LLM-API-Kosten: Batch-API, Prompt-Caching und Monatsprognose
Senken Sie Ihre OpenAI-/Anthropic-/Gemini-Rechnung: Input/Output schätzen, Batch und Caching in der Kalkulation aktivieren — geprüfte Tarife, 100 % lokal.
Von der Token-Zahl zur monatlichen API-Rechnung
Input- und Output-Tokens werden zu unterschiedlichen Preisen pro Million abgerechnet. Tokens zählen liefert Volumen; es sagt nicht, ob Batch-API, Prompt-Caching oder die Aufruffrequenz die Rechnung dominieren. Dieser Leitfaden setzt dort an, wo der Token-Zähl-Leitfaden endet: Zählungen in USD-Hebel übersetzen. Auf FastMinify wendet der LLM-Preisrechner eine datierte llm-models.json-Tabelle im Browser an — ein Planer, keine Rechnungsautorität. Ergänzen Sie mit dem LLM-Token-Zähler, wenn Sie noch Exact- oder Estimate-Zählungen brauchen. Der KI- & LLM-Tools-Hub bündelt den Rest des Clusters.
Häufige Fehler: Planer-Mathe mit der Rechnung vermischen
Batch-Rabatte unterscheiden sich nach Vendor, Modell und Job-Auflagen. Der FastMinify-Schalter ist ein flacher v1-Platzhalter, um die Form der Ersparnis zu sehen — kein Angebot.
Merken — Lesen Sie das Prüfdatum auf dem Preisrechner, bestätigen Sie die Batch-Eignung und den Prozentsatz in der Anbieter-Doku, bevor Sie die Finanzplanung briefen.
Cache-Ersparnis gilt nur für die Scheibe, die den Cache wirklich trifft. Tippen Sie 80 % cached bei einem einzigartigen User-Prompt, wirkt die Schätzung billig — Produktion nicht.
Merken — Starten Sie bei 0 gecachten Tokens und erhöhen Sie nur für ein dokumentiertes stabiles Präfix (System-Prompt, Tools, gepinnter Kontext).
×30 nimmt an, jeder Tag gleicht dem heutigen. Kontorabatte, fehlgeschlagene Retries und Regionalpreise gehen nie in diese Formel ein.
Merken — Nutzen Sie Pro Monat (30 Tage), um Optionen zu vergleichen; stimmen Sie die Ausgaben im Anbieter-Dashboard ab. Das Tool trifft die Rechnung nicht auf den Cent.
Eine Wortzahl oder der Tokenizer eines anderen Modells verzerrt USD. Claude- und Gemini-Zählungen auf FastMinify sind Estimate (±5–15 %), nicht anbieteroffiziell.
Merken — Zählen Sie zuerst am Zielmodell im LLM-Token-Zähler, übertragen Sie dann Input/Output in den Preisrechner.
Ehrliche Grenzen und der Umgang mit den Zahlen
Tarife liegen in einer manuell gepflegten llm-models.json, mindestens monatlich geprüft. Das Prüfdatum am Tool spiegelt diese Prüfung.
Der Rechner ist ein indikativer Planer für Chat-/Completion-ähnliche Tokenrechnungen.
Alle Mathematik und optionale Tokenableitung laufen im Browser. FastMinify ruft keine Anbieter-Preis-APIs auf und lädt keine Prompts hoch.
Vier USD-Hebel: Input, Output, Batch und Cache
Anbieter veröffentlichen Listenpreise als $ je 1M Input-Tokens und $ je 1M Output-Tokens. FastMinify rechnet lokal (Tokens / 1.000.000) × $/1M für das gewählte Modell. Completions sind pro Token oft mehrfach teurer als Prompts — eine kurze Frage mit langer Antwort kann mehr kosten als ein großer RAG-Paste mit einem Absatz. Output-Tokens werden in v1 nicht automatisch abgeleitet: setzen Sie sie aus Logs oder nach erwarteter Generierung.
Batch-Endpunkte tauschen Latenz gegen einen niedrigeren Tokenpreis. Der Batch-API-Schalter des Rechners wendet einen flachen 50-%-Rabatt auf die Zwischensumme an (Input- + Output-USD vor Rabatt). Das ist ein vereinfachtes v1-Modell — kein Live-Scrape der Batch-Tarife von OpenAI, Anthropic oder Google und keine Eignungsfenster. Bestätigen Sie den echten Tarif und die Eignung Ihrer Last, bevor Sie ein Budget festziehen.
Wiederholte Aufrufe mit stabilem Präfix (System-Prompt, Tool-Definitionen, festes RAG-Korpus) können einen Prompt-Cache treffen. FastMinify berechnet die gecachte Input-Scheibe mit 10 % des Input-Tarifs (90 % Ersparnis nur auf diesem Anteil). Sie geben ein, wie viele Input-Tokens voraussichtlich aus dem Cache bedient werden — das Tool simuliert keine Trefferlogik, TTLs oder Mindestpräfixe des Anbieters.
Wenn Aufrufe pro Tag größer als null ist, setzt der Rechner Tages-USD = Gesamt pro Aufruf × Aufrufe/Tag, dann Pro Monat (30 Tage) = täglich × 30. Das ist eine gerade 30-Tage-Extrapolation: keine Wochenenden, keine Saisonalität, keine Lastspitzen. Nutzen Sie sie zum Vergleich von Modellen oder Hebeln, stimmen Sie danach mit dem Anbieter-Dashboard ab.
Workflow: Token-Zähler → Preisrechner → Monatslinie
Öffnen Sie den LLM-Token-Zähler. Fügen Sie den Prompt oder das Messages-JSON ein, das Sie senden. Wählen Sie dasselbe Modell wie beim API-Aufruf. Kopieren Sie die Input-Summe (Exact- oder Estimate-Badge).
Öffnen Sie den LLM-Preisrechner. Geben Sie Input- und Output-Tokenzahlen ein (oder fügen Sie ein, um Input abzuleiten). Setzen Sie erwartete Output-Tokens manuell. Schalten Sie Batch-API, gecachte Input-Tokens und Aufrufe pro Tag. Das Prüfdatum auf der Seite ist die letzte Tabellenprüfung — nicht Ihr Rechnungsdatum.
Sie fahren eine 200k-Input- / 2k-Output-Zusammenfassung 50-mal pro Tag. Die Hälfte des Inputs ist ein stabiles System- plus Korpus-Präfix, das Sie cachen wollen. Interaktiver Chat kann nicht auf ein Batch-Fenster warten.
Baseline des interaktiven Aufrufs
200k Input, 2k Output, 0 cached, Batch aus, 50 Aufrufe/Tag. Gesamt pro Aufruf und Pro Monat (30 Tage) ablesen.
Cache auf dem stabilen Präfix addieren
Gecachten Input auf die Präfixgröße setzen, die Sie wirklich wiederverwenden (nicht 100 % des Pastes). In der Aufschlüsselung Gecachte Eingabe-Tokens beobachten — günstiger als Frische Eingabe-Tokens; Output bleibt gleich. Batch −50 % gilt danach auf die ganze Zwischensumme, einschließlich dieser bereits reduzierten Scheibe.
Nachtjob auf Batch umstellen
Für den nicht-interaktiven Lauf Batch-API aktivieren und Pro Monat (30 Tage) vergleichen. Batch für den latenzsensitiven Chat auslassen — der −50-%-Schalter ist ein Planer, keine Latenzgarantie.
Fazit
Eine nützliche Kostenschätzung trennt Input von Output und testet dann Batch-API- und Prompt-Cache-Hebel an Zählungen vom Zielmodell. Der FastMinify-Preisrechner macht das lokal mit datierter Tariftabelle, flachem −50-%-Batch-Platzhalter, gecachtem Input zu 10 % des Input-Tarifs und einer ×30-Monatslinie. Er trifft die Rechnung nicht auf den Cent — das ist Absicht: hier planen, im Anbieter-Dashboard abstimmen. Zählen Sie zuerst Tokens, wenn Sie noch Volumen brauchen; dann bepreisen Sie die Hebel.
USD pro Aufruf und monatlich aus Ihren Tokenzahlen schätzen
Verwandte Artikel
Netzwerk, Maske, Hostbereich und Broadcast eines CIDR berechnen, Bereiche zu minimalen Blöcken zusammenfassen und IPs prüfen, direkt im Browser.
cURL-Kopien formatieren, rohe HTTP-Anfragen und -Antworten parsen und HAR-Exporte lesen, direkt im Browser: nichts wird gesendet oder wiederholt.
Header und Payload eines JWT dekodieren oder ein Test-Token signieren, direkt im Browser: HS256, RS256, ES256, ohne Secret an einen Drittserver zu senden.