Wie die Zahlen auf dieser Website entstehen

Wir führen 46 Modelle, darunter 13, die ihre Anbieter inzwischen eingestellt haben; 29 sind aktuell und kommen für Empfehlungen infrage. Jeder Preis ist der Listenpreis des Anbieters für seine eigene API – Standardstufe, kürzestes Kontextband –, geprüft an der Preisseite des Anbieters; jede Modellseite zeigt das Datum der letzten Prüfung. Wiederverkäuferpreise, Durchschnitte oder Zahlen aus dem Gedächtnis verwenden wir nicht.

Hat ein Anbieter eine Änderung angekündigt, zeigen wir sie: Ein Aktionspreis wird mit dem Datum, bis zu dem er garantiert ist, und dem regulären Preis dahinter markiert, ein Einführungspreis mit seinem Enddatum. DeepSeek berechnet außerhalb der Spitzenzeiten an Werktagen die Hälfte; wir führen den Spitzenpreis, weil ein Produktiv-Workload mit ihm planen kann. Open-Weights-Modelle wie Llama haben keinen Anbieterpreis – Hoster legen eigene fest –, und ihre Seiten sagen das.

Anbieter stellen Modelle ein, und ein eingestelltes Modell ist keine günstigere Option – Anfragen daran schlagen fehl. Jedes Modell trägt einen Status von der Einstellungsseite des Anbieters: aktiv, auslaufend (Abschaltdatum angekündigt), eingestellt (nicht mehr verfügbar) oder abgelöst (Open-Weights-Modelle, deren Hersteller eine neuere Generation hat).

Eingestellte Modelle behalten ihre Seiten, weil weiterhin nach ihnen gesucht wird, doch diese Seiten nennen das Abschaltdatum und verweisen auf das nächstliegende aktuelle Modell. Dieser Vorschlag stammt von uns – nach Rolle und Preis gewählt – und ist nicht immer der offizielle Nachfolger des Anbieters. Die Rechner der Website empfehlen ausschließlich aktive Modelle.

Anbieter rechnen pro Token ab, zerlegen Text aber nicht gleich in Token. Anthropic dokumentiert, dass Claude 4.7 und neuer für denselben Text etwa 30 % mehr Token erzeugen als frühere Claude-Modelle. Ein Preisvergleich pro Token unterschätzt daher, was diese Modelle für eine bestimmte Arbeit kosten.

Wir zählen Text mit o200k, dem Tokenizer von GPT-4o und neueren OpenAI-Modellen, und multiplizieren mit dem Tokenizer-Faktor jedes Modells. Ist ein Tokenizer veröffentlicht (OpenAI, DeepSeek) oder bietet der Anbieter eine Token-Zähl-Schnittstelle (Anthropic, Google, xAI), wird der Faktor gemessen: Wir schicken unseren parallelen 25-Sprachen-Korpus hindurch und vergleichen mit o200k auf denselben englischen Texten. Bis ein Tokenizer gemessen ist, verwenden wir eine Schätzung – für Claude 4.7 und neuer 1,43: geschätzte 1,1 für den vorherigen Claude-Tokenizer mal die von Anthropic dokumentierten 1,3. Die Tabelle zeigt, was gemessen und was geschätzt ist. Englisch ist die Basis, weil der Großteil des API-Verkehrs englisch ist; andere Sprachen können weit stärker abweichen, und die Sprachkosten-Seiten zeigen jede einzeln.

Die Werte für Programmierung, Reasoning, Extraktion, Kreativität und Bildverständnis (0–100) sind redaktionelle Kompositwerte von iOPTERA. Sie ordnen jedes Modell anhand öffentlicher Benchmark-Ergebnisse und veröffentlichter Anbieter-Evaluierungen relativ zu den anderen ein, damit die Rechner eine Rangfolge bilden können. Sie sind keine Benchmark-Ergebnisse, wir führen die Evaluierungen nicht selbst durch, und ein Unterschied von ein, zwei Punkten bedeutet nichts.

Wenn neuere Modelle die Messlatte anheben, werden ältere nach unten neu bewertet statt auf ihren Werten vom Starttag zu bleiben, damit Werte über Generationen vergleichbar bleiben. Schlagen wir eine günstigere Alternative vor, muss sie höchstens zwei Punkte unter dem ersetzten Modell liegen – eine Einsparung, die einen Leistungsverlust erfordert, wird nicht als Einsparung dargestellt.

Sofern eine Seite nichts anderes sagt, unterstellt ein Mischpreis 70 % Input- und 30 % Output-Token, der Workload wird in o200k-Token gemessen und jedes Modell zahlt für die Token, die sein eigener Tokenizer erzeugen würde. Jahres- und Langfristvergleiche verwenden den Preis nach dem Ende angekündigter Aktions- oder Einführungspreise.

Die Schätzungen lassen weg, was von Ihrem Setup abhängt: Prompt-Caching, Batch-Rabatte, Long-Context-Aufschläge oberhalb von 200K–272K Token und die verborgenen Reasoning-Token mancher Modelle. Verstehen Sie die Zahlen als Vergleich zwischen Modellen für dieselbe Arbeit, nicht als Prognose Ihrer Rechnung.