Von Warum ist Claude so teuer? Token-Kosten erklärt
Ausgabetokens kosten das Fünffache von Eingabetokens, und jede Runde liest den gesamten Verlauf neu. Sehen Sie die Rechnung einer Sitzung und vier wirksame Hebel.
Warum ist Claude teuer? Die kurze Antwort
Claude ist aus vier Gründen teuer, die sich gegenseitig verstärken. Ausgabetokens werden mit dem Fünffachen des Preises für Eingabetokens berechnet. Die API speichert den Gesprächsverlauf nicht, daher wird bei jeder weiteren Runde der gesamte Verlauf erneut gesendet und erneut berechnet. Ein Agent macht aus einer Frage Dutzende API-Aufrufe, und jeder Aufruf enthält diesen wachsenden Verlauf. Zusätzlich richtet sich der Preis des Frontier-Modells nach dem Schwierigkeitsgrad der Aufgabe und nicht nach den Betriebskosten eines kleinen Modells.
Ein Token ist ein Textbestandteil. Als grobe Orientierung entspricht ein Token etwa vier Zeichen oder ungefähr 0,75 englischen Wörtern. Die Preise werden pro Million Tokens angegeben, abgekürzt als MTok (million tokens). Alle folgenden Preise entsprechen dem veröffentlichten Preis der Claude API im August 2026.
Die meisten unerwartet hohen Rechnungen entstehen aus dem zweiten und dritten Grund dieser Liste. Nutzer gehen meist davon aus, dass die von Claude geschriebenen Antworten die Kosten verursachen. In einer Agent-Sitzung macht der Textanteil häufig weniger als ein Zehntel der Rechnung aus.
Die veröffentlichten Preise, damit wir uns auf die Zahlen einigen
The data behind this chart
[
{
"label": "Haiku 4.5",
"input_usd": 1,
"output_usd": 5,
"cache_read_usd": "0.10"
},
{
"label": "Sonnet 5, to Aug 31 2026",
"input_usd": 2,
"output_usd": 10,
"cache_read_usd": "0.20"
},
{
"label": "Sonnet 5, from Sep 1 2026",
"input_usd": 3,
"output_usd": 15,
"cache_read_usd": "0.30"
},
{
"label": "Opus 5",
"input_usd": 5,
"output_usd": 25,
"cache_read_usd": "0.50"
}
]Betrachten Sie eher die Struktur als die absoluten Zahlen. Jedes Modell berechnet für Ausgaben genau fünfmal mehr als für Eingaben. Opus 5 kostet 5 US-Dollar pro 1 Million Eingabetoken und 25 US-Dollar pro 1 Million Ausgabetoken. Haiku 4.5 kostet 1 und 5. Der Preisabstand zwischen dem günstigsten und dem teuersten Modell beträgt also das Fünffache. Der Abstand zwischen dem Lesen und dem Schreiben beträgt ebenfalls das Fünffache.
Sonnet 5 wird bis zum 31. August 2026 zu Einführungspreisen von 2 und 10 US-Dollar pro 1 Million Token angeboten. Ab dem 1. September 2026 gelten 3 und 15. Preise ändern sich mit neuen Modellversionen. Prüfen Sie daher die aktuellen Preise, bevor Sie darauf ein Budget aufbauen.
Die letzte Spalte enthält den Preis für das Lesen aus dem Cache. Dieser bestimmt den größten Teil der Kosten. Kehren Sie nach der Berechnung darauf zurück.
Warum kosten Ausgabetokens das Fünffache von Eingabetokens?
Lesen und Schreiben sind nicht gleich aufwendig. Eingabetokens werden in einem Durchlauf verarbeitet. Das Modell liest den gesamten Prompt gleichzeitig, und die Verarbeitung läuft dabei parallel ab. Deshalb dauert das Lesen eines Prompts mit 60,000 Tokens nicht 60,000-mal länger als das Lesen eines Prompts mit 1,000 Tokens.
Ausgabetokens werden einzeln erzeugt. Jeder neue Token erfordert einen eigenen Durchlauf durch das Modell und benötigt alle vorherigen Tokens als Kontext. 1,000 Tokens zu schreiben bedeutet 1,000 Durchläufe nacheinander. Diese serielle Verarbeitung lässt sich nicht wie das Lesen verteilen. Deshalb bindet jeder Ausgabetoken die Hardware länger.
Darum ist „die Antwort kürzer machen“ ein weniger wirksamer Ansatz, als viele erwarten. Er reduziert die kleinere Hälfte der Kosten einer Agentenabrechnung.
Warum wird meine gesamte Unterhaltung bei jeder Runde erneut abgerechnet?
Die Claude API ist zustandslos. Auf der Seite von Anthropic existiert keine Unterhaltung, der Sie jeweils eine Nachricht hinzufügen. Jede Anfrage enthält den vollständigen Nachrichtenverlauf, und das Modell liest ihn vollständig, bevor es eine Antwort schreibt. Daher wird Runde 30 auch für die Runden 1 bis 29 abgerechnet.
Dadurch steigen die Kosten einer Unterhaltung schneller als ihre Länge. In Runde 1 wird ein kleiner Kontext abgerechnet. In Runde 40 ist der Kontext groß. Addiert man alle 40 Runden, wurden viele Male mehr Tokens abgerechnet, als jemals geschrieben wurden.
The data behind this chart
[
{
"turn": 1,
"context_tokens": "20,000"
},
{
"turn": 5,
"context_tokens": "32,000"
},
{
"turn": 10,
"context_tokens": "45,000"
},
{
"turn": 15,
"context_tokens": "55,000"
},
{
"turn": 20,
"context_tokens": "64,000"
},
{
"turn": 25,
"context_tokens": "74,000"
},
{
"turn": 30,
"context_tokens": "84,000"
},
{
"turn": 35,
"context_tokens": "92,000"
},
{
"turn": 40,
"context_tokens": "100,000"
}
]Die obige Sitzung beginnt mit 20,000 Tokens. Darin enthalten sind der System-Prompt, die Tool-Definitionen und die ersten Dateien, die der Agent geöffnet hat. In Runde 40 umfasst der Kontext 100,000 Tokens. Über alle 40 Runden gemittelt werden damit pro Anfrage ungefähr 60.000 Tokens gelesen.
Warum kostet ein Agent so viel mehr als ein Chat?
Ein Chat entspricht einer Anfrage pro Frage. Ein Agent entspricht einer Anfrage pro Schritt. Das Lesen einer Datei ist ein Schritt. Das Ausführen eines Tests ist ein Schritt. Das Lesen der Testausgabe ist ein Schritt. Das Bearbeiten der Datei ist ein Schritt. Vierzig Schritte für eine einzelne Aufgabe sind bei einem Coding-Agenten üblich.
Durch die Tool-Nutzung entstehen zwei zusätzliche Kosten. Die Tool-Definitionen zählen bei jeder einzelnen Anfrage als Eingabetoken, weil dem Modell jedes Mal mitgeteilt werden muss, welche Tools verfügbar sind. Anthropic veröffentlicht den entsprechenden Overhead: Der System-Prompt für die Tool-Nutzung umfasst bei Opus 5 mit tool_choice auf auto 286 Token, zuzüglich der Token Ihrer eigenen Tool-Schemas. Für einige serverseitige Tools fällt außerdem eine separate Gebühr an. Die Websuche wird zusätzlich zu den von den Ergebnissen verbrauchten Token mit $10 pro 1,000 Suchvorgänge berechnet.
Auch jedes Tool-Ergebnis bleibt dauerhaft im Kontext. Ein Befehl, der 3,000 Zeilen ausgibt, fügt diese 3,000 Zeilen jeder weiteren Anfrage für den Rest der Sitzung hinzu. Die von Claude Code gemeldete Token-Nutzung pro Sitzung macht dies sichtbar: Beobachten Sie, wie die Eingabezahl direkt nach einem umfangreichen Befehl ansteigt.
Die Rechnung für eine reale Sitzung
Hier sehen Sie eine realistische Stunde agentischer Programmierarbeit mit Opus 5. Es gab 40 API-Anfragen. Der Kontext wächst von 20,000 auf 100,000 Tokens und umfasst damit durchschnittlich etwa 60,000 Tokens pro Anfrage. Das Modell schreibt pro Anfrage etwa 700 Tokens. Dabei handelt es sich um eine Mischung aus kurzen Tool-Aufrufen und einigen längeren Codeblöcken.
Requests in the session: 40
Average context per request: 60,000 tokens
Total input tokens billed: 40 x 60,000 = 2,400,000
Input cost on Opus 5: 2,400,000 x $5 / 1,000,000 = $12.00
Total output tokens: 40 x 700 = 28,000
Output cost on Opus 5: 28,000 x $25 / 1,000,000 = $0.70
Session total = $12.70The data behind this chart
[
{
"label": "Input, context re-read",
"billed_tokens": "2,400,000",
"cost_usd": "12.00"
},
{
"label": "Output, code and tool calls",
"billed_tokens": "28,000",
"cost_usd": "0.70"
}
]Betrachten Sie die Aufteilung. Das Lesen kostet 12.00 Dollar und das Schreiben 0.70 Dollar. Damit machen die tatsächlich von Ihnen gelesenen Ausgaben etwa fünf Prozent der Rechnung aus. Das Modell schrieb 28,000 Tokens. Für das Lesen wurden 2,400,000 Tokens abgerechnet. Niemand hat 2.4 Millionen Tokens eingegeben. Dieselben 100,000 Tokens wurden immer wieder gelesen.
Hebel 1: Prompt-Caching, der größte Hebel
Prompt-Caching speichert die verarbeitete Form eines stabilen Präfixes Ihres Prompts. Bei der nächsten Anfrage wird dieses Präfix aus dem Cache gelesen, statt erneut verarbeitet zu werden. Das Schreiben in den Cache kostet beim fünfminütigen Cache das 1,25-Fache des Eingabetarifs und beim einstündigen Cache das 2-Fache. Das Lesen kostet das 0,1-Fache des Eingabetarifs. Bei Opus 5 kostet das 0.50 Dollar pro Million statt 5 Dollar.
Wenden Sie das auf die oben beschriebene Sitzung an. Jedes der 100,000 Tokens wird einmal in den Cache geschrieben, während die Unterhaltung wächst. Die übrigen 2,300,000 Eingabetokens werden aus dem Cache gelesen.
Tokens written to cache: 100,000
Cache write at 1.25x input: 100,000 x $6.25 / 1,000,000 = $0.63
Tokens read from cache: 2,300,000
Cache read at 0.1x input: 2,300,000 x $0.50 / 1,000,000 = $1.15
Output cost, unchanged = $0.70
Session total = $2.48Sie markieren den cachebaren Teil mit einem cache_control-Feld. Setzen Sie den Breakpoint nach dem Inhalt, der zwischen den Turns unverändert bleibt: dem System-Prompt und den Tooldefinitionen. Ein langes Dokument, auf das Sie wiederholt zugreifen, gehört in denselben stabilen Block.
{
"model": "claude-opus-5",
"system": [
{
"type": "text",
"text": "<long, stable instructions>",
"cache_control": {"type": "ephemeral"}
}
],
"messages": [{"role": "user", "content": "..."}]
}Die Reihenfolge Ihres Prompts bestimmt nun die Kosten. Ein Cache-Treffer erfordert eine exakte Übereinstimmung ab dem allerersten Zeichen des Prompts. Daher muss alles, was sich bei jeder Anfrage ändert, nach allem stehen, was unverändert bleibt. Wenn Sie oben in Ihren System-Prompt einen Zeitstempel setzen, unterbrechen Sie den Cache bei jedem Turn: Das gesamte Präfix wird zum Cache-Miss, und Sie zahlen erneut das 1,25-Fache des Eingabetarifs für das Schreiben.
Die Antwort zeigt, ob es funktioniert hat. Senden Sie eine Anfrage und lesen Sie den Nutzungsblock.
curl 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-opus-5",
"max_tokens": 256,
"messages": [{"role": "user", "content": "Hello"}]
}'Jede Antwort enthält ein usage-Objekt wie dieses:
{
"usage": {
"input_tokens": 105,
"cache_creation_input_tokens": 7345,
"cache_read_input_tokens": 7123,
"output_tokens": 239
}
}Eine wiederholte Anfrage, die weiterhin 0 in cache_read_input_tokens anzeigt, bedeutet, dass der Cache nicht verwendet wird. Die häufigste Ursache ist, dass sich etwas vor Ihrem Breakpoint geändert hat. Der fünfminütige Cache läuft außerdem ab. Eine Anfrage, die sechs Minuten später gesendet wird, ist daher ein Cache-Miss, gefolgt von einem erneuten Schreiben.
Hebel 2: Einfache Arbeitsschritte an ein kleineres Modell weiterleiten
Die meisten Arbeitsschritte in einer Agent-Sitzung sind nicht schwierig. Eine Datei öffnen, einen Formatter ausführen oder ein Diff lesen. Dafür ist das Frontier-Modell nicht erforderlich. Wenn Sie diese Aufgaben an Haiku 4.5 weiterleiten, sinkt der Preis für Eingaben von 5 Dollar pro Million auf 1.
The data behind this chart
[
{
"label": "Opus 5, no caching",
"session_cost_usd": "12.70"
},
{
"label": "Opus 5, cached",
"session_cost_usd": "2.48"
},
{
"label": "Sonnet 5, cached",
"session_cost_usd": "0.99"
},
{
"label": "Haiku 4.5, cached",
"session_cost_usd": "0.50"
}
]Dieselbe Sitzung kostet auf Opus 5 ohne Caching 12.70 Dollar, mit Caching 2.48, auf Sonnet 5 mit Caching 0.99 und auf Haiku 4.5 mit Caching 0.50. Caching allein reduziert die Kosten um etwa achtzig Prozent. Die Wahl des Modells reduziert den größten Teil der verbleibenden Kosten.
Der wichtige Vorbehalt lautet: Wenn ein günstigeres Modell eine falsche Antwort liefert, kostet Sie das erneut die gesamte Sitzung sowie Ihre eigene Zeit. Wählen Sie das Modell nach dem Schwierigkeitsgrad der Aufgabe aus, nicht nach dem Preis. Die Wahl zwischen Opus, Sonnet und Haiku erläutert, für welche Aufgaben sich die einzelnen Modelle eignen.
Ebene 3: Kontextbereinigung
Jedes Token, das Sie im Kontext belassen, wird in jeder verbleibenden Runde erneut berechnet. Deshalb ist es deutlich effizienter, ein Token früh als spät zu entfernen. Eine Datei mit 5.000 Tokens, die in Runde 5 einer Sitzung mit 40 Runden eingefügt wird, wird noch 35-mal gelesen. Das sind 175.000 zusätzliche Eingabetokens, also bei Opus 5 für ein unbedachtes Einfügen fast ein Dollar.
Vier Gewohnheiten verbessern diesen Wert:
- Starten Sie für eine neue Aufgabe eine neue Sitzung, anstatt die Sitzung vom Vortag fortzusetzen.
- Filtern Sie die Ausgabe geräuschreicher Befehle, bevor sie das Modell erreicht, beispielsweise mit
head -50, statt erst danach. - Fragen Sie nur nach der benötigten Funktion, nicht nach der gesamten Datei.
- Wenn eine lange Sitzung keine Fortschritte mehr macht, bitten Sie um eine Zusammenfassung und beginnen Sie damit eine neue Sitzung. Die Zusammenfassung umfasst einige hundert Tokens. Das Transkript umfasst hunderttausend.
Hebel 4: Alles stapeln, was nicht interaktiv ist
Die Batch API verarbeitet Anfragen asynchron und reduziert die Kosten für Eingabe und Ausgabe um 50 Prozent. Wenn ein Auftrag nicht innerhalb der nächsten Sekunde eine Antwort benötigt, verarbeiten Sie ihn als Batch-Auftrag. Das gilt für Klassifizierung, Extraktion, die Zusammenfassung eines Rückstands und Evaluierungsläufe. Der Batch-Rabatt lässt sich mit Prompt-Caching kombinieren. Für eine interaktive Sitzung gilt er nicht, weil dort keine Wartezeit überbrückt werden muss.
Bin ich übervorteilt?
Das ist die eigentliche Frage hinter „Warum ist Claude teuer?“. Hier ist die klare Antwort: Die Preise sind veröffentlicht. Auf den Standardtarifen gelten sie für alle gleich. Abgerechnet wird pro Token. Kein Bestandteil der Rechnung ist frei festgelegt. Die Preistabelle zeigt jedoch nicht, ob Sie einen entsprechenden Gegenwert erhalten. Sie bepreist Tokens, während für Sie das Ergebnis zählt.
Bewerten Sie daher stattdessen das Ergebnis. Die obige Sitzung kostete ohne Cache 12.70 Dollar. Wenn dabei eine Funktion ausgeliefert wurde, für die Sie eine Stunde gebraucht hätten, ist das günstig. Wenn die Sitzung vierzig Durchläufe lang im Kreis lief, haben dieselben 12.70 Dollar nichts gebracht. Das Problem war dann nicht der Preis.
Das sollten Sie sich merken: Ihre Rechnung steigt mit der Anzahl der Tokens, nicht mit dem Wert. Eine produktive Sitzung und eine erfolglose Sitzung gleicher Länge kosten gleich viel. Deshalb sind die vier Stellhebel wichtiger als die Preistabelle. Den Preis pro Token können Sie nicht verhandeln. Sie entscheiden aber, wie viele Tokens die Aufgabe benötigt.
Erfassen Sie daher die Dollar-Kosten pro abgeschlossener Aufgabe und nicht die Kosten pro Monat. Wenn dieser Wert sinkt, während Sie Caching und Routing optimieren, wird Ihre Konfiguration besser. Das gilt auch dann, wenn die monatliche Gesamtsumme steigt, weil diese Summe durch mehr erledigte Arbeit steigt.
Was Ihre Rechnung nicht senkt
Einige verbreitete Empfehlungen bewirken nur wenig. Wenn Sie das Modell anweisen, „knapp zu antworten“, wird die Ausgabe kürzer. Die Ausgabe machte im Beispiel jedoch nur fünf Prozent der Rechnung aus. Wenn Sie Ihre eigene Frage kürzen, sparen Sie bei einem Kontext von 60,000 Tokens einige hundert Tokens. Das Deaktivieren des erweiterten Denkens hilft nur, wenn Denktokens tatsächlich einen erheblichen Anteil Ihrer Ausgabe ausmachen. Der Nutzungsblock zeigt Ihnen das, sodass Sie nicht raten müssen.
Ein größeres Kontextfenster verursacht nicht automatisch höhere Kosten. Bei Claude 4.6 und später wird das vollständige Fenster mit einer Million Tokens zum standardmäßigen Preis pro Token abgerechnet. Eine Anfrage mit 900,000 Tokens kostet pro Token daher genauso viel wie eine Anfrage mit 9,000 Tokens. Die Fenstergröße bestimmt nicht den Preis. Entscheidend ist, welche Inhalte Sie in das Fenster aufnehmen.
Zwei weitere Punkte gehören in die Planung und nicht in eine einzelne Sitzung. Wenn Sie das System täglich und interaktiv nutzen, vergleichen Sie die Abrechnung pro Token mit einem Pauschaltarif: der Kostenvergleich zwischen API und Abonnement führt diese Berechnung durch. Wenn ein Agent unbeaufsichtigt auf einem Server läuft, legen Sie vor allen weiteren Optimierungen ein festes Ausgabenlimit fest. Genau darum geht es bei Kostenkontrollen für einen KI-Agenten auf einem VPS. Für eine einfache Größenordnung zeigt was eine Million Claude-Tokens tatsächlich ermöglicht, wie sich die Preisliste in Textseiten umrechnen lässt.
FAQ
Warum ist meine Claude-Rechnung gestiegen, als ich begonnen habe, einen Agenten zu verwenden?
Weil ein Agent pro Frage viele Anfragen sendet und jede Anfrage den bisherigen vollständigen Gesprächsverlauf enthält. Ein Chat sendet eine Anfrage pro Frage. Ein Coding-Agent sendet eine Anfrage pro Schritt. Vierzig Schritte für eine Aufgabe sind normal. Jede dieser Anfragen wird für den vollständigen Kontext abgerechnet. Eine Sitzung, die mit 100,000 Tokens endet, kann daher insgesamt mit mehr als zwei Millionen Eingabe-Tokens abgerechnet werden. In der API-Antwort können Sie input_tokens und cache_read_input_tokens direkt einsehen.
Senkt Prompt-Caching die Rechnung wirklich so stark?
Im durchgerechneten Beispiel sank der Sitzungsbetrag von 12.70 Dollar auf 2.48 Dollar, weil ein Cache-Lesevorgang ein Zehntel des Eingabepreises kostet. Die Einsparung hängt vollständig von Ihrer Trefferquote ab. Beim fünfminütigen Cache amortisiert sich der Vorgang nach einem einzigen Lesevorgang, weil das Schreiben das 1.25-Fache des Eingabepreises kostet und das Lesen das 0.1-Fache. Wenn sich Ihr Prompt bei jeder Anfrage nahe am Anfang ändert, gibt es überhaupt keine Treffer. Dann zahlen Sie den Aufpreis für das Schreiben ohne Nutzen. Prüfen Sie dies mit cache_read_input_tokens, bevor Sie davon ausgehen, dass das Caching funktioniert.
Sollte ich einfach für alles Haiku verwenden?
Nein. Haiku 4.5 kostet 1 Dollar pro einer Million Eingabe-Tokens, gegenüber 5 für Opus 5. Bei einfachen Aufgaben mit hohem Volumen, etwa Klassifizierung und Routing, ist die Einsparung daher real. Eine falsche Antwort bei einer schwierigen Aufgabe kostet mehr als die Einsparung durch das Modell. Sie zahlen zusätzlich für den erneuten Versuch und für Ihre eigene Arbeitszeit. In der Praxis bewährt sich eine gemischte Verwendung: das kleine Modell für mechanische Arbeitsschritte, das Frontier-Modell für den Schritt, der eine Beurteilung erfordert.
Ist die API günstiger als ein Claude-Abonnement?
Das hängt davon ab, wie konstant Ihre Nutzung ist. Ein Abonnement hat einen festen monatlichen Preis mit zugehörigen Nutzungsgrenzen. Bei der API zahlen Sie pro Token, ohne Obergrenze. Das ist günstiger, wenn Ihre Nutzung gering ist oder schubweise erfolgt, und teurer, wenn Sie sie an jedem Arbeitstag intensiv verwenden. Ermitteln Sie aus dem Nutzungsblock Ihre durchschnittliche Token-Anzahl pro Tag. Berechnen Sie daraus anhand des Preises Ihres Modells die Kosten. Vergleichen Sie diesen Betrag anschließend mit dem Preis des Tarifs.