schleifen, jeder größer als der vorige. Legen Sie eine Höchstzahl an Zügen pro Aufgabe fest und brechen Sie ab, wenn sich derselbe Tool-Aufruf dreimal wiederholt. Ein Schrittlimit macht aus unbegrenzten Kosten begrenzte.
6. Retries begrenzen und loggen
Eine wiederholte Anfrage ist eine neue Inferenz und wird bei einem Schlüssel mit Abrechnung pro Token erneut berechnet. Wiederholen Sie 429 und 5xx mit Backoff und festem Limit; wiederholen Sie andere 4xx-Fehler wie 400 oder 422 nicht. Fehler und Retries.
7. Für jede Aufgabe eine neue Session starten
Der Verlauf der letzten Aufgabe ist bei der nächsten nur Ballast. Eine neue Session pro Aufgabe hält den Kontext klein. Das steht nicht im Widerspruch zum Caching: System-Prompt und Tools bilden weiterhin ein gemeinsames, cachebares Präfix.
8. Einfache Schritte an ein günstigeres Modell leiten
Nicht jeder Schritt braucht dasselbe Modell. Commit-Messages, Changelog-Zeilen und einfache Klassifizierung können an Gemma 4 VL 26B gehen, für $0.10 Input und $0.22 Output pro 1 Mio. Wenn Sie GLM 5.3 für Tool-lastige Schritte nutzen, leiten Sie den Rest an DeepSeek V4.1 Flash: Output kostet bei GLM 5.3 etwa 6,7-mal so viel. GLM 5.3 vs. DeepSeek V4.1 Flash.
Vorsicht. Messen Sie die Kosten pro erledigter Aufgabe. Ein günstigeres Modell, das doppelt so viele Züge braucht, kann mehr kosten.
9. Selten zusammenfassen, sonst anhängen
Wenn ein Agent seinen Verlauf komprimiert, schreibt er den Prompt neu, und der Cache beginnt von vorn. Fassen Sie erst zusammen, wenn der Kontext nahe an seinem Limit ist, und zwar in einem großen Schritt; danach wird wieder angehängt. So bleibt Taktik 1 wirksam.
10. Ab dem Break-even auf eine Flatrate wechseln
Abrechnung pro Token belohnt geringe Nutzung. Ein Vollzeit-Agent ist nicht gering. Im durchgerechneten Beispiel von BroadNet kostet ein Vollzeit-Coding-Agent (1.000 Mio. Input bei 80 % Cache, 50 Mio. Output) $65.40 im Monat bei Abrechnung pro Token; ein ständig laufender Agent kostet $196.20. Eine Full-Moon-Session kostet $60 im Monat ohne Token-Zähler, eine Anfrage gleichzeitig. Ab diesem Punkt sparen die Taktiken 1 bis 9 noch Zeit, aber kein Geld mehr. Prüfen Sie Ihre eigenen Volumen mit dem Rechner Flatrate vs. pro Token, oder lesen Sie die Break-even-Rechnung und parallele Agenten mit einer Flatrate betreiben.
Wie messen Sie, ob eine Taktik gewirkt hat?
- Wählen Sie 20 repräsentative Aufgaben aus Ihrem Backlog.
- Führen Sie sie mit Ihrem aktuellen Setup aus und loggen Sie die Tokens pro Aufgabe.
- Wenden Sie jeweils eine Taktik an und führen Sie sie erneut aus.
- Vergleichen Sie die Kosten pro erledigter Aufgabe, nicht die Kosten pro Anfrage.
Für Anwendungen, die keine Coding-Agenten sind, finden Sie dieselben Hebel in allgemeiner Reihenfolge unter LLM-API-Kosten senken.
Einrichtungsanleitungen für gängige Agenten: Aider, Cline, Zoo Code, der Fork des inzwischen eingestellten Roo Code und OpenCode.
Wo BroadNet Inference passt
BroadNet bietet Coding-Agenten einen günstigen Preis für gecachten Input bei DeepSeek V4.1 Flash und, für intensive Nutzung, unbegrenzte Sessions ab $60 im Monat, über einen OpenAI-kompatiblen Endpoint, den diese Agenten bereits unterstützen. Geschlossene Frontier-Modelle betreibt BroadNet nicht. Braucht Ihr Agent eines für seine schwierigsten Schritte, lassen Sie dieses Modell bei seinem Anbieter und schicken Sie den Großteil der Züge hierher. Zu den Plänen.
