Um LLM-API-Kosten vor dem Launch zu schätzen, kalkulieren Sie eine Nutzeraktion statt eines API-Aufrufs. Zählen Sie die Aufrufe dahinter, messen Sie neuen Input, gecachten Input und Output-Tokens an 20 bis 50 echten Beispielen, multiplizieren Sie mit den monatlichen Aktionen und rechnen Sie dann Reasoning und Retries hinzu. Unser durchgerechnetes Beispiel für Support-Antworten mit DeepSeek V4.1 Flash ergibt $42.67 pro Monat.
Das ist eine Prognose vor dem Launch für ein einzelnes Feature; sobald Sie zahlende Nutzer haben, behandelt LLM-Kosten pro Nutzer für SaaS Margen und Preisstufen.
Wie lautet die Formel für LLM-API-Kosten?
monthly cost = actions per month × calls per action
× ( new input tokens × input price
+ cached input tokens × cached price
+ output tokens × output price ) / 1,000,000
Auf Deutsch: Monatskosten = Aktionen pro Monat × Aufrufe pro Aktion × (neue Input-Tokens × Input-Preis + gecachte Input-Tokens × Cache-Preis + Output-Tokens × Output-Preis) ÷ 1.000.000. Output-Tokens schließen Reasoning ein. Gecachte Tokens sind Input, den der Anbieter zu einem niedrigeren Preis wiederverwendet. Alles andere ist Messung. Der kostenlose LLM-API-Kostenrechner wendet diese Formel auf den Listenpreis jedes Modells an.
Wie bauen Sie das Kostenmodell Schritt für Schritt auf?
- Benennen Sie die Arbeitseinheit. „Support-Antwort entwerfen“, „Anruf zusammenfassen“, „fehlschlagenden Test reparieren“. Kalkulieren Sie diese, nicht „eine Anfrage“.
- Zählen Sie die Aufrufe pro Aktion. Eine Antwort mit Retrieval kann ein Aufruf sein. Ein Agent, der plant, bearbeitet und prüft, kann zehn brauchen. Rechnen Sie Ihre Retry-Quote hinzu: Ein Timeout, den Sie wiederholen, wird erneut abgerechnet.
- Messen Sie die Tokens pro Aufruf an echten Beispielen. Nehmen Sie 20 bis 50 realistische Inputs, keine sauberen Demos. Für eine erste grobe Zählung, bevor Sie eine API aufrufen, fügen Sie sie in den Token-Zähler ein. Lesen Sie
usage.prompt_tokens,usage.prompt_tokens_details.cached_tokensundusage.completion_tokensaus jeder Antwort. Bei Streaming setzen Siestream_options: {"include_usage": true}; der Leitfaden zu Streaming zeigt, wo die Angabe erscheint. - Trennen Sie neuen und gecachten Input. System-Prompt, Tool-Liste und gemeinsame Dokumente lassen sich cachen, wenn sie am Anfang stehen und identisch bleiben. Nutzertext nicht.
- Rechnen Sie Reasoning zum Output. DeepSeek V4.1 Flash, GLM 5.3 und Qwen3.8 27B denken, bevor sie antworten. Diese Reasoning-Tokens werden als Output abgerechnet und sind oft umfangreicher als die sichtbare Antwort. Warum Reasoning mehr kostet, als Sie sehen.
- Schätzen Sie das Volumen. Aktive Nutzer × Aktionen pro Nutzer und Tag × 30.
- Multiplizieren und summieren Sie. Rechnen Sie die Token-Summen in Millionen um und wenden Sie den Preis pro 1 Mio. an.
- Kalkulieren Sie drei Szenarien. Niedrig, erwartet und hoch. Der Traffic zum Launch ist ungewiss, und Prompts wachsen mit der Zeit.
- Prüfen Sie Limits, nicht nur Geld. Spitzenwerte bei Anfragen pro Minute und gleichzeitigen Anfragen müssen in die Rate Limits Ihres Schlüssels passen.
- Entscheiden Sie das Abrechnungsmodell. Pro Token für schwankenden, nutzergetriebenen Traffic; eine Flatrate für Agenten im Dauerbetrieb.
Wie sieht eine durchgerechnete Schätzung aus? Ein Entwurfshelfer für Support-Antworten
Eine Helpdesk-App bekommt die Funktion „Antwort entwerfen“. Die Zahlen unten sind Annahmen zur Veranschaulichung. Ersetzen Sie jede durch Ihre Messwerte.
| Eingangsgröße | Wert | Woher sie stammt |
|---|---|---|
| Support-Mitarbeitende (Personal), die das Feature nutzen | 500 | Produktplanung |
| Entwürfe pro Agent und Tag | 4 | Nutzung im Pilotbetrieb |
| Tage pro Monat | 30 | |
| Aktionen pro Monat | 60.000 | 500 × 4 × 30 |
| Aufrufe pro Aktion | 1 | Ein Aufruf mit abgerufenen Artikeln |
| Input-Tokens pro Aufruf | 5.000 | System-Prompt, Ticketverlauf, drei Hilfeartikel |
| Gecachter Anteil des Inputs | 50 % | Stabiler System-Prompt und Artikel-Präfix |
| Output-Tokens pro Aufruf | 500 | Etwa 200 sichtbar, 300 Reasoning |
| Modell | DeepSeek V4.1 Flash | $0.175 / $0.0055 / $0.52 pro 1 Mio. |
Nun die Summen:
| Posten | Tokens pro Monat | Preis pro 1 Mio. |
|---|---|---|
| Neuer Input | 150 Mio. | $0.175 |
| Gecachter Input | 150 Mio. | $0.0055 |
| Output, inklusive Reasoning | 30 Mio. | $0.52 |
| Erwartete Monatskosten | $42.67 |
Das sind 300 Mio. Input- und 30 Mio. Output-Tokens: 60.000 × 5.000 und 60.000 × 500.
Wie weit sollten niedriges und hohes Szenario auseinanderliegen?
| Szenario | Aktionen pro Monat | Input- / Output-Tokens | Monatskosten |
|---|---|---|---|
| Niedrig: langsame Einführung | 20.000 | 100 Mio. / 10 Mio. | $14.23 |
| Erwartet | 60.000 | 300 Mio. / 30 Mio. | $42.67 |
| Hoch: dreifache Einführung | 180.000 | 900 Mio. / 90 Mio. | 3 × $42.67 |
Alle drei behalten denselben Cache-Anteil von 50 %. Sinkt der Cache-Anteil, steigt die Rechnung: Neuer Input kostet bei diesem Modell $0.175 pro 1 Mio., gecacht $0.0055. Wie Sie den Cache-Anteil hoch halten.
Was bewegt die Schätzung am stärksten?
- Kontextlänge. Ein Retrieval, das zehn statt drei Artikel holt, kann den Input verdoppeln. Messen Sie die Tokens nach jeder Prompt-Änderung.
- Reasoning.
reasoning_effortauflowbei einfachen Entwürfen verkleinert den versteckten Output. Reasoning und max_tokens. - Retries und Schleifen. Eine Retry-Quote von 5 % erhöht jeden Posten um 5 %. Eine Agentenschleife ohne Schrittlimit hat überhaupt keine Obergrenze. Ausgabenkontrolle bei LLM-APIs.
- Modellwahl. Gemma 4 VL 26B kostet $0.10 Input und $0.22 Output pro 1 Mio., aber sein Kontext umfasst 32.768 Tokens, und BroadNet führt für es kein Reasoning. Testen Sie die Qualität, bevor Sie wechseln, um Geld zu sparen.
- Sprache. Derselbe Inhalt kann auf Arabisch oder Hindi weit mehr Tokens brauchen als auf Englisch, und der Abstand hängt vom Tokenizer ab. Unser Datensatz zu den echten Kosten nach Sprache zeigt den Preis pro 1 Mio. Zeichen für jede Sprache bei jedem Modell und Anbieter.
- Wachsende Prompts. Prompts wachsen nach dem Launch meist, weil Randfälle abgefangen werden. Wiederholen Sie die Messung bei jedem Release.
- Preisänderungen. Listenpreise ändern sich selten, können aber steigen. In archivierten Preisseiten von 11 Anbietern haben wir zwischen 2024 und November 2026 52 Listenpreiserhöhungen erfasst, jeweils der Preis eines Modells verglichen mit seinem eigenen früheren Preis (gegenüber 100 Senkungen); die mittlere Erhöhung lag bei 40 % auf einen gemischten Preis. Siehe wie Sie für Preiserhöhungen bei LLM-APIs budgetieren.
Fällt die Schätzung zu hoch aus, gehen Sie die Checkliste mit 10 Schritten zum Senken der LLM-API-Kosten durch, bevor Sie das Feature ändern.
Passt das Volumen in die Rate Limits?
60.000 Aktionen pro Monat sind etwa 2.000 pro Tag. Fällt ein Zehntel der Tagesentwürfe in die verkehrsreichste Stunde, sind das 200 pro Stunde oder etwa 3 pro Minute. Ein Pay-as-you-go-Schlüssel von BroadNet erlaubt 30 Anfragen pro Minute und 4 gleichzeitig; das passt also in einen Schlüssel. Prüfen Sie auch das hohe Szenario, oder rechnen Sie Ihre eigene Spitze im Rate-Limit-Rechner durch. Die Rechnung zwischen Rate und gleichzeitigen Anfragen erklärt Parallelität. Wenn Sie 429-Fehler bekommen, warten Sie mit Backoff und wiederholen Sie.
Sollte dieses Feature mit einer Flatrate laufen?
Wahrscheinlich nicht. Eine Full-Moon-Session kostet $60 pro Monat, verarbeitet aber eine Anfrage gleichzeitig, und viele Nutzer, die gleichzeitig auf „Entwerfen“ klicken, brauchen parallele Anfragen. Flatrate-Pläne passen zu Agenten, die ununterbrochen arbeiten, etwa einem Coding-Agenten. Die Break-even-Rechnung zeigt einen Coding-Agenten in Vollzeit mit $65.40 pro Monat bei Abrechnung pro Token, über dem Planpreis.
Wie machen Sie aus der Schätzung ein Budget?
- Tragen Sie den erwarteten Wert in Ihre Planung ein und den hohen Wert als Schwelle für Ihren Alarm.
- Loggen Sie in Produktion die Tokens pro Aktion und vergleichen Sie sie jede Woche mit dem Modell.
- Setzen Sie harte Obergrenzen im Code:
max_tokens, Schrittlimits und Retry-Limits. - Wiederholen Sie die Schätzung, wann immer Sie Modell, Prompt oder Retrieval-Einstellungen ändern.
Die Rechnung pro Token können Sie mit Ihren eigenen Zahlen im LLM-API-Kostenrechner wiederholen oder auf der Preisseite Plan und Abrechnung pro Token vergleichen.
Wo BroadNet Inference passt
BroadNet Inference veröffentlicht die Preise pro Token für jedes Chat- und Transkriptionsmodell, das es anbietet, in einer Preisdatei; die Schätzung oben lässt sich also im Code pflegen. Neue Konten erhalten $5 Startguthaben, das für Gemma 4 VL 26B und die beiden Transkriptionsmodelle gilt, sodass Sie Ihre Beispiele auf Gemma messen können; DeepSeek, GLM und Qwen erfordern eine Aufladung. Braucht Ihr Feature ein geschlossenes Frontier-Modell, ist BroadNet für diesen Teil nicht der richtige Anbieter.
