Tiếng Việt

Warum kostet KI auf Vietnamesisch mehr?

Dasselbe auf Vietnamesisch zu sagen, verbraucht das 1,54-Fache der Tokens, die es auf Englisch braucht. Da Anbieter je Token abrechnen, sind das 54% Aufschlag auf jeden Prompt — nicht für bessere Antworten, sondern allein für die Kodierung.

Die Messung

Platz 12 von 25 nach Token-Kosten

1,54×mehr Tokens als Englisch für dieselbe Bedeutung — 54% obendrauf bei jedem Prompt.

GPT-4 / GPT-3.5

2,62×

2,03 Zeichen/Token

GPT-4o / GPT-5

1,54×

3,49 Zeichen/Token

Der neuere Tokenizer hat 67% der Lücke geschlossen. Das ist echter Fortschritt, aber keine Gleichstellung — ältere Modelle rechnen weiter zum alten Tarif ab.

Was das ein echtes Produkt kostet

4.075 $pro Jahr, allein für die Kodierung

Bei 500 Tausend Aufrufen im Monat mit je 500 englischen Tokens, zu 2,50 $ je Million Eingabe-Tokens. Nur die Eingabeseite — die Antwortlänge ist eine Eigenschaft der Antwort, nicht Ihrer Sprache.

Über fünf Textsorten gemessen

Ein einzelner Satz würde nichts beweisen, deshalb werden in jeder Sprache dieselben fünf Texte gemessen. Der Aufschlag reicht je nach Textsorte von 1,24× bis 1,77×.

Textsorte	Tokens	ggü. Englisch
Geschäfts-E-Mail	53	1,77×
Support-Antwort	58	1,57×
Produktbeschreibung	60	1,76×
Anleitung	42	1,24×
Alltagsnachricht	54	1,42×

Warum das passiert

Byte-Pair-Encoding bildet sein Vokabular aus Trainingstext, der ganz überwiegend englisch ist. Häufige englische Wortbausteine erhalten ein eigenes Token; die Suffixketten und Flexionen anderer Sprachen nicht — Wörter zerfallen daher in mehr Teile als nötig.

Derselbe Text auf Vietnamesisch, verschiedene Tokenizer

Wir haben dieselben Texte auf Vietnamesisch durch den Tokenizer jedes Anbieters geschickt. Preise gelten pro Token – ein Tokenizer, der mehr Token braucht, verteuert dieselbe Arbeit, selbst bei gleichem Listenpreis.

Tokenizer	Tokens	ggü. Englisch	ggü. OpenAI
OpenAI o200k_baseGenutzt von GPT-6.1 Sol, GPT-6 Sol, GPT-6 Luna	267	1,54×	Referenz
DeepSeek V3 – V4.1Genutzt von DeepSeek V4.1 Flash, DeepSeek V4 Pro	396	2,24×	+48%

Gezählt am 2. Oktober 2026 mit den veröffentlichten Tokenizer-Dateien oder der Token-Zähl-API des Anbieters. Noch nicht gemessen: Claude 4.7 and later, Claude 4 – 4.6, Grok 4, Gemini 3 – deren Modellseiten verwenden eine Schätzung. Wie wir messen

Häufige Fragen

Warum verbraucht Vietnamesisch mehr Tokens?

Tokenizer lernen ihr Vokabular aus ganz überwiegend englischem Trainingstext. Englische Wortbausteine bekommen eigene Tokens, während Wortformen anderer Sprachen in kleinere Stücke zerfallen. Der Effekt ist mechanisch und kein Urteil über die Sprache.

Kann ich etwas dagegen tun?

Drei Dinge helfen. Schreiben Sie System-Prompts und Anweisungen auf Englisch und belassen Sie die für Nutzer sichtbaren Inhalte auf Vietnamesisch — das Modell versteht die Anweisung so wie so. Bevorzugen Sie neuere Modelle, deren Tokenizer nicht-englischen Text deutlich besser verarbeiten. Und streichen Sie Floskeln, denn der Aufschlag gilt für jedes gesendete Token, auch für die überflüssigen.

Ist das gemessen oder geschätzt?

Gemessen. Die echten Tokenizer laufen über fünf parallele Texte je Sprache, die Zahlen sind exakt. Der einzige weiche Faktor ist die Übersetzung selbst — deshalb ist das Korpus vollständig veröffentlicht und statt eines schmeichelhaften Mittelwerts wird die Streuung über alle fünf Texte gezeigt.

Hebräisch1,58×Koreanisch1,50×Italienisch1,49×Russisch1,49×Finnisch1,62×Japanisch1,63×

Methode: Die echten BPE-Tokenizer — cl100k_base für die GPT-4-Generation und o200k_base für GPT-4o und später — laufen über ein paralleles Korpus aus fünf Texten je Sprache. Die Token-Zahlen sind exakt, nicht geschätzt. Die Übersetzungen stammen von uns und sind vollständig im Datendownload der Studie veröffentlicht, denn eine wortreichere Fassung kostet mehr Tokens, und Sie sollen unsere prüfen können.