Billiger pro Token kann pro Aufgabe trotzdem teurer sein

Artificial Analysis bewertete Claude Sonnet 5 mit dem ursprünglich angekündigten späteren Standardtarif von 3 US-Dollar pro Million Input-Token und 15 pro Million Output-Token. Auf dieser Basis kostete der Intelligence-Index-Lauf rund 2,29 US-Dollar pro Aufgabe, gegenüber rund 1,99 für Opus 4.8. Der Benchmark schloss den Einführungspreis von Sonnet 5 ausdrücklich aus (1).

Dieser historische Vergleich ist nützlich, aber nicht mehr der aktuelle Preisvergleich. Anthropic machte die Einführungstarife von 2 US-Dollar für Input und 10 für Output später dauerhaft. Wendet man diese Senkung um ein Drittel proportional auf den veröffentlichten Benchmark-Wert an, ergibt das rund 1,53 US-Dollar pro Aufgabe und damit weniger als der genannte Opus-4.8-Wert. Das ist eine Rechenillustration, kein neuer Benchmark-Lauf.

Eine Zahl pro Million Token lässt weiterhin die Frage offen, die über die Rechnung entscheidet: Wie viele verrechnete Token und Tool-Operationen braucht das Modell bis zu einem akzeptablen Ergebnis?

Ein Modell, das im Kreis denkt, ist nicht billig. Es ist billig am Anfang.

Vergleiche bei der Modellwahl die Gesamtkosten pro erledigter Aufgabe und nicht nur den Listenpreis pro Token.

Die Zahl, die niemand einpreist: Tokens bis zur Antwort

Der Preis pro Million Token ist der Aufkleber im Schaufenster. Er nennt dir den Tarif. Er sagt dir nichts darüber, wie weit das Modell fährt, um ans Ziel zu kommen.

Hinter einem einzigen API-Aufruf verstecken sich zwei Kosten:

• Der Stückpreis. Dollar pro Million Input- und Output-Token. Das ist es, was jede Preisseite bewirbt.
• Der Nutzungspfad. Input, gecachter Input, Output und Thinking-Token, dazu wiederholte Modellrunden und separat bepreiste Server-Tools.

Deine Rechnung verbindet die geltenden Tarife mit der gemessenen Nutzung und separat bepreisten Operationen. Artificial Analysis nennt seine Benchmark-Kennzahl Kosten pro Aufgabe: die gewichteten durchschnittlichen Token-Kosten für eine Intelligence-Index-Aufgabe. Längere Antworten oder mehr Reasoning-Token erhöhen bei identischem Token-Preis diese Benchmark-Kosten (2).

Senke den Stückpreis um 40 Prozent und lass den Token-Verbrauch um mehr als das steigen, und du hast das Modell billiger aussehen lassen, während du es teurer gemacht hast.

Was bei Sonnet 5 tatsächlich passiert ist

Der Start von Sonnet 5 ist eine nützliche Fallstudie, weil sich die Antwort mit dem tatsächlich geltenden Preis ändert.

Zum Start kündigte Anthropic bis zum 31. August 2026 Preise von 2 US-Dollar pro Million Input-Token und 10 pro Million Output-Token an, mit einer geplanten Erhöhung auf 3 und 15. Anthropic sagte diese Erhöhung später ab. Am 2. September 2026 lag Sonnet 5 weiterhin bei 2 und 10, Opus 4.8 bei 5 und 25 (3). Sonnet 5 ist damit beim Basispreis für Input und Output jeweils 60 Prozent günstiger.

Dann lässt du es laufen. Artificial Analysis stellte fest, dass Sonnet 5 bei maximalem Reasoning-Aufwand pro Intelligence-Index-Aufgabe etwa 40 Prozent mehr Output-Token verbrauchte als Sonnet 4.6 und rund dreimal so viele agentische Durchläufe. Bei Evaluierungen von Wissensarbeit verbrannte es bei maximalem Aufwand etwa sechsmal mehr Durchläufe als bei niedrigem Aufwand. Die Leistungssteigerungen kamen über längere Reasoning-Ketten und mehr Tool-Aufrufe zustande, nicht über Effizienz (1).

Dazu kommt eine zweite Änderung: Laut Anthropic verwenden Claude 4.7 und neuere Modelle einen Tokenizer, der für denselben Text ungefähr 30 Prozent mehr Token erzeugt als ältere Modelle. Der genaue Anstieg hängt von Inhalt und Arbeitslast ab (3). Zähle daher die echten Prompts für das geplante Modell neu, statt pauschal 30 Prozent anzusetzen.

Die korrigierte Lehre ist nicht, dass Sonnet 5 aktuell teurer als Opus 4.8 ist. Rankings pro Aufgabe hängen von beobachteter Nutzung und tatsächlich geltendem Preis ab. Derselbe Benchmark-Verbrauch kann den Rang wechseln, wenn ein Aktionspreis dauerhaft wird.

"Ein billigerer Stückpreis bei einem Modell, das im Kreis denkt, ist kein Rabatt. Es ist eine aufgeschobene Rechnung. Die Teams, die gewinnen, lesen den ganzen Beleg, nicht den Preis im Regal."

Die Zahlen wurden am 2. September 2026 geprüft. Die Schätzung von 2,29 US-Dollar durch Artificial Analysis nutzte die geplanten Tarife von 3 und 15 US-Dollar. Anthropics aktueller Standardpreis beträgt 2 und 10 US-Dollar. Deine Arbeitslast ist nicht die Benchmark-Suite, miss sie daher direkt.

Warum Reasoning-Modelle den Listenpreis sprengen

Das ist nicht Sonnet-spezifisch. Es ist eine allgemeine Abrechnungsfrage bei Modellen und Agenten, deren Thinking- und Tool-Nutzung variieren kann.

Anthropics Preisdokumentation verrechnet Tool-Nutzung über Input- und Output-Token und kann für Server-Tools zusätzliche Nutzungsgebühren ansetzen. Die Effort-Steuerung beeinflusst Antworttext, Tool-Aufrufe und Thinking, sodass eine höhere Stufe Fähigkeit und Kosten ändern kann (3, 5). Thinking- und Tool-Blöcke sind in API-Antworten sichtbar, sofern das Produkt sie ausgibt. Sie sollten nicht als unsichtbare Arbeit bezeichnet werden.

Ein Modell kann also sein:

• Billiger pro Token und teurer pro Aufgabe, weil es länger denkt.
• Teurer pro Token und billiger pro Aufgabe, weil es die Antwort in einem Durchgang erreicht statt in fünf.

Der Listenpreis und die echten Kosten sind nicht nur unterschiedliche Zahlen. Sie können in entgegengesetzte Richtungen zeigen.

Kosten pro Aufgabe, definiert

Wenn du eine Kennzahl aus diesem Artikel mitnimmst, dann diese.

Kosten pro erledigter Aufgabe sind die Gesamtausgaben über jeden Token und jeden Durchlauf hinweg, um eine echte Aufgabe bis zu deinem Qualitätsmaßstab zu erledigen. Nicht pro Token. Nicht pro Anfrage. Pro fertiger, akzeptabler Antwort.

Sie erfasst, was der Listenpreis verbirgt:

• Thinking-Token. Verrechneter Modell-Output für Reasoning, soweit der Anbieter ihn ausgibt oder misst.
• Antwortlänge. Ein weitschweifiges Modell verrechnet mehr, selbst zum selben Tarif.
• Agentische Durchläufe und Tools. Weitere Modellrunden verbrauchen Token, manche Server-Tools haben eigene Gebühren.
• Wiederholungen. Falsche Antworten, die du erneut laufen lassen musst, sind nicht gratis.
• Tokenizer-Drift. Derselbe Text kann auf einem neueren Modell als mehr Token gezählt werden.

Ein Modell, das am Anfang billig und am Ende teuer ist, fällt bei diesem Maßstab durch. Genau darum geht es, wenn man ihn verwendet.

So misst du die Kosten pro erledigter Aufgabe

Du brauchst kein Forschungslabor. Du brauchst deine eigenen Aufgaben und eine Waage. Hier ist der Prozess, den wir durchlaufen, bevor wir einem Kunden ein Modell empfehlen.

1. Definiere die Aufgabe und den Qualitätsmaßstab. Nicht "fasse das zusammen", sondern "erstelle eine Zusammenfassung, die dieses Bewertungsraster besteht". Eine Aufgabe ist erst abgeschlossen, wenn sie den Maßstab erfüllt, sonst gehört die Wiederholung in die Kosten.
2. Baue ein kleines Eval-Set aus echter Arbeit. Zwanzig bis fünfzig repräsentative Aufgaben sind ein praktikabler Start. Öffentliche Benchmarks liefern Kontext, sind aber nicht deine Arbeitslast.
3. Lass jedes Kandidatenmodell bis zum Abschluss laufen. Dieselben Aufgaben, dieselben Einstellungen, mit denen du ausliefern würdest. Lass es denken, Tools aufrufen und wiederholen, wie es das in der Produktion tun wird.
4. Erfasse die Nutzung bis zur Fertigstellung. Miss ungecachten Input, Cache-Schreib- und Lesevorgänge, Output, Thinking, jede Modellrunde und separat bepreiste Tools. Anthropics Token-Counting-Endpunkt schätzt den Input, tatsächliche Response-Nutzung und Rechnungen bleiben die Abrechnungsgrundlage (4).
5. Preise den ganzen Weg ein, inklusive Fehlschläge. Multipliziere die Token mit dem echten Tarif, addiere die Kosten der Wiederholungen bei Aufgaben, die das Modell beim ersten Mal falsch gemacht hat. Diese Summe, geteilt durch die abgeschlossenen Aufgaben, sind deine Kosten pro erledigter Aufgabe.

Das Ranking kann kippen. Ein Modell mit höherem Token-Preis kann günstiger fertig werden, während ein Modell mit niedrigerem Tarif mehr verrechenbare Nutzung erzeugen kann.

Was das für die Modellwahl bedeutet

Die Lektion lautet nicht "wähle immer das teure Modell". Sie lautet "hör auf, nach dem Aufkleber zu wählen".

Ein paar Regeln, nach denen wir arbeiten:

• Passe das Modell zur Aufgabe an, nicht zur Preisliste. Ein leistungsfähiges Modell, das in einem Durchgang antwortet, kann pro Aufgabe billiger sein als ein schwächeres, das in Schleifen läuft. Leite einfache Arbeit mit hohem Volumen an billige Modelle und schwierige, mehrdeutige Arbeit an starke. Das komplette Routing-Playbook haben wir in wie du LLM-Token-Kosten 2026 senkst geschrieben.
• Stell am Aufwands-Regler. Anthropic beschreibt Effort als weiches Verhaltenssignal und nicht als striktes Token-Budget. Niedrigere Stufen tauschen im Allgemeinen etwas Fähigkeit gegen Token-Effizienz. Teste unterstützte Stufen im eigenen Eval, statt Maximum vorauszusetzen (5).
• Achte auf Runden und Tools, nicht nur auf Modell-Output. Zusätzliche Aufrufe können Input-, Output- und Tool-Kosten hinzufügen. Ein Modell mit weniger Runden kann trotz höherem Token-Tarif günstiger sein.
• Lass die Zahlen neu laufen, wenn ein Modell aktualisiert wird. Eine neue Version kann den Tokenizer und das Reasoning-Verhalten auf einmal ändern, wie Sonnet 5 es tat. Das Kosten-Ranking des letzten Quartals ist nicht das dieses Quartals.

Der Preis pro Token ist die Marketingzahl. Die Kosten pro erledigter Aufgabe sind die Zahl, die auf deiner Rechnung landet. Optimiere die, die du tatsächlich zahlst.

References

1. Artificial Analysis (2026): Claude Sonnet 5 erreichte beim geplanten Tarif von 3/15 US-Dollar geschätzte 2,29 US-Dollar pro Intelligence-Index-Aufgabe, gegenüber 1,99 US-Dollar für Opus 4.8; der Aktionspreis war ausgeschlossen. Quelle (Abgerufen: 2. September 2026).
2. Artificial Analysis: Methodik und Definition der gewichteten Kosten pro Intelligence-Index-Aufgabe. Quelle (Abgerufen: 2. September 2026).
3. Anthropic: Aktuelle Preise, dauerhaft 2/10 US-Dollar für Sonnet 5 statt der abgesagten Erhöhung auf 3/15, Tool-Kosten und ungefähr 30 Prozent mehr Token durch den neueren Tokenizer. Quelle (Abgerufen: 2. September 2026).
4. Anthropic: Der Token-Counting-Endpunkt schätzt Input-Token einschliesslich Tools und unterstützt aktive Modelle; die tatsächliche Abrechnung kann geringfügig abweichen. Quelle (Abgerufen: 2. September 2026).
5. Anthropic: Effort beeinflusst Text, Tool-Aufrufe und Thinking; es ist ein Verhaltenssignal und kein striktes Token-Budget. Quelle (Abgerufen: 2. September 2026).