Input vs. Output Tokens: Warum Claude-Ausgabe mehr kostet

Warum Output-Tokens mehr kosten als Input-Tokens

Output-Tokens kosten bei jedem Claude-Modell im aktuellen Katalog fünfmal so viel wie Input-Tokens. Der Grund liegt in der Struktur der Berechnung. Das Lesen eines Prompts ist ein Durchlauf durch das Modell. Das Schreiben einer Antwort erfordert einen Durchlauf pro Token, und jeder Durchlauf muss auf den vorherigen warten.

Dieses Verhältnis ist in jeder Zeile der Preisliste gleich. Das ausgewählte Modell ändert daher nicht, welcher Anteil Ihrer Rechnung auf Output entfällt. Entscheidend ist die Struktur Ihrer Workload. Ein Agent-Schritt, der 60,000 Tokens liest und mit 800 antwortet, verursacht für Output fast keine Kosten. Ein Entwurf, der 2,000 Tokens liest und 12,000 schreibt, verursacht für Input fast keine Kosten. Beide Fälle werden weiter unten anhand der veröffentlichten Preise von Anthropic berechnet und am 16. Oktober 2026 geprüft.

Prefill läuft einmal, Decoding einmal pro Token

Ein Inference-Server verarbeitet eine Anfrage in zwei Phasen mit sehr unterschiedlichen Kosten. Prefill liest den Prompt. Decoding schreibt die Antwort.

Prefill verarbeitet den gesamten Prompt auf einmal. Jedes Prompt-Token durchläuft denselben Forward Pass im Netzwerk. Dadurch werden Attention- und Feed-Forward-Berechnungen zu wenigen großen Matrixmultiplikationen, die jeweils Tausende von Tokens abdecken. Ein Lesen der Modellgewichte aus dem Speicher reicht für den gesamten Prompt. Die Matrixeinheiten des Accelerators bleiben ausgelastet. Prefill ist daher compute-bound: Entscheidend ist, wie schnell der Chip multiplizieren kann.

Decoding kann nicht auf diese Weise arbeiten, weil Token 2 von Token 1 abhängt. Das Token, das das Modell gerade erzeugt hat, wird Teil der Eingabe für den nächsten Schritt. Deshalb können die Schritte nicht gleichzeitig ausgeführt werden. Jedes Ausgabe-Token erhält einen eigenen Forward Pass. Jeder dieser Durchläufe liest den vollständigen Satz der Modellgewichte aus dem High-Bandwidth Memory, um ein einzelnes Token zu erzeugen. Decoding ist dadurch memory-bound: Entscheidend ist, wie schnell die Gewichte verschoben werden können, nicht wie schnell sie multipliziert werden. Derselbe Gewichtsdatenverkehr, der beim Prefill einen vollständigen Prompt verarbeitet, erzeugt beim Decoding nur ein Token.

Serving-Systeme wirken dem durch Batching entgegen. Viele Anfragen werden gemeinsam decodiert. Dadurch erzeugt ein Lesen der Gewichte jeweils ein Token für jede Anfrage im Batch. Nur deshalb ist Decoding überhaupt wirtschaftlich. Die Grenze liegt erneut beim Speicher. Jede aktive Anfrage hält einen KV-Cache (Key/Value-Cache, der gespeicherte Attention-Zustand für jedes bisher verarbeitete Token). Dieser Cache wächst mit jedem erzeugten Token. Sobald er den Accelerator füllt, kann der Batch nicht weiter wachsen.

Nichts davon liefert eine exakte Zahl. Sie sollten 5x nicht als gemessenes Hardwareverhältnis verstehen. Es handelt sich um einen von Anthropic festgelegten Preis, der diese Asymmetrie berücksichtigt. Sie können jedoch die Richtung selbst überprüfen. Das dauert etwa eine Minute.

Messen Sie Eingabe- und Ausgabelücke selbst

Installieren Sie die Werkzeuge auf einem beliebigen Ubuntu-System:

sudo apt update && sudo apt install -y curl jq moreutils

Übertragen Sie nun einen kurzen Prompt, der eine lange Antwort anfordert, und versehen Sie jede Zeile mit dem Zeitpunkt ihres Eintreffens.

curl -sN https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d '{"model":"claude-sonnet-5","max_tokens":1000,"stream":true,
       "messages":[{"role":"user","content":"Count from 1 to 300, one number per line."}]}' \
  | ts -s '%.s'

ts -s stellt jeder Zeile die seit dem Start des Befehls verstrichenen Sekunden voran. Aus dieser Ausgabe lassen sich zwei Werte direkt ablesen. Die erste Zeile mit content_block_delta ist Ihre Zeit bis zum ersten Token. Das gesamte Prefill wurde innerhalb dieses Zeitraums verarbeitet. Jede folgende Zeile entspricht einem kleinen Decoding-Schritt. Die Zeitstempel steigen weiter, bis message_stop eintrifft.

Drehen Sie das Verhältnis nun um. Fügen Sie ein langes Dokument in den Prompt ein und begrenzen Sie die Antwort auf wenige Tokens.

curl -sN https://api.anthropic.com/v1/messages \
  -H "x-api-key: $ANTHROPIC_API_KEY" \
  -H "anthropic-version: 2023-06-01" \
  -H "content-type: application/json" \
  -d "$(jq -n --rawfile doc ./long-document.txt \
       '{model:"claude-sonnet-5", max_tokens:16, stream:true,
         messages:[{role:"user", content:("Answer in one word. Is this document about networking?\n\n" + $doc)}]}')" \
  | ts -s '%.s'

Das erste Delta benötigt länger als beim kurzen Prompt, weil beim Prefill deutlich mehr Text gelesen werden muss. Danach ist die Antwort fast sofort beendet, weil nur wenige Tokens decodiert werden müssen. Zehntausende Tokens gingen ein, während die Uhr kaum weiterlief. Einige hundert Tokens kamen heraus, und die Uhr lief während der gesamten Ausgabe.

Jede Antwort ohne Streaming endet mit den Zahlen, nach denen Ihre Abrechnung erfolgt.

{
  "usage": {
    "input_tokens": 41283,
    "output_tokens": 6,
    "cache_creation_input_tokens": 0,
    "cache_read_input_tokens": 0
  }
}

Pro Anfrage müssen Sie alle vier Felder protokollieren. output_tokens umfasst auch Thinking-Tokens. Ein Modell, das vor seiner Antwort nachdenkt, berechnet diese Tokens zum Ausgabetarif. Um die Kosten eines Prompts vor dem Senden zu bestimmen, akzeptiert POST /v1/messages/count_tokens denselben Request-Body, gibt {"input_tokens": N} zurück, ohne das Modell auszuführen, und ist kostenlos. Das ist nicht der einzige kostenlose Teil der API. Prüfen Sie welche Teile der Claude API Ihnen nie berechnet werden, bevor Sie das Budget für Ihr erstes Projekt festlegen.

Was Claude pro Million Token ab Oktober 2026 berechnet

[
  {
    "label": "Haiku 4.5",
    "input_usd": 1,
    "output_usd": 5,
    "output_multiple": 5
  },
  {
    "label": "Sonnet 5",
    "input_usd": 2,
    "output_usd": 10,
    "output_multiple": 5
  },
  {
    "label": "Opus 5",
    "input_usd": 5,
    "output_usd": 25,
    "output_multiple": 5
  },
  {
    "label": "Fable 5",
    "input_usd": 10,
    "output_usd": 50,
    "output_multiple": 5
  }
]

Die letzte Spalte zeigt den Output geteilt durch den Input und lautet in jeder Zeile 5. Haiku 4.5 berechnet $1 für Input und $5 für Output. Opus 5 berechnet $5 bzw. $25. Fable 5, das teuerste Modell, berechnet $10 bzw. $50; es lohnt sich, was diese Fable 5-Preise Ihnen bieten zu lesen, bevor Sie die oberste Zeile ignorieren. Ein Aufstieg in der Modellreihe multipliziert beide Seiten mit demselben Faktor, wodurch sich die Gesamtkosten ändern, das Verhältnis von Input zu Output jedoch exakt gleich bleibt.

Sonnet 5 berechnet $2 für Input und $10 für Output. Anthropic führte diesen Tarif als Einführungspreis bis zum 31. August 2026 ein, mit einer geplanten Erhöhung auf $3 und $15 zum 1. September, legte dann aber am 10. August 2026 $2 und $10 als Standardpreis fest. Die Erhöhung trat nie in Kraft, daher entspricht der Tarif in jedem unten aufgeführten Arbeitsbeispiel dem Preis, den Sie heute zahlen.

Anthropic hat seit der Veröffentlichung dieser Seite außerdem neuere Modelle herausgebracht. Auf claude.com/pricing werden die vier oben genannten Modelle inzwischen als Legacy-Modelle aufgeführt, die weiterhin verfügbar sind. Die neuen Modelle verwenden weiterhin dasselbe Verhältnis von 5x. Opus 5.5 kostet $4 für Eingabetokens und $20 für Ausgabetokens. Sonnet 5.5 kostet $2 beziehungsweise $10. Fable 5.1 kostet $10 beziehungsweise $50. Haiku 5.5 kostet für Prompts mit bis zu 100,000 Tokens $0.10 beziehungsweise $0.50. Oberhalb dieser Grenze steigen die Preise auf $0.50 beziehungsweise $2.50. Die weiter unten berechneten Kosten für einen Agentenschritt mit 60,000 Tokens liegen unter dieser Grenze. Wenn der Verlauf eines Agents jedoch weiter wächst, überschreitet er sie irgendwann. Wie sich die beiden Preisklassen von Haiku 5.5 bei echten Aufgaben auswirken zeigt, welchen Einfluss dieser Sprung auf die Rechnung hat. Die regulären Preise von Opus 5.5 für Eingabe und Ausgabe liegen 20% unter denen von Opus 5. Daher ist jeder weiter unten genannte Wert für Opus 5 bei Opus 5.5 um 20% niedriger. Bei zwischengespeicherten Tokens sinken die Kosten noch stärker. Opus 5.5 berechnet Cache-Treffer mit $0.20 pro Million Tokens, gegenüber $0.50 bei Opus 5. Das entspricht einer Reduzierung um 60%. Der weiter unten berechnete Agentenschritt mit Cache kostet bei Opus 5 $0.0725. Bei Opus 5.5 kostet er etwa $0.047 und damit ungefähr 35% weniger.

Preise ändern sich, und diese Seite ist nicht der Ort, an dem Sie diese prüfen sollten. claude.com/pricing ist die Quelle der Wahrheit. Was eine Preisänderung überdauert, ist die Methode.

Ein Vorbehalt, den die Preisliste nicht zeigt: Die Dokumentation von Anthropic besagt, dass Claude 4.7 und spätere Modelle einen neueren Tokenizer verwenden, der für denselben Text etwa 30% mehr Token erzeugt als der Tokenizer in Sonnet 4.6 und früher. Ein Preisvergleich von zwei Modellen allein auf Basis der Kosten pro Million Token lässt das neuere Modell besser dastehen, da dasselbe Dokument bei diesem mehr Token umfasst. Vergleichen Sie stattdessen die Kosten pro abgeschlossener Aufgabe und rechnen Sie Ihre tatsächlichen Prompts gegen das Modell, das Sie tatsächlich verwenden möchten. Dieselbe Falle besteht zwischen Anbietern, deren Tokenizer sich untereinander um mehr als diesen Wert unterscheiden; daher verrät Ihnen die Kostenkalkulation eines echten Auftrags für Claude und ChatGPT mehr, als die beiden Preislisten nebeneinander zu legen. was eine Million Claude-Token in echtem Text wert sind deckt ab, wie dieses Volumen in der Praxis aussieht.

Ab wann dominiert die Ausgabe Ihre Kosten?

Wenn die Ausgabe mit dem Faktor 5 gegenüber der Eingabe berechnet wird, lässt sich der Break-even-Punkt leicht im Kopf bestimmen. Bezeichnen Sie die Eingabetokens mit I und die Ausgabetokens mit O. Die Eingabe kostet I. Die Ausgabe kostet 5 mal O. Die Ausgabe macht mehr als die Hälfte Ihrer Ausgaben aus, sobald 5 mal O größer als I ist. Das entspricht einem Token-Verhältnis von 5 Eingabetokens zu 1 Ausgabetoken.

Wenn Ihr Prompt also mehr als fünfmal länger als Ihre Antwort ist, ist die Eingabe der größere Kostenfaktor. Unterhalb dieses Verhältnisses ist es die Ausgabe.

[
  {
    "label": "100:1",
    "input_share_pct": 95.2,
    "output_share_pct": 4.8
  },
  {
    "label": "75:1",
    "input_share_pct": 93.75,
    "output_share_pct": 6.25
  },
  {
    "label": "20:1",
    "input_share_pct": 80,
    "output_share_pct": 20
  },
  {
    "label": "10:1",
    "input_share_pct": 66.7,
    "output_share_pct": 33.3
  },
  {
    "label": "5:1",
    "input_share_pct": 50,
    "output_share_pct": 50
  },
  {
    "label": "1:1",
    "input_share_pct": 16.7,
    "output_share_pct": 83.3
  },
  {
    "label": "1:6",
    "input_share_pct": 3.2,
    "output_share_pct": 96.8
  }
]

Bei einem Verhältnis von 100 zu 1 entfallen 4.8% der Ausgaben auf die Ausgabe. Dann lohnt sich nur noch, den Prompt zu kürzen. Bei 5 zu 1 sind beide Seiten gleich hoch. Bei 1 zu 6 entfallen 96.8% auf die Ausgabe, und der Prompt fällt bei der Berechnung kaum noch ins Gewicht. Die meisten Menschen schätzen ihr eigenes Verhältnis falsch ein. Ermitteln Sie es daher aus Ihren Logs, bevor Sie etwas optimieren.

Eine Agent-Workload: langer Kontext hinein, kurze Antwort hinaus

Führen Sie einen Retrieval-Agent-Schritt aus: 60,000 Eingabetokens aus abgerufenen Dokumenten und dem Gesprächsverlauf sowie eine Antwort mit 800 Tokens. Das entspricht 75 zu 1 und ist für alles normal, was vor dem Schreiben liest.

[
  {
    "label": "Haiku 4.5",
    "input_cost": 0.06,
    "output_cost": 0.004,
    "total_cost": 0.064
  },
  {
    "label": "Sonnet 5",
    "input_cost": 0.12,
    "output_cost": 0.008,
    "total_cost": 0.128
  },
  {
    "label": "Opus 5",
    "input_cost": 0.3,
    "output_cost": 0.02,
    "total_cost": 0.32
  },
  {
    "label": "Fable 5",
    "input_cost": 0.6,
    "output_cost": 0.04,
    "total_cost": 0.64
  }
]

Die Ausgabe macht bei jedem Modell 6.25% dieses Aufrufs aus, weil das Verhältnis über die gesamte Preisliste hinweg fest ist. Der Aufruf kostet bei Opus 5 $0.32, bei Sonnet 5 $0.128 und bei Haiku 4.5 $0.064. Zweihundert solcher Schritte pro Tag auf Opus 5 kosten $64 pro Tag.

Sobald Sie die Aufteilung sehen, ist der wichtigste Hebel offensichtlich. Wenn Sie die Antwort von 800 auf 400 Tokens kürzen, sparen Sie etwa 3% des Aufrufs. Wenn Sie 20,000 Tokens veralteten Kontext aus dem Prompt entfernen, sparen Sie etwa ein Drittel der Kosten. Die Ausgabelänge bei einem leseintensiven Agenten zu begrenzen, ist daher nahezu vergebliche Arbeit. wo die Tokens eines Coding-Agenten tatsächlich verwendet werden zeigt, was diesen Prompt überhaupt füllt.

Eine Generierungs-Workload: kurzer Prompt, langer Entwurf

Drehen wir nun das Verhältnis um. Ein Briefing von 2.000 Token, ein Entwurf von 12.000 Token, ein Verhältnis von 1 zu 6.

[
  {
    "label": "Haiku 4.5",
    "input_cost": 0.002,
    "output_cost": 0.06,
    "total_cost": 0.062,
    "batch_total_cost": 0.031
  },
  {
    "label": "Sonnet 5",
    "input_cost": 0.004,
    "output_cost": 0.12,
    "total_cost": 0.124,
    "batch_total_cost": 0.062
  },
  {
    "label": "Opus 5",
    "input_cost": 0.01,
    "output_cost": 0.3,
    "total_cost": 0.31,
    "batch_total_cost": 0.155
  },
  {
    "label": "Fable 5",
    "input_cost": 0.02,
    "output_cost": 0.6,
    "total_cost": 0.62,
    "batch_total_cost": 0.31
  }
]

Der Output macht 96.8% dieser Rechnung aus. Opus 5 kostet $0.31 pro Entwurf gegenüber $0.062 bei Haiku 4.5. Diese fünffache Differenz ergibt sich fast vollständig aus der Output-Seite, was genau der Bereich ist, in dem ein günstigeres Modell am meisten einspart.

Die letzte Spalte zeigt denselben Auftrag über die Batch API, die 50% Rabatt auf Input und Output gewährt. Opus 5 sinkt auf $0.155 pro Entwurf. Batch liefert Ergebnisse innerhalb von 24 Stunden statt sofort; es eignet sich daher für die nächtliche Berichterstellung und Massenklassifizierung. Es ist nicht geeignet für Aufgaben, bei denen eine Person auf das Ergebnis wartet.

Model-Routing lohnt sich hier auf eine Weise, die beim Agent-Schritt nicht der Fall ist. Wenn der umfangreiche Teil der Arbeit mechanisch ist, wie das Umformatieren von Text oder das Erweitern eines bereits genehmigten Entwurfs, produziert das günstige Modell diese Token zu einem Fünftel des Preises. die Wahl zwischen Opus, Sonnet und Haiku behandelt die Frage, wo die Qualitätsgrenze tatsächlich verläuft.

Caching vergünstigt Eingaben, aber nur Eingaben

Prompt-Caching speichert ein Präfix Ihres Prompts auf dem Server. Für das erneute Lesen wird ein Bruchteil des Eingabepreises berechnet. Am 16. Oktober 2026 betragen die Multiplikatoren für die auf dieser Seite bepreisten Modelle das 1.25-Fache des regulären Eingabepreises zum Schreiben eines 5-Minuten-Caches, das 2-Fache zum Schreiben eines 1-Stunden-Caches und das 0.1-Fache zum Lesen eines Cache-Treffers. Die neuesten Modelle lesen Treffer günstiger: Opus 5.5 und Sonnet 5.5 zum 0.05-Fachen und Fable 5.1 zum 0.025-Fachen.

Die Ausgabe ist davon nicht betroffen. Es gibt keine zwischengespeicherte Ausgabe. Jedes vom Modell erzeugte Token wird jedes Mal zum vollen Ausgabepreis berechnet, unabhängig davon, wie viel vom Prompt als Cache-Treffer zurückgegeben wurde.

Nehmen Sie denselben Agent-Schritt auf Opus 5, bei dem 55,000 der 60,000 Eingabe-Token aus einem warmen Cache bereitgestellt werden.

[
  {
    "label": "No cache",
    "input_cost": 0.3,
    "output_cost": 0.02,
    "total_cost": 0.32
  },
  {
    "label": "55k prefix cache read",
    "input_cost": 0.0525,
    "output_cost": 0.02,
    "total_cost": 0.0725
  }
]

Der Aufruf sinkt von $0.32 auf $0.0725. Die Ausgabezeile ändert sich nicht: vorher $0.02, danach $0.02. Caching senkt die Rechnung und verändert ihre Zusammensetzung. Die Ausgabe machte bei diesem Aufruf 6.25% aus. Jetzt beträgt ihr Anteil mehr als ein Viertel. Dadurch ändert sich, an welchem Stellhebel Sie als Nächstes ansetzen sollten.

Der erste Aufruf bezahlt den Schreibvorgang. Das Schreiben eines 5-Minuten-Caches kostet das 1.25-Fache des regulären Eingabepreises. Es amortisiert sich daher nach einem einzigen Treffer. Das Schreiben für 1 Stunde kostet das 2-Fache und benötigt daher zwei Treffer. Die Multiplikatoren für Schreiben und Lesen sowie der Punkt, ab dem sich Caching nicht mehr lohnt führt diese Berechnung weiter aus.

Vier Stellschrauben, die Sie kontrollieren

1. Setzen Sie max_tokens auf die Ausgabelänge beim p95-Perzentil und nicht auf das Modellmaximum.
2. Leiten Sie ausführliche Schritte an ein günstigeres Modell weiter.
3. Führen Sie alles per Batch aus, worauf niemand wartet.
4. Löschen Sie Anweisungen, die Antworten unnötig verlängern.

max_tokens ist eine harte Obergrenze. Ihre Höhe verursacht allein keine Kosten, weil Sie für erzeugte Tokens bezahlen und niemals für die Obergrenze. Eine großzügige Obergrenze entfernt lediglich das Limit für eine Antwort, die aus dem Ruder läuft. Ermitteln Sie die output_tokens-Verteilung aus Ihren Logs, setzen Sie die Obergrenze etwas über dem 95. Perzentil an und behandeln Sie stop_reason: "max_tokens" im Code, indem Sie die Antwort fortsetzen oder einen erneuten Versuch starten. Eine erkannte Kürzung kostet weniger als ein 4.000-Tokens-langer Monolog, für den Sie bezahlen und den Sie anschließend verwerfen. Auch das Denken fällt in output_tokens und wird auf max_tokens angerechnet. Legen Sie die Obergrenze daher anhand derselben Daten fest. Bei Modellen mit adaptivem Denken sollten Sie den Aufwandsgrad senken, wenn das Denken regelmäßig die Antwortlänge aufbraucht.

Routing funktioniert, wenn der teure Teil eines Schritts eher im Umfang als in der Beurteilung liegt. Lassen Sie das leistungsfähige Modell die Entscheidung treffen und übertragen Sie die Texterstellung an ein günstigeres Modell. Messen Sie die geroutete Variante zuerst anhand Ihres eigenen Evaluationsdatensatzes. Ein günstiges Modell, das zwei Versuche benötigt, kostet mehr als ein einziger Versuch mit dem teuren Modell.

Batch-Verarbeitung ist die einzige Stellschraube, die einen Rabatt auf die Ausgabe gewährt. Sie erhalten auf beide Seiten 50% Rabatt, die Ergebnisse liegen innerhalb von 24 Stunden vor, und alles, was nach einem Zeitplan ausgeführt wird, ist dafür geeignet.

Die letzte Stellschraube wird häufig übergangen. Formulierungen wie „arbeiten Sie gründlich“ und „erklären Sie Ihre Überlegungen“ legen bei jedem künftigen Aufruf Ihre Ausgabelänge fest. Ersetzen Sie sie durch die gewünschte Form: „Antworten Sie in höchstens drei Sätzen“ oder „Geben Sie nur das JSON-Objekt ohne Vorbemerkung zurück“. Ein System-Prompt, der jede Antwort um 300 Tokens verlängert, kostet fünfmal so viel wie dieselben 300 Tokens im Prompt. Die Kosten eines dauerhaft laufenden Agents unter Kontrolle halten behandelt die Überwachung. Ob die API oder ein Pauschalabonnement für Ihr Nutzungsmuster günstiger ist sollten Sie klären, bevor Sie eine Woche lang die Kosten pro Token optimieren, die ein Abonnement ohnehin abgedeckt hätte. Für eine einzelne Entwicklerin oder einen einzelnen Entwickler hängt das meist davon ab, ob Claude Pro mit 20 $ pro Monat und den damit verbundenen Nutzungslimits die Arbeit abdeckt, für die Sie sonst jeden Verbrauch einzeln abrechnen würden. Wenn Sie diese Limits bereits mitten in einer Sitzung erreichen, sollten Sie zuerst ermitteln, auf welches Zeitfenster Sie warten: Die Lösung ist dann ein kleineres Modell, ein kürzerer Kontext, zusätzliche Nutzungsguthaben oder die Verlagerung dieser Arbeit auf die verbrauchsabhängig abgerechnete API. Wenn sich die verbrauchsabhängige API als die günstigere Option für diese Arbeit erweist, können Sie auf einen kleineren Tarif wechseln oder das Abonnement kündigen, ohne den bereits bezahlten Monat zu verlieren. Der Wechsel kostet Sie dadurch nichts. Wenn der Tarif, mit dem Sie Pro vergleichen, zu ChatGPT und nicht zur verbrauchsabhängigen API gehört, zeigt der direkte Preisvergleich der beiden Abonnementstufen, welcher Tarif für Programmierarbeiten günstiger ist. Wenn diese Frage ein Team und nicht nur eine Entwicklerin oder einen Entwickler betrifft, beachten Sie, dass Claude Enterprise eine Gebühr pro Sitzplatz mit nach diesen API-Sätzen abgerechneten Tokens kombiniert. Daher gilt weiterhin jede Stellschraube auf dieser Seite für den verbrauchsabhängig abgerechneten Teil dieser Rechnung.

FAQ

Warum kosten Output-Tokens mehr als Input-Tokens?

Ihre Generierung beansprucht pro Token deutlich mehr Accelerator-Zeit. Ein Prompt wird in einem einzigen Forward-Pass vollständig verarbeitet. Dabei deckt ein einzelnes Lesen der Modellgewichte Tausende von Tokens ab, sodass der begrenzende Faktor der Durchsatz von Multiplikationen ist. Eine Antwort wird dagegen jeweils Token für Token erzeugt. Jeder Token erfordert einen eigenen Forward-Pass, der die vollständigen Modellgewichte erneut liest. Dadurch wird die Speicherbandbreite zum begrenzenden Faktor. Anthropic berechnet für Output im gesamten aktuellen Katalog das Fünffache des Input-Preises, von Haiku 5.5 bis Fable 5.1.

Werden Output-Tokens durch Prompt-Caching günstiger?

Nein. Prompt-Caching gilt nur für Input. Am 16. Oktober 2026 kostet ein Cache-Read bei den meisten Modellen 0.1x des regulären Input-Preises, bei Opus 5.5 und Sonnet 5.5 0.05x und bei Fable 5.1 0.025x. Cache-Writes kosten für die Dauer von 5 Minuten 1.25x und für die Dauer von 1 Stunde 2x. Output wird bei jedem Aufruf zum vollständigen Preis abgerechnet, unabhängig davon, was der Cache bewirkt hat. Deshalb verändert Caching sowohl die Struktur als auch die Höhe Ihrer Rechnung: Sobald die Input-Kosten stark zurückgehen, ist der Output der Kostenanteil, bei dem sich eine Optimierung lohnt.

Kostet mich ein hoher max_tokens-Wert Geld, wenn die Antwort kurz ausfällt?

Nein. Abgerechnet werden die Tokens, die das Modell tatsächlich erzeugt. max_tokens ist daher eine Obergrenze und keine Reservierung. Der Wert ist trotzdem wichtig, weil er die einzige feste Begrenzung für eine unkontrolliert lange Antwort ist. Setzen Sie ihn etwas über das 95. Perzentil Ihres beobachteten output_tokens-Werts und behandeln Sie stop_reason: "max_tokens" im Code, statt eine stillschweigend abgeschnittene Antwort auszuliefern.

Wie ermittle ich mein eigenes Verhältnis von Input- zu Output-Tokens?

Protokollieren Sie input_tokens, output_tokens, cache_read_input_tokens und cache_creation_input_tokens aus dem usage-Objekt jeder Antwort und teilen Sie anschließend die Summen über eine Woche. Bei mehr als 5 Input-Tokens pro 1 Output-Token entstehen Ihre Kosten hauptsächlich durch den Prompt. Cachen Sie daher den stabilen Teil und kürzen Sie den Rest. Darunter entstehen Ihre Kosten hauptsächlich durch die Antwort. Begrenzen Sie dann ihre Länge und verlagern Sie die Schritte, die den größten Teil davon erzeugen, auf ein günstigeres Modell oder die Batch API.