BroadRouter

LLM-API-Preise für Open-Weight-Modelle: 6 Anbieter im Vergleich

Vom Team von BroadNet Inference · 7 Min. Lesezeit · Veröffentlicht · Aktualisiert

Die meisten Anbieter rechnen offene Modelle pro Million Tokens ab, mit günstigerem gecachtem Input und oft 50 % Rabatt auf Batch-Jobs. Together AI, Fireworks und DeepInfra vermieten zusätzlich GPUs pro Stunde. OpenRouter reicht die Anbieterpreise durch und erhebt eine Gebühr beim Kauf von Guthaben. Groq bietet nur wenige Modelle an. BroadNet ergänzt für DeepSeek V4.1 Flash Flatrate-Pläne pro Monat, Woche und Stunde.

„Preis pro Million Tokens“ sieht nach einer vergleichbaren Größe aus. Ganz so einfach ist es nicht. Anbieter unterscheiden sich darin, welche Modelle sie hosten, was gecachter Input kostet, ob Batch-Jobs rabattiert werden, ob man GPUs mieten kann und welche Gebühren obendrauf kommen. Dieser Beitrag vergleicht, wie sechs Anbieter von Open-Weight-Modellen ihre Preise gestalten, und stellt dann ihre veröffentlichten Preise für dieselben Modelle nebeneinander. Alle Zahlen der Wettbewerber stammen von den offiziellen Seiten der Anbieter, geprüft am 2026-11-14; die Links stehen in den Quellen. Preise ändern sich häufig. Prüfen Sie sie deshalb erneut, bevor Sie sich festlegen.

Auf welche fünf Arten werden offene Modelle abgerechnet?

  1. Pro Token, serverless. Getrennte Preise pro 1 Mio. Input- und Output-Tokens. Alle Anbieter in dieser Liste bieten das an.
  2. Gecachter Input. Ein niedrigerer Preis für wiederholte Prompt-Präfixe. Die Rabatte reichen vom halben Preis bis zu wenigen Prozent des Input-Preises. Gecachte Tokens erklärt.
  3. Batch. Niedrigere Preise für Jobs, die Stunden warten können.
  4. Dedizierte GPUs. Sie mieten Hardware pro Stunde und betreiben das Modell selbst oder über den Stack des Anbieters. Self-Hosting vs. API: der Break-even, oder rechnen Sie mit Ihren eigenen Zahlen im Rechner Self-Hosting vs. API.
  5. Flatrate-Pläne. Ein Festpreis für einen Zeitraum, ohne Token-Zähler. Siehe LLM-Flatrate-Plan.

Wie rechnet jeder Anbieter offene Modelle ab?

Anbieter Modell Pro Token Gecachter Input Batch Dedizierte GPUs Flatrate
OpenRouter Router über viele Anbieter Preis des Anbieters, „kein Aufschlag“ Je nach Anbieter Je nach Anbieter Nein Nein
Together AI Eigenes Serverless + dediziert Ja Für einige Modelle angegeben 50 % Rabatt auf ausgewählte Modelle (bei der Prüfung nur Whisper Large v3) H100 ab 5,49 USD pro GPU-Stunde Nein
Fireworks AI Eigenes Serverless + On-Demand Ja, ab 0,05 USD pro 1 Mio. Input Standardmäßig 50 % Rabatt, bei einigen Modellen mehr 50 % Rabatt H100 8,00 USD pro Stunde Nein
Groq Eigene Hardware Ja, wenige Modelle 50 % Rabatt, bei GPT-OSS-Modellen 50 % Rabatt Nicht angegeben Nein
DeepInfra Eigenes Serverless + dediziert Ja, einige Modelle nach Ausführungszeit abgerechnet Für viele Modelle angegeben Auf der Preisseite nicht angegeben H100 2,90 USD pro GPU-Stunde Nein
BroadNet Inference Kurze Modellliste; bei Partnern gehostete Modelle mit Inferenzpartnern in den USA Ja Für drei von vier Chat-Modellen angegeben Nicht angeboten Nein Ja, DeepSeek V4.1 Flash

Hinweise von den Seiten der Anbieter:

  • OpenRouter schreibt „there is no markup on inference pricing“ (Übersetzung: Auf die Inferenzpreise gibt es keinen Aufschlag). Beim Kauf von Guthaben fällt eine Gebühr an: 5,5 % im Standard-Plan (mindestens 0,80 USD, laut FAQ) und 8 % im Business-Plan, oder 5 % bei Krypto. Kostenlose Modellvarianten sind auf 20 Anfragen pro Minute und 50 pro Tag begrenzt, oder 1.000 pro Tag nach dem Kauf von Guthaben im Wert von mindestens 10 USD. OpenRouter ist ein Router, ein Modell kann dort also viele Preise haben. OpenRouter vs. ein Flatrate-Anbieter.
  • Together AI nennt für eine dedizierte H100 on demand 5,49 USD pro GPU-Stunde. Laut Batch-Dokumentation laufen ausgewählte Serverless-Modelle mit 50 % Rabatt und einem festen Fertigstellungsfenster von 24 Stunden, doch die Tabelle der rabattierten Modelle enthielt bei unserer Prüfung nur openai/whisper-large-v3. Andere Modelle laufen zum Standardpreis.
  • Fireworks hat die Modi Standard, Priority, Fast, Batch (50 % Rabatt) und Spot (30 % Rabatt bei ausgewählten Modellen). Gecachter Input kostet höchstens die Hälfte, ohne Schreibgebühr.
  • Groq nennt Preise pro Token für eine kleine Auswahl an Produktionsmodellen, etwa openai/gpt-oss-120b mit 0,15 USD Input und 0,60 USD Output pro 1 Mio., und rechnet Whisper Speech-to-Text pro Stunde ab. Gecachter Input kostet bei den GPT-OSS-Modellen die Hälfte, und Batch-Jobs laufen mit 50 % Rabatt innerhalb von 24 Stunden bis 7 Tagen.
  • DeepInfra zeigt bei vielen Modellen einen rabattierten Preis neben dem Listenpreis, zum Beispiel 51 % Rabatt auf DeepSeek-V4.1-Flash-1017 und 38 % auf GLM-5.3. Wann diese Rabatte enden, steht nicht auf der Seite. Außerdem gibt es die Stufen Standard, Priority (1,5×) und Flex (0,8×).

Was kostet dasselbe Modell bei jedem Anbieter?

Veröffentlichte Preise pro 1 Mio. Tokens für Modelle, die auch BroadNet anbietet. „—“ bedeutet, dass das Modell nicht auf der Preisseite des Anbieters stand.

DeepSeek V4.1 Flash (Input / gecacht / Output):

Anbieter Input Gecacht Output
Together AI 0,30 USD 0,006 USD 1,20 USD
Fireworks AI 0,30 USD 0,006 USD 1,20 USD
DeepInfra, Listenpreis 0,20 USD 0,006 USD 0,60 USD
DeepInfra, rabattiert (30 % Rabatt) 0,14 USD 0,0042 USD 0,42 USD
DeepInfra, DeepSeek-V4.1-Flash-1017, rabattiert (51 % Rabatt) 0,098 USD 0,0029 USD 0,294 USD
Groq — — —
BroadNet Inference $0.175 $0.0055 $0.52

Die datierte Variante -1017 bei DeepInfra ist dasselbe Release, das die DeepSeek-API selbst als deepseek-flash ausliefert; prüfen Sie, welche Ihr Code aufruft. Bei OpenRouter hatte das Modell zum Zeitpunkt unserer Prüfung 37 Endpoints von 28 Anbietern, von etwa 0,05 USD (Baidu) bis 3 USD (schnellste Stufe von Venice) pro 1 Mio. Input-Tokens. Unsere Preistabelle für DeepSeek V4.1 Flash führt jeden Anbieter auf, der einen eigenen Preis für das Modell veröffentlicht, mit Quellseite und Prüfdatum in jeder Zeile. Wie weit die Preise für dasselbe Modell im gesamten Markt auseinanderliegen, messen wir in unserem LLM-API-Preisindex. Wie diese Preise offener Modelle bei derselben Last im Vergleich zu GPT, Claude und Gemini abschneiden, lesen Sie unter API-Kosten: Open-Weight- vs. geschlossene Modelle.

GLM 5.3 (der eigene Preis jedes Anbieters: Preistabelle für GLM 5.3):

Anbieter Input Gecacht Output
Together AI 1,40 USD 0,26 USD 4,40 USD
Fireworks AI 1,40 USD 0,26 USD 4,40 USD
DeepInfra, Listenpreis 0,90 USD 0,20 USD 4,00 USD
DeepInfra, rabattiert (38 % Rabatt) 0,5625 USD 0,125 USD 2,50 USD
BroadNet Inference $0.78 $0.173 $3.46

Qwen3.8 27B (der eigene Preis jedes Anbieters: Preistabelle für Qwen3.8 27B):

Anbieter Input Gecacht Output
DeepInfra, Listenpreis 0,20 USD 0,05 USD 2,50 USD
DeepInfra, rabattiert (25 % Rabatt) 0,15 USD 0,0375 USD 1,875 USD
Groq (Preview, nur zur Evaluierung) 0,80 USD — 4,00 USD
BroadNet Inference $0.175 $0.0435 $2.17

Gemma 4 26B A4B (der Build von BroadNet ist Gemma 4 VL 26B):

Anbieter Input Output
DeepInfra 0,07 USD 0,34 USD
BroadNet Inference $0.10 $0.22

BroadNet ist hier pro Token nicht der günstigste Anbieter. Die rabattierten Preise von DeepInfra liegen bei DeepSeek V4.1 Flash, GLM 5.3 und Qwen3.8 27B in jeder Zeile unter denen von BroadNet, bei Gemma beim Input ebenfalls (beim Output von Gemma ist BroadNet günstiger). Die DeepSeek-API halbiert außerhalb der Spitzenzeiten alle Preise; ihr Input liegt dann unter dem von BroadNet (Details). Die Listenpreise von BroadNet liegen bei DeepSeek V4.1 Flash und GLM 5.3 unter denen von Together und Fireworks. Der Preis pro Token ist nur ein Faktor. Prüfen Sie auch Kontextlänge, Datenspeicherung und Rate Limits, die diese Tabellen nicht zeigen.

Über alle 119 Modelle hinweg, die mehrere Hosts verkaufen, nicht nur diese vier, liegt der teuerste Listenpreis im Median beim 1,76-Fachen des günstigsten; siehe gleiches Modell, anderer Host. Die Preise der Hosts ändern sich außerdem häufiger als die der Modellhersteller: wie oft sich LLM-API-Preise ändern.

Und Speech-to-Text?

Groq nennt für whisper-large-v3-turbo 0,04 USD pro Stunde Audio und für whisper-large-v3 0,111 USD pro Stunde. DeepInfra nennt für Voxtral Mini 0,001 USD pro Minute. Das mehrsprachige Modell von BroadNet kostet $0.002 pro Minute ($0.12 pro Stunde), das arabische Modell $0.0042 pro Minute. Weitere Anbieter finden Sie unter Speech-to-Text-API-Preise im Vergleich. Bei Arabisch zählt die Genauigkeit für Ihre Dialekte mehr als der Preis: So wählen Sie eine Speech-to-Text-API für Arabisch.

Wie vergleichen Sie Anbieter für Ihre Last?

  1. Legen Sie Modell und Version fest. „DeepSeek V4.1 Flash“ und eine datierte Variante können unterschiedlich bepreist sein.
  2. Messen Sie Ihren Token-Mix: Input, Anteil gecachter Tokens und Output, einschließlich Reasoning. Kosten vor dem Launch schätzen.
  3. Rechnen Sie mit allen drei Preisen jedes Anbieters, nicht nur mit dem Input-Preis. Bei Agenten entscheidet oft der Preis für gecachten Input. Der LLM-API-Kostenrechner und der Prompt-Caching-Rechner übernehmen die Rechnung.
  4. Wenden Sie Batch-Rabatte nur auf Aufgaben an, die warten können.
  5. Rechnen Sie Gebühren hinzu: Gebühren beim Kauf von Guthaben und Multiplikatoren der Stufen.
  6. Prüfen Sie die Limits: Rate Limits, Parallelität und Kontextlänge können einen Anbieter unabhängig vom Preis ausschließen.
  7. Vergleichen Sie mit einer Flatrate, wenn ein Agent den größten Teil des Tages läuft. Die Break-even-Rechnung oder der Rechner Flatrate vs. pro Token.

Wo BroadNet Inference einzuordnen ist

BroadNet bietet eine kurze Liste von Modellen an, einige davon bei Inferenzpartnern in den USA gehostet, und veröffentlicht die Preise pro Token in einer Preisdatei. Die Preise pro Token liegen im Mittelfeld, nicht am unteren Ende: Wenn nur der Preis pro Token zählt, sind die rabattierten Angebote von DeepInfra günstiger. Was die anderen hier nicht verkaufen, ist unbegrenzter Zugang zu DeepSeek V4.1 Flash für $60 pro Session und Monat, dazu Optionen für $15 pro Woche und $1 pro Stunde. BroadNet ist kein Marktplatz und bietet weder Batch-Rabatt noch dedizierte GPUs. Weitere Stärken sind Zero Data Retention bei jeder Anfrage, Speech-to-Text für Arabisch und ein einziger OpenAI-kompatibler Schlüssel für Chat und Audio. Wenn Sie Dutzende Modellfamilien oder den niedrigsten Aktionspreis für eine stark schwankende Last brauchen, sind Sie bei einem Router oder einem größeren Host besser aufgehoben.

Häufige Fragen

Welcher Inferenz-Anbieter ist für offene Modelle am günstigsten?

Keiner allein, und BroadNet ist es pro Token nicht. Bei unserer Prüfung am 2026-11-14 lagen die rabattierten Preise von DeepInfra für DeepSeek V4.1 Flash, GLM 5.3 und Qwen3.8 27B unter denen von BroadNet, und OpenRouter listete Endpoints für DeepSeek V4.1 Flash von etwa 0,05 USD bis 3 USD pro 1 Mio. Input-Tokens. Vergleichen Sie das genaue Modell, den Preis für gecachten Input und den Batch-Rabatt.

Schlägt OpenRouter etwas auf die Modellpreise auf?

Laut OpenRouter gibt es keinen Aufschlag auf die Inferenzpreise. Beim Kauf von Guthaben fällt eine Gebühr an: 5,5 % im Standard-Plan (mindestens 0,80 USD, laut FAQ), 8 % im Business-Plan und 5 % bei Zahlung in Krypto.

Lohnt sich Batch-Abrechnung?

Für Aufgaben, die warten können. Fireworks nennt 50 % Rabatt für Batch, und Groq dokumentiert 50 % Batch-Rabatt mit einem Zeitfenster von 24 Stunden bis 7 Tagen. Laut Batch-Dokumentation von Together gibt es 50 % Rabatt nur für ausgewählte Modelle (die Tabelle nannte bei unserer Prüfung nur `openai/whisper-large-v3`), mit einem festen Fertigstellungsfenster von 24 Stunden.

Wann sollte ich eine dedizierte GPU mieten statt pro Token zu zahlen?

Wenn Ihr Traffic die GPU den größten Teil des Tages auslastet. GPU-Stundenpreise fallen an, ob Anfragen kommen oder nicht. Bei geringem oder stark schwankendem Traffic ist die Abrechnung pro Token günstiger.

Gibt es einen Anbieter mit monatlicher Flatrate für ein offenes Modell?

BroadNet Inference, für DeepSeek V4.1 Flash. Full Moon kostet $60 pro Session und Monat, ohne Token-Zähler, mit einer Anfrage gleichzeitig.

Als Markdown lesenChatGPT fragenClaude fragenPerplexity fragen